目前中国铁路客、货运输系统正处于高速发展阶段,尤其是高速铁路的里程扩展迅速,同时也伴随着铁路安全运行的巨大压力。机车车顶异物的存在会给列车的安全运行带来潜在的危险,如损毁车顶固有设备,造成设备无法正常运行。但机车车顶异物报警检测一直都是一个难点,国内外仍没有一套完整的视觉设备可以自动完成机车车顶异物的识别。针对车顶异物识别检测,本文提出利用不变矩特征,进行基于特征匹配的列车车顶异物识别方法。该方法为车顶异物报警检测系统提供了一种重要的参考解决方案,具有重要的现实研究意义。本文首先对机车车顶异物检测系统的主要功能和特性进行说明,该系统能够在正常的天气及光照条件下检测出车顶设备以外的物体。而在夜晚或光线较暗的情况下,为使系统能正常工作,需开启附加照明。接着对整个系统框架以及摄像机的安装和视频图像的获取展开讨论,主要由图像摄取子系统,图像传输子系统及图像分析处理子系统构成。关键点为图像分析处理子系统,该系统性能的优良决定了异物检测分析的正确性和实时性。其次为提高系统检测的实时性和正确性,对车顶图像进行预处理。主要包括对视频图像进行下采样处理,提高图像分析速度；针对夜晚或光线较暗情况下拍摄的图像,采用灰度校正方法来增强车顶图像的细节；采用中值滤波方法降低图像拍摄或传输过程中产生的噪声。最后对车顶无异物状态的参考模型的建立和异物检测模型的建立进行详细的说明。由于主动检测方式能减小特征量的存储空间,缩短处理的时间,更具有实时性,所以本文最终选择主动式异物检测模型。首先对车顶固有设备和运行中的车顶图像进行3次B样条小波多尺度边缘分割,提取图像封闭区域的边缘不变矩特征,最后通过欧式距离进行相似度测度,判断物体是否为异物。车顶异物识别算法是在MFC平台下编写,通过实验仿真结果显示,该方法能有效的识别出机车车顶异物。论文最后对本文提出的算法的改进方法展开讨论,期望更好的完善车顶异物检测系统,并应用到实际的铁路安全保障系统中。