[发明专利]一种基于计算机视觉的户外结构振动位移自动化监测方法

权利要求书

1.一种基于计算机视觉的户外结构振动位移自动化监测方法，其特征在于：所述户外结构振动位移自动化监测方法包括：

(1)选定作为监测目标的标记物，并预先准备1000-5000张此标记物的图像训练卷积神经元网络CNN得到网络权重；预先准备300-500对清晰的标记物图像和模糊部分损坏的同一标记物图像训练生成对抗网络GAN，得到网络的权重；

(2)在户外安置相机，确保相机稳固且能够捕捉被监测结构物的振动研究平面及其上的标记物；

(3)选用9×12的黑白相间棋盘形标定板，在目标点运动平面附近摆放15种以上不同位置不同方向的姿态，需要确保其中一种姿态的标定板平行于目标点运动平面，且标定板的两边分别平行于实际空间坐标系下定义的X轴和Y轴，用安置好的相机采集每种姿态下的标定板图像，并保证所有姿态的标定板均处于相机所摄图像范围之内；

(4)求解同一目标在相机所采集图像中的像素坐标和实际空间坐标之间的比例系数s和坐标转换矩阵P：

sm＝PM (1)

式中：s为比例系数；P为坐标转换矩阵；m为目标点在像素坐标系下的齐次坐标；M为目标点在实际空间坐标系下的齐次坐标；利用采集到的不同姿态下的标定板图像，通过张正友相机标定方法可以求得相机参数s和P；

(5)在户外结构物上目标点处粘贴标记物，采集结构物初始状态的图像，使用卷积神经元网络CNN识别得到特征区域，并记作A；

(6)假设图像上一点的像素坐标为(x，y)，在特征区域A中运用Harris角点识别方法识别目标点的初始像素坐标，得到的初始像素坐标记为(x₀，y₀)；根据初始像素坐标及周围像素的灰度梯度关系利用最小二乘法拟合求解目标点的亚像素坐标，记作(x_s0，y_s0)；

(7)设置相机采样频率，开始监测，并通过相机采集每一时刻的目标图像；

(8)确定目标点所在的特征区域A在t时刻图像上的位置；用一个大小与A相同的搜寻框，逐像素在t时刻图像上移动，建立每一位置搜寻区域与A之间的归一化相关函数c(x，y)，直到搜寻框遍历t时刻图像所有区域：

式中：m，n分别为特征区域A的像素长度和宽度；f(i，j)为初始时刻图像特征区域A中(i，j)处的像素值；为初始时刻图像特征区域A的平均像素值；r_t(i+x，j+y)为t时刻图像上(i+x，j+y)处的像素值；为t时刻图像上搜寻框的平均像素值；

在t时刻图像上，归一化相关函数c取值最大时所对应的搜寻框包含的区域，即为A的最佳匹配区域；当c的最大值大于等于0.75时，将该搜寻框记为t时刻的特征区域A_t；当c的最大值小于0.75时，使用卷积神经元网络CNN自动识别特征区域A_t；

(9)在A_t中运用Harris角点识别方法识别目标点的t时刻像素坐标，记为(x_t，y_t)；根据此坐标及周围像素的梯度关系利用最小二乘法拟合求解目标点的t时刻亚像素坐标，记作(x_st，y_st)；若无法正确在A_t靠中心位置识别出目标点，则使用对抗网络GAN进行去模糊处理，得到去模糊后的t时刻特征区域图像D_t，再在D_t中求解目标点的t时刻亚像素坐标；

(10)根据步骤(4)求得的比例系数s和坐标转换矩阵P，利用公式(3)求解目标点在初始时刻和t时刻的实际空间坐标：

M＝sP^-1m (3)

假设初始时刻目标在实际空间坐标系下的坐标为M₀，t时刻目标在实际空间坐标系下的坐标为M_t，则t时刻目标的实际位移为M_t-M₀；

(11)重复步骤(8)～(10)直至完成所有时刻目标实际位移计算，得到目标位移-时间关系曲线。