摘要：针对目前地铁驾驶过程中，行人、行李箱、铁鞋等障碍物的人工检查效率低，费时费力，且容易遗漏等问题，提出了一种基机器视觉技术的障碍物自动检测识别系统。本文利用传统视觉图像处理技术，对人、行李箱、铁鞋等障碍物图片进行图像预处理，并使用目标检测网络架构YoloV5对障碍物的特征进行检测识别，实现了地铁轨型区域的障碍物检测的自动化和智能化。该系统部署在深圳12号线、14号线、20号线等地铁线上，完成了进行对障碍物类型的识别、判断以及警报功能，并且系统误检率在3%以内，达到了预期检测目标，具有一定的使用以及推广价值。