伴随着人类对机器人领域研究的不断推进,使得追求更加逼真的、更加智能的仿生类动物成为一种潮流。其中经历了几十亿年进化而来的鱼类物种靠着技艺高超的游动特性已然越来越受到广大研究人员和知识学者的青睐,因此追求一条具有高度鱼类特性的智能机器生物成为智能机器领域的迫切需求。但是目前市面上有的机器鱼严格意义上讲都和真实的鱼类相差甚远,究其原因主要是因为研究人员不能够很好的把握住鱼类在游动的时候其游动特性的规律即鱼体的游动速度与鱼尾摆动频率之间的关系。计算机视觉技术的迅猛发展,使得成为测量鱼体游动速度与鱼尾摆动频率之间关系的有力手段,得到了很多科研工作者们的重视。然而各类生物鱼在游动时候的未知性和不确定性给测量技术带来了严峻挑战,要实现对游动特性的精确测量,必须通过对鱼游动时候的准确提取和跟踪。当今基于双目视觉的测量技术已经成为一种很有效的运动目标测量手段,已经成为生物测量和捕捉领域的研究热点问题。本文首先进行嵌入式测量实验平台的搭建和相关算法库和图形界面库的移植,在此基础上进行双目相机成像原理的研究和双目视觉系统的模型建立,进而说明运动目标提取和跟踪的方法,并完成了相机标定和图像校正技术与运动目标分割等一系列的图像预处理的技术研究。然后,深入研究了运动目标检测算法与跟踪算法。对于运动目标检测算法,本文采取的是RCNN系列算法的一种Fast-RCNN,对于运动跟踪的算法难度相对来说则比较大,在经过一系列实验的比对后选择了Kalman滤波跟踪算法和MeanShift算法相结合的方法,使得对鱼体在游动的时候能够比较准确的得到鱼体游动速度与鱼尾摆动频率之间的关系。最后,将PC机上开发的算法移植到嵌入式平台上,在ARM实验平台上对PC机上开发的算法进行优化,提高对视频数据处理的实时性的要求。对本文提出的算法进行实验验证,通过对机器鱼在游动的时候多次测量的实验,验证了算法可行性和正确性,速度更快,精度更高,稳定性更好。