近年来,我国轨道交通行业得到了迅速发展,客运量、货运量、运营速度和里程都有很大提升,行车安全受到了越来越多的关注。基于图像智能分析行车前方的异物入侵已经成为铁路周界安全监控的研究热点之一。而现有侵限检测系统大多基于固定相机采集,存在覆盖率低、信息交互困难等不足。为此本文提出了基于图像处理的铁路行人侵限检测算法,主要内容如下:(1)提出了低照度条件下的铁轨检测算法,实现了铁路机车全时段不间断的铁轨检测。首先分析傍晚、夜晚等低照度铁路环境图像特点,将此类图像进行取反,采取暗通道先验增强算法进行图像增强,以此保障低照度图像中行人特征的完整性。然后,分析铁轨图像特点,联合边缘信息、LUV、HLS等特征检测铁轨,优化铁轨拟合的初始位置以及拟合函数,可实现极端“S”形铁轨检测,结果表明,该铁轨检测算法可以适用于绝大多数的铁轨场景。(2)提出了适用于铁路场景的可见光和热成像图像融合算法。考虑到红外热像仪的图像可明显体现出温度变化的边缘,而可见光相机的图像的纹理及细节特征清晰的特点,将两者的优势进行结合,采用对热成像图进行边缘检测,将检测到的边缘信息叠加到可见光图像的方法结合二者的优势,融合生成新的图像。以热成像图行人边缘信息明确的优势与可见光图像纹理颜色特征明显优势相结合,结果表明该方法可以提升单一图像中行人的特征。(3)提出了一种新型适用于嵌入式设备的轻量型铁路行人检测算法Mobile-YOLO。新算法在目标检测神经网络YOLOv3的基础上,特征提取采用轻量型网络模型MobileNetv2,模型anchor聚类算法改进了初始点选取方式,检测层添加了新感受野方面进行了算法优化,将原本的YOLOv3模型优化为低功耗嵌入式设备可实时运算的铁路行人检测算法,并根据建立的铁路行人数据集训练,实验表明新算法在基本保证原算法行人检测准确率的同时,极大提升了现有算法的实时性,能够更好满足在现有硬件配置条件下,实际铁路高速检测的需求。(4)设计了完整的铁路行人侵限检测软硬件系统。根据检测需求,确定了由长焦可见光相机、红外热像仪、NVIDIA Jetson TX2处理器和触摸屏组成硬件系统,实现了包含图像增强、铁轨检测、行人检测三个子系统的软件系统,基于Python和PyQt设计了适合铁路行业的上位机界面。将该系统在DF7机车上进行了系统安装和调试,初步验证了其可行性。