发达的铁路运输一直以来被人们当作是推动经济发展的重要因素。近年来，为了更好的推动我国的经济发展，列车行驶速度加快，行车密度加大已成为铁路运输必然的发展趋势，但伴随而来则是铁路运输中的安全问题。铁路路外伤亡事故始终是我国铁路运输安全中的一个极大隐患，这对我国经济运输命脉的快速发展造成一定影响，也对人民的生命安全造成一定威胁。因此，需要在列车行驶中对前方路况实时分析，铁轨的实时提取及沿线运动目标的检测就显得至关重要。本文主要研究分为两部分，一部分为基于红外图像的铁轨提取，另一部分为对铁轨沿线的运动目标如行人进行检测。实验中采用安装在列车头部的红外热像仪进行原始红外图像的采集，通过OpenCV开源平台来对视频中的图像序列帧进行相关的数字图像处理。基于图像处理的铁轨提取是监测列车安全运行的基础，因为它标识着视频中最重要的区域位置。本文首先对采集到的图像进行预处理操作，通过灰度化，以降低图像的数据量，提高图像的处理速度。再进行中值滤波和直方图均衡化处理，降低图像噪声，增强图像对比度。其次对图像进行Canny算子检测边缘，在此基础上提出利用链码相关方法来完成对图像中边缘线的识别和删除，结合累计到的链码值个数来判断对应线段的方向，从而进一步删除图中的一些干扰线段，最终通过线段的再连接完成对铁轨轮廓的提取。基于红外图像的运动目标检测主要目的是从采集的红外图像中将目标大体轮廓从复杂的背景中检测出来。本文研究的运动目标检测属于动态背景下的运动目标检测，这是一类动态背景研究中最为复杂、最为普遍存在的模式。但目前相关的研究还不多，理论尚未成熟，本文在研究过程中先后采用了两种方法，一个是特征点匹配的方法来实现背景的运动估计，一个是针对运动目标相对摄像头的位移与动态背景相对摄像头的位移不同，在此基础上采用改进的块匹配算法来进行运动目标检测，从而消除了背景移动的干扰，准确检测出运动的目标。在对采集到的视频图像进行了一定量的实验基础上，得出的实验结论为，在现实的野外自然条件下能有效、快速地提取出图像中有关铁轨自身的轮廓信息，采用改进的块匹配方法能够准确完成对运动目标区域的检测。