近年来我国铁路事业飞速发展,行车密度与速度大幅增加,由此带来的对铁路行驶安全性与可靠性的要求也越来越高。但是,当下的线路状态检测还严重依赖于巡道工人的目测检查,这样造成了检查效率低下,工人的劳动量大,可靠性低,明显已经不能满足当下铁路事业发展的需要。针对以上提出的情况,本文就巡道车视频检测系统的关键技术进行了研究,并具体实现了系统的框架。本文详细分析了巡道车视频检测系统的组成,提出了扣件与道床区域的提取算法、扣件识别以及道床识别的算法,并加以实现,使得本系统可以将摄取的视频图像进行分析,其中详细介绍了预处理的方法和意义,并重点检测了道床板结情况与扣件缺失情况,并对这两个关键技术的实现进行了说明。本文提出了基于具有先验知识的纹理分析法来定位道床与扣件位置的算法,采用了自创的经纬线定位法来提取关键区域。提出了基于灰度共生矩阵的纹理分析法来分析道床状态的算法,此算法通过灰度共生矩阵提取特征值,并通过BP神经网路来训练分类器,对道床是否板结进行检测。在对扣件的检测中,本文使用了基于PCA主分量分析方法来提取信息进行识别的算法,通过PCA来提取扣件的特征值与特征向量,并利用BP分类器来分类扣件。以上两种关键部位识别,组成了检测子系统。