隔震支座是隔震结构中关键部位,既作为竖向承重构件,又要在地震中消耗结构振动能量,因此,对隔震支座变形进行快速、精确地测量十分重要,而传统的接触式测量方法价格昂贵且安装维护复杂。近年来,随着计算机视觉技术地发展,基于视觉的测量方法在土木工程领域得到广泛应用,但已有的基于视觉的结构位移测量方法,并不完全适用于隔震支座在地震时的位移测量,本文提出了一种隔震支座动态位移测量方法,无需追踪相机位姿,采用消费级相机,对隔震支座的动态位移进行测量,主要研究内容和结论如下:（1）针对地震时隔震支座的视觉测量特点,即地震时相机与隔震支座均会发生运动,且不便追踪相机位姿,提出一种无需额外跟踪相机运动的隔震支座动态位移测量方法。首先,沿结构水平两个正交方向,分别设置相机和标靶,且相机光轴与标靶平面相互垂直,采用比例因子法对各时刻的各相机进行标定;其次,对标靶进行自动识别与定位,获取标靶在图像中的形心坐标和半径;最后,使用隔震支座上、下连接板处标靶的相对位移,确定隔震支座的动态位移。（2）针对测量环境的特点,提出了一种基于图像特征识别的标靶识别与追踪方法。结合HSV色彩空间、图像预处理、Canny边缘检测和Hough圆检测等图像处理技术,对标靶的圆心坐标和半径进行识别,实现隔震支座的动态位移测量。通过拍摄一个LRB500隔震支座力学性能试验过程,对提出的方法进行验证,结果表明:无论相机运动还是固定,该方法得到的隔震支座水平位移时程与位移计得到的结果几乎完全一致。相机运动比相机固定时测量误差要大,但与位移计的测量结果相比,水平和竖向位移峰值的绝对误差均小于1mm,说明所提出的方法可用于隔震支座长期荷载及地震作用下的位移监测。（3）提出了一种基于深度学习的标靶识别与追踪方法,通过训练一个YOLOv5目标检测模型自动识别和定位标靶,再对YOLOv5的目标框放大并对目标框内的图像进行特征识别和提取,二次精确定位标靶,实现隔震支座的动态位移测量。仍通过拍摄一个LRB500隔震支座力学性能试验过程对该方法进行验证,并与基于图像特征识别的测量方法进行对比,结果表明:本方法得到的支座水平位移时程曲线与位移计结果在各时刻的误差均小于1%,水平向位移峰值的绝对误差最大值为0.924mm,竖向位移峰值的绝对误差最大值为0.23mm。与基于图像特征识别的测量结果相比,基于深度学习的测量方法得到的水平位移峰值的误差率要更小,竖向位移峰值误差降低了0.461mm,误差率降低了54%。说明基于深度学习的测量方法具有更高的检测精度和稳定性,可以在无需追踪相机位姿的情况下,完成隔震支座在地震作用下的位移测量。