信息技术的迅速发展推动着智能交通系统的不断革新。智能交通系统可以减少人力成本,通过信息技术自动识别一些异常的情况。目前城市交通拥堵问题日益严重,为防止异常情况发生,通常在公共场所安装大量的智能监控设备。但是少数司机仍然将车辆停靠到禁止停车区域,使得本来就拥堵的道路,变得更加拥堵。智能停车检测技术是计算机视觉技术在智能交通系统的重要研究课题之一,有着深远的意义。但是在目前的监控系统中,监控的工作主要由人们手动完成,需要二十四个小时不断工作,浪费财力与人力,因此研究智能停车检测技术意义重大。本课题主要研究室外场景中面向监控视频的停车检测算法,但是目前的算法存在很多缺陷:没有考虑到阴影对前景目标的影响;在静止目标检测的问题上,不能很好地解决车辆的暂时停留问题;在车辆的检测方面,采用较简单的几何特征来判断是否为车辆,导致车辆检测的准确率较低。本课题对面向监控视频的停车检测技术涉及到的理论知识和技术难点进行了详细介绍,并且对目前的停车检测算法进行了改进。本文的停车检测算法分为五个主要模块:前景运动目标提取、阴影检测、静止目标检测、车辆检测和遮挡检测。在前景运动目标提取方面,采用自适应混合高斯模型获得前景的运动目标;在阴影检测方面,采用HSV颜色空间模型去除阴影对前景目标提取的影响;在静止目标检测方面,提出了基于历史前景像素特征的可疑静止目标检测方法,提取可疑静止区域,经过N帧之后,利用改进后的哈希感知算法判断两张图像的内容是否一致,最终确认是否为静止目标。与传统方法相比本文提出的静止目标检测方法可以解决车辆的暂时停留问题。在车辆检测方面,采用改进后的级联Haar分类器来检测静止目标是否为车辆,提高车辆检测的准确率。为了进一步提高检测率,本文提出了基于混合高斯模型的遮挡检测方法。实验表明,本文算法在i-LIDS数据集上的检测率为95.95%。