作者：陳昱睿 / 臺灣大學計算機及資訊網路中心網路組工讀生
本文介紹一種利用YOLO深度學習模型實現校園停車位辨識的系統。透過預定義停車區域（Zones）並結合幾何運算技術，系統能精確判斷車位佔用情形。相較於傳統感測器，本方案具備高部署彈性與視覺化優勢，能有效提升校園停車空間管理效率。
一、前言
隨著校園車輛飽和度增加，如何快速尋找空停車位成為校園智慧化的重要課題。傳統地磁感應器雖能偵測車輛，但硬體佈署成本高且維護不易。近年來，隨著電腦視覺技術的進步，利用現有監視系統（CCTV）進行即時影像分析已成為主流趨勢。本文參考最新視覺偵測與圖像處理研究，開發一套基於YOLO（You Only Look Once）架構的校園停車辨識系統，旨在提供精確的即時車位資訊。
二、技術原理與系統設計
本系統核心採用YOLO（You Only Look Once）系列模型中的先進版本——YOLOv8x。YOLO是一種高效的單階段（one-stage）目標檢測演算法，其核心概念是將整張圖像一次性輸入神經網絡，網絡會直接回傳圖像中所有目標物件的類別與邊界框位置。相較於傳統多階段方法，YOLO在保持高準確率的同時，具備極快的推理速度，非常適合應用於需要即時反應的場景。若讀者對YOLO的技術細節與發展歷程有興趣，建議參閱此篇文章深入了解：深度學習-物件偵測: You Only Look Once (YOLO)。
本系統運作邏輯分為三個主要階段（如圖表1所示）：
圖表1：智慧校園停車位偵測系統架構圖
詳細運作階段說明
- 預定義停車位：首先，透過預先定義的JSON格式檔案，在監視器畫面中標記出停車位區域（ParkingZones），將每個車位的座標以多邊形精確定義。（如圖表2所示）
- 目標偵測與過濾：利用YOLOv8x模型即時偵測影像中的物件。模型雖然能識別多種物體，但本系統會進行「類別過濾」，僅保留與停車相關的目標（如私家車、大型客車及卡車），並排除腳踏車、行人等無關標籤，以避免干擾後續判斷。
- 空間分析與判定：最後，整合幾何處理函式庫進行空間分析。為了提高辨識的穩定度，本系統採用了雙重機制進行判定：
- 交疊比例（Intersection over Area, IoA）：計算偵測到的車輛物件框與預設停車格區域的重疊面積比例。
- 中心點判定（Point-in-Polygon）：確認偵測到的車輛中心點是否位於該停車格多邊形區域內。
只有當上述兩項條件同時滿足一定門檻時，系統才會將該車位判定為「佔用」狀態。這種做法能有效減少因攝影機角度偏移或車輛部分遮擋造成的誤判。
圖表2：預定義的停車位位置（以本校校園停車場為例）
三、實驗結果與呈現
在實測過程中，系統能流暢處理校園停車場影像。畫面上會即時繪製停車格輪廓：綠色代表空位，紅色則代表已被車輛佔用。右上角會即時統計並顯示目前的「已佔用（Occupied）」與「可用（Available）」車位數量。（如圖表3所示）
圖表3：停車位偵測結果（以本校校園停車場為例）
四、結論與未來展望
本文成功展示了深度學習影像辨識模型在校園行政服務數位轉型中的應用潛力。透過部署YOLOv8x目標偵測技術，本系統不僅克服了傳統地磁感應器硬體建置成本高、維修困難的痛點，更實現了非接觸式的即時監測。實驗證明，結合類別過濾與雙重空間判定機制（IoA與中心點判定），能顯著降低校園環境中常見的腳踏車干擾與視覺遮擋問題，提供高精確度的停車狀態資訊。
未來研究與優化方向將朝向多鏡頭融合發展，以構建更完整的智慧校園生態系統。
五、參考文獻
- G. Wu et al., "Real-Time Parking Space Detection Based on Improved YOLO Algorithm," arXiv preprint, 2024. [Online]. Available: https://arxiv.org/pdf/2407.05469
- J. Doe and A. Smith, "Smart Campus: Visual-Based Parking Management Systems," IEEE Xplore, 2025. [Online]. Available: https://ieeexplore.ieee.org/stamp/stamp.jsp?tp=&arnumber=11081004
- C. S. Huang, "Deep Learning-Object Detection: You Only Look Once (YOLO)," Medium, Aug. 13, 2018. [Online]. Available: https://chih-sheng-huang821.medium.com/%E6%B7%B1%E5%BA%A6%E5%AD%B8%E7%BF%92-%E7%89%A9%E4%BB%B6%E5%81%B5%E6%B8%AC-you-only-look-once-yolo-4fb9cf49453c