在比较大型的室外停车场中寻找停车位是一件比较浪费时间和精力的事,这主要是因为司机既没有人员及时引导也不知道空车位的具体位置。要想减少司机寻找空车位的困难,提高停车场管理水平,关键是要对停车位状态进行检测找出空车位。基于视频图像的停车位检测方法是在摄像头采集的视频图像基础上,利用图像处理、机器视觉等技术完成停车位自动检测,不需要大量的硬件设备。以往的基于视频图像的停车位检测方法大多数都是通过监控摄像头,或者自己架设摄像机来拍摄获取。摄像头的与地面的夹角都在450左右,另外,摄像头的高度非常有限,最后所获得的视野就非常有限,很难将整个停车场放入到一张图像中。而且,所获得的视频图像里面会出现车辆被其他车辆遮挡的情况。针对以上这些问题,本文研究了基于无人机视频图像的停车位状态检测方法。通过无人机携带摄像机俯拍停车场来获得停车场的整体图像,改变以往的研究中一个摄像机很难完全覆盖整个停车场情况。本文研究内容主要包括停车位在图像中的定位和停车位状态检测两个部分。在停车位的定位部分,采用单个停车位对角线上的两个点的坐标来表示其在图像中的位置,对于如何获取对角线上的两个点的坐标,本文选择了累计概率霍夫变换算法。由于累计霍夫变换算法要求输入图像是边缘二值图像,所以,在对图像进行预处理之后,要对图像进行边缘检测,本文应用改进的Canny算子对图像进行边缘检测,以提高停车位定位的精确程度。在停车位状态识别部分,本文引入了机器学习和深度学习进行停车位的状态检测。在机器学习方法中,本文分析了在不同的特征向量下SVM对停车位图像的分类效果,发现不同的特征向量对SVM分类效果有比较明显的影响;在深度学习方法中,本文设计了自动检测程序,首先根据停车位的坐标将停车位图像进行裁剪,然后送入经典的卷积神经网络VGG-16对这些停车位图像进行分类,最后,输出空余停车位的编号。通过实验和对实验结果的评价分析,表明本文设计的基于无人机视频图像的露天停车位检测方法能够快速地完成对整个停车场的所有停车位状态进行检测,并输出空余停车位的位置,空余停车位检测准确率达95%以上。