违章停车检测数据集（YOLO格式）

摘要：本研究基于自建的6类违章停车数据集（2313张图像/6606个标注框），采用YOLOv11模型开发了一套支持图片、视频及实时摄像头检测的违章停车智能检测系统。

数据集简介

本研究构建了一个涵盖6类违章停车行为的目标检测数据集，共2313张图像、6606个标注框，按7:2:1划分为训练集、验证集和测试集，采用YOLO标注格式。。

数据集概述

本数据集面向城市违章停车场景，旨在为基于深度学习的违章停车自动检测提供训练与评估数据。数据集共包含2313张图像、6606个标注框，涵盖人行道停车、禁停区停车、双排停车、斑马线停车、消防通道停车和公交站停车6类常见违章停车行为

数据集按约7:2:1的比例划分为训练集（1619张/4566框）、验证集（462张/1345框）和测试集（232张/695框），标注格式采用YOLO格式。各类别分布中，人行道停车（2385框）和禁停区停车（2349框）为主要类别，公交站停车（621框）和双排停车（567框）为中等类别，斑马线停车（342框）和消防通道停车（342框）样本相对较少。

所有图像均经过人工标注与审核，确保标注质量。数据集的类别设置贴合实际城市交通管理需求，能够较好地覆盖常见违章停车场景，为模型的训练与泛化提供了可靠的数据基础。

数据集来源

本研究所使用的数据集为自主构建，图像数据来源于真实城市道路监控场景的视频录像及网络公开视频，经逐帧提取与筛选后获得2313张有效图像。所有图像均由人工进行标注，采用YOLO格式的边界框标注方式，定义了人行道停车、禁停区停车、双排停车、斑马线停车、消防通道停车及公交站停车共6类违章停车行为目标，共计标注6606个实例。标注过程中严格遵循统一的标注规范，以确保标注质量的一致性与准确性。