双目立体视觉是当前计算机视觉应用领域最炙手可热的研究点之一。基于双目视觉的测距技术,在汽车自动驾驶、机器人避障、智能控制等诸多领域,具有很好的应用前景和实际应用价值。随着目标跟踪和双目测距技术应用场景的复杂化,以往针对静态目标的双目测距系统无法满足实际应用需求,本文将基于核相关滤波器的运动目标检测与追踪结合到双目测距系统中,实现对运动目标物体的实时测距。采用核相关滤波器（Kernal Correlation Filer,KCF）追踪算法,实时跟踪并识别每一帧图片中的感兴趣区域,完成对该区域的连续精准捕获。为保证双目测距系统在使用过程的实时性效果,本文引入了基于感兴趣区域获取方式,利用目标追踪算法从左图像中框选出感兴趣区域,并获取其在整幅图片中的定位信息,然后基于此位置信息再从右图像中框选并截取对应位置相同尺寸的感兴趣区域。将截取框代替整幅左右图像进行立体匹配,以此降低立体匹配过程中像素点的数量,从而减少立体匹配的运算工作量。通过实验表明,双目相机采集到的图像分辨率大小为320×240时,测距速度可达0.132秒每帧。从局部匹配算法着手,采用网格运动统计（Grid-based Motion Statistics,GMS）算法,通过剔除误匹配点来提高立体匹配算法的精确度。GMS算法中,当对应到的特征点数量较低的时候,出现误匹配集中、计算结果鲁棒性差的问题,本文通过引入匹配质量因子ω和欧氏距离的比值β,构建匹配质量评估模型,然后筛选最优的4对特征点匹配,计算基础矩阵剔除错误的特征匹配对,提高了匹配精度。实验结果表明,在双目相机的基线设定为150 mm的情况下,运动目标物体距离处于100 cm-220 cm区间内时,本文所提的算法的测距精确度高达99%以上,此外,目标物体距离50 cm-400 cm区间测距精确度仍保持在95%以上,最后,本文还验证了基线大小的选取对测距结果的影响,为双目立体视觉测距的实际应用提供重要参考。