为推进铁路现代化建设，实现货车列检作业环节的减少，推动从人检到机检、静态检测到动态检测的转变，提高列检效率和质量，保障货物列车运行安全，铁路列检站急需要一种可以对目前运行的铁路货车车辆的标签进行实时、准确识别，对车底重要部位进行高速、清晰的图像采集，并可以实现故障自动识别的设备。因此，货车运行故障动态图像检测系统(Trouble of Moving Freight Car Detection System，TFDS)孕育而生。　　 本文主要介绍了铁路货车运行故障动态图像检测系统的研究过程。作者将TFDS系统分为前端控制与采集子系统和计算机视觉故障自动识别子系统两部分，每个子系统又分为若干模块分别设计。本文重点对前端控制与采集子系统的车号识别设备、图像自动采集设备，以及对计算机视觉自动识别子系统的针对两类常见故障的计算机视觉图像自动识别算法进行了研究。研究车号自动识别设备时，应用了射频识别(Radio Frequency Identification，RFID)技术中的微波反射调制解调原理。其中载波信号生成子模块产生910.1MHz、912.1MHz和914.1MHz频点的可选载波信号，标签将车号编码信息通过幅度调制加载到载波信号中，反射波经过与载波同频本振信号混频并滤波后得出车号编码信号。该信号经过解码模块解码得出车号信息。研究图像自动采集设备时，本文选择了UP-800工业摄像头+Matrox MeteorⅡ/Digital图像采集卡的组合。在针对铁路货车两类常见故障的计算机视觉故障自动识别算法方面，采用了计算机视觉（Computer Vision，CV）技术。主要使用了直方图的灰度变换将待检图片进行预处理，然后使用Sobel算子对图像进行边缘检测。在故障识别算法的设计中运用了图像投影理论、Hough变换以及Hough逆变换经典算法。铁道部TB/T3070-2002《铁路机车车辆自动识别设备技术条件》铁路标准为本文依据。　　 论文后半部分，给出了系统的调试、测试过程。在调试过程中发现了计算机视觉在本课题应用中的“瓶颈”。并分析了两类故障自动识别“瓶颈”产生的原因。　　 最后，经过测试，给出了系统的性能参数。经过各项试验和测试，本系统工作正常、达到了实际应用的要求。