摘要：现今,城市交通拥堵问题已经成为包括我国在内的许多国家亟待解决的世界重大难题。城市交通拥堵降低了交通的运输效率,增加了废气排放量,能源消耗不断上升,严重地危害了人类的生存环境。道路的建设成本也不断提高,用新建、扩建和改建的方式提高交通的通行能力的难度也越来越大。建设HOV(High Occupancy Vehicle,高载客率车辆)专用车道,为高载客率汽车提供道路通行优先权的措施,是解决城市交通拥堵问题的一种非常有效的方法。欧美不少交通发达国家都建立了专用的HOV车道。为了实施HOV优先,确保HOV车道的合法合理使用,需要对车辆内部的乘客进行检测和计数。车窗检测是在研究乘客检测技术过程中的一个关键性的问题。本论文的研究目的就是从车辆帧图像中快速定位并提取车窗,以减少后续乘客检测算法的计算量、提高检测速度和准确度。1.研究了从车辆视频流中进行车窗粗定位的方法,利用帧差分图像定位车辆,有效地消除了道路复杂背景的干扰；结合车窗与车头的比例关系粗定位车窗区域,有效地消除了车头丰富的直线干扰。2.研究了基于Hough变换的车窗检测方法。针对车窗边界具有近似直线的特点,设计了模板匹配直线滤波、Hough变换、积分投影和知识规则检测车窗的算法。分别在MATLAB和VC++6.0平台上进行了实验,结果表明算法能够有效检测实际道路上各种颜色车辆的车窗,具有较高的准确率、较强的鲁棒性和较快的处理速度。3.研究了基于广义霍夫变换(Generalized Hough Transformation, GHT)的车窗检测方法。针对车窗边界具有类似等腰梯形的轮廓特点,设计了GHT检测车窗的算法,将图像中的边界点映射到参数空间,转化为参数空间中的聚类问题,找出大多数边界点都满足的参数便可以定位车窗的梯形轮廓。在VC++6.0平台上进行了实验,结果表明达到了一定的检测效果。但相对上述基于Hough变换的车窗检测算法,基于GHT的车窗检测算法在检测率和检测速度上还不是很理想,在以后的研究中需要进一步的完善和改进。