结构振动特征能够反映结构的健康状态，传统传感器测量仅能够获取结构表面单点动力响应信息。数字摄影和图像处理技术的飞速发展为结构动态响应提供了新的获取方法。本文在国家自然科学基金项目“影像轮廓线叠差分析获取桥梁全息变形及结构状态演绎方法研究（51778094）”的资助下，基于机器视觉开展了悬臂梁及悬索桥的振动试验，实现了结构的模态识别和损伤判断，同时通过理论计算、数值模拟及传统测量对结果进行了验证。主要工作如下：
　　1.基于机器视觉实现了结构的动态位移测量。利用MATLAB编写模板匹配程序，实现了对结构局部区域的运动跟踪；利用Python语言编制了Lucas-Kanade光流法程序，实现了对结构某一特征点的运动跟踪，验证了机器视觉测量结果的可靠性与精度。两种视觉追踪结果与激光测量的振动位移相吻合，最大误差为7.67%，表明机器视觉测量具有良好精度。
　　2.通过机器视觉获取悬臂梁动力指纹及模态参数。运用模板匹配法追踪悬臂梁全局测点的振动位移，对测点位移的时域信息进行快速傅里叶变换(FFT)获取各测点自振频率，利用协方差驱动的随机子空间辨识法(COV-SSI)计算结构的前三阶振动频率、阻尼比及振型等模态参数。结果表明，基于机器视觉测量的各点动态特性与ABAQUS数值模拟所对应测点动态特性相吻合；结构频率与加速度传感器测量结果最大误差为0.13%；前三阶振型与数值模拟结果模态置信度(MAC)均接近于1。
　　3.对室内一缩尺模型桥进行实验，分析了不同分辨率的图像序列的位移追踪结果，表明图像分辨率越高，基于机器视觉测量结果精度越高，从图像采样质量的角度解释了视觉测量的误差来源。
　　4.基于机器视觉实现对悬臂梁损伤识别。首先利用有限元模拟悬臂梁在两种不同单元数量下4种损伤工况的动态特性，并将振型通过中心差分法计算出曲率模态。结果表明，结构单元划分越细越有利于损伤识别，且曲率模态差对结构损伤敏感性很高。对悬臂梁进行损伤试验，选取密集的测点进行视觉测量，比较损伤前后的频率与曲率模态差，试验结果表明通过视觉测量可以初步实现结构损伤判断与定位。