近年来,由于汽车保有量的增长,原有的停车场已经难以满足日益增长的停车需求。推广路边停车可以缓解停车位紧张的问题,充分利用道路资源,以较低的成本缓解停车位短缺的问题。目前路边停车管理系统大多需要进行道路改造,引入地磁检测器等硬件设施进行检测和识别,会耗费大量的人力、物力,并且可能会影响其他车辆的正常行驶。随着城市监控的普及,获得监控视频越来越容易,因此基于视频的路边停车管理方案成为一个可行的方案。本文基于视频,通过计算机视觉技术对车辆的停车进行管理,研究了基于视频的路边停车管理中的关键问题:车辆跟踪与车牌识别。本文的主要研究工作如下:（1）研究了基于DeepSORT的车辆跟踪算法,在路边复杂环境下对过往车辆进行跟踪,通过车位占用比识别停车行为。此外,该算法还与动态车牌识别算法配合,在跟踪车辆的同时识别其车牌,防止车辆停入后车牌被遮挡,导致无法识别。实验证明,本文算法可以有效地对车辆的停车行为进行识别。（2）研究了基于视频的车牌识别技术。针对车牌倾斜扭曲的问题,本文分析了目标检测算法定位倾斜扭曲车牌的不足:利用目标检测算法定位车牌无法精确定位,影响后续识别的准确率。本文通过文本检测算法EAST精确定位车牌的四个顶点,然后根据得到的精确定位结果对车牌进行倾斜矫正,得到正对的车牌,最后通过CRNN网络对车牌进行识别。实验表明,本文的车牌方法准确率较高,对正向车牌的识别率达到99.4%,对倾斜扭曲程度较大的车牌识别率提升显著,相比CCPD数据集论文中提出的RPNet提升了 3.7个百分点,达到了 96.2%。由于路边多为侧向停车位,车辆在停入车位后,车牌会被遮挡。针对车牌被遮挡的问题,本文研究了基于视频的车牌识别,设计了动态车牌识别算法:车辆进入镜头后即开始识别,每帧通过车牌识别算法得到车牌的识别结果,并对该帧的车牌质量进行打分,打分的依据包括车牌大小,车牌变形程度以及图像的模糊程度,最后以质量打分为权重,通过投票算法选取最佳结果。通过动态车牌识别方法可以解决车辆停入车位后车牌被遮挡导致无法识别的问题,充分利用视频多帧之间的关联提高车牌识别率。（3）实现了路边停车管理原型系统,并通过实验,验证了本文算法的有效性。在车牌字符识别的实验中,通过合成的方法生成了大量的各省份的车牌进行训练,并模拟真实环境加入了平滑、倾斜等干扰因素,解决了数据集部分省份车牌较少的问题。