主流三大机器视觉算法YOLO FASTRCNN SSD算法，综合对比采用SSD算法，识别速度精度高且迅速。 像医院等比大学还要大的地方，若能结合监控探头对主要的车位停车部分进行提取，在用户进入停车场前或者作为跟踪显示空车位，对用户停车的效率将大幅度提升。 后期可以利用视觉建模结合真实地图形成跟踪显示系统，那么对于真实的情况落地将会得到大幅度推进，或是商家或是公益，又有谁不会为在进入大型停车场前而烦恼呢？ 若作为自动驾驶 智慧泊车系统等方面，可以利用此作为视觉引导，从车入场开始，实行跟踪等设置，设置完成后再利用车本身后探头对于车位线的识别技术，结合导航或是其他的系统设置，成功完成自动泊车。 本资源耗费了极大的标注劳动力，前后多次实验尚达到一个还不错的效果。 以上所写均属于一个本人的粗浅理解，或许对很多的地方理解尚且不到位，更了解的可以和我交流，乐意接受哈哈。 制作不易，此场景已多次参加比赛，结合评价尚且不错，未经允许禁止其他公共用途。 对训练感兴趣的可以私信我，下次再会！ BYE~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~

对视频中的停车场车位识别 可以对模型进行训练 当然里面也有训练好的 显示每帧的实时总车位和空的车位

OpenCV计算机视觉实战，停车场车位识别！（完整代码）！ 计算机视觉.pdf

完整代码，可直接运行

第十四章：项目实战-停车场车位识别.zip

首先，介绍了系统工作的原理，激光网格的两个主要作用是区域划分和尺寸测 量。为了实现这两个作用，研究了激光网格的标定和捕捉。而其捕捉通过鱼眼摄像 头实现，因此，研究了相机模型、畸变模型和相机的标定方法。 其次，研究了基于激光网格的图像处理方案，由于激光网格带来的图像分割和 轮廓增益的效果，简化了图像处理的过程。主要研究的算法包括图像的畸变矫正、 图像的鸟瞰变换、图像的预处理和图像的分割与特征提取。 然后，分析了现实生活中的泊车场景，对泊车位和障碍物的类型进行了整理。 研究了泊车位和障碍物识别的方法，针对本文所提出的基于激光装置的视觉方案 的特性，分别对障碍识别、有车位线标识和无车位线标识这两类车位识别进行了分析。 最后，设计了自动泊车系统的架构，提出了视觉处理器的图像处理策略，通过 模拟真实泊车场景进行了泊车位识别和障碍物识别实验，并对不同类型的障碍物 实验进行了分析。实验结果表明，该方案能够很好的实现车位中和路径中障碍物的 识别，并能有效的解决障碍物和环境背景颜色相近似这一难题。

使用Opencv对停车场剩余车位数量进行识别，所有代码不用类不用函数，适合初学者学习，详细介绍可以参考我的博文：https://blog.csdn.net/qq_36758914/article/details/104041779