背景纹影测量技术广泛应用于航空航天、空气动力学等领域,能够无接触、低成本的测量流场,并以此衍伸至火焰温度场、气体折射率场等的研究,对生产生活有着重大意义。但是在目前大数据的时代背景下,相机的数据采集吞吐量也越来越大,对背景纹影测量技术的实时性要求也日益递增,为此,本文围绕背景纹影的实时测量技术开展研究。从背景纹影测量的关键——背景图像点位移出发,对比了不同测量方法的优劣性,详细分析了基于八邻域特征点识别的背景纹影测量技术理论。提出对特征点区域计算局部自适应阈值的方法,提升了预处理的效果,特征点识别的抗干扰性也随之提高。研究了GPU硬件结构和CUDA编程原理,结合基于特征点识别的BOS测量技术原理,分模块进行并行性分析,实现了基于CPU-GPU异构的BOS并行加速方法,并做了相关优化:图像预处理模块以共享内存代替全局内存进行访问,提高了计算速度;坐标与位移计算采用规约求和的方式,降低了算法复杂度;设计了行列和特征识别方法,并行度更高,处理速度更快,实时性更强。根据算法线程分配的不同方式,分析了其对算法运行时间的影响,建立了各个模块的时间消耗模型,研究了各个模块资源消耗的影响因素,为实验条件的设计提供了重要的参考价值。设计并搭建了基于CPU-GPU的背景纹影实时测量系统,CPU端实现参数设置、参考图像数据处理、图像及解算结果的显示等功能,GPU端实现特征点识别和位移矢量的计算等算法,整个系统能够实现以行列和特征点识别为核心的BOS测量技术,最高能达到3.46G/s的实时处理速度。最后通过实验验证了系统的实时性和可行性。