一種非接觸視頻位移測量方法與流程
2023-06-10 11:14:16 1
本發明涉及一種位移測量方法，尤其是涉及一種非接觸視頻位移測量方法。
背景技術：
：工程結構在荷載作用下會產生撓度、位移，其大小、方向反映結構的剛度，健康和服役情況。撓度、位移的觀測是通過位移計量測結構或構件的變形情況，由結構或構件的變形得知結構或構件在此荷載下的工作狀態。為此對於關鍵位移觀測點要每一級荷載都進行位移計算、量測，得知結構或構件的變形情況。位移觀測是當今工程結構健康監測中最基礎的部分，也是最重要的一部分。基於位移監測在工程結構監測中的廣泛應用，針對不同的結構構件，監測環境，運動狀態，精度要求，位移測量有許多種方法手段。視頻位移測量作為一種新興的非接觸位移觀測手段，相較與傳統的接觸測量方式有著極大的優越性，它可以測量低頻的振動狀態的物體，而且自動化程度高，勞動力成本低。現有非接觸性測量方式通常採用高頻CCD拍攝設備採集視頻信息，測量費用高昂，儀器架設複雜。技術實現要素：本發明的目的就是為了克服上述現有技術存在的缺陷而提供一種非接觸視頻位移測量方法。本發明的目的可以通過以下技術方案來實現：一種非接觸視頻位移測量方法，該方法包括如下步驟：(1)採用具有視頻拍攝功能的數碼設備拍攝結構物的運動視頻並導入處理器；(2)處理器獲取運動視頻中第一幀圖像並標定目標點，以目標點為中心選取目標區域，獲取目標區域的直方圖反向投影；(3)處理器獲取運動視頻中下一幀圖像，以上一幀圖像中的目標點位置為中心選取大於目標區域的圖像區域作為匹配區域，對匹配區域中的各個像素點以像素點位置為中心獲取與目標區域大小相等的匹配塊，獲取各匹配塊的直方圖反向投影；(4)根據目標區域的直方圖反向投影以及各匹配塊的直方圖反向投影進行匹配進而確定與目標區域匹配的匹配塊，該匹配塊的中心點為目標點在該幀圖像中的位置，並將該位置作為新的目標點，該匹配塊作為新的目標區域；(5)重複執行步驟(3)～(4)得到每一幀圖像中目標點所在位置，進而得到目標點的位移曲線。所述的數碼設備包括數位相機或手機。步驟(2)中獲取目標區域的直方圖反向投影具體為：(201)獲取目標區域內的所有像素點並組成像素點點集{xi}，其中i＝1,2,……n，n為目標區域內像素點總個數；(202)獲取第i個像素點xi的灰度值c(xi)，c(xi)的取值為0～255；(203)根據下式獲取灰度值u在目標區域內的頻率qu：qu=Σi=1nδc(xi)-u/n,]]>其中u＝0,1,2,……255，δ為Kornecker函數，n為目標區域內像素點總個數；(204)獲取目標區域的直方圖灰度頻率矩陣H1，矩陣H1中元素依次為q0、q1、q2……q255。步驟(3)中匹配區域選取為目標區域的1.5～2倍大小。步驟(3)中獲取各匹配塊的直方圖反向投影具體為：(301)選取匹配區域左上角像素點為基準點，基準點坐標為(x0，y0)，以基準點為坐標原點建立直角坐標系，其中基準點向右延伸為x軸正方向，基準點向下延伸為y軸正方向；(302)建立狀態轉移函數：f(x,y,k)=f(x-1,y,k)+f(x,y-1,k)-f(x-1,y-1,k)kI(x,y),x>x0,y>y0f(x-1,y,k)+f(x,y-1,k)-f(x-1,y-1,k)+1k=I(x,y),x>x0,y>y0]]>f(x0,y,k)=f(xo,y-1,k)kI(x0,y),y>y0f(xo,y-1,k)+1k=I(x0,y),y>y0]]>f(x,y0,k)=f(x-1,yo,k)kI(x,y0),x>x0f(x-1,yo,k)+1k=I(x,y0),x>x0,]]>其中，基準點邊界條件為：f(x0,y0,k)=0kI(x0,y0)1k=I(x0,y0),]]>f(x,y,k)為以基準點為左上角，點(x，y)為右下角組成的矩形框內灰度值為k的像素點總個數，k＝0,1,2,……255，I(x,y)為點(x，y)的灰度值；(303)獲取待匹配塊左上角像素點坐標為(x1，y1)，右下角像素點坐標為(x2，y2)，根據下式計算灰度值k在待匹配塊內的頻率qk：qk＝[f(x2,y2,k)-f(x1,y2,k)-f(x2,y1,k)+f(x1,y1,k)]/n，其中，n為待匹配塊內像素點總個數；(304)獲取第p個待匹配塊直方圖灰度頻率矩陣Hp，矩陣Hp中元素依次為q0、q1、q2……q255。步驟(4)中所述的根據目標區域的直方圖反向投影以及各匹配塊的直方圖反向投影進行匹配進而確定與目標區域匹配的匹配塊具體為：(401)根據目標區域的直方圖方向投影得到目標區域的直方圖灰度頻率矩陣H，矩陣H中元素依次為灰度值0～255在目標區域內的頻率，求取第p個待匹配塊的直方圖反向投影獲取待匹配塊的直方圖灰度頻率矩陣Hp，矩陣Hp中元素依次為灰度值0～255在待匹配塊內的頻率，p＝1,2,……m，m為待匹配塊總個數；(402)根據下式分別計算目標區域和第p個待匹配塊之間的巴氏距離修正值：D(H,Hp)=1(xp-x0)2+(yp-y0)2+11-1H*Hp*N2Σj=1NH(j)*Hp(j),]]>其中，(x0，y0)為目標區域中心點的位置坐標，(xp，yp)為第p個待匹配塊中心點的位置坐標，為矩陣H中所有元素的平均值，為矩陣Hp中所有元素的平均值，N為灰度值總個數，N＝256，H(j)為矩陣H中第j個元素，Hp(j)為矩陣Hp中第j個元素；(403)選取D(H,H1)、D(H,H2)、……D(H,Hm)中的最小值，將該最小值對應的待匹配塊確定為與目標區域匹配的匹配塊。與現有技術相比，本發明具有如下優點：(1)本發明的數碼設備採用數位相機或手機等具有視頻拍攝功能的數碼設備，設備成本低；(2)本發明通過直方圖反向投影來實現距離的測量，直方圖反向投影作為一種基本的無參數密度估計方法，不利用有關數據分布的先驗知識，對數據分布不附加任何假定，是一種從數據樣本本身出發研究數據分布特徵的方法，顏色特徵具有旋轉不變性，且不受結構物大小和形狀的變化影響，從而測量結果精度可靠；(3)本發明中獲取各匹配塊的直方圖反向投影時首先建立狀態轉移函數，從而使得計算灰度值k在待匹配的匹配塊內的頻率qk時只需簡單的迭代即可，計算複雜度將低，減少了大量的冗餘計算，計算簡便快速；(4)傳統的巴氏距離計算公式可看做函數在x→∞時，不利於目標捕捉，因此本發明採用計算目標區域和第p個待匹配塊之間的巴氏距離修正值的方式進行目標區域和待匹配塊的匹配，其巴氏距離越小，匹配度越高，這種方式捕捉更精準，匹配更準確。附圖說明圖1為本發明非接觸視頻位移測量方法的流程框圖。具體實施方式下面結合附圖和具體實施例對本發明進行詳細說明。實施例如圖1所示，一種非接觸視頻位移測量方法，該方法包括如下步驟：步驟1：採用具有視頻拍攝功能的數碼設備拍攝結構物的運動視頻並導入處理器，這裡數碼設備包括數位相機或手機；步驟2：處理器獲取運動視頻中第一幀圖像並標定目標點，以目標點為中心選取目標區域，獲取目標區域的直方圖反向投影；步驟3：處理器獲取運動視頻中下一幀圖像，以上一幀圖像中的目標點位置為中心選取大於目標區域的圖像區域作為匹配區域，匹配區域選取為目標區域的1.5～2倍大小，對匹配區域中的各個像素點以像素點位置為中心獲取與目標區域大小相等的匹配塊，獲取各匹配塊的直方圖反向投影；步驟4：根據目標區域的直方圖反向投影以及各匹配塊的直方圖反向投影進行匹配進而確定與目標區域匹配的匹配塊，該匹配塊的中心點為目標點在該幀圖像中的位置，並將該位置作為新的目標點，該匹配塊作為新的目標區域；步驟5：重複執行步驟3～4得到每一幀圖像中目標點所在位置，進而得到目標點的位移曲線。實際工程檢測中，RGB(Red，Green，Blue)空間中一般結構物待測位置R、G、B變化較小。而在HSV(Hue,Saturation,Value)空間中，由於短時間測量光照影響小，不需要特意採用H分量作為特徵減少光照影響，且由於現在的圖像機制都是RGB圖像，RGB圖像轉化為HSV圖像會影響圖像質量，當圖像的飽和度或亮度都很小的時候，所提取的色相噪點多，並且所提取的色相併不穩定，波動性大。因此選用灰度這一特徵可更為方便簡潔的進行處理，因此步驟2中獲取目標區域的直方圖反向投影具體為：(201)獲取目標區域內的所有像素點並組成像素點點集{xi}，其中i＝1,2,……n，n為目標區域內像素點總個數；(202)獲取第i個像素點xi的灰度值c(xi)，c(xi)的取值為0～255；(203)根據下式獲取灰度值u在目標區域內的頻率qu：qu=Σi=1nδc(xi)-u/n,]]>其中u＝0,1,2,……255，δ為Kornecker函數，n為目標區域內像素點總個數；(204)獲取目標區域的直方圖灰度頻率矩陣H1，矩陣H1中元素依次為q0、q1、q2……q255。步驟4的各匹配塊的直方圖反向投影過程中，如果採用簡單的枚舉統計方法，會進行大量的冗餘計算。算法需要計算直方圖的區域並不是整個圖像。即使計算了整個圖像以每一個像素點為中心的諸多子區域的像素統計數據，並據此得出了所有點的對模板的反向投影值，最終需要進行密度計算與匹配的區域也並不是整個圖像。這是因為在實際工程問題中，所處理的目標對象，運動速度都不會呈高速或超高速，換言之，在攝像設備對微小時間反映的極限上，也就是最極限的兩幀之間，目標物體被假定不會有大大超越本身尺度的大位移。如果出現這樣的大位移，那麼只可能有兩種情況:第一，攝像設備的條件限制，可能該攝像設備的攝製的幀率不足，這樣拍攝視頻的質量無法保證，這種情況下，應該主要考慮硬體條件對於實驗的客觀影響與限制因素；第二，攝像設備本身條件較好，但運動物體速度過快，在兩幀之間還是出現了大位移，在這種情況下，即運動物體在不滿足假定的兩幀間小位移之前，在單一幀的拍攝過程中，就已經因在曝光時間內的較大位移而使自身圖像變得模糊，這是在理論上就超出本算法的設計要求。於是需要在優化之前先進行相關假定，使用該算法進行的運動圖像分析建立在目標圖像穩定良好的基礎上，這裡的穩定的定義是，由於採樣頻率充分大，物體運動圖像不會在兩幀之間出現「跳躍」，具體來說假定物體位移不超過自身尺寸的50％。當然，如果採樣頻率不足，這個假定的位移比例能夠適當擴大，與此同時，算法的計算量也會擴大。這樣，在進行像素特徵值的直方統計以及反向投影值的生成過程中，就只要對縮減後的區域進行計算，這個區域的大小就只與採樣模版的大小有關，由此，算法的複雜度由Ο(MNHW)降為Ο(H2W2)，其中，M、N為全圖尺寸，H、W為目標尺寸。在使用枚舉統計的方法計算統計直方圖的過程中，會出現大量的冗餘枚舉。如果對每一個點都要計算以該點為中心的區域的像素統計直方圖，顯而易見，相鄰的兩個點，它們的對應計算區域有絕大部分是重疊的，而對於這個重疊區域的反覆枚舉統計，正是簡單的枚舉統計算法低效的根源。通過引入算法學中基本的動態規劃思想，可以將簡單枚舉用計算狀態函數來取代，在對整個計算區域進行預處理求得所有狀態函數之後，快速計算每個點的像素統計直方數據，避免了所有的冗餘枚舉統計。因此採用一種改進的方法進行匹配塊的直方圖反向投影的獲取，即步驟3中獲取各匹配塊的直方圖反向投影具體為：(301)選取匹配區域左上角像素點為基準點，基準點坐標為(x0，y0)，以基準點為坐標原點建立直角坐標系，其中基準點向右延伸為x軸正方向，基準點向下延伸為y軸正方向；(302)建立狀態轉移函數：f(x,y,k)=f(x-1,y,k)+f(x,y-1,k)-f(x-1,y-1,k)kI(x,y),x>x0,y>y0f(x-1,y,k)+f(x,y-1,k)-f(x-1,y-1,k)+1k=I(x,y),x>x0,y>y0]]>f(x0,y,k)=f(xo,y-1,k)kI(x0,y),y>y0f(xo,y-1,k)+1k=I(x0,y),y>y0]]>f(x,y0,k)=f(x-1,yo,k)kI(x,y0),x>x0f(x-1,yo,k)+1k=I(x,y0),x>x0,]]>其中，基準點邊界條件為：f(x0,y0,k)={0kI(x0,y0)1k=I(x0,y0),]]>f(x,y,k)為以基準點為左上角，點(x，y)為右下角組成的矩形框內灰度值為k的像素點總個數，k＝0,1,2,……255，I(x,y)為點(x，y)的灰度值；(303)獲取待匹配的匹配塊左上角像素點坐標為(x1，y1)，右下角像素點坐標為(x2，y2)，根據下式計算灰度值k在待匹配的匹配塊內的頻率qk：qk＝[f(x2,y2,k)-f(x1,y2,k)-f(x2,y1,k)+f(x1,y1,k)]/n，其中，n為待匹配的匹配塊內像素點總個數；(304)獲取第p個待匹配塊直方圖灰度頻率矩陣Hp，矩陣Hp中元素依次為q0、q1、q2……q255。步驟4中所述的根據目標區域的直方圖反向投影以及各匹配塊的直方圖反向投影進行匹配進而確定與目標區域匹配的匹配塊具體為：(401)根據目標區域的直方圖方向投影得到目標區域的直方圖灰度頻率矩陣H，矩陣H中元素依次為灰度值0～255在目標區域內的頻率，求取第p個待匹配塊的直方圖反向投影獲取待匹配塊的直方圖灰度頻率矩陣Hp，矩陣Hp中元素依次為灰度值1～255在待匹配塊內的頻率，p＝1,2,……m，m為待匹配塊總個數；(402)根據下式分別計算目標區域和第p個待匹配塊之間的巴氏距離修正值：D(H,Hp)=1(xp-x0)2+(yp-y0)2+11-1H*Hp*N2Σj=1NH(j)*Hp(j),]]>其中，(x0，y0)為目標區域中心點的位置坐標，(xp，yp)為第p個待匹配塊中心點的位置坐標，為矩陣H中所有元素的平均值，為矩陣Hp中所有元素的平均值，N為灰度值總個數，N＝256，H(j)為矩陣H中第j個元素，Hp(j)為矩陣Hp中第j個元素；(403)選取D(H,H1)、D(H,H2)、……D(H,Hm)中的最小值，將該最小值對應的待匹配塊確定為與目標區域匹配的匹配塊，修正後D值在0～l之間，D值越小表示目標區域和待匹配塊越相似。採用上述方法進行了實驗，將振動臺作為結構物，該振動臺為標準振源，波形為正弦波，振動波形頻率2Hz，全振幅10mm，採用兩種數碼設備進行運動視頻的採集，兩種數碼設備分別為數位相機和手機。其中，數位相機視頻採集選用尼康D7100相機，視頻圖像序列為標準1080P(1920×1080)。手機視頻採集採用小米4c手機視頻錄製功能完成視頻採集，視頻圖像序列為標準720P(1080×720)。表1為實驗結果對比表。表1實驗結果通過試驗得到如下結論：(1)相同實驗環境，保證成像完整清晰的前提下，數位相機與結構物距離越近，數位相機焦距越大，捕捉效果越好，所得位移曲線誤差越小。採用單位像素表示的實際距離dis來衡量這一差異：與結構物間隔1m，焦距50mm，自然光拍攝，dis＝0.2831mm；與結構物間隔1m，焦距17mm，自然光拍攝，dis＝0.7496mm，與結構物間隔5m，焦距210mm，自然光拍攝，dis＝0.2228mm，對比實驗結果，dis值越大，捕捉效果越差，誤差越大，針對遠距拍攝，為提高dis值，可換裝長焦鏡頭，並擴大所框選目標區域面積。(2)光照對實驗結果影響不大。(3)手機採集可以滿足用戶近距離位移測量要求。當前第1頁1 2 3