基于计算机视觉的结构振动测量问题在结构健康监测领域越来越受到研究人员关注。基于图像金字塔光流估计的测量方法目前常用的一种方法,但该方法在位移测量精度方面往往难以满足实际需求,存在亚像素级别的小位移测不准、整像素级别的大位移测量时容易错过快速移动的小物体以及需要迭代计算等不足。而作为新技术出现的基于相位运动放大的相位光流法在小位移测量、基于深度学习的光流法在特征表征等方面往往具有内在优势。由此,开展能够综合利用相位运动放大和深度学习特性的新型光流方法及其在结构振动测量中的应用研究具有重要的理论和现实意义。本文设计并实现了一种基于相位运动放大和深度学习的结构振动测量方法,实验结果表明了方法的有效性和先进性。该方法分为两个部分,一是通过基于深度学习的光流法计算整像素级别的结构振动位移;二是首先通过复数可操纵金字塔滤波器提取图像局部相位信息,然后通过基于相位的光流法获取更精准的亚像素级别的结构振动位移。通过组合整像素和亚像素级别的测量结果,最终获得改善的测量精度。此外还开展了降噪、相机标定等数据处理有关的研究。主要工作如下:1、系统地开展了基于相位运动放大和深度学习的结构振动测量方法的调查研究,全面阐述了基于相位的视频运动放大方法、基于相位的空间滤波光流场估计方法和基于递归全对场变换的深度学习光流法的基本原理和优缺点。2、详细阐述了基于深度学习和相位光流法的结构振动位移测量方法的构成及实现过程,包括基于深度学习光流法的整像素位移计算、启发式的图像平移处理、图像局部相位信息的提取、基于相位光流法的亚像素位移计算等。3、设计并实现了一个基于计算机视觉的结构振动测量原型系统,并开展了实验室简支梁结构模型振动实测实验,与位移传感器和典型光流方法的对比实验结果验证了方法的有效性。