基于机器学习的视频微振动放大校准和实时提取方法技术

本发明专利技术公开了一种基于机器学习的视频微振动放大校准和实时提取方法，其包括以下步骤：获取微振动信息；选取敏感点并布置振动传感器；同时获取振动传感器的时程数据和敏感点的视频时程数据；对视频时程数据进行校准并获取校准后的相位信息放大参数；通过校准后的相位信息放大参数对被监测结构的视频时程数据中未设置振动传感器的测点的相位信息进行放大；通过完成基于机器学习的视频微振动放大校准的视频时程数据对卷积神经网络进行训练，得到训练后的卷积神经网络；采用训练后的卷积神经网络对目标对象的视频时程数据进行振动信息实时提取。本发明专利技术通过训练后的卷积神经网络可以直接对视频的振动信息进行实时提取，便于水工结构运行状态监测。水工结构运行状态监测。水工结构运行状态监测。

A method of video micro vibration amplification calibration and real-time extraction based on machine learning

【技术实现步骤摘要】
基于机器学习的视频微振动放大校准和实时提取方法


[0001]本专利技术涉及振动传感领域，具体涉及一种基于机器学习的视频微振动放大校准和实时提取方法。

技术介绍

[0002]传统的振动传感技术(如激光、线性可变差动变压器)在过去二十年中已广泛应用于我国结构健康监测领域。虽然这些技术能够高精度地测量振动位移、加速度以及速度时程，但仍存在一些明显的缺陷，比如需要点对点接触传感，就限制了其在实际问题中的适用性。在基于动力特性的水工结构安全监测领域，以往需要布置振动传感器在水工结构上(如泄洪孔、闸门、消力池底板、导墙)，然而在部分结构上布置传感器时不但需要停止泄洪，而且测点位置多在人工作业危险区域。由于低价格、灵活性、高空间分辨率和非接触式等优点，通过摄像机进行结构健康监测在过去几年逐渐开始应用，但是一般采用的是目标跟踪方法、模板匹配等，这些方法要求在被监测结构布置参考标记或者示踪参考物，根据参考点或者参考物的运动轨迹提取结构运行信息。首先，这种方法并未完全脱离点对点的监测，只是将传感器换成了参考点和摄像机，其次，参考点的布置多在能够反映结构振动特性或者本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于机器学习的视频微振动放大校准和实时提取方法，其特征在于，包括以下步骤：S1、获取被监测结构的视频时程数据，对视频时程数据中的相位信息进行放大，得到微振动信息；S2、基于微振动信息，选取振动位移标准差最大的N个位置、反应结构振型的测点和异常测点作为敏感点，并在敏感点处布置振动传感器；S3、同时获取振动传感器的时程数据和振动传感器所在敏感点的视频时程数据；将振动传感器所在敏感点的视频时程数据作为初始参数；S4、以初始参数为输入、振动传感器的时程数据为目标，对初始参数进行校准，根据校准前后的初始参数获取校准后的相位信息放大参数；S5、通过校准后的相位信息放大参数对被监测结构的视频时程数据中未设置振动传感器的测点的相位信息进行放大，完成基于机器学习的视频微振动放大校准；S6、通过完成基于机器学习的视频微振动放大校准的视频时程数据对卷积神经网络进行训练，得到训练后的卷积神经网络；S7、采用训练后的卷积神经网络对目标对象的视频时程数据进行振动信息实时提取。2.根据权利要求1所述的基于机器学习的视频微振动放大校准和实时提取方法，其特征在于，步骤S1的具体方法包括以下子步骤：S1
‑
1、架设视频拍摄设备和灯光设备，对被监测结构进行视频拍摄，得到视频时程数据；S1
‑
2、确定视频的放大倍数和需要放大的视频频带；S1
‑
3、对需要放大的视频频带的每一帧进行复可控金字塔分解，得到局部相位信息；S1
‑
4、将时域相邻视频帧的局部相位信息发送到设定频域的时域带通滤波器，得到滤波后的相位数据；S1
‑
5、根据采集到的视频质量、振幅和相位，通过振幅加权空间平滑滤波器增加滤波后的相位数据的信噪比值，得到预处理后的相位数据；S1
‑
6、采用交叉小波变换对预处理后的相位数据进行降噪，得到降噪后的相位数据；S1
‑
7、根据降噪后的相位数据获取时域相邻视频帧的相位差，并根据放大倍数对相位信息进行放大；S1
‑
8、基于放大后的相位差对相邻视频帧的相位进行修正，基于修正相位后的视频帧数据，通过复可控金字塔重构进行视频合成，得到放大后的视频时程数据；S1
‑
9、获取放大后的视频时程数据的振动信息，得到微振动信息。3.根据权利要求1所述的基于机器学习的视频微振动放大校准和实时提取方法，步骤S1
‑
7中根据放大倍数对相位信息进行放大的具体方法包括正向放大和反向放大；正向放大：当相位差大于设定阈值时，将该相位差乘以放大倍数；反向放大：当相位差小于设定阈值时，将该相位差信号除以放大倍数。4.根据权利要求1所述的基于机器学习的视频微振动放大校准和实时提取方法，其特征在于，步骤S2的具体方法包括以下子步骤：S2
‑
1、基于微振动信息，获取每个点位的振动位移标准差，选择振动位移标准差最大的N个位置；
S2
‑
2、获取每个点位的前四阶振型，将出现振型波动的测点作为反应结构振型的测点；S2
‑
3、将自振频率大于或小于其平均自振频率10％的点位作为异常测点；S2
‑
4、将振动位移...

【专利技术属性】
技术研发人员：张龑，刘毅，李松辉，谷昀，刘勋楠，雒翔宇，韩莎莎，薛圆月，胡俊华，袁宁宁，
申请(专利权)人：中国水利水电科学研究院，
类型：发明
国别省市：