《Frontiers in Artificial Intelligence》：Parking space detection using computer vision: a systematic review of the literature
摘要：自动停车位检测是智能城市交通领域日益重要的组成部分，低效的停车搜索行为会导致出行延误、交通拥堵、燃油消耗及尾气排放增加。本研究遵循Kitchenham方法论与PICOC（Population, Intervention, Comparison, Outcome, Context）框架开展系统性文献综述，共纳入2021年至2026年3月发表的15篇同行评审研究，系统梳理了检测方法、精度与计算效率表现、环境评估覆盖度、数据集使用、预处理实践、可复现性及未来研究方向。研究结果显示，YOLO系列架构是最常采用的模型家族，在15项研究中占比达46.7%；部分纳入研究报道的平均精度均值（mAP）超过90%，处理速度高于40帧每秒（FPS），但受限于数据集异质性、硬件配置差异、指标定义不统一及实验条件不同，跨研究对比存在显著局限。环境评估覆盖度不足且分布不均：仅1项研究涉及雾天场景，2项涉及遮挡场景，无研究涉及雪天场景。PKLot与CNRPark-EXT是最常用的公开基准数据集，而私有数据集与混合数据集的广泛使用，在数据或元数据未公开的情况下限制了外部验证可行性。本综述构建了分析性性能矩阵与量化的环境评估覆盖度框架，识别了性能报告、环境验证及可复现性方面的共性缺口，提出需建立标准化对比基准、环境多样性数据集及透明报告规范，以支撑真实场景下模型性能、鲁棒性与可扩展性的可靠评估。
1 引言
随着城市密度提升与私家车保有量持续增长，停车搜索已成为城市低效运行的显性来源，额外增加了出行时间、加剧了交通拥堵并提升了燃油消耗与排放。购物中心、大学校园及医院周边的需求波动尤为剧烈，停车短缺问题易向周边路网溢出，进一步延长交通延误并提高运营成本。实证研究表明，城市交通中相当比例的车辆处于寻找空位的状态，这一特征挑战了“停车仅为静态土地利用问题而非交通拥堵主动诱因”的传统假设，推动了基于计算机视觉与深度学习技术的实时停车位占用识别研究发展。与传统物理传感器相比，此类方法降低了对侵入式基础设施的依赖——感应环路检测器安装复杂且成本高昂，而基于摄像头的系统可更灵活地适配异质性城市场景。现有研究正从硬件密集型的停车监测向可扩展的视觉驱动系统转变，以支撑城市停车需求的实时管理。
传统停车管理系统依赖物理传感器，大规模部署面临持续壁垒：安装与维护成本高、地下停车场与密集建成区的可扩展性有限，且缺乏实时占用更新、移动支付及用户通知等集成服务，降低了实际可行性。物联网（IoT）技术的应用虽实现了智能感知、远程认证、持续占用监测及数字支付等功能，但仍受限于高能耗、异构设备互操作性问题及对额外通信与感知基础设施的依赖，增加了城市级部署的运维负担。基于摄像头的方案可复用现有监控基础设施，减少对车位级物理传感器的依赖，但其实际成本效益仍需结合具体场景的经济评估验证。
数据隐私问题同样值得关注。公共停车场部署的摄像头系统需符合通用数据保护条例（GDPR）等个人数据监管要求，本地图像处理的设备端匿名化与边缘推理技术正被探索，以在检测精度与隐私保护间实现平衡。除技术精度外，隐私合规、传统基础设施集成及维护成本等实际部署壁垒，是评估视觉停车位系统真实可行性的核心考量因素。
本系统性文献综述聚焦2021年至2026年3月基于计算机视觉的自动停车位检测最新进展。已有综述虽对视觉停车位系统进行了宽泛或早期的梳理，但未同时覆盖近期架构选择、指标报告完整性、数据集可访问性、计算环境及环境评估覆盖度。该阶段正值YOLO新变体、基于Transformer的检测器、分割网络及边缘部署方案快速普及，本综述通过聚焦性合成、分析性性能矩阵及模型家族与环境条件的描述性交叉分析，拓展了现有研究框架。由于纳入研究数量少且异质性强，观察到的模式仅作描述性解读而非统计相关性推断，最终识别出当前方法学缺口并指明未来研究方向，以支撑更鲁棒、可部署的智能停车系统发展。
与叙述性综述不同，本系统性文献综述遵循Kitchenham与Brereton于2013年提出的 methodological 框架，该框架因严谨性、透明度与可复现性被广泛采用，尤其适用于停车位检测这一计算机视觉快速演进领域——YOLO系列的增量式变体与任务特定数据集的激增，易导致真实架构突破与数据集特定优化混淆。本研究的系统性评估流程为区分稳健贡献与情境性发现提供了可靠基础，优于非结构化综述，为解读研究现状及定义后续自动停车位检测与智能停车系统的研究优先级提供了更强支撑。基于此，研究提出了6个核心研究问题：RQ1聚焦应用于自动停车位检测的计算机视觉任务与模型家族；RQ2关注报道的精度与计算效率水平及对应的数据集、硬件配置与实验条件；RQ3评估所提方法在光照、天气、遮挡及摄像头配置变化下的验证程度；RQ4分析公开、私有及混合数据集的使用情况及其对泛化性与可复现性的限制；RQ5识别纳入研究的方法学局限与未来研究优先级；RQ6梳理训练与推理阶段使用的预处理与数据增强实践。本研究按照识别、筛选、分析与报告的系统流程开展，第2节阐述方法学框架，第3节呈现结构化分析结果，第4节结合综述目标与研究全景批判性解读结果并讨论局限，第5节总结核心发现并展望研究方向。
2 方法学
本研究遵循Kitchenham与Brereton于2013年提出的系统性综述方法学，将流程划分为规划、执行与报告三个阶段。首先基于精选关键词构建结构化检索策略，随后通过预定义的纳入与排除标准筛选研究，确保仅保留与综述目标一致、符合方法学标准的文献，降低无关证据引入分析的风险。最终纳入的研究围绕预定义研究问题进行详细批判性评估，为证据合成提供透明可复现的基础。
2.1 第一阶段：综述规划
规划阶段通过定义研究问题（第1节）与基于PICOC框架构建综述协议，确立了综述的概念与方法学基础。此阶段明确了纳入、排除与质量评估标准，为研究筛选与批判性评估提供了一致依据，提升了流程透明度与可复现性，降低了偏倚风险，增强了合成证据的可信度。
2.1.1 基于PICOC的协议设计
综述范围通过PICOC框架定义，该框架为综述协议开发与方法学一致性维护提供了结构化基础。通过明确研究策略的各组成要素，支撑了聚焦、透明的可复现文献检索。PICOC的五个要素分别为：研究对象（P）为基于计算机视觉的停车位检测方法；干预措施（I）为深度学习模型在自动检测中的应用（如YOLO、U-Net等）；对比维度（C）为不同方法类型（目标检测、分割、图模型）及具体模型（如YOLO、Faster R-CNN、Mask R-CNN等）之间的比较；结局指标（O）为精度、处理速度及环境变化的鲁棒性；研究场景（C）为使用停车场图像或视频的真实或模拟城市环境。
2.1.2 纳入与排除标准
为保障纳入研究与综述目标的相关性并符合一致方法学标准，制定了明确的纳入与排除标准。纳入标准包括：CI01为2021年至2026年3月发表且在检索截止日期前被选定数据库索引或公开可获取的文章；CI02为Web of Science、ScienceDirect或Dimensions收录的同行评审期刊论文；CI03为具有自动停车位检测实际应用的实证或原创研究；CI04为英文撰写；CI05为属于计算机视觉、人工智能、工程或计算机科学领域；CI06为应用计算机视觉与深度学习技术实现自动停车位或停车占用检测；CI07为可获取全文用于审阅分析；CI08为使用或开发与停车相关的真实或模拟数据集（如PKLot、PS 2.0、SNU等）。排除标准包括：CE01为2021年之前或2026年3月之后发表的文章；CE02为非索引期刊发表或未经过同行评审的成果；CE03为理论研究、叙述性综述、无实际验证的模拟研究或未直接涉及停车位检测的研究；CE04为非英文撰写；CE05为属于计算机视觉或人工智能以外的领域；CE06为未将基于图像的计算机视觉或深度学习方法应用于自动停车位或停车占用检测；CE07为无法获取全文；CE08为未使用停车相关数据集或未明确说明数据来源。
2.1.3 关键词与同义词
检索策略基于研究目标提取核心概念，并扩展相关同义词，通过布尔运算符系统组合构建跨数据库的检索式，在提升检索覆盖度的同时降低因术语差异遗漏相关研究的风险。关键词按概念类别分为：停车位检测（同义词：车辆停车检测、停车位识别）；计算机视觉（同义词：视觉驱动、视觉分析、图像处理）；深度学习（同义词：神经网络、CNN、YOLO、R-CNN、AI驱动检测）；目标检测（同义词：目标识别、目标定位）；语义分割（同义词：图像分割、基于区域的分析）；智能停车系统（同义词：智能停车、自动停车管理）；数据集（同义词：公开数据集、基准数据集、标注图像）；模型评估（同义词：性能指标、精度测量、基准测试）；鲁棒性（同义词：泛化性、稳定性、跨数据集性能）；真实场景条件（同义词：环境变化、光照、天气、摄像头角度）。时间限制仅适用于纳入的 primary 研究，方法学基础参考文献与引言中用于背景介绍的研究不受此限制。
2.2 第二阶段：综述执行
2.2.1 信息源与检索语法
核心布尔检索策略基于预定义概念构建，并针对每个数据库的语法与可检索字段分别调整，保持概念等价性的同时适配各平台的运算符、字段代码、过滤器与引号规范。文献检索在Web of Science、ScienceDirect与Dimensions三个数据库开展，更新至2026年3月。未单独检索IEEE Xplore，因此可能遗漏仅IEEE收录的会议论文及未被选定数据库索引的记录。由于 eligibility 标准优先选择同行评审期刊论文，最终合成结果应解读为以期刊研究为主，而非涵盖所有会议与期刊研究的全面代表，未来更新需纳入IEEE Xplore的针对性检索以评估该遗漏的影响。
最终使用的检索语法为：（“parking detection” OR “smart parking” OR “parking space detection”）AND（“computer vision” OR YOLO OR “deep learning”）AND（dataset OR “real-world conditions”）AND（evaluation OR robustness）。
2.2.2 研究评估与筛选
检索结果获取后，研究筛选分为标题、摘要与全文筛选三个 sequential 阶段，每个阶段均应用预定义的纳入与排除标准，逐步缩小候选研究范围，排除超出综述范围的研究。全文 eligibility 评估后保留的研究，使用包含CC01至CC07的7项方法学质量 rubric 进行评估，为证据可靠性评估提供一致基础，确保最终合成基于符合本综述方法学标准的研究。质量评分标准为：完全满足计2分，部分满足计1分，不满足计0分，总分范围0-14分，纳入阈值为≥8分。
2.2.3 数据提取与编码
为一致地回答预定义研究问题，构建了结构化数据提取框架，为每个问题定义特定提取类别，标准化了纳入研究的信息收集流程，支撑比较分析与主题分析。提取类别与研究问题的对应关系为：针对“应用于停车位检测的计算机视觉方法及分组（目标检测、分割、图模型）”，提取方法、模型与分组；针对“实验报道的方法精度（mAP、IoU）与处理速度（FPS、延迟）”，提取模型、精度与速度；针对“环境变化（光照、降水）与采集参数对检测方法性能的影响”，提取环境、性能、方法与观测结果；针对“训练与评估使用的公开与私有数据集及其特征与局限”，提取数据集、可访问性、特征与局限；针对“作者提出的改进方向与未来研究建议”，提取建议、未来方向与改进点；针对“研究中使用的预处理技术（滤波、颜色变换、数据增强）及其在自动检测流程中的角色”，提取使用的预处理、类型、角色与模型。
2.2.4 研究筛选流程
研究筛选分为标题筛选、摘要筛选与全文评估三个 sequential 阶段，每个阶段应用第一阶段制定的纳入与排除标准，提升筛选一致性，确保仅保留符合综述范围的研究进入后续阶段。初始检索共获取7747条记录，应用发表年份与学科领域过滤器（CI01-CI02）后剩余201项研究进入筛选，摘要筛选后剩余69项，经全文评估后28项符合全文 eligibility 标准，随后使用修订后的7项方法学质量 rubric 评估，13项得分低于8分被排除，最终15项研究纳入合成。41项全文排除与13项质量评估排除分属 sequential 的不同阶段，需分别报告而非累加。
2.2.5 研究筛选与偏倚控制
综述协议未前瞻性注册于公开仓库，研究问题、检索策略、eligibility 标准与初始6项质量 rubric 在筛选前已确定，修订时新增CC07作为方法学修正项，用于评估实现可复现性。为降低选择偏倚，采取了三项措施：首先，研究筛选与评估严格遵循预定义的纳入、排除标准及修订后的7项质量评估 rubric；其次，全文 eligibility 与质量评估决策由两名共同作者独立审阅，分歧通过共识解决，符合PRISMA 2020推荐的原则；第三，检索策略在选定数据库中一致应用，仅限制CI01与CI04的范围，数据库选择基于互补的学科覆盖。这些措施无法完全消除偏倚，但为控制偏倚影响提供了透明可复现的基础。
潜在重复文献通过归一化DOI、标题与作者字段识别，辅以人工核查近似重复记录，未发现精确重复记录（n=0），但元数据不完整或不一致可能导致部分重复记录未被识别。基于共享公开数据集（如PKLot或CNRPark-EXT）的研究，若引入了不同模型、方法或实验设置则予以保留，数据集复用本身不构成重复排除的充分依据，因不同研究可能针对独立的研究目标或技术贡献。
全文评估阶段，5项研究因缺乏足够方法学信息用于可靠质量评估被排除，最常见问题为未报告性能指标（如mAP、IoU或FPS，标准CC03）及数据集描述不充分（标准CC05）。这些研究的排除可能影响方法与评估场景的分布，但现有信息无法确定影响的方向与程度。纳入研究呈现的重复模式不能推断被排除研究会产生等效结果，因此该不确定性被视为质量筛选流程与 primary 文献透明度的局限。
3 结果
本节报告对最终纳入的15篇科学文章的分析结果，聚焦基于计算机视觉与人工智能技术的自动停车位检测，证据围绕6个研究问题组织，通过表格汇总比较信息，并结合纳入研究的背景讨论进行阐释。
3.1 RQ1：停车位检测使用的计算机视觉任务与模型家族
3.1.1 分类说明
Park（2021）的研究使用BLE信标信号与浅层1D-CNN，而非基于图像的计算机视觉方法，因此被归类为互补的非视觉方法，不作为图像驱动架构普及度或性能的证据。
基于边界框的检测占主导地位，共7项研究采用，反映了YOLO等检测器在实时场景中的成熟度。图像分类与“边界框+时间序列”的混合方法分别应对时序占用动态问题。图神经网络（GNN）与主动分割的使用频率较低，表明这些方法仍处于探索阶段而非成熟应用阶段。Park（2021）的BLE信号处理方法被归类为唯一的非视觉方案。
深度学习架构的分布显示，YOLO系列（包括YOLOv4至YOLOv8，其中v5与v8出现频率最高）是最常采用的架构家族，在7项研究中占比46.7%，其普及度源于检测性能与计算效率的平衡，适配实时停车应用需求。相比之下，传统CNN架构（如LeNet、AlexNet）主要用于更简单的分类场景。其他研究探索了更专用的架构，如自定义OcpDet模型与基于Transformer的Deformable DETR，针对更复杂的检测场景；U-Net的使用则体现了分割方法在需要像素级停车场场景表示时的价值，尤其适用于去中心化部署场景。
按核心计算机视觉任务划分，目标检测是最主要的任务，共10项研究采用，反映了停车管理系统需实时识别车辆位置与确定车位占用的实际需求。分割方法的使用频率较低，仅2项研究采用，用于获取更精细的停车场场景空间表示。图像分类是最少采用的类别，仅1项研究采用CNN策略判断停车位可用性。另有3项研究探索了核心视觉任务之外的智能停车系统互补组件，包括车牌识别、长短期记忆（LSTM）网络的时序预测及基于物联网的停车管理方案，体现了视觉感知与时序分析、互联基础设施结合的集成化趋势。
量化分析显示，YOLO系列是最常采用的架构家族，但剩余8项研究（53.3%）采用了多样化的替代方案，包括自定义检测器（OcpDet）、Transformer模型（Deformable DETR）、分割网络（U-Net）、经典卷积架构（LeNet、AlexNet、CaffeNet）、混合时序模型（CNN-LSTM）及传感器驱动方法（1D-CNN），表明该领域尚未收敛于单一主导架构，模型选择仍取决于具体任务、数据特征与部署需求。YOLO变体从v4到v8在架构与计算复杂度上差异显著，不应视为完全同质的类别，且纳入研究均未在等效实验条件下直接对比YOLO与Deformable DETR、U-Net或图驱动方法，因此现有证据仅支持YOLO是该领域最广泛采用的家族，而非证明其普遍优于其他架构，其普及度也可能受开源可用性、实现成熟度与研究社区 adoption 等因素影响，而非仅精度提升。
方法分类采用双重标准：传统方法定义为主要依赖手动设计特征（如颜色直方图、边缘描述符如Canny或Hough变换、形态学操作或背景减除）且不包含可训练深度神经网络组件的方法；深度学习方法定义为包含至少一个端到端可训练神经网络组件用于特征表示、检测或分类的方法，即使后续叠加浅层处理阶段（如SVM分类器）；混合方法为结合两类策略的方案。基于此分类，仅Park（2021）被归类为传统方法，其余14项研究均采用基于图像的深度学习方法，表明2021-2025年纳入研究的近期成果强烈倾向于可训练的视觉模型，而非手工特征流水线。
3.2 RQ2：跨数据集与硬件平台的报道精度与计算效率
YOLO变体（v4、v5、v8及融合CBAM等机制的改进版本）是最频繁的架构选择，其普及度与实时停车应用所需的检测性能与计算效率的平衡直接相关。
精度相关结果主要基于平均精度均值（mAP），多数报道该指标的研究mAP值高于90%，其中Duong等（2023）与Rafique等（2023）分别报道了99%与99.5%的高值，表明在各自实验条件下检测性能优异。但受限于数据集、实验协议与指标配置的不统一，直接跨研究比较仍受限。15项研究中有4项（26.7%）未报道mAP或等效精度指标，限制了对模型性能的全面评估。
处理速度主要用帧每秒（FPS）表示，多项研究报道速度高于40 FPS，表明在特定硬件与实验条件下具备实时推理潜力；Farley等（2021）报道的2 FPS则可能无法满足连续低延迟监测需求。但缺乏标准化的数据集、硬件、输入分辨率、批量大小与指标定义，无法进行有效的直接比较。15项研究中有8项（53.3%）未报道处理速度，限制了对计算效率的评估。
综合分析15项研究的特征显示，硬件规格仅在部分研究中报道，限制了精度与计算效率的跨研究比较；数据集规模差异显著（从160个标注实例到超过695000个标注实例），限制了报道精度的解读；53%的研究未报道处理速度，27%未报道mAP，表明指标报告不完整是跨研究评估的核心挑战。
3.3 RQ3：模型评估考虑的环境与图像采集条件
多数研究评估了晴天与雨天场景，反映了对常见户外条件的关注；多项研究纳入了更具挑战性的光照因素，包括夜间运行、阴影与光照变化。相比之下，更复杂的条件如雾与遮挡受到的关注有限，表明现有评估对多样化真实场景下的模型鲁棒性证据仍不完整。
量化的环境评估覆盖度显示，阴影（60%）与雨天（46.7%）在约半数研究中被涉及，雾（6.7%）与遮挡（13.3%）的代表性明显不足，雪天场景在纳入 corpus 中未被任何研究评估，这对雪天条件具有运营相关性的地区构成了证据缺口。每项研究平均评估的不利环境条件为1.7种（标准差=1.2），无研究在统一实验协议下评估所有主要不利条件（雨天、夜间运行、阴影、光照变化、雾、遮挡、雪天），6项研究评估的不利条件少于2种。
3.4 RQ4：数据集使用与泛化性局限
PKLot与CNRPark-EXT是最常用的公开基准数据集，但私有数据集与混合数据集的广泛使用带来了泛化性挑战。当数据或元数据未公开共享时，外部验证的可行性显著降低。数据集规模、标注单元、类别分布与训练-测试划分在研究中差异显著，进一步限制了结果的横向对比与泛化性判断。部分研究使用自有小规模数据集，样本量低至160张图像，可能引入过拟合风险，降低模型在真实场景中的泛化能力。
3.5 RQ5：方法学局限与未来研究方向
纳入研究普遍存在方法学局限：指标报告不完整（精度或速度缺失）、硬件配置描述模糊、数据集细节不足、环境验证覆盖度低、可复现性信息缺乏（如代码或模型权重未公开）。未来研究需优先解决这些缺口，包括建立标准化的对比基准、构建环境多样性数据集（覆盖雾、雪、重度遮挡等场景）、规范性能指标报告（明确mAP、IoU、FPS的计算条件）、提升可复现性（公开代码、模型权重与数据集划分）、探索边缘部署的轻量化模型，以及结合隐私保护技术（如边缘推理、联邦学习）以适配真实场景部署需求。
3.6 RQ6：预处理与数据增强实践
研究在训练与推理阶段采用了多样化的预处理与数据增强技术。预处理技术包括颜色空间转换（如RGB转HSV以提升光照鲁棒性）、图像滤波（如高斯滤波去噪）、几何变换（如裁剪、缩放以适配模型输入）、直方图均衡化（提升低光照图像的对比度）等。数据增强技术主要用于缓解数据不足与过拟合问题，包括随机翻转、旋转、亮度对比度调整、添加噪声、模拟天气效果（如雨、雾）等。部分研究针对停车位检测的特性，设计了车位级裁剪与标注对齐的预处理流程，以提升模型对车位区域的聚焦能力。但预处理与数据增强的具体参数与选择依据在多数研究中描述不充分，限制了方法的可复现性与最佳实践提炼。
