全球范围内地震灾害频繁发生，但只有少数配备结构健康监测系统的建筑在地震期间记录了结构振动。此外，为了验证不同类型建筑的抗震性能，通常进行缩尺模型振动台试验，因为足尺实验的成本较高且可能引入误差。目前，许多建筑室内监控摄像头在地震中拍摄到建筑振动视频，这些视频为分析建筑地震响应提供宝贵数据。然而由于缺少传感器的对比数据，验证从监控视频中获得的建筑振动时程是一个挑战。为了低成本验证视觉监测方法识别的结构层间位移时程，采用虚拟现实方法模拟逼真的室内建筑环境，并在这些室内场景中引入特定的振动。随后，使用基于图像语义分割的计算机视觉算法识别室内建筑构件，并提取它们的边缘特征。基于这些边缘特征和空间先验信息，使用单目视觉方法计算建筑构件的振动时程。结果表明，提出的视觉监测方法识别的楼层间位移最大百分误差仅为0.28%，将为获取真实建筑地震响应数据提供新途径。

虚拟现实；图像语义分割；深度学习；地震响应；计算机视觉；层间位移