在桥梁健康监测中,位移是结构损伤识别和状态评估的重要工具,是结构进行力学分析的重要手段。随着我国桥梁建造技术的发展,桥梁数量增加,各种类型的桥梁不断投入使用运营。但由于桥梁在结构服役期间不断承受荷载,并且发生一定的老化和损伤,桥梁工程的发展重心逐渐从建造转移至维护。在桥梁健康监测系统中,需要根据现场情况选择合适的传感器进行多种物理指标的收集。在位移测试中,传统传感器表现出数量多、安装难度大、价格昂贵、损耗严重等缺点,限制了其在实际工程中的使用,需要新的技术来解决这些所面临的问题。近年来,随着以深度学习、计算机视觉技术为代表的人工智能技术快速发展,在目标追踪、图像识别领域已经取得巨大突破。计算机技术在工程领域不断渗透和发展,也为位移测试技术的开发提供了新思路。本文使用计算机视觉技术进行位移测试技术的开发,提出一种新的有效的位移测试方法;针对相关研究存在的问题,对算法进行了进一步优化;对算法在实际使用过程中的分辨率影响做了分析;并且开发了相关的软件用户界面。本文主要研究工作如下:（1）在基于光流算法的位移测试方法中,采用非局部均值降噪技术和ROI重定位过程实现更高精度的测试。保留图像清晰轮廓的同时可以有效抑制噪声信息,很好地平衡了降噪尺度和边缘清晰度。本文提出的测试方法在模型桥梁的位移测试试验中,表现出更高的精度,更有效地抑制了位移漂移现象,并且对主观的设置参数敏感度更低。在频域信息范围内,基于计算机视觉的测试技术都表现出与传统测试方法精度相当的性能。（2）在车辆荷载试验中,本文通过对多分辨率下的测试精度进行分析验证基于光流算法的位移测试方法在分辨率变化的情况下鲁棒性较好,在不同视频分辨率下能实现稳定的精度。将分辨率从4K降低到360P的过程中,可以保证误差稳定在0.1mm内。采用对分辨率鲁棒性更好的算法,可以在体积更小的视频中进行更快的运算,并达到稳定的精度水平。（3）本文针对代码运行环境的繁琐配置,进行了用户界面的开发。在对比了几种用户界面开发方案后,针对本研究所实现的Python代码,采用Pi Side2进行界面开发,取得良好的效果。在采用用户界面后,测试工作效率和可视化水平均得到提升。