(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210201036.0 (22)申请日 2022.03.03 (71)申请人 合肥工业大 学 地址 230009 安徽省合肥市屯溪路193号 (72)发明人 王佐才　张飞　段大猷　辛宇　 马乐乐　 (74)专利代理 机构 合肥市科融知识产权代理事 务所(普通 合伙) 34126 专利代理师 李慧 (51)Int.Cl. G06V 20/40(2022.01) G06V 10/34(2022.01) G06V 10/44(2022.01) (54)发明名称 一种基于计算机视觉的动态桥梁形态识别 方法 (57)摘要 本发明适用于视觉测量技术领域， 提供了一 种基于计算机视觉的动态桥梁形态识别方法， 包 括： 选取合适采样频率以及分辨率的传感器进行 视频采集； 对采集的视频进行裁切； 使用欧拉视 频放大算法对视频的结构形变进行放大； 针对运 动放大后每一帧图像中目标结构， 利用Prewitt 算子初步确定可能的结构边缘像素点， 再使用空 间矩亚像素边缘检测算法求出区域内结构边缘 点的位置； 根据每一帧的边缘识别点云结果获得 结构的动态形态识别结果； 使用画面中已知的物 体表面两像素点间的距离以及视频运动放大系 数， 对该方法识别的结构变形进行标定， 获得准 确动态形态变化。 本发明实现了视觉非接触式测 量， 无需在结构上安装传感器， 不会干扰结构正 常运营， 节约测试成本 。 权利要求书2页 说明书5页 附图3页 CN 114596525 A 2022.06.07 CN 114596525 A 1.一种基于计算机 视觉的动态桥梁形态 识别方法， 其特 征在于， 包括以下步骤： S1、 选取合 适采样频率以及分辨 率的传感器对目标 结构进行视频采集； S2、 对采集的视频进行裁切， 获得目标区域的视频； S3、 使用基于亮度变化的欧拉视频放大算法对视频中的结构形变进行放大； S4、 针对运动放大后 每一帧图像中目标结构， 利用Prewitt算子初步确定可 能的结构边 缘像素点， 再使用空间矩亚像素边 缘检测算法求出区域内结构边 缘点的位置； S5、 根据每一帧的边 缘识别点云结果即可获得 结构的动态形态 识别结果； S6、 使用画面中已知的物体表面两像素点间的距离以及视频运动放大系数， 即可对该 方法识别的结构变形进行 标定， 获得 结构的准确动态形态变化。 2.根据权利要求1所述的基于计算机视觉的动态桥梁形态识别方法， 其特征在于， 所述 传感器为彩色视 觉传感器时， 将视频转换为灰度色彩模式。 3.根据权利要求1所述的基于计算机视觉的动态桥梁形态识别方法， 其特征在于， 所述 S3是将视频中微小的运动等 价为微小的亮度变化， 直接处 理视频图像的像素 灰度大小。 4.根据权利要求3所述的基于计算机视觉的动态桥梁形态识别方法， 其特征在于， 所述 S3具体包括以下步骤： S31、 假设视频图像任意位置x处的像素在t时刻的一维信号强度表示为I(x， t)， δ(t)为 微小位移， δk(t)表示变化信号， δ(t)在t时刻的第k个频率分量， γk表示t时刻第k个变化信 号的衰减倍数， 其中0＜γk＜1， 线性放 大环境下不同频率的放 大倍数变为γkα， 此时放 大结 果表示为： S32、 根据香农采样定律将视频中有效采样频率以内的频带范围进行带通滤波， 当视频 的采样帧率 为60fps， 选取0 ‑30Hz以内的运动进行放大。 5.根据权利要求4所述的基于计算机视觉的动态桥梁形态识别方法， 其特征在于， 所述 S32中运动放大 过程包括以下步骤： 将视频逐帧进行拉普拉斯金字塔多层分解， 得到不同分辨率下的图像子带， 针对不同 的分辨率采用不同放大倍数， 在最高分辨率尺度下信噪比最低， 可以选择最小的放大倍数， 在最低分辨 率尺度下选择最大放大倍数； 对图像多尺度金字塔分解后得到的子带进行带通滤波得到目标频带内的变化信号用 于后续处理， 振动放大采用宽通带滤波器， 人工设置放大的频带范围， 直接在时域进行处 理； 对滤波得到的感兴趣信号进行泰勒级数差分逼近， 乘以设置的放大倍数， 得到微小变 化线性放大的图像序列； 对放大后的图像序列使用金字塔重建， 与输入序列叠加， 输出放大后的视频。 6.根据权利要求1所述的基于计算机视觉的动态桥梁形态识别方法， 其特征在于， 所述 S4具体包括以下步骤: S41、 通过Prew itt算子初步确定像素级别的结构边 缘点： 使用横向和纵向模板对每一帧图像I进行卷积， 获得横向和纵向的近似梯度权　利　要　求　书 1/2 页 2 CN 114596525 A 2和 从而获得梯度幅值矩阵 在设定的阈值后梯度幅值大于阈值的像素点即为可能的边 缘点 S42、 利用空间矩获得 结构的亚像素级边 缘： 将图像I与四个尺寸为5 ×5的空间矩模板m00、 m01、 m10、 m20做卷积得到对应的矩A00、 A01、 A10、 A20； 对S41中的 的进行计算即可获得边缘方向 到模板中心的距离 灰 度差 通过设置阈值优化 最终的边 缘位置坐标 其中 7.根据权利要求1所述的基于计算机视觉的动态桥梁形态识别方法， 其特征在于， 所述 S5中以第一帧结构形态点云作为参考， 与其他帧的点云进 行对比选取点云中的不动点进 行 配准， 即可获得 结构整体形态变化。权　利　要　求　书 2/2 页 3 CN 114596525 A 3