停车场智能空车位检测系统｜YOLOv8 + PyQt5 全流程实战

项目概述

随着城市机动车数量不断增加，停车难已成为智慧城市建设中的普遍痛点问题。传统的人工巡检或地磁感应方式存在部署复杂、实时性低、维护成本高等缺陷，难以满足现代化智慧停车场的管理需求。

本项目基于 YOLOv8 目标检测模型，实现了一个实时、可视化、工程可落地的停车场空车位检测系统。系统可对监控画面中 已停车辆（Occupied） 和 空车位（Vacant） 进行精确识别，并通过 PyQt5 桌面端界面呈现检测结果，实现图片、视频、文件夹和实时摄像头等多种输入模式的全场景覆盖。

项目提供完整源码、标注数据集、训练权重以及详细部署文档，用户可直接运行或在现有数据基础上进行二次训练，快速搭建智能停车检测原型。

源码下载与效果演示

哔哩哔哩视频下方观看：

https://www.bilibili.com/video/BV1kFrjBQEJv

包含：

📦完整项目源码

📦 预训练模型权重

🗂️ 数据集地址（含标注脚本）

核心功能与技术亮点

1. 双类别停车状态检测

系统通过训练完成的 YOLOv8 模型，实现对停车场目标的双类别识别：

• 已停车辆（Occupied）：表示当前车位被占用
• 空车位（Vacant）：表示当前车位可供停车

检测结果以彩色框叠加在原始画面上，标注类别与置信度，直观显示车位状态。

---

2. 多输入源支持

输入类型	应用场景
单张图片检测	快速验证模型效果
图片文件夹批量检测	批量数据评估与统计分析
本地视频文件检测	模拟监控录像分析
实时摄像头检测	现场实时巡检与智能监控

用户可通过 PyQt5 GUI 一键切换，无需修改代码。

---

3. PyQt5 可视化界面

界面设计直观，核心功能包括：

• 模型权重加载与切换
• 输入源选择与路径管理
• 实时检测结果显示
• 检测日志与车位状态统计

界面简化了操作门槛，即便无深度学习经验的用户，也能轻松完成空车位检测与数据保存。

---

数据集与训练流程

1. 数据集组织

采用标准 YOLO 格式，包含训练集与验证集：

dataset/
├── images/
│   ├── train/
│   └── val/
├── labels/
│   ├── train/
│   └── val/

每张图片对应 .txt 标签文件，内容示例：

0 0.523 0.341 0.142 0.091
1 0.762 0.432 0.128 0.098

其中，0 = Occupied，1 = Vacant。

---

2. YOLOv8 模型训练

使用 Ultralytics YOLOv8n 进行迁移训练：

yolo detect train data=parking_dataset.yaml model=yolov8n.pt epochs=100 batch=16 lr0=0.001

训练完成后可生成：

• weights/best.pt：最佳模型权重
• results.png：训练损失及 mAP 曲线
• confusion_matrix.png：混淆矩阵

当 mAP@0.5 ≥ 90% 时，可直接用于实际部署。

---

模型推理示例

单图推理

import cv2
from ultralytics import YOLO

# 加载模型
model = YOLO('runs/train/weights/best.pt')

# 推理单张图像
results = model('test_parking.jpg', conf=0.25, save=True)

# 获取保存后的图像
save_path = results[0].save_dir / results[0].path.name
img = cv2.imread(str(save_path))
cv2.imshow('Parking Detection', img)
cv2.waitKey(0)
cv2.destroyAllWindows()

视频与批量推理

• 文件夹批量检测：输出结果图片保存至指定目录
• 视频检测：逐帧识别空车位与车辆状态，并可生成带标注输出视频
• 实时摄像头：支持停车场实时监控与报警触发

---

系统优势

特性	优势说明
高精度	YOLOv8 提供高可靠性识别准确率
高实时性	推理速度快，可满足实时监控需求
易用性	PyQt5 GUI，无需命令行操作即可完成检测
可复现性	数据集、训练脚本、权重、推理程序完整提供
可扩展性	可增加多摄像头协同检测、车位编号绑定或统计分析功能

---

快速部署指南

1. 直接运行预训练模型

python main.py

2. 自定义训练数据集

yolo detect train data=parking_dataset.yaml model=yolov8n.pt epochs=100 batch=16

3. 查看检测结果

• 单图与批量图像：保存于 runs/detect/predict
• 视频：输出至用户指定目录
• CSV 日志：统计各车位占用情况

---

总结

本项目提供了完整的 停车场空车位检测系统，实现了从 数据集构建 → 模型训练 → 推理部署 → 可视化应用 的全流程。

通过 YOLOv8 高效检测能力与 PyQt5 可视化界面，用户可快速识别停车场中空车位和已停车辆，实现高效、实时、直观的停车场管理。

系统可直接开箱使用，也可扩展新功能，如：车位编号绑定、空位统计分析、多摄像头协同感知，以及与智能停车管理系统的数据对接，为智慧停车场景提供完整的工程化解决方案。