随着社会的发展进步,人们的生活质量越来越高,人们的出行也越来越方便。铁路运输由于其安全、便民、实惠、全天候运输等优点成为大众出行的重要交通工具,而高速铁路除了兼具以上优点外更增加了高速,舒适等特点。高铁的发展给我们的出行带来便利的同时我们也要关注到铁路运输的安全。传统的铁路安全检测的方式是通过人工检测,其缺点是效率低下而且浪费大量人力,且人工检测存在评判标准不一的问题,所以采用科技技术实现铁路安全监测势在必行。从上世纪六十年代开始,图像处理检测技术就开始逐渐引起关注并成为热点。传统的目标识别检测算法和边缘检测算法在一定程度上都存在问题,所以本文针对这些问题进行改进。本文首先论述了图像目标检测的国内外现状及其基本的处理步骤。使用传统算法对高铁图像进行实验进而得到实验结果,之后通过改进或研究新的算法并将其应用到高铁图像检测中。本文的主要工作如下:(1)研究传统算法包括特征提取算法、分类算法还有边缘检测算法,并将其应用到高铁图像中,得到实验结果并总结其优缺点。(2)针对传统算法当中的缺陷对其进行改进,或者增加传统算法中缺少的功能。本文主要研究的传统算法包括HOG特征提取算法、SVM分类算法、Canny边缘检测算法。本文针对不同算法所做出的改进是(1)在原有的HOG与SVM基础上增加PCA进行降维;(2)对HOG特征进行基于GPU加速的并行化处理;(3)提出一种基于概率主题模型的目标检测算法;(4)对于Canny算法进行增加短时记忆阈值和追踪算法等进行改进。前面两点是为了提高高铁扣件异常检测的速度,第三点是为了进行高铁接触网检测。