智慧停车平台使用了哪种 YOLO 模型？-平芜编程栈

YOLOX-S 是目标检测模型，不是聊天用的大语言模型

在智慧停车中，车辆检测主链路使用YOLOX-S，并将检测结果交给轨迹关联和停车规则处理。平台还接入了两个分割模型，用于补充车辆轮廓和停车场景信息。

一、先认识 YOLOX-S

YOLOX 是一个anchor-free（无预设锚框）目标检测模型系列。与对话模型生成文字不同，目标检测模型接收图像，输出目标类别、位置和置信度。YOLOX 系列提供不同规模的模型；我们选择其中的YOLOX-S，以 ONNX 文件形式部署在后端。关于模型架构，可参考 YOLOX 原论文及官方项目。

在停车场画面中，YOLOX-S 主要提供三类信息：

类别：例如 car、bus、truck、motorcycle、bicycle。
位置：车辆在原始视频帧中的矩形检测框。
置信度：模型对当前检测结果的判断分数。

这些信息适合作为后续分析的起点，但模型本身不知道“这条黄色区域是否禁止停车”，也无法仅凭一帧确定“停了多久”。因此，平台没有把 YOLOX-S 的输出直接当作违停结论。

二、后端怎样运行这个模型？

后端以 NestJS 和 TypeScript 实现视频分析流程。YOLOX-S 模型以 ONNX 格式保存，推理由onnxruntime-node的 CPU 执行器完成；视频信息读取和画面抽取分别使用 FFprobe、FFmpeg。

第一步：接收并校验视频

用户上传视频时，后端先校验停车场权限及视频格式。当前上传接口限制为100 MB 以内、3 分钟以内、最高 3840×2160 的 MP4，并检查视频编码。合格的视频保存后进入分析队列，

第二步：按时间抽帧

视频不直接作为一个整体送入 YOLOX-S。后端先用 FFprobe读取时长、分辨率等信息，再用 FFmpeg 在选定时间点提取图像。默认抽帧数量随视频时长变化，最少 6 帧、最多 30 帧。

抽帧是一项取舍：帧太少可能漏掉短暂事件，帧太多则增加推理时间。因此，后端同时保存每帧对应的视频时间，供后续计算轨迹和停留时长。

第三步：预处理并运行 YOLOX-S

每帧图像按原比例缩放至适合640×640输入的尺寸，空白区域填充值为114。后端还会按当前 ONNX 文件的输入要求组织颜色通道和float32张量。

推理前，适配器会检查模型签名：输入应为[1, 3, 640, 640]，输出应为[1, 8400, 85]。这样一来，如果部署时误用了不兼容的模型文件，任务会明确报错，而不是产生看似正常却无法解释的结果。

第四步：解码、过滤和还原坐标

模型原始输出需要经过解码，才能变成页面上的车辆框。后端按照8、16、32三个步长处理输出，计算类别置信度，过滤低分候选框，并用同类别非极大值抑制去除重叠框。当前默认的检测置信度阈值为0.30，非极大值抑制阈值为0.45。

最后，检测框会映射回原视频分辨率。进入轨迹和停车规则计算的，是车辆相关类别，而不是画面中的所有物体。

三、从车辆框到“疑似异常”，还要经过什么？

相邻采样帧可能都检测到一辆红色汽车，但系统还需判断它们是不是同一辆。后端使用检测框重叠程度和采样时间间隔进行轻量级关联，为连续观测生成T0001、T0002等轨迹编号。

有了轨迹之后，区域规则才检查：

车辆观测位置是否落在已配置的停车区域或通道区域内；
相邻观测是否可以视为同一辆车；
位移是否足够小，符合“持续停留”的条件；
停留时长是否达到该区域的规则阈值。

满足条件时，系统生成的是疑似异常事件及证据。原始视频、标注视频、关键帧、车辆局部图和轨迹信息用于运营人员复核。确认后再进入相应工单处理流程；证据不足或识别有误时，应由人员核查和处置。

图：用户手册中的异常停车预警工作台。检测框、轨迹和关键帧共同构成复核材料；画面本身不能证明已完成所有真实场景验收。

四、YOLO11n-seg 和 ParkScope 在做什么？

除了 YOLOX-S，当前代码还接入了两个辅助模型：

模型	在系统中的职责	当前边界
YOLOX-S	提供车辆检测框、类别和置信度	车辆检测主链路
YOLO11n-seg	提供车辆轮廓，辅助分析车身与停车线的关系	技术验证
ParkScope 场景模型	提供停车线等场景语义线索	技术验证

视频分析工作线程会调用这三个模型，但接入模型不等于压线、跨车位等告警已在所有现场完成验收。摄像机角度、遮挡、光照和区域配置都可能影响结果，需要按停车场重新校验。