物体非法入侵铁路轨道，引发铁路交通事故，对铁路的运输效益和人民生命安全造成了严重威胁。铁路异物入侵监测是确保铁路安全运行的重要手段，随着智能视频技术的飞速发展，基于视频的监测技术凭着其实时性、高效性等优越的性能得到了广泛的研究和尝试性应用。论文首先从总体上分析双目成像系统的系统结构和成像模型，在此基础上重点研究双目监测系统的数据处理方法。论文分别阐述了摄像机的坐标变化关系、铁轨识别算法、立体匹配算法、异物入侵判定方法等系统处理算法。实现监测场景有异物入侵时系统能及时、准确地报警，并能提供异物的地理位置及尺寸大小等三维信息，并通过大量的仿真实验验证了算法的有效性。本文主要研究内容如下：(1)推导计算摄像机成像系统对三维世界跟二维图像的映射关系，以及结合双目视觉系统模型，导出异物位置以及三维重建的计算关系。(2)根据铁轨的亮度特征和连续特征，充分结合边缘检测算法和Hough变换算法，提出一种铁轨自动识别算法。该算法要能够保证对直线型铁轨、弯轨以及道岔区段进行准确识别，同时该方法又要具有较好的抗噪性能和抗遮挡性能，能够为异物入侵判定提供参照对象。(3)分析对比各种立体匹配算法性能，对SIFT(Scale Invariant Feature Transformation,尺度不变特征转化)算法进行部分改进，使该算法在处理铁路场景图像时运算速度有所提高，在同一阈值下匹配的特征点数对有所提高，增大信息量有利于物体的三维重建。(4)通过对铁路场景图像划定重点监视区域，应用背景差分法对铁路异物进行判定，实现对铁路场景的动态监测，对入侵铁路限界的物体能够自动报警、动态跟踪，同时对入侵物体的位置以及尺寸要有准确的判断。