CN106123785A - 一种用于水利水电工程的拱坝监控*** - Google Patents

Abstract

本发明公开了一种用于水利水电工程的拱坝监控***，包括视频采集设备、信号传输设备和计算机监测中心；所述的视频采集设备用于采集拱坝重要位置的视频图像；所述视频采集设备采集的视频图像通过所述信号传输设备传输到所述计算机监测中心，所述计算机监测中心对所述视频图像进行处理，得到不同位置处的振动位移曲线，通过对所述振动位移曲线的分析，实现对所述拱坝的监测。本发明的有益效果为：能及时发现拱坝可能产生的损伤，快速找出损伤位置，以便采用各种工程措施加以修复和加固，并且该***具有形式简单、施工方便、易于维护、工程造价低、运行管理方便、使用的视频采集设备方便更换的特点。

Description

一种用于水利水电工程的拱坝监控***

技术领域

本发明涉及水利水电智能监测领域，具体涉及一种用于水利水电工程的拱坝监控***。

背景技术

相关技术中，对于拱坝的监测主要为变形监测、渗流渗压监测、应力应变监测、缝隙开合度监测和温度监测等。上述监测基本为静态或准静态监测，对于坝肩稳定性以及坝体的整***移，静态方法还是适用的，但对于反映拱坝成拱条件的内部应力应变、缝隙开合度的情况，静态监测很难把握拱坝工作状态的瞬时变化和随时间的演变过程，而拱坝的瞬时成拱失效和裂缝累积效应造成的成拱失效会威胁拱坝的安全运行。另外，由于目前的传感器一般都是在拱坝施工期预埋进坝体内，长时间运行会造成传感器失效而又无法更换，失去对坝体的有效监测，使运行管理部门对拱坝的健康情况无法准确把握，造成拱坝运行的安全隐患。

发明内容

为解决上述问题，本发明旨在提供一种用于水利水电工程的拱坝监控***。

本发明的目的采用以下技术方案来实现：

一种用于水利水电工程的拱坝监控***，包括视频采集设备、信号传输设备和计算机监测中心；所述的视频采集设备用于采集拱坝重要位置的视频图像；所述视频采集设备采集的视频图像通过所述信号传输设备传输到所述计算机监测中心，所述计算机监测中心对所述视频图像进行处理，得到不同位置处的振动位移曲线，通过对所述振动位移曲线的分析，实现对所述拱坝的监测。

本发明的有益效果为：通过设置视频采集设备、信号传输设备和计算机监测中心，及时发现拱坝可能产生的损伤，快速找出损伤位置，以便采用各种工程措施加以修复和加固，并且该***具有形式简单、施工方便、易于维护、工程造价低、运行管理方便的特点，运行时可实现远程控制；并且使用的视频采集设备，方便更换，减少了干扰、提高了监测的精度，满足了实际应用中的需要，从而解决了上述的技术问题。

附图说明

利用附图对本发明作进一步说明，但附图中的应用场景不构成对本发明的任何限制，对于本领域的普通技术人员，在不付出创造性劳动的前提下，还可以根据以下附图获得其它的附图。

图1是本发明的结构示意图。

图2是本发明计算机监测中心的模块连接示意图。

附图标记：

视频采集设备1、信号传输设备2、计算机监测中心3、数据预处理模块31、数据分析模块32、数据评估模块33、数据显示模块34。

具体实施方式

结合以下应用场景对本发明作进一步描述。

应用场景1

参见图1、图2，本应用场景中的一个实施例的用于水利水电工程的拱坝监控***，包括视频采集设备1、信号传输设备2和计算机监测中心3；所述的视频采集设备1用于采集拱坝重要位置的视频图像；所述视频采集设备1采集的视频图像通过所述信号传输设备2传输到所述计算机监测中心3，所述计算机监测中心3对所述视频图像进行处理，得到不同位置处的振动位移曲线，通过对所述振动位移曲线的分析，实现对所述拱坝的监测。

本发明的上述实施例通过设置视频采集设备1、信号传输设备2和计算机监测中心3，及时发现拱坝可能产生的损伤，快速找出损伤位置，以便采用各种工程措施加以修复和加固，并且该***具有形式简单、施工方便、易于维护、工程造价低、运行管理方便的特点，运行时可实现远程控制；并且使用的视频采集设备1，方便更换，减少了干扰、提高了监测的精度，满足了实际应用中的需要，从而解决了上述的技术问题。

优选的，所述重要位置包括拱坝坝段、施工横缝、表孔、中孔、顶拱、拱冠梁、1/4顶拱轴线位置梁和3/4顶拱轴线位置梁。进一步地，所述重要位置还包括在所述顶拱的1/8轴线位置、3/8轴线位置、5/8轴线位置和7/8轴线位置相应拱坝坝段中心点的下游坝面。

本优选实施例设定了需要监测的拱坝的重要位置，使监测更具有相对性。

优选的，所述计算机监测中心3包括依次连接的数据预处理模块31、数据分析模块32、数据评估模块33和数据显示模块34，所述数据预处理模块31用于将采集到的视频图像转化到灰度空间，并使转换后的图像通过高斯滤波器进行滤波处理；所述数据分析模块32用于对预处理后的视频图像进行分析和处理，以得到拱坝重要位置的振动位移曲线；所述数据评估模块33用于对所述振动位移曲线进行健康分析并判断拱坝重要位置的振动位移是否处于健康状态，输出拱坝重要位置健康状态结果；所述数据显示模块34用于显示所述拱坝重要位置健康状态结果。

本优选实施例构建了计算机监测中心3的模块架构。

优选的，所述数据分析模块32包括算法选择子模块、主算法子模块、副算法子模块、位移修正子模块和显示子模块，具体为：

(1)算法选择子模块：与主算法子模块、副算法子模块连接，用于对视频中各桢图像的位移提取算法进行选择，其遵循的选取原则为：当前帧图像与前一桢图像相比不满足亮度恒定、空间一致和桢间位移差小于设定阈值T₁的任一项条件时，选取主算法子模块进行追踪目标的运动位移的提取；当前帧图像与前一桢图像相比满足亮度恒定、空间一致和桢间位移差小于设定阈值T₁条件时，选取副算法子模块进行追踪目标的运动位移的提取，T₁的取值范围为(0,1mm]；

(2)主算法子模块：用于通过图像配准的方式来提取追踪目标的运动位移，设视频共有n桢图像，选取视频中的第一帧中的追踪目标图像作为模板图像P(σ)，后续帧图像为I_j(σ),j＝2,...n，多次扭曲所述后续帧图像I_j(σ)，使其与模板图像P(σ)对齐，每次扭曲后所述后续帧图像I_j(σ)与模板图像P(σ)之间的增量Δδ_j为：

${\mathrm{\Δ\δ}}_j={\[\underset{\mathrm{\σ}\∈P}{\Σ}{(\▿P)}^P\·\▿P\]}^{-1}\underset{\mathrm{\σ}\∈P}{\Σ}{(\▿P)}^P\[I_j\left(\mathrm{\ψ}\right(\mathrm{\σ};{\mathrm{\δ}}_j\left)\right)-P\left(\mathrm{\σ}\right)\]$

其中，ψ(σ；δ_j)为模板图像P(σ)的像素坐标σ(x,y)映射到后续帧图像I_j(σ)的亚像素坐标，δ_j表示扭曲变换的参数向量，I_j(ψ(σ；δ_j))为从后续帧图像I_j(σ)中截取的扭曲部分，为扭曲部分在亚像素坐标ψ(σ；δ_j)处的梯度；

所述主算法子模块通过不断迭代计算增量Δδ_j来更新δ_j，以逐渐实现图像配准，更新过程为：δ_j←δ_j+Δδ_j，每次更新后对变换参数δ_j的小数点后一位进行四舍五入取整，停止更新的条件为||Δδ_j||≤T₂，T₂为设定的阈值，T₂的取值范围为[0.4,0.5]，最后更新的变换参数δ_j即为后续帧图像I_j(σ)中要提取的追踪目标的复杂运动位移；

(3)副算法子模块：用于通过模板匹配的方式来提取追踪目标的运动位移，设视频共有n桢图像，选取视频中的第一帧图像为匹配图像，后续帧的有效区域为模板图像P_i,i＝2,...n,各桢图像中追踪目标的简单运动位移(x_i,y_i)为：

$(x_i,y_i)=(x_0+\frac{2m_1{m}_5-m_2{m}_4}{{m_4}^2-4m_3{m}_5},y_0+\frac{2m_2{m}_3-m_1{m}_4}{{m_4}^2-4m_3{m}_5})$

其中，(x₀,y₀)为通过计算模板图像P_i与第一帧图像的NCC相关系数矩阵得到的最大位置点的坐标，m₁,m₂,m₃,m₄,m₅为(x₀,y₀)周围8个坐标点(x_k,y_k)的相关系数，k＝1,...,8，(x₀,y₀)与所述相关系数的关系为c(x_k,y_k)＝m₀+m₁x_k+m₂y_k+m₃x_k ²+m₄x_ky_k+m₅y_k ²；

(4)位移修正子模块,考虑到当地温度对拱坝重要位置位移的影响，引入温度修正系数L对上述提取的运动位移进行修正，经验值L的取值范围是[0.95，1.05]：

修正后的复杂运动位移：δ′_j＝δ_j×L

修正后的简单运动位移：(x_i,y_i)′＝(x_i,y_i)×L；

(5)显示子模块，与主算法子模块、副算法子模块连接，用于处理并显示与追踪目标相关的运动位移数据和拱坝重要位置的振动位移曲线。

本优选实施例设置副算法子模块，对满足亮度恒定、空间一致和桢间位移差小于设定阈值T₁条件的相邻桢图像进行位移提取，只需选择模板图像进行计算，简单、直观，自动化能力强，且提出了简单运动位移(x_i,y_i)的计算公式，提高了计算的速度；通过设置主算法子模块，对不满足亮度恒定、空间一致和桢间位移差小于设定阈值T₁任一项条件的相邻桢图像进行位移提取，提取过程较为简单，可以快速被执行，可以实现高速摄像的实时位移提取；通过设置算法选择子模块，对视频中各桢图像的位移提取算法进行优化选择，减少了对图像处理的依赖，提高了位移提取的效率，算法对每桢图像的位移提取时间可以降低到0.1ms以下；通过设置位移修正子模块，消除了温度对位移的影响，计算结果更为准确。

优选的，所述数据评估模块33包括主评估子模块和副评估子模块：

a、主评估子模块：对显示子模块中的振动位移曲线进行评估，若振动位移曲线评估合格，则不再对运动位移数据进行评估；

b、副评估子模块：当振动位移曲线评估不合格时，对显示子模块中的运动位移数据进行评估，找出异常数据。

本优选实施例提高了评估的精度。

本应用场景中的上述实施例取T₁＝0.1，T₂＝0.5，对拱坝重要位置健康状况的分析速度相对提高了5％，分析精度相对提高了4.2％。

应用场景2

参见图1、图2，本应用场景中的一个实施例的用于水利水电工程的拱坝监控***，包括视频采集设备1、信号传输设备2和计算机监测中心3；所述的视频采集设备1用于采集拱坝重要位置的视频图像；所述视频采集设备1采集的视频图像通过所述信号传输设备2传输到所述计算机监测中心3，所述计算机监测中心3对所述视频图像进行处理，得到不同位置处的振动位移曲线，通过对所述振动位移曲线的分析，实现对所述拱坝的监测。

本发明的上述实施例通过设置视频采集设备1、信号传输设备2和计算机监测中心3，及时发现拱坝可能产生的损伤，快速找出损伤位置，以便采用各种工程措施加以修复和加固，并且该***具有形式简单、施工方便、易于维护、工程造价低、运行管理方便的特点，运行时可实现远程控制；并且使用的视频采集设备1，方便更换，减少了干扰、提高了监测的精度，满足了实际应用中的需要，从而解决了上述的技术问题。

优选的，所述重要位置包括拱坝坝段、施工横缝、表孔、中孔、顶拱、拱冠梁、1/4顶拱轴线位置梁和3/4顶拱轴线位置梁。进一步地，所述重要位置还包括在所述顶拱的1/8轴线位置、3/8轴线位置、5/8轴线位置和7/8轴线位置相应拱坝坝段中心点的下游坝面。

本优选实施例设定了需要监测的拱坝的重要位置，使监测更具有相对性。

优选的，所述计算机监测中心3包括依次连接的数据预处理模块31、数据分析模块32、数据评估模块33和数据显示模块34，所述数据预处理模块31用于将采集到的视频图像转化到灰度空间，并使转换后的图像通过高斯滤波器进行滤波处理；所述数据分析模块32用于对预处理后的视频图像进行分析和处理，以得到拱坝重要位置的振动位移曲线；所述数据评估模块33用于对所述振动位移曲线进行健康分析并判断拱坝重要位置的振动位移是否处于健康状态，输出拱坝重要位置健康状态结果；所述数据显示模块34用于显示所述拱坝重要位置健康状态结果。

本优选实施例构建了计算机监测中心3的模块架构。

优选的，所述数据分析模块32包括算法选择子模块、主算法子模块、副算法子模块、位移修正子模块和显示子模块，具体为：

(1)算法选择子模块：与主算法子模块、副算法子模块连接，用于对视频中各桢图像的位移提取算法进行选择，其遵循的选取原则为：当前帧图像与前一桢图像相比不满足亮度恒定、空间一致和桢间位移差小于设定阈值T₁的任一项条件时，选取主算法子模块进行追踪目标的运动位移的提取；当前帧图像与前一桢图像相比满足亮度恒定、空间一致和桢间位移差小于设定阈值T₁条件时，选取副算法子模块进行追踪目标的运动位移的提取，T₁的取值范围为(0,1mm]；

(2)主算法子模块：用于通过图像配准的方式来提取追踪目标的运动位移，设视频共有n桢图像，选取视频中的第一帧中的追踪目标图像作为模板图像P(σ)，后续帧图像为I_j(σ),j＝2,...n，多次扭曲所述后续帧图像I_j(σ)，使其与模板图像P(σ)对齐，每次扭曲后所述后续帧图像I_j(σ)与模板图像P(σ)之间的增量Δδ_j为：

${\mathrm{\Δ\δ}}_j={\[\underset{\mathrm{\σ}\∈P}{\Σ}{(\▿P)}^P\·\▿P\]}^{-1}\underset{\mathrm{\σ}\∈P}{\Σ}{(\▿P)}^P\[I_j\left(\mathrm{\ψ}\right(\mathrm{\σ};{\mathrm{\δ}}_j\left)\right)-P\left(\mathrm{\σ}\right)\]$

其中，ψ(σ；δ_j)为模板图像P(σ)的像素坐标σ(x,y)映射到后续帧图像I_j(σ)的亚像素坐标，δ_j表示扭曲变换的参数向量，I_j(ψ(σ；δ_j))为从后续帧图像I_j(σ)中截取的扭曲部分，为扭曲部分在亚像素坐标ψ(σ；δ_j)处的梯度；

所述主算法子模块通过不断迭代计算增量Δδ_j来更新δ_j，以逐渐实现图像配准，更新过程为：δ_j←δ_j+Δδ_j，每次更新后对变换参数δ_j的小数点后一位进行四舍五入取整，停止更新的条件为||Δδ_j||≤T₂，T₂为设定的阈值，T₂的取值范围为[0.4,0.5]，最后更新的变换参数δ_j即为后续帧图像I_j(σ)中要提取的追踪目标的复杂运动位移；

(3)副算法子模块：用于通过模板匹配的方式来提取追踪目标的运动位移，设视频共有n桢图像，选取视频中的第一帧图像为匹配图像，后续帧的有效区域为模板图像P_i,i＝2,...n,各桢图像中追踪目标的简单运动位移(x_i,y_i)为：

$(x_i,y_i)=(x_0+\frac{2m_1{m}_5-m_2{m}_4}{{m_4}^2-4m_3{m}_5},y_0+\frac{2m_2{m}_3-m_1{m}_4}{{m_4}^2-4m_3{m}_5})$

其中，(x₀,y₀)为通过计算模板图像P_i与第一帧图像的NCC相关系数矩阵得到的最大位置点的坐标，m₁,m₂,m₃,m₄,m₅为(x₀,y₀)周围8个坐标点(x_k,y_k)的相关系数，k＝1,...,8，(x₀,y₀)与所述相关系数的关系为c(x_k,y_k)＝m₀+m₁x_k+m₂y_k+m₃x_k ²+m₄x_ky_k+m₅y_k ²；

(4)位移修正子模块,考虑到当地温度对拱坝重要位置位移的影响，引入温度修正系数L对上述提取的运动位移进行修正，经验值L的取值范围是[0.95，1.05]：

修正后的复杂运动位移：δ′_j＝δ_j×L

修正后的简单运动位移：(x_i,y_i)′＝(x_i,y_i)×L；

(5)显示子模块，与主算法子模块、副算法子模块连接，用于处理并显示与追踪目标相关的运动位移数据和拱坝重要位置的振动位移曲线。

本优选实施例设置副算法子模块，对满足亮度恒定、空间一致和桢间位移差小于设定阈值T₁条件的相邻桢图像进行位移提取，只需选择模板图像进行计算，简单、直观，自动化能力强，且提出了简单运动位移(x_i,y_i)的计算公式，提高了计算的速度；通过设置主算法子模块，对不满足亮度恒定、空间一致和桢间位移差小于设定阈值T₁任一项条件的相邻桢图像进行位移提取，提取过程较为简单，可以快速被执行，可以实现高速摄像的实时位移提取；通过设置算法选择子模块，对视频中各桢图像的位移提取算法进行优化选择，减少了对图像处理的依赖，提高了位移提取的效率，算法对每桢图像的位移提取时间可以降低到0.1ms以下；通过设置位移修正子模块，消除了温度对位移的影响，计算结果更为准确。

优选的，所述数据评估模块33包括主评估子模块和副评估子模块：

a、主评估子模块：对显示子模块中的振动位移曲线进行评估，若振动位移曲线评估合格，则不再对运动位移数据进行评估；

b、副评估子模块：当振动位移曲线评估不合格时，对显示子模块中的运动位移数据进行评估，找出异常数据。

本优选实施例提高了评估的精度。

本应用场景中的上述实施例取T₁＝0.09，T₂＝0.5时，对拱坝重要位置健康状况的分析速度相对提高了4.5％，分析精度相对提高了4.2％。

应用场景3

参见图1、图2，本应用场景中的一个实施例的用于水利水电工程的拱坝监控***，包括视频采集设备1、信号传输设备2和计算机监测中心3；所述的视频采集设备1用于采集拱坝重要位置的视频图像；所述视频采集设备1采集的视频图像通过所述信号传输设备2传输到所述计算机监测中心3，所述计算机监测中心3对所述视频图像进行处理，得到不同位置处的振动位移曲线，通过对所述振动位移曲线的分析，实现对所述拱坝的监测。

本发明的上述实施例通过设置视频采集设备1、信号传输设备2和计算机监测中心3，及时发现拱坝可能产生的损伤，快速找出损伤位置，以便采用各种工程措施加以修复和加固，并且该***具有形式简单、施工方便、易于维护、工程造价低、运行管理方便的特点，运行时可实现远程控制；并且使用的视频采集设备1，方便更换，减少了干扰、提高了监测的精度，满足了实际应用中的需要，从而解决了上述的技术问题。

优选的，所述重要位置包括拱坝坝段、施工横缝、表孔、中孔、顶拱、拱冠梁、1/4顶拱轴线位置梁和3/4顶拱轴线位置梁。进一步地，所述重要位置还包括在所述顶拱的1/8轴线位置、3/8轴线位置、5/8轴线位置和7/8轴线位置相应拱坝坝段中心点的下游坝面。

本优选实施例设定了需要监测的拱坝的重要位置，使监测更具有相对性。

优选的，所述计算机监测中心3包括依次连接的数据预处理模块31、数据分析模块32、数据评估模块33和数据显示模块34，所述数据预处理模块31用于将采集到的视频图像转化到灰度空间，并使转换后的图像通过高斯滤波器进行滤波处理；所述数据分析模块32用于对预处理后的视频图像进行分析和处理，以得到拱坝重要位置的振动位移曲线；所述数据评估模块33用于对所述振动位移曲线进行健康分析并判断拱坝重要位置的振动位移是否处于健康状态，输出拱坝重要位置健康状态结果；所述数据显示模块34用于显示所述拱坝重要位置健康状态结果。

本优选实施例构建了计算机监测中心3的模块架构。

优选的，所述数据分析模块32包括算法选择子模块、主算法子模块、副算法子模块、位移修正子模块和显示子模块，具体为：

(1)算法选择子模块：与主算法子模块、副算法子模块连接，用于对视频中各桢图像的位移提取算法进行选择，其遵循的选取原则为：当前帧图像与前一桢图像相比不满足亮度恒定、空间一致和桢间位移差小于设定阈值T₁的任一项条件时，选取主算法子模块进行追踪目标的运动位移的提取；当前帧图像与前一桢图像相比满足亮度恒定、空间一致和桢间位移差小于设定阈值T₁条件时，选取副算法子模块进行追踪目标的运动位移的提取，T₁的取值范围为(0,1mm]；

(2)主算法子模块：用于通过图像配准的方式来提取追踪目标的运动位移，设视频共有n桢图像，选取视频中的第一帧中的追踪目标图像作为模板图像P(σ)，后续帧图像为I_j(σ),j＝2,...n，多次扭曲所述后续帧图像I_j(σ)，使其与模板图像P(σ)对齐，每次扭曲后所述后续帧图像I_j(σ)与模板图像P(σ)之间的增量Δδ_j为：

${\mathrm{\Δ\δ}}_j={\[\underset{\mathrm{\σ}\∈P}{\Σ}{(\▿P)}^P\·\▿P\]}^{-1}\underset{\mathrm{\σ}\∈P}{\Σ}{(\▿P)}^P\[I_j\left(\mathrm{\ψ}\right(\mathrm{\σ};{\mathrm{\δ}}_j\left)\right)-P\left(\mathrm{\σ}\right)\]$

其中，ψ(σ；δ_j)为模板图像P(σ)的像素坐标σ(x,y)映射到后续帧图像I_j(σ)的亚像素坐标，δ_j表示扭曲变换的参数向量，I_j(ψ(σ；δ_j))为从后续帧图像I_j(σ)中截取的扭曲部分，为扭曲部分在亚像素坐标ψ(σ；δ_j)处的梯度；

所述主算法子模块通过不断迭代计算增量Δδ_j来更新δ_j，以逐渐实现图像配准，更新过程为：δ_j←δ_j+Δδ_j，每次更新后对变换参数δ_j的小数点后一位进行四舍五入取整，停止更新的条件为||Δδ_j||≤T₂，T₂为设定的阈值，T₂的取值范围为[0.4,0.5]，最后更新的变换参数δ_j即为后续帧图像I_j(σ)中要提取的追踪目标的复杂运动位移；

(3)副算法子模块：用于通过模板匹配的方式来提取追踪目标的运动位移，设视频共有n桢图像，选取视频中的第一帧图像为匹配图像，后续帧的有效区域为模板图像P_i,i＝2,...n,各桢图像中追踪目标的简单运动位移(x_i,y_i)为：

$(x_i,y_i)=(x_0+\frac{2m_1{m}_5-m_2{m}_4}{{m_4}^2-4m_3{m}_5},y_0+\frac{2m_2{m}_3-m_1{m}_4}{{m_4}^2-4m_3{m}_5})$

其中，(x₀,y₀)为通过计算模板图像P_i与第一帧图像的NCC相关系数矩阵得到的最大位置点的坐标，m₁,m₂,m₃,m₄,m₅为(x₀,y₀)周围8个坐标点(x_k,y_k)的相关系数，k＝1,...,8，(x₀,y₀)与所述相关系数的关系为c(x_k,y_k)＝m₀+m₁x_k+m₂y_k+m₃x_k ²+m₄x_ky_k+m₅y_k ²；

(4)位移修正子模块,考虑到当地温度对拱坝重要位置位移的影响，引入温度修正系数L对上述提取的运动位移进行修正，经验值L的取值范围是[0.95，1.05]：

修正后的复杂运动位移：δ′_j＝δ_j×L

修正后的简单运动位移：(x_i,y_i)′＝(x_i,y_i)×L；

(5)显示子模块，与主算法子模块、副算法子模块连接，用于处理并显示与追踪目标相关的运动位移数据和拱坝重要位置的振动位移曲线。

本优选实施例设置副算法子模块，对满足亮度恒定、空间一致和桢间位移差小于设定阈值T₁条件的相邻桢图像进行位移提取，只需选择模板图像进行计算，简单、直观，自动化能力强，且提出了简单运动位移(x_i,y_i)的计算公式，提高了计算的速度；通过设置主算法子模块，对不满足亮度恒定、空间一致和桢间位移差小于设定阈值T₁任一项条件的相邻桢图像进行位移提取，提取过程较为简单，可以快速被执行，可以实现高速摄像的实时位移提取；通过设置算法选择子模块，对视频中各桢图像的位移提取算法进行优化选择，减少了对图像处理的依赖，提高了位移提取的效率，算法对每桢图像的位移提取时间可以降低到0.1ms以下；通过设置位移修正子模块，消除了温度对位移的影响，计算结果更为准确。

优选的，所述数据评估模块33包括主评估子模块和副评估子模块：

a、主评估子模块：对显示子模块中的振动位移曲线进行评估，若振动位移曲线评估合格，则不再对运动位移数据进行评估；

b、副评估子模块：当振动位移曲线评估不合格时，对显示子模块中的运动位移数据进行评估，找出异常数据。

本优选实施例提高了评估的精度。

本应用场景中的上述实施例取T₁＝0.06，T₂＝0.45时，对拱坝重要位置健康状况的分析速度相对提高了3.5％，分析精度相对提高了4％。

应用场景4

参见图1、图2，本应用场景中的一个实施例的用于水利水电工程的拱坝监控***，包括视频采集设备1、信号传输设备2和计算机监测中心3；所述的视频采集设备1用于采集拱坝重要位置的视频图像；所述视频采集设备1采集的视频图像通过所述信号传输设备2传输到所述计算机监测中心3，所述计算机监测中心3对所述视频图像进行处理，得到不同位置处的振动位移曲线，通过对所述振动位移曲线的分析，实现对所述拱坝的监测。

本发明的上述实施例通过设置视频采集设备1、信号传输设备2和计算机监测中心3，及时发现拱坝可能产生的损伤，快速找出损伤位置，以便采用各种工程措施加以修复和加固，并且该***具有形式简单、施工方便、易于维护、工程造价低、运行管理方便的特点，运行时可实现远程控制；并且使用的视频采集设备1，方便更换，减少了干扰、提高了监测的精度，满足了实际应用中的需要，从而解决了上述的技术问题。

优选的，所述重要位置包括拱坝坝段、施工横缝、表孔、中孔、顶拱、拱冠梁、1/4顶拱轴线位置梁和3/4顶拱轴线位置梁。进一步地，所述重要位置还包括在所述顶拱的1/8轴线位置、3/8轴线位置、5/8轴线位置和7/8轴线位置相应拱坝坝段中心点的下游坝面。

本优选实施例设定了需要监测的拱坝的重要位置，使监测更具有相对性。

优选的，所述计算机监测中心3包括依次连接的数据预处理模块31、数据分析模块32、数据评估模块33和数据显示模块34，所述数据预处理模块31用于将采集到的视频图像转化到灰度空间，并使转换后的图像通过高斯滤波器进行滤波处理；所述数据分析模块32用于对预处理后的视频图像进行分析和处理，以得到拱坝重要位置的振动位移曲线；所述数据评估模块33用于对所述振动位移曲线进行健康分析并判断拱坝重要位置的振动位移是否处于健康状态，输出拱坝重要位置健康状态结果；所述数据显示模块34用于显示所述拱坝重要位置健康状态结果。

本优选实施例构建了计算机监测中心3的模块架构。

优选的，所述数据分析模块32包括算法选择子模块、主算法子模块、副算法子模块、位移修正子模块和显示子模块，具体为：

(1)算法选择子模块：与主算法子模块、副算法子模块连接，用于对视频中各桢图像的位移提取算法进行选择，其遵循的选取原则为：当前帧图像与前一桢图像相比不满足亮度恒定、空间一致和桢间位移差小于设定阈值T₁的任一项条件时，选取主算法子模块进行追踪目标的运动位移的提取；当前帧图像与前一桢图像相比满足亮度恒定、空间一致和桢间位移差小于设定阈值T₁条件时，选取副算法子模块进行追踪目标的运动位移的提取，T₁的取值范围为(0,1mm]；

(2)主算法子模块：用于通过图像配准的方式来提取追踪目标的运动位移，设视频共有n桢图像，选取视频中的第一帧中的追踪目标图像作为模板图像P(σ)，后续帧图像为I_j(σ),j＝2,...n，多次扭曲所述后续帧图像I_j(σ)，使其与模板图像P(σ)对齐，每次扭曲后所述后续帧图像I_j(σ)与模板图像P(σ)之间的增量Δδ_j为：

${\mathrm{\Δ\δ}}_j={\[\underset{\mathrm{\σ}\∈P}{\Σ}{(\▿P)}^P\·\▿P\]}^{-1}\underset{\mathrm{\σ}\∈P}{\Σ}{(\▿P)}^P\[I_j\left(\mathrm{\ψ}\right(\mathrm{\σ};{\mathrm{\δ}}_j\left)\right)-P\left(\mathrm{\σ}\right)\]$

其中，ψ(σ；δ_j)为模板图像P(σ)的像素坐标σ(x,y)映射到后续帧图像I_j(σ)的亚像素坐标，δ_j表示扭曲变换的参数向量，I_j(ψ(σ；δ_j))为从后续帧图像I_j(σ)中截取的扭曲部分，为扭曲部分在亚像素坐标ψ(σ；δ_j)处的梯度；

所述主算法子模块通过不断迭代计算增量Δδ_j来更新δ_j，以逐渐实现图像配准，更新过程为：δ_j←δ_j+Δδ_j，每次更新后对变换参数δ_j的小数点后一位进行四舍五入取整，停止更新的条件为||Δδ_j||≤T₂，T₂为设定的阈值，T₂的取值范围为[0.4,0.5]，最后更新的变换参数δ_j即为后续帧图像I_j(σ)中要提取的追踪目标的复杂运动位移；

(3)副算法子模块：用于通过模板匹配的方式来提取追踪目标的运动位移，设视频共有n桢图像，选取视频中的第一帧图像为匹配图像，后续帧的有效区域为模板图像P_i,i＝2,...n,各桢图像中追踪目标的简单运动位移(x_i,y_i)为：

$(x_i,y_i)=(x_0+\frac{2m_1{m}_5-m_2{m}_4}{{m_4}^2-4m_3{m}_5},y_0+\frac{2m_2{m}_3-m_1{m}_4}{{m_4}^2-4m_3{m}_5})$

其中，(x₀,y₀)为通过计算模板图像P_i与第一帧图像的NCC相关系数矩阵得到的最大位置点的坐标，m₁,m₂,m₃,m₄,m₅为(x₀,y₀)周围8个坐标点(x_k,y_k)的相关系数，k＝1,...,8，(x₀,y₀)与所述相关系数的关系为c(x_k,y_k)＝m₀+m₁x_k+m₂y_k+m₃x_k ²+m₄x_ky_k+m₅y_k ²；

(4)位移修正子模块,考虑到当地温度对拱坝重要位置位移的影响，引入温度修正系数L对上述提取的运动位移进行修正，经验值L的取值范围是[0.95，1.05]：

修正后的复杂运动位移：δ′_j＝δ_j×L

修正后的简单运动位移：(x_i,y_i)′＝(x_i,y_i)×L；

(5)显示子模块，与主算法子模块、副算法子模块连接，用于处理并显示与追踪目标相关的运动位移数据和拱坝重要位置的振动位移曲线。

本优选实施例设置副算法子模块，对满足亮度恒定、空间一致和桢间位移差小于设定阈值T₁条件的相邻桢图像进行位移提取，只需选择模板图像进行计算，简单、直观，自动化能力强，且提出了简单运动位移(x_i,y_i)的计算公式，提高了计算的速度；通过设置主算法子模块，对不满足亮度恒定、空间一致和桢间位移差小于设定阈值T₁任一项条件的相邻桢图像进行位移提取，提取过程较为简单，可以快速被执行，可以实现高速摄像的实时位移提取；通过设置算法选择子模块，对视频中各桢图像的位移提取算法进行优化选择，减少了对图像处理的依赖，提高了位移提取的效率，算法对每桢图像的位移提取时间可以降低到0.1ms以下；通过设置位移修正子模块，消除了温度对位移的影响，计算结果更为准确。

优选的，所述数据评估模块33包括主评估子模块和副评估子模块：

a、主评估子模块：对显示子模块中的振动位移曲线进行评估，若振动位移曲线评估合格，则不再对运动位移数据进行评估；

b、副评估子模块：当振动位移曲线评估不合格时，对显示子模块中的运动位移数据进行评估，找出异常数据。

本优选实施例提高了评估的精度。

本应用场景中的上述实施例取T₁＝0.06，T₂＝0.4时，对拱坝重要位置健康状况的分析速度相对提高了4％，分析精度相对提高了4.5％。

应用场景5

参见图1、图2，本应用场景中的一个实施例的用于水利水电工程的拱坝监控***，包括视频采集设备1、信号传输设备2和计算机监测中心3；所述的视频采集设备1用于采集拱坝重要位置的视频图像；所述视频采集设备1采集的视频图像通过所述信号传输设备2传输到所述计算机监测中心3，所述计算机监测中心3对所述视频图像进行处理，得到不同位置处的振动位移曲线，通过对所述振动位移曲线的分析，实现对所述拱坝的监测。

本发明的上述实施例通过设置视频采集设备1、信号传输设备2和计算机监测中心3，及时发现拱坝可能产生的损伤，快速找出损伤位置，以便采用各种工程措施加以修复和加固，并且该***具有形式简单、施工方便、易于维护、工程造价低、运行管理方便的特点，运行时可实现远程控制；并且使用的视频采集设备1，方便更换，减少了干扰、提高了监测的精度，满足了实际应用中的需要，从而解决了上述的技术问题。

优选的，所述重要位置包括拱坝坝段、施工横缝、表孔、中孔、顶拱、拱冠梁、1/4顶拱轴线位置梁和3/4顶拱轴线位置梁。进一步地，所述重要位置还包括在所述顶拱的1/8轴线位置、3/8轴线位置、5/8轴线位置和7/8轴线位置相应拱坝坝段中心点的下游坝面。

本优选实施例设定了需要监测的拱坝的重要位置，使监测更具有相对性。

优选的，所述计算机监测中心3包括依次连接的数据预处理模块31、数据分析模块32、数据评估模块33和数据显示模块34，所述数据预处理模块31用于将采集到的视频图像转化到灰度空间，并使转换后的图像通过高斯滤波器进行滤波处理；所述数据分析模块32用于对预处理后的视频图像进行分析和处理，以得到拱坝重要位置的振动位移曲线；所述数据评估模块33用于对所述振动位移曲线进行健康分析并判断拱坝重要位置的振动位移是否处于健康状态，输出拱坝重要位置健康状态结果；所述数据显示模块34用于显示所述拱坝重要位置健康状态结果。

本优选实施例构建了计算机监测中心3的模块架构。

优选的，所述数据分析模块32包括算法选择子模块、主算法子模块、副算法子模块、位移修正子模块和显示子模块，具体为：

(1)算法选择子模块：与主算法子模块、副算法子模块连接，用于对视频中各桢图像的位移提取算法进行选择，其遵循的选取原则为：当前帧图像与前一桢图像相比不满足亮度恒定、空间一致和桢间位移差小于设定阈值T₁的任一项条件时，选取主算法子模块进行追踪目标的运动位移的提取；当前帧图像与前一桢图像相比满足亮度恒定、空间一致和桢间位移差小于设定阈值T₁条件时，选取副算法子模块进行追踪目标的运动位移的提取，T₁的取值范围为(0,1mm]；

(2)主算法子模块：用于通过图像配准的方式来提取追踪目标的运动位移，设视频共有n桢图像，选取视频中的第一帧中的追踪目标图像作为模板图像P(σ)，后续帧图像为I_j(σ),j＝2,...n，多次扭曲所述后续帧图像I_j(σ)，使其与模板图像P(σ)对齐，每次扭曲后所述后续帧图像I_j(σ)与模板图像P(σ)之间的增量Δδ_j为：

${\mathrm{\Δ\δ}}_j={\[\underset{\mathrm{\σ}\∈P}{\Σ}{(\▿P)}^P\·\▿P\]}^{-1}\underset{\mathrm{\σ}\∈P}{\Σ}{(\▿P)}^P\[I_j\left(\mathrm{\ψ}\right(\mathrm{\σ};{\mathrm{\δ}}_j\left)\right)-P\left(\mathrm{\σ}\right)\]$

其中，ψ(σ；δ_j)为模板图像P(σ)的像素坐标σ(x,y)映射到后续帧图像I_j(σ)的亚像素坐标，δ_j表示扭曲变换的参数向量，I_j(ψ(σ；δ_j))为从后续帧图像I_j(σ)中截取的扭曲部分，为扭曲部分在亚像素坐标ψ(σ；δ_j)处的梯度；

所述主算法子模块通过不断迭代计算增量Δδ_j来更新δ_j，以逐渐实现图像配准，更新过程为：δ_j←δ_j+Δδ_j，每次更新后对变换参数δ_j的小数点后一位进行四舍五入取整，停止更新的条件为||Δδ_j||≤T₂，T₂为设定的阈值，T₂的取值范围为[0.4,0.5]，最后更新的变换参数δ_j即为后续帧图像I_j(σ)中要提取的追踪目标的复杂运动位移；

(3)副算法子模块：用于通过模板匹配的方式来提取追踪目标的运动位移，设视频共有n桢图像，选取视频中的第一帧图像为匹配图像，后续帧的有效区域为模板图像P_i,i＝2,...n,各桢图像中追踪目标的简单运动位移(x_i,y_i)为：

$(x_i,y_i)=(x_0+\frac{2m_1{m}_5-m_2{m}_4}{{m_4}^2-4m_3{m}_5},y_0+\frac{2m_2{m}_3-m_1{m}_4}{{m_4}^2-4m_3{m}_5})$

其中，(x₀,y₀)为通过计算模板图像P_i与第一帧图像的NCC相关系数矩阵得到的最大位置点的坐标，m₁,m₂,m₃,m₄,m₅为(x₀,y₀)周围8个坐标点(x_k,y_k)的相关系数，k＝1,...,8，(x₀,y₀)与所述相关系数的关系为c(x_k,y_k)＝m₀+m₁x_k+m₂y_k+m₃x_k ²+m₄x_ky_k+m₅y_k ²；

(4)位移修正子模块,考虑到当地温度对拱坝重要位置位移的影响，引入温度修正系数L对上述提取的运动位移进行修正，经验值L的取值范围是[0.95，1.05]：

修正后的复杂运动位移：δ′_j＝δ_j×L

修正后的简单运动位移：(x_i,y_i)′＝(x_i,y_i)×L；

(5)显示子模块，与主算法子模块、副算法子模块连接，用于处理并显示与追踪目标相关的运动位移数据和拱坝重要位置的振动位移曲线。

本优选实施例设置副算法子模块，对满足亮度恒定、空间一致和桢间位移差小于设定阈值T₁条件的相邻桢图像进行位移提取，只需选择模板图像进行计算，简单、直观，自动化能力强，且提出了简单运动位移(x_i,y_i)的计算公式，提高了计算的速度；通过设置主算法子模块，对不满足亮度恒定、空间一致和桢间位移差小于设定阈值T₁任一项条件的相邻桢图像进行位移提取，提取过程较为简单，可以快速被执行，可以实现高速摄像的实时位移提取；通过设置算法选择子模块，对视频中各桢图像的位移提取算法进行优化选择，减少了对图像处理的依赖，提高了位移提取的效率，算法对每桢图像的位移提取时间可以降低到0.1ms以下；通过设置位移修正子模块，消除了温度对位移的影响，计算结果更为准确。

优选的，所述数据评估模块33包括主评估子模块和副评估子模块：

a、主评估子模块：对显示子模块中的振动位移曲线进行评估，若振动位移曲线评估合格，则不再对运动位移数据进行评估；

b、副评估子模块：当振动位移曲线评估不合格时，对显示子模块中的运动位移数据进行评估，找出异常数据。

本优选实施例提高了评估的精度。

本应用场景中的上述实施例取T₁＝0.03，T₂＝0.4时，对拱坝重要位置健康状况的分析速度相对提高了4.7％，分析精度相对提高了4.5％。

最后应当说明的是，以上应用场景仅用以说明本发明的技术方案，而非对本发明保护范围的限制，尽管参照较佳应用场景对本发明作了详细地说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的实质和范围。

Claims (3)

1.一种用于水利水电工程的拱坝监控***，其特征是，包括视频采集设备、信号传输设备和计算机监测中心；所述的视频采集设备用于采集拱坝重要位置的视频图像；所述视频采集设备采集的视频图像通过所述信号传输设备传输到所述计算机监测中心，所述计算机监测中心对所述视频图像进行处理，得到不同位置处的振动位移曲线，通过对所述振动位移曲线的分析，实现对所述拱坝的监测。

2.根据权利要求1所述的一种用于水利水电工程的拱坝监控***，其特征是，所述重要位置包括拱坝坝段、施工横缝、表孔、中孔、顶拱、拱冠梁、1/4顶拱轴线位置梁和3/4顶拱轴线位置梁。

3.根据权利要求2所述的一种用于水利水电工程的拱坝监控***，其特征是，所述重要位置还包括在所述顶拱的1/8轴线位置、3/8轴线位置、5/8轴线位置和7/8轴线位置相应拱坝坝段中心点的下游坝面。