为了解决无人值守地区山体落石和滑坡的监测问题,以达到对边坡结构的实时掌握,本文基于近景摄影测量方法设计了边坡位移监测系统,通过在边坡上布置标识物来增强边坡特征,利用卷积神经网络对标识物进行识别与粗定位,通过图像边缘提取和图形拟合获得标识物像素坐标,并通过双目摄像机拍摄所得的图像之间的配准及空间坐标修正与换算求得监测点的空间坐标和位移,从而得到边坡的位移情况。本文开展了如下研究:（1）利用道路等设施周边原有安防设备及其线路,在有需要的情况下增设部分摄像机等设备,以双目视觉方法对边坡进行交叉摄影。设计了双目近景摄影测量系统的前端布设方案,利用原有传输系统并结合增设的交换设备连接摄像机,同时增设网桥以实现通讯,从而完成图像的实时传输、录像、存储及转发等功能。在此基础上利用软件完成图像的采集并进行图像处理与计算,最终获得边坡的位移情况。（2）利用人工标识物作为位移监测对象,选取球作为标识物并对其进行了结构设计,为了达到较好的成像效果,根据摄像机相对球的位置不同设计了不同的标识物布设方案。（3）通过卷积神经网络方法提取标识物大致区域,以减轻人力消耗,并提高标识物识别效率。为了减小数据处理量并提高算速,对获得的标识物彩色图像进行二值化处理,再对获得的二值化图像进行边缘检测,从而获得本研究的标识物边缘,利用霍夫变换对该边缘进行圆形拟合,进而得到图像中的标识物圆心坐标。由于获得的圆心坐标是根据标识物粗提取结果裁剪得到的图像中的像素坐标,因此为了获得标识物球心在采集到的原始图像上的坐标,将裁剪后的图像与原图匹配,从而获得标识物球心在原始图像中的坐标,至此得到了标识物球心的像素坐标,可将其用于标识物三维空间坐标的解算。（4）通过大交会角模拟试验,研究了交会角对测量精度的影响。由于全站仪测得的标识物坐标不同于监测点即球心坐标,故对全站仪测得的坐标进行了修正。试验结果指出交会角为90°时具有较低的误差水平,利用大交会角进行位移监测是可行的。（5）以模拟试验的结果为基础,对某施工现场进行了边坡位移监测试验。通过现场监测点布设、摄像机架设、无线网桥配置、传输图像设置等操作完成图像传输的准备工作,利用双目近景摄影测量方法对固定在边坡表面的若干监测点实施了位移监测,试验结果表明,本方法可以满足对边坡突变的监测要求。