一、项目演示视频

二、技术栈

1.1 前端技术栈

• HTML5/CSS3：页面结构和样式
• Vue.js 3：前端响应式框架
• Element Plus：UI组件库
• JavaScript：前端交互逻辑
• Echarts: 前端图表库

1.2 算法端技术栈

• Python 3：主要编程语言
• Flask：Web应用框架
• Flask-CORS：跨域资源共享支持
• Ultralytics：YOLO11-OBB模型库
• PyTorch：深度学习框架
• Pillow：图像处理库
• OpenCV：计算机视觉库
• NumPy：数值计算库

三、功能模块

2.1 用户管理

• 用户登录：支持用户名密码登录
• 用户注册：新用户可注册账号
• 账户验证：确保系统安全性

2.2 停车位检测

• 图像检测：支持本地停车场图像文件上传检测
• 视频检测：支持本地停车场视频文件逐帧检测分析
• 实时摄像头检测：通过摄像头实时监控停车场进行停车位状态检测
• 结果展示：显示OBB检测框、停车位状态及置信度
• 统计分析：提供详细的停车位占用统计和分析结果
• 多模型支持：提供已训练模型和新训练模型两种选择

2.3 模型数据查看

• 训练数据展示：查看模型训练过程中的数据和指标
• 验证结果展示：查看模型在测试集上的性能表现
• 精度统计：展示模型检测精度、mAP50、mAP50-95等关键指标

2.4 技术特色

• 采用OBB（旋转边界框）检测技术，比传统矩形框更精确
• 支持倾斜和不规则停车位检测
• 实时视频流处理和进度监控
• 支持HTTP Range请求，实现视频流式播放

四、项目链接

链接: https://pan.baidu.com/s/1iAWFALQK_ATiXvIIa2N89Q?pwd=qi35 提取码: qi35

1. 完整系统源码
   (1)前端源码(web-flask/templates)
   (2)算法端源码(web-flask)
   (3)模型训练代码(other/model_train/detect_obb)
2. 部署教程
   (1)环境安装教程(视频+文档)
   (2)系统启动教程(视频+文档)
3. 项目文档
   (1)系统介绍文档
   (2)模型训练文档
4. 停车位检测数据集(2类)

• 总样本数：1347
• 训练集：1179 (用于模型训练)
• 验证集：112 (用于模型验证和性能调优)
• 测试集：56 (用于模型最终性能评估)
• 类别：occupied(已占用车位)、vacant(空闲车位)

5. 已经训练好的模型和测试结果(精度如下)

• precision: 0.869 (精确率86.9%)
• recall: 0.803 (召回率80.3%)
• mAP50: 0.884 (IoU阈值0.5时的平均精度88.4%)
• mAP50-95: 0.813 (IoU阈值0.5-0.95的平均精度81.3%)
• 基于YOLO11-OBB架构的深度学习模型，针对停车位旋转边界框检测优化
• 各类别检测精度表现优秀：已占用车位(mAP50: 92.4%)、空闲车位(mAP50: 84.5%)