安全是高速列车运营的先决条件和第一要务,但高速列车运行在复杂开放周界环境下,非法侵限、违法施工等因素给高速列车运营安全带来了巨大挑战。全面系统地加强高速铁路周界安全保障,提升高铁周界安全检测技术,促进高铁沿线视频监控技术向智能化、高精度发展已成为必然趋势。视频监控技术的快速发展为高铁周界安全检测提供了基础保障,但高铁周界现有的日间智能视频图像分析技术受典型恶劣天气条件（雾天、雨天）和大范围小目标影响,造成入侵检测误报率和漏报率显著上升。鉴于此,本文对典型恶劣天气条件下的高铁周界入侵目标检测进行了如下研究:（1）雾天图像增强研究中,为了提升雾天条件下高铁周界智能识别算法的入侵目标检测准确率,提出一种基于改进残差块多采样融合的高铁周界图像去雾方法,设计多采样下不同粒度的雾的特征提取网络和组合损失函数,通过多种实验验证与对比,证明了该算法在评价指标上取得了最好的去雾结果。（2）雨天图像增强研究中,为了提升雨天条件下高铁周界智能识别算法的入侵目标检测准确率,提出基于跨尺度融合的全卷积高铁周界图像去雨方法,根据雨线分布特征设计跨尺度融合的全卷积图像去雨网络、组合损失函数和算法加速实验,通过在铁路雨图数据集验证和对比,图像质量评价指标证明了该去雨算法对铁路雨图去雨取得了不错的效果,对雨线去除干净,残留少。（3）高铁周界入侵小目标检测方法研究中,为了提升高铁周界入侵小目标的检测准确率,提出基于先验框聚类与注意力机制的高铁周界入侵小目标检测方法,设计基于注意力机制的高铁周界小目标检测算法结构YOLO-SE,用k-means对铁路入侵数据集聚类目标先验anchor以及数据扩增。最后实验证明本文提出的目标检测算法对高铁周界入侵小目标检测较好。（4）恶劣天气条件下高铁周界入侵目标检测研究中,在前几章的基础上,提出典型恶劣天气条件下高铁周界入侵检测分析处理流程。对于雾天条件下的高铁周界入侵检测,提出雾天条件下的高铁周界入侵检测集成算法;对于雨天条件下的高铁周界入侵检测,提出雨天条件下的高铁周界入侵检测集成算法。综上所述,本文比较完整地对典型恶劣天气条件下高铁周界入侵检测进行了深入研究,分别从高铁周界雾天图像增强、高铁周界雨天图像增强、高铁周界入侵小目标检测等角度入手,提升典型恶劣天气条件下高铁周界入侵目标检测的精度。所取得的研究成果在一定意义上丰富了国内外恶劣天气条件下高铁周界入侵目标检测领域的研究内容,也将为高速铁路周界安防的管理者、从业者以及学者提供理论和技术支撑。