Microscopic video images of microcirculation have been used in clinical diagnosis for years, and theparameters obtained from images reveal most physiological activities and body organizations.Particularly, the blood flow speed is one of important indexes, which reflects the state ofmicrocirculation and make significant marks in diagnosis.In order to measure capillary blood velocity, a quantity of methods and instruments have beenstudied and developed. Based on the format of measurement, microscopy approaches used widely,can be grouped into two categories. One direct way applies microscopic-imaging technology forvisualization. The other way uses assistant methods such as laser-illumination [1] or labeling RBCswith fluorescein isothiocyanate [2]. In previous study, four methods (Direct Observation Method,Dual-windows Method, Single-window Method, Optical Flow Method) have been studied andanalysed in order to achieve better performance. But still there is a non-negligible deviation inmeasurement within different tries and compared to the data we retrieve from hospital.This study, inspired by previous work, aims to further investigate efficient and reliable algorithms forextracting capillary blood velocity. One possible solution is to implement feature based estimation tocalculate the blood flow speed distribution automatically, point by point along the middle line oftargeting blood vessel. We inherit the idea of generating motion vectors from Optic Flow algorithmwhich has the best accuracy performance in vehicle identification domain. But original optic flowalgorithm makes the system too sophisticated and time consuming. Moreover, its two required basicrules may not stand during the blood flow velocity detection. So a customized feature basedestimation is brought up here and supposed to be a practicable method for analysis not only inaccuracy but also in efficiency. Moreover, this report also introduces picture shifting, red blood cellmotion, and double windows marking to compare and to confirm the results. Previous work will beused as a reference for the assessment of new algorithms. / Mikroskopiska videobilder av mikrosirkulation har använts vid klinisk diagnos i flera år, och parametrarna erhållna från bilder avslöjar de flesta fysiologiska aktiviteter och kroppsorganisationer. Särskilt är blodflödeshastigheten ett av viktiga index, som återspeglar tillståndet för mikrosirkulation och gör betydande märken vid diagnosen.För att mäta kapillärblodshastighet har en mängd metoder och instrument studerats och utvecklats. Baserat på mätformatet kan mikroskopimetoder som används allmänt grupperas i två kategorier. Ett direkt sätt använder mikroskopisk bildteknologi för visualisering. Det andra sättet använder assistentmetoder som laserbelysning [1] eller märkning av RBC med fluoresceinisotiocyanat [2]. I tidigare studier har fyra metoder (Direct Observation Method, Dual-windows Method, Single-Window Method, Optical Flow Method) studerats och analyserats för att uppnå bättre prestanda. Men det finns fortfarande en icke försumbar avvikelse i mätningen inom olika försök och jämfört med de data vi hämtar från sjukhuset.Denna studie, inspirerad av tidigare arbete, syftar till att ytterligare undersöka effektiva och tillförlitliga algoritmer för att extrahera kapillärblodhastighet. En möjlig lösning är att implementera funktionsbaserad uppskattning för att beräkna blodflödeshastighetsfördelningen automatiskt, punkt för punkt längs mittlinjen för riktad blodkärl. Vi ärver idén att generera rörelsesvektorer från Optic Flow-algoritmen som har den bästa noggrannhetsprestanda inom fordonsidentifieringsdomän. Men den ursprungliga optiska flödesalgoritmen gör systemet för sofistikerat och tidskrävande. Dessutom kanske dess två nödvändiga grundregler inte gäller under detektionen av blodflödeshastighet. Så en anpassad funktionsbaserad uppskattning tas upp här och antas vara en genomförbar metod för analys inte bara i noggrannhet utan också i effektivitet. Dessutom introducerar detta papper också bildförskjutning, rörelse av röda blodkroppar och dubbla fönstermarkeringar för att jämföra och bekräfta resultaten. Tidigare arbete kommer att användas som referens förbedömning av nya algoritmer.