CN112132227B - 桥梁列车荷载作用时程提取方法、装置及终端设备 - Google Patents
桥梁列车荷载作用时程提取方法、装置及终端设备 Download PDFInfo
- Publication number
- CN112132227B CN112132227B CN202011064690.9A CN202011064690A CN112132227B CN 112132227 B CN112132227 B CN 112132227B CN 202011064690 A CN202011064690 A CN 202011064690A CN 112132227 B CN112132227 B CN 112132227B
- Authority
- CN
- China
- Prior art keywords
- matching
- image
- image data
- target
- determining
- 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.)
- Active
Links
- 230000009471 action Effects 0.000 title claims abstract description 60
- 238000000605 extraction Methods 0.000 title claims abstract description 33
- 238000000034 method Methods 0.000 claims abstract description 46
- 238000012545 processing Methods 0.000 claims abstract description 29
- 238000006471 dimerization reaction Methods 0.000 claims abstract description 27
- 238000004590 computer program Methods 0.000 claims description 17
- 230000015654 memory Effects 0.000 claims description 14
- 230000008859 change Effects 0.000 claims description 10
- 230000000877 morphologic effect Effects 0.000 claims description 9
- 238000001514 detection method Methods 0.000 claims description 5
- 229910000831 Steel Inorganic materials 0.000 description 12
- 230000003068 static effect Effects 0.000 description 12
- 239000010959 steel Substances 0.000 description 12
- 230000036541 health Effects 0.000 description 11
- 238000012544 monitoring process Methods 0.000 description 11
- 238000006073 displacement reaction Methods 0.000 description 8
- 238000004458 analytical method Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 7
- 230000008569 process Effects 0.000 description 6
- 238000004891 communication Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 239000000463 material Substances 0.000 description 3
- 239000011159 matrix material Substances 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- NIXOWILDQLNWCW-UHFFFAOYSA-N acrylic acid group Chemical group C(C=C)(=O)O NIXOWILDQLNWCW-UHFFFAOYSA-N 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000007797 corrosion Effects 0.000 description 1
- 238000005260 corrosion Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 235000019800 disodium phosphate Nutrition 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 230000036449 good health Effects 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000003064 k means clustering Methods 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 239000013077 target material Substances 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
- G06V10/751—Comparing pixel values or logical combinations thereof, or feature values having positional relevance, e.g. template matching
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
- G06F18/232—Non-hierarchical techniques
- G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
- G06F18/23213—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions with fixed number of clusters, e.g. K-means clustering
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Multimedia (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- Medical Informatics (AREA)
- Databases & Information Systems (AREA)
- Probability & Statistics with Applications (AREA)
- Software Systems (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- General Engineering & Computer Science (AREA)
- Image Analysis (AREA)
Abstract
本发明提供了一种桥梁列车荷载作用时程提取方法、装置及终端设备，该方法包括：获取第一标靶对应的第一图像数据以及第二标靶对应的第二图像数据；根据第二图像数据确定列车荷载的起始时刻，并基于列车荷载的起始时刻分别确定第一标靶的第一模板图像和第二标靶的第二模板图像；匹配第一图像数据以及第一模板图像，并对匹配结果进行二聚类处理，得到第一匹配序列；匹配第二图像数据以及第二模板图像，并对匹配结果进行二聚类处理，得到第二匹配序列；基于第一匹配序列和第二匹配序列确定桥梁列车荷载作用的时程。本发明提供的桥梁列车荷载作用时程提取方法、装置及终端设备能够降低列车荷载作用的时程提取成本，并提高时程提取精度。
Description
技术领域
本发明属于桥梁结构健康监测技术领域，更具体地说，是涉及一种桥梁列车荷载作用时程提取方法、装置及终端设备。
背景技术
桥梁作为交通线路上的一种大型结构物，如何保证其在运营期内保持良好的健康状态，对保障线路运输安全畅通具有重要的意义。为保证桥梁安全运行、避免严重事故发生，对桥梁结构进行健康监测的桥梁健康监测系统应运而生。目前的桥梁健康监测系统包含大量的数据采集装置，在桥梁服役过程中，数据采集装置会时刻采集大量的监测数据，桥梁健康监测系统根据采集得到的列车荷载作用下的监测数据分析桥梁结构在列车荷载作用下的各种响应，以评估桥梁结构的健康状态。其中，如何提取桥梁列车荷载作用时程是分析桥梁结构健康状态的重要前提。
目前在桥梁健康监测系统中，最常用的列车荷载作用时程提取技术是磁钢触发，其基本原理是：将磁钢安装在列车导轨上，当列车经过磁钢时会激励磁钢输出正脉冲，而当列车远离磁钢后磁钢的输出为0V，桥梁健康监测系统通过判断磁钢输出脉冲信号的变化来确定列车荷载作用的时程。然而，现有的磁钢触发技术虽然原理简单、直接有效，但在实际应用时由于磁钢需要工人安装在列车导轨上，且现场铺设的磁钢信号线缆在后期运营维护中容易被损坏，导致人力物力成本较高。
发明内容
本发明的目的在于提供一种桥梁列车荷载作用时程提取方法、装置及终端设备，以解决现有技术中桥梁列车荷载作用时程的提取成本较高的问题。
本发明实施例的第一方面，提供了一种桥梁列车荷载作用时程提取方法，包括：
获取第一标靶对应的第一图像数据以及第二标靶对应的第二图像数据，所述第一标靶、第二标靶分别设置在目标梁体的两端，其中第一标靶对应目标梁体的固定支座一端，第二标靶对应目标梁体的活动支座一端；
根据所述第二图像数据确定列车荷载的起始时刻，并基于所述列车荷载的起始时刻以及所述第一图像数据确定第一模板图像，基于所述列车荷载的起始时刻以及所述第二图像数据确定第二模板图像；
匹配所述第一图像数据以及所述第一模板图像，并对匹配结果进行二聚类处理，得到第一匹配序列；匹配所述第二图像数据以及所述第二模板图像，并对匹配结果进行二聚类处理，得到第二匹配序列；
基于第一匹配序列和第二匹配序列确定桥梁列车荷载作用的时程。
本发明实施例的第二方面，提供了一种桥梁列车荷载作用时程提取装置，包括：
数据获取模块，用于获取第一标靶对应的第一图像数据以及第二标靶对应的第二图像数据，所述第一标靶、第二标靶分别设置在目标梁体的两端，其中第一标靶对应目标梁体的固定支座一端，第二标靶对应目标梁体的活动支座一端；
模板确定模块，用于根据所述第二图像数据确定列车荷载的起始时刻，并基于所述列车荷载的起始时刻以及所述第一图像数据确定第一模板图像，基于所述列车荷载的起始时刻以及所述第二图像数据确定第二模板图像；
图像匹配模块，用于匹配所述第一图像数据以及所述第一模板图像，并对匹配结果进行二聚类处理，得到第一匹配序列；匹配所述第二图像数据以及所述第二模板图像，并对匹配结果进行二聚类处理，得到第二匹配序列；
时程确定模块，用于基于第一匹配序列和第二匹配序列确定桥梁列车荷载作用的时程。
本发明实施例的第三方面，提供了一种终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述的桥梁列车荷载作用时程提取方法的步骤。
本发明实施例的第四方面，提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述的桥梁列车荷载作用时程提取方法的步骤。
本发明实施例提供的桥梁列车荷载作用时程提取方法、装置及终端设备的有益效果在于：
1)本发明实施例提供的桥梁列车荷载作用时程提取方法不需要现场安装磁钢来提取列车荷载作用的时程，仅依靠现有的桥梁健康监测系统中的数据采集装置即可实现，因此有效地降低了人力物力成本。
2)本发明实施例提供的桥梁列车荷载作用时程提取方法通过聚类处理的方式确定标靶的运动情况，相对于利用简单阈值分析方法判断标靶的运动情况准确性更高。
3)本发明实施例通过两个标靶的图像数据进行桥梁列车荷载作用时程提取，鲁棒性更好。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例或现有技术描述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为本发明一实施例提供的桥梁列车荷载作用时程提取方法的流程示意图；
图2为本发明一实施例提供的桥梁列车荷载作用时程提取装置的结构框图；
图3为本发明一实施例提供的终端设备的示意框图；
图4为本发明一实施例提供的红色方标靶标识的结构示意图；
图5为本发明一实施例提供的红色方标靶标识的安装示意图；
图6为本发明一实施例提供的标靶与摄像机的相对位置示意图；
图7为本发明一实施例提供的单帧标靶图像的抽取示意图。
具体实施方式
为了使本发明所要解决的技术问题、技术方案及有益效果更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
请参考图1，图1为本发明一实施例提供的桥梁列车荷载作用时程提取方法的流程示意图，该方法包括：
S101：获取第一标靶对应的第一图像数据以及第二标靶对应的第二图像数据。
在本实施例中，在进行桥梁列车荷载作用时程提取之前，可首先设置红色方标靶标识，如图4、图5所示，该标识由两部分构成，中心区域为红色不透明的方标靶41，包围红色方标靶的为黑色不透明大方形靶42。为了避免标靶面反光干扰，标靶材料可选用磨砂亚克力板。本发明实施例可设置两个标靶，也即第一标靶和第二标靶，并将每个标靶固定在图5所示的桥梁梁体的两端。本实施例中，在桥梁梁体上每个标靶的下方对应安装有桥梁支座，其中三角状为固定支座、圆形状为活动支座。当有列车荷载作用于桥梁梁体时，测试标识会同时在水平方向和竖直方向发生位移。也就是说，在本实施例中，第一标靶、第二标靶分别设置在目标梁体的两端，其中第一标靶对应目标梁体的固定支座一端，第二标靶对应目标梁体的活动支座一端。
在本实施例中，在进行桥梁列车荷载作用时程提取之前，如图6所示，在红色方标靶正前方一定距离内放置一台摄像机。摄像机的安装条件为：1)保证摄像机镜头面与红色方标靶面尽量平行；2)镜头中心轴线与方标靶中心轴线尽量共线。以上2个条件可保证摄像机拍摄的红色方标靶图像尽量在整个图像中心，且红色方标靶成像大概率为正方形。由于摄像机安装固定在桥墩上，在列车荷载作用于桥梁梁体时，一般桥墩不会发生位移变化。因此，可通过分析摄像机拍摄到的标靶图像的位移，确定桥梁梁体两端在平面内x方向和y方向的位移变化。
在实施过程中，2个摄像机实时拍摄桥梁两端标靶的视频图像，并将视频图像序列存储到本地。在拍摄并存储标靶的视频图像序列的同时，实时读取本地的视频图像序列，并通过协同处理分析桥梁两端标靶的视频图像内容，提取列车荷载作用于桥梁梁体的时程信息。
在本实施例中，在获取第一标靶对应的第一图像数据以及第二标靶对应的第二图像数据之前，还可以包括：
获取第一标靶对应的第一视频数据以及第二标靶对应的第二视频数据，对所述第一视频数据和第二视频数据进行图像提取，得到第一图像数据和第二图像数据。
在本实施例中，读取本地存储的红色方标靶视频数据时，该视频数据主要包括视频文件名、视频数据文件头、数据块和索引块。其中视频文件名包含了该段视频文件的初始采集时间，视频数据文件头有视频帧数、每帧图像数据格式和尺寸、摄像机采集帧频参数f等，数据块包含拍摄的所有图像数据流，索引块包括数据块列表和它们在文件中的位置。通过上述内容，可以任意访问红色方标靶视频数据的每一帧图像内容、以及确定每一帧图像对应的采集时间。
S102：根据第二图像数据确定列车荷载的起始时刻，并基于列车荷载的起始时刻以及第一图像数据确定第一模板图像，基于列车荷载的起始时刻以及第二图像数据确定第二模板图像。
在本实施例中，可基于移动窗口平均检测方法，通过处理第二标靶对应的第二图像数据确定列车荷载的到来时间点，也即列车荷载的起始时刻。在确定列车荷载的起始时刻后，基于该起始时刻提取列车未作用于桥梁梁体时摄像头拍摄第一图像数据和第二图像数据，并基于该起始时刻和第一图像数据确定第一模板图像，基于该起始时刻和第二图像数据确定第二模板图像。
S103：匹配第一图像数据以及第一模板图像，并对匹配结果进行二聚类处理，得到第一匹配序列；匹配第二图像数据以及第二模板图像，并对匹配结果进行二聚类处理，得到第二匹配序列。
在本实施例中，可通过图像的匹配计算分别确定第一图像数据以及第一模板图像对应的匹配结果、第二图像数据以及第二模板图像对应的匹配结果，并基于二聚类方法对两组匹配结果进行二聚类分析，分别得到多个聚类标识，也即第一匹配序列和第二匹配序列。
S104：基于第一匹配序列和第二匹配序列确定桥梁列车荷载作用的时程。
在本实施例中，可对第一匹配序列和第二匹配序列进行融合处理，根据融合处理结果确定桥梁列车荷载作用的时程。
由上可以得出，首先，本发明实施例提供的桥梁列车荷载作用时程提取方法不需要现场安装磁钢来提取列车荷载作用的时程，仅依靠现有的桥梁健康监测系统中的数据采集装置即可实现，因此有效地降低了人力物力成本。其次，本发明实施例提供的桥梁列车荷载作用时程提取方法通过聚类处理的方式确定标靶的运动情况，相对于利用简单阈值分析方法判断标靶的运动情况准确性更高。此外，本发明实施例还通过两个标靶的图像数据进行桥梁列车荷载作用时程提取，鲁棒性更好。
可选地，作为本发明实施例提供的桥梁列车荷载作用时程提取方法的一种具体实施方式，根据第二图像数据确定列车荷载的起始时刻，包括：
S1：设定当前起始检测图像的帧号为n，移动窗口的宽度为w，移动步长为d，其中n＝1，d≦w。
S2：从第二图像数据中提取第n至第n+w帧图像，基于第n至第n+w帧图像确定第n+w帧图像相对于其前w帧图像的欧几里得范数。
S3：若欧几里得范数大于预设阈值，则将第n+w帧图像对应的时刻作为列车荷载的起始时刻。若欧几里得范数不大于预设阈值，则令n＝n+d，并返回执行步骤S2。
在本实施例中，可首先提取第二图像数据的中间行数据，如图7所示，可首先提取第二图像数据中的中间行数据4，并基于移动窗口平均检测方法确定列车荷载的起始时刻。
在本实施例中，d、w均为整数，其具体数值可根据实际需求进行设定，例如w可以设置为5f，其中f为摄像机的采集帧频。
在本实施例中，考虑2个摄像机的固定安装点不同，当列车荷载作用于桥梁梁体时，每个摄像机拍摄到的图像目标位移变化情况也不同。其中，位于活动端的第二标靶对应的图像在x方向上位移变化最大，因此可根据第二图像数据确定列车荷载的起始时刻。
在本实施例中，预设阈值可根据实际需求设定，例如可设置预设阈值为105。
可选地，作为本发明实施例提供的桥梁列车荷载作用时程提取方法的一种具体实施方式，基于第n至第n+w帧图像确定第n+w帧图像相对于其前w帧图像的欧几里得范数，包括：
其中，p为第n+w帧图像相对于其前w帧图像的欧几里得范数，表示L2范数，(an,an+1,…,an+w-1,an+w)表示第n至第n+w帧图像的中间行数据。
在本实施例中，p可反映第n+w帧图像相对于其前w帧图像的平均数据的变化情况。
可选地，作为本发明实施例提供的桥梁列车荷载作用时程提取方法的一种具体实施方式，基于列车荷载的起始时刻以及第一图像数据确定第一模板图像，包括：
若起始时刻为t，则将第一图像数据中第t-m秒对应的帧图像作为第一模板图像。其中，m为预设时间间隔。
在本实施例中，m可根据实际需求进行设置，例如m可以为10。也就是说，本实施例可以时刻t为时间基准点，提取时间基准点前10秒的帧号，将该帧号对应的第一图像数据中的帧图像作为第一模板图像。
在本实施例中，基于列车荷载的起始时刻以及第二图像数据确定第二模板图像的方法与基于列车荷载的起始时刻以及第一图像数据确定第一模板图像的方法相同，此处不再赘述。
可选地，作为本发明实施例提供的桥梁列车荷载作用时程提取方法的一种具体实施方式，匹配第一图像数据以及第一模板图像，并对匹配结果进行二聚类处理，得到第一匹配序列，包括：
分别提取第一模板图像的中间列数据、以及第一图像数据中帧号T后连续M×f帧图像的中间列数据；其中，T为第一模板图像的帧号，M为列车荷载作用的最大时长，f为采集帧频。
基于连续M×f帧图像的中间列数据、第一模板图像的中间列数据确定连续M×f帧图像与第一模板图像的匹配差值，得到第一差值序列。
对第一差值序列进行二聚类处理，得到第一匹配序列。
在本实施例中，确定第一图像数据中连续M×f帧图像与第一模板图像的匹配差值的方法为：
其中，为第T+i帧图像的中间列数据，uT为第一模板图像的中间列数据，/>为L2范数，/>为第T+i帧图像与第一模板图像的匹配差值。本实施例中，/>可反映第T+i帧图像与第一模板图像的匹配程度。
同理，确定第二图像数据中连续M×f帧图像与第二模板图像的匹配差值的方法为：
其中，为第T+i帧图像的中间列数据，uT为第二模板图像的中间列数据，/>为L2范数，/>为第T+i帧图像与第二模板图像的匹配差值。本实施例中，/>可反映第T+i帧图像与第二模板图像的匹配程度。
在本实施例中，二聚类方法可以为k-means聚类方法。在第一差值序列内，的数值变化基本可以分为2类：当列车荷载作用于桥梁时，/>数值比较大；而当列车荷载没有作用于桥梁时，/>数值比较小。因此本发明实施例采用K-means二聚类方法对第一差值序列进行二聚类分析，并得到多个匹配结果的聚类标识序列，也即第一匹配序列。可选地，聚类标识可以使用1和0表示，1表示存在列车荷载作用，0表示不存在列车荷载作用。
在本实施例中，第二匹配序列的确定方法与第一匹配序列相同，此处不再赘述。
可选地，作为本发明实施例提供的桥梁列车荷载作用时程提取方法的一种具体实施方式，在基于第一匹配序列和第二匹配序列确定桥梁列车荷载作用的时程之前，还包括：
对第一匹配序列和第二匹配序列进行形态学处理。
在本实施例中，在实际列车荷载作用于桥梁梁体时，2个摄像机拍摄得到的标靶图像会不断振动。考虑在标靶图像振动过程中，标靶图像的部分帧图像有可能与初始静态的目标模板图像重合或位置接近，进而导致这些帧图像序列的匹配结果会被K-means二聚类方法标记为0。为解决这个问题，本发明引入了形态学运算处理这些可能含噪声的聚类标记结果。具体的，可选择形态学闭运算(即先进行膨胀运算，再进行腐蚀运算)算子对第一匹配序列和第二匹配序列进行处理。由于原始K-means的标记结果为一行二值数据，因此本发明在形态学闭运算中采用的二值结构要素矩阵SE为：SE＝[1,1,…1,1,1]，其中，SE矩阵为尺寸1×w的全1向量，利用SE矩阵进行形态学处理分析，可处理在列车荷载作用过程中连续(w-1)帧的标靶图像与初始静态目标模板重合或位置接近的情况。
在本实施例中，利用形态学闭运算分析，解决了现场标靶振动中会出现与目标模板区域重合的问题，可有效提高列车荷载作用时程的提取精度。
可选地，作为本发明实施例提供的桥梁列车荷载作用时程提取方法的一种具体实施方式，基于第一匹配序列和第二匹配序列确定桥梁列车荷载作用的时程，包括：
对第一匹配序列和第二匹配序列进行或运算，得到第三匹配序列。
将第三匹配序列中数值的变化时段作为桥梁列车荷载作用的时程。
在本实施例中，经过形态学闭运算分析后，可得到包含动静标识的第一匹配序列和第二匹配序列。也即
其中，g1i为第一匹配序列对应的动静标识，g2i为第二匹配序列对应的动静标识。
本发明在桥梁两端均放置了摄像机测量装置，且分别利用第一标靶的中间列数据1计算桥梁左侧端在y方向的位移、利用第二标靶的中间列数据3计算桥梁右侧端在y方向的位移。由于列车荷载作用于桥梁梁体过程中，桥梁两端均可以测得标靶目标出现了y方向的位移变化。因此，本发明提出利用逻辑或运算，对2个摄像机监测分析的匹配序列进行融合处理，得到第三匹配序列，其中第三匹配序列的动静标识gi如下：
gi＝g1i OR g2i
在本实施例中，第k1帧开始动静标识变为1，第k2帧开始动静标识又变为0，那么k2-k1所经过的时间即为桥梁列车荷载作用的时程。
其中，可在步骤S101中通过读取标靶视频数据文件的文件名，确定标靶视频数据的初始采集时间τ0。通过上式可得列车荷载作用下桥梁梁体动静标识为g，设第k1帧开始动静标识变为1，第k2帧开始动静标识又变为0，则可以根据以下方法计算得到列车荷载作用时程的起始时间τ1和终止时间τ2(这里f为摄像机的采集帧频)。
τ1＝τ0+k1/f
τ2＝τ0+k2/f
也即，在本实施例中，列车荷载作用的时程即动静标识变为1的时间段。
对应于上文实施例的桥梁列车荷载作用时程提取方法，图2为本发明一实施例提供的桥梁列车荷载作用时程提取装置的结构框图。为了便于说明，仅示出了与本发明实施例相关的部分。参考图2，该桥梁列车荷载作用时程提取装置20包括：数据获取模块21、模板确定模块22、图像匹配模块23、时程确定模块24。
其中，数据获取模块21，用于获取第一标靶对应的第一图像数据以及第二标靶对应的第二图像数据，第一标靶、第二标靶分别设置在目标梁体的两端，其中第一标靶对应目标梁体的固定支座一端，第二标靶对应目标梁体的活动支座一端。
模板确定模块22，用于根据第二图像数据确定列车荷载的起始时刻，并基于列车荷载的起始时刻以及第一图像数据确定第一模板图像，基于列车荷载的起始时刻以及第二图像数据确定第二模板图像。
图像匹配模块23，用于匹配第一图像数据以及第一模板图像，并对匹配结果进行二聚类处理，得到第一匹配序列。匹配第二图像数据以及第二模板图像，并对匹配结果进行二聚类处理，得到第二匹配序列。
时程确定模块24，用于基于第一匹配序列和第二匹配序列确定桥梁列车荷载作用的时程。
可选地，作为本发明实施例提供的桥梁列车荷载作用时程提取装置的一种具体实施方式，根据第二图像数据确定列车荷载的起始时刻，包括：
S1：设定当前起始检测图像的帧号为n，移动窗口的宽度为w，移动步长为d，其中n＝1，d≦w。
S2：从第二图像数据中提取第n至第n+w帧图像，基于第n至第n+w帧图像确定第n+w帧图像相对于其前w帧图像的欧几里得范数。
S3：若欧几里得范数大于预设阈值，则将第n+w帧图像对应的时刻作为列车荷载的起始时刻。若欧几里得范数不大于预设阈值，则令n＝n+d，并返回执行步骤S2。
可选地，作为本发明实施例提供的桥梁列车荷载作用时程提取装置的一种具体实施方式，基于第n至第n+w帧图像确定第n+w帧图像相对于其前w帧图像的欧几里得范数，包括：
其中，p为第n+w帧图像相对于其前w帧图像的欧几里得范数，表示L2范数，(an,an+1,…,an+w-1,an+w)表示第n至第n+w帧图像的中间行数据。
可选地，作为本发明实施例提供的桥梁列车荷载作用时程提取装置的一种具体实施方式，基于列车荷载的起始时刻以及第一图像数据确定第一模板图像，包括：
若起始时刻为t，则将第一图像数据中第t-m秒对应的帧图像作为第一模板图像。其中，m为预设时间间隔。
可选地，作为本发明实施例提供的桥梁列车荷载作用时程提取装置的一种具体实施方式，匹配第一图像数据以及第一模板图像，并对匹配结果进行二聚类处理，得到第一匹配序列，包括：
分别提取第一模板图像的中间列数据、以及第一图像数据中帧号T后连续M×f帧图像的中间列数据；其中，T为第一模板图像的帧号，M为列车荷载作用的最大时长，f为采集帧频。
基于连续M×f帧图像的中间列数据、第一模板图像的中间列数据确定连续M×f帧图像与第一模板图像的匹配差值，得到第一差值序列。
对第一差值序列进行二聚类处理，得到第一匹配序列。
可选地，作为本发明实施例提供的桥梁列车荷载作用时程提取装置的一种具体实施方式，在基于第一匹配序列和第二匹配序列确定桥梁列车荷载作用的时程之前，还包括：
对第一匹配序列和第二匹配序列进行形态学处理。
可选地，作为本发明实施例提供的桥梁列车荷载作用时程提取装置的一种具体实施方式，基于第一匹配序列和第二匹配序列确定桥梁列车荷载作用的时程，包括：
对第一匹配序列和第二匹配序列进行或运算，得到第三匹配序列。
将第三匹配序列中数值的变化时段作为桥梁列车荷载作用的时程。
参见图3，图3为本发明一实施例提供的终端设备的示意框图。如图3所示的本实施例中的终端300可以包括：一个或多个处理器301、一个或多个输入设备302、一个或多个输出设备303及一个或多个存储器304。上述处理器301、输入设备302、则输出设备303及存储器304通过通信总线305完成相互间的通信。存储器304用于存储计算机程序，计算机程序包括程序指令。处理器301用于执行存储器304存储的程序指令。其中，处理器301被配置用于调用程序指令执行以下操作上述各装置实施例中各模块/单元的功能，例如图2所示模块21至24的功能。
应当理解，在本发明实施例中，所称处理器301可以是中央处理单元(CentralProcessing Unit，CPU)，该处理器还可以是其他通用处理器、数字信号处理器(DigitalSignal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
输入设备302可以包括触控板、指纹采传感器(用于采集用户的指纹信息和指纹的方向信息)、麦克风等，输出设备303可以包括显示器(LCD等)、扬声器等。
该存储器304可以包括只读存储器和随机存取存储器，并向处理器301提供指令和数据。存储器304的一部分还可以包括非易失性随机存取存储器。例如，存储器304还可以存储设备类型的信息。
具体实现中，本发明实施例中所描述的处理器301、输入设备302、输出设备303可执行本发明实施例提供的桥梁列车荷载作用时程提取方法的第一实施例和第二实施例中所描述的实现方式，也可执行本发明实施例所描述的终端的实现方式，在此不再赘述。
在本发明的另一实施例中提供一种计算机可读存储介质，计算机可读存储介质存储有计算机程序，计算机程序包括程序指令，程序指令被处理器执行时实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，计算机程序包括计算机程序代码，计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。计算机可读介质可以包括：能够携带计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是，计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括是电载波信号和电信信号。
计算机可读存储介质可以是前述任一实施例的终端的内部存储单元，例如终端的硬盘或内存。计算机可读存储介质也可以是终端的外部存储设备，例如终端上配备的插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(Flash Card)等。进一步地，计算机可读存储介质还可以既包括终端的内部存储单元也包括外部存储设备。计算机可读存储介质用于存储计算机程序及终端所需的其他程序和数据。计算机可读存储介质还可以用于暂时地存储已经输出或者将要输出的数据。
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，上述描述的终端和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在本申请所提供的几个实施例中，应该理解到，所揭露的终端和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另外，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口或单元的间接耦合或通信连接，也可以是电的，机械的或其它的形式连接。
作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本发明实施例方案的目的。
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以是两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
以上，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。
Claims (7)
1.一种桥梁列车荷载作用时程提取方法，其特征在于，包括：
获取第一标靶对应的第一图像数据以及第二标靶对应的第二图像数据，所述第一标靶、第二标靶分别设置在目标梁体的两端，其中第一标靶对应目标梁体的固定支座一端，第二标靶对应目标梁体的活动支座一端；
根据所述第二图像数据确定列车荷载的起始时刻，并基于所述列车荷载的起始时刻以及所述第一图像数据确定第一模板图像，基于所述列车荷载的起始时刻以及所述第二图像数据确定第二模板图像；
匹配所述第一图像数据以及所述第一模板图像，并对匹配结果进行二聚类处理，得到第一匹配序列；匹配所述第二图像数据以及所述第二模板图像，并对匹配结果进行二聚类处理，得到第二匹配序列；
基于第一匹配序列和第二匹配序列确定桥梁列车荷载作用的时程；
所述基于所述列车荷载的起始时刻以及所述第一图像数据确定第一模板图像，包括：
若起始时刻为t，则将第一图像数据中第t-m秒对应的帧图像作为第一模板图像；其中，m为预设时间间隔；
所述匹配所述第一图像数据以及所述第一模板图像，并对匹配结果进行二聚类处理，得到第一匹配序列，包括：
分别提取第一模板图像的中间列数据、以及第一图像数据中帧号T后连续M×f帧图像的中间列数据；其中，T为第一模板图像的帧号，M为列车荷载作用的最大时长，f为摄像机的采集帧频；
基于连续M×f帧图像的中间列数据、第一模板图像的中间列数据确定连续M×f帧图像与第一模板图像的匹配差值，得到第一差值序列；
对第一差值序列进行二聚类处理，得到第一匹配序列；
所述基于第一匹配序列和第二匹配序列确定桥梁列车荷载作用的时程，包括：
对第一匹配序列和第二匹配序列进行或运算，得到第三匹配序列；
将第三匹配序列中数值的变化时段作为桥梁列车荷载作用的时程。
2.如权利要求1所述的桥梁列车荷载作用时程提取方法，其特征在于，所述根据所述第二图像数据确定列车荷载的起始时刻，包括：
S1：设定当前起始检测图像的帧号为n，移动窗口的宽度为w，移动步长为d，其中n＝1，d≦w；
S2：从第二图像数据中提取第n至第n+w帧图像，基于第n至第n+w帧图像确定第n+w帧图像相对于其前w帧图像的欧几里得范数；
S3：若所述欧几里得范数大于预设阈值，则将第n+w帧图像对应的时刻作为列车荷载的起始时刻；若所述欧几里得范数不大于预设阈值，则令n＝n+d，并返回执行步骤S2。
3.如权利要求2所述的桥梁列车荷载作用时程提取方法，其特征在于，所述基于第n至第n+w帧图像确定第n+w帧图像相对于其前w帧图像的欧几里得范数，包括：
其中，p为第n+w帧图像相对于其前w帧图像的欧几里得范数，表示L2范数，(an,an+1,…,an+w-1,an+w)表示第n至第n+w帧图像的中间行数据。
4.如权利要求1所述的桥梁列车荷载作用时程提取方法，其特征在于，在基于第一匹配序列和第二匹配序列确定桥梁列车荷载作用的时程之前，还包括：
对第一匹配序列和第二匹配序列进行形态学处理。
5.一种桥梁列车荷载作用时程提取装置，其特征在于，包括：
数据获取模块，用于获取第一标靶对应的第一图像数据以及第二标靶对应的第二图像数据，所述第一标靶、第二标靶分别设置在目标梁体的两端，其中第一标靶对应目标梁体的固定支座一端，第二标靶对应目标梁体的活动支座一端；
模板确定模块，用于根据所述第二图像数据确定列车荷载的起始时刻，并基于所述列车荷载的起始时刻以及所述第一图像数据确定第一模板图像，基于所述列车荷载的起始时刻以及所述第二图像数据确定第二模板图像；
图像匹配模块，用于匹配所述第一图像数据以及所述第一模板图像，并对匹配结果进行二聚类处理，得到第一匹配序列；匹配所述第二图像数据以及所述第二模板图像，并对匹配结果进行二聚类处理，得到第二匹配序列；
时程确定模块，用于基于第一匹配序列和第二匹配序列确定桥梁列车荷载作用的时程；
所述基于所述列车荷载的起始时刻以及所述第一图像数据确定第一模板图像，包括：
若起始时刻为t，则将第一图像数据中第t-m秒对应的帧图像作为第一模板图像；其中，m为预设时间间隔；
所述匹配所述第一图像数据以及所述第一模板图像，并对匹配结果进行二聚类处理，得到第一匹配序列，包括：
分别提取第一模板图像的中间列数据、以及第一图像数据中帧号T后连续M×f帧图像的中间列数据；其中，T为第一模板图像的帧号，M为列车荷载作用的最大时长，f为摄像机的采集帧频；
基于连续M×f帧图像的中间列数据、第一模板图像的中间列数据确定连续M×f帧图像与第一模板图像的匹配差值，得到第一差值序列；
对第一差值序列进行二聚类处理，得到第一匹配序列；
所述基于第一匹配序列和第二匹配序列确定桥梁列车荷载作用的时程，包括：
对第一匹配序列和第二匹配序列进行或运算，得到第三匹配序列；
将第三匹配序列中数值的变化时段作为桥梁列车荷载作用的时程。
6.一种终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至4任一项所述方法的步骤。
7.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至4任一项所述方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011064690.9A CN112132227B (zh) | 2020-09-30 | 2020-09-30 | 桥梁列车荷载作用时程提取方法、装置及终端设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011064690.9A CN112132227B (zh) | 2020-09-30 | 2020-09-30 | 桥梁列车荷载作用时程提取方法、装置及终端设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112132227A CN112132227A (zh) | 2020-12-25 |
| CN112132227B true CN112132227B (zh) | 2024-04-05 |
Family
ID=73843891
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011064690.9A Active CN112132227B (zh) | 2020-09-30 | 2020-09-30 | 桥梁列车荷载作用时程提取方法、装置及终端设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112132227B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113033891B (zh) * | 2021-03-19 | 2022-01-18 | 河北水熠木丰工程技术有限责任公司 | 高墩桥梁健康监控方法及装置 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106710242A (zh) * | 2017-02-20 | 2017-05-24 | 广西交通科学研究院有限公司 | 基于桥梁动应变识别车队车辆数的方法 |
| CN106895900A (zh) * | 2017-02-20 | 2017-06-27 | 广西交通科学研究院有限公司 | 基于桥梁动应变识别单车轴数的方法 |
| CN110034976A (zh) * | 2019-04-08 | 2019-07-19 | Oppo广东移动通信有限公司 | 一种数据识别的方法及装置 |
| WO2019237992A1 (zh) * | 2018-06-15 | 2019-12-19 | Oppo广东移动通信有限公司 | 拍照方法、装置、终端及计算机可读存储介质 |
| WO2020038109A1 (zh) * | 2018-08-22 | 2020-02-27 | Oppo广东移动通信有限公司 | 拍照方法、装置、终端及计算机可读存储介质 |
| CN111144039A (zh) * | 2019-12-04 | 2020-05-12 | 东南大学 | 一种基于深度学习的列车动态称重系统及称重方法 |
| CN111291736A (zh) * | 2020-05-07 | 2020-06-16 | 南京景三医疗科技有限公司 | 图像修正方法、装置及医疗设备 |
Family Cites Families (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103063451B (zh) * | 2012-12-26 | 2014-07-23 | 浙江大学 | 轨道交通列车整车移动荷载模拟加载方法及装置 |
| US20150088428A1 (en) * | 2013-09-23 | 2015-03-26 | San Diego State University Research Foundation | Computationally efficient nonlinear structural analysis |
| US20180374237A1 (en) * | 2017-06-23 | 2018-12-27 | Canon Kabushiki Kaisha | Method, system and apparatus for determining a pose for an object |
| US12046329B2 (en) * | 2018-06-07 | 2024-07-23 | Microsoft Technology Licensing, Llc | Efficient payload extraction from polynucleotide sequence reads |
-
2020
- 2020-09-30 CN CN202011064690.9A patent/CN112132227B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106710242A (zh) * | 2017-02-20 | 2017-05-24 | 广西交通科学研究院有限公司 | 基于桥梁动应变识别车队车辆数的方法 |
| CN106895900A (zh) * | 2017-02-20 | 2017-06-27 | 广西交通科学研究院有限公司 | 基于桥梁动应变识别单车轴数的方法 |
| WO2019237992A1 (zh) * | 2018-06-15 | 2019-12-19 | Oppo广东移动通信有限公司 | 拍照方法、装置、终端及计算机可读存储介质 |
| WO2020038109A1 (zh) * | 2018-08-22 | 2020-02-27 | Oppo广东移动通信有限公司 | 拍照方法、装置、终端及计算机可读存储介质 |
| CN110034976A (zh) * | 2019-04-08 | 2019-07-19 | Oppo广东移动通信有限公司 | 一种数据识别的方法及装置 |
| CN111144039A (zh) * | 2019-12-04 | 2020-05-12 | 东南大学 | 一种基于深度学习的列车动态称重系统及称重方法 |
| CN111291736A (zh) * | 2020-05-07 | 2020-06-16 | 南京景三医疗科技有限公司 | 图像修正方法、装置及医疗设备 |
Non-Patent Citations (2)
| Title |
|---|
| 根据响应识别桥上列车荷载的模糊模式识别方法;瞿伟廉;王仪;;噪声与振动控制(01);全文 * |
| 桥上列车移动荷载参数自动识别系统试验;王仪;虞婷婷;瞿伟廉;;噪声与振动控制(02);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112132227A (zh) | 2020-12-25 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112085952A (zh) | 监控车辆数据方法、装置、计算机设备及存储介质 | |
| CN102004906A (zh) | 人脸识别系统及方法 | |
| CN110516522B (zh) | 一种巡检方法及系统 | |
| CN113409587B (zh) | 异常车辆的检测方法、装置、设备及存储介质 | |
| CN111724496A (zh) | 一种考勤方法、考勤装置及计算机可读存储介质 | |
| CN112132227B (zh) | 桥梁列车荷载作用时程提取方法、装置及终端设备 | |
| CN117412070A (zh) | 商家直播时长置信策略操作系统 | |
| CN115830002A (zh) | 一种红外图像质量评价方法及装置 | |
| KR20160083465A (ko) | 다차선 카메라 인식 시스템 및 그의 학습형 영상분석 방법 | |
| CN112229586B (zh) | 桥梁支座健康状态检测方法及终端设备 | |
| CN113837312B (zh) | 一种氧化锌避雷器的运行状态评价方法及装置 | |
| CN117437792B (zh) | 基于边缘计算的实时道路交通状态监测方法、设备及系统 | |
| CN109215150A (zh) | 人脸点名与计数方法及其系统 | |
| CN112016514B (zh) | 一种交通标志识别方法、装置、设备及储存介质 | |
| CN112016509B (zh) | 人员站位异常提醒方法及装置 | |
| Vijayan et al. | A survey on surface crack detection in concretes using traditional, image processing, machine learning, and deep learning techniques | |
| CN113449624B (zh) | 一种基于行人重识别确定车辆行为的方法及装置 | |
| CN115662132A (zh) | 一种红绿灯倒计时时间识别方法及装置 | |
| CN110866440B (zh) | 一种指针仪表深度学习网络搭建方法、检测方法及其系统 | |
| CN107993446A (zh) | 一种交通禁停区域违章停车监测装置 | |
| KR101984069B1 (ko) | 지능형 영상 기반 시설물 진동 감시 방법 | |
| CN112229500B (zh) | 结构振动位移监测方法及终端设备 | |
| CN113537034A (zh) | 收银防损方法及系统 | |
| KR20100071222A (ko) | 감시 카메라 시스템에서 카메라 영상의 사람 객체 움직임 양에 따른 가변 프레임 동영상 저장 방법과 감시 영상 인증방법 | |
| CN104951777A (zh) | 人脸识别系统 |
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 | ||
| GR01 | Patent grant |