受电弓是安装在高速列车顶部从接触网获取电能的关键部件。高速列车通过受电弓接触接触线获得所需电能。受电弓的运营状况直接影响列车运行安全。在高速列车运行过程中，不可避免地会遇到异物侵入，如鸟类、塑料袋和透镜污垢。异物侵入会影响弓网受流质量，引发严重的弓网事故。如果能及时发现异物并采取相应的防护措施，将大大提高高速铁路的运行安全性。摄像机安装在受电弓的高速列车上。本文基于机器视觉的基本理论和模型，研究了运动物体入侵受电弓和镜头污垢入侵的检测算法，对受电弓视频进行了实时异物入侵检测和分析，实现了运动物体和镜头污垢的准确检测。主要研究内容如下：（1）根据目标入侵受电弓的运动特点，设计了基于帧间差分法的运动目标检测模型。针对静止目标的虚警问题，研究并设计了基于灰度、运动矢量和边缘特征的运动目标识别模型，以及基于运动矢量表的检测方法为了提高算法的实时性，对算法进行了进一步的研究和设计。通过运动目标检测模型，可以消除干扰，消除误报，正确检测运动目标入侵。（2） 根据污垢侵入透镜位置不变的特点，设计了基于累加差分的检测模型。在分析污垢结构特征的基础上，设计了一种融合灰度和结构的信息熵污垢检测算法。污垢检测算法具有良好的鲁棒性，在视频一致性较差的情况下仍能准确检测污垢。（3） 选择不同时间、不同场景的所有异常样本和正常样本作为测试集，分别测试运动目标检测模型和污垢入侵检测模型。运动目标检测模型的结果表明，鸟类入侵的正确识别率为100%，误报率为0%。受电弓塑料袋悬挂的正确识别准确率为83.3%，虚警率为16.7%。污垢入侵检测模型的准确率为100%，召回率为99.6%。实验结果表明，运动目标检测模型和污垢入侵检测模型具有较高的准确性和准确性，能够有效地检测列车运行过程中的异物入侵，向车载机修工提供报警信息，提高故障处理的及时性。