公路交通的飞速发展为人们的生活提供了极大的便利,但是随着汽车数量的不断增加,社会车辆侵占公交专用车道和公交站位等违章行为也越来越多,严重地影响了公共交通的效率乃至整个交通系统的通畅。传统的固定点监控方式由于其本身存在的缺陷,难以监控上述违章行为,车载式公交专用道监控系统可以为以上问题提供较好的解决方案。车载式公交专用道监控系统中,需要有效地检测出前方公交车道,并在公交车道内正确的检测出前方行驶的车辆,以判断前方车辆是否是违章占用公交专用道的车辆。由于拍摄的前方车辆比较近,车辆尾灯的红色特征比较明显,本文从前方车辆的车尾灯的红色特征出发,首先在HSV颜色空间提取车辆候选区域,然后对候选区域进行识别验证,以确认车辆目标。本文研究的主要内容和创新点如下:(1)车道的检测。首先利用Hough变换提取视频图像中的直线,并结合本文视频图像中道路模型的特点,提出了基于Hough变换的车道线检测算法,以从Hough变换检测到的杂乱无章的直线中提取前方车道的车道标线,然后根据提取的车道标线确定了前方公交车道路面区域,为后续的车辆候选区域检测确定了检测范围。(2)车辆候选区域的检测。针对监控系统对车辆检测的要求,本文提出了基于HSV颜色空间的车辆检测方法,首先将视频图像由RGB颜色空间转换到HSV颜色空间,提取H色调分量图,根据车辆尾灯的红色特征从H色调分量图中检测车辆的尾灯,通过车辆尾灯的检测来确定车辆候选区域。(3)车辆候选区域识别验证。提取的车辆候选区域往往包含一些虚假目标,因此,需要对检测到的区域进行验证。本文应用机器学习的方法,首先选取一定量的车辆和背景图像样本,应用Gabor滤波器特征提取方法,提取出相应的特征向量,将其输入支持向量机(SupportVectorMachineSVM)进行训练,得到分类器。候选区域验证时,首先对候选区域提取特征,然后应用训练好的SVM分类器进行目标的分类识别,去除虚假目标,得到目标车辆。实验结果证明了本文提出的车道线检测方法、基于HSV颜色空间的车辆检测方法的可行性和有效性。基于Gabor滤波器和SVM的分类识别结果也表明,该分类识别方法能有效地提高车辆检测的正确率。