來源:CPS中安網
一般而言，為了保證HOV車道(高乘載車道，HOV lane, high-occupancy vehicle lane)的合理合法使用、節省人工、提高效率，成熟的HOV系統會採取對HOV車道進行監控，自動辨識HOV車道上車輛乘客個數的技術對車輛監督。
即 HOV系統通過電子員警對車輛正面進行拍攝，並進行演算法處理，首先定位車輛、進而定位車窗、在車窗區域內監測乘客臉部，從而實現乘客計數，乘客計數與車牌辨識演算法相結合，就可以實現HOV車道的自動監控。其中涉及到的技術有車輛檢測、車窗檢測和車輛牌照辨識。
車輛檢測
車輛檢測技術是交通監控系統的關鍵，可以通過幀差法、背景差法、路面標記法和邊緣檢測法來實現。
幀差法通過把兩幅相鄰幀相減，以濾除圖像中的靜止景物，而僅保留運動物體。該方法的優點是對環境的光新變化不敏感，缺點是無法檢測靜止車輛，而且由於系統的圖像採樣頻率固定，其檢測效果受車輛速度的影響，太慢或太快的車輛都可能導致檢測錯誤。
背景差法計算當前輸人幀和背景圖像只差，以檢測前景物體。背景差法可以檢測靜止車輛，但缺點是背景更新中的誤差累積，以及對環境光線的變化和陰影。
路面標記法是依據路面標記，是否被覆蓋來檢測有無車輛，可以避免光線和陰影的影響，但是缺點是需要在路面上畫上標記，而道路上的標記並不允許隨意添加，所以在系統的安裝上有很大的局限性。
邊緣檢測法對環境光線變化的穩健性，略高於背景差法，車體的不同部分，顏色等提供了較多的邊緣資訊，即使是與路面色彩相近的車輛，也由於比地面反射更多的的光線而能用邊緣檢測的方法進行檢測。
車窗檢測法
車窗定位是把車窗當作一個獨立於車身，其它部分的目標，從汽車圖像中分離出來。目前對車窗的定位，主要應用於基於影像圖像的即時車型辨識系統中車窗定位的結果是確定車窗的大小，及在整車中的相對位置，並作為特徵參數傳遞給後繼的車型辨識系統及人臉檢測系統。
車輛牌照辨識技術
目前實現車輛自動辨識系統主要有兩種方法：一種是採用無線電技術，主要通過車輛上安裝具有一定頻率的電磁波發射裝置，並在所需要的檢測地點安裝檢測裝置，實現對車輛的自動辨識。另一種方法是通過攝影機採集圖像，並應用影像處理、圖像分析和模式辨識技術自動辨識車輛牌照號碼。
基於無線電技術的車牌自動辨識系統
在此類車牌自動辨識系統中，應用最廣泛的是射頻技術。射頻辨識技術是通過射頻信號自動辨識目標物件，獲取相關的資料。射頻辨識系統通常由射頻辨識標籤、射頻讀寫器、電腦三部分組成。射頻辨識標籤儲存著車輛的相關資訊，通常被貼放在需要辨識的車輛上，它所儲存的資訊通常可用射頻讀寫器進行非接觸讀寫。當裝有射頻辨識標籤的車輛進入到射頻讀寫器的工作範圍時，射頻辨識標籤被啟動，並將自身的資訊經天線發射出去，經辨識系統的射頻讀寫器接受後，送交電腦進行處理。
基於數位影像處理和模式辨識的車牌自動系統
通過影像採集系統採集車輛圖像，經過數位影像處理和字元辨識，認讀出圖像中的汽車牌照號碼。這種方法不需要在車輛上安裝額外的辨識標識或設備，而是直接利用已有的拍照資源，對汽車牌照進行非接觸性資訊採集，並即時智慧辨識，因而對車輛沒有任何影響。其次，還可以充分利用現有公路往上的影像設備，節省了設備與安裝，並且維護方便。
隨著影像影像處理技術的發展，基於數位影像處理的車牌自動辨識技術，顯示出更大的優勢，在智慧交通領域發揮著越來越重要的作用。
雖然現在HOV車道系統的發展比較緩慢，但是其走向技術化，將越來越多的技術應用其中節省人力將是必然趨勢。我們不能因為發展速度而忽視其中可以應用的技術，也不能因為這些技術局限HOV車道未來的發展，應該不斷的創新、突破，成為智慧交通領域一個重要的分支。
近年來，隨著深度學習技術的興起，其中的人臉辨識應用和車輛特徵辨識應用，也在慢慢融入進智慧交通領，我們完全可以期待深度學習與HOV車道系統的融合，讓智慧交通更加智慧，讓HOV車道真正的優化道路資源。
沒有留言:
張貼留言