随着铁路智能运输技术的快速发展,铁路运输不仅在我国的交通运输中占有独特的地位,而且在全世界交通运输中也起到了中流砥柱的作用。由于列车运行在户外开放的铁路轨道空间,给外来异物入侵铁路界限留有足够的空间,从而导致铁路轨道异物入侵交通事故屡次发生。因此,采取怎样的措施能准确、及时地发现轨道入侵异物,对入侵异物进行有效正确识别,并实时向铁路工作人员发出预警信息,成为降低铁路异物入侵导致发生危险事故的关键。国家铁道部出台了综合视频监控系统技术规范,铁路异物入侵监控系统被广泛地应用到铁路交通运输的安全防护方面,在一定程度上大大减少铁路交通事故的发生,为人们的生命财产安全和铁路运输的安全运营提供了保障。通过数字图像处理和计算机视觉各方面知识的学习,分析了铁路入侵异物的来源和类型特点。对视频序列图像进行相关处理,对铁路入侵异物的检测方法和异物识别算法做了大量分析和基础研究,主要可分为三大部分:首先,通过对采集的铁路轨道数字图像进行分析和预处理,提出了采用一种改进的Hough变换直线检测方法,对铁路直线轨道进行检测和提取,完成对图像中铁路轨道区域的定位。其次,在基于改进的加权平均法对铁路轨道图像进行背景建模基础上,提出了一种采用分块直方图匹配法对入侵异物进行检测的新方法。首先对背景模型图像进行分块,计算每一小块图像的直方图;接着对读入当前帧图像进行与背景图像同样大小的分块,并计算每一小块图像的直方图;最后计算背景图像和当前帧图像相对应的每小块图像直方图上灰度级的差值,取其最大值并进行量化处理,当量化值大于设定阈值时,即当前帧图像有运动物体或外来入侵异物,用背景差分法分割入侵异物目标。最后,主要分析了入侵异物的特征,学习了Hu矩和图像几何特征等描述图像特征的方法,提出了用一种新的描述入侵异物图像的特征向量,并建立入侵异物图像的特征向量库,然后用改进的BP神经网络完成对入侵异物分类,对行人和小汽车进行有效的识别。所设计算法都在MATLAB环境下通过仿真测试,验证了其正确性。