摘要：该数据集是一个面向停车位检测、车位占用状态识别与停车场车辆计数任务构建的计算机视觉数据集，主要用于开发自动化停车管理和智慧停车系统。
数据集概述
该数据集是一个面向停车位检测、车位占用状态识别与停车场车辆计数任务构建的计算机视觉数据集，主要用于开发自动化停车管理和智慧停车系统。数据集中同时包含停车场图像、二值掩膜图像、停车场视频、预训练分类模型以及辅助处理程序，可用于识别每个停车位的位置，并判断其当前处于空闲还是已占用状态。通过连续视频分析，还能够实时统计停车场中的剩余车位数量和占用变化，为停车引导和停车资源管理提供数据基础。
数据结构与关键特征
数据集由停车场图像、掩膜文件、视频文件、模型文件及 util.py 工具程序组成。其中，停车场图像记录不同时段和环境条件下的停车区域，可反映车辆数量和车位占用状态变化；mask_1920_1080.png 为 1920×1080 分辨率的二值停车位掩膜图像，其中白色区域表示停车位位置，可用于自动提取每个车位的感兴趣区域。视频部分包括 parking_1920_1080.mp4、parking_1920_1080_loop.mp4、parking_crop.mp4 和 parking_crop_loop.mp4 等，可用于实时停车位状态检测。
数据集还提供预训练模型 model.p，用于将单个停车位分类为空闲或已占用。util.py 中包含两个关键函数，其中 get_parking_spots_bboxes 根据掩膜图像提取各停车位的边界框，empty_or_not 则负责判断停车位当前是否存在车辆。整体数据结构同时包含静态图像、视频、停车位空间掩膜和分类模型，适合构建完整的停车场视觉检测流程。
应用价值与研究方向
该数据集适用于停车位占用检测、空闲车位统计、车辆计数、实时停车监控、智慧停车引导以及智慧城市交通管理等研究方向。可以利用传统图像处理方法结合掩膜图像定位固定停车位，再使用机器学习或卷积神经网络对单个车位进行空闲/占用二分类；也可以进一步采用 YOLOv8、YOLO11、RT-DETR 等目标检测模型直接检测车辆，并根据车辆与车位区域之间的空间关系判断车位状态。
进一步还可以研究复杂光照条件下车位识别、车辆遮挡处理、雨雪天气鲁棒性、实时视频车位状态更新、停车场剩余车位统计以及边缘设备部署等问题，从而构建能够实时显示空闲车位数量并提供停车引导的智能停车管理系统。
数据集来源
由张家梁(Bob)整理并于2026年在7zcode平台公开发布。
数据集信息
免责声明与引用
数据仅用于科研与教学用途。若用于商业场景，请自行核验数据许可。如需引用，请在论文或报告中注明数据集名称与版本号。
作者信息
作者：Bob (张家梁)
项目编号：Datasets-837
文件大小：48M
原创声明：本数据集为整理作品
联系方式
开源协议
本项目采用AGPL-3.0开源协议，允许个人和组织自由使用、修改和分发代码，但基于本项目的衍生作品必须同样开源，且用于提供网络服务时需向用户提供完整源代码。本项目仅供学习研究使用，作者不对使用本项目产生的任何后果承担责任，使用者应遵守当地法律法规，合理合法使用本项目。如本项目对您的研究或工作有所帮助，欢迎引用并注明出处。
评论(0)