朱前坤，崔德鵬，杜永峰

(1. 蘭州理工大學(xué)防震減災(zāi)研究所，甘肅，蘭州 730050；2. 蘭州理工大學(xué)甘肅省減震隔震國際合作研究基地，甘肅，蘭州 730050)

在近20 年來，結(jié)構(gòu)健康檢測已經(jīng)成為土木工程領(lǐng)域熱門的研究方向，在研究和實(shí)踐中獲得了高度關(guān)注[1-2]。橋梁撓度是結(jié)構(gòu)健康監(jiān)測的重要內(nèi)容之一，其反應(yīng)了橋梁的受力和安全狀態(tài)[3]。目前，橋梁撓度識別大致分為兩類：一類為接觸式測量系統(tǒng)；另一類為非接觸式測量系統(tǒng)[3]。隨著計(jì)算機(jī)技術(shù)及計(jì)算機(jī)視覺的快速發(fā)展，新興的計(jì)算機(jī)視覺測量技術(shù)因其非接觸、遠(yuǎn)距離和低成本的巨大優(yōu)勢而受到國內(nèi)外廣大研究人員的關(guān)注。Khuc 等[4]基于常規(guī)攝像機(jī)和計(jì)算機(jī)視覺技術(shù)新開發(fā)的完全非接觸式結(jié)構(gòu)健康監(jiān)測系統(tǒng)框架，通過利用成像關(guān)鍵點(diǎn)作為虛擬目標(biāo)和使用改進(jìn)的檢測和匹配關(guān)鍵點(diǎn)算法來獲取結(jié)構(gòu)的撓度和振動(dòng)。Shrestha 等[5]研究開發(fā)了一種基于智能設(shè)備的橋梁撓度監(jiān)測系統(tǒng)，通過圖像傳感器捕獲圖像，經(jīng)實(shí)時(shí)處理以獲得橋梁的特征響應(yīng)撓度。Hoskere 等[6]以無人機(jī)作為拍攝設(shè)備，提出一種新的基于視覺的數(shù)據(jù)提取通道，通過分治策略以無人機(jī)一次勘測結(jié)構(gòu)的一部分獲得結(jié)構(gòu)振動(dòng)的視頻，從而得到全尺寸結(jié)構(gòu)的模態(tài)特性。Artese 等[7]利用數(shù)碼相機(jī)和激光指示器，通過分析高清視頻中投射在平面目標(biāo)上的激光束印記的來獲得橋梁任意點(diǎn)的位移。Lydon 等[8]借助改進(jìn)的運(yùn)動(dòng)相機(jī)和變焦鏡配合特征匹配算法得到荷載下結(jié)構(gòu)的精度位移變化。

以上研究成果已經(jīng)推動(dòng)了計(jì)算機(jī)視覺在土木鄰域的發(fā)展，但計(jì)算機(jī)視覺在健康監(jiān)測中的應(yīng)用效率和可靠性仍然處于落后位置，對發(fā)展實(shí)時(shí)監(jiān)測的研究還尚不完善。國內(nèi)外研究實(shí)時(shí)監(jiān)測的采集設(shè)備主要以工業(yè)相機(jī)和便攜式相機(jī)為主，多數(shù)僅做了短期的實(shí)時(shí)在線監(jiān)測，過程繁瑣、成本高昂，而網(wǎng)絡(luò)攝像機(jī)可解決傳統(tǒng)系統(tǒng)的缺點(diǎn)，作為一種普及應(yīng)用已久的設(shè)備，有利于讓監(jiān)測數(shù)據(jù)與云端相連，加快結(jié)構(gòu)健康事業(yè)的發(fā)展和向社會(huì)普及結(jié)構(gòu)健康監(jiān)測。國內(nèi)外以網(wǎng)絡(luò)攝像機(jī)作為采集設(shè)備的系統(tǒng)研究還尚未有人涉足[9-10]。

橋梁撓度識別的算法隨著計(jì)算機(jī)的發(fā)展而不斷改進(jìn)，其主要有可以全局搜索的基于數(shù)字圖像相關(guān)的模板匹配[11]和適用于無人工標(biāo)志物的特征點(diǎn)匹配[12]，以及適用于高分辨率監(jiān)測結(jié)構(gòu)全場位移的稀疏光流[13]等。可滿足網(wǎng)絡(luò)攝像機(jī)監(jiān)測條件的算法以模板匹配和幾何匹配為主，但達(dá)到的精度無法進(jìn)行工程實(shí)踐[9,10,14]。

目前常用的模板匹配核心算法是匹配歸一化互相關(guān)法(NCC)，通過預(yù)先在圖像中截取含有追蹤目標(biāo)的子圖像，即模板，然后再在序列幀中做全局搜索，尋找每一個(gè)可能的位置。另外，土木工程領(lǐng)域的幾何匹配是基于幾何形狀特征的模板完成目標(biāo)識別和追蹤。幾何匹配的基本原理是對每幀圖像進(jìn)行邊緣處理或者定位點(diǎn)提取，找出幾何形心，通過對比各幀中幾何形心的位置變化完成追蹤[15]。這兩種傳統(tǒng)算法的不足是計(jì)算時(shí)間較長，環(huán)境適應(yīng)差，精度低，并不適用于全天候?qū)崟r(shí)計(jì)算[10,14]。

針對以上存在的問題，本文建立了一種基于網(wǎng)絡(luò)攝像機(jī)的橋梁撓度識別系統(tǒng)。系統(tǒng)針對網(wǎng)絡(luò)攝像機(jī)的特點(diǎn)搭載了兩種識別算法。兩種算法通過改進(jìn)模板匹配和幾何匹配算法克服了網(wǎng)絡(luò)攝像機(jī)像素差、易被干擾的缺點(diǎn)，提高了系統(tǒng)監(jiān)測的魯棒性。系統(tǒng)通過精準(zhǔn)安裝識別在橋梁表面可以主動(dòng)發(fā)光的LED 光源實(shí)現(xiàn)對目標(biāo)的跟蹤識別，實(shí)時(shí)獲取橋梁的撓度時(shí)程信息。

1 系統(tǒng)組成

系統(tǒng)由LED 標(biāo)志物、網(wǎng)絡(luò)攝像機(jī)、計(jì)算機(jī)及系統(tǒng)識別算法組成，系統(tǒng)識別算法由通過改進(jìn)的模板匹配即基于HSV 的快速模板匹配和改進(jìn)的幾何匹配即基于顏色追蹤的幾何匹配組成，通過在橋梁表面安裝LED 光源作為標(biāo)志物，利用網(wǎng)絡(luò)攝像機(jī)實(shí)時(shí)無線傳輸畫面進(jìn)入計(jì)算機(jī)，進(jìn)而利用系統(tǒng)識別算法獲取分析橋梁撓度時(shí)程信息，系統(tǒng)示意圖如圖1 所示。

圖1 系統(tǒng)示意圖Fig. 1 System diagram

1.1 標(biāo)志物

目前，常見的計(jì)算機(jī)視覺識別標(biāo)志物類型有平面板帶規(guī)則圖案[16]、平面板帶不規(guī)則圖案[17]、自然標(biāo)志[18]、人工光源等[19-20]，其中人工光源表現(xiàn)出來的抗干擾能力顯著優(yōu)于其它標(biāo)志物，適合長期實(shí)時(shí)監(jiān)測。故本文采用了主動(dòng)發(fā)光的LED 圓形紅色光源，其具備較長的波長，空氣穿透能力明顯，能消除光線變化帶來的部分影響，配合本文系統(tǒng)識別算法可達(dá)到最優(yōu)的監(jiān)測效果。

1.2 網(wǎng)絡(luò)攝像機(jī)

網(wǎng)絡(luò)攝像機(jī)是集成了音視頻采集、網(wǎng)絡(luò)傳輸、移動(dòng)偵測報(bào)警等多功能于一體的數(shù)字監(jiān)控產(chǎn)品，其網(wǎng)絡(luò)連接方式有兩種：一種為有線網(wǎng)絡(luò)連接，通過網(wǎng)線或交換機(jī)與計(jì)算機(jī)連接；另一種為無線網(wǎng)絡(luò)連接，通過無線點(diǎn)對點(diǎn)或無線交換機(jī)與計(jì)算機(jī)連接。為簡化系統(tǒng)，本文采用無線網(wǎng)絡(luò)連接的方式。目前，常見的是民用網(wǎng)絡(luò)攝像機(jī)，像素普遍較低，支持低倍光學(xué)變焦和自動(dòng)對焦，最大可視距離集中在30 m 內(nèi)，少數(shù)可搭載變焦鏡頭。為應(yīng)對復(fù)雜工況，本文系統(tǒng)所用網(wǎng)絡(luò)攝像機(jī)采用了可搭載高倍變焦鏡頭的網(wǎng)絡(luò)攝像機(jī)。

1.3 系統(tǒng)識別算法

本文針對網(wǎng)絡(luò)攝像機(jī)開發(fā)了兩種系統(tǒng)識別算法，分別是基于HSV 的快速模板匹配(HSV—色調(diào)(Hue)、飽和度(Saturation)、亮度值(Value)和基于顏色追蹤的幾何匹配，配合LED 光源可進(jìn)行長期實(shí)時(shí)監(jiān)測。兩種算法的優(yōu)勢不同，前者適合遠(yuǎn)程識別監(jiān)測，后者更擅長近距離識別監(jiān)測，系統(tǒng)可根據(jù)實(shí)際監(jiān)測需求選擇合適的算法。

系統(tǒng)為應(yīng)對室外不可避免的風(fēng)振和空氣擾流，可通過機(jī)械穩(wěn)定、光學(xué)穩(wěn)定、數(shù)字穩(wěn)定的方式減小影響，其中前兩種為外在可控因素，系統(tǒng)通過數(shù)字穩(wěn)定對采集視頻進(jìn)行預(yù)處理，包括運(yùn)動(dòng)估計(jì)、濾波平滑以及圖像合成。利用特征點(diǎn)匹配和亞像素互相關(guān)技術(shù)消除攝像機(jī)的隨機(jī)抖動(dòng)帶來的運(yùn)動(dòng)噪聲[21]。

1.3.1 基于HSV 的快速模板匹配

系統(tǒng)基于HSV 的快速模板匹配不僅能夠?qū)崿F(xiàn)快速精準(zhǔn)匹配并達(dá)到亞像素級，而且對圖像灰度依賴較小，有較強(qiáng)的環(huán)境抗干擾能力，其算法流程如圖2 所示，采用基于頻域的相位相關(guān)匹配算法，將圖像預(yù)處理后在離線閾值顏色表中查出對應(yīng)HSV 閾值，再進(jìn)行圖像二值化，分離出追蹤目標(biāo)。在截取到追蹤目標(biāo)后定為模板，在頻域里得到模板和序列幀的互功率譜，再對互功率譜做IFFT 變換得到一個(gè)狄拉克函數(shù)(脈沖函數(shù))，然后尋找該狄拉克函數(shù)的峰值坐標(biāo)，即可得到偏移量[22-23]，主要理論如下：

圖2 基于HSV 的快速模板匹配算法流程Fig. 2 Fast template matching algorithm flow based on HSV

將f(x,y)和g(x,y)分別設(shè)定為序列幀和模板的圖像信號，其中g(shù)(x,y) 是由f(x,y) 平移得到，平移距離為 (dx,dy)，即：

為將精度提高到亞像素級，還需要做進(jìn)一步的優(yōu)化，系統(tǒng)采用相關(guān)系數(shù)曲線擬合的方式提高計(jì)算效率和精度，取出 δ函數(shù)峰值區(qū)域局部離散相關(guān)系數(shù)矩陣(通常為 (2m+1)×(2m+1)個(gè)離散點(diǎn)的正方形窗口，系統(tǒng)采用 3×3的矩陣)，利用最小二乘法擬合相關(guān)曲線逼近真實(shí)值[24-25]，如圖3 所示，其原理如下：

圖3 擬合流程Fig. 3 Fitting process

1.3.2 基于顏色追蹤的幾何匹配

本文改進(jìn)的基于顏色追蹤的幾何匹配，其算法流程如圖4 所示，不僅能夠縮小搜索范圍，實(shí)現(xiàn)快速精準(zhǔn)識別目標(biāo)，且對尺度變換、非均勻光照變化、邊緣軟化都不敏感，可以有效應(yīng)對遮擋，具備一定的抗干擾能力。其采用離線HSV 圖像獲取在不同工況下的目標(biāo)顏色閾值分割顏色表，將序列幀按梯度信息進(jìn)行灰度處理，對起始圖像四個(gè)邊角各取4 個(gè)點(diǎn)計(jì)算灰度平均值，在離線閾值分割顏色表中查出對應(yīng)的HSV 的閾值后將圖像二值化處理。在二值圖像中將目標(biāo)顏色設(shè)定為cvCamShift 追蹤的目標(biāo)，并通過ROI 畫出目標(biāo)區(qū)域。將識別出的目標(biāo)區(qū)域進(jìn)行閾值處理、開運(yùn)算(腐蝕、膨脹)后進(jìn)行邊緣檢測出需要匹配的形狀，即把檢測出的形狀作為模板匹配序列幀，輸出模板的中心坐標(biāo)，此時(shí)輸出的是整數(shù)像素，需與基于HSV 的模板匹配精度優(yōu)化方式相同，進(jìn)行曲線擬合、尺度轉(zhuǎn)換后才可得到物理撓度大小。主要理論[28-29]如下：

圖4 基于顏色追蹤的幾何匹配算法流程Fig. 4 The geometric matching algorithm flow based on color tracing

采用Canny 函數(shù)進(jìn)行對ROI 區(qū)域進(jìn)行邊緣檢測，即：

然后，可以得到濾波圖像后的梯度，即：

式中，U為匹配目標(biāo)質(zhì)心A與B距離的最大值。除了考慮距離外，圖形大小、圖像形狀相似度亦是重要指標(biāo)。

1.4 系統(tǒng)操作步驟

在系統(tǒng)操作過程中，根據(jù)實(shí)際工程概況選擇合適的監(jiān)測方式，本文系統(tǒng)根據(jù)網(wǎng)絡(luò)攝像機(jī)的功能和各系統(tǒng)識別算法的優(yōu)勢將目標(biāo)監(jiān)測距離大于30 m 的項(xiàng)目流入通道一，小于30 m 的項(xiàng)目流入通道二。系統(tǒng)利用計(jì)算機(jī)實(shí)時(shí)顯示和保存數(shù)據(jù)，根據(jù)各橋梁設(shè)計(jì)規(guī)范和使用要求設(shè)定橋梁撓度閾值，一旦監(jiān)測數(shù)據(jù)超過閾值會(huì)觸發(fā)系統(tǒng)報(bào)警與網(wǎng)絡(luò)攝像機(jī)預(yù)報(bào)警信號，系統(tǒng)操作步驟如圖5所示。

圖5 系統(tǒng)操作步驟Fig. 5 System operation steps

2 模型試驗(yàn)與數(shù)據(jù)分析

2.1 試驗(yàn)設(shè)計(jì)

試驗(yàn)所用的模型是一座長10 m，寬1.6 m 的人行橋[30]。試驗(yàn)器材有激光位移傳感器(HGC1030)、激振器(APS400 電子激振器)、網(wǎng)絡(luò)攝像機(jī)(JM-W5022Q)、計(jì)算機(jī)、LED 光源。網(wǎng)絡(luò)攝像機(jī)的幀率為30 Hz，實(shí)際幀率受到網(wǎng)絡(luò)傳輸速度的制約，目前采用的是4 G 網(wǎng)，現(xiàn)場實(shí)時(shí)傳輸速度在每秒5 M 左右，已經(jīng)滿足需求。網(wǎng)絡(luò)攝像機(jī)錄制的視頻為 2560×1960像素，由于實(shí)驗(yàn)室距離較近無需配備變焦鏡頭。LED 光源的功率為10 W，直徑為50 mm。人行橋的第一階自振頻率為4.0 Hz，為能夠達(dá)到較好的試驗(yàn)效果，激振器輸入頻率為4.0 Hz，幅值為6VPP。激光位移傳感器的量程為30 mm，精度為0.03 mm，采樣頻率與網(wǎng)絡(luò)攝像機(jī)同步。整個(gè)試驗(yàn)平臺如圖6 所示。

圖6 試驗(yàn)平臺Fig. 6 Test platform

整個(gè)試驗(yàn)為了更好的模擬全天候復(fù)雜情況，設(shè)定在四種工況下進(jìn)行了模型試驗(yàn)如表1 所示。圖7 加霧模擬展示了白天加霧以及夜間加霧的工況。

表1 試驗(yàn)工況Table 1 Test conditions

圖7 加霧模擬Fig. 7 Add the fog simulation

由于在實(shí)驗(yàn)室相機(jī)擺放位置與標(biāo)志物位置處于同一水平線上，無需對相機(jī)進(jìn)行標(biāo)定。本文兩種算法識別得到的每種工況下的撓度與HGC1030 作對比求出誤差。實(shí)驗(yàn)誤差均以歸一化均方根誤差計(jì)算算法來衡量，具體公式如下：

2.2 數(shù)據(jù)分析

試驗(yàn)過程計(jì)算是在Intel Core i7-10710，CPU1.6 GHz 和內(nèi)存為16 GB 的計(jì)算機(jī)上。實(shí)時(shí)計(jì)算撓度的速度不僅與算法、圖像大小有關(guān)也與計(jì)算機(jī)的性能有很大的聯(lián)系，試驗(yàn)采集視頻都經(jīng)系統(tǒng)預(yù)處理過濾。圖8 展示了兩種系統(tǒng)算法二值化后在計(jì)算機(jī)中呈現(xiàn)的圖像，可有效的過濾背景，實(shí)現(xiàn)復(fù)雜環(huán)境下的橋梁撓度識別。

圖8 系統(tǒng)算法二值圖像Fig. 8 Binary image of system algorithm

基于網(wǎng)絡(luò)攝像機(jī)的兩種系統(tǒng)識別算法識別結(jié)果與HG-C1030 的測量結(jié)果在四種不同的工況下形狀、趨勢和峰值點(diǎn)基本一致，由于篇幅有限僅展示了工況1 和工況2 的識別結(jié)果，如圖9 所示。通過位移相應(yīng)計(jì)算得到人行橋跨中自振頻率，如圖9 中頻譜分析結(jié)果所示。試驗(yàn)結(jié)果對比可以看出，本文提出的兩種非接觸式識別算法在橋梁撓度識別上的精度較高，特別在夜間環(huán)境下，處于環(huán)境條件較好的情況，主動(dòng)發(fā)光的LED圓形紅色光源提高了標(biāo)志物的識別度，能讓攝像機(jī)機(jī)迅速捕捉目標(biāo)，由此兩種算法在夜間的識別精度最高。當(dāng)環(huán)境加入霧氣干擾后，識別精度有所下降，出現(xiàn)部分峰值不吻合的情況，基于顏色追蹤的幾何匹配，由于算法對顏色敏感，識別顏色的能力較強(qiáng)，受到霧氣的干擾較小，但是兩種算法誤差都未超過0.7%，滿足工程實(shí)際要求。

圖9 工況1 與工況2 下的撓度時(shí)程和頻譜Fig. 9 Deflection time history and spectrum under working conditions 1 and 2

從圖9 可以得出基于網(wǎng)絡(luò)攝像機(jī)系統(tǒng)識別算法與HG-C1030 對比的撓度測量誤差，如表2 所示?；贖SV 的快速模板匹配在工況3 下的識別誤差最小僅有0.53%，在工況2 下的識別誤差為0.62%?；陬伾粉櫟膸缀纹ヅ湓诠r3 和工況4 下的識別誤差都小于0.60%，在工況2 下的識別誤差也僅有0.58%。從圖9 可以得出兩種算法的結(jié)構(gòu)自振頻率識別結(jié)果與結(jié)構(gòu)一階自振頻率4.00 Hz高度吻合，如表3 所示，識別準(zhǔn)確率都可達(dá)98%以上。

表2 撓度測量誤差對比Table 2 Deflection measurement error comparison

表3 頻譜分析結(jié)果Table 3 Spectrum analysis results

在保證算法精度的前提下，為了評價(jià)本文兩種系統(tǒng)識別算法的實(shí)時(shí)性，與傳統(tǒng)的模板匹配和幾何匹配作對比，表4 展示了本文兩種系統(tǒng)識別算法于其它算法基于同臺計(jì)算機(jī)的幀間平均匹配時(shí)間，可以看出兩種算法匹配速度都優(yōu)于傳統(tǒng)算法且完全滿足網(wǎng)絡(luò)攝像機(jī)的實(shí)時(shí)要求。

表4 平均匹配時(shí)間對比Table 4 Mean matching time comparison

3 實(shí)橋測試與數(shù)據(jù)分析

3.1 實(shí)橋測試

為驗(yàn)證基于網(wǎng)絡(luò)攝像機(jī)的橋梁撓度識別系統(tǒng)在實(shí)際情況下的有效性，將其在蘭州市金城公園玻璃人行橋進(jìn)行了實(shí)橋應(yīng)用，該橋是桅桿式懸索橋，橋面采用鋼-玻璃組合結(jié)構(gòu)，主梁與次梁為國產(chǎn)輕型工字鋼，主次梁之間采用焊接，組成鋼框架，橋面采用透明玻璃鋪設(shè)，均為雙層夾膠鋼化玻璃，全長218 m，寬2.4 m。在橋側(cè)面跨中位置安裝目標(biāo)標(biāo)志物(LED 圓形紅色光源)，距離標(biāo)志物111.83 m，向下傾斜 12.89°的地方穩(wěn)固架設(shè)了網(wǎng)絡(luò)攝像機(jī)和橋梁撓度儀(BJQN-V，檢測距離500 m內(nèi)的精度為±1 mm)如圖10 所示。通過本文系統(tǒng)識別跟蹤標(biāo)志物的實(shí)時(shí)動(dòng)態(tài)撓度，實(shí)現(xiàn)了對該橋的實(shí)時(shí)撓度動(dòng)態(tài)監(jiān)測。

圖10 現(xiàn)場監(jiān)測Fig. 10 Field monitoring

測試系統(tǒng)算法采用行人隨機(jī)行走的方式激勵(lì)橋梁振動(dòng)，使用網(wǎng)絡(luò)攝像機(jī)像素大小為2560×1960配合騰龍200 mm 的長焦鏡頭進(jìn)行結(jié)構(gòu)振動(dòng)視頻的錄制，相機(jī)架設(shè)在橋梁的邊測，同時(shí)也架設(shè)了橋梁撓度儀與相機(jī)進(jìn)行同步監(jiān)測結(jié)構(gòu)振動(dòng)響應(yīng)，兩邊幀率設(shè)定一致，架設(shè)位置空間間隔小，具有較高的匹配度，以此驗(yàn)證系統(tǒng)兩種算法。

3.2 數(shù)據(jù)分析

本文系統(tǒng)與BJQN-V 是兩套相互獨(dú)立的系統(tǒng)，且現(xiàn)場條件下難以滿足用一個(gè)觸發(fā)器同時(shí)啟動(dòng)兩套系統(tǒng)，因此測試過程中不好控制橋梁撓度儀與相機(jī)獲取數(shù)據(jù)的同步性，視頻中所獲取數(shù)據(jù)僅為監(jiān)測段內(nèi)的一部分，導(dǎo)致視頻識別得到的振動(dòng)時(shí)程曲線與橋梁撓度儀的時(shí)程曲線之間存在一定的差異，由此增加了視覺識別的難度。在現(xiàn)場測試時(shí)相機(jī)和長焦鏡頭會(huì)不可避免的受到環(huán)境氣流的干擾，頻譜分析中亦有強(qiáng)風(fēng)振動(dòng)和熱浪為代表的噪聲頻率，但考慮到風(fēng)致相機(jī)振動(dòng)頻率相對橋梁振動(dòng)頻率較低，兩者頻率并不在同一頻段，且本文算法圖像預(yù)處理中已對視頻進(jìn)行了數(shù)字穩(wěn)定，因此互相干擾的影響已被降低?；诒疚膬煞N系統(tǒng)識別算法對金城公園玻璃橋跨中豎向撓度的監(jiān)測部分結(jié)果(時(shí)域曲線、頻譜分析結(jié)果)如圖11所示，基于HSV 的快速模板匹配與橋梁撓度儀對比的數(shù)據(jù)誤差為1.78%，基于顏色追蹤的幾何匹配與橋梁撓度儀對比的數(shù)據(jù)誤差為1.87%。由于現(xiàn)場環(huán)境復(fù)雜，具有很多不確定性因素，且監(jiān)測距離較遠(yuǎn)，系統(tǒng)誤差相比于實(shí)驗(yàn)室對比的誤差有了明顯的下滑，但兩種算法的識別結(jié)果在時(shí)域和頻域上與橋梁撓度儀基本保持一致。由時(shí)域曲線圖可以看出在測試時(shí)間段內(nèi)，結(jié)構(gòu)豎向撓度最大幅值在9.43 mm 左右，由頻譜分析結(jié)果可得出結(jié)構(gòu)一階頻率為0.50 Hz，二階頻率為1.08 Hz。本文兩種系統(tǒng)識別算法識別的一階頻率與橋梁撓度儀對比誤差都小于0.5%，二階頻率與橋梁撓度儀對比誤差都小于1.7%。由此說明利用本文兩種系統(tǒng)識別算法進(jìn)行橋梁撓度實(shí)時(shí)監(jiān)測具有較高的識別精度，滿足工程實(shí)際需求。

圖11 實(shí)橋測量結(jié)果Fig. 11 Measurement results of real bridge

值得關(guān)注的是，不管是本文系統(tǒng)還是BJQN-V都僅對橋梁低階頻率有較高的識別精度，由于環(huán)境擾流、風(fēng)振等因素導(dǎo)致高階頻率在頻譜圖中的幅值較低、能量較小。因此，不能明確高階頻率的階次和大小。這個(gè)問題將是未來研究結(jié)構(gòu)健康監(jiān)測的難點(diǎn)和重點(diǎn)。

4 結(jié)論

本文基于網(wǎng)絡(luò)攝像機(jī)建立了一種橋梁撓度非接觸識別系統(tǒng)，其系統(tǒng)操作簡單，計(jì)算機(jī)與識別目標(biāo)、計(jì)算機(jī)與網(wǎng)絡(luò)攝像機(jī)之間都無需布線，具有非接觸識別的特點(diǎn)，總結(jié)如下：

(1)通過模型試驗(yàn)和實(shí)橋測試驗(yàn)證了本文系統(tǒng)進(jìn)行橋梁撓度識別的可行性，識別精度的可靠性，環(huán)境干擾的高抗性。在未來的監(jiān)測過程中，應(yīng)考慮兩種系統(tǒng)識別算法的特點(diǎn)和監(jiān)測距離，選擇合適的算法。

(2)系統(tǒng)以LED 光源作為標(biāo)志物，配合提出的兩種系統(tǒng)識別算法，對圖像進(jìn)行二值處理，其中基于HSV 的快速模板匹配，引入了HSV 顏色分割LED 光源，基于顏色追蹤的幾何匹配，引入顏色追蹤(cvCamShift)，并對圖像目標(biāo)區(qū)域進(jìn)行鎖定，縮小搜索范圍，可以有效提高抗噪性和計(jì)算實(shí)時(shí)運(yùn)算速度，基于HSV 的快速模板匹配最快匹配速度可達(dá)70.77 fps，基于顏色追蹤的幾何匹配計(jì)算速度為51.49 fps，都滿足網(wǎng)絡(luò)攝像機(jī)的監(jiān)測要求。

(3)通過模型試驗(yàn)和實(shí)橋測試得出基于HSV的快速模板匹配在計(jì)算速度和遠(yuǎn)距離識別方面優(yōu)于基于顏色追蹤的幾何匹配；而在識別精度和抗噪性能上，基于顏色追蹤的幾何匹配優(yōu)于基于HSV的快速模板匹配。兩種算法在模型試驗(yàn)中的識別誤差都小于0.70%，實(shí)橋測試下的識別誤差也小于1.90%。