近年来,铁路列车运行事故时有发生,造成了严重的生命财产损失。研究发现,铁路轨道区域异物入侵是造成列车事故的主要原因之一。本文针对视频监控中的运动目标,在目前已有检测方法的基础上,对铁路轨道异物入侵检测与跟踪算法进行研究,实现了对轨道入侵异物目标的准确检测与跟踪。论文的主要研究内容如下:（1）针对雾霾天气图像质量下降的情况,本文在暗通道先验算法基础上,提出一种结合底帽变换与图像融合的去雾算法,与传统暗通道先验算法相比,图像的峰值信噪比（PSNR）和结构相似度（SSIM）指标分别提高4.3%和8.5%,处理时间降低98.5%;对去雾后的图像进行灰度处理,降低算法的复杂度,随后对灰度图像进行直方图均衡化处理,增强图像对比度,便于对轨道边缘的检测与提取。（2）传统Canny算子对轨道边缘进行检测时,检测结果中包含了铁轨周围碎石和枕木等无用的边缘,增加了轨道边缘提取的难度。针对这个问题,本文采用自适应高低阈值的Canny算子检测轨道边缘,利用连通域分析剔除二值图像中连通域面积较小的区域,从而在检测轨道边缘的同时成功消除了无关景物边缘的干扰;利用Hough变换提取出轨道线并确定轨道的位置信息,最后界定轨道危险区域。（3）针对ViBe算法对运动目标进行检测时易出现鬼影现象、易受动态背景干扰、目标检测结果不完整的问题,提出改进的ViBe算法。首先,在利用均值法初始化背景模型的过程中剔除变化较大的像素值,从而得到接近真实场景的背景图像,有效抑制了鬼影现象;然后使用自适应阈值半径代替固定阈值半径,提高了算法对动态背景的适应能力;最后利用中值滤波和区域填充分别滤除小的噪声点和填充检测结果的空洞区域。对不同场景下的实验结果显示,本文改进算法的都具有较好的检测性能。（4）采用一种融合ViBe与CamShift的运动目标跟踪算法对视频图像中的运动目标进行跟踪,同时根据划定的轨道危险区域判断运动目标是否出现轨道入侵行为,若出现,则改变跟踪框的颜色。实验结果显示,该算法能够实现对运动目标的持续准确跟踪。