受电弓是火车从电网中获取电能的关键设备,其质量决定着列车的电能传输和运行安全。当前的受电弓检测技术难以满足实时且精确的需求,因此本文设计并改进了一种目标追踪算法,在实时监测受电弓运行状态的同时并对受电弓脱落故障进行快速检测。本文以KCF算法为基础,以解决其无法满足当前列车运行场景变换需求的问题为优化和改进的方向,进而设计一种可以实际应用在列车受电弓的安全状态检测中的算法。具体内容包括:（1）针对KCF算法中的尺度变化、复杂背景、光照强度、遮挡以及目标丢失问题,本文提出利用最大响应均值和重新定义的Response值对KCF算法模型进行判断并提出解决方案。针对KCF算法目标丢失且无法找回的问题,本文引入YOLOv3检测机制对KCF算法进行矫正。同时引入目标丢失预警机制,当目标检测失败时则启动预警装置。实验结果表明,基于YOLOv3检测算法的KCF目标追踪算法能够有效地解决目标尺度变化、背景复杂、目标被遮挡机制以及目标丢失的问题。（2）将改进后的KCF算法应用到受电弓安全状态的快速检测中,算法在尺度变换、遮挡、复杂背景等情况下能够精准的检出受电弓,并且当受电弓发生异常降弓或者脱落故障时算法能及时进行预警。在同一批受电弓的测试数据集上,以mAP为评价指标,本文提出的KCF-YOLOv3算法效果优于其他两种算法。其中KCF-SSD算法的mAP为0.9953,KCF-YOLOv2算法的mAP为0.9968,KCF-YOLOv3的mAP可以达到1。实验结果表明,改进后的KCF算法能够对受电弓进行更准确的追踪,并对其脱落状态进行及时预警。综上所述,本文利用YOLOv3检测算法对KCF目标追踪算法进行优化和改进,通过实验验证了改进算法的精确度和有效性,在保证算法速度的基础上提高了算法的精度,有效解决了KCF算法存在的问题,提高了算法的鲁棒性,最后设计实验验证改进算法的有效性,并将改进的KCF算法应用到受电弓的安全状态检测上。