近年来,铁路在我国综合运输网络中起着担纲作用。交通旅游业方面,人们越来越倾向于这种便捷经济的交通工具;运输业方面,铁路运输也有着举足轻重的作用。各个国家也越来越重视轨道车辆的研究,列车的速度也在不断的刷新上限,目前世界上最快的列车是法国的TGV高铁,以时速574.6公里创下世界纪录。随着列车速度的不断刷新记录,铁路安全问题也逐渐被重视。应答器作为铁路的重要组成部分,可以为列控车载设备提供前方轨道信息,比如转弯半径、线路坡度、轨道参数、临时限速等。应答器的缺失或损坏,有可能会影响到列车的顺利出行,甚至会引发严重的后果。而目前的应答器检测方法是人工巡逻检测,显然这种传统的检测方法无法满足当今的铁路发展需要。基于此背景,本文结合计算机视觉技术提出了一种基于HOG特征和SVM分类的铁轨应答器自动识别系统,该系统对光影影响和图形平移有着良好的鲁棒性,检测速度也满足实时监测要求。该系统在图像处理部分首先采用Gamma校正方法,以增强图像对比度,修正灰度过高或过低的区域;对原始图像的ROI提取的目的是尽可能减少HOG特征计算时的复杂度;基于铁轨图像采集时的光照阴影的影响,采用图像增强技术中的直方图均衡来突出轨枕的特征,使图像更加清晰。采用图像二值化选取恰当的阈值来分割轨枕和非轨枕区域,用轨枕区域的子图像代替原始图像作为分类预测的输入图像;在特征提取阶段,采用HOG特征向量作为图像的描述子,HOG特征描述的是图像局部纹理特征,可以有效的抑制光照,形变等因素对预测结果的影响;在分类预测阶段,采用的是SVM分类器。最后,使用Visual Studio 2017作为开发环境,实现软件系统的开发和测试。