近年来随着我国铁路运输行业的发展,列车的行驶安全也越来越受到人们的关注。而引起铁路安全事故的重要原因之一是由于铁路周界范围内的异物入侵,传统铁路周界防护系统通过在铁路周界设置屏障或采用人力巡逻的方式,但是随着我国铁路建设里程数不断增长,这两种方法难以满足人们的需求。随着视频监控技术的发展,基于视频监控技术的铁路周界异物检测方法已经成为研究的热点,但是由于铁路环境复杂多变,在铁路周界范围内发生异物入侵时,如何对入侵目标进行准确检测是我们亟需解决的问题。因此本文提出一种基于视频图像的铁路周界异物入侵检测方法。该方法首先对铁路周界区域进行划定,然后使用改进ViBe算法对监控视频中的前景运动目标进行提取并采用基于YCbCr颜色特征和CLBP纹理特征的特征融合方法对检测到的前景目标进行阴影去除,最后在限定周界范围对入侵目标进行判断,当入侵目标进入限定区域时发出预警。本文主要研究内容体现以下几个方面:（1）为提高算法在光照突变环境下前景运动目标提取的准确度,提出了一种面向光照突变的改进ViBe算法。该算法在ViBe算法的基础上将视频帧在YCbCr颜色空间进行光照突变帧的精准检测并判断当前光照突变帧是否存在前景运动目标,根据检测结果采用不同的方法进行前景提取。当存在前景目标时采用改进三帧差分法反之采用当前帧进行ViBe算法背景初始化。实验表明,改进算法能够较好适应光照突变环境变化的同时在根源上抑制因当前帧存在前景目标导致后续目标提取产生的“鬼影”现象,极大提高了算法检测的准确度。（2）为了解决在前景运动目标提取的过程中由于阴影的存在导致的误检现象,算法在使用ViBe算法进行前景运动目标提取的基础上提出一种基于YCbCr颜色特征和CLBP纹理特征的特征融合阴影去除方法。该算法将ViBe算法提取出来的运动目标区域作为阴影候选区域进行阴影去除,减小了计算量的同时提高了算法检测的实时性。将候选阴影区域首先在YCbCr空间根据阴影颜色特征采用固定阈值对阴影区域进行提取,同时根据阴影纹理特征采用CLBP纹理特征提取方法对候选区域检测,然后将两种方法检测到的阴影区域进行与运算,最后在候选区域中将检测到的阴影区域去除。实验表明,本文所提出的阴影检测算法能够在有效的对阴影区域进行检测和消除的基础上较为完整的保留原始运动目标的特征信息,且能够适应铁路复杂环境。（3）为了验证提取出来的运动目标是否存在侵限行为,首先通过手动标记的方法对铁路周界区域进行限定,能够适应在不同铁路环境下不同的区域划定需求。将划定区域的原始图像转换为二值图像,区域范围内像素点置为1,区域外像素点置为0,然后将经过前景检测和阴影去除的前景运动目标图像与划定周界区域的二值图像进行与运算,从而实现周界范围内的铁路周界异物入侵检测,最后通过检测结果对入侵目标进行判断,如果存在侵限行为则发出报警。通过拍摄的多组铁路环境视频对算法进行验证,结果表明,本文方法检测准确率达89%以上。