随着交通拥堵问题日趋严重，建立智能停车场管理系统迫在眉睫。对于海量的停车场监控数据，且多为JPEG压缩格式，如何快速的处理和传输对于智能停车场管理系统的性能至关重要。车位检测和车牌定位是智能停车场管理系统的核心技术，是实现停车场管理智能化的基础。实时的车位检测和车牌定位可以减少司机泊车时间，提高停车场的吞吐能力，缓解交通压力。　　基于以上背景，本文研究并实现了基于压缩域的车位检测和车牌定位技术。　　车位检测方面，首先针对于遮挡较少的情形，设计了一种快速的车位检测算法。在研究了压缩域的特点之后，结合车位特征，采取了单一车位单独检测的方式，在压缩域中提取反映车位统计特征的DC系数和反映纹理特征的AC系数，利用DC系数提取出方差、相关度两个特征参数，利用AC系数提取出纹理距离特征参数，最后将这三个特征进行联合判决来检测车位泊车情况。实验结果表明，其车位检测准确率可达98％，单一车位检测耗时约65毫秒。但该方法对于车位被遮挡的问题处理效果不佳。对于基于单幅静态图像的车位检测中的遮挡问题，又提出了一种基于PCA的车位检测方法。首先利用空车车位样本建立背景空车车位特征空间，将待测图像映射到此特征空间重建出当前的背景，从而实现背景的近似更新，然后根据车位区域的特点提取出四个特征参数，最后根据特征参数的统计直方图设计了模糊分类器用以检测车位的泊车情况。实验结果表明，该算法有效的解决了遮挡问题，检测率可达99％。另外，通过分析车位遮挡的特点，在压缩域下又提出纹理强度这一新的特征，通过对不同车位提取不同方向的纹理，并计算其强度，从而解决此车位被遮挡的问题，最后联合由DC系数提取的统计特征参数进行判决。实验表明，此方法达到了快速准确检测车位的目的。　　车牌定位方面，在压缩域中，首先提取出能够反映车牌纹理特征的AC系数，通过不同方向的AC系数的非线性加权以突出车牌区域。通过实验指出基于角点检测方法的缺点之后，提出了基于区域纹理密度约束的改进算法。实验结果表明，此方法定位车牌不仅速度快，耗时约90毫秒，而且定位率高，可达94％。　　系统方面，在VC6.0环境下，分别搭建了压缩域车位检测系统和压缩域车牌定位系统。