20世纪80年代以来,随着汽车产业的发展,交通问题变得越来越严峻。欧美等国家为了解决日益凸显的交通问题,结合电子传感、计算机科学等技术,建立了智能交通系统(Intelligent Transportation System,ITS)。车位识别系统是智能交通系统的一个重要组成部分。最初,学者们采用地感线圈、红外线、微波、超声波等方式进行智能车位识别,此类方法统称为基于传感器的智能车位识别。但是由于其易受外界环境如气流、温度等的干扰,尤其是一个传感器一次仅能检测一个停车位的缺点,近几年来,国内外对面向图像的智能车位识别的研究变得更加火热。本文所研究的算法主要应用场景为室内停车场,通过已有的监控设备分析出停车位的占用情况。本文在实现过程中,主要解决三个问题,第一,如何从监控图像中抽取出感兴趣的停车位区域。第二,抽取出停车位区域后,从车位图像中提取出什么样特征信息用于车位识别。第三,根据所提取的特征信息,建立什么样的模型识别出车位的状态。分析这三个问题,本文将智能车位识别系统分为五部分:停车位坐标标定,目标二值化,阴影检测,遮挡车位识别,分类器选取。在实现过程中,本文突出贡献有三方面。第一,提出一种改进的基于边缘特征的阴影检测算法,消除阴影对停车位标记的干扰。主要改进有:在消除背景纹理时,考虑到了像素的空间信息;在标记停车位时,寻找到边缘图像的水平和垂直投影曲线中的四个波谷作为停车位的坐标。与传统算法相比,可以更好地适用于像素低、阴影边界不明显的图像。第二,提出一种改进的基于分解的三维Otsu算法,较多地保留住了目标点信息。主要改进有:将三维Otsu的第一维度由原始灰度值变为梯度值,增强边缘信息;将差分图像灰度值小于20的像素点视为背景。与一维Otsu以及基于分解的三维Otsu相比,可以有效地消除噪声的干扰,更好地保留边缘信息。第三,提出一种区域分割模型,处理停车位遮挡问题。将每个停车位分割成9个不均匀区域。角落包含的车辆信息较少,权值设为0。中间包含的车辆信息较多,权值设为2。与传统的分割成4个均匀区域的模型相比,可以更好地处理遮挡问题。最终算法的平均识别率为97.59%,误报率为0.47%,漏报率为1.94%。