随着中国经济的发展及城市规模的扩大,轨道交通在城市交通系统中的重要性日益凸显,但各种安全问题也随之出现,因此将视频图像技术应用于轨道交通安全系统上至关重要,其涉及很多前沿学科技术,特别是深度学习技术在图像处理的目标识别领域的应用,解决了传统目标检测算法性能不佳且鲁棒性差的问题。本文主要研究轨道交通系统中危险现象的检测方法,并运用基于深度学习的目标检测算法,实现了轨道交通场景中危险现象的判定处理并完成了系统框架。本文研究了基于图像处理的目标检测算法。利用时间平均法建立背景模型,利用背景差分法获取前景目标,并利用图像形态学处理算法使前景目标更完整,同时将离散度概念应用于图像处理的目标检测中,提高检测准确率。本文研究了轨道交通场景中弓网故障拉弧危险现象的检测方法。基于弓网故障拉弧的灰度图像特征和脉冲时间特点,给出了基于状态跟踪的拉弧闪光目标检测方法,并在此基础上结合弓网故障拉弧的离散度特点,给出了性能更优的基于离散度分析的拉弧闪光目标检测方法,适用于更加复杂的轨道交通场景。本文研究了基于YOLOv3目标检测算法的异物入侵与越界危险现象检测方法。本文综合分析了众多经典的基于深度学习的目标检测算法,其中YOLOv3因其高精度和高速度的特点被选作本文目标检测的网络结构,同时给出了在YOLOv3网络结构下针对特定目标的参数训练方法,并利用训练参数完成轨道交通场景中目标检测和识别功能。本文设计并实现了完整的轨道交通安全视频检测系统。实现了系统的硬件框架,包括视频数据采集模块、服务器图像处理模块和客户端报警接收模块,为高清视频数据的获取以及后续视频图像处理提供数据支持;实现了系统的软件框架,包括球机驱动模块、监控预处理模块、危险现象检测模块、报警消息传输模块。完成了整个系统硬件框架的构建及软件框架的编程和测试优化,并在实际场景下对危险现象抓拍取证,测试效果良好。