一种电气火灾熔痕物证的自动鉴定方法技术

本发明专利技术公开了一种电气火灾熔痕物证的自动鉴定方法，包括以下步骤：1)金相图片预处理；2)图像特征提取；3)图像判定和识别。本发明专利技术基于支持向量机的电气火灾物证的金相图片识别和判断，确定电气火灾熔痕的性质，为火灾调查提供科学而有效的调查信息，避免了传统的人为经验的判断，可以使以后的火灾熔痕判断更加客观有效地进行。

【技术实现步骤摘要】
一种电气火灾熔痕物证的自动鉴定方法
本专利技术涉及火灾科学的电气火灾物证鉴定的
，尤其是指一种电气火灾熔痕物证的自动鉴定方法。
技术介绍
火灾是一个非常复杂的物理化学过程，是一种由失控燃烧造成的灾害，往往造成巨大的经济财产损失和人员伤亡。根据世界火灾统计中心以及欧洲共同体的研究结果显示，近年来，发达国家每年火灾直接损失占国民生产总值的0.2％左右，而整个火灾成本(包括火灾造成的直接与间接经济损失、人员伤亡损失、消防费用、保险管理费用以及投入的灾害防护费用)约占国民经济总值的1％左右，人员死亡率在十万分之二左右，同时，火灾还对环境和生态系统造成不同程度破坏，给社会带来不安定因素。世界火灾统计中心对中国、印度、美国、俄罗斯、日本、德国、英国、法国、澳大利亚、爱尔兰等十国在九十年代中期的火灾状况进行统计后发现，这十个国家每年发生火灾的次数约占世界火灾总数的58％，每年火灾死亡人数约占世界事故死亡总人数的63％；在中国，近几年随着经济的高速增长，火灾形势也越来越严峻。电能在现代社会中扮演着重要的角色，作为日常生活和生产的重要能源为人类服务的同时，由于受多种因素的影响，不断造成重大电气火灾事故，已备受社会关注。经公安机关大量调查表明，当前我国电气火灾在火灾原因和火灾直接经济损失方面都排在各类火灾的首位，1993至2007的十五年间，全国共发生火灾152.76万起，其中电气火灾37.37万起，平均占火灾总数的24.5％，火灾财产损失1681566.4万元，其电气火灾的财产损失626276.7万元，平均占火灾损失的37.2％。从以上的统计数据看出，电气火灾已成为影响我国社会消防安全的主要火灾类别，其主要特征为：灾害频发、损失巨大，造成电气火灾的主要原因是短路、过热、接触不良、过负载、漏电，所占比例高达89.5％，其中，短路是引发重大电气火灾最主要的故障形式，百分比高达50％。火灾物证鉴定是火灾调查工作的“重要基础”，为事故起火原因调查提供最为直接的证据，贯穿着火灾事故调查、分析的全过程，是火灾科学研究问题最为耀眼的“明珠”之一。对电气火灾原因和物证进行科学、完整的分析，查清电气火灾的起因，对于确定火灾责任归属，解决事故矛盾和纠纷，减少和防止火灾的再发，都有十分重要的意义。电气火灾现场残存的痕迹中，由电气原因直接产生的残留物中，常见的的熔痕分为一次短路熔痕(PSM)和二次短路熔痕(SMM)，一次短路熔痕是指火灾之前由于电气短路形成的熔痕，二次短路熔痕则指在火灾环境中，由于火烧破坏绝缘层而发生短路形成的熔痕，如何鉴别和判定短路熔痕的性质对分析火灾的原因和火灾事故认定至关重要。通常情况下，依据火灾现场各种金属熔化痕迹的形态和外观特性，初步判定火灾是由短路造成或其他原因引起,进一步判定断定短路火灾是人为引起或是电路故障引起，这些均要基于PSM和SSM的判定，但由于PSM与SMM在外观上没有明显差别，只有根据二者形成的外界火灾环境不同，将会在形成的熔痕内部留下可以区别的显微特征，采用光学金相显微镜(LEICA，DMI5000M)的金相分析法，在一定程度上，可以鉴别简单的PSM和SMM。当前，我国对短路熔痕金相分析方法进行研究并形成相关国家标准《电气火灾原因技术鉴定方法第4部分：金相法》(GB16840.4-1997)其中规定了火烧熔痕、PSM、SMM之间的金相显微组织的区别。但实际的电气火灾案例物证鉴定工作表明，常用的火灾物证鉴定方法和技术标准难以对所有物证鉴定材料给出确定的鉴定结论，尤其对于一次短路熔痕和二次短路熔痕之间的“灰色区域”更加难以客观地给出明确结论。另外，由于相关标准中缺少对照的标准图谱，目前国内隶属公安部的四大火灾物证鉴定中心均是依据多年积累的人为工作经验开展工作，即采用经验或是半经经方式进行物证鉴定工作，其鉴定结论多采用描述性语句，在不同类别金相组织进行分析判断时，没有一个量化的统一标准，存在对同一幅金相图片，不同的鉴定人员可能得出不同的结论，甚至同一幅金相图片，同一个人在不同的时间会做出不同的判断。这种传统的方法主要靠人的肉眼观察金相图片和个人经验对金相显微组织进行判断分类，在一定程度上缺乏客观性和通用性，容易出现误判。所以迫切需要形成客观且通用的火灾物证鉴定的判断系统或方法。真实火灾调查中，电气火灾物证的鉴定一般过程是：将火灾现场提取的火灾鉴定物证：包括金属熔痕、导线等火灾物证，放入圆形模具中央，将牙脱粉和水按照1：2的比例混合成混合物，倒进模具中，等待大约30分钟，混合物凝固成固体，将凝固好的样品从模具中取出，在研磨机(YMP-2)上粗磨和细磨，将金属熔痕打磨出一个切面，一般是纵切面，再在抛光机(PG-2)上陪上煤油和钻石膏，将切面上的研磨痕抛光干净，再用1：20的氯化铁溶液进行腐蚀，使熔痕的晶粒结构呈现出来，在金相显微镜(LeicaS8AP0和LeicaDMI5000)下，分别50倍、100倍、200倍下分别拍摄熔痕切面不同区域晶粒结构的金相图片，火灾调查人员和物证鉴定人员根据金相图片判断出火灾现场不同部位的熔痕性质，是属于一次短路熔痕还是二次短路熔痕。基于本火灾物证鉴定中心至今积累的800多起电气火灾案件中3000张物证和相应金相图片，和随着时间在不断增加的案件资源，且由于现在的电气火灾物证鉴定对物证的判断，均是由人为经验的判断，存在很大的主观性和不确定性，故通过支持向量机的分类系统，可以使以后的火灾熔痕判断更加客观有效进行。
技术实现思路
本专利技术的目的在于克服现有技术的不足与缺陷，提供一种科学、可靠的电气火灾熔痕物证的自动鉴定方法。为实现上述目的，本专利技术所提供的技术方案为：一种电气火灾熔痕物证的自动鉴定方法，包括以下步骤：1)金相图片预处理1.1)图像灰度化彩色图像中每个像素点由R、G、B三个分量决定，每个分量有255个值，这样一个像素点有255×255×255个值可选，而灰度图是R、G、B三个分量是相同值的一种特殊彩色图片，所以每个像素点的可选值是255个；根据YUV的颜色空间，Y分量的物理意义是点的亮度，由该值反映亮度等级，根据RGB和YUV颜色空间的变化关系可建立亮度Y与R、G、B三个颜色分量的对应：Y＝0.3R+0.59G+0.11B，最后以这个亮度值表达图像的灰度值；1.2)图像的直方图处理对于一幅灰度图像，在[0，Y]内总共有L个灰度级，Zi是区间[0,Y]内的第i级亮度的灰度值，ni表示灰度为Zi的图像中的像素数，n是图像中所有的像素总数，这样图像中灰度为Zi的像素出现概率是这个式子表达某亮度其灰度级为Zi出现的频数，P实际上是一个数字图像的直方图，将灰度级归一化到[0，1]的离散量；1.3)直方图的均衡化通过扩展输入图像的灰度级到较宽亮度范围的方式来实现图像增强，若Pr(r)表示原图像的PDF，用Ps(s)表示均衡化后图像的PDF，r,s分别表示均衡变化前后的灰度值，r,s属于[0,1],根据概率知识：公式中T-1(S)代表T(r)的逆变换函数，因为要求的概率密度为1，即因此：进一步得出：ds＝pr(r)·dr，等式两边对r积分，即可得到PDF的均衡化公式：公式中T(r)代表r的灰度变换函数，∫表示积分，w为假设变量，对于离散型灰度级可以表示为：图像经过直方图归一处理本文档来自技高网...

【技术保护点】
一种电气火灾熔痕物证的自动鉴定方法，其特征在于，包括以下步骤：1)金相图片预处理1.1)图像灰度化彩色图像中每个像素点由R、G、B三个分量决定，每个分量有255个值，这样一个像素点有255×255×255个值可选，而灰度图是R、G、B三个分量是相同值的一种特殊彩色图片，所以每个像素点的可选值是255个；根据YUV的颜色空间，Y分量的物理意义是点的亮度，由该值反映亮度等级，根据RGB和YUV颜色空间的变化关系可建立亮度Y与R、G、B三个颜色分量的对应：Y＝0.3R+0.59G+0.11B，最后以这个亮度值表达图像的灰度值；1.2)图像的直方图处理对于一幅灰度图像，在[0，Y]内总共有L个灰度级，Zi是区间[0,Y]内的第i级亮度的灰度值，ni表示灰度为Zi的图像中的像素数，n是图像中所有的像素总数，这样图像中灰度为Zi的像素出现概率是这个式子表达某亮度其灰度级为Zi出现的频数，P实际上是一个数字图像的直方图，将灰度级归一化到[0，1]的离散量；1.3)直方图的均衡化通过扩展输入图像的灰度级到较宽亮度范围的方式来实现图像增强，若Pr(r)表示原图像的PDF，用Ps(s)表示均衡化后图像的PDF，r,s分别表示均衡变化前后的灰度值，r,s属于[0,1],根据概率知识：公式中T‑1(s)代表T(r)的逆变换函数，因为要求的概率密度为1，即因此：进一步得出：ds＝pr(r)·dr，等式两边对r积分，即可得到PDF的均衡化公式：公式中T(r)代表r的灰度变换函数，∫表示积分，w为假设变量，对于离散型灰度级可以表示为：i＝1,2,…L；图像经过直方图归一处理后，直方图的各值是图像取各灰度级的概率，对于离散的灰度级，其均衡化变换后图像中的亮度值为：S(zi)=Σj=0iPr(zj),]]>i＝1,2,…L；1.4)顶帽变换从原有的图像中减去开运算后的图像；2)图像特征提取包括均值，即平均亮度的度量；标准偏差，即平均对比度的度量；平滑度，即区域中亮度的相对平滑度度量；三阶矩，即度量直方图的倾斜；一致性，即度量一致性，当所有灰度值相等时，该度量值最大且从此处开始减小；熵，即随机性的度量；HOG描述子，即计算局部图像梯度的方向信息的统计值；3)图像判定和识别3.1)在提取金相图片的相关特征后，组成一个有标识的训练样本集，{(Xi,yi)|Xi∈Rn,yi∈{‑1,1},i＝1,...,N},其中Xi＝(xi1,xi2,…,xi9)对应第i个样本的属性集，也就是特征集，yi是它的标识号，其值不是‑1就是1，这样就是一个包含N个训练样本的二元分类；3.2)低维度到高维度的转化基于低维度线性不可分，将低维度转化到高维度，从而实现决策边界在新高维空间是线性，选择多项式核函数K(x,y)＝(x·y+1)p，设g(x)是一个具有有限L2范数的函数，即∫g(x)2dx＜∞，则：∫(x·y+1)pg(x)g(y)dxdy=∫Σi=0ppi(x·y)ig(x)g(y)dxdy=Σi=0pp0∫Σα1,α2,...iα1α2...[(x1,y1)α1(x2,y2)α2(x3,y3)α3...]g(x1,x2,...)g(y1,y2,...)dx1dx2...dy1dy2...=Σi=0pΣα1,α2,...piiα1α2...[∫x1α1x2α2...g(x1,x2,...)dx1dx2...]2≥0]]>积分结果非负，因此所选核函数满足Mercer定理；Mercer原理确保核函数在低维空间中的计算可以用高维空间中两个向量点积表示，又由于核函数是原属性空间中的相似度函数，故存在：K(x,y)＝Φ(x)·Φ(y)＝(x·y+1)p，将原来的特征空间映射到一个新的高维空间，其属性集成为Φ(x)，决策边界在这个空间为线性；3.3)假设决策边界函数在高维空间内，假设一个线性决策边界函数可以表达为：f(x)＝W·Φ(x)+b，其中，W和b是模型的参数，且任何位于决策边界上的样本都必须满足W·Φ(x)+b＝0；3.4)定义决策边界边缘考虑那些距离决策边界最近的数据，某些位于决策边界一边的数据，则存在关系：w·Xs+b≥0，位于决策边界另一边的数据，满足关系：w·Xx+b≤0,调整W和b，两个平行的超平面bi1和bi2可以表示为：bi1:w·X+b＝1bi2:w·X+b＝‑1决策边界的边缘由这两个超平面之间的距离给出，令X...

【技术特征摘要】
1.一种电气火灾熔痕物证的自动鉴定方法，其特征在于，包括以下步骤：1)金相图片预处理1.1)图像灰度化彩色图像中每个像素点由R、G、B三个分量决定，每个分量有255个值，这样一个像素点有255×255×255个值可选，而灰度图是R、G、B三个分量是相同值的一种特殊彩色图片，所以每个像素点的可选值是255个；根据YUV的颜色空间，Y分量的物理意义是点的亮度，由该值反映亮度等级，根据RGB和YUV颜色空间的变化关系可建立亮度Y与R、G、B三个颜色分量的对应：Y＝0.3R+0.59G+0.11B，最后以这个亮度值表达图像的灰度值；1.2)图像的直方图处理对于一幅灰度图像，在[0，Y]内总共有L个灰度级，zi是区间[0,Y]内的第i级亮度的灰度值，ni表示灰度为zi的图像中的像素数，n是图像中所有的像素总数，这样图像中灰度为zi的像素出现概率是这个式子表达某亮度其灰度级为zi出现的频数，p实际上是一个数字图像的直方图，将灰度级归一化到[0，1]的离散量；1.3)直方图的均衡化通过扩展输入图像的灰度级到较宽亮度范围的方式来实现图像增强，若Pr(r)表示原图像的PDF，用Ps(s)表示均衡化后图像的PDF，r,s分别表示均衡变化前后的灰度值，r,s属于[0,1],根据概率知识：公式中T-1(S)代表T(r)的逆变换函数，因为要求的概率密度为1，即因此：进一步得出：ds＝pr(r)·dr，等式两边对r积分，即可得到PDF的均衡化公式：公式中T(r)代表r的灰度变换函数，∫表示积分，w为假设变量，对于离散型灰度级表示为：图像经过直方图归一处理后，直方图的各值是图像取各灰度级的概率，对于离散的灰度级，其均衡化变换后图像中的亮度值为：1.4)顶帽变换从原有的图像中减去开运算后的图像；2)图像特征提取包括均值，即平均亮度的度量；标准偏差，即平均对比度的度量；平滑度，即区域中亮度的相对平滑度度量；三阶矩，即度量直方图的倾斜；一致性，即度量一致性，当所有灰度值相等时，该度量值最大且从此处开始减小；熵，即随机性的度量；HOG描述子，即计算局部图像梯度的方向信息的统计值；3)图像判定和识别3.1)在提取金相图片的相关特征后，组成一个有标识的训练样本集，{(Xi,yi)|Xi∈Rn,yi∈{-1,1},i＝1,...,N},其中Xi＝(xi1,xi2,…,xi9)对应第i个样本的属性集，也就是特征集，yi是它的标识号，其值不是-1就是1，这样就是一个包含N个训练样本的二元分类；3.2)低维度到高维度的转化基于低维度线性不可分，将低维度转化到高维度，从而实现决策边界在新高维空间是线性，选择多项式核函数K(x,y)＝(x·y+1)p，设g(x)是一个具有有限L2范数的函数，即∫g(x)2dx＜∞，则：积分结果非负，因此所选核函数满足Mercer定理；Mercer原理确保核函数在低维空间中的计算用高维空间中两个向量点积表示，又由于核函数是原属性空间中的相似度函数，故存在：K(x,y)＝Φ(x)·Φ(y)＝(x·y+1)p，将原来的特征空间映射到一个新的高维空间，其属性集成为Φ(x)，决策边界在这个空间为线性；3.3)假设决策边界函数在高维空间内，假设一个线性决策边界函数表达为：f(x)＝w·Φ(x)+b，其中，w和b是模型的参数，且任何位于决策边界上的样本都必须满足w·Φ(x)+b＝0；3.4)定义决策边界边缘考虑那些距离决策边界最近的数据，某些位于决策边界一边的数据，则存在关系：w·Xs+b≥0，位于决策边界另一边的数据，满足关系：w·Xx+b≤0,调整w和b，两个平行的超平面bi1和bi2表示为：bi1:w·X+b＝1bi2:w·X+b＝-1决策边界的边缘由这两个超平面之间的距离给出，令X1是bi1上的一个数据点，X2是bi2上的一个数据点，分别带入上两式，两式再相减得：w·(X1-X2)＝2,令X1-X2＝d,所以：3.5)估算参数w和b，确定决策边界在高维可分情况下，依据已有训练集和决策边界边缘的定义，估算边界函数的参数w和b，选择的参数必须满足下面的两个条件：如果yi＝1,则w·Xi+b≥1,如果yi＝-1,则w·Xi+b≤-1，将两个不等式概括为：yi(w·Xi+b)≥1,i＝1,2,…,N，要求决策边界的边缘必须是最大的条件...

【专利技术属性】
技术研发人员：王莉，梁栋，吴泽鑫，莫善军，余圣辉，
申请(专利权)人：中山大学，
类型：发明
国别省市：广东;44