随着数字图像技术的发展,高像素相机的出现,图像能够完整的记录结构位置信息从而复现出结构的动态响应。视觉测量技术作为一种新兴的测量技术以其高效、精确、非接触、远距离测量等特点得到了国内外研究者的普遍关注。现阶段由于计算机硬件性价比不断提高,相关技术逐渐发展,视觉测量技术能在很大程度上补充传统测量方式的不足从而能很快的获得全球化的应用。高速视觉测量系统具有更快的采样频率、更高的计算速度,所以其不仅能完成普通的几何尺寸、形状姿态的测量,还能够通过高速相机拍摄得到物体的运动视频,使用数字图像处理技术对视频图像分析、处理,实现对物体运动的快速跟踪。本文以高速相机为基础,以图像为对象,深入研究基于计算机视觉图像实现结构动态响应测量的系统方案、软硬件的设计,特别是对软件部分的视频图像位移提取算法进行了深入的研究,解决了高速视觉测量中的速度、精度和鲁棒性三大问题的关键技术。本文首先介绍了整个高速视觉测量系统的硬件搭配,为了增加系统适应性,整个系统硬件组成通过更换部件形成不同的组合以完成不同情况下的高速运动物体的视频采集。并以单摆实验简单的演示了整个高速视觉测量系统测量运动的流程,包括测量系统的结构,系统的标定以及利用相关数字图像处理技术提取运动位移的过程。然后为了研究高速、高精度、鲁棒的图像匹配算法,本文对图像相关法中的图像匹配相关技术进行了研究,包括匹配模板的选择标准,几种模板匹配常用的相关函数的优缺点即相互之间的联系：对常用的模板匹配位移提取算法进行分析,提出了使用块匹配和亚像素定位的组合算法提高测量精度。同时也分析了一种高效的基于Lucas-Kanade的位移提取算法,并指出了其在视觉测量中的不足之处以及限定的使用范围。根据图像相关法的研究结果,针对高速视觉测量的高采样频率的特点,提出两种对外界光照和噪声不敏感、计算效率高、定位精度高的模板匹配算法来估计目标运动：一种是局部搜索优化算法(Local Search,LS),另一种是基于混沌粒子群的优化算法(Particle Swarm Optimization, PSO),局部搜索模板匹配法适用于高频率采样下相邻帧之间目标位移较小或者目标本身运动位移就很小的情况,在特定情况下这种优化算法可以获得很高的计算效率。基于粒子群的优化算法通过模拟鸟类捕食的思想能够快速准确的搜索相邻帧之间目标运动位移,无论是小范围的还是大范围的都可以捕捉到,并且有着避开局部最优的能力。且这两种基于标准互相关法(Normalized Cross Correlation, NCC)的模板匹配算法还能够配合曲面拟合的亚像素精度,在几乎不增加额外计算量的情况获得图像亚像素精度定位。可以作为高速视觉测量系统软件的常规算法。高速视觉测量系统不仅能够实现传统意义上结构动态的测量,还可以挖掘那些不为人类视觉所感知的、不可见、被忽略的运动信号,通过欧拉影像放大技术可以将这些微弱的信号提取放大甚至做到可以让人眼感知的地步,但是放大后的视频相对于真实的运动有一定的差别,本文提出一种基于奇异值分解理论(Singular Value Decomposition, SVD)的位移提取算法,通过降低图像的信息维数,从而揭示出隐藏在图像背后的信息,算法简洁、快速、可靠。将其运用到影像放大后的视频分析可以实现视频中一些运动主成分的快速提取并能避开由运动放大所引入的冗余信息。最后基于这种高速视觉测量的组合硬件,结合提出的高效位移提取算法,开发了基于计算机平台的视觉测量软件,并利用该软件完成工程测量,解决工程中的实际问题。主要包括叉车方向盘系统的振动测量与结构优化：高铁两侧声屏障在风动激励下振动测量及结构模态计算；链接件的锤击响应测量与松脱程度判断；软性材料受声音激励后的振动测量并以此恢复声音。这些实例展示了高速视觉测量系统在工程应用中的实际测量效果,充分证明了这种基于高速视觉的测量是一种有效的、可靠的测量方式,具有重要的应用价值。