一種電氣火災(zāi)熔痕物證的自動鑒定方法
【專利摘要】本發(fā)明公開了一種電氣火災(zāi)熔痕物證的自動鑒定方法，包括以下步驟：1)金相圖片預(yù)處理；2)圖像特征提??；3)圖像判定和識別。本發(fā)明基于支持向量機的電氣火災(zāi)物證的金相圖片識別和判斷，確定電氣火災(zāi)熔痕的性質(zhì)，為火災(zāi)調(diào)查提供科學(xué)而有效的調(diào)查信息，避免了傳統(tǒng)的人為經(jīng)驗的判斷，可以使以后的火災(zāi)熔痕判斷更加客觀有效地進行。
【專利說明】
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及火災(zāi)科學(xué)的電氣火災(zāi)物證鑒定的【技術(shù)領(lǐng)域】，尤其是指一種電氣火災(zāi)熔 痕物證的自動鑒定方法。 一種電氣火災(zāi)熔痕物證的自動鑒定方法

【背景技術(shù)】
[0002] 火災(zāi)是一個非常復(fù)雜的物理化學(xué)過程，是一種由失控燃燒造成的災(zāi)害，往往造成 巨大的經(jīng)濟財產(chǎn)損失和人員傷亡。根據(jù)世界火災(zāi)統(tǒng)計中心以及歐洲共同體的研究結(jié)果顯 示，近年來，發(fā)達國家每年火災(zāi)直接損失占國民生產(chǎn)總值的〇. 2 %左右，而整個火災(zāi)成本 (包括火災(zāi)造成的直接與間接經(jīng)濟損失、人員傷亡損失、消防費用、保險管理費用以及投入 的災(zāi)害防護費用）約占國民經(jīng)濟總值的1 %左右，人員死亡率在十萬分之二左右，同時，火 災(zāi)還對環(huán)境和生態(tài)系統(tǒng)造成不同程度破壞，給社會帶來不安定因素。世界火災(zāi)統(tǒng)計中心對 中國、印度、美國、俄羅斯、日本、德國、英國、法國、澳大利亞、愛爾蘭等十國在九十年代中期 的火災(zāi)狀況進行統(tǒng)計后發(fā)現(xiàn)，這十個國家每年發(fā)生火災(zāi)的次數(shù)約占世界火災(zāi)總數(shù)的58%， 每年火災(zāi)死亡人數(shù)約占世界事故死亡總?cè)藬?shù)的63% ;在中國，近幾年隨著經(jīng)濟的高速增長， 火災(zāi)形勢也越來越嚴(yán)峻。
[0003] 電能在現(xiàn)代社會中扮演著重要的角色，作為日常生活和生產(chǎn)的重要能源為人類服 務(wù)的同時，由于受多種因素的影響，不斷造成重大電氣火災(zāi)事故，已備受社會關(guān)注。經(jīng)公安 機關(guān)大量調(diào)查表明，當(dāng)前我國電氣火災(zāi)在火災(zāi)原因和火災(zāi)直接經(jīng)濟損失方面都排在各類火 災(zāi)的首位，1993至2007的十五年間，全國共發(fā)生火災(zāi)152. 76萬起，其中電氣火災(zāi)37. 37 萬起，平均占火災(zāi)總數(shù)的24. 5%，火災(zāi)財產(chǎn)損失1681566. 4萬元，其電氣火災(zāi)的財產(chǎn)損失 626276. 7萬元，平均占火災(zāi)損失的37. 2%。從以上的統(tǒng)計數(shù)據(jù)看出，電氣火災(zāi)已成為影響 我國社會消防安全的主要火災(zāi)類別，其主要特征為：災(zāi)害頻發(fā)、損失巨大，造成電氣火災(zāi)的 主要原因是短路、過熱、接觸不良、過負(fù)載、漏電，所占比例高達89. 5%，其中，短路是引發(fā)重 大電氣火災(zāi)最主要的故障形式，百分比高達50 %。
[0004] 火災(zāi)物證鑒定是火災(zāi)調(diào)查工作的"重要基礎(chǔ)"，為事故起火原因調(diào)查提供最為直接 的證據(jù)，貫穿著火災(zāi)事故調(diào)查、分析的全過程，是火災(zāi)科學(xué)研究問題最為耀眼的"明珠"之 一。對電氣火災(zāi)原因和物證進行科學(xué)、完整的分析，查清電氣火災(zāi)的起因，對于確定火災(zāi)責(zé) 任歸屬，解決事故矛盾和糾紛，減少和防止火災(zāi)的再發(fā)，都有十分重要的意義。電氣火災(zāi)現(xiàn) 場殘存的痕跡中，由電氣原因直接產(chǎn)生的殘留物中，常見的的熔痕分為一次短路熔痕（PSM) 和二次短路熔痕（SMM)，一次短路熔痕是指火災(zāi)之前由于電氣短路形成的熔痕，二次短路熔 痕則指在火災(zāi)環(huán)境中，由于火燒破壞絕緣層而發(fā)生短路形成的熔痕，如何鑒別和判定短路 熔痕的性質(zhì)對分析火災(zāi)的原因和火災(zāi)事故認(rèn)定至關(guān)重要。
[0005] 通常情況下，依據(jù)火災(zāi)現(xiàn)場各種金屬熔化痕跡的形態(tài)和外觀特性，初步判定火災(zāi) 是由短路造成或其他原因引起，進一步判定斷定短路火災(zāi)是人為引起或是電路故障引起， 這些均要基于PSM和SSM的判定，但由于PSM與SMM在外觀上沒有明顯差別，只有根據(jù)二者 形成的外界火災(zāi)環(huán)境不同，將會在形成的熔痕內(nèi)部留下可以區(qū)別的顯微特征，采用光學(xué)金 相顯微鏡（LEICA，DMI5000M)的金相分析法，在一定程度上，可以鑒別簡單的PSM和SMM。當(dāng) 前，我國對短路熔痕金相分析方法進行研究并形成相關(guān)國家標(biāo)準(zhǔn)《電氣火災(zāi)原因技術(shù)鑒定 方法第4部分：金相法》（GB16840. 4-1997)其中規(guī)定了火燒熔痕、PSM、SMM之間的金相顯微 組織的區(qū)別。但實際的電氣火災(zāi)案例物證鑒定工作表明，常用的火災(zāi)物證鑒定方法和技術(shù) 標(biāo)準(zhǔn)難以對所有物證鑒定材料給出確定的鑒定結(jié)論，尤其對于一次短路熔痕和二次短路熔 痕之間的"灰色區(qū)域"更加難以客觀地給出明確結(jié)論。另外，由于相關(guān)標(biāo)準(zhǔn)中缺少對照的標(biāo) 準(zhǔn)圖譜，目前國內(nèi)隸屬公安部的四大火災(zāi)物證鑒定中心均是依據(jù)多年積累的人為工作經(jīng)驗 開展工作，即采用經(jīng)驗或是半經(jīng)經(jīng)方式進行物證鑒定工作，其鑒定結(jié)論多采用描述性語句， 在不同類別金相組織進行分析判斷時，沒有一個量化的統(tǒng)一標(biāo)準(zhǔn)，存在對同一幅金相圖片， 不同的鑒定人員可能得出不同的結(jié)論，甚至同一幅金相圖片，同一個人在不同的時間會做 出不同的判斷。這種傳統(tǒng)的方法主要靠人的肉眼觀察金相圖片和個人經(jīng)驗對金相顯微組織 進行判斷分類，在一定程度上缺乏客觀性和通用性，容易出現(xiàn)誤判。所以迫切需要形成客觀 且通用的火災(zāi)物證鑒定的判斷系統(tǒng)或方法。
[0006] 真實火災(zāi)調(diào)查中，電氣火災(zāi)物證的鑒定一般過程是：將火災(zāi)現(xiàn)場提取的火災(zāi)鑒定 物證：包括金屬熔痕、導(dǎo)線等火災(zāi)物證，放入圓形模具中央，將牙脫粉和水按照1 :2的比例 混合成混合物，倒進模具中，等待大約30分鐘，混合物凝固成固體，將凝固好的樣品從模具 中取出，在研磨機（YMP-2)上粗磨和細磨，將金屬熔痕打磨出一個切面，一般是縱切面，再 在拋光機（PG-2)上陪上煤油和鉆石膏，將切面上的研磨痕拋光干凈，再用1 :20的氯化鐵溶 液進行腐蝕，使熔痕的晶粒結(jié)構(gòu)呈現(xiàn)出來，在金相顯微鏡（Leica S8AP0和Leica DMI5000) 下，分別50倍、100倍、200倍下分別拍攝熔痕切面不同區(qū)域晶粒結(jié)構(gòu)的金相圖片，火災(zāi)調(diào)查 人員和物證鑒定人員根據(jù)金相圖片判斷出火災(zāi)現(xiàn)場不同部位的熔痕性質(zhì)，是屬于一次短路 熔痕還是二次短路熔痕。
[0007] 基于本火災(zāi)物證鑒定中心至今積累的800多起電氣火災(zāi)案件中3000張物證和相 應(yīng)金相圖片，和隨著時間在不斷增加的案件資源，且由于現(xiàn)在的電氣火災(zāi)物證鑒定對物證 的判斷，均是由人為經(jīng)驗的判斷，存在很大的主觀性和不確定性，故通過支持向量機的分類 系統(tǒng)，可以使以后的火災(zāi)熔痕判斷更加客觀有效進行。


【發(fā)明內(nèi)容】

[0008] 本發(fā)明的目的在于克服現(xiàn)有技術(shù)的不足與缺陷，提供一種科學(xué)、可靠的電氣火災(zāi) 熔痕物證的自動鑒定方法。
[0009] 為實現(xiàn)上述目的，本發(fā)明所提供的技術(shù)方案為：一種電氣火災(zāi)熔痕物證的自動鑒 定方法，包括以下步驟：
[0010] 1)金相圖片預(yù)處理
[0011] 1. 1)圖像灰度化
[0012] 彩色圖像中每個像素點由R、G、B三個分量決定，每個分量有255個值，這樣一個像 素點有255 X 255 X 255個值可選，而灰度圖是R、G、B三個分量是相同值的一種特殊彩色圖 片，所以每個像素點的可選值是255個；
[0013] 根據(jù)YUV的顏色空間，Y分量的物理意義是點的亮度，由該值反映亮度等級，根 據(jù)RGB和YUV顏色空間的變化關(guān)系可建立亮度Y與R、G、B三個顏色分量的對應(yīng)：Y = 0. 3R+0. 59G+0. 11B，最后以這個亮度值表達圖像的灰度值；
[0014] 1.2)圖像的直方圖處理
[0015] 對于一幅灰度圖像，在[0, Y]內(nèi)總共有L個灰度級，Zi是區(qū)間[0，Y]內(nèi)的第i級 亮度的灰度值，叫表示灰度為Zi的圖像中的像素數(shù)，η是圖像中所有的像素總數(shù)，這樣圖像

【權(quán)利要求】
1. 一種電氣火災(zāi)熔痕物證的自動鑒定方法，其特征在于，包括以下步驟： 1) 金相圖片預(yù)處理 1. 1)圖像灰度化 彩色圖像中每個像素點由R、G、B三個分量決定，每個分量有255個值，這樣一個像素點 有255 X 255 X 255個值可選，而灰度圖是R、G、B三個分量是相同值的一種特殊彩色圖片，所 以每個像素點的可選值是255個； 根據(jù)YUV的顏色空間，Y分量的物理意義是點的亮度，由該值反映亮度等級，根 據(jù)RGB和YUV顏色空間的變化關(guān)系可建立亮度Y與R、G、B三個顏色分量的對應(yīng)：Y = 0. 3R+0. 59G+0. 11Β，最后以這個亮度值表達圖像的灰度值； 1.2) 圖像的直方圖處理 對于一幅灰度圖像，在[〇, Υ]內(nèi)總共有L個灰度級，Zi是區(qū)間[0，Υ]內(nèi)的第i級亮度 的灰度值，叫表示灰度為Zi的圖像中的像素數(shù)，η是圖像中所有的像素總數(shù)，這樣圖像中灰 度為Zi的像素出現(xiàn)概率是_
這個式子表達某亮度其灰度級為Zi出現(xiàn)的 頻數(shù)，P實際上是一個數(shù)字圖像的直方圖，將灰度級歸一化到[〇，1]的離散量； 1.3) 直方圖的均衡化 通過擴展輸入圖像的灰度級到較寬亮度范圍的方式來實現(xiàn)圖像增強，若Pjr)表示 原圖像的^^，用Ps(s)表示均衡化后圖像的TOF，r，s分別表示均衡變化前后的灰度值，
1"，8屬于[0，1]，根據(jù)概率知識 公式中THs)代表T(r)的逆變換 ，

函數(shù)，因為要求的概率密度為1，即」 因此： 進一步得出：ds = J ，
p,(r) · dr，等式兩邊對r積分，即可得到TOF的均衡化公式 公式中 ， T(r)代表r的灰度變換函數(shù)，/表示積分，w為假設(shè)變量，對于離散型灰度級可以表示為：
i = 1，2,…L; 圖像經(jīng)過直方圖歸一處理后，直方圖的各值是圖像取各灰度級的概率，對于離散的灰 度級，其均衡化變換后圖像中的亮度值為：
i = 1，2,…L ; ， 1. 4)頂帽變換 從原有的圖像中減去開運算后的圖像； 2) 圖像特征提取 包括均值，即平均亮度的度量；標(biāo)準(zhǔn)偏差，即平均對比度的度量；平滑度，即區(qū)域中亮 度的相對平滑度度量；三階矩，即度量直方圖的傾斜；一致性，即度量一致性，當(dāng)所有灰度 值相等時，該度量值最大且從此處開始減小；熵，即隨機性的度量；HOG描述子，即計算局部 圖像梯度的方向信息的統(tǒng)計值； 3)圖像判定和識別 3. 1)在提取金相圖片的相關(guān)特征后，組成一個有標(biāo)識的訓(xùn)練樣本集， {(Xi, y) | Xi e Rn, yi e {-1，1}，i = 1，…，N}，其中 Xi = (xn, xi2，…，xi9)對應(yīng)第 i 個樣本 的屬性集，也就是特征集，yi是它的標(biāo)識號，其值不是-1就是1，這樣就是一個包含N個訓(xùn) 練樣本的二元分類； 3. 2)低維度到高維度的轉(zhuǎn)化 基于低維度線性不可分，將低維度轉(zhuǎn)化到高維度，從而實現(xiàn)決策邊界在新高維空間是 線性，選擇多項式核函數(shù)K(x，y) = (x*y+l)p，設(shè)g(x)是一個具有有限1^2范數(shù)的函數(shù)，即 / g (X) 2dx < ,貝丨J :
積分結(jié)果非負(fù)，因此所選核函數(shù)滿足Mercer定理； Mercer原理確保核函數(shù)在低維空間中的計算可以用高維空間中兩個向量點積表示，又 由于核函數(shù)是原屬性空間中的相似度函數(shù)，故存在：K(x，y) = Φ (X) · Φ (y) = (X *y+l)p， 將原來的特征空間映射到一個新的高維空間，其屬性集成為Φ (x)，決策邊界在這個空間為 線性； 3. 3)假設(shè)決策邊界函數(shù) 在高維空間內(nèi)，假設(shè)一個線性決策邊界函數(shù)可以表達為：f(x) = W· Φθθ+b，其中，W 和b是模型的參數(shù),且任何位于決策邊界上的樣本都必須滿足W · Φ (x)+b = 0 ; 3. 4)定義決策邊界邊緣 考慮那些距離決策邊界最近的數(shù)據(jù)，某些位于決策邊界一邊的數(shù)據(jù)，則存在關(guān)系： w *Xs+b彡0,位于決策邊界另一邊的數(shù)據(jù)，滿足關(guān)系：w *Xx+b彡0,調(diào)整W和b，兩個平行的 超平面bn和bi2可以表不為： bn:w · X+b = 1 bi2:w · X+b = -1 決策邊界的邊緣由這兩個超平面之間的距離給出，令&是1^上的一個數(shù)據(jù)點，&是匕2 上的一個數(shù)據(jù)點，分別帶入上兩式，兩式再相減得：
3. 5)估算參數(shù)W和b，確定決策邊界 在高維可分情況下，依據(jù)已有訓(xùn)練集和決策邊界邊緣的定義，估算邊界函數(shù)的參數(shù)W 和b，選擇的參數(shù)必須滿足下面的兩個條件： 如果 yi = 1，則 w · Xi+b 彡 1， 如果 yi = _1，則 w · Xi+b 彡-1， 將兩個不等式概括為：yi (W · Xi+b)彡1，i = 1，2,…，N， 要求決策邊界的邊緣必須是最大的條件下，
最大，等價為求目標(biāo)函 數(shù)：
的最小值，也就是進一步概括等價形式為：
且受限 于yi (W · Xi+b)彡1，i = 1，2,…，N,這是一個凸優(yōu)化問題，通過拉格朗日乘子 的方法進行求解：在考慮加在解上面的約束，將目標(biāo)函數(shù)改寫為拉格朗日函數(shù)：
其中，\是拉格朗日乘子，拉格朗日函數(shù)將目標(biāo)函數(shù) ， 和不等式約束進行組合，將問題變?yōu)榍蠼獠贿`反不等式約束條件的可行解，按照一般求函 數(shù)最小值的辦法，拉格朗日函數(shù)對w和b求導(dǎo)后等于0,得到w和b的值：
由于η i拉格朗日乘子未知，等式個數(shù)少于未知數(shù)個數(shù)，無法求解，所以為了求出w和b 的值，將上面的不等式約束變換為等式約束，這種變換在KKT條件下成立，KKT條件： Hi彡〇 riity^w · Xi+b)-l] = 0 將拉格朗日函數(shù)變換成僅包含拉格朗日乘子的函數(shù)，變換如下：
在這個拉格朗日對偶函數(shù)中，只有拉格朗日乘子和訓(xùn)練集數(shù)據(jù)，避開了 w和b，使未 知量減少，同時，原來求拉格朗日函數(shù)的最小值，在此刻由于第二項是個負(fù)號，所以變?yōu)榍?對偶函數(shù)的最大化問題，然后在運用大量的數(shù)據(jù)集，找到一組拉格朗日乘子ni，再代入
分別求出W和b的可行解，在對所有的 b值進行平均作為最后的值，此時決策邊界確定，可表示為：
3. 6)當(dāng)檢測實例Z時，可應(yīng)用分類模型：
進行，f(z) = 1是一次短路熔痕，若 f (z) = -1則是二次短路溶痕； 3.7)組合分類模型，提升分類準(zhǔn)確率 所有金相圖片根據(jù)鑒定結(jié)果已知是一次短路和二次短路，故構(gòu)成有標(biāo)識的訓(xùn)練集，基 于均勻概率分布原理，在訓(xùn)練集中重復(fù)抽取樣本數(shù)據(jù)，組成自主樣本集，也就是形成子訓(xùn)練 集込，i = k，k是根據(jù)訓(xùn)練精度決定的一個整數(shù)，在Di上訓(xùn)練分類模型Q :W · Φ (X) +b = 0， 這樣可以得到k個基分類模型，通過對k個基分類模型所做的預(yù)測結(jié)果，使用多數(shù)表決來分 類，由于y的值不是-1就是1，可以對y的預(yù)測值求和，然后由結(jié)果的符號決定，即：
2. 根據(jù)權(quán)利要求1所述的一種電氣火災(zāi)熔痕物證的自動鑒定方法，其特征在于：在步 驟1. 1)中，灰度化后的圖像統(tǒng)一轉(zhuǎn)化為double類型，并將圖像改變尺寸至相同大小。
3. 根據(jù)權(quán)利要求1所述的一種電氣火災(zāi)熔痕物證的自動鑒定方法，其特征在于，在步 驟2)中，均值，即平均亮度的度量，其提取如下： 若Zi是表示一幅圖像的灰度的一個離散隨機變量，令p(Zi)，i = 0, 1，2,…，L-1是相應(yīng) 的歸一化直方圖，L是亮度值的數(shù)目，直方圖分量是灰度值Zi出現(xiàn)的概率的一個統(tǒng)計，描述 直方圖分布形狀的一種主要方法是通過中心矩，其定義為
其中，η
是矩的階，m是均值，計算方法為 作為第一個提取特征& ; 9 標(biāo)準(zhǔn)偏差，即平均對比度的度量，其提取如下： 由于假設(shè)直方圖已歸一化，所有分量之和為1，所以基于公式：
可得，11(1=1和以1 = 〇，所以
是二階矩，是方差，故
,作為第二個提取特征χ2; 平滑度，其提取如下： 對于常亮區(qū)域，R = Ο ;對于灰度級的值有較大偏移的區(qū)域，R = 1 ;
方差〇2(ζ) = μ2(ζ)，其中，L是亮度值的數(shù)目，作為第三 ， 個提取特征χ3; 三階矩，其提取如下： 若直方圖對稱的，則度量為0,若度量為正值，則直方圖向右偏斜，若度量為負(fù)值，則直

方圖向向左偏斜，計算式 與以上三個特征保持一致， 將 ' 三階矩數(shù)值歸一化，使結(jié)果的數(shù)值范圍在區(qū)間[〇，1]之內(nèi)，作為第四個提取特征x4; 一致性，其提取如下：
圖像的邊緣信息比較復(fù)雜，有效的圖像邊緣具有以下的特征：灰度突出，不同區(qū)域的邊 界以及方向一致，一致性衡量的是圖像邊緣領(lǐng)域差異程度的量，當(dāng)所有灰度相等時，該度量 最大并以此開始減?。涣頟(z;)，i = 0, 1，2,…，L-1為對應(yīng)的直方圖，其中L是可區(qū)分的灰 度級數(shù)目，則一致性U定義為 作為第五個提取特征X5 ; 9 熵，其提取如下： 信息熵用來描述隨機變量的不確定程度，圖像熵是圖像灰度級集合的比特平均數(shù)，也 描述了圖像信源的平均信息量，數(shù)字圖像由像素點組成，不同亮度的像素在圖像中占據(jù)不 同區(qū)域，圖像熵反映了圖像的相似性，相似的圖像熵也接近，圖像熵同時還反映了圖像的總 體概貌，則圖像熵e定義為
作為第六個提取特征X6 ; HOG描述子，其提取如下： H0G，即梯度方向直方圖，是具有良好的檢測性能的一種局域描述子，通過計算局域區(qū) 域上的梯度方向直方圖來構(gòu)成圖片特征，HOG是在被稱為Cell和Block的網(wǎng)格內(nèi)進行密集 計算得到，Cell由若干像素點構(gòu)成，而Block則由若干相鄰的Cell組成； 具體計算過程：將規(guī)范化大小的圖片作為輸入，通過梯度算子計算水平和垂直方向上 的梯度；再以各像素點的梯度幅度為權(quán)重，統(tǒng)計各Cell的梯度方向加權(quán)直方圖，得到Cell 的HOGs (Cell-HOGs);進一步對同一個Block內(nèi)的HOGs進行歸一化處理，消除光照帶入的 影響，得到Block的HOGs(Block-HOGs);將圖片中所有Block-HOGs串在一起構(gòu)成圖片的特 征X 7。
【文檔編號】G06T7/00GK104156963SQ201410395742
【公開日】2014年11月19日 申請日期:2014年8月12日 優(yōu)先權(quán)日:2014年8月12日
【發(fā)明者】王莉, 梁棟, 吳澤鑫, 莫善軍, 余圣輝 申請人:中山大學(xué)