中文摘要：

本课题面向HOV车辆监控系统，拟基于双波段近红外图像融合机理，提出对HOV车道上行驶车辆中的乘客进行自动计数的方法。首先，提出双波段近红外图像融合方案通过研究我国车辆、车速、天气与照明、中国人皮肤特点等因素对双波段近红外成像的影响，取得第一手数据，通过理论计算及测试的反复优化，设计出有效的融合方案，取得突出乘客脸部、削弱车内背景的融合图像，从而大大简化后续的乘客脸部检测算法。其次，提出关键算法(1)车窗检出算法，使后续算法集中在车窗内部进行；(2)提出乘客脸部检测算法，取得乘客数目。最后，面向应用，改进自动乘客检测方法。提出双摄像机共光路成像方法，解决实际应用中的双波段图像匹配问题；提出自动光照补偿方法，克服光照条件变化对车外检测方式造成的困难。研究成果也可应用于机场、军事或其它敏感区域出入口的车辆检查和管理。对人脸检测领域也具有参考价值。

结论摘要：

在深入研究HOV车道上车内乘客计数问题的基础上，项目组主要完成了以下几项工作:（1）视频车辆检测算法的研究。本项目依据HOV的单车道应用特点，提出了创新的自适应背景更新方法，形成一种简单而行之有效的视频车辆检测方法。该算法可快速而可靠地定位视频流中的运动车辆，并可扩展为多车道大视野的视频车辆检测方法；（2）车窗区域检测的研究。为实现从车辆图像帧中提取车窗区域，解决实际车辆的车型和颜色多样的问题，充分利用汽车车窗区域边界呈近似直线的几何特征，提出了优化的直线检测算子与Hough变换相结合的车窗检测算法，达到较高的检测率和运算速度；（3）多光谱乘客检测系统的研究。依据人体皮肤反射特性，建立了人体皮肤检测的多光谱成像实验系统；提出了区分真假乘客的多光谱波段选择方法，为400nm-1100nm光谱范围内皮肤检测波段的选用提供了理论依据和实验结果，并由此设计了用于人体皮肤检测的可见光与近红外双波段成像系统；提出了一种基于双波段图像融合与HOG特征提取的乘客检测算法，可以有效检测车内乘客，防止违法欺诈行为的发生；（4）车牌识别方法研究。完整的HOV车道监控系统，还包括车牌识别（LPR）子系统。当前的车牌识别方法对人为涂改和遮挡的车牌辨别能力较差。本项目依据车牌和典型涂改材料反射特性的差异，提出了一种可见光与近红外的双波段成像方法，有效捕捉车牌和涂改材料在近红外波段反射特性的差异；设计了相应的车牌识别算法，实现了对人为涂改和遮挡车牌的自动识别。 该项目的理论与应用研究取得了多项研究成果。在项目的支持下，共发表学术论文23篇，其中SCI、EI检索论文21篇；获国家发明专利3项；独立培养的5名硕士研究生和协助培养的1名博士研究生已经毕业。 该项目的研究成果不仅对于HOV车道监控系统的研究和建立具有参考价值，提出的多光谱成像与图像融合方法也为机器视觉领域目标检测与识别问题的研究开拓了新的思路。