列车运行速度快、制动距离长，一旦有异物侵入铁路限界便可能造成重大铁路事故。本文针对铁路现场大量存在的云台相机研究基于云台相机的铁路异物侵限检测方法，通过自动完成限界区域的自动识别和标记，检测出侵限异物，并通过相机自标定完成侵限异物的定位与尺寸估计，进而完成报警以便于工作人员进行针对性处理。本文研究内容主要分为限界区域自动识别与标记、背景提取与目标检测、异物定位与尺寸估计三部分。　　本文研究了云台相机姿态或焦距改变后限界区域随之改变的情况，提出了基于消隐点的极向投影处理方法，能够在相机任何状态下自动识别和标记出限界区域。首先利用分时图像融合方法得到一幅匹配模板，经过一系类图像预处理操作之后在匹配模板中检测出特征最明显的两条钢轨，根据相机投影原理，计算得到所有平行钢轨的消隐点，然后向该消隐点做极向投影，投影的峰值位置即为其他钢轨位置，进而确定限界区域。为提高算法实时性，当相机姿态或焦距改变后，采用图像匹配算法将模板图像中的限界区域映射到当前图像中重新标记。　　本文设计了一种基于帧差与多帧平均的背景提取与更新算法，采用背景帧差与区域特征提取并筛选运动目标。针对铁路相机抖动特点，本文提出了基于投影特征匹配的去抖算法，能够快速、准确地去除图像抖动。利用基于相邻帧差、二值投影与多帧平均的方式提取到精确的背景图像，并实时更新背景。采用了基于背景帧差的前景提取算法，初步提取前景目标，根据目标的面积、形状特征设计了去噪方法，并针对阴影、反光等环境进行处理，获得准确的前景目标。　　为方便工作人员根据侵限异物的位置、体积大小做出快速、有效的针对性处理，本文提出了基于相机自标定的目标定位与尺寸估计算法。利用钢轨与轨枕形成的矩形代替传统相机标定中的棋盘格，通过改变云台相机方向拍摄同一段钢轨不同角度的图像，完成相机自标定，利用标定后的相机可轻易获得检测出的侵限异物的物理位置和尺寸信息，可以极大的提高铁路工作人员的效率，预防事故的发生。　　通过多条铁路现场实验验证，本论文提出的算法具有较强的适用性和实时性，对最大限度提高现有设备的智能化程度，保证铁路安全具有重要意义。