高速铁路技术的飞速发展带来了列车运行速度的不断提升,使得列车的安全运行越来越重要,而异物入侵铁路轨道引发的问题已经严重影响了列车的安全驾驶,因此需要一方面对铁路轨道进行安全防护,防止异物入侵;另一方面要对铁路场景的监控视频进行实时检测,规避风险。基于这两个方面的要求本文提出并研究设计了实时的铁路异物目标检测系统。基于视频分析的铁路异物检测系统的设计的研究内容主要分为以下几个方面:（1）划分和提取铁路轨道侵限区域。通过对铁路场景的分割,能够有效排除识别前景目标时背景目标带来的干扰。这部分的设计方案是首先通过对轨道区域设置ROI区域并作透视变换转换监控视角,接着使用边缘检测算法检测出铁路的铁轨区域。最后结合霍夫直线检测算法和最小二乘拟合算法,精确检测轨道两侧的直轨,并以此直线为基准扩大安全系数增加安全距离。（2）选择异物目标检测算法,通过在本文选用的数据集进行实验后,综合比较分析one-stage算法中YOLO系列、Retina Net系列的性能级和轻量级在相同评价指标方面的性能。最终根据速度和准确率,选择YOLOv3-Tiny算法作为本文的异物目标检测算法。（3）考虑优化方法,既要不增加模型的计算量,又要提高识别精确率和准确率。所以最终选择对YOLOv3-Tiny算法加入通道注意力机制SE模块进行优化,优化后的算法损失数值变小,总体损失减少了约0.1,精确率方面提升13.6%,m AP值提高19%。（4）将优化的算法部署到边缘设备树莓派4B中进行实时目标检测,同时对树莓派硬件平台的识别准确率、精确率和PC端软件平台识别的准确率、精确率进行了对比。结果表明算法在软件和硬件平台的误差很小,满足实时目标检测的要求。