构建智能便捷的泊车环境对于智慧城市的发展具有重要的意义,而路侧泊车位由于其分布范围广的特点,在城市泊车生态中占据重要地位。当前,路侧泊车位多采用人工值守进行监管和收费,其登记效率低,收费过程繁琐,泊车体验不佳。因此,提高路侧泊车位的智能化监控及管理水平是解决停车问题的重要手段。本文在分析了路侧停车位的现状和难点后,提出了基于机器视觉的路侧泊车位监控系统,着重研究高遮挡环境下车辆检测、车辆3D姿态估计、俯视图构建、基于多元逻辑回归模型的车位状态检测等问题。本文的主要研究工作如下:(1)研究高遮挡环境下的车辆建议框的生成工作。以Faster R-CNN为基础框架,通过优化其建议框生成网络(Region Proposal Network,RPN)为part-aware RPN,将车辆划分为若干个独立的部件,part-aware RPN在生成建议框时可分别感知车辆不同区域的特征,生成相应部件的建议框,经由部件融合网络(Part Affinity Fields,PAFs)将部件整合成完整的建议框进行输出,同时根据生成的部件建议框提出part-aware非极大值抑制(Non-maximum Suppression,NMS),从而解决传统的非极大值抑制在遮挡场景中的困境。(2)根据泊车场景的多尺度问题,以车辆的2D检测框架为基础,优化车辆特征提取网络,在多个特征图上进行部件预测和建议框生成。通过K-means聚类生成的3D锚点,结合相机投影矩阵和地面坐标,根据2D边界框的定位坐标进行3D边界框的生成,以应对泊车场景中车辆多种姿态的问题。(3)车位俯视图构建和基于多元逻辑回归模型(Multinomial Logistic Regression Model,MLRM)的车位状态判断。基于投影矩阵构建车位俯视图,用以直接观察泊车车辆的姿态。考虑到泊车位中车位状态会受到不规范停车行为的干扰,且容易受到相邻车位的车辆影响,同时兼顾车辆检测的误差,将三个相邻车位整合成为一个检测单元,训练多元逻辑回归模型判断车位状态输出。(4)通过在KITTI和本文数据中的对比分析,经由part-aware RPN构建的车辆2D检测器可以更好的应对遮挡的场景,其性能与效果优于目前绝大多数基于单目的车辆检测算法;同时,本文也验证了经由2D建议框和3D候选锚点结合生成的车辆3D框的检测效果,实验表明,本文生成的车辆3D框在上述数据集中拥有较好的检测效果,尤其是在路侧泊车位的检测环境中。最后,借助车辆3D框和多元逻辑回归模型完成的泊车位状态检测可以很好的应对当前泊车环境中的难点,通过对比实验,验证了本文提出的车位监控方法优于绝大多数基于视觉的车位监管系统。