公路限高防护架实时监控系统的制作方法

本发明涉及公路工程技术领域，具体涉及公路限高防护架实时监控系统。

背景技术：

相关技术中，公路的限高防护架上没有安装相应的监控系统，在受到外力损坏时无法第一及时发现处理，以致发生安全事故。

技术实现要素：

为解决上述问题，本发明旨在提供公路限高防护架实时监控系统。

本发明的目的采用以下技术方案来实现：

公路限高防护架实时监控系统，包括图像采集模块、控制模块、通信模块、中央处理器和报警模块，所述的图像采集模块设置于公路限高防护架上；所述控制模块与图像采集模块、报警模块、通信模块、中央处理器相连，所述控制模块将图像采集模块采集的视频图像通过通信模块传送至所述中央处理器，中央处理器对视频图像进行限高防护架的健康状态的分析处理，所述控制模块根据分析处理结果发送报警信号至所述报警模块。

本发明的有益效果为：结构简单、能够对限高防护架进行实时监控，一旦限高防护架出现异常，从而发送相应的报警信号至报警模块进行报警提示，使相关工作人员能及时介入处理，防止安全事故的发生，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是本发明中央处理器的各模块对应的运作流程示意图。

附图标记：

图像采集模块 1、控制模块 2、通信模块 3、中央处理器 4、报警模块 5、预处理模块 41、健康状态分析模块 42、健康状态评估模块 43、健康状态显示模块 44。

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包括图像采集模块1、控制模块2、通信模块3、中央处理器4和报警模块5，所述的图像采集模块1设置于公路限高防护架上；所述控制模块与图像采集模块1、报警模块5、通信模块3、中央处理器4相连，所述控制模块2将图像采集模块1采集的视频图像通过通信模块3传送至所述中央处理器4，中央处理器4对视频图像进行限高防护架的健康状态的分析处理，所述控制模块2根据分析处理结果发送报警信号至所述报警模块5。

本发明的上述实施例结构简单、能够对限高防护架进行实时监控，一旦限高防护架出现异常，从而发送相应的报警信号至报警模块进行报警提示，使相关工作人员能及时介入处理，防止安全事故的发生，从而解决了上述的技术问题。

优选的，所述通信模块3为无线GPS模块。

本优选实施例提高了通信的方便性。

优选的，所述报警模块5包括用于接收报警信号的手持终端设备。

本优选实施例增加了系统的报警功能，进一步提高了系统的安全性。

优选的，所述中央处理器4包括依次连接的预处理模块41、健康状态分析模块42、健康状态评估模块43和健康状态显示模块44，所述预处理模块41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；所述健康状态分析模块42用于对预处理后的视频图像进行分析和处理，以得到限高防护架的振动位移曲线；所述健康状态评估模块43用于对所述振动位移曲线进行健康分析并判断限高防护架的振动位移是否处于健康状态，输出限高防护架健康状态结果；所述健康状态显示模块44用于显示所述限高防护架健康状态结果。

本优选实施例构建了中央处理器4的模块架构。

优选的，所述健康状态分析模块42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限高防护架的运动位移的提取；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限高防护架的运动位移的提取，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限高防护架的运动位移，设视频共有n桢图像，选取视频中的第一帧中的限高防护架图像作为模板图像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)中要提取的限高防护架的复杂运动位移；

(3)副算法子模块：用于通过模板匹配的方式来提取限高防护架的运动位移，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,各桢图像中限高防护架的简单运动位移(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_k²+m₄x_ky_k+m₅y_k²；

(4)位移修正子模块,考虑到当地温度对限高防护架位移的影响，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，用于处理并显示与限高防护架相关的运动位移数据和限高防护架的振动位移曲线。

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，所述健康状态评估模块43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，对限高防护架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包括图像采集模块1、控制模块2、通信模块3、中央处理器4和报警模块5，所述的图像采集模块1设置于公路限高防护架上；所述控制模块与图像采集模块1、报警模块5、通信模块3、中央处理器4相连，所述控制模块2将图像采集模块1采集的视频图像通过通信模块3传送至所述中央处理器4，中央处理器4对视频图像进行限高防护架的健康状态的分析处理，所述控制模块2根据分析处理结果发送报警信号至所述报警模块5。

本发明的上述实施例结构简单、能够对限高防护架进行实时监控，一旦限高防护架出现异常，从而发送相应的报警信号至报警模块进行报警提示，使相关工作人员能及时介入处理，防止安全事故的发生，从而解决了上述的技术问题。

优选的，所述通信模块3为无线GPS模块。

本优选实施例提高了通信的方便性。

优选的，所述报警模块5包括用于接收报警信号的手持终端设备。

本优选实施例增加了系统的报警功能，进一步提高了系统的安全性。

优选的，所述中央处理器4包括依次连接的预处理模块41、健康状态分析模块42、健康状态评估模块43和健康状态显示模块44，所述预处理模块41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；所述健康状态分析模块42用于对预处理后的视频图像进行分析和处理，以得到限高防护架的振动位移曲线；所述健康状态评估模块43用于对所述振动位移曲线进行健康分析并判断限高防护架的振动位移是否处于健康状态，输出限高防护架健康状态结果；所述健康状态显示模块44用于显示所述限高防护架健康状态结果。

本优选实施例构建了中央处理器4的模块架构。

优选的，所述健康状态分析模块42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限高防护架的运动位移的提取；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限高防护架的运动位移的提取，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限高防护架的运动位移，设视频共有n桢图像，选取视频中的第一帧中的限高防护架图像作为模板图像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)中要提取的限高防护架的复杂运动位移；

(3)副算法子模块：用于通过模板匹配的方式来提取限高防护架的运动位移，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,各桢图像中限高防护架的简单运动位移(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_k²+m₄x_ky_k+m₅y_k²；

(4)位移修正子模块,考虑到当地温度对限高防护架位移的影响，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，用于处理并显示与限高防护架相关的运动位移数据和限高防护架的振动位移曲线。

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，所述健康状态评估模块43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，对限高防护架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包括图像采集模块1、控制模块2、通信模块3、中央处理器4和报警模块5，所述的图像采集模块1设置于公路限高防护架上；所述控制模块与图像采集模块1、报警模块5、通信模块3、中央处理器4相连，所述控制模块2将图像采集模块1采集的视频图像通过通信模块3传送至所述中央处理器4，中央处理器4对视频图像进行限高防护架的健康状态的分析处理，所述控制模块2根据分析处理结果发送报警信号至所述报警模块5。

本发明的上述实施例结构简单、能够对限高防护架进行实时监控，一旦限高防护架出现异常，从而发送相应的报警信号至报警模块进行报警提示，使相关工作人员能及时介入处理，防止安全事故的发生，从而解决了上述的技术问题。

优选的，所述通信模块3为无线GPS模块。

本优选实施例提高了通信的方便性。

优选的，所述报警模块5包括用于接收报警信号的手持终端设备。

本优选实施例增加了系统的报警功能，进一步提高了系统的安全性。

优选的，所述中央处理器4包括依次连接的预处理模块41、健康状态分析模块42、健康状态评估模块43和健康状态显示模块44，所述预处理模块41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；所述健康状态分析模块42用于对预处理后的视频图像进行分析和处理，以得到限高防护架的振动位移曲线；所述健康状态评估模块43用于对所述振动位移曲线进行健康分析并判断限高防护架的振动位移是否处于健康状态，输出限高防护架健康状态结果；所述健康状态显示模块44用于显示所述限高防护架健康状态结果。

本优选实施例构建了中央处理器4的模块架构。

优选的，所述健康状态分析模块42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限高防护架的运动位移的提取；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限高防护架的运动位移的提取，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限高防护架的运动位移，设视频共有n桢图像，选取视频中的第一帧中的限高防护架图像作为模板图像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)中要提取的限高防护架的复杂运动位移；

(3)副算法子模块：用于通过模板匹配的方式来提取限高防护架的运动位移，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,各桢图像中限高防护架的简单运动位移(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_k²+m₄x_ky_k+m₅y_k²；

(4)位移修正子模块,考虑到当地温度对限高防护架位移的影响，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，用于处理并显示与限高防护架相关的运动位移数据和限高防护架的振动位移曲线。

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，所述健康状态评估模块43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，对限高防护架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包括图像采集模块1、控制模块2、通信模块3、中央处理器4和报警模块5，所述的图像采集模块1设置于公路限高防护架上；所述控制模块与图像采集模块1、报警模块5、通信模块3、中央处理器4相连，所述控制模块2将图像采集模块1采集的视频图像通过通信模块3传送至所述中央处理器4，中央处理器4对视频图像进行限高防护架的健康状态的分析处理，所述控制模块2根据分析处理结果发送报警信号至所述报警模块5。

本发明的上述实施例结构简单、能够对限高防护架进行实时监控，一旦限高防护架出现异常，从而发送相应的报警信号至报警模块进行报警提示，使相关工作人员能及时介入处理，防止安全事故的发生，从而解决了上述的技术问题。

优选的，所述通信模块3为无线GPS模块。

本优选实施例提高了通信的方便性。

优选的，所述报警模块5包括用于接收报警信号的手持终端设备。

本优选实施例增加了系统的报警功能，进一步提高了系统的安全性。

优选的，所述中央处理器4包括依次连接的预处理模块41、健康状态分析模块42、健康状态评估模块43和健康状态显示模块44，所述预处理模块41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；所述健康状态分析模块42用于对预处理后的视频图像进行分析和处理，以得到限高防护架的振动位移曲线；所述健康状态评估模块43用于对所述振动位移曲线进行健康分析并判断限高防护架的振动位移是否处于健康状态，输出限高防护架健康状态结果；所述健康状态显示模块44用于显示所述限高防护架健康状态结果。

本优选实施例构建了中央处理器4的模块架构。

优选的，所述健康状态分析模块42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限高防护架的运动位移的提取；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限高防护架的运动位移的提取，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限高防护架的运动位移，设视频共有n桢图像，选取视频中的第一帧中的限高防护架图像作为模板图像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)中要提取的限高防护架的复杂运动位移；

(3)副算法子模块：用于通过模板匹配的方式来提取限高防护架的运动位移，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,各桢图像中限高防护架的简单运动位移(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_k²+m₄x_ky_k+m₅y_k²；

(4)位移修正子模块,考虑到当地温度对限高防护架位移的影响，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，用于处理并显示与限高防护架相关的运动位移数据和限高防护架的振动位移曲线。

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，所述健康状态评估模块43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，对限高防护架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包括图像采集模块1、控制模块2、通信模块3、中央处理器4和报警模块5，所述的图像采集模块1设置于公路限高防护架上；所述控制模块与图像采集模块1、报警模块5、通信模块3、中央处理器4相连，所述控制模块2将图像采集模块1采集的视频图像通过通信模块3传送至所述中央处理器4，中央处理器4对视频图像进行限高防护架的健康状态的分析处理，所述控制模块2根据分析处理结果发送报警信号至所述报警模块5。

本发明的上述实施例结构简单、能够对限高防护架进行实时监控，一旦限高防护架出现异常，从而发送相应的报警信号至报警模块进行报警提示，使相关工作人员能及时介入处理，防止安全事故的发生，从而解决了上述的技术问题。

优选的，所述通信模块3为无线GPS模块。

本优选实施例提高了通信的方便性。

优选的，所述报警模块5包括用于接收报警信号的手持终端设备。

本优选实施例增加了系统的报警功能，进一步提高了系统的安全性。

优选的，所述中央处理器4包括依次连接的预处理模块41、健康状态分析模块42、健康状态评估模块43和健康状态显示模块44，所述预处理模块41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；所述健康状态分析模块42用于对预处理后的视频图像进行分析和处理，以得到限高防护架的振动位移曲线；所述健康状态评估模块43用于对所述振动位移曲线进行健康分析并判断限高防护架的振动位移是否处于健康状态，输出限高防护架健康状态结果；所述健康状态显示模块44用于显示所述限高防护架健康状态结果。

本优选实施例构建了中央处理器4的模块架构。

优选的，所述健康状态分析模块42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限高防护架的运动位移的提取；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限高防护架的运动位移的提取，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限高防护架的运动位移，设视频共有n桢图像，选取视频中的第一帧中的限高防护架图像作为模板图像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)中要提取的限高防护架的复杂运动位移；

(3)副算法子模块：用于通过模板匹配的方式来提取限高防护架的运动位移，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,各桢图像中限高防护架的简单运动位移(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_k²+m₄x_ky_k+m₅y_k²；

(4)位移修正子模块,考虑到当地温度对限高防护架位移的影响，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，用于处理并显示与限高防护架相关的运动位移数据和限高防护架的振动位移曲线。

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，所述健康状态评估模块43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，对限高防护架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。