一般而言，為了保證HOV車道的合理合法使用、節(jié)省人工、提高效率，成熟的HOV系統(tǒng)會采取對HOV車道進行監(jiān)控，自動識別HOV車道上車輛乘客個數(shù)的技術(shù)對車輛監(jiān)督。即HOV系統(tǒng)通過電子警察對車輛正面進行拍攝并進行算法處理，首先定位車輛、進而定位車窗、在車窗區(qū)域內(nèi)監(jiān)測乘客臉部從而實現(xiàn)乘客計數(shù)，乘客計數(shù)與車牌識別算法相結(jié)合，就可以實現(xiàn)HOV車道的自動監(jiān)控。其中涉及到的技術(shù)有車輛檢測、車窗檢測和車輛牌照識別。

　　車輛檢測

　　車輛檢測技術(shù)是交通監(jiān)控系統(tǒng)的關(guān)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(xiàn)。

　　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(yōu)點是對環(huán)境的光新變化不敏感，缺點是無法檢測靜止車輛，而且由于系統(tǒng)的圖像采樣頻率固定，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(dǎo)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(huán)境光線的變化和陰影。

　　路面標記法是依據(jù)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，而道路上的標記并不允許隨意添加，所以在系統(tǒng)的安裝上有很大的局限性。

　　邊緣檢測法對環(huán)境光線變化的穩(wěn)健性略高于背景差法，車體的不同部分，顏色等提供了較多的邊緣信息，即使是與路面色彩相近的車輛，也由于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于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(yīng)用于基于視頻圖像的實時車型識別系統(tǒng)中，車窗定位的結(jié)果是確定車窗的大小及在整車中的相對位置，并作為特征參數(shù)傳遞給后繼的車型識別系統(tǒng)及人臉檢測系統(tǒng)。

　　車輛牌照識別技術(shù)

　　目前實現(xiàn)車輛自動識別系統(tǒng)主要有兩種方法：一種是采用無線電技術(shù)，主要通過車輛上安裝具有一定頻率的電磁波發(fā)射裝置，并在所需要的檢測地點安裝檢測裝置實現(xiàn)對車輛的自動識別。另一種方法是通過攝像頭采集圖像，并應(yīng)用圖像處理、圖像分析和模式識別技術(shù)自動識別車輛牌照號碼。

　　基于無線電技術(shù)的車牌自動識別系統(tǒng)

　　在此類車牌自動識別系統(tǒng)中，應(yīng)用最廣泛的是射頻技術(shù)。射頻識別技術(shù)是通過射頻信號自動識別目標對象，獲取相關(guān)的數(shù)據(jù)。射頻識別系統(tǒng)通常由射頻識別標簽、射頻讀寫器、計算機三部分組成。射頻識別標簽存儲著車輛的相關(guān)信息，通常被貼放在需要識別的車輛上，它所存儲的信息通?？捎蒙漕l讀寫器進行非接觸讀寫。當裝有射頻識別標簽的車輛進入到射頻讀寫器的工作范圍時，射頻識別標簽被激活，并將自身的信息經(jīng)天線發(fā)射出去，經(jīng)識別系統(tǒng)的射頻讀寫器接受后送交計算機進行處理。

　　基于數(shù)字圖像處理和模式識別的車牌自動系統(tǒng)

　　通過視頻采集系統(tǒng)采集車輛圖像，經(jīng)過數(shù)字圖像處理和字符識別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識別標識或設(shè)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信息采集并實時智能識別，因而對車輛沒有任何影響。其次，還可以充分利用現(xiàn)有公路往上的視頻設(shè)備，節(jié)省了設(shè)備與安裝，并且維護方便。

　　隨著視頻圖像處理技術(shù)的發(fā)展，基于數(shù)字圖像處理的車牌自動識別技術(shù)顯示出更大的優(yōu)勢，在智能交通領(lǐng)域發(fā)揮著越來越重要的作用。

　　雖然現(xiàn)在國內(nèi)HOV車道系統(tǒng)的發(fā)展比較緩慢，但是其走向技術(shù)化，將越來越多的技術(shù)應(yīng)用其中節(jié)省人力將是必然趨勢。我們不能因為發(fā)展速度而忽視其中可以應(yīng)用的技術(shù)，也不能因為這些技術(shù)局限HOV車道未來的發(fā)展，應(yīng)該不斷的創(chuàng)新、突破，成為智能交通領(lǐng)域一個重要的分支。

　　近年來，隨著深度學習技術(shù)的興起，其中的人臉識別應(yīng)用和車輛特征識別應(yīng)用也在慢慢融入進智能交通領(lǐng)，我們完全可以期待深度學習與HOV車道系統(tǒng)的融合，讓智能交通更加智能，讓HOV車道真正的優(yōu)化道路資源。