随着我国经济的发展,对铁路货运的需求日益增加,铁路货车的运行密度和速度都有了较大的提升,随之而来的就是铁路货运安全问题。在铁路货车中,棚车是主要车型之一,用于运输怕雨雪侵袭、太阳暴晒的贵重货物。在运行过程中,由于车体颠簸、锁闭结构损坏等原因,棚车车门、车窗可能处于打开状态,给货物运输安全带来严重威胁,因此实时检测棚车车门、车窗开闭状态并实时报警具有重要意义。基于铁路车站视频监控系统,本文研究了铁路棚车车门、车窗开闭状态检测算法,在货车运行过程中,从该系统实时获取棚车两侧图像,采用计算机视觉技术对图像进行处理,实现对棚车车门、车窗开闭状态的实时自动检测。此外,针对铁路货车中罐车车盖检测、敞车车体破损检测进行了探讨,提出了初步的解决方案。本文的主要研究内容和创新点如下:(1)针对棚车图像存在的各种质量问题,研究了图像预处理方法,采用双边滤波对图像进行去噪处理,在滤除噪声的同时保留图像边缘;通过灰度线性变换来增强图像对比度。在分割棚车车厢时,分别研究了基于灰度直方图的阈值分割、基于区域生长法的区域分割以及基于车厢结构的边缘分割算法,经过试验和分析,采用基于车厢结构的边缘分割算法获得了良好的车厢分割结果。(2)提出了棚车车门开闭状态检测算法,根据车门上的线条分布特征,首先通过直线检测、直线聚类来定位车门,然后进一步分类判断车门开闭状态。在直线检测中,分别研究了基于组合形态学处理、基于Hough变换、基于LSD的直线检测算法,经过对比和分析,采用组合形态学和Hough变换相结合的直线检测算法。研究了基于并查集实现的层次聚类算法对直线进行聚类,实现了车门定位。通过实验进行测试,算法检测开门故障的准确率达到了95.35%,单张图像平均处理时间为134ms。(3)提出了棚车车窗开闭状态检测算法,根据车窗打开时内窗和外窗在空间上的关联性,依次检测内窗和外窗来判断车窗开闭状态。基于内窗上的线条分布特征,研究了边缘提取、直线检测、聚类分析相结合的算法来定位内窗。根据外窗上的椭圆形结构特征,研究了基于最小二乘法、基于Hough变换以及基于SVM的椭圆检测算法,经过实验和分析,选择了基于SVM的椭圆检测算法来检测外窗,并在样本制作、特征提取、SVM参数优化上进行了研究。实验显示算法检测开窗故障的准确率达到了96.97%,单张图像平均处理时间为130ms。(4)对铁路货车中罐车车盖检测、敞车车体破损检测进行了探讨,通过对这两类故障进行研究和分析,初步提出了相应的检测方案。本文研究用的图像样本全部来自于武汉某车站实际通行采集的棚车、罐车等的图像。