高速铁路的技术发展日新月异,列车运行速度较以前也有了巨大的提升,这在很大程度上方便了人们的出行,但是随之而来的是对列车安全问题的考虑。研究发现,造成列车事故的一大主要原因就是异物侵限事故,这不仅极大程度的危害人民的生命财产安全,也造成国家财产不可估计的损失。本文在研读国内外已有的轨道交通异物侵限监测技术的基础上,重点研究了基于视频图像处理的轨道交通异物侵限监测方法,实现了铁路沿线侵限异物的实时监测,在一定程度上保障了列车的运行安全。论文主要研究内容如下:首先,研究了危险区域的建立方法以及检测环境的优化方法。对直线型铁轨,利用Hough变化进行铁路轨道边缘特征提取;对曲线型铁轨,先对铁轨进行分段,得到分段直线铁轨,再利用Hough进行铁路轨道边缘特征提取,之后又对其进行合并得到曲线轨道边缘提取;根据危险区域建立的实际要求,以轨道为基准建立适合于直线、曲线、多轨直线、多轨曲线这4种不同类型的铁路轨道危险区域;通过分析阴影特征以及光照模型,提出基于支持向量机(Support Vector Machine,SVM)与区域子块匹配的静态阴影自动检测与去除算法,实现检测环境的优化。然后,研究了侵限物体检测算法。针对视频前景提取(Visual Background Extractor,ViBe)算法在检测铁路轨道动态入侵异物时鬼影消除较慢导致其监测实时性不足和预警精度不高的缺陷,利用背景重构与像素块替换方法实现了对不同时期的鬼影进行快速抑制;针对复杂铁路环境下动态入侵异物检测精度低和抗扰能力差等问题,提出一种基于改进低秩空间矩阵下的高斯混合模型(Mixture of Gaussian-Low Rank Matrix Factorization,MOG-LRMF)算法的铁路轨道异物入侵实时检测方法。经过在不同场景下的仿真实验,改进的两种算法都能取得比较高的检测精度。最后,研究了入侵异物识别及自动预警方法。利用危险异物像素与图像像素占比的方法实现危险异物的智能识别;根据列车在行驶过程中不同时段的运行状态,通过分析统计连续3帧运动物体检测结果中列车所占像素数目以及变化趋势,实现列车的识别。经仿真实验表明,该方法可以很好的对危险异物和列车进行准确识别与区分。