حرکت دوربین در دنباله های ویدئو، معمولاً شامل حرکت های مطلوب و غیر مطلوب می باشد. حرکت های نامطلوب سبب کاهش کیفیت ویدئو می شود. پایدارسازی ویدئو، فرآیندی است که به منظور حذف حرکت های ناخواسته از دنباله های ویدئو انجام می شود. روش های پایدارسازی ویدئو، به دو گروه مکانیکی و الکتریکی تقسیم می شود. با توجه به این که پیاده سازی روش های مکانیکی بسیار هزینه بر می باشد، معمولا از روش های الکتریکی به جای آن استفاده می شود. به طور کلی، روش های الکتریکی، شامل سه مرحله می شوند. تخمین بردار حرکت، تخمین حرکت عمدی و جبران سازی حرکت های ناخواسته. در این پژوهش، از پایدارسازی ویدئوی مبتنی بر ویژگی استفاده شده است. به این صورت که ابتدا نقاط ویژگی توسط الگوریتم sift استخراج می شوند و نقاط متناظر آن ها در فریم بعدی محاسبه می شوند. استفاده از نقاطی که مستقل از حرکت دوربین جابه جا می شوند، سبب خطا در تخمین بردار حرکت می شود. برای حذف این نقاط، از دسته بندی فازی استفاده می شود. به این صورت که با استفاده از الگوریتم em، دوران های ویژگی دسته بندی می شوند. به هرکدام از این دوران ها، یک مقدار عضویت نسبت به هر گروه اختصاص داده می شود. سپس یکی از گروه ها به عنوان بهترین گروه انتخاب می شود. نقاطی که مقدار عضویت شان به بهترین گروه، از یک حد آستانه بیشتر باشد، انتخاب و از سایر نقاط صرف نظر می شود. دوران روی نقاط باقیمانده اعمال می شود و مقدار انتقال نقاط بعد از اعمال دوران محاسبه می شود. مشابه قبل کار دسته بندی، این بار روی انتقال ها انجام می شود و تعداد بیشتری از نقاط حذف می شوند. با استفاده از مجموعه ی نهایی نقاط، بردار حرکت بین فریمی تخمین زده می شود. از آنجایی که تنها حرکت های ناخواسته باید جبران سازی شوند، در مرحله ی بعد، حرکت عمدی و غیر عمدی از هم جدا می شوند. با استفاده از فیلتر کالمن، حرکت عمدی تخمین زده می شود. در نهایت، با جبران سازی حرکت های ناخواسته، دنباله ی ویدئوی موردنظر پایدار می شود. نتایج شبیه سازی نشان می دهد که ویدئوی پایدارشده با این روش، از لحاظ معیارهای کمی و کیفی، به طور قابل توجهی از ویدئوی اولیه بهتر است.