亓兴军,公杰,张玉宝,施建州,王哲,陈允泉

• 1:山东建筑大学交通工程学院
• 2:临沂市建筑设计研究院有限责任公司
• 3:山东金朝融惠检测科技有限公司

摘要(Abstract)：

为了提升受遮挡吊杆的频率识别精度，提出一种基于机器先验引导与弱时序约束的视频修复方法。采用孤立森林算法无监督检测并标注视频遮挡区域，生成二进制掩模作为机器先验；构建弱时序约束生成对抗网络(weak temporal constraint generative adversarial network, WTC-GAN)，以遮挡帧及其时序上下文为输入，引入光流一致性损失作为约束条件，以约束微振动轨迹的时序连续性及遮挡区域重建结果的运动一致性。研究结果表明：该方法的视觉修复质量显著优于传统方法，峰值信噪比(peak signal-to-noise ratio, PSNR)与结构相似性(structural similarity, SSIM)分别提升2.96 dB和5.85%；修复后视频的频率分析结果与无遮挡状态高度一致，平均相对误差仅为1.14%。该方法在不同程度的遮挡工况下表现出良好的鲁棒性，客观界定了极端长时遮挡的性能边界，且对斜拉索等同类线状构件具备普适性，展现出在桥梁视觉监测中的重要工程应用潜力。

关键词(KeyWords)： 桥梁健康监测;视频修复;生成对抗网络;吊杆频率;遮挡处理

Abstract:

Keywords:

基金项目(Foundation): 济青高速铁路有限公司科技计划项目(JQKJ2024-10);; 山东省住房城乡建设科技计划项目(2024KYKF-CSGX024);山东省住房城乡建设科技计划项目(2023-017)

作者(Author): 亓兴军,公杰,张玉宝,施建州,王哲,陈允泉

参考文献(References)：

• [1]吴康.基于物理信息神经网络的斜拉索和吊杆索力识别[D].成都:西南交通大学, 2023.
• [2] Fukuta T, Kawaguchi H. Vision freqformer for vibration monitoring using existing surveillance cameras[J].Signal, Image and Video Processing, 2025, 19(16):1375.
• [3]王鹏峰,李运堂,黄永勇,等.基于改进YOLOv5s网络的斜拉桥拉索表面缺陷检测[J].光电工程,2024, 51(5):12-24.
• [4] Yu S S, Zhang J, Su Z Y, et al. Fast and robust vision-based cable force monitoring method free from environmental disturbances[J]. Mechanical Systems and Signal Processing, 2023, 201:110617.
• [5] Tang Y, Huang B, Wang S R, et al. Computer vision-based real-time continuous monitoring of the pose for largespan bridge cable lifting structures[J]. Automation in Construction, 2024, 162:105383.
• [6]金剑淼,亓兴军,张瀚升,等.基于数字图像理论的非接触式结构振动位移测量方法研究[J].宁波工程学院学报,2025, 37(2):1-9.
• [7] Zhu W Z, Jiang T J, Heng J L, et al. Enhanced monocular vision system for multi-target deformation monitoring of bridges via oblique photography[J]. Engineering Structures, 2025, 323:119196.
• [8] Zhang S, Chang S, Shi Z Y, et al. Progressive multi-plane images construction for light field occlusion removal[J]. IEEE transactions on visualization and computer graphics, 2025, 31(10):8012-8025.
• [9] Ni T Y, Wang L Q, Yin X F, et al. Experimental study on measuring and tracking structural displacement based on surveillance video image analysis[J]. Sensors, 2024, 24(2):601.
• [10] Lydon D, Kromains R, Lydon M, et al. Use of a roving computer vision system to compare anomaly detection techniques for health monitoring of bridges[J]. Journal of Civil Structural Health Monitoring, 2022, 12(6):1299-1316.
• [11]王一帆.基于深度学习的场景去遮挡算法研究[D].大连:大连理工大学, 2022.
• [12]王宣淋,孙丰菊.基于深度学习的遮挡人脸识别技术研究[J].软件, 2025, 46(9):100-102.
• [13]张铮.基于遮挡区域移除与恢复技术的人脸识别方法研究[D].北京:中国人民公安大学, 2024.
• [14]温润林.基于卷积神经网络和自注意力机制的口罩遮挡人脸识别研究[D].南昌:江西财经大学, 2024.
• [15]苏山杰.基于深度学习的复杂道路场景下遮挡中小目标检测算法研究[D].重庆:重庆交通大学, 2023.
• [16]曾湄,王逸涵,雷志伟,等.基于自监督学习的葡萄实例去重叠遮挡算法[J].计算机工程, 2024, 50(8):216-228.
• [17] Qiu G Y, Tao D, You D Q, et al. Low-illumination and noisy bridge crack image restoration by deep CNN denoiser and normalized flow module[J]. Scientific Reports, 2024, 14(1):18270.
• [18]李良福,蒲应丹,黎光耀,等.基于MD-CBAM的多样性裂缝图像修复方法[J].光电子·激光, 2024, 35(4):351-359.
• [19] Zhao Q L, Sun B C, Zhao W J, et al. Improved GAN-based deep learning approach for strain field prediction and failure analysis of precast bridge slab joints[J]. Engineering Structures, 2024, 321:119023.
• [20] Xue H, Peng Z R, Yin H. Estimation of cable tension in large-span cable-stayed bridges using image superresolution reconstruction technology[J]. Structures, 2025, 75:108701.
• [21] Ji Z, Su Y M, Zhang Y, et al. Video wire inpainting via hierarchical feature mixture[J]. Image and Vision Computing, 2025, 157:105460.
• [22]王娇颖,李良福,何曦,等.一种基于嵌入式全景视频流影像数据实时拼接方法[J].应用光学, 2023, 44(2):354-364.