近年来,交通拥堵、交通事故和环境污染对社会经济发展和人们生产生活产生了重要的影响。虽然道路运输增长的需求可以靠提供更多的道路设施来满足,但是在与资源、环境矛盾日益突出的今天,道路设施的增长受到了较大的限制,因此需要寻求新的方法来解决这一矛盾。建设HOV(High Occupancy Vehicle,载客数多的车辆)专用车道便是解决问题的途径之一。本研究方案是在车道上方架设摄像机,对车辆正面进行拍摄并进行算法处理,首先定位车辆、进而定位车窗、在车窗区域内检测乘客脸部从而实现乘客计数。乘客计数与车牌识别算法相结合,可以实现HOV车道的自动监控。本论文进行了两个方面的研究。第一,研究了从拍摄的视频流中定位车辆并提取汽车车窗的方法,从而大大减少后续人脸检测算法的工作量,提高检测速度和准确度。改进了基于自适应背景更新的背景差法从视频流中进行车辆定位的算法;改进了利用模板匹配检测直线、Hough直线检测以及积分投影定位车窗的算法。对实际快速路上拍摄的视频流进行了算法处理,结果表明,算法能够比较准确地检测出车辆并提取出车窗。第二,研究了车牌识别算法,包括车牌定位、字符分割和字符识别。根据车牌具有丰富边缘这一特性,使用了边界特征提取和模糊模板匹配相结合的算法定位视频流中车辆的车牌;使用了投影分割结合自适应二值化作为预处理的方法进行车牌字符分割。实验结果表明,算法能够比较准确地检出车牌并分割字符。本文分别利用模板匹配方法和神经网络方法对车牌字符识别做了初步研究,并比较了两种方法的优缺点。