我国铁路的持续提速使得列车在高速运行时,对智能监控弓网接触线和受电弓的工作状态提出了更高的要求。人工智能的快速发展,为非接触式智能检测与跟踪方法应用于我国高铁系统,提供了新的技术支撑。红外成像探测能有效地检测受电弓和接触线的位置关系,近些年获得了广泛的应用。但在实际弓网系统中,高速条件下利用红外成像探测技术对接触点的实时检测和跟踪仍存在较多问题,主要包括:(1)“之”字型架设的接触线需要利用定位器加固,导致每隔一段距离就会被定位器拉折,使得接触点检测误差过大;(2)道岔口存在接触线频繁换线情况,接触点难以辨别;(3)场景的复杂性增大了接触点的检测难度。本文以接触网在线监测系统拍摄的单目红外弓网图像为数据基础,针对接触点实时定位跟踪时出现的接触线短折、换线等问题,对单目红外图像中的弓网接触线、点的检测与跟踪算法进行了深入研究,主要包括:首先制备受电弓模型,并通过模板匹配方式实现受电弓的快速定位。根据红外图像中接触线的亮度和接触线的宽度特征,利用接触线的左右梯度和自身灰度信息,提出了接触线和碳滑板的特征增强方法(ECP)。通过从增强图像中提取接触线和碳滑板的离散点集合,使用随机采样一致性算法快速确定接触线参数,解决了接触线被定位器拉折时直线检测不准确的问题。其次在增强图像基础上,提出了接触线单帧检测方法(SFD)和多帧跟踪方法(MFT)。在初始化阶段,使用连续几帧图像的单帧检测结果,通过统计投票的方式确定接触线并构建多帧跟踪模型。在跟踪过程中,通过检查单帧检测结果和跟踪模型的差异并更新跟踪模型,结合碳滑板的位置约束,实现接触线自主换线。最后,使用两段实拍的红外弓网长序列图像对本文算法进行测试。实验结果表明,所提出的算法能够有效应对接触线短折线并实现自主换线。典型性能参数包括:(一)在简单干净背景序列中接触线的识别率为98.23%,像素平均误差为0.4;(二)在复杂背景序列中识别率为94.75%,像素平均误差为0.51,平均FPS为80;(三)检测指标符合技术规范要求,且可以初步满足高铁列车相关设备的实时检测需求。为本文方法的实际应用奠定了基础。