水文测验通过观测水文要素为水利建设、防汛抗旱、水资源管理提供依据,铅鱼缆道测流是水文测验中重要的项目。在测流过程中,河流漂浮异物冲撞铅鱼及其悬挂的流速仪会导致流速仪损坏,严重时异物缠绕致使承载铅鱼的缆道坍塌。河流漂浮异物严重干扰水文测验的正常工作,造成测验设施损毁,甚至危及工作人员安全,因此检测河流漂浮异物和判断异物威胁等级并在铅鱼缆道测流过程中预警和进行避障,保障测流工作安全可靠具有重要意义。相较人工观测的方式,基于机器视觉技术的河流漂浮异物检测方法对实现远程自动化测流有较大的应用价值,符合国家“智慧水文”建设的需求。运动目标检测是目前机器视觉研究的热点之一,本文主要对河流漂浮异物检测方法和异物对铅鱼的威胁等级模型进行研究。首先介绍了河流漂浮异物的特点及其危害,阐述了河流漂浮异物检测研究的意义,分析了运动目标检测方法在河流漂浮异物检测中的可行性与优势,对异物检测在国内外的研究现状进行了综述。其次研究了图像灰度化、图像滤波、图像增强等图像预处理算法,以增强河流场景图像的清晰度并凸显目标特征,为后续河流漂浮异物检测提供基础。然后介绍了运动目标检测算法,分析了各算法的特点,并针对基于背景模板的视觉背景提取算法（Vi Be）在动态背景为主的河流场景中检测效果差的问题进行改进,提出自适应阈值的方法和参数负反馈的方法提高背景模型对动态背景的适应能力,并通过融合时空特征提高算法的鲁棒性和检测精度。改进方法用于在河道视频场景中实时可靠检测铅鱼测流过程中是否出现异物,并对异物进行定位和几何分析。接着根据实际需求利用You Only Look Once（YOLO）算法对河流漂浮异物进行种类识别,对YOLO算法进行轻量化操作以提高识别速度。最后依据异物基本特征与铅鱼工作状态设置异物威胁等级模型,判定异物对铅鱼的威胁程度并发出异物撞击铅鱼预警进行铅鱼避障操作。对CDNET标准数据集和河流漂浮异物数据集的实验表明本文的改进方法在有效检测异物和获取异物基本特征的基础上,做到了实时性和精确度上有较好的平衡,解决了运动目标检测算法在以动态背景为主的河流场景中检测精度低的问题,并通过对异物的种类进行识别,更好的判定异物对铅鱼的威胁等级,避免了测流设施遭受到河流漂浮异物的破坏,保证了测流工作的安全。