(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210631442.0 (22)申请日 2022.06.06 (71)申请人 四川大学 地址 610065 四川省成 都市一环路南 一段 24号 (72)发明人 王健泽　江永清　戴靠山　王英　 (74)专利代理 机构 郑州万创知识产权代理有限 公司 41135 专利代理师 任彬 (51)Int.Cl. G06V 20/10(2022.01) G06V 20/40(2022.01) G06V 10/26(2022.01) G06V 10/40(2022.01) G06V 10/80(2022.01)H04N 7/18(2006.01) (54)发明名称 基于视频监控下非结构构件损伤识别的建 筑震害评估方法 (57)摘要 本发明公开了基于视频监控下非结构构件 损伤识别的建筑震害评估 方法， 属于地震工程技 术领域； 包括以下步骤： 获得地震发生前后公共 建筑内部非结构构件损伤破坏的全 过程影像， 将 监控视频分割为地震发生前、 发生过程中和发生 后的视频画面； 对地震发生前视频画面内的非结 构构件进行目标检测、 识别分类和定位； 对地震 发生过程中的视频画面， 将成功识别的非结构构 件进行目标追踪； 对地震发生后的视频画面， 识 别判断出各类非结构构件的地震响应与损伤状 态； 汇总各类非结构构件的损伤状态信息， 判断 建筑内部非结构系统的震害损失程度。 本发明利 用城市公共建筑中普及布设的视频监控系统， 通 过视频画面识别非结构构 件的地震损伤， 有效评 估建筑内部震 害程度。 权利要求书3页 说明书7页 附图5页 CN 115049924 A 2022.09.13 CN 115049924 A 1.基于视频监控下非结构构件损伤识别的建筑震害评估方法， 其特征在于： 包括以下 步骤： S1、 基于城市公共建筑内布置的视频监控系统， 获取地震发生前后公共建筑内部非结 构构件的损伤破坏全过程影像， 根据地震发生后获得的地震发生时间与持续时间， 将监控 视频分割为 地震发生前、 地震发生过程中和地震发生后的视频画面； S2、 基于步骤S1中分割后的地震发生前的视频画面， 采用多尺度ViT网络模型对视频画 面内的非结构构件进行目标分割与检测， 根据与结构构件的连接方式、 位置从属关系对非 结构构件进行目标识别与分类， 获得各个非结构构件的矩形定位边界框， 再对视频画面进 行网格划分并定义局部坐标轴， 确定各个非结构 构件外轮廓主 要节点的坐标位置； S3、 基于步骤S1中分割后的地震发生过程 中的视频画面， 将步骤S2中的多尺度ViT网络 模型和Deepsort目标跟踪算法相结合， 对步骤S2中成功识别的带有矩形定位边界框的非结 构构件作为Deepsort算法的输入进行训练， 记录各个非结构构件外轮廓主要节 点的坐标变 化及运动轨 迹， 进行非结构 构件的目标追踪； S4、 基于步骤S1中分割后的地震发生后的视频画面， 对步骤S2中成功识别的非结构构 件外轮廓主要节点的坐标位置进 行记录， 根据步骤S3中完成目标识别与分类的非结构构件 类别， 利用Deepsort算法判断各类非结构构件的运动轨迹并以此来确定各种非结构构件的 地震响应与损伤状态； S5、 通过步骤S4中获得视频监控内的各类非结构构件的地震响应与损伤破坏信息， 结 合既有公开的非结构构件易损性数据库， 根据不同类型非结构构件易损性模型 的相关性， 推测未受视频监控覆盖的非结构构件的地震响应与损伤破坏信息， 汇总各类非结构构件的 损伤状态信息， 并基于汇总后的非结构构件的损伤破坏状态， 采用修复费用和修复时间对 建筑功能损失程度进行评价； 修复费用的计算公式为： L(i， j， k)＝η1(i， j)×C(i， j， k)， 式中i,j,k分别代表构件种类、 损伤 状态和所在楼层的编号； L(i,j,k)是建筑结构第k层内处于损伤状态j的第i类构件所对应的 经济损失； C(i,j,k)是第k层内处于损伤状态j的第i类构件的造价之和； η1(i， j)是第i类构件处 于损伤状态j时的损伤系数， 可根据不同非结构构件类型按 《建筑抗震韧性评价标准》 进行 取值； 修复时间的计算公式为： 式中 Q(i,k)指第k层第i类构件的修复时间的总和； n(i,j,k)表示第k层处于损伤状态j的第i类构件 数量； Q(i,j,k)表示第k层处于损伤状态j的第i类构件的修复工时， ξT(i)是考虑第i类震损构件 修复工程量的修复工时折减系数， λT(k)为考虑震损构件所在楼层位置k的楼层影响系数， Q(i,j,k)、 ξT(i)、 λT(k)可按 《建筑抗震韧性评价标准》 进行 取值。 2.根据权利要求1所述的基于视频监控下非结构构件损伤识别的建筑震害评估方法， 其特征在于： 所述步骤S1中， 所述布置有视频监控系统的城市公共建筑包括医院、 学校、 商 场、 政务办公楼和商业写字楼； 所述视频监控系统在法律许可范围内可集成、 存储、 传递和 处理分析； 所述 非结构构件为单栋建筑中除去结构构件以外所有的与建筑使用功能相关的 构件、 物品。 3.根据权利要求1所述的基于视频监控下非结构构件损伤识别的建筑震害评估方法，权　利　要　求　书 1/3 页 2 CN 115049924 A 2其特征在于： 所述步骤S1中， 地震发生时间与持续时间通过以下方式获取： 在地震发生后， 权威政务如国家 地震局与技术部门会发布地震发生的主要信息， 包括震级、 震中位置、 震源 深度和主震持续时间， 地震台网可监测 地震波过程， 既而获得地震发生时间与地震结束时 间， 通过以上时间信息即可 得到地震发生时间与持续时间。 4.根据权利要求1所述的基于视频监控下非结构构件损伤识别的建筑震害评估方法， 其特征在于： 所述步骤S2中， 采用多尺度 ViT网络模型对视频画 面内的非结构构件进 行目标 分割与检测的具体步骤为： S21、 多尺度ViT网络模型将输入 的视频图片每隔一定的区域大小划分为多个图片块， 对所划分后的图片块进行不同维度的特征提取， 得到包含高层语义信息的多尺度有效特征 层， 多个多尺度有效特 征层之间可进行 特征共享； S22、 将提取到的多尺度有效特征层输入到特征金字塔进行特征融合， 得到的{P1,P2, P3,P4}四个有效特征层， 将得到的{ P1,P2,P3,P4}四个有效特征层分别对应转化为{T1,T2,T3, T4}多尺度的序列表示； S23、 将不同尺度的序列表示沿着通道维度进行堆叠后， 输入到多头注意力机制中产生 具有尺度感知的高层语义信息， 并执行特征 的提取， 之后输入到检测头部完成非结构构件 的检测任务， 最终确定出 各个非结构 构件的矩形定位 边界框。 5.根据权利要求1所述的基于视频监控下非结构构件损伤识别的建筑震害评估方法， 其特征在于： 所述步骤S2中， 根据与结构构件的连接方式将非结构构件分类为浮放式、 固定 式和悬吊式非结构构件， 浮放式非结构构件是与 楼板或其他结构构件不产生固定连接的构 件和物品， 包括桌椅、 立式空调、 货架、 书柜； 固定式非结构构件是与楼板或其他结构构件发 生固定连接的构件和物品， 包括管道、 电梯、 整体橱柜； 悬吊式非结构构件是与楼盖发生柔 性连接的构件和物品， 包括吊顶、 吊灯、 支吊架； 根据位置从属关系将 非结构构件分类为两个类别， 一类是直接放置在楼板上或与 结构 构件发生连接的非结构构件， 包括桌椅、 架柜、 管道、 吊顶； 第二类是放置在第一类非结构构 件上的构件和物品， 包括 放置在桌子上的电脑、 水杯以及放置在架柜的摆 件物品。 6.根据权利要求1所述的基于视频监控下非结构构件损伤识别的建筑震害评估方法， 其特征在于： 所述步骤S3中， 通过多尺度 ViT网络模 型和Deepsort目标跟踪算法相结合进行 非结构构件的目标追踪的具体步骤为： S31、 根据步骤S2中定义的局部坐标轴， 确定成功识别的非结构构件外轮廓主要节点在 地震发生初始时刻下的位置坐标信息和类别 信息； S32、 利用Deepsort算法每隔一定的时间帧记录非结构构件外轮廓主要节点的坐标变 化， 实现检测对象运动轨 迹的追踪任务。 7.根据权利要求1所述的基于视频监控下非结构构件损伤识别的建筑震害评估方法， 其特征在于： 所述步骤S4中， 识别判断的非结构构件损伤状态主要包括浮放式非结构构件 的滑移响应与倾覆破坏、 固定式非结构构件的连接破坏、 悬吊式非结构构件的晃动响应与 连接破坏， 损伤状态的具体判断方法为： 浮放式非结构构件： 地震发生后的外轮廓主要节点位置较地震发生前的位置在水平方 向发生了明显改变， 而外轮廓主要节 点的相对位置不 发生改变时， 判断为滑移响应； 当外轮 廓主要节点的相对位置发生改变时， 判断为 倾覆破坏；权　利　要　求　书 2/3 页 3 CN 115049924 A 3