拉索是桥梁结构的重要传力构件，拉索的健康状况关乎索系桥梁结构的运营安全。为寻求一种比人工巡检更准确，比接触式传感器更简便和经济的拉索健康监测方式，本文依托导师主持的国家自然科学基金面上项目“基于影像轮廓线叠差分析获取桥梁变形及结构状态演绎方法探索（51778094）”，开展了基于视频数据的拉索损伤识别方法研究。主要研究内容如下：
　　1.探索了基于视频数据获取拉索振动位移时程信号的转化方法。考虑结构尺度差异，利用摄像机采取视域划分方式采集拉索振动视频数据，对该视频数据进行逐帧分解并构建全息动态图像序列池，采用像素单位对图像进行数值化处理，提出分层优化的NCC算法对目标区域进行匹配搜索，通过提取振动前后图片目标区域像素跃迁形成的像素位移，结合像素比例转换因子将像素位移转化为实际振动位移，从而获取拉索结构的位移时程曲线。
　　2.考虑拉索在实际服役过程中，由于噪声影响、冲击荷载、风雨激励等不确定性因素，拉索的振动信号可能表现为非线性，本文融合快速FFT变换获取带噪原始信号的大致频响范围，采用I型切比雪夫滤波器对原始信号进行滤波处理，基于Hilbert-Huang变换对包含单一频率信息的位移时程信号进行模态参数提取，提高了原始信号的信噪比。
　　3.推导了拉索的空间自由振动方程，利用有限元建立了三维实体拉索模型，针对固有频率、模态振型和曲率模态三个参数对损伤敏感度进行了分析，结果表明：固有频率和模态振型对损伤识别存在一定局限性，而以曲率模态作为估计指标，依据对模态曲率差的异常峰值提取，可以识别单处和多处损伤的位置及损伤程度，为实际工程拉索损伤监测探索了技术途径。
　　4.在实验室针对钢绞线开展了受拉状况下的损伤识别试验，运用视频测量和传统接触式传感器测量分别采集多种损伤工况下的钢绞线振动信息，获得钢绞线全息位移时程曲线，利用融合滤波的Hilbert-Huang变换对信号进行模态参数提取，基于模态振型对两种测量方式进行误差对比，结果满足精度要求。在损伤工况下，利用视频测量转化的模态曲率差能够识别损伤，验证了本文方法在应用方面的可行性。