近年来,随着移动设备中相机拍摄性能越来越好,越来越多的人们使用移动设备来拍摄视频。但是在拍摄视频时,由于相机突然的运动,视频会不可避免地出现抖动的情况,导致视频质量下降。因此,视频防抖技术一直都是研究的热点。本文主要关注基于惯性感知的视频防抖技术研究,提出了基于惯性-视觉融合的视频防抖解决方案,设计并实现了基于Android智能设备的视频防抖系统。本文的主要工作如下:（1）本文通过大量的实验研究了相机抖动对视频抖动的影响,以及利用惯性传感器计算相机运动的误差。通过考虑相机的3D旋转和3D平移,本文构建了相机投影模型。进一步地,本文构建了相机运动模型来描述惯性-视觉状态与相机3D运动之间的关系。（2）本文提出了基于惯性-视觉融合的相机运动估计方法。具体地,该方法首先使用惯性传感器来追踪相机的旋转,并将计算得到的相机旋转代入至相机投影模型中。然后通过追踪视频帧中特征点的坐标变化,进一步地估计相机的平移。实验证明,惯性-视觉融合的方法对快速运动和剧烈抖动具有更好的鲁棒性,并降低了视频防抖的计算成本。（3）本文在多种场景下对系统进行了性能评估,如不同抖动幅度和抖动频率、不同相机运动类型、不同拍摄场景和拍摄距离。实验结果表明,该系统与最先进的解决方案相比,视频防抖的性能有很大提升。（4）本文基于Android智能设备,设计并实现了一个视频防抖系统。在系统实现过程中,本文解决了实际应用中存在的相机标定、视频数据与惯性传感器数据的时间同步等问题,并通过多线程优化的方法来降低处理时间。最终,在移动设备上,实现了实时的视频防抖效果。本文对系统时延、功耗以及真实案例下的性能进行了评估,结果表明,该系统可以很好地满足用户对视频防抖的需求。