摘要：随着城市机动车保有量的不断攀升，停车资源短缺与车位管理效率低下的问题愈发突出。为实现对停车场内车位使用情况的实时感知与高效管理，本文提出并构建了一套基于 OpenCV 的智能车位识别与数据管理平台。系统以 Python 为核心开发语言，结合计算机视觉技术，利用背景差分、阈值分割、形态学处理及旋转矩形裁剪等图像分析手段，从监控视频流中提取各车位区域的关键像素信息，并通过像素统计策略完成车位占用状态的动态判断。

在数据存储层面，系统采用 MySQL 与 Redis 构成混合存储架构：MySQL 负责持久化保存车位布局信息、实时状态变更及历史记录，保障数据的完整性与可审计性；Redis 则用于缓存高频访问的实时状态和查询结果，有效降低数据库负载，提升系统在高并发场景下的响应性能。系统后端基于 Flask 框架搭建，对外提供车位状态查询、历史数据分析及报表生成等 API 接口；前端采用原生 HTML、CSS 与 JavaScript 开发可视化大屏界面，借助 Fetch API 定时调用后端服务，实现视频流播放、车位状态动态刷新、空闲数量统计以及历史趋势分析等功能，为管理人员提供直观的操作体验。

实验验证表明，该系统具备较高的车位识别准确率，能够稳定完成状态更新，满足中小型停车场在实时性、准确性与扩展性方面的实际需求。本研究提供了一种轻量化、模块化且易于部署的技术路径，为智能停车系统的工程化落地提供了可行参考。

系统总体设计

系统遵循分层与模块化设计理念，由基础设施层、数据存储层、核心处理层、业务服务层和应用层五部分组成，整体结构清晰，功能划分明确，支持从视频输入到结果输出的全流程闭环处理。

基础设施层以本地录制的监控视频作为原始输入，依托局域网环境实现前后端通信；数据存储层整合 MySQL 与 Redis，其中 MySQL 存储车位坐标、实时状态及历史日志，Redis 缓存热点数据以加速读取；核心处理层基于 OpenCV 实现图像预处理、感兴趣区域（ROI）提取与状态判别算法，完成车位是否被占用的自动化识别。

业务服务层封装了状态管理、数据统计、权限控制与历史分析等核心功能接口，为上层应用提供统一的数据支撑；应用层则面向终端用户，提供包括车位地图展示、运行状态监控、统计报表查看在内的可视化操作界面，实现对停车场运行态势的全面掌控。

图1 系统构架图

功能模块构成

系统主要划分为五大功能模块：数据采集、数据存储、车位识别、状态展示与系统管理，各模块协同运作，共同完成从视频源获取到最终信息呈现的完整流程。

数据采集模块负责加载本地监控视频文件，进行帧解码与图像标准化处理，输出符合后续分析要求的图像帧序列；数据存储模块完成车位元数据建模（如 ID、位置坐标）、实时状态记录与历史数据归档，确保系统具备完整的数据追溯能力。

车位识别模块是系统的核心组件之一，利用 OpenCV 技术实现车位区域的精确定位与状态判定。通过对每一帧图像执行背景抑制、二值化处理与连通域分析，结合预设的车位边界框，计算区域内像素变化特征，进而判断车位是否被车辆占据，并将结果与对应车位 ID 进行绑定。

状态展示模块通过图形化界面呈现当前停车场的整体运行状况，包含空闲车位列表、已用车位数量统计、车位分布热力图等内容，帮助管理者快速掌握现场情况；系统管理模块则涵盖用户账户管理、视频源配置、系统运行日志维护与历史数据清理等功能，提升系统的安全性与可维护性。

图2 系统功能模块图

硬件运行环境

本系统运行依赖一定的硬件基础。若设备性能低于以下推荐配置，可能出现处理延迟或运行不稳定的情况，请予以注意。

表1 惠普(HP)暗影精灵10台式整机配置(系统硬件配置)

软件运行环境

为保证系统正常运行，所需软件工具及相关版本信息如下表所示，涵盖了开发与部署阶段所使用的全部关键组件。

表2 系统软件配置(真实运行环境)

系统运行演示

启动系统主程序 server.py 后，进入登录页面，用户需通过身份认证方可访问系统功能。

图3 系统登录界面

该界面实现基本的用户名与密码校验机制，用于控制系统访问权限，确保操作安全。

图4 系统用户注册界面

提供新用户注册入口，支持填写必要信息完成账户创建流程。

图5 用户注册成功提示界面

系统将注册信息写入数据库，并返回成功提示，表明用户注册流程完整可用。

图6 智能停车场系统主界面（待机状态）

在待机状态下，系统的主界面呈现整体布局结构，涵盖实时监控区域、车位信息列表以及系统状态提示栏。此时尚未加载视频流，处于初始化准备阶段。

图7 视频源上传成功提示界面

当本地视频文件被系统成功接收后，自动进入目标识别处理流程，界面上会弹出提示信息，表明系统已开始运行并准备进行车位状态分析。

图8 实时监控画面与车位识别结果示例（1 个空位）

系统利用 OpenCV 对输入的视频帧进行图像处理和分析，对每个车位的占用状态进行动态标注，并统计当前空闲车位总数，实现可视化实时监控。

图9 实时监控画面与车位识别结果示例（2 个空位）

识别模块依据像素级比对与计数逻辑判断车位状态变化，界面随之更新显示最新的空闲车位数量，确保数据同步性和准确性。

图10 停车场历史数据分析界面（初始状态）

该界面提供日期筛选、具体车位选择及时间段设定等功能，支持用户按需查询过往的停车记录，便于开展数据趋势分析。

图11 停车位（1）的历史占用分析结果界面

针对选定的停车位（1），系统展示其在指定时间区间内的使用情况，包括车位利用率、车辆周转次数、高峰使用时段以及详细的状态变化序列，为管理决策提供依据。

图12 停车位（9）的历史占用分析结果界面

此页面呈现停车位（9）在特定周期内的各项统计指标，如占用率、周转频率、每小时占位比例，并附有完整的时间维度状态日志。

图13 历史数据分析界面的 PDF 报告导出功能

用户在完成数据查询后，可通过点击导出按钮触发报告生成流程，系统将当前所选车位的分析结果自动整合为可下载的 PDF 格式文档。

图14 系统自动生成的停车场历史数据分析 PDF 报告图

生成的 PDF 文件包含车位使用率、周转次数、高峰时段分布及相关图表，充分体现了系统在数据汇总、可视化呈现和报表输出方面的能力。

图15 智能停车场系统后台运行状态与实时数据写入记录

截图显示 Flask 后端服务已成功启动，系统持续将前端识别得出的车位状态信息写入 MySQL 数据库，验证了从识别到存储的完整链路稳定可靠。