CN104599249B - 缆索承重桥梁桥面车辆载荷分布实时检测方法 - Google Patents

Abstract

本发明公开了缆索承重桥梁桥面车辆载荷分布实时检测方法，拍摄桥面图像；对图像透视校正处理、对图像增强处理，用获取图像增强后的桥面图像，采用基于边缘信息的检测方法对桥面车辆判定；车辆图像追踪，对车辆在采集画面中结构变形修正；以桥面为绝对坐标系，在桥面上精确的画出每段视频画面中汽车轮胎的行驶轨迹，根据轨迹相同原理把同一车辆在不同视频画面中的轨迹进行拼接，得到每一车辆在桥面的行驶轨迹，实现车辆荷载的实时跟踪。本方法适用范围广，成本低廉，可实时获取检测结果，受环境影响小；使用透视校正和图像增强技术可得到较高质量的前期图像；使用动态模板匹配技术可较好的解决倾斜状态下图像采集造成的车辆遮挡问题，具有更广泛的适用性。

Description

缆索承重桥梁桥面车辆载荷分布实时检测方法

技术领域

本发明属于桥梁检测领域，涉及一种缆索承重桥梁荷载的检测方法，具体涉及一种缆索承重桥梁桥面车辆动态荷载分布检测方法。

背景技术

公路桥梁的可变荷载主要为车辆荷载，是桥梁结构设计的主要依据。尽管桥梁设计规范对车辆荷载的分布形式和集度有明确的规定，但这一活载布置形式在实际工程中仍然带来若干问题，仍然不能满足桥梁结构的精细化分析和设计，主要体现在三个方面。第一，规范中定义的公路桥梁车辆活载是一个标准化的模式，这种方式无法准确反映某些极端情况下的桥上车辆分布，如发生交通事故时桥上交通拥堵。在这种情况下，车辆荷载集度有可能远远高于设计值，因此需要通过统计方法对极端情况进行可靠性分析。第二，钢桥面板的工作寿命受制于钢材的疲劳性能，其寿命还取决于桥上活载作用，对钢结构疲劳的评估需要准确掌握活载在桥面上作用的位置和移动速度等信息。第三，某些单柱式桥墩的桥梁在偏心荷载作用下易发生主梁横向倾覆，多地也发生过这样的事故。在考虑结构形式布置时，就需要准确评判这一极端事件发生的可能性，即掌握重载车辆沿最外侧车道行驶的极端情况。总而言之，建立一个合理的车辆活载模型已是当务之急，而桥梁车辆荷载动态分布检测将是建立合理车辆活载模型的基础。

桥梁车辆荷载检测技术在桥梁结构的设计、管理及维护等多个方面有较高的实用价值。目前，桥梁车辆荷载检测技术涉及两个方面。一方面，针对桥面车辆位置侦测多采用图像识别技术来实现，大规模应用的方式是在桥上定点设置若干监控摄像头用来掌握桥面车辆状况。但这一方法的局限性在于仅能掌握摄像头附近的桥面车辆分布，无法掌握全桥状态。此外，在全桥范围进行车辆识别则受限于桥梁本身的结构形式。另一方面，为了掌握桥上车辆重量，多采用动态称重方式来实现。这一方法虽然能掌握车辆的准确重量，但如果没有与车辆分布结合起来，也无法掌握荷载在桥面上的作用历程。

发明内容

针对现有检测方法的不足和缺陷，本发明的目的在于，提供一种适用于缆索承重桥梁的桥面车辆分布检测方法，并根据桥面空气能见度和桥跨尺寸给出该方法的适用范围，该方法基于计算机视觉技术，采用透视校正、图像增强、多车道车辆检测和动态模板匹配等方法，实现车辆荷载分布的实时跟踪，为建立合理的活载模型及桥梁设计提供重要依据。

步骤一：拍摄桥面图像；在缆索承重桥梁的每个车道入口处安装动态称重装置获取车辆重量信息，在各个桥塔上安装若干个摄像机获取各段桥面车流图像，摄像机的全部视野能够覆盖完整桥面；第一，根据桥位处气象资料掌握空气能见度，同时根据图像采集设备的灵敏度，确定本方法的适用性；

第二，针对斜拉桥和悬索桥的设计比例确定本方法在进行车辆侦测和识别的可靠性。建议画面拍摄时的最小倾角不小于6°，在过于扁平的缆索承重桥梁上应用该方法将出现采集画面中较多车辆重叠，易产生车辆识别错误。

步骤二：图像透视校正；将摄像机获取的桥面图像进行透视校正处理，获取桥面正视图：

(2.1)利用Hough变换提取所需的4条直线(车道所围成的4条直线)，并识别车道所围成的4条直线；

(2.2)在提取直线时，记录每条直线的端点，提取完成后对Hough变换的结果计算直线的交点，得到的交点就是4条直线的端点；

(2.3)将4条直线的交点坐标和相应的实际坐标共4对坐标数据作为解透视参数矩阵的已知量，记畸变图像中的各个像素点坐标为(x₁,y₁)(x₂,y₂)(x₃,y₃)(x₄,y₄)，相应的正视图中的点的坐标记为(u₁,v₁)(u₂,v₂)(u₃,v₃)(u₄,v₄)，由下式解出8个透视参数向量；

式中：

(x₁,y₁),(x₂,y₂),(x₃,y₃),(x₄,y₄)表示畸变图中4条直线交点的坐标；

(u₁,v₁),(u₂,v₂),(u₃,v₃),(u₄,v₄)表示相应正视图中4条直线交点的坐标；

[a b c d e f m l]^T是8个透视参数向量；

(2.4)获取透视参数后，采用图像点对点的方式进行二维平面图像的透视变换计算，利用下式得到标准的正视图；

式中：

[a b c d e f m l]^T是8个透视参数向量；

(x,y)表示畸变图中点的坐标；

(u,v)表示透视校正后点的坐标；

步骤三：图像增强；对经过透视校正处理后的正视图利用直方图匹配(规定化)进行图像增强。具体公式如下：

z＝H^-1(s)＝H^-1[T(r)]

式中：r和z分别表示输入图像与输出图像的灰度级，p_r(x)是输入灰度级的概率密度函数，p_Z(x)是输出灰度级的概率密度函数；

步骤四：桥面车辆判定；在获取图像增强后的桥面图像，采用基于边缘信息的检测方法对桥塔上拍摄的每一段车流图像进行车辆检测：

(4.1)对每一帧图像使用Sobel算子进行提取边缘；

(4.2)对提取的边缘图进行阈值处理和叠加，具体公式如下：

式中：g_i和g'_i分别是阈值处理前后的边缘图，g是阈值；

(4.3)将阈值处理后的边缘图进行叠加，具体公式如下：

(4.4)二值化处理得到背景边缘图，具体公式如下：

式中：b是设定的阈值；

(4.5)利用包含性差值得到车辆运动边缘图，具体公式如下：

式中：i(x,y)是运动边缘图；

(4.6)在图像靠近桥塔位置设置一带条状检测区，并分成一组连续的窗口，具体公式如下：

式中：m为窗口的高度，w为窗口的宽度；

(4.7)阈值法判断运动边缘图在检测区内的每个窗口的是否是有效信息，并得到一组0、1二值序列l[i]，具体公式如下：

(4.8)对车辆通过检测区的边缘信息进行累加，从而保存完整的车辆信息(l[i]不断更新)，具体公式如下：

式中：f[i]是累加后的车辆信息；

(4.9)当在数组f[i]中检测到连续的一定数量1时，在对应的数组l[i]中为一定数量连续的0时，则判定有车通过；

步骤五：车辆图像追踪；在确定车辆通过检测带后，采用动态模板匹配技术追踪每辆汽车的行车轨迹：

(5.1)在确定车辆通过检测带后，根据车辆宽度和车速分别在原图和边缘图中检测区附近选取车辆轮廓角区作为模板，生成边缘图像模板，对边缘图像模板进行阈值处理，得到车辆轮廓的左边缘或右边缘位置a和上边缘位置b；

(5.2)记获取模板的图像为第K帧图像(t时刻)，在第K-1帧图像(t+Δt时刻)中运用相关函数计算，进行模板匹配识别，匹配范围是原模板左右两边以及上边扩大一个车辆宽度的区域；即t时刻的第K帧图像，与t+Δt时刻的第K-1帧图像运用相关函数计算，进行模板匹配识别；

(5.3)根据相关函数峰值得到匹配区域，对匹配区域边缘进行识别，得到车尾左边缘或右边缘的位置a'和上边缘的位置b'，与原始值a、b进行比较，做出修正调整，并将修正后的区域记为新的模板；

(5.4)重复(5.2)和(5.3)对车辆信息实时更新，得到汽车左轮(或者右轮)在整幅画面中的行驶轨迹，并将其绘制到整个桥面上；

步骤六：结构变形修正；在拍摄过程中，车辆荷载作用将导致桥梁结构发生变形，桥塔顶部出现轻微转角或侧向位移，造成车辆在采集画面中的相对移动，需要对该部分附加位移进行修正；

(6.1)进行桥面车辆画面采集前，在桥面车道两侧按标准距离布置图像标记点或人工识别到具有显著特征的部位，通过对采集到的图像识别后捕捉标记点，得到主梁整体变形特征；

(6.2)根据得到的主梁变形特征对捕捉到的车辆位置进行附加位移修正；

步骤七：得到每一段视频的汽车轮胎行驶轨迹后，以桥面为绝对坐标系，在桥面上精确的画出每段视频画面中汽车轮胎的行驶轨迹，根据轨迹相同原理把同一车辆在不同视频画面中的轨迹进行拼接，得到每一车辆在桥面的行驶轨迹，最终实现缆索承重桥梁桥面车辆荷载的实时跟踪。根据车辆轨迹中各点的捕捉时间以及相邻两点之间的距离，计算得到车辆通过桥面的速度曲线。

相比现有方法，本发明具有如下有益结果：

本方法适用范围广，成本低廉，所需设备安装简易，可实时获取检测结果，受环境影响小；使用透视校正和图像增强技术可得到较高质量的前期图像；通过桥面标记点方式对结构变形导致的车辆位置附加位移进行修正，得到更精确的识别结果；使用设置图像检测区，准确识别多车道多车辆；使用动态模板匹配技术可较好的解决倾斜状态下图像采集造成的车辆遮挡问题，使得该发明具有更广泛的适用性。

附图说明

图1是缆索承重桥梁桥面荷载分布实时跟踪系统结构图。

图2是缆索承重桥梁桥面荷载分布实时跟踪检测流程图。

图3是基于边缘信息的车辆检测方法流程图。

图4是动态模板匹配流程图。

图5是透视变换原理示意图。

图6是摄像机拍摄的某一帧桥面图像。

图7是图6进行透视校正后的图像。

图8是图7经过Sobel算法后的边缘图像。

图9是背景边缘图像。

图10是图8与背景边缘图做包容性差值所得的运动边缘信息图。

图11是桥面行车图像检测区。

图12是某一辆车在遮挡特例中动态模板匹配的原始模板图及其边缘图。

图13是某一辆车在遮挡特例中某帧模板的搜索匹配区域。

图14是某一辆车在遮挡特例中实现动态模板匹配的部分目标图像。

图15是遮挡特例的行驶轨迹图。

具体实施方式

本发明的缆索承重桥梁桥面车辆动态荷载分布检测方法，如图1至图15所示，在缆索承重桥梁的每个车道入口处安装动态称重装置获取车辆重量信息，在桥塔上安装摄像机获取桥面车流图像，摄像机的拍摄范围能够覆盖整个桥面；将摄像机获取的桥面图像进行透视校正处理，获取正常车辆大小的图像；在获取透视校正的图像后，采用直方图匹配方法(直方图均衡化方法)对图像进行增强；采用基于边缘信息的方法检测是否有运动目标通过；在有车辆通过的基础上采用动态模板匹配的方法追踪车辆的行驶轨迹；通过桥面特定标志物的捕捉识别，对车辆坐标进行校正，抵消因结构变形产生的附加位移；采用轨迹相同原理把同一车辆在不同视频画面中的轨迹进行拼接，得到每一车辆在桥面的行驶轨迹，最终实现缆索承重桥梁桥面车辆荷载的实时跟踪。

缆索承重桥梁桥面车辆荷载分布实时跟踪主要通过车辆在桥面上的分布以及车辆的重量和速度来计算车辆荷载。因此，获取车辆的位置、速度、重量是检测的关键。随着数字图像技术的迅速发展，基于视频的车辆检测技术日趋成熟，作为现有技术，能够进行相应处理，满足本发明的需要。这些技术都具有低成本、高准确性、高效率的特点。

针对某座采用双索面、H型桥塔的大跨径斜拉桥进行本发明的应用。该桥主跨为450m，H型桥塔横梁顶面至桥面的竖向距离为56m。根据现场实际条件，选定在横梁顶面设置图像采集装置。进行图像采集时的空气能见度超过1000m。单个摄像装置覆盖一半主跨或全边跨，因此最小视线倾角为14°，故满足使用本发明的基本条件。

图1是缆索承重桥梁桥面车辆荷载分布实时跟踪系统结构图，以双塔承重桥为例，在桥梁车道入口处安装动态称重装置，在每个桥塔上布置两个摄像机，调节摄像机安装位置使这些摄像机拍摄范围能够覆盖整个桥面。获取车辆重量信息和速度信息，动态称重装置能直接方便地获取车辆重量信息；而车辆速度信息，则根据车辆轨迹中各点的捕捉时间以及相邻两点之间的距离，计算得到车辆通过桥面的速度曲线。

图2是缆索承重桥梁桥面车辆荷载分布实时跟踪系统流程图，首先，桥塔顶部安装的摄像机将桥面车流视频发回后台计算机，按照顺序依次处理视频图像。采用Hough变换和透视变换的图像进行透视校正；在校正透视图像后，利用桥面上的标记点进行结构变形修正，本例直接采用桥面上的伸缩缝进行位置修正；然后采用直方图均衡化对校正后的图像进行增强处理；图像前处理后，采用基于边缘信息的方法再靠近桥塔的位置设置一条检测带来判断是否有车辆通过，具体过程如图3所示；在确认有车辆通过检测区后，采用动态模板匹配的方法对车辆行驶轨迹进行追踪，具体过程如图4所示；最后采用轨迹相同原理把同一车辆在不同视频画面中的轨迹进行拼接，得到每一车辆在桥面的行驶轨迹，最终实现缆索承重桥梁桥面车辆荷载的实时跟踪。

实施例：

步骤一：在缆索承重桥梁的每个车道入口处安装动态称重装置获取车辆重量，在两个桥塔顶部安装一台或以上的摄像机获取桥面车流图像视频，摄像机的视野能够覆盖整个桥面。

步骤二：将摄像机获取的桥面图像进行透视校正处理，获取桥面正视图，透视校正示意图如图5所示：

(2.1)利用Hough变换提取所需的4条直线(车道所围成的4条直线，如图6所示)；

(2.2)在提取直线时，记录每条直线的端点，提取完成后对Hough变换的结果计算直线的交点，得到的交点就是4条直线的端点；

(2.3)将4条直线的交点坐标和相应的实际坐标共4对坐标数据作为解透视参数矩阵的已知量，由下式解出透视参数向量：

式中：

(x₁,y₁),(x₂,y₂),(x₃,y₃),(x₄,y₄)表示畸变图中4条直线交点的坐标；

(u₁,v₁),(u₂,v₂),(u₃,v₃),(u₄,v₄)表示相应正视图中4条直线交点的坐标；

[a b c d e f m l]^T是8个透视参数向量；

(2.4)获取透视参数后，采用图像点对点的方式进行二维平面图像的透视变换计算，利用下式得到标准的正视图；

式中：

[a b c d e f m l]^T是8个透视参数向量；

(x,y)表示畸变图中点的坐标；

(u,v)表示透视校正后点的坐标；

校正结果如图7所示；

步骤三：对经过透视校正和旋转校正处理后的正视图利用直方图匹配(规定化)进行图像增强，具体公式如下：

z＝H^-1(s)＝H^-1[T(r)]

式中：

r和z分别表示输入图像与输出图像的灰度级；

p_r(x)是输入灰度级的概率密度函数；

p_z(x)是输出灰度级的概率密度函数；

步骤四：在获取图像增强后的桥面图像，采用基于边缘信息的检测方法对桥塔上拍摄的每一段车流图像进行车辆检测：

(4.1)对每一帧图像进行Sobel算子提取边缘，如图8所示；

(4.2)对所有边缘图像进行阈值处理，具体公式如下：

式中：

g_i和g'_i分别是阈值处理前后的边缘图；

g是阈值，此时n＝30，g＝8；

(4.3)将阈值处理后的边缘图进行叠加，具体公式如下：

(4.4)二值化处理得到背景边缘图，具体公式如下：

式中：

b是设定的阈值，b＝220，背景边缘图如图9所示；

(4.5)利用包含性差值得到车辆运动边缘图，具体公式如下：

式中：

i(x,y)是运动边缘图，如图10所示；

(4.6)在图像靠近桥塔位置设置一个狭长的检测区，并分成一组连续的窗口，具体公式如下：

式中：

m为窗口的高度，m＝10，w为窗口的宽度，w＝10，检测区如图11所示；

(4.7)阈值法判断运动边缘图在检测区内的每个窗口的是否是有效信息，并得到一组0、1二值序列l[i]，具体公式如下：

(4.8)对车辆通过检测区的边缘信息进行累加，从而保存完整的车辆信息，使得l[i]不断更新，具体公式如下：

式中：

f[i]是累加后的车辆信息；

(4.9)当在数组f[i]中检测到连续的一定数量1时，在对应的数组l[i]中为一定数量连续的0时，则判定有车通过；

步骤五：在确定有车辆通过检测带后，采用动态模板匹配技术追踪每辆汽车的行车轨迹：

(5.1)在确定车辆通过检测带后，记此时的帧数为K，令K＝K-LINE，LINE是车辆通过检测带的帧数(本实施例中取车流视频中一辆被遮挡车辆作为特例演示，LINE＝12)；

(5.2)在K帧图像中根据车辆宽度和车速分别在原图和边缘图中检测区附近自动选取车辆尾部作为模板和边缘模板，如图12所示；

(5.3)对边缘模板进行阈值处理，得到车尾左边缘(或右边缘)的位置a和上边缘的位置b；

(5.4)记获取模板的图像为第K帧图像，在第K-1帧图像中运用相关函数计算，进行模板匹配识别，匹配范围是原模板四周扩大一个车辆宽度的区域，本发明更细小的匹配范围是原模板左、右两边以及上边扩大一个车辆宽度的区域；车辆宽度为8，匹配范围如图13所示，是在车辆左边和上边扩大一个车辆宽度；

(5.5)根据相关函数峰值得到匹配区域，对匹配区域边缘进行识别，得到车尾左边缘(或右边缘)的位置a’和上边缘的位置b’，与原始值a、b进行比较，做出修正调整，并将修正后的区域记为新的模板，模板所在图像记为第K帧图像；

(5.6)重复前述(5.2)至(5.5)的操作，对车辆信息实时更新，得到汽车左轮(或者右轮)在整幅画面中的行驶轨迹，并将其绘制到整个桥面上；

图14所示是遮挡特例后滞动态模板匹配的部分帧数模板匹配结果；

图15所示是遮挡特例的行驶轨迹图；

步骤六：在拍摄过程中，因车辆荷载导致结构变形而产生车辆在采集画面中有一定附加位移，需选取桥面上设置的标记点进行实际位置捕捉并校正车辆位置。本实施例直接捕捉画面中的桥面伸缩缝位置，得到每一辆车在每一时刻的位置修正值。即本发明通过选取桥面伸缩缝作为标记点，进行实际位置捕捉并校正车辆位置，得到每一辆车在每一时刻的位置修正值，就能消除车辆荷载导致结构变形而产生的车辆在采集画面的附加位移。

步骤七：得到每一段视频的汽车轮胎行驶轨迹后，以桥面为绝对坐标系，在桥面上精确的画出每段视频画面中汽车轮胎的行驶轨迹，根据轨迹相同原理把同一车辆在不同视频画面中的轨迹进行拼接，得到每一车辆在桥面的行驶轨迹，最终实现缆索承重桥梁桥面车辆荷载的实时跟踪。

最后说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的宗旨和范围，其均应涵盖在本发明的权利要求范围当中。

Claims (2)

1.缆索承重桥梁桥面车辆载荷分布实时检测方法，其特征在于包括以下步骤：

一、拍摄桥面图像；在缆索承重桥梁的每个车道入口处安装动态称重装置获取车辆重量信息，在各个桥塔上安装若干个摄像机获取各段桥面车流图像，摄像机的全部视野能够覆盖完整桥面；获取车辆速度信息；

二、图像透视校正；将摄像机获取的桥面图像进行透视校正处理，获取桥面正视图：

(2.1)利用Hough变换提取围成车道所需的4条直线，并识别车道所围成的4条直线；

(2.2)在提取直线时，记录每条直线的端点，提取完成后对Hough变换的结果计算直线的交点，得到的交点就是4条直线的端点；

(2.3)将4条直线的交点坐标和相应的实际坐标共4对坐标数据作为解透视参数矩阵的已知量，记畸变图像中的各个像素点坐标为(x₁,y₁), (x₂,y₂), (x₃,y₃), (x₄,y₄)，相应的正视图中的点的坐标记为(u₁,v₁),(u₂,v₂),(u₃,v₃),(u₄,v₄)，由下式解出8个透视参数向量；

式中：

(x₁,y₁),(x₂,y₂),(x₃,y₃),(x₄,y₄)表示畸变图中4条直线交点的坐标；

(u₁,v₁),(u₂,v₂),(u₃,v₃),(u₄,v₄)表示相应正视图中4条直线交点的坐标；

[a b c d e f m l]^T是8个透视参数向量；

(2.4)获取透视参数后，采用图像点对点的方式进行二维平面图像的透视变换计算，利用下式得到标准的正视图；

式中：

[a b c d e f m l]^T是8个透视参数向量；

(x,y)表示畸变图中点的坐标；

(u,v)表示透视校正后点的坐标；

三、图像增强；对经过透视校正处理后的正视图利用直方图匹配进行图像增强；具体公式如下：

z＝H^-1(s)＝H^-1[T(r)]

式中：r和z分别表示输入图像与输出图像的灰度级，p_r(x)是输入灰度级的概率密度函数，p_Z(x)是输出灰度级的概率密度函数；

四、桥面车辆判定；在获取图像增强后的桥面图像，采用基于边缘信息的检测方法对桥塔上拍摄的每一段车流图像进行车辆检测：

(4.1)对每一帧图像使用Sobel算子进行提取边缘；

(4.2)对提取的边缘图进行阈值处理和叠加，具体公式如下：

式中：g_i和g'_i分别是阈值处理前后的边缘图，g是阈值；

(4.3)将阈值处理后的边缘图进行叠加，具体公式如下：

(4.4)二值化处理得到背景边缘图，具体公式如下：

式中：b是设定的阈值；

(4.5)利用包含性差值得到车辆运动边缘图，具体公式如下：

式中：i(x,y)是运动边缘图；

(4.6)在图像靠近桥塔位置设置一带条状检测区，并分成一组连续的窗口，具体公式如下：

式中：m为窗口的高度，w为窗口的宽度；

(4.7)阈值法判断运动边缘图在检测区内的每个窗口的是否是有效信息，并得到一组0、1二值序列l[i]，具体公式如下：

(4.8)对车辆通过检测区的边缘信息进行累加，从而保存完整的车辆信息，使得l[i]不断更新，具体公式如下：

式中：f[i]是累加后的车辆信息；

(4.9)当在数组f[i]中检测到连续的一定数量1时，在对应的数组l[i]中为一定数量连续的0时，则判定有车通过；

五、车辆图像追踪；在确定车辆通过检测区后，采用动态模板匹配技术追踪每辆汽车的行车轨迹：

(5.1)在确定车辆通过检测带后，根据车辆宽度和车速分别在原图和边缘图中检测区附近选取车辆轮廓角区作为模板，生成边缘图像模板，对边缘图像模板进行阈值处理，得到车辆轮廓的左边缘或右边缘位置a和上边缘位置b；

(5.2)记获取模板的图像为第t时刻的第K帧图像，在第t+Δt时刻的第K-1帧图像中运用相关函数计算，进行模板匹配识别，匹配范围是原模板左右两边以及上边扩大一个车辆宽度的区域；即t时刻的第K帧图像，与t+Δt时刻的第K-1帧图像运用相关函数计算，进行模板匹配识别；

(5.3)根据相关函数峰值得到匹配区域，对匹配区域边缘进行识别，得到车尾左边缘或右边缘的位置a'和上边缘的位置b'，与原始值a、b进行比较，作出修正调整，并将修正后的区域记为新的模板；

(5.4)重复(5.2)和(5.3)对车辆信息实时更新，得到汽车左轮或者右轮在整幅画面中的行驶轨迹，并将其绘制到整个桥面上；

六、结构变形修正；在拍摄过程中，车辆荷载作用将导致桥梁结构发生变形，主梁发生竖向完全或扭转变形，桥塔顶出现轻微转角、纵向位移或侧向位移，造成车辆在采集画面中的相对移动，需要对该部分附加位移进行修正；

(6.1)进行桥面车辆画面采集前，在桥面车道两侧按标准距离布置图像标记点或人工识别到具有显著特征的部位，通过对采集到的图像识别后捕捉标记点，得到主梁在采集图像中的整体变形特征；

(6.2)根据得到的主梁变形特征对捕捉到的车辆位置进行附加位移修正；

七、得到每一段视频的汽车轮胎行驶轨迹后，以桥面为绝对坐标系，在桥面上精确的画出每段视频画面中汽车轮胎的行驶轨迹，根据轨迹相同原理把同一车辆在不同视频画面中的轨迹进行拼接，得到每一车辆在桥面的行驶轨迹，最终实现缆索承重桥梁桥面车辆荷载的实时跟踪。

2.根据权利要求1所述缆索承重桥梁桥面车辆载荷分布实时检测方法，其特征在于：选取桥面伸缩缝作为标记点，进行实际位置捕捉并校正车辆位置，得到每一辆车在每一时刻的位置修正值，消除车辆荷载导致结构变形而产生的车辆在采集画面的附加位移。