近年来,结构健康监测逐渐成为土木工程研究领域的重要分支之一。监测在建设期以及服役期间的结构健康状况对于发现问题和防止灾难性结构故障是非常必要的。由于隔震技术在抵抗地震作用表现出良好的性能,越来越多的土木工程基础设施采用隔震技术。隔震结构利用减小隔震层的水平刚度对上部结构起到了隔离保护的作用,让地震作用下的大部分能量消耗在隔震层。隔震支座作为隔震层的主要构件,对隔震支座的变形监测是指导施工进度和评判结构实际受力的有效依据。传统的接触式位移测量方法受维度、精度、操作和安装繁琐等限制,采用基于计算机视觉的非接触测量方法可有效克服传统方法的不足。本文提出一种基于计算机视觉的位移监测系统,以网络摄像头为采集设备,采用基于颜色匹配的技术,实现目标位移测量。将该系统在西部某大型航站楼进行了验证与应用,用于该结构的隔震支座变形监测,并对监测到的隔震支座变形与温度数据进行分析。使用计算机视觉识别方法对民用基础设施进行状态评估在土木工程领域展现出巨大的潜力,包括结构构件的识别和定位,以及结构损伤的检测和量化。然而,由于这些方法需要大量的训练数据,获取这样的数据集具有挑战性。现有的数据集需要人工标注图像,本文利用大规模合成图像数据集“东海道数据集”用于结构构件和损伤的语义分割。通过训练全卷积神经网络的语义分割算法,然后利用合成图像对网络进行测试,验证了数据集的有效性。本文的主要研究内容包括以下几个方面:（1）为了需要满足严寒地区超长隔震结构由于温度变化及其它因素引起的隔震支座变形的功能需求,根据其工程现场条件,以及大型航站楼隔震结构的特点,为其设计并安装一套长期温度变形监测系统,实时记录隔震支座的变形,为上部结构施工和受力提供参考依据。（2）提出一种基于计算机视觉的位移监测系统,以网络摄像头为采集设备,采用基于颜色匹配技术,实现目标位移测量。将该系统在西部某大型航站楼进行了验证,用于该隔震结构的隔震支座变形监测,并对隔震支座的变形与温度的监测数据进行分析。（3）利用基于计算机视觉的合成环境生成的图像和相关的实况注释对结构构件和损伤进行语义分割。为了从给定的原始图像数据中训练桥梁结构构件和构件损伤像素的语义分割模型,提出了一种基于全卷积神经网络的构件和损伤自动分割方法。对原始数据集进行预处理后,将数据集输入到Deep Labv3plus和FCN全卷积神经网络中进行模型训练。然后使用性能较好的模型对测试图像进行预测,实现对结构构件和结构损伤的自动化识别。