随着我国经济的发展，机动车数量与日俱增，停车难的问题成为城市交通比较棘手的问题，所以建设智能化停车场管理系统是非常迫切的。车位检测技术是智能停车场管理系统的关键技术之一。车位检测技术利用图像处理的手段得到每个车位的占泊信息，使得停车场车位能够得到有效合理的利用，对舒缓交通压力，解决停车难的问题，防止乱停车现象，具有非常重要的现实意义。　　针对现有停车场车位检测算法鲁棒性不高，检测准确率低的问题，本文提出了一种基于图像分割的车位检测算法，车辆一般包含窗户、顶棚、前车灯，车牌、轮胎等组成成分，且它们往往具有不同的颜色、形状及纹理，而空车位图像并不具有这么丰富的组成成分，颜色、纹理分布比较均匀。根据这一特性，通过对车位图像进行分割，判断每个车位区域是否存在大量小的分割块，来判断车位占泊情况。本文利用改进的Mean Shift算法，它是一种自适应的图像分割方法，可以实现车位图像的比较准确分割。将此车位检测算法分别对室内室外停车场的车位进行实验测试，其检测率高达97％。实验证明此车位检测方法，能够克服光照、阴影、水迹等干扰的影响，且检测准确率高，并且特征提取简单，只需一个特征就能达到比较满意的检测效果，通用性强。但是当车辆颜色跟地面颜色非常接近时或者有非车辆物体存在时，会造成误判的情况。　　因此，针对分割算方法解决不了的情况，本文通过提取其他有效的车位特征：纹理特征、颜色特征、几何不变特征。利用特征之间的互补性，以期进一步提高车位检测算法的适应能力。在特征提取阶段，我们引入形状特征，车辆的形状比较规则，所以可通过形状特征将车辆和非车辆物体进行区分。形状特征提取的前提是，将目标从背景中分割出来，即得到前景区域。本文提出了一种基于背景颜色模型的前景检测方法，构造背景颜色模型，在此模型下，设计贝叶斯分类器，将前景像素点从背景中分割出来。然后对得到的前景区域进行形状特征提取。　　实验发现对各特征分别训练分类器在对测试样本进行分类时，各分类器的检测准确率是不一样的并且其误分类的集合也不是完全重合的。这表明，特征有好坏之分但又相互补充。基于此本文设计了基于显著性特征决策级融合的车位检测算法，根据各特征在分类识别的贡献率大小，进行决策级权重加权，即对显著性的特征的分类结果赋予高的信任权重，比较显著的特征赋予较高的信任权重，依次类推，这充分利用了每个特征的优势。实验证明此方法明显提高车位检测的准确率和分类器的置信度，车位检测的准确率高达99％。该算法抗噪能力强，适用于室内、室外各种停车场环境中。