铁路运输一直是我国现阶段主要的客运和货运方式。为了进一步增加铁路的运输能力,我国近年来一直大力发展高速铁路。铁路基础设施的防护不够有力导致铁路事故频繁发生,因此,如何有效地减少高速铁路事故已经成为了社会普遍关注的问题。基于视频监控技术的高速铁路安全防护措施因其多方面的优点开始得到人们的广泛关注和重视。本文的研究内容就是通过对高速铁路巡查列车拍摄的视频进行处理,实现对存在安全隐患的异物进行自动检测和分析。论文的主要工作有：1,提出了适合于高速铁路异物检测的特征,并与混合高斯模型以及贝叶斯模型相结合形成完整的解决方案。与常规的特征相比较,该特征无论是在排除阴影上还是去除噪音上都有着不错的表现。2,提出了改进的基于纹理的建模方式,通过对图像进行分区域建模,使得原来的检测方法对噪声不敏感,并且运行速度更快。3,设计和开发了基于OpenCV的高速铁路异物检测原型系统。该系统实现了多种检测解决方案,在检测准确率、召回率和实时性上都有着较好的表现。