智能交通中运动物体跟踪常需要用到一个大范围的视角,而单个摄像头往往无法满足要求,因此需要用多个摄像头重叠覆盖场景,也就是实时视频图像拼接的应用之一。实时图像拼接是近几年的研究热点,可以应用于遥感影像、智能交通、安防监控、医学图像等多方面领域。本文以市政府智能门禁系统项目为研究背景,研究不同视角摄像机拍摄图像的实时拼接,为后续物体跟踪获得一个大视角的实时监控画面。本文旨在确保图像拼接效果精度的前提下,实现图像的实时拼接,达到实时拼接系统局部与整体的最优。图像拼接中常用尺度不变特征算子提取特征点,但是传统尺度不变特征算子计算速度过慢。为了满足实时性要求,必须提高特征提取的速度与精度,以获得一个适应性优的转换模型。因此,本文提出了一种基于ROI的SURF特征提取法,创新性地采用基于图像感知哈希算法的动态模板匹配法来估感兴趣区域,可以有效地缩小特征检测范围,提高检测精度。特征匹配中经常采用RANSAC算法提纯匹配对,但是传统RANSAC匹配精度受限于选取的特征点,容易出现误匹配。为了提高匹配精度,本文对RANSAC算法提出了三点改进方法:一是根据欧式距离设置阈值对特征点粗筛选;二是将估算的ROI,设置为先验知识引入到RANSAC算法判断内点标准中;三是修改RANSAC判断最优模型的标准,本文提出了一种基于方差的置信度最优样本选择法。改进后的匹配算法在尺度、光照、旋转和拉伸等方面都有较好的鲁棒性。为了满足实时性要求,本文在图像重映射和融合部分,先求取最佳缝合线,然后在最佳缝合线外接矩形区域进行局部加权快速融合,而常规方法是直接在重叠区域计算。本文算法在无硬件加速的前提下,对分辨率为640*480的视频图像,平均拼接速度可达每秒12.3帧,基本满足实时性,而且保证较优的拼接效果。