随着中国经济的快速发展,轨道交通已经成为越来越多的城市解决城市交通拥挤的重要手段,随之而来的轨道交通安全问题也更为突出,将视频处理技术运用到轨道交通安全问题上是重要实践,其涉及机器学习、模式识别、分布式技术等前沿领域。本文主要给出了针对轨道交通中影响列车安全的危险现象、危险行为的视频检测方法,如电闪光拉弧的检测方法,列车脱离正常行驶轨道的判定方法,以及轨道交通中对多场景同时、实时地进行监控的系统框架。本文给出了一种基于时间平均的取背景方法,并且给出了基于重新选取背景和加权背景更新的背景更新方法,能够根据视频画面的改变自适应调整背景;基于形态学的腐蚀和膨胀算法给出了改进的腐蚀和膨胀算法,得到更好的前景目标优化效果;基于HSV颜色空间给出了适用于消除强烈阳光照射下列车阴影的去阴影方法,避免了阴影对列车目标识别的不良影响;将离散度的概念运用到图像处理中,降低了危险现象判别的误警率。本文给出了电闪光拉弧危险现象的视频检测方法。基于电闪光拉弧灰度图像的规律以及持续时间,给出了目标跟踪式的拉弧检测方法将普通目标与拉弧目标区分开来;基于电闪光拉弧在离散像素点上的抖动规律,给出了在像素点维度的电闪光拉弧检测方法,能够在更复杂的场景下检测出电闪光拉弧现象;基于图像背景与电闪光拉弧饱和规律,给出了自适应背景选取方法。对列车脱离正常行驶轨道危险行为的视频检测方法进行了研究。基于计算机视觉中的目标识别方法,给出了列车脱离正常轨道的判定方法;根据图像灰度特征,给出了白天与黑夜的双阈值判定方法,在不同的场景下进行差异检测。本文设计并实现了轨道交通安全视频检测系统基本框架。基于软件平台MFC框架,采用多线程、进程编程模型和事件触发模型,实现了多路高清视频数据的实时获取、视频流解码、危险事件的检测、报警证据的抓拍、报警消息的实时发送以及客户端人性化展示,该系统应用在轨道交通系统中,能够准确高效地对轨道列车进行监控,发现列车运行期间的主要危险现象并及时发送报警消息,且以视频和图片的形式记录事发当时的场景情况以便工作人员查看,大大提高了轨道交通的安全性。