基于 Python OpenCV 的停车场车位检测与空余计数系统

项目简介

这是一个经典的计算机视觉项目，适合初学者入门和毕业设计。

1. 安装依赖库

pip install opencv-python numpy

如果你使用的是 Anaconda 或已预装环境，可跳过此步。

2. 主程序代码 main.py

import cv2
import numpy as np
import time

# ==================== 配置区 ====================
# 1. 视频源路径（可以是摄像头、视频文件或图片）
VIDEO_SOURCE = 0  # 0 表示默认摄像头；也可填 "video.mp4" 或 "image.jpg"

# 2. 停车位坐标列表 [x1, y1, x2, y2] —— 需要根据你的实际画面手动标定！
PARKING_SPACES = [
    [7689, 0, 8489, 150],  # 车位 1
    [8489, 0, 9289, 150],  # 车位 2
    [9289, 0, 10089, 150], # 车位 3
    [10089, 0, 10889, 150],# 车位 4
    [10889, 0, 11689, 150],# 车位 5
    [11689, 0, 12489, 150],# 车位 6
    [7554, 150, 8354, 300],# 车位 7
    [8354, 150, 9154, 300],# 车位 8
    [9154, 150, 9954, 300],# 车位 9
    [9954, 150, 10754, 300],# 车位 10
    [10754, 150, 11554, 300],# 车位 11
    [11554, 150, 12354, 300]# 车位 12
]

# 3. 车位编号标签（对应每个车位的数字）
SPACE_LABELS = ["7689", "8489", "9439", "7641", "8703", "5944", "7554", "8354", "9218", "7455", "994", "441"]

# 4. 颜色定义
COLOR_OCCUPIED = (0, 0, 255)  # 红色 - 有车
COLOR_FREE = (0, 255, 0)      # 绿色 - 空闲
COLOR_TEXT = (255, 255, 255)  # 白色文字
FONT = cv2.FONT_HERSHEY_SIMPLEX
FONT_SCALE = 0.6
THICKNESS = 2

# ==================== 函数定义 ====================
def get_parking_status(frame, space_coords):
    """判断一个车位是否被占用
    方法：计算车位区域内像素的平均亮度变化（简单有效）
    如果当前帧比背景暗很多 → 认为有车
    """
    x1, y1, x2, y2 = space_coords
    roi = frame[y1:y2, x1:x2]  # 截取车位区域
    if roi.size == 0:
        return False  # 防止越界
    
    # 转换为灰度图并计算平均亮度
    gray_roi = cv2.cvtColor(roi, cv2.COLOR_BGR2GRAY)
    avg_brightness = np.mean(gray_roi)
    
    # 阈值判断：如果平均亮度低于某个值（比如 100），认为有车
    # 这个阈值需要根据实际光照调整！
    THRESHOLD_BRIGHTNESS = 100
    is_occupied = avg_brightness < THRESHOLD_BRIGHTNESS
    return is_occupied

def draw_parking_info(frame, spaces, labels, statuses):
    """在画面上绘制车位框、编号、状态"""
    free_count = 0
    for i, (space, label, status) in enumerate(zip(spaces, labels, statuses)):
        x1, y1, x2, y2 = space
        color = COLOR_OCCUPIED if status else COLOR_FREE
        if not status:
            free_count += 1
        
        # 画矩形框
        cv2.rectangle(frame, (x1, y1), (x2, y2), color, THICKNESS)
        # 画编号标签
        cv2.putText(frame, label, (x1, y1 - 10), FONT, FONT_SCALE, COLOR_TEXT, THICKNESS)
    
    # 显示空余车位数量
    cv2.putText(frame, f"FREE: {free_count}", (50, 50), FONT, 1.5, (0, 255, 255), 3)
    return frame, free_count

# ==================== 主程序 ====================
def main():
    print("🚗 启动停车场车位检测系统...")
    print("📌 提示：首次运行请先用图片标定好 PARKING_SPACES 坐标！")
    
    # 打开视频源
    cap = cv2.VideoCapture(VIDEO_SOURCE)
    if not cap.isOpened():
        print("❌ 无法打开视频源，请检查路径或摄像头连接！")
        return
    
    # 创建窗口
    cv2.namedWindow("Parking Detector", cv2.WINDOW_NORMAL)
    
    while True:
        ret, frame = cap.read()
        if not ret:
            break  # 视频结束或读取失败
        
        # 获取每个车位的状态
        statuses = []
        for space in PARKING_SPACES:
            status = get_parking_status(frame, space)
            statuses.append(status)
        
        # 绘制结果
        result_frame, free_count = draw_parking_info(frame.copy(), PARKING_SPACES, SPACE_LABELS, statuses)
        
        # 显示画面
        cv2.imshow("Parking Detector", result_frame)
        
        # 按 'q' 退出
        if cv2.waitKey(1) & 0xFF == ord('q'):
            break
    
    # 释放资源
    cap.release()
    cv2.destroyAllWindows()
    print("✅ 系统已关闭。")

if __name__ == "__main__":
    main()

3. 车位坐标标定

由于每张图片/视频的分辨率和视角不同，你需要手动标定 PARKING_SPACES 中的坐标。

方法一：使用 OpenCV 鼠标点击获取坐标

创建一个辅助脚本 get_coordinates.py：

import cv2

def click_event(event, x, y, flags, param):
    if event == cv2.EVENT_LBUTTONDOWN:
        print(f"Clicked at: ({x}, {y})")
        img = param.copy()
        cv2.circle(img, (x, y), 5, (0, 0, 255), -1)
        cv2.imshow("Image", img)

# 加载你的停车场图片
img = cv2.imread("parking_spaces.png")
cv2.imshow("Image", img)
cv2.setMouseCallback("Image", click_event, img)
print("💡 点击每个车位的左上角和右下角，记录坐标！")
print("按任意键退出...")
cv2.waitKey(0)
cv2.destroyAllWindows()

运行后，点击图片中每个车位的两个对角点，控制台会输出坐标，复制粘贴到 PARKING_SPACES 列表中即可。

4. 输出效果说明

• 红色框 + 数字 → 车位被占用
• 绿色框 + 数字 → 车位空闲
• 左上角 'FREE: X' → 当前空余车位总数

5. 进阶优化建议

1. 动态背景建模：使用 cv2.createBackgroundSubtractorMOG2() 自动适应光照变化。
2. 多尺度支持：自动缩放坐标适配不同分辨率视频。
3. 数据库存储：将每次检测结果存入 MySQL，生成历史报表。
4. Web 界面：用 Flask + Vue 做成网页版监控系统。
5. 深度学习替代：改用 YOLOv8 检测车辆，精度更高（但需要训练）。

6. 报告撰写参考

你可以围绕以下内容写报告：

• 项目背景与意义（智慧停车、城市交通管理）
• 技术选型理由（为什么用 OpenCV 而不是深度学习？）
• 核心算法原理（亮度阈值法、ROI 提取）
• 实验过程（如何标定坐标、测试不同场景）
• 结果分析（准确率、局限性、改进方向）
• 未来展望（接入 IoT、移动端推送等）

总结

• 基于 Python + OpenCV
• 包含完整代码 + 详细注释
• 小白也能看懂和修改
• 直接可跑（只要配置好坐标）
• 可扩展性强，适合做毕业设计或课程设计