基于数字图像相关法与运动放大技术的结构模态识别方法

摘要

本申请涉及一种基于数字图像相关法与运动放大技术的结构模态识别方法、装置、计算机设备、存储介质和计算机程序产品。方法包括：对初始结构振动视频的每一帧初始结构振动图像对应的频谱图进行分解处理，将各频谱图分解为多个频域子带；对各频域子带对应的相位数据进行带通滤波处理，获得待测结构的各所述频域子带对应的目标相位数据；基于待测结构的每一阶振动对应的最佳放大系数，分别对目标相位数据做运动放大处理，获得待测结构各阶的振动放大结果；根据各振动放大结果，获得待测结构上的各测点在各阶振动时对应的位移时程曲线；基于各位移时程曲线，提取待测结构在各阶模态对应的振型。采用本方法能够提高模态识别精度。

说明书

技术领域

本申请涉及结构振动模态识别技术领域，特别是涉及一种基于数字图像相关法与运动放大技术的结构模态识别方法、装置、计算机设备、存储介质和计算机程序产品。

背景技术

模态是结构的固有振动特性，获取模态参数的计算或试验分析过程被称为模态分析，模态分析为结构的设计和性能评估提供了一种可靠的手段。传统结构模态识别主要通过分析和计算结构振动的原始数据(一般是加速度时程信息)，其中数据的采集是最为关键的步骤，然而对于一些特殊、复杂的结构(如大跨径悬索桥、超长索等)，传统传感器的布置、安装等方面均受到了极大的限制，传统数据采集方法无法满足测量要求，因此需要借助结构振动的非接触测量方法。

同时，现有的非接触测量模态识别专利中，多采用室内试验进行验证说明，需要运用到激励设备对结构施加激振作为输入信号，并最终由频响函数来估计模态参数，难以在实际工程中实施应用。

发明内容

基于此，有必要针对上述技术问题，提供一种能够提高模态分析精度的基于数字图像相关法与运动放大技术的结构模态识别方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。

第一方面，本申请提供了一种基于数字图像相关法与运动放大技术的结构模态识别方法。所述方法包括：

获取初始结构振动视频；

对所述初始结构振动视频的每一帧初始结构振动图像对应的频谱图进行分解处理，将各所述频谱图分解为多个频域子带；

对各所述频域子带对应的相位数据进行带通滤波处理，获得待测结构的各所述频域子带对应的目标相位数据；

基于所述待测结构的每一阶振动对应的最佳放大系数，分别对所述目标相位数据做运动放大处理，获得所述待测结构各阶的振动放大结果；

根据各所述振动放大结果，获得所述待测结构上的各测点在各阶振动时对应的位移时程曲线；

基于各所述位移时程曲线，提取所述待测结构在各阶模态对应的振型。

在其中一个实施例中，所述获取初始结构振动视频之后，对所述初始结构振动视频的每一帧初始结构振动图像对应的频谱图进行分解处理之前，还包括：

对所述初始结构振动视频进行分帧处理，将所述初始结构振动视频分解为各初始结构振动图像序列；

对各所述初始结构振动图像序列进行二维离散傅里叶变换处理，获得每一帧初始结构振动图像对应的频谱图。

在其中一个实施例中，所述对所述初始结构振动视频的每一帧初始结构振动图像对应的频谱图进行分解处理，将各所述频谱图分解为多个频域子带，包括：

基于预设下采样比例，对所述初始结构振动视频的每一帧初始结构振动图像进行下采样处理，获得多个尺度的子图像；

根据各所述频谱图中，各像素点包含的振幅信息和相位信息，将各所述频谱图分解为多个频域子带。

在其中一个实施例中，所述对各所述频域子带对应的相位数据进行带通滤波处理，获得待测结构的各所述频域子带对应的目标相位数据，包括：

基于时域带通滤波器，对各所述频域子带对应的相位数据进行带通滤波处理，获得待测结构的各所述频域子带对应的目标相位数据，所述时域带通滤波器设置有各阶的带通滤波参数。

在其中一个实施例中，所述带通滤波参数包括中心频率、上限频率和下限频率，所述带通滤波参数的确定方式，包括：

获取所述初始结构振动视频中，待测结构上任意一个测点的测点位移时程曲线；对所述测点位移时程曲线进行傅里叶变换处理，获得所述待测结构各阶的自振频率信息；将各所述自振频率信息作为所述时域带通滤波器的中心频率；根据各所述中心频率，结合带宽设置，确定所述上限频率和所述下限频率。

在其中一个实施例中，所述方法还包括：

在确定所述待测结构的每一阶振动对应的最佳放大系数时，均执行以下步骤：

获取多个初始放大系数，各所述初始放大系数是基于等差数列规则确定的；

基于各所述初始放大系数，分别对所述目标相位数据做运动放大处理，获得放大合成后的各放大合成结构振动视频；

将模态置信准则作为评价标准，对各所述放大合成结构视频进行评价，获取模态置信曲线，所述模态置信曲线为各所述初始放大系数与模态置信值的拟合曲线；

当所述模态置信值满足预设模态置信值条件时，选取对应的初始放大系数作为放大系数。

在其中一个实施例中，所述基于各所述位移时程曲线，提取所述待测结构在各阶模态对应的振型，包括：

在所述待测结构上选择多个标识点，并在各所述标识点中选取一个点作为研究点；

根据各所述位移时程曲线，获取所述研究点在测试时间内的研究点时间位移曲线；

基于所述研究点时间位移曲线，从所述研究点时间位移曲线中筛选出各极值点，并基于各所述极值点对应的时刻，得到各极值点时刻；

根据各所述极值点时刻，确定对应的极值点时刻振型图，所述极值点时刻振型图是由各所述标识点在所述极值点时刻的位移确定的；

对各所述极值点时刻振型图取平均值，得到各均值振型图；

对各所述均值振型图进行正弦函数拟合并归一化，提取所述待测结构在各阶模态对应的振型。

第二方面，本申请还提供了一种基于数字图像相关法与运动放大技术的结构模态识别装置，所述装置包括：

数据采集模块，用于获取初始结构振动视频；

数据处理模块，用于对所述初始结构振动视频的每一帧初始结构振动图像对应的频谱图进行分解处理，将各所述频谱图分解为多个频域子带；

滤波模块，用于对各所述频域子带对应的相位数据进行带通滤波处理，获得待测结构的各所述频域子带对应的目标相位数据；

运动放大模块，用于基于所述待测结构的每一阶振动对应的最佳放大系数，分别对所述目标相位数据做运动放大处理，获得所述待测结构各阶的振动放大结果；

曲线获取模块，用于根据各所述振动放大结果，获得所述待测结构上的各测点在各阶振动时对应的位移时程曲线；

振型提取模块，用于基于各所述位移时程曲线，提取所述待测结构在各阶模态对应的振型。

第三方面，本申请还提供了一种计算机设备。所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述基于数字图像相关法与运动放大技术的结构模态识别方法的步骤。

第四方面，本申请还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，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述基于数字图像相关法与运动放大技术的结构模态识别方法的步骤。

第五方面，本申请还提供了一种计算机程序产品。所述计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现上述基于数字图像相关法与运动放大技术的结构模态识别方法的步骤。

上述基于数字图像相关法与运动放大技术的结构模态识别方法、装置、计算机设备、存储介质和计算机程序产品，通过获取初始结构振动视频；对初始结构振动视频的每一帧初始结构振动图像对应的频谱图进行分解处理，将各频谱图分解为多个频域子带；对各频域子带对应的相位数据进行带通滤波处理，获得待测结构的各频域子带对应的目标相位数据，由此可以滤除掉初始结构振动视频中，除待测结构外的其它结构的相位数据，只保留待测结构的相位数据，进一步的，针对各目标相位数据做运动放大处理，获得待测结构各阶的振动放大结果；根据各振动放大结果，获得待测结构上的各测点在各阶振动时对应的位移时程曲线；基于各所述位移时程曲线，提取待测结构在各阶模态对应的振型，可以使提取到的待测结构在各阶模态的曲线清晰直观，从而无需进行频响函数计算，也可以提取待测结构在各阶的识别振型，通过上述方法可以有效提高结构模态识别精度。

附图说明

图1为一个实施例中基于数字图像相关法与运动放大技术的结构模态识别方法的应用环境图；

图2为一个实施例中基于数字图像相关法与运动放大技术的结构模态识别方法的流程示意图；

图3为一个实施例中基于数字图像相关法与运动放大技术的结构模态识别方法的区域点位移时程曲线图；

图4为另一个实施例中基于数字图像相关法与运动放大技术的结构模态识别方法的频谱图；

图5为一个实施例中基于数字图像相关法与运动放大技术的结构模态识别方法的模态置信准则值示意图；

图6为一个实施例中基于数字图像相关法与运动放大技术的结构模态识别方法的模态置信曲线示意图；

图7为一个实施例中基于数字图像相关法与运动放大技术的结构模态识别方法的识别振型获取过程的流程框图；

图8为一个实施例中基于数字图像相关法与运动放大技术的结构模态识别方法的流程框图；

图9为一个实施例中结构模态识别装置的结构框图；

图10为一个实施例中计算机设备的内部结构图。

具体实施方式

为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。

本申请实施例提供的基于数字图像相关法与运动放大技术的结构模态识别方法，可以应用于如图1所示的应用环境中。其中，图1所示的应用环境包括数据采集设备102，待测结构104以及电子设备106，其中，数据采集设备102可以为DIC(数字图像相关)测量设备(如高速相机)等，具体的，高速相机可以对待测结构104进行自由衰减振动视频的采集，然后传输至电子设备106，由电子设备106通过本申请的基于数字图像相关法与运动放大技术的结构模态识别方法，对衰减振动视频进行处理，获得待测结构的模态参数。

其中，数据采集设备102通过网络与电子设备106进行通信。其中，电子设备102可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑、物联网设备和便携式可穿戴设备，物联网设备可为智能音箱、智能电视、智能空调、智能车载设备等。便携式可穿戴设备可为智能手表、智能手环、头戴设备等。电子设备106也可以是服务器，服务器可以用独立的服务器或者是多个服务器组成的服务器集群来实现。

具体的，电子设备106获取初始结构振动视频；对所述初始结构振动视频的每一帧初始结构振动图像对应的频谱图进行分解处理，将各所述频谱图分解为多个频域子带；对各所述频域子带对应的相位数据进行带通滤波处理，获得待测结构的各所述频域子带对应的目标相位数据；基于所述待测结构的每一阶振动对应的最佳放大系数，分别对所述目标相位数据做运动放大处理，获得所述待测结构各阶的振动放大结果；根据各所述振动放大结果，获得所述待测结构上的各测点在各阶振动时对应的位移时程曲线；基于各所述位移时程曲线，提取所述待测结构在各阶模态对应的振型。

在一个实施例中，如图2所示，提供了一种基于数字图像相关法与运动放大技术的结构模态识别方法，以该方法应用于图1中的电子设备106为例进行说明，包括以下步骤：

步骤S202，获取初始结构振动视频。

其中，初始结构振动视频可以是指由DIC(数字图像相关)测量设备(如高速相机)进行结构自由衰减振动视频采集得到的视频，其中，初始结构振动视频中，除了待测结构(如桥梁的索塔)的振动信息，也可以存在其它结构(如行驶的汽车，桥梁的栏杆等)的振动信息，还可以存在路过的行人的振动信息。

在其中一个实施例中，在采用DIC测量设备采集初始结构振动视频时，相机的成像平面与待测结构表面平行，同时进行相机标定，具体的，待测结构的表面到相机成像平面之间由一个投影矩阵进行转化，结合相机标定，从而确定实际坐标与相机坐标的对应关系，通过待测结构表面与相机成像平面尽量平行，使得可以方便求取矩阵，减少计算误差。

在其中一个实施例中，在对初始结构振动视频处理时，可以对待测结构表面进行散斑处理，目的是便于DIC进行目标点位移跟踪，如果结构表面存在明显的纹理则可以不进行散斑处理。

步骤S204，对所述初始结构振动视频的每一帧初始结构振动图像对应的频谱图进行分解处理，将各所述频谱图分解为多个频域子带。

其中，初始结构振动视频是由各帧初始结构振动图像组成的，通过分别对各帧初始结构振动图像做快速傅里叶变换处理，可以得到每一帧初始结构振动图像的频谱图，分解处理是指将频谱图，按照切向与径向分解为各个频域子带，其中，同一频域子带的图像信息(如幅度，相位等)相近，通过将频谱图分解为多个频域子带，使得后续在进行时域带通滤波时，由于同一频域子带的图像信息相近的频域子带往往在时间域有着相近的运动状态的特点，因此，可以有效提升时域带通滤波效果。

在其中一个实施例中，所述获取初始结构振动视频之后，对所述初始结构振动视频的每一帧初始结构振动图像对应的频谱图进行分解处理之前每一帧初始结构振动图像，还包括：

对所述初始结构振动视频进行分帧处理，将所述初始结构振动视频分解为各初始结构振动图像序列；

对各所述初始结构振动图像序列进行二维离散傅里叶变换处理，获得每一帧初始结构振动图像对应的频谱图。

其中，初始结构振动图像序列是指对初始结构振动视频进行分帧处理后，得到的不同时间、不同方位的连续系列图像，分帧处理可以是指按照时间对初始结构振动视频进行划分，即可得到各初始结构振动图像序列，然后对各初始结构振动图像序列做二维离散傅里叶变换处理，即可从空域转换到频域，获得每一帧初始结构振动图像对应的频谱图。

步骤S206，对各所述频域子带对应的相位数据进行带通滤波处理，获得待测结构的各所述频域子带对应的目标相位数据。

其中，相位数据是指对各个频域子带进行快速傅里叶逆变换之后，得到的频域子带对应的沿时间分布的相位变化时域数据，带通滤波处理是指采用设置有滤波参数的时域带通滤波器，对相位数据进行带通滤波处理，可以只保留待测结构的相位数据，而滤除掉除待测结构外的其他结构的相位数据，并将最终保留的相位数据作为待测结构频域子带对应的目标相位数据。

在其中一个实施例中，在获得各个频域子带之后，可以对任意频域子带，均执行以下操作，首先，将频域子带进行快速傅里叶变换逆变换，转换到空域，即构成了相位数据。针对每一帧初始结构振动图像，都有对应的这一频域子带的相位数据，将此相位数据与第一帧图像的相位数据作差，即可以得到沿时间变化的相位变化时域数据。

步骤S208，基于所述待测结构的每一阶振动对应的最佳放大系数，分别对所述目标相位数据做运动放大处理，获得所述待测结构各阶的振动放大结果。

其中，最佳放大系数是指各阶振动最适宜的放大倍数，运动放大处理可以是指对目标相位数据进行一定倍数的线性放大，即进行相位操作处理。其中，由于目标相位数据包括待测结构各阶的相位数据，因此，在对目标相位数据做放大处理之后，可以得到待测结构在各阶的振动放大结果。

步骤S210，根据各所述振动放大结果，获得所述待测结构上的各测点在各阶振动时对应的位移时程曲线。

其中，待测结构上的测点可以是指构成待测结构的任意一个像素点，位移时程曲线是指由待测结构的多个测点的相关信息拟合成的曲线，位移时程曲线的横坐标可以为测试时长，纵坐标可以是指待测结构的属性(如索塔的长度)，竖坐标可以是各标记点在各时间点的位移，根据振动放大结果，可以获得位移时程曲线，其中，针对每一阶的振动放大结果，均对应有相应的位移时程曲线。

步骤S212，基于各所述位移时程曲线，提取所述待测结构在各阶模态对应的振型。

其中，振型是指包含待测结构的振动信息的拟合曲线，振型可以用于模态参数的提取，针对模态为多阶的待测结构，相应的，其振型也存在多个，在获得振型后，可以直接从各振型提取待测结构在各阶的结构模态信息。

上述基于数字图像相关法与运动放大技术的结构模态识别方法中，通过获取初始结构振动视频；对初始结构振动视频的每一帧初始结构振动图像对应的频谱图进行分解处理，将各频谱图分解为多个频域子带；对各频域子带对应的相位数据进行带通滤波处理，获得待测结构的各频域子带对应的目标相位数据，由此可以滤除掉初始结构振动视频中其它结构的振动信号，只保留待测结构的振动信号，进一步的，针对各目标相位数据做运动放大处理，获得待测结构各阶的振动放大结果；根据各振动放大结果，获得待测结构上的各测点在各阶振动时对应的位移时程曲线；基于各所述位移时程曲线，提取待测结构在各阶模态对应的振型，可以使提取到的待测结构在各阶模态对曲线清晰直观，从而无需进行频响函数计算，也可以提取待测结构在各阶的识别振型，最后再通过各识别振型确定待测结构的在各阶的结构模态信息。通过上述方法可以有效提高结构模态识别精度。

在其中一个实施例中，所述对所述初始结构振动视频的每一帧初始结构振动图像对应的频谱图进行分解处理，将各所述频谱图分解为多个频域子带，包括：

基于预设下采样比例，对所述初始结构振动视频的每一帧初始结构振动图像进行下采样处理，获得多个尺度的子图像；

根据各所述频谱图中，各像素点包含的振幅信息和相位信息，将各所述频谱图分解为多个频域子带。

其中，预测下采样比例是指设定的对每一帧初始结构振动图像进行下采样的比例，预设下采样比例可以根据实际的需求等进行适应性设置，其中，在对初始结构振动图像进行下采样时，可以使用复数可操纵金字塔(complex steerable pyramid)，按照尺度、大小以及位置等对频域结构振动图像进行分解，得到局部小波变换后的振幅信息和相位信息，并根据振幅信息和相位信息，确定出多个频域子带，从而达到较好的滤波效果。

在其中一个实施例中，所述对各所述频域子带对应的相位数据进行带通滤波处理，获得待测结构的各所述频域子带对应的目标相位数据，包括：

基于时域带通滤波器，对各所述频域子带对应的相位数据进行带通滤波处理，获得待测结构的各所述频域子带对应的目标相位数据，所述时域带通滤波器设置有各阶的带通滤波参数。

其中，时域带通滤波器设置有各阶的带通滤波参数，带通滤波参数可以包括中心频率、频带取值等。通过采用时域带通滤波器对相位数据进行滤波处理，可以得到目标相位数据。

在其中一个实施例中，所述带通滤波参数的取值方式，包括：获取所述初始结构振动视频中的待测结构上任意一个测点的测点位移时程曲线；对上述所述测点位移时程曲线数据进行傅里叶变换处理，获得所述待测结构各阶的自振频率信息；将各所述自振频率信息分别作为时域带通滤波器的中心频率；根据各所述中心频率，结合带宽设置，确定所述时域带通滤波器的各阶的上限频率和下限频率，所述带通滤波参数包括所述上限频率和所述下限频率。

其中，测点为待测结构的初始结构振动图像中的任意一个像素点，通过任意一个测点，可以拟合得到该测点的位移随着时间变化的测点位移时程曲线，则针对测点位移时程曲线，可以对测点位移时程曲线的数据进行傅里叶变换处理，获得测点位移时程曲线对应的频谱图，从频谱图中可以确定出待测结构各阶的自振频率信息，从而将各阶自振频率信息作为时域带通滤波器的中心频率，并根据中心频率，结合带宽设置，确定时域带通滤波器的上限频率和下限频率。

在其中一个实施例中，初始结构振动视频在进行分帧处理之后，每一帧的初始结构振动图像均可以表示为图像序列(x，t)，其中x表示位置，t表示时刻，则可以从图像序列中获取待测结构所属区域中的任意一个像素点，作为测点，在确定测点之后，在视频信息处理端选择测点作为位移跟踪计算点，结合高速相机标定参数，获得测点位移时程曲线，如图3所示，为任意一个测点的测点位移时程曲线，其中，图3的横坐标为Times(时间)，单位为秒，纵坐标为Displacemen(位移)，单位为毫米，其中区间2和区间3内的振动幅度在1mm左右。

在其中一个实施例中，各阶的自振频率为待测结构的各阶振动信息中，幅值的极值点所对应的频率，如图4所示，为对测点位移时程曲线进行傅里叶变换之后，获得的各阶振动信息，图4的横坐标为频率，单位为hz，纵坐标为幅值，图4中共包括4个极值点，也就是说待测结构存在4阶振动，4个极值点分别为7.559、11.60、15.53以及19.34，则可以将这4个极值点对应的频率作为待测结构第一阶的自振频率、第二阶的自振频率、第三阶的自振频率以及第四阶的自振频率，最后再将各阶的自振频率作为时域带通滤波的中心频率。

在其中一个实施例中，所述方法还包括：

在确定所述待测结构的每一阶振动对应的最佳放大系数时，均执行以下步骤：

获取多个初始放大系数，各所述初始放大系数是基于等差数列规则确定的；

基于各所述初始放大系数，分别对所述目标相位数据做运动放大处理，获得放大合成后的各放大合成结构振动视频；

将模态置信准则作为评价标准，对各所述放大合成结构视频进行评价，获取模态置信曲线，所述模态置信曲线为各所述初始放大系数与模态置信值的拟合曲线；

当所述模态置信值满足预设模态置信值条件时，选取对应的初始放大系数作为放大系数。

其中，初始放大系数是指可以对目标相位数据做一定的线性放大，增加目标相位数据幅度的系数，等差数列规则是指使得各初始放大系数之间的差值相同的规则，例如，在选取初始放大系数时，可以根据预设等差数列规则进行确定，以10倍为一等级，100倍为最大的初始放大系数，进行初始放大系数的设置，则初始放大系数可以为10、20、30、40....100等，其中，由于存在待测结构各阶的目标相位数据，而每一次激振后，在结构振动中占主导地位的模态均有可能不同，采用固定放大系数不可行。因此，针对待测结构的每一阶振动，均选择不同的初始放大系数进行对比试验，依据放大效果进行评定，确定各阶最适宜的放大倍数。

其中，预设模态置信值条件可以是指模态置信值是否处于稳定状态，当处于稳定状态时，则确定满足预设模态置信值条件，则在获得各放大合成结构振动视频之后，可以将模态置信准则作为评价标准，对各所述放大合成结构视频进行评价，获取模态置信曲线，所述模态置信曲线为各所述初始放大系数与模态置信值的拟合曲线，并将处于稳定状态时，模态置信值对应的最大初始放大系数作为最佳放大系数。

其中，如公式(1)可知，可以将图像中的不同运动由一系列不同幅度和相位的信号表示：

其中，A

在公式(1)可知，x位置，t时刻的图像I(x)可由上述公式替换变量得到，从而将公式(1)从正余弦函数统一转换为指数函数，如公式(2)所示，以便于后续的计算：

其中，两个时刻之间的图像差可由相位差表示，于是利用相位差放大进行结构的运动放大，得到放大后的图像，公式如下所示，其中α为放大倍数：

其中，模态置信曲线是指由各初始放大系数，以及MAC(模态置信准则)值拟合而成的曲线，可以用于表达MAC值随各初始放大倍数的变化情况，其中，MAC值的取值范围为[01]，该值越大代表测试振型与理论振型越接近，如图5所示，为两条曲线上各点处对应的MAC详细说明图，如图6所示，为分别采用基于相位(放大系数)和基于里斯变换，得到的待测结构的其中一阶模态在放大之后的置信曲线图，在0-60倍时MAC值变化不大，超过60倍后MAC值急剧下降，这也就是说在待测结构在该模态时，其放大系数采用60倍时，MAC值与视频放大效果达到了一个相对完美的状态。类比到其他阶的振动，同样采用10倍放大系数的递增进行MAC值变化的测试，从而得到各阶振动的最佳放大倍数。

在其中一个实施例中，在对各目标相位数据做放大处理之后，可以结合高通残差、低通残差，以及各振动放大结果，进行视频合成处理，获得多个目标结构振动视频，此时的目标结构振动视频中，待测结构的振动部分已经进行了放大，最后再根据各目标结构振动视频，得到待测结构在各阶振动时对应的位移时程曲线。

在其中一个实施例中，在根据目标结构振动视频，得到待测结构在各阶振动时对应的位移时程曲线时，可以对目标结构振动视频进行位移跟踪处理，得到待测结构在各阶的位移时程曲线，具体的，在进行处理时，可以采用亚像素匹配算法，亚像素匹配算法是DIC形变测试的精髓所在，基于整像素初值搜索算法提供的迭代初值，亚像素匹配算法能将该整像素初值收敛至亚像素级别的局部最优解，也即实现亚像素级别的形变测试，以提高结构位移时程曲线的精度。

在其中一个实施例中，所述基于各所述位移时程曲线，提取所述待测结构在各阶模态对应的振型，包括：

在所述待测结构上选择多个标识点，并在各所述标识点中选取一个点作为研究点；

根据各所述位移时程曲线，获取所述研究点在测试时间内的研究点时间位移曲线；

基于所述研究点时间位移曲线，从所述研究点时间位移曲线中筛选出各极值点，并基于各所述极值点对应的时刻，得到各极值点时刻；

根据各所述极值点时刻，确定对应的极值点时刻振型图，所述极值点时刻振型图是由各所述测试点在所述极值点时刻的位移确定的；

对各所述极值点时刻振型图取平均值，得到各均值振型图；

对各所述均值振型图进行正弦函数拟合并归一化，提取所述待测结构在各阶模态对应的振型。

其中，可以从待测结构上的各测试点中，选择任意一个标识点作为研究点，并根据获得的位移时程曲线，从位移时程曲线中提取该研究点的研究点时间位移曲线，针对研究点时间位移曲线，存在有极值点(极大值点和极小值点)，然后确定各极值点对应时刻，得到各极值点时刻。

在确定极值点时刻之后，则可以从位移时程曲线中，提取所有测试点在极值点时刻的位移，由此组成极值点时刻振型图。

理论上，一个结构上所有的点的振动情况应该是一样的，但是在测量的时候，各点的振动情况可能会存在差异，因此，通过选择多个标识点，减少方差。对各极值点时刻振型图取平均值，得到各均值振型图，最后对各均值振型进行归一化拟合处理，确定待测结构在各阶的识别振型，以此提高识别振型的精度。

在其中一个实施例中，如图7所示，为一个具体实施例中获得识别振型的流程框图：

其中，在对初始结构振动视频进行运动放大处理后，直接获得了放大后的结构各阶振动情况，如图7示，具体识别过程为：首先，7(a)为结构位移时程曲线，可以从结构位移时程曲线中的所有标识点中选取一个点作为研究点，然后基于结构位移时程曲线，做出研究点在测试时间内的研究点时间位移曲线，并筛选出研究点时间位移曲线中，每个极值点以及记录每个极值点所发生的时刻；然后得到在每一个极值点时刻，所有标识点的位移，得到初步的振型图(如图7(b))，可以对振型图进行处理取平均值(如图7(c)所示)，其中实线是根据正极值点所得，而虚线是根据负极值点所得；对图7(c)进行正弦函数拟合并归一化，结果如图7(d)，其中图7(d)中即为最后的识别振型。

在其中一个实施例中，如图8所示，为一个具体实施例中，基于数字图像相关法与运动放大技术的结构模态识别方法的流程示意图：

首先，获得DIC测量识别采集的原始视频，其中，初始结构振动视频可以是指由DIC(数字图像相关)测量设备(如高速相机)进行结构自由衰减振动视频采集得到的视频，其中，原始视频中，除了待测结构(如桥梁的索塔)的振动信息，也可以存在其它结构(如行驶的汽车，桥梁的栏杆等)的振动信息，还可以存在路过的行人的振动信息。

在采用DIC测量设备采集原始视频时，相机的成像平面与待测结构表面平行，同时进行相机标定，具体的，待测结构的表面到相机成像平面之间由一个投影矩阵进行转化，结合相机标定，从而确定实际坐标与相机坐标的对应关系，通过待测结构表面与相机成像平面尽量平行，使得可以方便求取矩阵，减少计算误差。

然后对原始视频进行处理，具体的，对原始视频进行分帧处理，将原始视频分解为各原始结构振动图像；对各原始振动图像进行傅里叶变换处理，获得各原始结构振动图像对应的各频域结构振动图像，再采用复数可操纵金字塔(complex steerable pyramid)根据空间尺度(像素)、方向和位置将视频进行分解，得到局部小波变换后的幅度和相位信息，最终确定各频域子带对应的相位变化时域数据。

进一步的，根据各滤波参数取值，分别对各频域子带对应的相位变化时域数据进行时域带通滤波处理，由于滤波参数取值是根据待测结构的振动信息确定的，由此通过时域带通滤波，可以只保留待测结构的频段的相位变化数据，而滤除掉除待测结构外的其他结构的相位变化数据，并将最终保留的相位变化数据作为待测结构对应的目标相位数据。

在时域带通滤波之后，则可以进行降噪处理以及放大处理，具体的，以各阶自振频率为中心频率进行运动放大计算时，选择不同的放大系数进行对比试验，依据放大效果进行评定，确定各阶频率最适宜的放大倍数，以达到较好的放大效果。

在对各目标相位数据做放大处理之后，可以结合高通残差、低通残差，以及各结构模态放大结果，再进行视频合成处理，获得多个目标结构振动视频，此时的目标振动视频中，待测结构的振动部分已经进行了放大，最后再根据各目标结构振动视频，得到待测结构在各阶的结构位移时程曲线。

应该理解的是，虽然如上所述的各实施例所涉及的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，如上所述的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段，这些步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。

基于同样的发明构思，本申请实施例还提供了一种用于实现上述所涉及的基于数字图像相关法与运动放大技术的结构模态识别方法的结构模态识别装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案相似，故下面所提供的一个或多个结构模态识别装置实施例中的具体限定可以参见上文中对于基于数字图像相关法与运动放大技术的结构模态识别方法的限定，在此不再赘述。

在一个实施例中，如图9所示，提供了一种结构模态识别装置，包括：数据采集模块、数据处理模块、滤波模块、运动放大模块、曲线获取模块和振型提取模块，其中：

数据采集模块902，用于获取初始结构振动视频.

数据处理模块904，用于对所述初始结构振动视频的每一帧初始结构振动图像对应的频谱图进行分解处理，将各所述频谱图分解为多个频域子带。

滤波模块906，用于对各所述频域子带对应的相位数据进行带通滤波处理，获得待测结构的各所述频域子带对应的目标相位数据。

运动放大模块908，用于基于所述待测结构的每一阶振动对应的最佳放大系数，分别对所述目标相位数据做运动放大处理，获得所述待测结构各阶的振动放大结果。

曲线获取模块910，用于根据各所述振动放大结果，获得所述待测结构上的各测点在各阶振动时对应的位移时程曲线。

振型提取模块912，用于基于各所述位移时程曲线，提取所述待测结构在各阶模态对应的振型。

在其中一个实施例中，所述装置还包括：分帧处理模块；

所述分帧处理模块，用于对所述初始结构振动视频进行分帧处理，将所述初始结构振动视频分解为各初始结构振动图像序列；对各所述初始结构振动图像序列进行二维离散傅里叶变换处理，获得每一帧初始结构振动图像对应的频谱图。

在其中一个实施例中，所述数据处理模块，还用于基于预设下采样比例，对所述初始结构振动视频的每一帧初始结构振动图像进行下采样处理，获得多个尺度的子图像；根据各所述频谱图中，各像素点包含的振幅信息和相位信息，将各所述频谱图分解为多个频域子带。

在其中一个实施例中，所述滤波模块，用于基于时域带通滤波器，对各所述频域子带对应的相位数据进行带通滤波处理，获得待测结构的各所述频域子带对应的目标相位数据，所述时域带通滤波器设置有各阶的带通滤波参数。

在其中一个实施例中，所述滤波模块，用于根据所述待测结构的各阶振动信息，确定所述待测结构各阶的自振频率；将各所述自振频率分别作为时域带通滤波的中心频率，所述滤波参数取值包括中心频率取值。

在其中一个实施例中，所述带通滤波参数包括中心频率、上限频率和下限频率，所述滤波模块，用于获取所述初始结构振动视频中，待测结构上任意一个测点的测点位移时程曲线；对所述测点位移时程曲线进行傅里叶变换处理，获得所述待测结构各阶的自振频率信息；将各所述自振频率信息作为所述时域带通滤波器的中心频率；根据各所述中心频率，结合带宽设置，确定所述上限频率和所述下限频率。

在其中一个实施例中，所述装置还包括：最佳放大系数确定模块；

所述最佳放大系数确定模块，获取多个初始放大系数，各所述初始放大系数是基于等差数列规则确定的；基于各所述初始放大系数，分别对所述目标相位数据做运动放大处理，获得放大合成后的各放大合成结构振动视频；将模态置信准则作为评价标准，对各所述放大合成结构视频进行评价，获得模态置信曲线，所述模态置信曲线为各所述初始放大系数与模态置信值的拟合曲线；当所述模态置信值满足预设模态置信值条件时，选取对应的最大初始放大系数作为最佳放大系数。

在其中一个实施例中，所述振型提取模块，用于在所述待测结构上选择多个标识点，并在各所述标识点中选取一个点作为研究点；根据各所述位移时程曲线，获取所述研究点在测试时间内的研究点时间位移曲线；基于所述研究点时间位移曲线，从所述研究点时间位移曲线中筛选出各极值点，并基于各所述极值点对应的时刻，得到各极值点时刻；根据各所述极值点时刻，确定对应的极值点时刻振型图，所述极值点时刻振型图是由各所述标识点在所述极值点时刻的位移确定的；对各所述极值点时刻振型图取平均值，得到各均值振型图；对各所述均值振型图进行正弦函数拟合并归一化，提取所述待测结构在各阶模态对应的振型。

上述结构模态识别装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。

在一个实施例中，提供了一种计算机设备，该计算机设备可以是终端，其内部结构图可以如图10所示。该计算机设备包括通过系统总线连接的处理器、存储器、通信接口、显示屏和输入装置。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的通信接口用于与外部的终端进行有线或无线方式的通信，无线方式可通过WIFI、移动蜂窝网络、NFC(近场通信)或其他技术实现。该计算机程序被处理器执行时以实现一种基于数字图像相关法与运动放大技术的结构模态识别方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏，该计算机设备的输入装置可以是显示屏上覆盖的触摸层，也可以是计算机设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。

本领域技术人员可以理解，图10中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。

在一个实施例中，提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现上述基于数字图像相关法与运动放大技术的结构模态识别方法的步骤。

在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现上述基于数字图像相关法与运动放大技术的结构模态识别方法的步骤。

在一个实施例中，提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现上述基于数字图像相关法与运动放大技术的结构模态识别方法的步骤。

需要说明的是，本申请所涉及的数据(包括但不限于用于分析的数据、存储的数据、展示的数据等)，均为经用户授权或者经过各方充分授权的信息和数据。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-OnlyMemory，ROM)、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器(ReRAM)、磁变存储器(Magnetoresistive Random Access Memory，MRAM)、铁电存储器(Ferroelectric Random Access Memory，FRAM)、相变存储器(Phase Change Memory，PCM)、石墨烯存储器等。易失性存储器可包括随机存取存储器(Random Access Memory，RAM)或外部高速缓冲存储器等。作为说明而非局限，RAM可以是多种形式，比如静态随机存取存储器(Static Random Access Memory，SRAM)或动态随机存取存储器(Dynamic RandomAccess Memory，DRAM)等。本申请所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等，不限于此。本申请所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等，不限于此。

以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。

以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本申请专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请的保护范围应以所附权利要求为准。