CN114528887A - 基于微小振动放大技术的桥梁监测方法、系统及装置 - Google Patents
基于微小振动放大技术的桥梁监测方法、系统及装置 Download PDFInfo
- Publication number
- CN114528887A CN114528887A CN202210432849.0A CN202210432849A CN114528887A CN 114528887 A CN114528887 A CN 114528887A CN 202210432849 A CN202210432849 A CN 202210432849A CN 114528887 A CN114528887 A CN 114528887A
- Authority
- CN
- China
- Prior art keywords
- vibration
- bridge
- monitored
- images
- image
- 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.)
- Pending
Links
- 238000012544 monitoring process Methods 0.000 title claims abstract description 61
- 238000000034 method Methods 0.000 title claims abstract description 47
- 230000003321 amplification Effects 0.000 title claims abstract description 46
- 238000003199 nucleic acid amplification method Methods 0.000 title claims abstract description 46
- 238000005516 engineering process Methods 0.000 title claims abstract description 22
- 238000006073 displacement reaction Methods 0.000 claims abstract description 32
- 230000008859 change Effects 0.000 claims description 26
- 238000012545 processing Methods 0.000 claims description 15
- 238000013016 damping Methods 0.000 claims description 11
- 238000004590 computer program Methods 0.000 claims description 6
- 238000001914 filtration Methods 0.000 claims description 6
- 238000012806 monitoring device Methods 0.000 claims description 6
- 238000000513 principal component analysis Methods 0.000 claims description 6
- 230000009467 reduction Effects 0.000 claims description 4
- 238000000926 separation method Methods 0.000 claims description 4
- 238000000354 decomposition reaction Methods 0.000 claims description 3
- 239000011159 matrix material Substances 0.000 description 8
- 230000008569 process Effects 0.000 description 7
- 230000036541 health Effects 0.000 description 5
- 230000009471 action Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000001228 spectrum Methods 0.000 description 4
- 230000002159 abnormal effect Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000005286 illumination Methods 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 1
- 230000032683 aging Effects 0.000 description 1
- 230000002146 bilateral effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000003628 erosive effect Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000011551 log transformation method Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
- 239000013598 vector Substances 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01H—MEASUREMENT OF MECHANICAL VIBRATIONS OR ULTRASONIC, SONIC OR INFRASONIC WAVES
- G01H9/00—Measuring mechanical vibrations or ultrasonic, sonic or infrasonic waves by using radiation-sensitive means, e.g. optical means
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/213—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods
- G06F18/2135—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods based on approximation criteria, e.g. principal component analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/02—Preprocessing
- G06F2218/04—Denoising
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/08—Feature extraction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/12—Classification; Matching
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
- G06T2207/30132—Masonry; Concrete
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Data Mining & Analysis (AREA)
- Life Sciences & Earth Sciences (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Quality & Reliability (AREA)
- Studio Devices (AREA)
Abstract
本发明公开了一种基于微小振动放大技术的桥梁监测方法、系统及装置,将待监测桥梁的振动视频图像分解为不同频率的基带图像后,从不同频率的基带图像分离出待监测桥梁的不同频率基带的振动图像,对待监测桥梁的不同频率基带的振动图像中的前N阶振动信号图像分别进行运动放大,使在振动视频图像中本来无法直接监测到的微小振动变得可以被监测到,将运动放大后的前N阶振动信号图像与未进行放大的振动信号图像叠加后得到前N阶振动信号图像被放大的待监测桥梁的重建的振动视频图像,根据重建的振动视频图像实现了对待监测桥梁的微小振动位移的监测,也即实现了对中小跨径桥梁等振动幅值非常微小的桥梁的监测,且不需要额外设置传感器,降低了成本。
Description
技术领域
本发明涉及结构检测与监测领域,特别是涉及一种基于微小振动放大技术的桥梁监测方法、系统及装置。
背景技术
随着我国交通运输业的快速发展,我国公路桥梁数量日益增多,其中大部分为中小跨径桥梁。桥梁在长时间的自然侵蚀和车辆荷载反复作用下会产生不同程度的材料老化、结构疲劳和微小破损,从而导致桥梁结构的系统性损伤和桥梁抗力衰减,加剧桥梁寿命衰减并产生多种安全隐患。因此,需要对桥梁进行健康监测,在桥梁出现问题之前能够及时的发现。现有的桥梁健康检测方案主要分为两种,一种通过在桥梁上直接安装各类传感器,通过对传感器采集的数据进行分析来侦测桥梁结构的异常情况,但是安装传感器成本较高,且安装复杂,测量点较少。另一种方案通过相机拍摄桥梁的视频,通过视频识别桥梁的振动来监测桥梁的健康状况,但是由于中小跨径桥梁的振动位移幅值非常微小,根据相机拍摄的视频难以直接对中小跨径桥梁的健康状况进行监测。
发明内容
本发明的目的是为了提供一种基于微小振动放大技术的桥梁监测方法、系统及装置,实现了对中小跨径桥梁等振动幅值非常微小的桥梁的监测,且不需要额外设置传感器,降低了成本。
为解决上述技术问题,本发明提供了一种基于微小振动放大技术的桥梁监测方法,包括:
获取待监测桥梁的振动视频图像;
将所述振动视频图像分解为不同频率的基带图像;
将所述不同频率的基带图像分离为所述待监测桥梁的不同频率基带的振动图像和噪声与背景图像;
对所述不同频率基带的振动图像中的前N阶振动信号图像分别进行运动放大处理,N为不小于1的整数;
将所述不同频率基带的振动图像中运动放大后的前N阶振动信号图像和所述不同频率基带的振动图像中的未进行放大的振动信号图像叠加后得到所述待监测桥梁的重建的振动视频图像;
根据所述重建的振动视频图像对所述待监测桥梁进行监测。
优选的,将所述振动视频图像分解为不同频率的基带图像,包括:
利用拉普拉斯金字塔对所述振动视频图像中每一帧图像进行分解得到所述基带图像。
优选的,将所述振动视频图像分解为不同频率的基带图像之前,还包括:
对所述振动视频图像进行滤波降噪处理和图像增强。
优选的,根据所述重建的振动视频图像对所述待监测桥梁进行监测,包括:
根据所述重建的振动视频图像确定所述待监测桥梁的振动位移时程;
根据所述位移时程确定所述待监测桥梁的模态参数;
根据所述待监测桥梁的模态参数对所述待监测桥梁进行监测。
优选的,根据所述重建的振动视频图像确定所述待监测桥梁的振动位移时程,包括:
根据所述重建的振动视频图像利用亚像素模板匹配算法确定所述待监测桥梁的振动位移时程。
优选的,根据所述位移时程确定所述待监测桥梁的模态参数,包括:
根据所述位移时程利用随机子空间模态参数识别理论确定所述待监测桥梁的模态参数。
优选的,所述待监测桥梁的模态参数包括所述待监测桥梁的模态频率、模态振型和阻尼比;
根据所述待监测桥梁的模态参数对所述待监测桥梁进行监测,包括:
当所述模态频率变化率大于模态频率变化率阈值或所述模态振型变化率大于模态振型变化率阈值或所述阻尼比变化率大于阻尼比变化率阈值,向用户发出告警。
优选的,将所述不同频率的基带图像分离为所述待监测桥梁的不同频率基带的振动图像和噪声与背景图像,包括:
对所述不同频率的基带图像进行主成分分析,将所述不同频率的基带图像分离为所述待监测桥梁的不同频率基带的振动图像和噪声与背景图像。
本发明还提供了一种桥梁监测系统,包括:
视频图像获取单元,用于获取待监测桥梁的振动视频图像;
基带图像分解单元,用于将所述振动视频图像分解为不同频率的基带图像;
振动信号分离单元,用于将所述不同频率的基带图像分离为所述待监测桥梁的不同频率基带的振动图像和噪声与背景图像;
运动放大单元,用于对所述不同频率基带的振动图像中的前N阶振动信号图像分别进行运动放大处理,N为不小于1的整数;
振动视频图像重建单元,用于将所述不同频率基带的振动图像中运动放大后的前N阶振动信号图像和所述不同频率基带的振动图像中的未进行放大的振动信号图像叠加后得到所述待监测桥梁的重建的振动视频图像;
桥梁监测单元,用于根据所述重建的振动视频图像对所述待监测桥梁进行监测。
本发明还提供了一种桥梁监测装置,包括:
存储器,用于存储计算机程序;
处理器,用于执行所述计算机程序时实现如上述基于微小振动放大技术的桥梁监测方法的步骤。
本发明公开了一种基于微小振动放大技术的桥梁监测方法、系统及装置,将待监测桥梁的振动视频图像分解为不同频率的基带图像后,从不同频率的基带图像分离出待监测桥梁的不同频率基带的振动图像,对待监测桥梁不同频率基带的振动图像中的前N阶振动信号图像进行运动放大处理,使得在振动视频图像中本来无法直接监测到的微小振动变得可以被监测到,将运动放大后的前N阶振动信号图像和未进行放大的振动信号图像叠加后就得到了前N阶振动信号图像被放大的待监测桥梁的重建的振动视频图像,根据重建的振动视频图像实现了对待监测桥梁的微小振动位移的监测,也即实现了对中小跨径桥梁等振动幅值非常微小的桥梁的监测,且不需要额外设置传感器,降低了成本。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对现有技术和实施例中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明提供的一种基于微小振动放大技术的桥梁监测方法的流程图;
图2为本发明提供的一种桥梁监测系统的结构示意图;
图3为本发明提供的一种桥梁监测装置的结构示意图。
具体实施方式
本发明的核心是提供一种基于微小振动放大技术的桥梁监测方法、系统及装置,实现了对中小跨径桥梁等振动幅值非常微小的桥梁的监测,且不需要额外设置传感器,降低了成本。
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
请参照图1,图1为本发明提供的一种基于微小振动放大技术的桥梁监测方法的流程图。
一种基于微小振动放大技术的桥梁监测方法,包括:
S1:获取待监测桥梁的振动视频图像;
为了降低对桥梁监测的成本,在本实施中,基于待检测桥梁的振动视频图像来分析桥梁的健康状况。相比于在桥梁上布置传感器降低了成本,这里的振动视频图像可以但不限于通过固定在桥梁上的高帧率相机实时拍摄得到。
S2:将振动视频图像分解为不同频率的基带图像;
对于中小跨径的桥梁,其振动非常的微小,难以根据桥梁的振动视频图像直接的观察到桥梁的振动。因此,为了实现对这类桥梁的振动的观察,需要对桥梁的振动视频图像中,与桥梁的振动有关的图像的部分进行处理,以使得能够观察到中小跨径的桥梁的微小振动。在桥梁的振动视频图像中,桥梁的各阶振动、背景和噪声均对应的不同的频率,为了将桥梁的各阶振动图像从桥梁的振动视频图像中分离出来,需要对桥梁的振动视频图像中的每一帧进行处理,将每一帧图像分解为不同频率的基带图像。
S3:将不同频率的基带图像分离为待监测桥梁的不同频率基带的振动图像和噪声与背景图像;
S4:对不同频率基带的振动图像中的前N阶振动信号图像分别进行运动放大处理,N为不小于1的整数;
运动放大能够改变视频图像中感兴趣区域的运动幅度,为了实现对中小跨径桥梁的微小振动的观察,在本实施例中,利用运动放大来对桥梁的振动视频图像进行放大处理,能够将振动视频图像中的微小振动放大为肉眼可见的振动。
又考虑到桥梁的振动视频图像中既包括桥梁的振动信号图像,也包括其它的噪声图像与背景图像,若直接对桥梁的振动视频图像进行放大,则会把其它的噪声图像与背景也放大相同的倍数,在对桥梁进行监测时会对监测产生干扰。为了避免噪声图像与背景图像对桥梁的振动监测的干扰,在本实施例中还会先将不同频率的基带图像分离为待监测桥梁的不同频率基带的振动图像和噪声与背景图像。由于不同频率基带的振动图像中包括待检测桥梁的各阶振动信号图像,在得到不同频率基带的振动图像后,仅对所述不同频率基带的振动图像中的前N阶振动信号图像分别进行运动放大处理。这里的N的取值为技术人员根据不同的桥梁的振动大小所确定的,例如,对于振动越微小的桥梁,为了更清楚的监测桥梁的振动,需要获取更多阶的振动信号图像,对于振动的较明显的桥梁,可以仅获取前1阶或前2阶的振动信号图像。
具体的,对于任意一阶振动信号图像,若将振动信号图像中任意位置x处t时刻的一维振动信号的强度用表示,令时的,则时,,其中表示像素点在t时刻相对于时的位置变化。将进行一阶泰勒级数展开有,由于部分与t相关,可知表示x处的像素点在t时相对于0时刻的运动变化或振动变化,对乘以放大因子后将与叠加即可得到被放大后的振动信号图像。
S5:将所述不同频率基带的振动图像中运动放大后的前N阶振动信号图像和所述不同频率基带的振动图像中的未进行放大的振动信号图像叠加后得到所述待监测桥梁的重建的振动视频图像;
由于仅根据运动放大后的前N阶振动信号图像无法对桥梁进行监测,需要将运动放大后的前N阶振动信号图像还原成完整的待监测桥梁的振动视频图像,因此,在本实施例中,利用从待监测桥梁的不同频率基带的振动图像中的未进行放大的振动信息图像与经过运动放大后的前N阶振动信号图像进行图像叠加,得到了仅有前N阶振动信号图像被放大了完整的待监测桥梁的重建的振动视频图像。
S6:根据重建的振动视频图像对待监测桥梁进行监测。
由于在待监测桥梁的重建的振动视频图像中,关于待监测桥梁的前N阶振动的图像已经被放大,从原来的不能够被直接观察到的微小振动放大至能够直接被观察到。例如,通过像素模板匹配算法或者亚像素匹配算法提取待监测桥梁的位移时程后根据位移时程确定出桥梁的模态参数来对桥梁进行监测。
综上所述,在本实施例中,将待监测桥梁的振动视频图像分解为不同频率的基带图像后,从不同频率的基带图像分离出待监测桥梁的不同频率基带的振动图像,对待监测桥梁的不同频率基带的振动图像中的前N阶振动信号图像进行运动放大处理,使得在振动视频图像中本来无法直接监测到的微小振动变得可以被监测到,将运动放大后的前N阶振动信号图像和未进行放大的振动信息图像叠加后就得到了前N阶振动信号图像被放大的待监测桥梁的重建的振动视频图像,根据重建的振动视频图像实现了对待监测桥梁的微小振动位移的监测,也即实现了对中小跨径桥梁等振动幅值非常微小的桥梁的监测,且不需要额外设置传感器,降低了成本。
在上述实施例的基础上:
作为一种优选的实施例,将振动视频图像分解为不同频率的基带图像,包括:
利用拉普拉斯金字塔对振动视频图像中每一帧图像进行分解得到基带图像。
图像经过卷积和下采样操作会丢失部分高频细节信息。为描述这些高频信息,人们定义了拉普拉斯金字塔。用高斯金字塔的每一层图像减去其上一层图像上采样并高斯卷积之后的预测图像,得到一系列的差值图像即为拉普拉斯金字塔分解图像,在本实施例中,通过利用拉普拉斯金字塔对振动视频图像中每一帧图像进行分解能够得到不同频率的基带图像。
作为一种优选的实施例,将振动视频图像分解为不同频率的基带图像之前,还包括:
对振动视频图像进行滤波降噪处理和图像增强。
在采集振动视频图像的过程中,常常会因为受到不希望出现的信号的干扰,导致呈现的振动视频图像不清晰从而影响图像质量,这些干扰图像质量的信号叫做图像噪声。例如在低照度下通过相机摄取振动视频图像时,由于光照太暗,造成摄取的振动视频图像往往不会太清晰。通过提高曝光时间和增益能够获得较清晰的图像,但是这样做又会导致图像中出现大量的随机噪声,降低图像的质量和精度。因此,为了降低振动视频图像中的噪声,在本实施例中,将振动视频图像分解为不同频率的基带图像之前,还会先对图像进行滤波降噪处理,例如通过中值滤波算法或双边滤波算法对振动视频图像进行降噪处理,对振动视频图像中的背景和噪声进行抑制。
进一步的,为了增强振动视频图像中的有用信息,如桥梁的振动信号,改善图像的视觉效果、图像质量并丰富信息量,以加强对振动视频图像的判读和识别效果,还会对振动视频图像进行图像增强,例如,通过直方图均衡化或伽马变换或对数Log变换或拉普拉斯算子等图像增强算法来对振动视频图像中的目标区域进行增强,这里的目标区域可以但不限于是技术人员人为划定的与分析桥梁的振动相关的图像区域。
作为一种优选的实施例,根据重建的振动视频图像对待监测桥梁进行监测,包括:
根据重建的振动视频图像确定待监测桥梁的振动位移时程;
根据位移时程确定待监测桥梁的模态参数;
根据待监测桥梁的模态参数对待监测桥梁进行监测。
在本实施例中,由于重建的振动视频图像中的桥梁的前N阶振动信号已经经过了放大,因此能够利用算法,例如像素模板匹配算法或者亚像素模板匹配算法从重建的振动视频图像中确定待检测桥梁的振动位移时程。
具体的,在采用像素模板匹配算法时,首先在重建的振动视频图像中的第一帧图像中根据桥梁的纹理结构选择出目标监测区域作为模板,然后在后续每一帧中确定出与模板的匹配度最高的区域为最佳匹配位置,利用后续每一帧的最佳匹配位置中的像素坐标与第一帧中的模板的像素坐标作差,即可得到后续每一帧中的像素的位移时程,通过全投影矩阵将像素的位移时程转换为物理位移时程,即该像素点在真实世界的位移时程。
还需要说明的是,最佳匹配位置可以通过归一化互相关系数确定,如下式所示:
上述全投影矩阵如下式所示:
作为一种优选的实施例,根据重建的振动视频图像确定待监测桥梁的振动位移时程,包括:
根据重建的振动视频图像利用亚像素模板匹配算法确定待监测桥梁的振动位移时程。
在本实施例中,采用亚像素模板匹配算法确定待监测桥梁的振动位移时程,相比于像素模板匹配算法确定待监测桥梁的振动位移时程,亚像素模板匹配算法能够将振动位移时程精确至更小的数量级,提高了桥梁监测的精度。
作为一种优选的实施例,根据位移时程确定待监测桥梁的模态参数,包括:
根据位移时程利用随机子空间模态参数识别理论确定待监测桥梁的模态参数。
现有技术中常用互功率谱法来确定待监测桥梁的模态参数,但是互功率谱法中在进行峰值选取时,在一些真假峰值的辨别上,对人员的经验要求较高,因此受人为主观因素的影响。另一方面,在实验数据处理过程当中,对一些大型的复杂结构进行分析时,随着频率的靠后结构的模态逐渐趋于密集,这时候用互功率谱法识别时容易造成模态的丢失现象。为了在本申请中,通过随机子空间模态参数识别理论确定待监测桥梁的模态参数,能够直接对桥梁结构的响应数据进行时域处理和分析,运用空间投影的理论将与响应数据不相关的噪声信号剔除,具有较好的抗噪声扰动的能力,同时由于在计算系统的最小实现时运用了整体拟合的方法,对模态密集的系统的识别比较有效。能够比较准确的识别桥梁的模态参数,具有理论严密、算法清楚,便于计算机软件实现的优点。
作为一种优选的实施例,待监测桥梁的模态参数包括待监测桥梁的模态频率、模态振型和阻尼比;
根据待监测桥梁的模态参数对待监测桥梁进行监测,包括:
当模态频率变化率大于模态频率变化率阈值或模态振型变化率大于模态振型变化率阈值或阻尼比变化率大于阻尼比变化率阈值,向用户发出告警。
为了在桥梁的模态参数出现异常时及时的向用户发出告警,以便技术人员及时的对桥梁出现的异常进行排查,为桥梁的维护维修和及管理决策提供依据和指导,在本实施例中,设置了模态频率变化率阈值、模态振型变化率阈值及阻尼比变化率阈值,在桥梁的模态频率变化率或模态振型变化率或阻尼比变化率超出对应的阈值后,向用户发出告警。
作为一种优选的实施例,将不同频率的基带图像分离为待监测桥梁的不同频率基带的振动图像和噪声与背景图像,包括:
对不同频率的基带图像进行主成分分析,将不同频率的基带图像分离为待监测桥梁的不同频率基带的振动图像和噪声与背景图像。
主成分分析是一种线性降维方法,它的目标是通过线性投影,将高维的数据映射到低维的空间中,并期望在所投影的维度上数据的信息量最大(方差最大),以此使用较少的数据维度,同时保留住较多的原数据点的特性。在本申请中,对桥梁的前N阶振动信号图像进行放大时用到的运动放大算法主要是处理场景相对固定的视频图像,因此,待处理的振动视频图像中除了前景目标的位置存在较小运动外,背景及其它均几乎不变。这就为利用主成分分析方法进行微小振动的选择提供了基本条件,若将不同频率的基带图像的每一帧图像作为一个样本时,其不同频率的基带图像中的前N阶振动信号图像对应的部分正是对应样本协方差矩阵方差较大,而噪声和背景部分的图像对应的协方差矩阵方差较小,因此,将桥梁的振动信号作为主要成分,视频的背景和噪声作为非主要成分,就可以将桥梁的振动信号与视频的背景和噪声进行分离。
具体的,在利用主成分分析将不同频率的基带图像分离为待监测桥梁的前N阶振动信号图像和噪声与背景图像时,将不同频率的基带图像的每一帧作为一个样本,假设不同频率的基带图像共有J帧,每一帧基带图像用来表示,其中P表示图像的像素点的个数。先对不同频率的基带图像的每一帧进行中心化处理以实现对不同频率的基带图像的零均值化处理,然后计算基带图像的协方差矩阵,求出协方差矩阵的J个特征向量和J个特征值。将J个特征向量对应的特征值从大到小排列后,取前N个特征向量组成重建矩阵并将不同频率的基带图像降为N维,利用重建矩阵对降为N维后的基带图像进行重建,即可将桥梁的前N阶振动信号与视频的背景和噪声进行分离。
综上所述,在本实施例中,利用主成分分析实现了桥梁的微小振动信号图像和与噪声和背景图像的分离,无需人工选择需要的基带图像的频率的上下限就能够得到桥梁的前N阶振动信号图像。
请参照图2,图2为本发明提供的一种桥梁监测系统的结构示意图。
本发明还提供了一种桥梁监测系统,包括:
视频图像获取单元21,用于获取待监测桥梁的振动视频图像;
基带图像分解单元22,用于将振动视频图像分解为不同频率的基带图像;
振动信号分离单元23,用于将不同频率的基带图像分离为待监测桥梁的不同频率基带的振动图像和噪声与背景图像;
运动放大单元24,用于不同频率基带的振动图像对前N阶振动信号图像进行运动放大处理,N为不小于1的整数;
振动视频图像重建单元25,用于将不同频率基带的振动图像中运动放大后的N阶振动信号图像和未进行放大的振动信号图像叠加后得到待监测桥梁的重建的振动视频图像;
桥梁监测单元26,用于根据重建的振动视频图像对待监测桥梁进行监测。
关于该桥梁监测系统的相关介绍请参照上述实施例,本申请在此不再赘述。
请参照图3,图3为本发明提供的一种桥梁监测装置的结构示意图。
本发明还提供了一种桥梁监测装置,包括:
存储器31,用于存储计算机程序;
处理器32,用于执行计算机程序时实现如上述基于微小振动放大技术的桥梁监测方法的步骤。
关于该桥梁监测装置的相关介绍请参照上述实施例,本申请在此不再赘述。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
还需要说明的是,在本说明书中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下,在其他实施例中实现。因此,本发明将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (10)
1.一种基于微小振动放大技术的桥梁监测方法,其特征在于,包括:
获取待监测桥梁的振动视频图像;
将所述振动视频图像分解为不同频率的基带图像;
将所述不同频率的基带图像分离为所述待监测桥梁的不同频率基带的振动图像和噪声与背景图像;
对所述不同频率基带的振动图像中的前N阶振动信号图像分别进行运动放大处理,N为不小于1的整数;
将所述不同频率基带的振动图像中运动放大后的前N阶振动信号图像和所述不同频率基带的振动图像中的未进行放大的振动信号图像叠加后得到所述待监测桥梁的重建的振动视频图像;
根据所述重建的振动视频图像对所述待监测桥梁进行监测。
2.如权利要求1所述的基于微小振动放大技术的桥梁监测方法,其特征在于,将所述振动视频图像分解为不同频率的基带图像,包括:
利用拉普拉斯金字塔对所述振动视频图像中每一帧图像进行分解得到所述基带图像。
3.如权利要求1所述的基于微小振动放大技术的桥梁监测方法,其特征在于,将所述振动视频图像分解为不同频率的基带图像之前,还包括:
对所述振动视频图像进行滤波降噪处理和图像增强。
4.如权利要求1所述的基于微小振动放大技术的桥梁监测方法,其特征在于,根据所述重建的振动视频图像对所述待监测桥梁进行监测,包括:
根据所述重建的振动视频图像确定所述待监测桥梁的振动位移时程;
根据所述位移时程确定所述待监测桥梁的模态参数;
根据所述待监测桥梁的模态参数对所述待监测桥梁进行监测。
5.如权利要求4所述的基于微小振动放大技术的桥梁监测方法,其特征在于,根据所述重建的振动视频图像确定所述待监测桥梁的振动位移时程,包括:
根据所述重建的振动视频图像利用亚像素模板匹配算法确定所述待监测桥梁的振动位移时程。
6.如权利要求4所述的基于微小振动放大技术的桥梁监测方法,其特征在于,根据所述位移时程确定所述待监测桥梁的模态参数,包括:
根据所述位移时程利用随机子空间模态参数识别理论确定所述待监测桥梁的模态参数。
7.如权利要求4所述的基于微小振动放大技术的桥梁监测方法,其特征在于,所述待监测桥梁的模态参数包括所述待监测桥梁的模态频率、模态振型和阻尼比;
根据所述待监测桥梁的模态参数对所述待监测桥梁进行监测,包括:
当所述模态频率变化率大于模态频率变化率阈值或所述模态振型变化率大于模态振型变化率阈值或所述阻尼比变化率大于阻尼比变化率阈值,向用户发出告警。
8.如权利要求1至7任一项所述的基于微小振动放大技术的桥梁监测方法,其特征在于,将所述不同频率的基带图像分离为所述待监测桥梁的不同频率基带的振动图像和噪声与背景图像,包括:
对所述不同频率的基带图像进行主成分分析,将所述不同频率的基带图像分离为所述待监测桥梁的不同频率基带的振动图像和噪声与背景图像。
9.一种桥梁监测系统,其特征在于,包括:
视频图像获取单元,用于获取待监测桥梁的振动视频图像;
基带图像分解单元,用于将所述振动视频图像分解为不同频率的基带图像;
振动信号分离单元,用于将所述不同频率的基带图像分离为所述待监测桥梁的不同频率基带的振动图像和噪声与背景图像;
运动放大单元,用于对所述不同频率基带的振动图像中的前N阶振动信号图像分别进行运动放大处理,N为不小于1的整数;
振动视频图像重建单元,用于将所述不同频率基带的振动图像中运动放大后的前N阶振动信号图像和所述不同频率基带的振动图像中的未进行放大的振动信号图像叠加后得到所述待监测桥梁的重建的振动视频图像;
桥梁监测单元,用于根据所述重建的振动视频图像对所述待监测桥梁进行监测。
10.一种桥梁监测装置,其特征在于,包括:
存储器,用于存储计算机程序;
处理器,用于执行所述计算机程序时实现如权利要求1至8任一项所述基于微小振动放大技术的桥梁监测方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210432849.0A CN114528887A (zh) | 2022-04-24 | 2022-04-24 | 基于微小振动放大技术的桥梁监测方法、系统及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210432849.0A CN114528887A (zh) | 2022-04-24 | 2022-04-24 | 基于微小振动放大技术的桥梁监测方法、系统及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114528887A true CN114528887A (zh) | 2022-05-24 |
Family
ID=81627934
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210432849.0A Pending CN114528887A (zh) | 2022-04-24 | 2022-04-24 | 基于微小振动放大技术的桥梁监测方法、系统及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114528887A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114993452A (zh) * | 2022-07-14 | 2022-09-02 | 湖南大学 | 基于宽带相位运动放大的结构微小振动测量方法与系统 |
CN115078393A (zh) * | 2022-08-23 | 2022-09-20 | 兰州交通大学 | 基于计算机视觉的简支空心板桥铰接缝损伤检测方法 |
CN117516388A (zh) * | 2024-01-08 | 2024-02-06 | 深圳市城市公共安全技术研究院有限公司 | 建筑结构的位移感测装置、位移感测方法及存储介质 |
CN117576091A (zh) * | 2024-01-15 | 2024-02-20 | 深圳昱拓智能有限公司 | 一种基于视频检测的冷却塔风机振动检测方法及系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105424057A (zh) * | 2015-10-30 | 2016-03-23 | 东南大学 | 一种基于改进lmd的光纤陀螺振动信号分析方法 |
CN110823358A (zh) * | 2019-11-08 | 2020-02-21 | 重庆邮电大学 | 一种基于视觉处理的建筑振动位移测量方法 |
CN113791140A (zh) * | 2021-11-18 | 2021-12-14 | 湖南大学 | 基于局部振动响应的桥梁梁底内部无损检测方法和系统 |
CN114187330A (zh) * | 2021-11-19 | 2022-03-15 | 中山大学 | 一种基于光流法的结构微幅振动工作模态分析方法 |
-
2022
- 2022-04-24 CN CN202210432849.0A patent/CN114528887A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105424057A (zh) * | 2015-10-30 | 2016-03-23 | 东南大学 | 一种基于改进lmd的光纤陀螺振动信号分析方法 |
CN110823358A (zh) * | 2019-11-08 | 2020-02-21 | 重庆邮电大学 | 一种基于视觉处理的建筑振动位移测量方法 |
CN113791140A (zh) * | 2021-11-18 | 2021-12-14 | 湖南大学 | 基于局部振动响应的桥梁梁底内部无损检测方法和系统 |
CN114187330A (zh) * | 2021-11-19 | 2022-03-15 | 中山大学 | 一种基于光流法的结构微幅振动工作模态分析方法 |
Non-Patent Citations (3)
Title |
---|
郑伟 等: "图像位移检测中的一种亚像素快速匹配算法", 《山东大学学报(工学报)》 * |
陆阿明 等: "数字滤波法", 《人体运动动作测量与分析实践指导》 * |
陈韬伟: "主成分分析", 《雷达辐射源信号脉内分选方法研究》 * |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114993452A (zh) * | 2022-07-14 | 2022-09-02 | 湖南大学 | 基于宽带相位运动放大的结构微小振动测量方法与系统 |
CN114993452B (zh) * | 2022-07-14 | 2023-03-24 | 湖南大学 | 基于宽带相位运动放大的结构微小振动测量方法与系统 |
CN115078393A (zh) * | 2022-08-23 | 2022-09-20 | 兰州交通大学 | 基于计算机视觉的简支空心板桥铰接缝损伤检测方法 |
CN115078393B (zh) * | 2022-08-23 | 2022-11-04 | 兰州交通大学 | 基于计算机视觉的简支空心板桥铰接缝损伤检测方法 |
CN117516388A (zh) * | 2024-01-08 | 2024-02-06 | 深圳市城市公共安全技术研究院有限公司 | 建筑结构的位移感测装置、位移感测方法及存储介质 |
CN117516388B (zh) * | 2024-01-08 | 2024-03-12 | 深圳市城市公共安全技术研究院有限公司 | 建筑结构的位移感测装置、位移感测方法及存储介质 |
CN117576091A (zh) * | 2024-01-15 | 2024-02-20 | 深圳昱拓智能有限公司 | 一种基于视频检测的冷却塔风机振动检测方法及系统 |
CN117576091B (zh) * | 2024-01-15 | 2024-04-09 | 深圳昱拓智能有限公司 | 一种基于视频检测的冷却塔风机振动检测方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114528887A (zh) | 基于微小振动放大技术的桥梁监测方法、系统及装置 | |
CN108090886B (zh) | 一种高动态范围红外图像的显示与细节增强方法 | |
US20200118251A1 (en) | Moran's i for impulse noise detection and removal in color images | |
CN110084127B (zh) | 一种基于视觉的磁悬浮转子振动测量方法 | |
US20030219172A1 (en) | Method and system for estimating sharpness metrics based on local edge kurtosis | |
CN108564002B (zh) | 一种遥感影像时间序列变化检测方法及系统 | |
JP4764487B2 (ja) | 映像監視システム | |
CN109377457B (zh) | 药丸包衣图像处理方法、装置、计算机设备和存储介质 | |
JP2009180583A (ja) | ディスプレイの輝度ムラ評価方法および装置 | |
CN114092355A (zh) | 自适应红外图像对比度增强方法及装置 | |
CN111242910B (zh) | 基于张量分解的高光谱遥感影像由粗到精异常检测方法 | |
CN115797473A (zh) | 一种土建工程用混凝土成型评估方法 | |
CN116295790B (zh) | 基于桥梁拉索特征区域帧间相位差的频率检测方法及系统 | |
Prajapati et al. | Evaluation of perceptual contrast and sharpness measures for meteorological satellite images | |
CN116092198B (zh) | 一种矿用安全帽识别检测方法、装置、设备及介质 | |
CN110378271B (zh) | 一种基于质量维度评估参量的步态识别设备筛选方法 | |
CN114724000B (zh) | 一种屏拍图摩尔纹的处理方法、处理装置及处理设备 | |
CN106846262A (zh) | 去除蚊式噪声的方法及系统 | |
JP2014186497A (ja) | 画像解析装置、画像解析方法および画像解析プログラム | |
WO2017221376A1 (ja) | 画像処理装置、画像処理方法および画像処理プログラム | |
Miljanovic et al. | Detection of windows in facades using image processing algorithms | |
AKINTOYE et al. | COMPOSITE MEDIAN WIENER FILTER BASED TECHNIQUE FOR IMAGE ENHANCEMENT. | |
Zhang et al. | An adaptive infrared image preprocessing method based on background complexity descriptors | |
CN113361444B (zh) | 一种图像处理方法、装置、电子设备及存储介质 | |
CN117596487B (zh) | 相机扰动自矫正方法、装置、设备及存储介质 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20220524 |