CN102842203B - 基于视频图像的桥梁病害监测方法 - Google Patents
基于视频图像的桥梁病害监测方法 Download PDFInfo
- Publication number
- CN102842203B CN102842203B CN201210324694.5A CN201210324694A CN102842203B CN 102842203 B CN102842203 B CN 102842203B CN 201210324694 A CN201210324694 A CN 201210324694A CN 102842203 B CN102842203 B CN 102842203B
- Authority
- CN
- China
- Prior art keywords
- bridge
- video
- image
- disease
- frame
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
Landscapes
- Closed-Circuit Television Systems (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种基于视频图像的桥梁病害监测方法;属于桥梁监测方法技术领域;其技术要点包括下述步骤:(1)获取桥梁上预定位置的视频数据;(2)对视频数据进行对比处理;(3)获取桥梁病害情况;(4)对桥梁的使用状况进行评估并进行预警;本发明旨在提供一种检测效率及准确性高且成本较低的基于视频图像的桥梁病害监测方法;用于桥梁病害的实时监测。
Description
技术领域
本发明涉及一种桥梁监测方法,更具体地说,尤其涉及一种基于视频图像的桥梁病害监测方法。
背景技术
目前,我国公路建设总量实现了跨越式增长,交通运输紧张状况总体缓解,已建成的水上桥梁、高架桥数量巨大,桥梁病害的获取工作量大,目前桥梁检查工作耗时费力,一些交通繁忙路段因为检测效率低下影响了交通畅通。
目前技术存在的问题是:通常采用接触式人工直接测量方法,费时费力,且难以准确测量桥梁裂缝宽度、周长、面积,影响对桥梁病害进行准确评估。
发明内容
本发明的目的在于提供一种检测效率及准确性高且成本较低的基于视频图像的桥梁病害监测方法。
本发明的技术方案是这样实现的:一种基于视频图像的桥梁病害监测方法,其中该方法包括下述步骤:(1)获取桥梁上预定位置的视频数据;(2)对视频数据进行对比处理;(3)获取桥梁病害情况;(4)对桥梁的使用状况进行评估并进行预警。
上述的基于视频图像的桥梁病害监测方法中,步骤(1)所述的获取桥梁上预定位置的视频数据具体为:采用摄像机拍摄预定的桥梁位置,获取原始视频数据,并通过视频图像编码器将图像数据压缩打包,然后通过无线网络将图像数据传输至监控中心。
上述的基于视频图像的桥梁病害监测方法中,步骤(2)所述的视频数据处理具体包括以下步骤:①确定接收到的图像数据所对应的桥梁位置,从预先拍摄的正常桥梁的视频片断中找到相同的桥梁位置视频,并抽取视频帧作为样本视频帧,在获取的桥梁视频数据中进行搜索、查找、定位,并与样本视频帧进行对比,与样本视频帧差别较大或前后两帧差别较大的视频帧,作为桥梁嫌疑病害视频帧,并将嫌疑视频帧提取,存储成桥梁病害图片;②将桥梁病害图片依序进行灰度化、拉伸以及平滑处理。
上述的基于视频图像的桥梁病害监测方法中,步骤(3)所述的桥梁病害获取,具体包括以下步骤:
①采用拉普拉斯算子对图像进行边缘检测;
②使用最大类间方差方法得到图像的单峰阈值;
③根据上一步骤所得的阈值将图像分割成前景和背景,前景即病害图像;
④通过对病害图像进行扫描,找到水平方向最大的宽度作为病害的宽度特征值;
⑤通过统计病害图像边缘点的距离作为病害的周长特征值;
⑥通过统计病害图像包含的像素点个数作为病害的面积特征值。
上述的基于视频图像的桥梁病害监测方法中,步骤(3)所述的桥梁病害获取,具体还包括以下步骤:
①在实际场景中布置两个容易检测并已知实际距离的特征点;
②在拍摄获得的场景图片中检测出特征点的位置并求得两个特征点之间的像素距离;
③将特征点实际距离除以其像素距离即可得图片中单个像素的实际尺寸;
④将病害的像素尺寸乘以单个像素的实际尺寸即可得病害的实际尺寸。
上述的基于视频图像的桥梁病害监测方法中,步骤(4)所述的对桥梁的使用状况进行评估并进行预警具体为:按照《公路桥梁技术状况评定标准》(JTG-T H21-2011)单项控制指标的要求,将桥梁病害进行快速自动评估,并预警处置。
本发明采用上述方法后,通过摄像机定点监测桥梁,并将数据通过无线网络进行传输,基本实现桥梁数据的实时输送,从而可以及时地使发现桥梁病害并作出处理;另外,桥梁数据通过视频处理,再依序通过采用拉普拉斯(Laplacian)算子进行边缘检测、采用最大类间方差法进行阀值分隔后,对桥梁病害像素进行提取,再转化为实际尺寸;从而使技术人员可以直观、准确、快速地获取病害情况,从而对病害准确的评估及预警。从而保证桥梁的使用寿命以及桥梁使用者的安全,也可以大幅降低桥梁监护的成本。
具体实施方式
下面结合具体实施例对本发明作进一步的详细说明,但并不构成对本发明的任何限制。
本发明的一种基于视频图像的桥梁病害监测方法,该方法包括下述步骤:(1)获取桥梁上预定位置的视频数据:采用摄像机拍摄预定的桥梁位置,获取原始视频数据,并通过视频图像编码器将图像数据压缩打包,然后通过无线网络将图像数据传输至监控中心。
(2)对视频数据进行对比处理,具体步骤为:①确定接收到的图像数据所对应的桥梁位置,从预先拍摄的正常桥梁的视频片断中找到相同的桥梁位置视频,并抽取视频帧作为样本视频帧,在获取的桥梁视频数据中进行搜索、查找、定位,并与样本视频帧进行对比,与样本视频帧差别较大或前后两帧差别较大的视频帧,作为桥梁嫌疑病害视频帧,并将嫌疑视频帧提取,存储成桥梁病害图片,病害计算包括桥梁裂缝、沉降、露筋、变形等;②将桥梁病害图片依序进行灰度化、拉伸以及平滑处理。具体地,
(a)桥梁图片灰度化(gray)的计算公式:
其中Ri、Gi和Bi分别为彩色图像第i个像素的RGB三个颜色通道的值,Grayi为所求得的该像素的灰度值。
(b)桥梁图片拉伸公式:
式中,g(x,y)为图像中坐标(x,y)处拉伸后的灰度值,f(x,y)为该处的原灰度值,而fmax以及fmin分别为原灰度图像中的最大灰度值和最小灰度值。
(c)桥梁图像平滑处理:
为了消除图像中噪声的影响 ,改善图像质量,对图像进行平滑处理,图像平滑的方法有多种,本发明实施例采用较为常用的中值滤波方法。中值滤波的基本思想为:将以某点(x,y)为中心的小窗口内的所有像素的灰度按从大到小的顺序排列,将中间值作为(x,y)处地灰度值(若窗口中有偶数个像素,则取两个中间值的平均值)。该窗口的大小可根据实际的需要进行调整,本专利采用3×3大小的窗口遍历图像,一般来说选择的窗口越大,计算量也相应地越大。
图像比对算法要有较高的查准率,较低的误查率,较少的遗漏,并且要保证较高的效率,用尽可能少的时间做出快速、准确的判断。
(3)获取桥梁病害情况,具体步骤为:
①采用拉普拉斯算子对图像进行边缘检测,拉普拉斯算子模板为:
拉普拉斯算子为无方向算子,其使用一个卷积核即可对图像进行处理。其计算过程较其他方法较为简单,实时性较好;
②使用最大类间方差方法得到图像的单峰阈值;
③根据上一步骤所得的阈值将图像分割成前景和背景,前景即病害图像;
④通过对病害图像进行水平方向的扫描,求出每行病害像素的长度,长度最大值即病害的最大像素宽度;
⑤通过统计病害图像边缘点的距离作为病害的周长特征值,具体方法为:桥梁病害形状为不规则图形,求不规则图形的周长可以通过统计图形相邻边缘点的距离的方法来求得;通过将每行病害像素的起始位置和终止位置分别保存在两个数组中,即得到图像边缘的相邻点的坐标;分别统计两数组中相邻数值的欧氏距离,最后将两者相加即可得到桥梁病害的像素周长;
⑥通过统计病害图像包含的像素点个数作为病害的面积特征值,具体方法为:不规则图形的面积可通过统计图形里包含的像素点来计算,将病害图像的每行宽度包含的病害像素数相加即可得病害的像素面积。;
⑦在实际场景中布置两个容易检测并已知实际距离的特征点;
⑧在拍摄获得的场景图片中检测出特征点的位置并求得两个特征点之间的像素距离;
⑨将特征点实际距离除以其像素距离即可得图片中单个像素的实际尺寸,即:
单个像素的实际尺寸 =两特征点实际长度/两特征点像素距离;
⑩将病害的像素尺寸乘以单个像素的实际尺寸即可得病害的实际尺寸,即:
桥梁病害实际尺寸(宽度、周长、面积)=桥梁病害的像素尺寸×单个像素的实际尺寸。
(4)对桥梁的使用状况进行评估并进行预警,具体为:按照《公路桥梁技术状况评定标准》(JTG-T H21-2011)单项控制指标的要求,将桥梁病害进行快速自动评估,并预警处置。
Claims (4)
1.一种基于视频图像的桥梁病害监测方法,其特征在于,该方法包括下述步骤:
(1)获取桥梁上预定位置的视频数据;
(2)对视频数据进行对比处理;
(3)获取桥梁病害情况,具体包括以下步骤:
①采用拉普拉斯算子对图像进行边缘检测;
②使用最大类间方差方法得到图像的单峰阈值;
③根据上一步骤所得的阈值将图像分割成前景和背景,前景即病害图像;
④通过对病害图像进行扫描,找到水平方向最大的宽度作为病害的宽度特征值;
⑤通过统计病害图像边缘点的距离作为病害的周长特征值;
⑥通过统计病害图像包含的像素点个数作为病害的面积特征值;
(4)按照《公路桥梁技术状况评定标准》(JTG-TH21-2011)单项控制指标的要求,将桥梁病害进行快速自动评估,并预警处置。
2.根据权利要求1所述的基于视频图像的桥梁病害监测方法,其特征在于,步骤(1)所述的获取桥梁上预定位置的视频数据具体为:采用摄像机拍摄预定的桥梁位置,获取原始视频数据,并通过视频图像编码器将图像数据压缩打包,然后通过无线网络将图像数据传输至监控中心。
3.根据权利要求1所述的基于视频图像的桥梁病害监测方法,其特征在于,步骤(2)所述的对视频数据进行对比处理具体包括以下步骤:①确定接收到的图像数据所对应的桥梁位置,从预先拍摄的正常桥梁的视频片断中找到相同的桥梁位置视频,并抽取视频帧作为样本视频帧,在获取的桥梁视频数据中进行搜索、查找、定位,并与样本视频帧进行对比,与样本视频帧差别较大或前后两帧差别较大的视频帧,作为桥梁嫌疑病害视频帧,并将嫌疑视频帧提取,存储成桥梁病害图片;②将桥梁病害图片依序进行灰度化、拉伸以及平滑处理。
4.根据权利要求1所述的基于视频图像的桥梁病害监测方法,其特征在于,步骤(3)所述的获取桥梁病害情况,具体还包括以下步骤:
①在实际场景中布置两个容易检测并已知实际距离的特征点;
②在拍摄获得的场景图片中检测出特征点的位置并求得两个特征点之间的像素距离;
③将特征点实际距离除以其像素距离即可得图片中单个像素的实际尺寸;
④将病害的像素尺寸乘以单个像素的实际尺寸即可得病害的实际尺寸。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210324694.5A CN102842203B (zh) | 2012-09-04 | 2012-09-04 | 基于视频图像的桥梁病害监测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210324694.5A CN102842203B (zh) | 2012-09-04 | 2012-09-04 | 基于视频图像的桥梁病害监测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102842203A CN102842203A (zh) | 2012-12-26 |
CN102842203B true CN102842203B (zh) | 2014-07-09 |
Family
ID=47369509
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201210324694.5A Expired - Fee Related CN102842203B (zh) | 2012-09-04 | 2012-09-04 | 基于视频图像的桥梁病害监测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102842203B (zh) |
Families Citing this family (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104048969A (zh) * | 2014-06-19 | 2014-09-17 | 樊晓东 | 一种隧道病害的识别方法 |
CN104280402A (zh) * | 2014-09-28 | 2015-01-14 | 广东惠利普路桥信息工程有限公司 | 基于图像分析的路桥质量诊断系统 |
CN105606074A (zh) * | 2016-03-08 | 2016-05-25 | 苏州热工研究院有限公司 | 现场辅助检查方法 |
CN106054916A (zh) * | 2016-05-20 | 2016-10-26 | 清华大学合肥公共安全研究院 | 一种无人机桥梁巡检系统及巡检方法 |
CN106284071A (zh) * | 2016-10-25 | 2017-01-04 | 郑州育才交通科技有限公司 | 桥梁病害智能视频检测系统 |
CN107491575B (zh) * | 2016-12-30 | 2019-09-10 | 河南省交通规划设计研究院股份有限公司 | 桥梁裂缝病害的矢量表示方式及数据处理方法 |
CN108896552A (zh) * | 2018-05-09 | 2018-11-27 | 赵启林 | 桥梁箱室内病害自动检测系统 |
CN109064449B (zh) * | 2018-07-04 | 2021-01-05 | 中铁大桥科学研究院有限公司 | 一种桥梁表面病害的检测方法 |
CN112581402B (zh) * | 2020-12-25 | 2022-09-16 | 广州利科科技有限公司 | 一种基于机器视觉技术的路桥病害自动检测方法 |
CN115661229A (zh) * | 2022-12-28 | 2023-01-31 | 北京道仪数慧科技有限公司 | 道路病害尺寸检测方法及载具 |
CN116084278B (zh) * | 2023-04-10 | 2023-06-20 | 交通运输部公路科学研究所 | 一体式模块化桥梁检测作业机器人平台及检测方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1563891A (zh) * | 2004-04-20 | 2005-01-12 | 长安大学 | 一种识别路面裂缝的系统和方法 |
CN101458741A (zh) * | 2008-12-17 | 2009-06-17 | 重庆交通大学 | 一种基于裂缝病害的石拱桥安全性评定方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101055259A (zh) * | 2007-05-30 | 2007-10-17 | 重庆交通大学 | 桥梁底面裂缝监测与报警方法及装置 |
KR100993205B1 (ko) * | 2008-11-24 | 2010-11-10 | 주식회사 유디코 | 재난발생 감지 시스템 및 방법 |
-
2012
- 2012-09-04 CN CN201210324694.5A patent/CN102842203B/zh not_active Expired - Fee Related
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1563891A (zh) * | 2004-04-20 | 2005-01-12 | 长安大学 | 一种识别路面裂缝的系统和方法 |
CN101458741A (zh) * | 2008-12-17 | 2009-06-17 | 重庆交通大学 | 一种基于裂缝病害的石拱桥安全性评定方法 |
Also Published As
Publication number | Publication date |
---|---|
CN102842203A (zh) | 2012-12-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102842203B (zh) | 基于视频图像的桥梁病害监测方法 | |
CN104112370B (zh) | 基于监控图像的停车场智能车位识别方法及系统 | |
CN103903008B (zh) | 一种基于图像识别输电线路的雾等级的方法以及系统 | |
CN111104860B (zh) | 一种基于机器视觉的无人机水质色度监测方法 | |
CN102404602A (zh) | 一种基于清晰度测试卡的摄像机清晰度检测方法 | |
CN110458157B (zh) | 一种电力电缆生产过程智能监控系统 | |
US11315374B2 (en) | Detection of fraudulent access at control gates | |
CN103530878A (zh) | 一种基于融合策略的边缘提取方法 | |
CN103394472B (zh) | 一种基于机器视觉的绿化马铃薯检测分级方法 | |
CN102621154B (zh) | 基于改进差分盒多重分形算法的布匹疵点在线自动检测方法 | |
CN103164711A (zh) | 基于像素和支持向量机的区域人流密度估计的方法 | |
CN104240239A (zh) | 一种基于道路图像探测局域路段雾霾天气的检测方法 | |
CN106303158A (zh) | 一种视频图像中的条纹异常检测方法 | |
CN101710081A (zh) | 基于图像纹理与分形维数的机械零件表面缺陷检测方法 | |
CN108399403A (zh) | 一种基于车牌尺寸计算的车距检测方法 | |
CN102496058A (zh) | 客流密度检测方法 | |
CN101739549A (zh) | 人脸检测方法及系统 | |
CN112816380A (zh) | 基于大数据分析的建筑工程工地施工环境在线监测方法及监测云平台 | |
CN115482474B (zh) | 一种基于高空航拍图像的桥面车辆荷载识别方法和系统 | |
CN102393902A (zh) | 基于h_s二维直方图和区域颜色匹配的车辆颜色检测方法 | |
CN108009556A (zh) | 一种基于定点图像分析的河道漂浮物检测方法 | |
US10375383B2 (en) | Method and apparatus for adjusting installation flatness of lens in real time | |
CN104458764A (zh) | 基于大景深条带图像投影的弯曲粗糙表面缺陷鉴别方法 | |
CN109242861A (zh) | 一种基于图像处理的水质监控方法 | |
CN116012701A (zh) | 一种基于矾花检测的水处理加药控制方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20140709 Termination date: 20200904 |