近年来,一位难寻的“停车难”问题开始困扰着都市出行的市民。通过计算机视觉技术实时检测停车场中可用车位并推送给需要泊车的驾驶员是统计学和人工智能研究中的重要问题和方向。通过检测空车位并及时提供给泊车驾驶员在一定程度上可缓减停车耗时、区域拥堵的现象。停车场可分为室内停车场和室外停车场两种类型,本文重点关注室外停车场中基于统计模式识别、深度学习和计算机视觉技术的空车位检测问题。本文针对室外停车场中空车位检测问题分别开展了以统计模式识别和深度学习为技术线路两种方法进行深入研究。通过数据采集、模型建立、平台搭建、模拟仿真等过程完成了相应的工作。主要工作总结如下:(1)改进了AdaBoost模式识别方法应用于室外空车位的检测由于传统检测车位停车状态的方法维护成本较高、易受外界因素干扰,可能影响检测结果的准确性和鲁棒性。本文根据室外小样本场景对空车位进行检测。在小样本场景下,本文提出了基于Haar-Like特征与增强AdaBoost的室外空车位检测方法。该方法在原图像中,首先,通过图像分割;然后,将样本分为空车位样本和占有车位样本两类;接着,采用Haar-Like特征提取停车位状态的信息;最后,通过增强AdaBoost模型进行识别检测。由于在增强AdaBoost模型中对图像可能会存在的噪声数据进行检测并剔除,降低了AdaBoost模型对噪声数据的敏感性,在一定程度上提高了检测的准确率和鲁棒性。(2)改进了一种深度学习方法应用于室外空车位的检测本部分主要研究将FR~2Net应用于大样本数据场景。首先,搭建深度学习环境;然后,设置和调节Faster R-CNN目标检测模型的参数;最后,使用ResNet-101不断深化网络。该方法增强了训练集的优质性,使检测结果达到更好的效果。通过在复杂场景下进行非限制性测试,模型对空车位检测准确率达到98%以上。通过直观显示技术方便了泊车者在进入大型停车场后,能快速、准确地找到距离自己最近的空车位进行泊车,节约在停车场中寻找空车位的时间。对于停车场管理部门来说,智能空车位检测可优化停车位的资源配置,提高停车场的利用率,降低管理成本。以智能空车位检测为基础的智能泊车系统将提高停车场的智能化管理水平和自动化运转效率。将本文提出的方法应用于智能泊车系统中可产生良好的社会价值和经济价值。