我国铁路货运呈现重载、行车密度大、运行环境复杂的特点，因此对货车安全运营提出更高的要求。货车运行故障动态检测系统动态检测在线运营车辆，可及时检测和排除铁路货车存在的故障，为铁路货运安全提供有效的保障。然而现阶段的货车运行故障动态检测系统主要是人机结合的工作模式，仍依靠人的视觉判断故障图像来完成货车的列检。计算机自动识别故障图像是货车运行故障动态检测系统发展的必然趋势，该技术的实现将快速提升铁路货运安全检测能力，更有力地保证货车的安全运营。　　本文选取货车运行故障动态检测系统的心盘螺栓故障、闸瓦钎故障为研究对象，运用机器视觉、图像处理及机器学习等相关理论，设计出相应的自动检测算法。　　针对心盘螺栓故障图像的检测，将其分类且归纳异同处，设计故障图像的检测算法。在故障图像定位方面，利用图像特征共同点，定位制动横梁和制动拉杆得到其交叉点，并通过投影制动拉杆一端的区别特征来分类图像类型。当为A类型图像时，通过交叉点定位加强筋所在的区域，且经边缘检测、投影得到准确位置，最后根据加强筋与螺栓之间的几何关系确定螺栓位置;当为B类型图像时，提取无遮挡区域螺栓的差分激励图像，通过投影定位螺栓纵向坐标，并由基于滑动窗口的支持向量机定位分类器沿着直线检测出该区域的两个螺栓位置，最后确定剩下的螺栓位置。在故障图像识别方面，提取螺栓部位的韦伯局部描述符与局部相位量化联合的特征向量，导入支持向量机故障识别分类器以获得检测结果，从而提高螺栓故障识别率。　　针对闸瓦钎故障图像的检测，首先定位制动梁位置，然后确定闸瓦钎可能出现的区域，通过图像处理，提取到疑似闸瓦钎区域。采用韦伯局部描述符与局部相位量化联合的特征向量描述疑似区域图像，导入支持向量机定位分类器以定位闸瓦钎区域。再次使用定位后的闸瓦钎区域特征向量，导入支持向量机故障识别分类器以获得闸瓦钎故障检测结果。　　最后，优化故障检测算法以提高对故障检测的性能，并采用最新数据测试故障图像检测算法，分析其结果。测试结果表明，本文故障检测算法具有良好的检测性能，可满足货车运行故障动态检测系统自动检测的实际需求。