Page 114 - 2024年第55卷第9期
P. 114
图 １３ 各算法闸坝表面位移监测结果过程线
连续测量位移误差过程线图。依据 《水闸安全监测技术规范》 （ＳＬ７６８—２０１８），该闸坝工程主体挡潮
泄洪闸为 １级建筑物，此类建筑物位移监测精度为±２ｍｍ。
将四种机器视觉算法应用于靶标图像数据集上，
尺度因子 综 合 取 值为 ３．６０２４，得到 连 续 测 量 位 移 误
差。由图 １４可得，各算法位移误差在位移监测开始
１—２帧与结尾 １１—１４帧处较大，可能由远距离测量
中摄像机振动、天气、气压引起折射率变化、大气抖
动等因素导致 ［４１ － ４２］ 。分别计算各算法的连续测 量位
移误差，结果表明，本文算法的水平与垂直误差最小，
水平位移误差为 ０．１７ｍｍ，垂直位移误差为 ０．１７ｍｍ，
精度最 好；ＳＩＦＴ的 水 平 位 移 与 垂 直 位 移 误 差 次 之，
水平位移误差为 ０．４２ｍｍ，垂直位移误差为 １．２３ｍｍ；
图 １４ 各算法连续测量位移过程线
最后，ＳＵＲＦ的水平位移误差为 ０．８２ｍｍ，垂直位移
误差为 １．１１ｍｍ；ＢＲＩＳＫ的水平位移误差为 １．４６ｍｍ，垂直位移误差为 １．７８ｍｍ。采用 ＲＭＳＥ、ＭＡＥ、
ＭＳＥ对各算法精度进行量化分析，各算法评价指标值见表 ２。综上，本文所提算法在闸坝靶标数据集
中总体误差小于 ０．２ｍｍ，且 ＲＭＳＥ较同类目标追踪算法精度提升 ４８％，ＭＡＥ较同类算法降低 ４２％，
ＭＳＥ较同类算法降低 ７３％。表明了本文算法的可靠性与优越性，进一步印证本文所提算法与高精度闸
坝安全监测需求具有高度契合性。
表 ２ 各算法评价指标结果对比
位移方向 评价指标 ＳＩＦＴ ＳＵＲＦ ＢＲＩＳＫ 本文算法
ＲＭＳＥ?ｍｍ ０．１６３９ ０．３９１１ ０．６９５７ ０．０８４６
顺河向 ＭＡＥ?ｍｍ ０．０９３４ ０．３４５８ ０．５９５２ ０．０５３７
ＭＳＥ?ｍｍ ２ ０．０２６８ ０．１５２９ ０．４８４１ ０．００７１
ＲＭＳＥ?ｍｍ ０．４６８３ １．００１８ ０．８９４３ ０．０６０５
垂直方向 ＭＡＥ?ｍｍ ０．２２１７ ０．９３６８ ０．７２８１ ０．０４８３
ＭＳＥ?ｍｍ ２ ０．２１９３ １．００３８ ０．７９９８ ０．００３６
１
— １ １ ９ —
