买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网恭喜重庆大学申请的专利基于视频流中图像相位的结构模态识别方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN115982526B 。

龙图腾网通过国家知识产权局官网在2025-05-09发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202310109162.8，技术领域涉及：G06F17/14；该发明授权基于视频流中图像相位的结构模态识别方法是由刘纲;李孟珠;杨庆山;雷振博;谭帅帅;贺成华;王安琪设计研发完成，并于2023-02-14向国家知识产权局提交的专利申请。

本基于视频流中图像相位的结构模态识别方法在说明书摘要公布了：本发明公开了一种基于视频流中图像相位的结构模态识别方法，明晰了主成分分析与模态参数之间的对应关系；主成分分析具有保留高空间分辨率振动信息的优点，相对于传统依据少量离散点获取结构频率的方法，提高了算法的容错率，增加了频率识别的精度；理论推导了高分辨率单模态提取公式，与传统频率区间内的模态振型提取相比，提高了振型识别精度。

本发明授权基于视频流中图像相位的结构模态识别方法在权利要求书中公布了：1.一种基于视频流中图像相位的结构模态识别方法，其特征在于，按照以下步骤进行：S1、高精度模态频率推导，按照以下步骤进行：S11、计算视频图像运动信息δ的协方差矩阵Cδδ；S12、计算协方差矩阵Cδδ的r个非零特征值λi，并按大小排序；S13、计算得到模态响应qit和固有频率ur；S2、高分辨率模态振型推导，按照以下步骤进行：S21、将视频图像通过二维傅里叶变换分解为幅度谱和相位谱；S22、由不同空间频率ωi的Gabor波组成的可调金字塔滤波器处理视频图像的相位谱，得到重构相位谱，重构相位谱与幅度谱融合得到的滤波后响应可重构为新视频图像运动信息δ`；S23、利用归一化处理，分离得到各阶高分辨率模态振型；所述步骤S11中，对于空间RN上视频图像N个像素点的运动信息δ＝[δ1,δ2,...,δN]T∈RN×T，其中，RN×T表示N×T维实矩阵，依据主成分分析原理，假设运动信息δ可由空间Rr上r个不相关的未知变量η＝[η1,η2,...,ηr]T∈Rr×T经过线性变换矩阵Ε∈RN×r混叠而成，其中，Rr×T表示r×T维实矩阵，RN×r表示N×r维实矩阵，且线性变换矩阵E满足条件：ETr×NEN×r＝Ir×r1式1中，EN×r表示N×r维线性变换实矩阵，ETr×N表示E矩阵的转置，Ir×r表示r×r维单位矩阵；r个不相关的未知变量η作为运动信息δ的主分量，则运动信息δ与不相关的未知变量η的关系如下：δN×T＝EN×rηr×T2式2中，δN×T表示N×T维的运动信息矩阵，ηr×T表示r×T维主成分分析后的不相关矩阵；运动信息δδ的协方差矩阵CδδN×N为：CδδN×N＝EδN×TδTT×N3式3中，δTT×N表示运动信息δδ的转置，ECδδN×NδTT×N表示对CδδN×NδTT×N求期望；所述步骤S12中，由于式3中的协方差矩阵CδδN×N为对称方阵，故能够进行特征值分解：CδδΝ×Νui＝λiui4式4中，ui为特征值λi对应的特征向量；根据矩阵特征值性质，CδδN×N可唯一分解为： 式5中，Λr×r表示CδδN×N的r个非零特征值λi≠0i＝1,2,...,r按从大到小的顺序组成的对角方阵，即： 式6中，Rr×r表示r×r维实矩阵；式3中，UrTr×N表示UrN×r的转置，UrN×r表示r×N维特征值分解矩阵，Ur＝[u1,...,ur]，且满足以下关系： 式7中，Ir×r是r×r维单位矩阵；故δN×T可唯一分解为： 将式1和式7同式2和式8对比可知，运动信息δ的主成分分解结果是唯一存在的，式7所求的UrN×r即为运动信息δ主成分分解所求的线性变换矩阵E，UrTr×NδN×T即为运动信息δ主成分分解所求的r个不相关的未知变量η；故基于步骤S11和步骤S12，能够对视频图像的图片帧进行处理，得到结构上N个像素点的运动信息δδ＝[δ1,δ2,…δi,...,δN]T∈RN×T，其中，每个像素点的运动信息δii＝1,2,...,N均为尺寸为1×T的向量。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人重庆大学，其通讯地址为：400044 重庆市沙坪坝区正街174号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。