为响应交通部门提倡的“智能交通”，严格规范道路交通秩序，鼓励遵守交通规则，需要对违章行驶在公交车道的非公交车辆进行抓拍并警告。目前，部分城市已经在公交车头上安装了摄像头，用来拍摄占用公交车道违法行驶行为；考虑从拍摄视频中筛选出违章车辆的海量工作强度，将利用视频图像目标分析技术对拍摄视频中的违章车牌进行实时检测。作为一种新的智能化技术，视频图像的目标分析技术应用在智能视频监控系统领域，能够实现场景实时自动化监控和对异常进行报警，减少了人为干预和由于人工干预导致的错误，降低了人工成本。　　车载违章占用公交车道非公交车辆智能抓拍算法主要涉及图像基本处理算法以及模式识别中的目标检测识别技术，在算法中主要体现在基于霍夫变换的车道线检测、基于SVM分类器的公交车道识别、以及基于多特征多分类器的非公交车辆的车牌检测。其中，在选择目标检测算法时，传统算法包括基于背景建模的目标场景分离方法和基于统计学习理论的机器学习方法，在论文研究的环境中，摄像头和待检测的目标都处于运动状态，无法充分利用目标和背景的相对运动信息，因此，主要利用机器学习方法对车牌目标进行检测。本文通过实验分析两类经典的机器学习方法：Haar特征结合AdaBoost分类器对违章车牌抓拍的效果，以及方向梯度直方图特征（Histogram of Oriented Gradient,HOG特征）结合支撑向量机（Support of Vector Machine,SVM）分类器对违章车牌抓拍的效果，提出在实际算法里利用多特征多分类器对车牌进行检测，在保证抓拍算法的实时性能，又提高了检测算法的准确率。　　车载违章占用公交车道非公交车辆智能抓拍算法，大大提高了交通管理部门的工作效率，减轻了人工筛选工作，同时，抓拍的可靠性和及时行都得到了有效的保障。