■林立和

(莆田市公安局交警支隊， 莆田 351100)

伴隨中國社會經(jīng)濟的快速發(fā)展， 人均車輛擁有量也隨之增加，人們在享受汽車帶來便捷的同時，也伴隨著交通事故傷亡率的逐年上升的問題[1]。在屢次發(fā)生的案件中， 明確的證據(jù)對交通事件的破解就顯得格外關(guān)鍵， 而現(xiàn)場留下的輪胎痕跡物證是最為客觀、直接的有效證據(jù)，它是客觀存在的，并不隨著人的意志而發(fā)生轉(zhuǎn)移，憑其固有屬性去鑒別案件。不需要對當(dāng)事人和案發(fā)現(xiàn)場的目擊者進行調(diào)查和詢問，在很大程度上避免人為因素和其它因素的消極影響。

在實際調(diào)查中，有關(guān)交通事故輪胎痕跡鑒別主要是從以下幾個方面進行考慮的：一是審查事故發(fā)生的原因和具體過程；二是檢查交通事故現(xiàn)場中輪胎痕跡的形成原因，包括現(xiàn)場輪胎痕跡是怎樣出現(xiàn)的、是和什么發(fā)生碰撞的以及碰撞后的具體狀況；三是對其它現(xiàn)場留下的痕跡，主要包括車輛遺落物的檢查，以及現(xiàn)場留下的諸如血漬、毛發(fā)等物證的鑒別，而這當(dāng)中最重要的事故評判依據(jù)就是輪胎痕跡[2]。 因為交通事故現(xiàn)場中輪胎痕跡比較多且個中因緣頗為復(fù)雜，再加上傳統(tǒng)的痕跡鑒別方法又主要是根據(jù)現(xiàn)場鑒證人員的工作經(jīng)驗和綜合素質(zhì)來分析， 存在很大的主觀臆測性， 如此一來就極有可能在判斷責(zé)任認(rèn)定方時發(fā)生認(rèn)知偏差，降低調(diào)查結(jié)果的可信度。

1 基于似然比的交通事故現(xiàn)場輪胎痕跡鑒別方法

1.1 路面輪胎痕跡的鑒別與參數(shù)獲取

汽車在駕駛過程中需要時刻轉(zhuǎn)換調(diào)整車速，如加速、減速、剎車等，因而當(dāng)車輛駛過后，路面上會留下大量輪胎經(jīng)過的痕跡[3]，而這對能夠準(zhǔn)確判斷肇事車輛的輪胎信息，以及交通事故的破解具有至關(guān)重要的作用。

測量痕跡寬度與花紋間距：對輪胎痕跡寬度進行測量前必須率先確定肇事車輛前后車輪在路面留下的痕跡，普遍來說車輛前輪會完整或部分覆蓋后輪留下的痕跡[4]。 確定前后輪胎留下的路面痕跡后， 主要是根據(jù)輪胎痕跡兩邊的邊緣痕跡為界限，求取車胎之間的垂線長度，此即為輪胎實際接地寬度[5]。 多點測量時必須同時兼顧到平均值的取值，過程中盡量選取平坦路面。 假若輪胎留下的痕跡并不完全的話，可視情況而定，按照輪胎胎面具體花紋的對稱性以及部分花紋留下的殘留印在測量過程時，可持續(xù)性的對輪胎痕跡寬度、花紋間距進行測量，通過多次測量，取均值，結(jié)果盡量精確到微米[6]。本文主要是利用以下方法對輪胎痕跡進行獲?。?/p>

(1)攝像法。 借助對交通事故現(xiàn)場肇事車輛的輪胎痕跡進行單獨攝像，獲取到客觀資料，對于后續(xù)分析提供了直觀、全面、有效地資料。

(2)照相法。 利用高清攝像拍照機對交通事故現(xiàn)場拍照， 保證對輪胎痕跡每一位置和損壞位置進行聚焦辨別，確保肇事車輛留下的輪胎痕跡的完整性。

(3)現(xiàn)場繪制圖。 通過現(xiàn)場對肇事汽車留下痕跡的繪圖，可以對輪胎痕跡的實際尺寸大小、事故地點、痕跡長度和寬度等進行準(zhǔn)確繪制，保障后續(xù)案件偵破信息的實時性。

(4)制作勘察現(xiàn)場筆錄。 對肇事車輛輪胎痕跡的勘查進行全程筆錄，主要是對交通事故的發(fā)生過程以及司機面對事故時的操作過程進行記錄，此舉有利于對現(xiàn)場輪胎痕跡的后續(xù)解析和鑒別。

1.2 輪胎痕跡圖像預(yù)處理

似然比即著名的貝葉斯法則應(yīng)用，似然比檢驗則是由美國Neyman-Pearson 于20 世紀(jì)90 年代提出的[7]。 貝葉斯法則利用概率比來表示。 利用拍照、攝影技術(shù)對事故現(xiàn)場的輪胎痕跡進行信息保存時，由于二維圖像節(jié)點的不穩(wěn)定性，輪胎花紋不可避免地會出現(xiàn)背景冗雜、曝光過大等問題，為了有利于后續(xù)對現(xiàn)場肇事車輛輪胎花紋信息的邊緣檢測與特征識別， 就需要選擇一種合適的算法對圖像進行預(yù)處理。 圖像預(yù)處理具體包括灰度轉(zhuǎn)換、降噪處理、圖像銳化等，輪胎痕跡花紋的預(yù)處理同時也是肇事車輛輪胎痕跡特征識別的第一個環(huán)節(jié)， 處理效果的好壞會直接影響到之后圖像處理和最后鑒別的精確度。 圖像預(yù)處理的最終目的就是為了后續(xù)對肇事車輛的輪胎痕跡進行圖像邊緣識別與特征提取提取。

在司法鑒定中，一般會用到LR 法，在應(yīng)用過程中是將兩個假設(shè)概率比當(dāng)成下定論前的先行概率比，以及獲得定論后的后行概率比。 根據(jù)貝葉斯法得出概率比是怎樣跟隨信息的獲取而發(fā)生變化的，公式表達為：

式中，LR 代表似然比，P 代表輪胎事件發(fā)生概率，E 代表輪胎現(xiàn)場表現(xiàn)出來的直接證據(jù)，H 代表假設(shè)條件,P′代表樣本事件的發(fā)生概率，E′代表樣本現(xiàn)場表現(xiàn)出來的直接證據(jù)。 在事故現(xiàn)場輪胎痕跡檢驗過程中，似然比分子將輪胎和樣本的相似度進行了超額量化，其分母對輪胎和樣本內(nèi)在參考痕跡典型性進行量化。 所以，樣本的相似性和典型性會影響到似然比值，貝葉斯理論證明，相似性和典型性現(xiàn)場證據(jù)必不可少的測量環(huán)節(jié)。

輪胎痕跡圖像預(yù)處理優(yōu)勢，首先，可以大幅降低或排除噪聲等因素對己采集圖像的干擾，進一步提升圖像像素的信噪比；其次，能夠在一定程度上減少或消除圖像的模糊比；再次，能夠避免圖像出現(xiàn)大幅銳化， 降低圖像失真的比率；最后，還能夠及時調(diào)整圖像的模式結(jié)構(gòu)，比如將非線性結(jié)構(gòu)轉(zhuǎn)變?yōu)榫€性結(jié)構(gòu)，有利于后續(xù)對圖像的分析處理。

為了對圖像進行有效處理， 必須將作為待處理對象的模擬圖像轉(zhuǎn)變成數(shù)字化圖像[8]。 數(shù)字化圖像指的是利用連續(xù)性的圖像信號圖像將圖像轉(zhuǎn)變?yōu)殡x散信號，以供圖像采樣和超額量化。 一般根據(jù)似然比， 一幅黑白圖像可視其為一個二維函數(shù)f(x,y)，其函數(shù)值以(x,y)來代指目標(biāo)圖像的實際亮度。數(shù)字化圖像主要是借助矩陣或二維數(shù)據(jù)組[f]m·n來完成的。 數(shù)字化圖像的一系列處理就是利用矩陣計算獲取有效圖像。 從二維函數(shù)f(x,y 轉(zhuǎn)變到數(shù)字化圖像矩陣[f]m·n，這中間涉及到諸多樣本，在實際操作就需要在不同數(shù)據(jù)上求值， 并用完成時的離散數(shù)值來代表樣本量化值， 這就實現(xiàn)了圖像的數(shù)字化處理。

數(shù)字化處理后得到的圖像[f]m·n偶爾會出現(xiàn)f(x,y)原本信息發(fā)生變動的情況，換句話說就是在空間表達上，f(x,y)取樣密度不適合用于等級太大的圖像，否則就代表樣本實際亮度較低，這就需要將[f]m·n轉(zhuǎn)變?yōu)閒(x,y)，此即圖像重建。

在提取輪胎痕跡時常常會因為現(xiàn)場環(huán)境，如光照、濕度、溫度，以及攝像靈敏度等因素而導(dǎo)致輪胎痕跡圖像的某些位置曝光明顯或較低。 此時就需要對圖像進行灰度校正，具體方法如下所示：

假設(shè)原始圖像為f(x,y)，經(jīng)拍攝處理后的不均勻圖像為g(x,y)，那么

假設(shè)e(x,y)=C代表常數(shù)，表示圖像質(zhì)量最終是均勻成像，否則就代表成像不均勻。 為獲取e(x,y)往往利用原始均勻圖像f(x,y)=C 來成像，一般會得到一個gc(x,y)輸出值，此時

不均勻圖像(m,n) 通過灰度校正后會形成一個均勻圖像f(m,n)。而在對圖像進行逐點校正后，最終呈現(xiàn)的圖像， 其灰度范圍極有可能會大于標(biāo)準(zhǔn)范圍，此時就需要以灰度轉(zhuǎn)換加以修訂；在整個過程中， 降質(zhì)圖像修正后的量化值基本已發(fā)生變化，需要注意的是，在圖像重建時需同時將量化值進行校正方可使用。

1.3 輪胎花紋圖像特征分割

為有效精確提取到事故現(xiàn)場肇事汽車輪胎痕跡花紋的圖像特征， 本文利用小波轉(zhuǎn)換和分水嶺對輪胎花紋圖像的特征進行高效切割。 選取MAKMO 中的雙層三維小波拆解法對肇事車輛的輪胎花紋圖像進行雙層拆分， 之后對圖案類似細(xì)節(jié)的權(quán)數(shù)快速進行小波切換， 重構(gòu)層級別一般分為三層， 以便詳細(xì)觀察肇事車輛輪胎花紋的圖像細(xì)節(jié)。 細(xì)節(jié)特征一般表現(xiàn)為肇事車輛輪胎痕跡的圖像個性特征。

關(guān)于分水嶺，需要著重對預(yù)先處理的輪胎痕跡中的花紋圖像以sobekmugtal 邊緣界限進行水平方向和垂直方向的過濾， 求取平均值， 通過sobekmugtal 邊緣界限過濾后的花紋圖像在邊界處會表現(xiàn)的較為明顯，在邊界劃線不明顯處，其表現(xiàn)較為一般。 通過上文圖像預(yù)處理環(huán)節(jié)的計算過程可以看到，在消除輪胎痕跡圖像中的小污點時，操作過程中必須保證不會對圖像整體信息內(nèi)容造成損壞。 另外可利用圖像局部放大的方式標(biāo)記圖像特征位置。 將放大后的圖像局部特征最大值疊加到原圖后，著重強調(diào)其背景，在標(biāo)記圖像上，暗淡像素在屬性上屬于圖像背景， 因而能夠從最值大小上著手。 通常來說，背景像素會集中在白色鮮亮區(qū)，通過“骨架波及范圍”對“細(xì)化”背景最值進行計算，或以Size 加以區(qū)分特征圖像的細(xì)化前景。 這個具體可以通過公式(3)、(4)求取圖像花紋特征的間距分水嶺， 然后借此找到輪胎痕跡圖像的信息特征分水嶺脊線。 成功切換分水嶺以后，就可以繼續(xù)對肇事車輛遺留在事故現(xiàn)場的輪胎痕跡圖像進行針對性特征分割和提取。 在完成上述邊界疊加、前景標(biāo)記、背景鮮亮、特征分割、提取至原始圖像以后， 本文基本完成了對肇事車輛輪胎痕跡花紋重構(gòu)的提取與計算， 實現(xiàn)了對車輛輪胎痕跡花紋的圖像鑒別。

2 實驗與效果分析

為了更加清楚、具體地看出本文設(shè)計基于似然比的交通事故現(xiàn)場輪胎痕跡鑒別方法的效果，特與傳統(tǒng)方法進行對比，對其輪胎痕跡的準(zhǔn)確率進行比較。 本實驗選擇某大學(xué)某汽車實驗場為實車實驗場地， 以公路運輸中比較常見的乘用車為實驗對象。對汽車輪胎痕跡采集實驗而言，主要是參考了車輛制動性實驗標(biāo)準(zhǔn)的規(guī)定。

2.1 實驗設(shè)備條件

由于實車實驗過程中汽車會高速駕駛，且司機會突發(fā)性加速或急剎車，這就會在路面上留下或明顯或淺淡的輪胎痕跡，因而這就對實驗設(shè)備的適應(yīng)性、安全性提出較高標(biāo)準(zhǔn)。

本次實驗所用到的主要儀器設(shè)備有：GPS 定位儀、照片噴印機、照相機、攝像式輪胎氣壓計、直尺、米尺、10 m 長繩索等。 其中照相機以索尼的照相機為最佳。

2.2 實驗步驟

(1)安裝和調(diào)試階段。 將全部設(shè)備按照使用順序有序?qū)?，并檢查設(shè)備是否固定良好，以免汽車在發(fā)生緊急剎動時因為設(shè)備不固定而發(fā)生安全事故。

(2)劃定實驗起點和終點以及各自的拍攝地點。在實驗路段上放置一個醒目標(biāo)志， 即汽車駕駛起點；在實驗路段右后方450 m 處固定一個攝像機和攝像式輪胎氣壓計，其中攝像機必須保證自汽車啟動至停止全過程保持動態(tài)拍攝。

(3)實驗進行階段。 根據(jù)上述實驗方法并備好實驗汽車、相關(guān)儀器設(shè)備后正式開始實驗。 每次實驗之前都需要將全部儀器設(shè)備安裝在汽車內(nèi)，根據(jù)安全車速駕駛路程，針對車速進行8 次實驗，設(shè)備將實驗過程中出現(xiàn)的數(shù)據(jù)信息詳細(xì)記載下來，以便后續(xù)對輪胎痕跡的信息采集。 之后分別以本文方法和傳統(tǒng)方法對輪胎痕跡進行鑒別。

2.3 結(jié)果分析

分別以不同方法鑒別實驗輪胎痕跡，具體的鑒別結(jié)果如圖1 所示。

圖1 鑒證效果對比圖

實驗結(jié)果表明，本文提出的基于似然比的交通事故現(xiàn)場輪胎痕跡鑒別方法相比于傳統(tǒng)的輪胎痕跡鑒別方法， 在鑒證結(jié)果準(zhǔn)確率上表現(xiàn)穩(wěn)定且優(yōu)秀，有利于交通事故案件的偵破。

3 結(jié)語

對交通事故現(xiàn)場輪胎痕跡鑒別方法進行探究，依托似然比的技術(shù)要求，根據(jù)交通事故肇事逃逸車輛的特點提取，對其輪胎痕跡進行鑒別。 實踐表明，該設(shè)計的方法具備極高的實用性。 雖然對輪胎痕跡圖像進行過一系列處理操作，但終究因為事故現(xiàn)場留有的輪胎痕跡圖像受到各項因素的影響，導(dǎo)致在圖像處理過程中會出現(xiàn)部分問題，這點留待學(xué)界繼續(xù)探究。