接触网系统是电气化铁路牵引供电系统中的重要组成部分。它是牵引供电系统正常运行的重要保障,一旦出现故障将会造成严重的后果。传统的接触网检测需要人工巡视,不仅耗费时间,而且耗费大量的人力和物力。随着近年来计算机视觉技术的快速发展,基于图像处理技术的目标检测方法开始得到广泛的开发。目前的一种方式是通过安装在高铁巡检装置上的高清摄像机拍摄接触网各部件来获取大量的接触网图片,人工查看图片的方法工作量巨大,所以需要采用数字图像处理技术实现定位器识别。但是目前还没有基于复杂背景下接触网巡检图像的定位器识别的相关研究,因此如何高效地对接触网巡检图像进行定位器识别,对于保证高速铁路正常运行具有重要的意义。本文采用基于图像的目标识别方案实现定位器的检测。目前还没有相关的接触网定位器图像库的情况。首先,本文从获取的大量图片中选择复杂背景、天气多变、光照多变的各种图片进行图像库的构建,保证了图像库的多样性,最终建立了定位器图像库,包含了定位器正样本库、负样本库、整张图片测试样本库。其次,研究了特征提取方法和分类器。基于本文构建的定位器图像库,运用HOG以及LBP两种特征,结合AdaBoost算法训练定位器分类器,比较两种特征分类器的性能。最后,针对目前特征存在的特征提取耗时及不具有尺度不变特性的缺点,提出了灰度白相似度特征(Gray Self-Similarity, GSS),该特征利用定位器的结构相似度特性,具有尺度不变性,特征提取速度优于本文介绍的HOG特征和LBP特征,在进行多尺度定位器检测时无需图片缩放,进一步提升定位器检测速度,其检测效果与LBP和HOG特征的检测效果相当。利用AdaBoost算法训练GSS特征分类器,实现了定位器的准确检测。最后结合hough直线检测方法实现了定位器的识别。