当前轨道交通在城市公共交通系统中扮演者重要的角色,随着城市轨道交通的快速发展,地铁是涵盖了城市地区各种地下与地上地路权专有、高密度、高运量地城市轨道交通系统。我国现已开通地铁里程达6000公里,作为城市人口出行的一种重要交通工具,其极大地缓解着城市地面交通的压力。因此,确保地铁列车的行驶安全不仅有助于维护地铁的正常运营,更对保障乘客的生命财产安全有着至关重要的作用。地铁轨道环境中可能存在的障碍物是影响地铁列车行驶安全的重要因素之一,地铁的行驶环境又可能使列车驾驶员难以及时做出有效反应,这无疑对地铁列车的安全行驶构成威胁。因此,实现对地铁轨道障碍物的实时检测,就可以在一定程度上保障地铁列车的行驶安全。本文在对当前国内外的基于机器视觉的障碍物检测技术研究的基础上,根据地铁行驶环境的实际特点和障碍物检测的实际需求,研究适应于本文实验环境下的障碍物检测算法,搭建检测系统架构以及系统功能模块。该系统采用车载单目机器视觉的方式,通过对获取视频帧图像的分析,首先对轨道区域进行识别,再对该目标区域内的障碍物进行检测。具体包括以下内容:（1）地铁轨道区域边界识别。首先对获取的视频帧图像进行图像预处理,减小原始图像数据的噪声干扰;其次对处理后的图像进行边缘检测,提高算法的处理效率与检测准确率。在以上处理中,分析对比多种处理与检测算法,最终选择在本实验环境下最优的算法以识别轨道区域边界。（2）地铁轨道障碍物检测算法。本文从算法实时性及检测准确性量方面对已有的帧间差分算法进行改进,完成障碍物检测。同时,对卷积神经网络在本障碍物检测任务中进行实际应用,并比较二者的检测性能。（3）障碍物检测系统的设计。主要包含检测系统的硬件系统组成和软件系统设计。硬件系统包括视频图像采集设备、视频图像处理设备以及视频图像显示设备,同时详细设计了检测软件的架构、系统流程以及功能模块。通过上述研究,在实验环境下对本系统进行了实验验证分析,结果表明,本文的检测算法以及检测系统能够较好的实现对轨道障碍物的检测,具备一定的实时性与准确性。