浅析HOV车道系统的智能技术应用

　　一般而言，为了保证HOV车道的合理合法使用、节省人工、提高效率，成熟的HOV系统会采取对HOV车道进行监控，自动识别HOV车道上车辆乘客个数的技术对车辆监督。即HOV系统通过电子警察对车辆正面进行拍摄并进行算法处理，首先定位车辆、进而定位车窗、在车窗区域内监测乘客脸部从而实现乘客计数，乘客计数与车牌识别算法相结合，就可以实现HOV车道的自动监控。其中涉及到的技术有车辆检测、车窗检测和车辆牌照识别。

　　

　　车辆检测技术是交通监控系统的关键，可以通过帧差法、背景差法、路面标记法和边缘检测法来实现。

　　帧差法通过把两幅相邻帧相减，以滤除图像中的静止景物，而仅保留运动物体。该方法的优点是对环境的光新变化不敏感，缺点是无法检测静止车辆，而且由于系统的图像采样频率固定，其检测效果受车辆速度的影响，太慢或太快的车辆都可能导致检测错误。

　　背景差法计算当前输人帧和背景图像只差，以检测前景物体。背景差法可以检测静止车辆，但缺点是背景更新中的误差累积以及对环境光线的变化和阴影。

　　路面标记法是依据路面标记是否被覆盖来检测有无车辆，可以避免光线和阴影的影响，但是缺点是需要在路面上画上标记，而道路上的标记并不允许随意添加，所以在系统的安装上有很大的局限性。

　　边缘检测法对环境光线变化的稳健性略高于背景差法，车体的不同部分，颜色等提供了较多的边缘信息，即使是与路面色彩相近的车辆，也由于比地面反射更多的的光线而能用边缘检测的方法进行检测。

　　车窗定位是把车窗当作一个独立于车身其它部分的目标，从汽车图像中分离出来。目前对车窗的定位主要应用于基于视频图像的实时车型识别系统中，车窗定位的结果是确定车窗的大小及在整车中的相对位置，并作为特征参数传递给后继的车型识别系统及人脸检测系统。

　　目前实现车辆自动识别系统主要有两种方法：一种是采用无线电技术，主要通过车辆上安装具有一定频率的电磁波发射装置，并在所需要的检测地点安装检测装置实现对车辆的自动识别。另一种方法是通过摄像头采集图像，并应用图像处理、图像分析和模式识别技术自动识别车辆牌照号码。

　　在此类车牌自动识别系统中，应用最广泛的是射频技术。射频识别技术是通过射频信号自动识别目标对象，获取相关的数据。射频识别系统通常由射频识别标签、射频读写器、计算机三部分组成。射频识别标签存储着车辆的相关信息，通常被贴放在需要识别的车辆上，它所存储的信息通常可用射频读写器进行非接触读写。当装有射频识别标签的车辆进入到射频读写器的工作范围时，射频识别标签被激活，并将自身的信息经天线发射出去，经识别系统的射频读写器接受后送交计算机进行处理。

　　通过视频采集系统采集车辆图像，经过数字图像处理和字符识别认读出图像中的汽车牌照号码。这种方法不需要在车辆上安装额外的识别标识或设备，而是直接利用已有的拍照资源，对汽车牌照进行非接触性信息采集并实时智能识别，因而对车辆没有任何影响。其次，还可以充分利用现有公路往上的视频设备，节省了设备与安装，并且维护方便。

　　随着视频图像处理技术的发展，基于数字图像处理的车牌自动识别技术显示出更大的优势，在智能交通领域发挥着越来越重要的作用。

　　虽然现在国内HOV车道系统的发展比较缓慢，但是其走向技术化，将越来越多的技术应用其中节省人力将是必然趋势。我们不能因为发展速度而忽视其中可以应用的技术，也不能因为这些技术局限HOV车道未来的发展，应该不断的创新、突破，成为智能交通领域一个重要的分支。

　　近年来，随着深度学习技术的兴起，其中的人脸识别应用和车辆特征识别应用也在慢慢融入进智能交通领，我们完全可以期待深度学习与HOV车道系统的融合，让智能交通更加智能，让HOV车道真正的优化道路资源。