随着我国铁路发展的加快,维护不断扩张的铁路线路,实现对铁路的安全预警已成为越来越重要的课题。扣件的作用是将钢轨固定在轨枕上,一旦出现缺失,很可能会引起严重的事故。因此,实现自动的扣件缺失检测就成为一个非常重要的任务。课题组前期设计实现的扣件检测系统,能够完成基本功能,但是该系统还存在一些不足,需要进一步提高检测性能和效率。主要的不足有：(1)如果铁轨定位不准,会导致扣件搜索范围不准确,也就可能会导致扣件检测不准确,另外,铁轨上的缺陷也不能正确检测出来。因此提高铁轨定位的准确性成为了关键问题。(2)扣件检测的速度比较慢,怎样提高效率将是系统实用化的另一个关键问题。为了解决上述两个问题,本论文主要做了以下工作：(1)在铁轨图像中,扣件有规律地排列在轨道的两侧,因此可以利用铁轨图像的这个特点,在对铁轨图像中的扣件进行检测的时候,先检测到轨道的位置,根据先验知识,确定轨道两侧的扣件的大致范围,再从这个范围内搜索扣件。在检测轨道的位置的时候,本文提出了一种有监督的轨道检测算法,建立了一个轨道位置的标准偏差范围作为检验无监督轨道检测结果的标准,如果无监督轨道检测结果不在标准偏差范围内,就对检测结果进行修正。(2)在对铁轨图像中的扣件进行识别的时候,本文选择了HOG特征和基于汉明距离的最近邻算法。HOG特征是用来描述物体梯度和边缘特征的,能够很好地描述扣件的形状特征。在前期工作中,采用了基于Chi方距离的最近邻算法进行扣件检测。但是由于基于HOG直方图的扣件检测需要在图像的区域内进行穷尽搜索,因此效率很低。为此,本文提出了一种新的基于汉明距离的扣件检测方法。汉明距离是一种对两个特征向量之间相应位进行比较的度量函数,逐位计算,计算速度快。实验结果证明基于汉明距离的最近邻算法能够很好地提高铁轨图像中扣件的检测效率。