CN113421224A - 一种基于视觉的缆索结构健康监测方法及系统 - Google Patents
一种基于视觉的缆索结构健康监测方法及系统 Download PDFInfo
- Publication number
- CN113421224A CN113421224A CN202110583059.8A CN202110583059A CN113421224A CN 113421224 A CN113421224 A CN 113421224A CN 202110583059 A CN202110583059 A CN 202110583059A CN 113421224 A CN113421224 A CN 113421224A
- Authority
- CN
- China
- Prior art keywords
- video
- signal
- vibration
- mode
- phase
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 52
- 230000036541 health Effects 0.000 title claims abstract description 27
- 238000012544 monitoring process Methods 0.000 title claims abstract description 21
- 238000001228 spectrum Methods 0.000 claims abstract description 37
- 238000000354 decomposition reaction Methods 0.000 claims abstract description 28
- 238000012216 screening Methods 0.000 claims abstract description 4
- 239000011159 matrix material Substances 0.000 claims description 34
- 230000003321 amplification Effects 0.000 claims description 12
- 238000003199 nucleic acid amplification method Methods 0.000 claims description 12
- 239000013598 vector Substances 0.000 claims description 11
- 238000004458 analytical method Methods 0.000 claims description 7
- 238000004364 calculation method Methods 0.000 claims description 7
- 230000008859 change Effects 0.000 claims description 6
- 238000001914 filtration Methods 0.000 claims description 6
- 238000006073 displacement reaction Methods 0.000 claims description 4
- 238000012800 visualization Methods 0.000 claims description 4
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 230000003247 decreasing effect Effects 0.000 claims description 3
- PHTXVQQRWJXYPP-UHFFFAOYSA-N ethyltrifluoromethylaminoindane Chemical compound C1=C(C(F)(F)F)C=C2CC(NCC)CC2=C1 PHTXVQQRWJXYPP-UHFFFAOYSA-N 0.000 claims description 3
- 230000010363 phase shift Effects 0.000 claims description 3
- 238000000926 separation method Methods 0.000 claims description 3
- 230000017105 transposition Effects 0.000 claims description 2
- 238000012545 processing Methods 0.000 abstract description 8
- 230000000007 visual effect Effects 0.000 abstract description 7
- 238000001514 detection method Methods 0.000 description 13
- 238000005259 measurement Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 239000000835 fiber Substances 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 239000000725 suspension Substances 0.000 description 2
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 description 1
- 230000007797 corrosion Effects 0.000 description 1
- 238000005260 corrosion Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000004445 quantitative analysis Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01L—MEASURING FORCE, STRESS, TORQUE, WORK, MECHANICAL POWER, MECHANICAL EFFICIENCY, OR FLUID PRESSURE
- G01L5/00—Apparatus for, or methods of, measuring force, work, mechanical power, or torque, specially adapted for specific purposes
- G01L5/04—Apparatus for, or methods of, measuring force, work, mechanical power, or torque, specially adapted for specific purposes for measuring tension in flexible members, e.g. ropes, cables, wires, threads, belts or bands
- G01L5/042—Apparatus for, or methods of, measuring force, work, mechanical power, or torque, specially adapted for specific purposes for measuring tension in flexible members, e.g. ropes, cables, wires, threads, belts or bands by measuring vibrational characteristics of the flexible member
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10016—Video; Image sequence
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20016—Hierarchical, coarse-to-fine, multiscale or multiresolution image processing; Pyramid transform
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Physics (AREA)
- Data Mining & Analysis (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computational Mathematics (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Algebra (AREA)
- Mathematical Analysis (AREA)
- Quality & Reliability (AREA)
- Image Processing (AREA)
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
Abstract
本发明公开了一种基于视觉的缆索结构健康监测方法及系统,属于视觉图像信号处理技术领域。本发明包括获取缆索结构视频图像;构建复可控金字塔,并利用所述复可控金字塔对视频进行空间分解,获得不同尺度及不同方向的幅度谱和相位谱,提取缆索特定方向的振动信号;对所提取振动信号进行主模态分解得到各阶模态,利用各阶模态的参数,计算缆索张力,并筛选出感兴趣的视频微小变化信号;对所述微小变化信号进行放大,将放大后的信号进行金字塔重建,并与输入序列叠加,得到放大后的视频并输出。利用本发明,降低了对缆索结构进行健康监测时的成本,同时能够对振动状态进行可视化,提高了健康状态监测的准确性和便捷性,减少了技术人员的工作负担。
Description
技术领域
本发明属于视觉图像信号处理技术领域,具体涉及一种基于视觉的缆索结构健康监测方法及系统。
背景技术
缆索是缆索支撑结构的关键组成部分,如缆索支撑建筑物和体育场、斜拉桥和悬索桥、高压电缆等,均受动态载荷影响(如车辆载荷和风速)。在日常的消耗过程中,缆索由于承受动态负载,如桥梁上的循环交通荷载、风荷载以及其他操作负载和环境影响等,会很容易产生健康状态疲劳和腐蚀损坏。通过估算缆索张力,可以监控缆索的健康状态。目前,估计测量缆索张力有三种主要技术:通过液压千斤顶和负荷单元等装置进行直接测量,基于磁导率测量的磁性方法和接触式传感器定量法。而目前通常是使用传感器来测量,此方法需要安装传感器以及设计数据采集系统,相对昂贵和耗时。
传统的传感器包括接触式传感器和非接触式传感器,接触式传感器如加速度计和压变传感器,需要附着在结构上来实现振动测量,对轻型结构进行检测时,传感器自身质量负荷将导致检测不准确。安装接触式传感器和数据采集系统非常繁琐耗时,因此不适用与含有大量缆索的结构。非接触式的视觉传感器,主要包括多普勒激光测振仪和光纤光栅传感器法。多普勒激光测振仪为光学测振法,需要额外的光源补偿,要求测试环境保持无尘、无空气扰动,测量范围较小,需要复杂的干涉光路及辅助装置,计算复杂度和成本较高,光纤光栅传感器法需要对传感器进行封装后才可使用,同时对解调设备有较严苛的要求。因此,可以看出,目前通过估算缆索的张力,对缆索结构的健康状态进行监测的成本是非常高的。
发明内容
技术问题:本发明提供一种基于视觉的缆索结构健康监测方法及系统,通过非接触式的检测方法,基于主模态分析技术以及基于相位的视觉振动检测技术,实现对缆索结构张力的非接触式检测,从而有效的降低缆索结构健康监测的成本。
技术方案:一方面,本发明提供一种基于视觉的缆索结构健康监测方法,包括:
获取缆索结构视频图像;
构建复可控金字塔,并利用所述复可控金字塔对视频进行空间分解,获得不同尺度及不同方向的幅度谱和相位谱,提取缆索特定方向的振动信号;
对所提取振动信号进行主模态分解得到各阶模态,利用各阶模态的参数,计算缆索张力,并筛选出感兴趣的视频微小变化信号;
对所述微小变化信号进行放大,将放大后的信号进行金字塔重建,并与输入序列叠加,得到放大后的视频并输出。
进一步地,所述的构建复可控金字塔模型的方法包括:
构建复可控金字塔模型的基函数,将基函数建模为高斯窗口乘以复正弦函数,有:
其中,σ表示高斯窗口的标准差,ω表示复正弦函数的频率,且σ与ω的比值为定值,j表示复数单位,x表示坐标;
对基函数进行相位处理,乘以一个复指数e-jβ,即对高斯窗下的复正弦基进行调整,得到复可控金字塔基函数模型:
其中,β表示位置变化造成的相位偏移。
进一步地,所述利用复可控金字塔对视频进行空间分解,得到不同尺度及不同方向的幅度谱和相位谱的方法包括:
视频数据输入:输入视频为I(x,y,t),其中,x,y表示视频每一帧图像像素的坐标,t表示时间,建立视频信号为:I(x,y,t)=I0(x,y,t)+δ(x,y,t)+n(x,y,t),
其中,I0(x,y,t)表示视频帧的均值,δ(x,y,t)表示视频中的微小变化信号,n(x,y,t)表示视频图像的噪声;
去掉视频信号中第一项均值帧,得到的是含有视频微小变化与噪声的数据:
I(x,y,t)=δ(x,y,t)+n(x,y,t);
进行颜色空间转换:将每一帧图像的色彩空间由RGB转换为YIQ,使图像的亮度信息和色度信息分开,提取出Y通道的视频序列用于后续分析;
对亮度信息进行空间分解:将视频序列输入所述复可控金字塔,通过将视频在复可控金字塔基上投影,对输入视频进行不同尺度和不同方向的分解后,得到视频图像的局部幅度谱与相位谱,表示为:
进一步地,所述提取振动信号的方法为:
将待测振动信号V(x,t)、V(x,t+δ(x,t))写成复正弦波的和的形式如下:
其中,Aω表示幅度,ω表示频率,δ(x,t)表示幅度较小的位移函数,即所要提取的振动信号;
根据用户指定的振动方向θi提取相应的空间频带,根据得到的局部相位谱计算当前帧与参考帧之间的相位差,并进行相位解缠绕处理,计算公式为:
通过计算,提取得到振动信号δ(x,t)。
进一步地,所述对所提取振动信号进行主模态分解的方法包括:
将振动信号δ(x,t)表示为:
其中,q(t)为模态坐标;qi(t)为分离的模态运动,Γ(t)为振动模式形状矩阵,其内部列τ(x)为高分辨率N下的内部模式形状向量,n表示模态的阶数;
对运动矩阵ξ进行奇异值分解:
ξ为N行T列的矩阵,且N>T;Λ为N行T列对角矩阵,包含T个非递减对角元素,λ1,...,λi为其特征值,其中i从1到m,m表示矩阵阶数,U为N行N列的左奇异矩阵,V为T行T列的右奇异矩阵,σi为Λ的对角处元素,ui为U中的左奇异向量,vi为V右奇异向量,*代表转置;
将运动矩阵ξ中结构的主振动模式投射到矩阵η上,得到:
其中,η为r行T列的矩阵,Ur=[u1,...,ur]为U中的第r列(r<<N),ηi为ξ中第i模态的主成分;
利用盲源分离将ηi(x,t)分解为单个模态分量qi(t)=W(x)ηi(x,t),W(x)为分解矩阵,该模式的形状为τ(x)≈Urγi,γi为行向量。
进一步地,所述利用各阶模态的参数,计算缆索张力的方法为:
利用张力公式,根据任一模态的频率计算出缆索张力T0;
其中,ωi为第i阶模态的频率,μ表示每单位长度的质量密度,L表示缆索的长度;不同模态的频率成正比关系,关系公式为:
其中,ωk为第k阶模态的频率,利用关系公式求得任一阶模态的频率,将任一阶模态的频率带入张力公式,计算得到缆索的张力。
进一步地,所述对所述微小变化信号进行放大的方法为:
人工设定放大因子,将微小信号乘以放大因子,对微小信号线性放大。
进一步地,将放大后的信号进行金字塔重建的方法包括:
在空间振动模式为其第i模态形状时,经过放大和金字塔重构后,重建只包含第i模态运动或者全局运动的新视频,实现振动可视化,其中,第i模态运动的新视频为:
其中,α表示放大因子;全局运动的新视频为:
另一方面,本发明提供一种缆索结构张力检测系统,采用所述的基于视觉的缆索结构健康监测方法对缆索结构进行健康监测。
有益效果:本发明利用主模态分解技术以及相位的视觉检测方法,通过放大缆索结构的微弱振动信号,从而准确的计算出缆索的张力,并且,通过对放大后的信号进行金字塔重构,使得缆索的振动情况可视化。利用本发明,仅需要利用摄像机以及计算机等设备,就可完成对缆索结构张力的检测,因此有效地降低了对缆索结构健康检测的成本,同时,通过非接触式视频放大,提高了技术人员对缆索结构健康检测的准确性和便捷性,降低了技术人员的工作量。
附图说明
图1为本发明的基于视觉的缆索结构健康监测方法的一个实施例的流程图;
图2为本发明的实施例中运算过程的流程图。
图3为本发明的实施例中进行主模态分解的流程示意图。
具体实施方式
下面结合实施例和说明书附图对本发明作进一步的说明。图1示出了本发明的基于视觉的缆索结构健康监测方法的一个实施例的流程图,结合图1所示,该方法包括以下步骤:
S100:获取缆索结构视频图像。在本发明的实施例中,可以利用现有的拍摄设备进行缆索结构的视频拍摄,在进行拍摄时,要保证目标物在画面中的清晰度。
S200:构建复可控金字塔,并利用所述复可控金字塔对视频进行空间分解,获得不同尺度及不同方向的幅度谱和相位谱,提取缆索特定方向的振动信号。
在本发明的实施例中,构建复可控金字塔的方法为:
步骤S101:构建复可控金字塔模型的基函数,将基函数建模为高斯窗口乘以复正弦函数,有:
其中,σ表示高斯窗口的标准差,ω表示复正弦函数的频率,且σ与ω的比值为定值,j表示复数单位,e表示自然指数。
步骤S102:对基函数进行相位处理,乘以一个复指数e-jβ,即对高斯窗下的复正弦基进行调整,得到复可控金字塔基函数模型:
其中,β表示位置变化造成的相位偏移。
通过构建复可控金字塔,保证局部的微小相位处理等效于局部的运动处理,利用所构建的复可控金字塔可以得到高通残差与低通残差以及中间的不同尺度与不同方向的分解得到的相位。在将视频序列投影到复可控金字塔基上时,可实现对局部相位差的处理等效局部运动的处理。
当构建完复可控金字塔模型后,即可将视频序列输入到复可控金字塔模型中进行分解,得到视频图像局部幅度谱与局部相位谱。具体的,在本发明的一个实施例中,结合图2,可按照如下的步骤进行。
步骤S201:输入数据。在进行视频输入时,需要建立视频信号。在本发明的实施例中,设输入视频为I(x,y,t),其中,x,y表示视频每一帧图像像素的坐标,t表示时间;那么建立的视频信号为:
I(x,y,t)=I0(x,y,t)+δ(x,y,t)+n(x,y,t) (3)
在公式(3)中,I0(x,y,t)表示视频帧的均值,δ(x,y,t)表示视频中的微小变化信号,n(x,y,t)表示视频图像的噪声,在本发明的实施例中,n(x,y,t)实际上指的是高斯白噪声。
在公式(3)中,等号右侧的三项通常是互不相关的,那么去掉第一项均值帧后,就可以得到含有视频微小变化与噪声的数据:
I(x,y,t)=δ(x,y,t)+n(x,y,t) (4)
将视频按照帧来进行处理,从第一帧到最后一帧(i=1,2,3…S),使得每一帧图像都进行空间分解。
步骤S202:对视频进行颜色空间转换。通过将每一帧的色彩空间由RGB转换为YIQ,使图像的亮度信息和色度信息分开,提取出Y(亮度)通道的视频序列用于后续分析。
步骤S203:对亮度信息进行空间分解。将视频序列输入所构建的复可控金字塔,通过将视频在复可控金字塔基上投影,得到视频图像的局部幅度谱与相位谱。假设输入的信号同全局傅里叶基表示的情况,当利用复可控金字塔时,可得到不同尺度、不同方向以及不同位置处的表示,体现在局部幅度谱与相位谱中,如公式(5)
当利用复可控金字塔得到视频图像局部幅度谱和局部相位谱后,可以提取振动信号。在本发明的实施例中,提取振动信号的方法为:
将待测振动信号V(x,t)、V(x,t+δ(x,t))写成复正弦波的和的形式如下:
在公式(6)、(7)中,Aω表示幅度,ω表示频率,δ(x,t)表示幅度较小的位移函数,即所要提取的振动信号。
为了计算可以通过计算相位差来得到。当图像序列中存在一个小的运动时,频域会产生一定的相位差。由于电缆存在多个振动方向,提取指定方向的振动信号能够获取某一因素对目标部件的影响情况。一层子带属于一个尺度的其中一个方向,根据用户指定的振动方向θi提取相应的空间频带,根据得到的局部相位谱计算当前帧与参考帧之间的相位差,并进行相位解缠绕处理,如公式(9)所示:
根据公式(8)和(9),即可提取得到振动信号,即振动产生的微小位移δ(x,t)。提取振动信号的过程是一种基于相位的视觉振动检测技术。
步骤S300:对所提取振动信号进行主模态分解得到各阶模态,利用各阶模态的参数,计算缆索张力,并筛选出感兴趣的视频微小变化信号。
当提取到振动信号后,利用主模态分析法对信号进行处理,以获得较为干净的视频微小信号。主模态分析方法能够将所提取的振动信号δ(x,t)分解成各模态信号的组合,然后就可以选择出感兴趣的微小变化信号。图3示出了主模态分解的流程示意图,结合图3,具体操作过程中,将δ(x,t)表示为:
公式(10)中,q(t)为模态坐标;qi(t)为分离的模态运动,Γ(t)为振动模式形状矩阵,其内部列τ(x)为高分辨率N下的内部模式形状向量,n表示模态的阶数。
由于像素尺寸N远大于数字模态维数T,处于高空间维,低模态维。因此必须对公式(12)进行降维。具体的,在发明的实施例中,利用奇异值分解进行降维。具体的步骤为:
步骤S301:对运动矩阵ξ进行奇异值分解,公式如下:
ξ为N行T列的矩阵,且N>T;Λ为N行T列对角矩阵,包含T个非递减对角元素,λ1,...,λi为其特征值,其中i从1到m,m表示矩阵阶数,U为N行N列的左奇异矩阵,V为T行T列的右奇异矩阵,σi为Λ的对角处元素,ui为U中的左奇异向量,vi为V右奇异向量,*代表转置。
步骤S302:将运动矩阵ξ中结构的主振动模式投射到矩阵η上,得到:
式(12)中,η为r行T列的矩阵,Ur=[u1,...,ur]为U中的第r列(r<<N),ηi为ξ中第i模态的主成分。
步骤S303:利用盲源分离将ηi(x,t)分解为单个模态分量qi(t)=W(x)ηi(x,t),W(x)为分解矩阵,该模式的形状为τ(x)≈Urγi,其中γi为一行矩阵,并无具体的含义,说明的是,ηi与ηi(x,t)是相同的。
从单个模态分量qi(t)中,可以得到该模态分量的频率ωi。
从而可以利用张力公式,根据任一模态的频率计算出缆索张力T0,计算公式如(14):
其中,ωi为第i阶模态的频率,μ表示每单位长度的质量密度,L表示缆索的长度。
不同模态的频率成正比关系,关系公式为:
其中,ωk为第k阶模态的频率,因此,通过公式(14),可以直接求得任一阶模态的频率,可以利用将任一阶模态的频率带入张力公式(13),计算得到缆索的张力。
基于上面的实施例的叙述,可以看出,利用本发明实施例中的方法,无需在缆索上安装传感器,只需要采集缆索的视频数据,然后基于主模态分析及视觉张力检测的方式,就可以计算出缆索的张力,从而有效地降低了缆索结构张力检测的成本。此外,还可以利用本发明的方法,对缆索进行长时间的健康状况检测,而无需工作人员监控,从而降低了工作人员的工作量。
但是,仅仅计算出缆索结构的张力,对于技术人员监测缆索结构的健康状况还是不够的,因此在本发明的技术方案中,对缆索结构进行了可视化处理。因为对于大部分缆索结构,比如悬索桥,通过拍摄的视频,但从肉眼上是很难看出缆索的振动的,因此,在本发明的实施例中,实现了缆索结构振动的可视化,具体见步骤S400。
步骤S400:对所述微小变化信号进行放大,将放大后的信号进行金字塔重建,并与输入序列叠加,得到放大后的视频并输出。
在本发明的实施例中,可以通过人工设定放大因子,对微笑信号进行线性放大。将放大后信号利用所构建的复可控金字塔进行金字塔重建,具体重建方法为:
在空间振动模式为其第i模态形状时,经过放大和金字塔重构后,重建只包含第i模态运动或者全局运动的新视频,实现振动可视化,其中,第i模态运动为:
其中,α表示放大因子;全局运动的新视频为:
将上述重建后的视频与输入序列叠加后,即可输出放大后的视频。根据放大后的视频,技术人员可以直观的观测到缆索的振动,从而为缆索结构的健康监测提供了便利。
本发明的实施例中,还提供一种缆索结构张力检测系统,在该系统中,配置有本发明的实施例中所给出的基于视觉的缆索结构健康监测方法的相应计算程序。对于该系统的硬件,可以配置为摄像机加计算机,利用摄像机对缆索结构进行视频采集,然后传输到计算机中进行相应的计算,并将缆索振动视频以及相关数据在显示器中显示出来,使得技术人员可以实时监控缆索的振动情况,提高了技术人员对缆索健康情况监控的准确率和便捷性。
可以看出,相对于现有技术,采用本发明所提供的技术方案,极大地降低了缆索结构健康状态监控的成本,同时,还能够对缆索结构进行可视化,降低技术人员的工作量。
上述实施例仅是本发明的优选实施方式,应当指出:对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和等同替换,这些对本发明权利要求进行改进和等同替换后的技术方案,均落入本发明的保护范围。
Claims (9)
1.一种基于视觉的缆索结构健康监测方法,其特征在于,包括:
获取缆索结构视频图像;
构建复可控金字塔,并利用所述复可控金字塔对视频进行空间分解,获得不同尺度及不同方向的幅度谱和相位谱,提取缆索特定方向的振动信号;
对所提取振动信号进行主模态分解得到各阶模态,利用各阶模态的参数,计算缆索张力,并筛选出感兴趣的视频微小变化信号;
对所述微小变化信号进行放大,将放大后的信号进行金字塔重建,并与输入序列叠加,得到放大后的视频并输出。
3.根据权利要求2所述的方法,其特征在于,所述利用复可控金字塔对视频进行空间分解,得到不同尺度及不同方向的幅度谱和相位谱的方法包括:
视频数据输入:输入视频为I(x,y,t),其中,x,y表示视频每一帧图像像素的坐标,t表示时间,建立视频信号为:I(x,y,t)=I0(x,y,t)+δ(x,y,t)+n(x,y,t)
其中,I0(x,y,t)表示视频帧的均值,δ(x,y,t)表示视频中的微小变化信号,n(x,y,t)表示视频图像的噪声;
去掉视频信号中第一项均值帧,得到的是含有视频微小变化与噪声的数据:
I(x,y,t)=δ(x,y,t)+n(x,y,t);
进行颜色空间转换:将每一帧图像的色彩空间由RGB转换为YIQ,使图像的亮度信息和色度信息分开,提取出Y通道的视频序列用于后续分析;
对亮度信息进行空间分解:将视频序列输入所述复可控金字塔,通过将视频在复可控金字塔基上投影,对输入视频进行不同尺度和不同方向的分解后,得到视频图像的局部幅度谱与相位谱,表示为:
5.根据权利要求4所述的方法,其特征在于,所述对所提取振动信号进行主模态分解的方法包括:
将振动信号δ(x,t)表示为:
其中,q(t)为模态坐标;qi(t)为分离的模态运动,Γ(t)为振动模式形状矩阵,其内部列τ(x)为高分辨率N下的内部模式形状向量,n表示模态的阶数;
对运动矩阵ξ进行奇异值分解:
ξ为N行T列的矩阵,且N>T;Λ为N行T列对角矩阵,包含T个非递减对角元素,λ1,...,λi为其特征值,其中i从1到m,m表示矩阵阶数,U为N行N列的左奇异矩阵,V为T行T列的右奇异矩阵,σi为Λ的对角处元素,ui为U中的左奇异向量,vi为V右奇异向量,*代表转置;
将运动矩阵ξ中结构的主振动模式投射到矩阵η上,得到:
其中,η为r行T列的矩阵,Ur=[u1,...,ur]为U中的第r列(r<<N),ηi为ξ中第i模态的主成分;
利用盲源分离将ηi(x,t)分解为单个模态分量qi(t)=W(x)ηi(x,t),W(x)为分解矩阵,该模式的形状为τ(x)≈Urγi,γi为行向量。
7.根据权利要求1-6所述的方法,其特征在于,所述对所述微小变化信号进行放大的方法为:
人工设定放大因子,将微小信号乘以放大因子,对微小信号线性放大。
9.一种基于视觉的缆索结构健康监测系统,其特征在于,采用权利要求1-8任一项所述的基于视觉的缆索结构健康监测方法对缆索结构进行健康监测。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110583059.8A CN113421224B (zh) | 2021-05-27 | 2021-05-27 | 一种基于视觉的缆索结构健康监测方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110583059.8A CN113421224B (zh) | 2021-05-27 | 2021-05-27 | 一种基于视觉的缆索结构健康监测方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113421224A true CN113421224A (zh) | 2021-09-21 |
CN113421224B CN113421224B (zh) | 2024-07-05 |
Family
ID=77713099
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110583059.8A Active CN113421224B (zh) | 2021-05-27 | 2021-05-27 | 一种基于视觉的缆索结构健康监测方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113421224B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114821415A (zh) * | 2022-04-24 | 2022-07-29 | 中国水利水电科学研究院 | 基于机器学习的视频微振动放大校准和实时提取方法 |
CN115046717A (zh) * | 2022-06-08 | 2022-09-13 | 安徽农业大学 | 一种利用傅里叶变换轮廓术优化的结构振型可视化方法、装置及系统 |
CN115876365A (zh) * | 2022-10-26 | 2023-03-31 | 华南理工大学 | 基于运动综合亮度谱的拉索索力视觉测试方法、装置及介质 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103488660A (zh) * | 2013-01-21 | 2014-01-01 | 北京工商大学 | 基于方向可控金字塔二值图像投影的图像检索方法 |
US20180084195A1 (en) * | 2016-09-19 | 2018-03-22 | Los Alamos National Security, Llc | System and method for automated extraction of high resolution structural dynamics from video |
CN110048765A (zh) * | 2018-09-30 | 2019-07-23 | 南京大学 | 一种基于整体最小二乘拟合的φ-otdr定量测量的方法 |
CN110068388A (zh) * | 2019-03-29 | 2019-07-30 | 南京航空航天大学 | 一种基于视觉和盲源分离的振动检测方法 |
CN110455453A (zh) * | 2019-09-24 | 2019-11-15 | 广西大学 | 一种移动振动测试装置及索力测试方法 |
CN110519484A (zh) * | 2019-06-18 | 2019-11-29 | 天津中科智能识别产业技术研究院有限公司 | 一种视频中运动物体上局部微小运动的快速放大方法 |
CN110535575A (zh) * | 2019-08-01 | 2019-12-03 | 电子科技大学 | 一种计算并补偿i/q信号线性相位失衡的方法 |
CN110595602A (zh) * | 2019-04-26 | 2019-12-20 | 深圳市豪视智能科技有限公司 | 振动检测方法及相关产品 |
CN110617873A (zh) * | 2019-04-26 | 2019-12-27 | 深圳市豪视智能科技有限公司 | 电缆的振动检测方法及相关产品 |
CN112347828A (zh) * | 2019-08-06 | 2021-02-09 | 北京大学 | 一种自适应微小动作凸显系统 |
CN112348782A (zh) * | 2020-10-27 | 2021-02-09 | 天津大学 | 一种基于复数可控金字塔的变化检测方法 |
-
2021
- 2021-05-27 CN CN202110583059.8A patent/CN113421224B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103488660A (zh) * | 2013-01-21 | 2014-01-01 | 北京工商大学 | 基于方向可控金字塔二值图像投影的图像检索方法 |
US20180084195A1 (en) * | 2016-09-19 | 2018-03-22 | Los Alamos National Security, Llc | System and method for automated extraction of high resolution structural dynamics from video |
CN110048765A (zh) * | 2018-09-30 | 2019-07-23 | 南京大学 | 一种基于整体最小二乘拟合的φ-otdr定量测量的方法 |
CN110068388A (zh) * | 2019-03-29 | 2019-07-30 | 南京航空航天大学 | 一种基于视觉和盲源分离的振动检测方法 |
CN110595602A (zh) * | 2019-04-26 | 2019-12-20 | 深圳市豪视智能科技有限公司 | 振动检测方法及相关产品 |
CN110617873A (zh) * | 2019-04-26 | 2019-12-27 | 深圳市豪视智能科技有限公司 | 电缆的振动检测方法及相关产品 |
CN110519484A (zh) * | 2019-06-18 | 2019-11-29 | 天津中科智能识别产业技术研究院有限公司 | 一种视频中运动物体上局部微小运动的快速放大方法 |
CN110535575A (zh) * | 2019-08-01 | 2019-12-03 | 电子科技大学 | 一种计算并补偿i/q信号线性相位失衡的方法 |
CN112347828A (zh) * | 2019-08-06 | 2021-02-09 | 北京大学 | 一种自适应微小动作凸显系统 |
CN110455453A (zh) * | 2019-09-24 | 2019-11-15 | 广西大学 | 一种移动振动测试装置及索力测试方法 |
CN112348782A (zh) * | 2020-10-27 | 2021-02-09 | 天津大学 | 一种基于复数可控金字塔的变化检测方法 |
Non-Patent Citations (10)
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114821415A (zh) * | 2022-04-24 | 2022-07-29 | 中国水利水电科学研究院 | 基于机器学习的视频微振动放大校准和实时提取方法 |
CN115046717A (zh) * | 2022-06-08 | 2022-09-13 | 安徽农业大学 | 一种利用傅里叶变换轮廓术优化的结构振型可视化方法、装置及系统 |
CN115876365A (zh) * | 2022-10-26 | 2023-03-31 | 华南理工大学 | 基于运动综合亮度谱的拉索索力视觉测试方法、装置及介质 |
CN115876365B (zh) * | 2022-10-26 | 2023-10-27 | 华南理工大学 | 基于运动综合亮度谱的拉索索力视觉测试方法、装置及介质 |
Also Published As
Publication number | Publication date |
---|---|
CN113421224B (zh) | 2024-07-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113421224B (zh) | 一种基于视觉的缆索结构健康监测方法及系统 | |
Chen et al. | Video camera–based vibration measurement for civil infrastructure applications | |
Chen et al. | Modal identification of simple structures with high-speed video using motion magnification | |
Cha et al. | Output-only computer vision based damage detection using phase-based optical flow and unscented Kalman filters | |
Shang et al. | Multi-point vibration measurement and mode magnification of civil structures using video-based motion processing | |
CN110108348B (zh) | 基于运动放大光流跟踪的薄壁件微幅振动测量方法及系统 | |
Bhowmick et al. | Identification of full-field dynamic modes using continuous displacement response estimated from vibrating edge video | |
Lee et al. | A vision-based system for remote sensing of bridge displacement | |
KR101811378B1 (ko) | 케이블 장력 측정 장치 및 방법 | |
Yang et al. | Estimation of full‐field, full‐order experimental modal model of cable vibration from digital video measurements with physics‐guided unsupervised machine learning and computer vision | |
Liu et al. | Structural motion estimation via Hilbert transform enhanced phase-based video processing | |
Chen et al. | Developments with motion magnification for structural modal identification through camera video | |
Miao et al. | Phase-based displacement measurement on a straight edge using an optimal complex Gabor filter | |
US11516440B2 (en) | Method for modal analysis of bridge structures based on surveillance videos | |
CN115683431B (zh) | 基于直线跟踪算法的拉索索力确定方法、装置及设备 | |
Tan et al. | Target-free vision-based approach for modal identification of a simply-supported bridge | |
Valente et al. | Streamlined particle filtering of phase-based magnified videos for quantified operational deflection shapes | |
CN114596525A (zh) | 一种基于计算机视觉的动态桥梁形态识别方法 | |
CN116363121A (zh) | 一种基于计算机视觉的拉索索力检测方法、系统及装置 | |
Zhu et al. | A Noval Building Vibration Measurement system based on Computer Vision Algorithms | |
Buyukozturk et al. | Smaller than the eye can see: Vibration analysis with video cameras | |
Cosco et al. | Towards phase-based defect detection: A feasibility study in vibrating panels | |
Miao et al. | Phase-based vibration imaging for structural dynamics applications: Marker-free full-field displacement measurements with confidence measures | |
CN115046717B (zh) | 一种利用傅里叶变换轮廓术优化的结构振型可视化方法、装置及系统 | |
CN116183226A (zh) | 基于相位的轴承试验台振动位移测量及模态分析算法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant |