车位占用与违停检测——从红绿蓝框到智能告警

一、场景定义与问题描述
在城市交通管理和停车场智能化运营中，车位占用状态识别和违停行为检测是两个核心需求。传统的解决方案通常依赖地磁感应器或地面摄像头，但这些方案存在覆盖范围有限、安装维护成本高等问题。

无人机航拍提供了一种全新的视角——它可以俯瞰整个停车场，一次性获取所有车位的信息，具有覆盖范围广、部署灵活、视角无遮挡等优势。但同时也带来了技术挑战：无人机视角下的车位目标相对较小，车位线可能因磨损或光线问题难以识别，车辆的停入和驶出需要实时跟踪。

我们的系统需要解决以下具体问题：

实时识别每个车位是否被占用

判断停放车辆是否超出车位线（违停）

在复杂光照条件下保持稳定检测

输出结构化数据供后端系统使用

二、车位占用状态识别（红绿框逻辑）
我们的系统中，车位占用状态通过检测框的颜色来直观呈现：

红色检测框 = 车位已占用：当一辆车停入某个车位后，系统检测到该车位区域内有车辆存在，对应的检测框变为红色，表示该车位已被占用。

绿色检测框 = 车位空闲：当某个车位内没有检测到车辆时，检测框保持绿色，表示该车位空闲可用。

动态切换机制：当一个车辆驶入空闲车位，检测框会从绿色自动切换为红色；当车辆驶出时，检测框从红色恢复为绿色。这个切换过程基于持续的目标跟踪，而非单帧检测结果，以避免因个别帧的检测波动导致频繁切换。

在实际实现中，我们采用了以下技术路径：

车位区域预定义：首先在图像中标定出每个车位的多边形区域

目标检测：模型检测画面中的所有车辆，输出检测框

区域匹配：计算每个检测框与每个车位区域的IoU，判定归属关系

状态更新：根据匹配结果更新每个车位的占用状态

三、违停行为判定（蓝色框告警）
蓝色检测框 = 违停车辆：当系统检测到某辆车的停放位置超出了车位线的范围（比如压线停车、跨两个车位、车身突出到车道等），检测框变为蓝色，并触发告警。

判定依据：系统通过以下方式判定违停：

车辆检测框与车位区域边界的距离计算

若检测框超出车位区域预定的"安全范围"，判定为违停

判定阈值可配置，以适应不同停车场的宽松程度

告警输出：当违停被确认后，系统输出以下信息：

违停车辆的位置坐标（图像坐标+车位编号）

检测时间戳

当前帧的截图证据

违停类型（如"压线""超界""跨车位"等）

这些信息可以结构化地导出为JSON格式，便于与停车场管理系统集成。

四、复杂环境适应性验证
停车场的环境条件往往不理想——黄昏的斜阳、夜晚的路灯、正午的强光、雨天的反光……这些都可能导致传统检测算法失效。

我们的系统在以下复杂光照条件下进行了验证，均能保持稳定检测：

黄昏场景：在日落时分，画面整体偏暗，部分区域处于阴影中。系统中的图像预处理模块会自适应调整对比度和亮度，确保检测框在低光照下仍然清晰。

逆光场景：当镜头朝向太阳方向时，画面中的车辆和车位线可能被阴影覆盖。我们通过数据增强（在训练集中加入模拟逆光样本）和模型本身的鲁棒性设计来应对这一问题。

曝光过度场景：在强正午光线下，浅色车顶和路面可能过曝变成白色。特征增强模块中的注意力机制能够在一定程度上抵抗这种局部过曝的影响。