随着我国经济的发展，城市机动车数量迅速增加，停车难问题已成为城市交通中最为棘手的问题之一，建设智能化停车场管理系统成为解决这一问题的迫切需要。而车位检测技术是智能停车场管理系统的关键技术之一，也是停车诱导的基础，通过车位检测技术可以实时监测停车场内的车位占用情况。所以，研究停车场车位检测算法具有重要意义。　　 针对上述情况，本文充分研究了模糊数学、图像处理和模式识别技术，并分析了现有的车位检测算法中存在的问题，提出了基于多特征模糊组合算子的车位检测算法：通过对停车场车位环境的分析，总结出车位图像的特点，提取出车位四个有效特征参数，并根据特征参数的直方图特点确定出模糊隶属度函数形式，最后建立模糊组合算子用以检测和判别车位的泊车情况。这种算法比较适用于环境干扰较小的室内停车场中使用，实验结果表明其车位判别的准确率高达99.1％以上。但由于该方法只提取了车位的四个特征参数，对车位信息获取较少，所以对于环境复杂的室外停车场还需要对算法进行改进，提取更多的有用车位特征信息以降低车位的误判率。　　 因此，本文提出了另一种基于K-L降维的核Fisher判决车位检测算法，首先将样本图像经过K-L降维，使样本图像中有利于分类的信息集中分布于少数的维数中，既避免了维数灾难问题，又提取出了车位判别的有用特征信息；其次，采用核Fisher判别分析来做车位泊车判别，通过核函数将车位特征参数映射到新的特征空间后作Fisher线性判别分析，这样使得该算法既具有核技巧的非线性描述能力，又具有Fisher线性判别分析所具备的各类间可分性优点。实验证明该算法普遍适用于室内、室外各种停车场环境，车位检测的准确率高达98.6％，且该算法抗噪能力强，能有效抑制光照不均等加性噪声。　　 本文针对上述两种算法设计了车位检测系统，详细阐述了系统软硬件的实现过程。