列检作业现场作业环境较为复杂,作业人员繁多,容易出现作业人员侵线作业、跨线作业和爬车过轨作业,确保列检作业现场作业人员的安全显得尤为重要。列检作业现场既有的视频监控系统是确保作业人员进行安全作业的重要手段,这些既有的视频监控系统不具有自动监测的功能。视频检测和识别技术给各类视频监控系统带来了前所未有的发展,将这两项技术应用到列检作业人员的安全监测中具有重要的现实意义,可对列检场作业人员进行危险提前预警。在分析几种运动目标检测算法的基础上,针对列检作业现场环境的复杂多变,采用了一种基于GMM(Gaussian Mixture Model,混合高斯模型)背景建模和C-均值聚类的运动目标检测算法。GMM对图像进行的背景建模可以很好的适应外界环境的变化,在对运动目标区域进行聚类之前,提取的二值化区域已比较接近真实的情况,然后再用C-均值聚类算法对二值化图像中的二值区域进行分类,从而可以更加精确地对运动目标进行检测。通过实验分析说明该方法在聚类值选取合适的情况下,运动目标的检测可以得到不错的效果。在运动目标检测完成之后,用BP神经网络来对检测出的二值化运动目标区域进行分类,选取人体区域的形状特征作为神经网络的输入,输出为人或是非人两种情况。将正、负样本图像的分类特征输入到神经网络中,以完成网络的训练和学习,训练和学习后的神经网络可以实时的对采集到的现场图像进行识别。将视频检测和识别这两项技术应用于实际已有的视频监控系统中,实现一种基于视频检测和识别技术的列检作业人员安全监测系统,该系统可自动完成对列检作业人员的自动监测。