一种基于图像识别的桥梁健康监测方法与系统技术方案

本发明专利技术涉及桥梁健康监测技术领域，公开了一种基于图像识别的桥梁健康监测方法与系统，该方法首先识别待监测桥梁的图像，利用离散质心搜索算法从连续图像帧中提取桥梁微小振动的亚像素级位移时程响应，通过Hankel动态模态分解法获取桥梁微小振动的模态参数，根据桥梁模态参数建立模态振型计算模型，根据模态振型计算模型识别桥梁的损伤位置和桥梁损伤程度。这样，基于图像识别的方式可以精确识别桥梁的损伤位置和损伤程度，及时发现桥梁的安全隐患。患。患。

【技术实现步骤摘要】
一种基于图像识别的桥梁健康监测方法与系统


[0001]本专利技术涉及桥梁健康监测
，尤其涉及一种基于图像识别的桥梁健康监测方法与系统。

技术介绍

[0002]桥梁结构振动测量是桥梁结构健康监测（Structure Health Monitoring, SHM）的关键。模态参数（固有频率、振型和阻尼比等）是反映结构健康状况的重要指标，可通过模态参数的改变识别桥梁结构损伤和状态变化，并对桥梁结构的使用性能进行评估。桥梁运营期间，不可避免地会发生振动现象，如何快速对桥梁的微小振动响应进行测量是保证桥梁安全运营的前提，也是实现桥梁健康状况实时监测的有力保障。
[0003]目前，对于桥梁振动特性测量的常用仪器为加速度传感器，但加速度传感器存在成本高、安装困难、测点有限、测量精度低和实时性差等缺点，难以满足桥梁动态响应实时监测的需求。其他的常规测量方法如水准仪、百分表和全站仪等难以进行动态测量，GPS （Global Positioning System，全球定位系统）虽能实现动态测量，但调试安装非常繁琐，复杂的桥梁地域工作环境和卫星、天气等因素都会影响测量的精度和测量的时间。现有基于计算机视觉技术的非接触式振动测量方法大部分仅适用于结构振动位移幅值较大的场景，难以适用于结构的微小振动测量，而桥梁微小振动信号恰好又包含了重要的信息。因此，现有的桥梁监测的方式的精度较低，不能及时发现桥梁存在的安全隐患。

技术实现思路

[0004]本专利技术提供了一种基于图像识别的桥梁健康监测方法与系统，以解决现有桥梁监测方式精度较低，不能及时发现桥梁存在的安全隐患的问题。
[0005]为了实现上述目的，本专利技术通过如下的技术方案来实现：第一方面，本专利技术提供一种基于图像识别的桥梁健康监测方法，包括：获取待监测桥梁的第一图像，对所述第一图像进行预处理得到第二图像；对所述第二图像进行空域分解以得到对应的目标图像序列；计算所述目标图像序列中的连续图像帧的质心位置亚像素级坐标，并根据所述质心位置亚像素级坐标确定所述待监测桥梁的真实位移时程响应；利用Hankel动态模态分解法从所述真实位移时程响应中提取桥梁模态参数，所述桥梁模态参数包括固有频率、振型以及阻尼比；根据所述桥梁模态参数建立模态振型计算模型，根据所述模态振型计算模型识别桥梁损伤位置和桥梁损伤程度。
[0006]第二方面，本专利技术提供一种基于图像识别的桥梁健康监测系统，包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述第一方面所述方法的步骤。
[0007]有益效果：
本专利技术提供的基于图像识别的桥梁健康监测方法，首先识别待监测桥梁的图像，利用离散质心搜索算法从连续图像帧中提取桥梁微小振动的亚像素级位移时程响应，通过Hankel动态模态分解法获取桥梁微小振动的模态参数，根据桥梁模态参数建立模态振型计算模型，根据模态振型计算模型识别桥梁损伤位置和桥梁损伤程度。这样，基于图像识别的方式可以精确识别桥梁的损伤位置和损伤程度，及时发现桥梁的安全隐患。
[0008]在优选的方案中，通过对初始目标图像序列的降噪处理得到最终的目标图像序列，增强了测量精度，便于得到精确的真实位移时程响应和模态参数。
[0009]在优选的方案中，通过将放大后的目标图像序列中的各图像帧划分为多个裁剪区域的网格，在每个网格中使用Otsu阈值分割算法计算离散化对象的质心，计算所有连续图像帧的质心位置亚像素级坐标，可以得到更加准确的位移时程响应。
附图说明
[0010]图1为本专利技术优选实施例的一种基于图像识别的桥梁监测方法的流程图之一；图2为本专利技术优选实施例的一种基于图像识别的桥梁监测方法的流程图之二；图3为本专利技术优选实施例的连续两帧图像的质心位置示意图；图4为本专利技术优选实施例的桥梁微小振动的真实动态位移时程响应获取原理示意图。
具体实施方式
[0011]下面对本专利技术的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0012]除非另作定义，本专利技术中使用的技术术语或者科学术语应当为本专利技术所属领域内具有一般技能的人士所理解的通常意义。本专利技术中使用的“第一”、“第二”以及类似的词语并不表示任何顺序、数量或者重要性，而只是用来区分不同的组成部分。同样，“一个”或者“一”等类似词语也不表示数量限制，而是表示存在至少一个。“连接”或者“相连”等类似的词语并非限定于物理的或者机械的连接，而是可以包括电性的连接，不管是直接的还是间接的。“上”、“下”、“左”、“右”等仅用于表示相对位置关系，当被描述对象的绝对位置改变后，则该相对位置关系也相应地改变。
[0013]请参见图1
‑
图2，本申请提供的一种基于图像识别的桥梁健康监测方法，包括：获取待监测桥梁的第一图像，对第一图像进行预处理得到第二图像；对第二图像进行空域分解以得到对应的目标图像序列；计算目标图像序列中的连续图像帧的质心位置亚像素级坐标，并根据质心位置亚像素级坐标确定待监测桥梁的真实位移时程响应；利用Hankel动态模态分解法从真实位移时程响应中提取桥梁模态参数，桥梁模态参数包括固有频率、振型以及阻尼比；根据桥梁模态参数建立模态振型计算模型，根据模态振型计算模型识别桥梁损伤位置和桥梁损伤程度。
[0014]本实施例中，获取待监测桥梁的第一图像可以是通过高速相机拍摄获取。
[0015]上述的基于图像识别的桥梁健康监测方法，首先识别待监测桥梁的图像，利用离散质心搜索算法从连续图像帧中提取桥梁微小振动的亚像素级位移时程响应，通过Hankel动态模态分解法获取桥梁微小振动的模态参数，根据桥梁模态参数建立模态振型计算模型，根据模态振型计算模型识别桥梁损伤位置和桥梁损伤程度。这样，基于图像识别的方式可以精确识别桥梁的损伤位置和损伤程度，及时发现桥梁的安全隐患。
[0016]可选地，对第一图像进行预处理得到第二图像，包括：将第一图像进行旋转、裁剪和缩放处理得到第二图像。
[0017]在本可选的实施方式中，可以采用数字图像处理软件对第一图像进行旋转、裁剪和缩放等预处理，这样，通过预处理可以对图像序列中噪声进行初步剔除，避免在利用宽带相位运动放大算法进行放大处理时噪声也被等比例放大，排除噪声对图像放大结果的影响。
[0018]可选地，对第二图像进行空域分解以得到对应的目标图像序列，包括：对第二图像进行空域分解，以得到初始目标图像序列，初始目标图像序列包括第一残差部分、不同频率基带相位信息和第二残差部分；利用二维Gabor小波滤波器提取初始目标图像序列的纹理特征，并对目标图像序列中除纹理特征之外的图像信息进行平移处理，以完成对初始目标图像序列的降噪处理，得到最终的目标图像序列。
[0019]在本可选的实施方式中，利用复可操控金字塔（Complex Steera本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于图像识别的桥梁健康监测方法，其特征在于，包括：获取待监测桥梁的第一图像，对所述第一图像进行预处理得到第二图像；对所述第二图像进行空域分解以得到对应的目标图像序列；计算所述目标图像序列中的连续图像帧的质心位置亚像素级坐标，并根据所述质心位置亚像素级坐标确定所述待监测桥梁的真实位移时程响应；利用Hankel动态模态分解法从所述真实位移时程响应中提取桥梁模态参数，所述桥梁模态参数包括固有频率、振型以及阻尼比；根据所述桥梁模态参数建立模态振型计算模型，根据所述模态振型计算模型识别桥梁的损伤位置和桥梁损伤程度。2.根据权利要求1所述的基于图像识别的桥梁健康监测方法，其特征在于，所述对所述第一图像进行预处理得到第二图像，包括：将所述第一图像进行旋转、裁剪和缩放处理得到所述第二图像。3.根据权利要求1所述的基于图像识别的桥梁健康监测方法，其特征在于，所述对所述第二图像进行空域分解以得到对应的目标图像序列，包括：对所述第二图像进行空域分解，以得到初始目标图像序列，所述初始目标图像序列包括第一残差部分、不同频率基带相位信息和第二残差部分；利用二维Gabor小波滤波器提取所述初始目标图像序列的纹理特征，并对所述目标图像序列中除所述纹理特征之外的图像信息进行平移处理，以完成对所述初始目标图像序列的降噪处理，得到最终的目标图像序列。4.根据权利要求3所述的基于图像识别的桥梁健康监测方法，其特征在于，所述计算所述目标图像序列中的连续图像帧的质心位置亚像素级坐标之前，所述方法还包括：基于所述不同频率基带相位信息以及预设的放大因子对所述目标图像序列进行放大处理；所述计算所述目标图像序列中的连续图像帧的质心位置亚像素级坐标，并根据所述质心位置亚像素级坐标确定所述待监测桥梁...

【专利技术属性】
技术研发人员：孔烜，罗奎，易金鑫，
申请(专利权)人：湖南大学，
类型：发明
国别省市：