缆索承重桥梁在交通运输事业中发挥着重要作用。拉索作为缆索承重桥梁的主要承重构件,容易受到交通荷载和外界环境的作用而产生损伤,从而导致拉索承载能力下降。拉索失效造成的工程事故时有发生,对社会经济发展产生严重影响,因此必须重视对缆索承重桥梁拉索索力的健康监测。传统的索力测试方法属于接触式方法,需要人工布置索力测试传感器,存在测试成本高和测试效率低等问题。本文开展基于计算机视觉的索力测试方法研究,可以为缆索承重桥梁智慧化管养提供关键技术支撑。本文的主要工作如下:（1）全面介绍了索力测试频率法的基本原理,系统阐述了微小运动放大算法和边缘检测算法的基本原理,并对比分析了不同微小运动放大算法和边缘检测算法的特点及适用场景。在此基础上,综合运用微小运动放大、边缘检测和目标跟踪等算法,系统提出了基于欧拉微小运动放大算法的索力测试方法。（2）系统开展了基于计算机视觉的索力测试方法实验验证研究。设计并制作了索力测试实验装置,分别采用基于加速度传感器的索力测试方法、基于欧拉微小运动放大算法的索力测试方法和基于Lucas-Kanade稀疏光流法的索力测试方法,开展索力测试对比实验,验证了本文提出的基于欧拉微小运动放大算法的索力测试方法的可行性。（3）全面开展了基于计算机视觉的索力测试方法工程应用研究。以广州新光大桥拱桥吊杆为索力测试对象,分别采用基于加速度传感器的索力测试方法、基于欧拉微小运动放大算法的索力测试方法和基于Lucas-Kanade稀疏光流法的索力测试方法,开展实桥索力测试,验证了本文提出的基于欧拉微小运动放大算法的索力测试方法的工程实用性。研究结果表明,与传统索力测试方法相比,所提出的基于欧拉微小运动放大算法的索力测试方法具有操作简单、成本低廉、高效准确等优点,可以有效提升索力测试的自动化和信息化水平。本文的研究工作也有效拓展了计算机视觉在结构振动测试领域的应用范围,进一步推动了计算机视觉技术的发展。