尧图网站开发 
简介这套停车管理系统设计与实现文档围绕城市停车难问题提供基于 JSP、Bootstrap、Tkinter、OpenCV、MySQL 5.5 和 Tomcat 6 的完整管理系统方案适合计算机相关专业毕业设计、课程项目以及初学 Web 开发与图像识别结合的开发者参考。文档按照软件工程流程展开从可行性分析、需求分析、总体设计、详细设计到实现与测试均有说明同时围绕车辆登记入场、停车收费、车位实时显示、车辆信息修改与删除、出入日志等核心模块进行设计与讲解。资源包共 1 个文件为约 2.09MB 的 docx 文档内含摘要、目录、章节正文和关键词内容结构完整便于快速了解系统架构和编码思路。已有 127 人学习阅读时可结合内容预览判断是否适合自身选题适合需要快速搭建停车管理系统框架或完成论文撰写的读者。1. 智能停车系统的核心矛盾识别端与后台为什么必须分离做停车管理系统第一反应往往是找一个全栈框架一把梭但真正落地时你会发现车牌识别要走摄像头实时采集后台管理要跑在浏览器里这两件事的技术栈天然冲突。这套系统给出的解法是把项目拆成 Python 与 Java 两个独立端Python 负责 OpenCV 调摄像头、接百度 API 识别车牌车型颜色、处理计费逻辑Java 负责 JSP 后台页面、Bootstrap 前端和 MySQL 数据维护。两边通过云端数据库同步而不是在同一个进程里互相调用。这个分离思路对从业者很有参考价值识别模块的失败不会拖垮管理页面摄像头采集的实时性也不会被 Web 容器的线程模型拖累。适合要做课程设计、毕业设计或者正在规划中小型停车场信息系统的开发者直接参考。2. JSP Python 混合架构拆解与技术选型依据2.1 为什么不用纯 Java 或纯 Python 实现全套停车管理系统里有两类截然不同的任务。一类是图像采集与识别这类任务强依赖 OpenCV 的摄像头操作和外部 API 的 HTTP 请求Python 写起来最顺手pyCharm 调试也方便。另一类是后台管理页面要支持管理员在浏览器里查看车位、修改车辆信息、统计停车收入这是典型的 Web 应用场景JSP Bootstrap 加 MySQL 是成熟且成本最低的组合。如果强行用纯 Java 去调 OpenCV 摄像头代码会变得很啰嗦还得处理 Native 库的兼容问题如果强行用 Python 写 Web 管理后台虽然 Django 或 Flask 也能做但和课程设计、毕业设计常见的 JSP 要求不匹配而且部署到 Tomcat 会遇到不少额外工作。所以这个项目把系统拆成两个独立工程Python 识别端跑在本机或工控机上Java Web 端跑在 Tomcat 里两边通过阿里云 MySQL 交换数据。2.2 开发环境版本选型的兼容性考虑这套系统使用的技术版本有明确的时代特征但放到今天依然有参考价值MySQL 5.5 加 Tomcat 6 是老牌稳定组合对内存占用和 CPU 要求很低适合部署在云服务器低配实例上。myEclipse 用于 Java 侧开发它附带 Web 项目部署插件能直接关联 Tomcat 的 webapps 目录修改 JSP 后刷新浏览器即可生效。pyCharm 用于 Python 侧管理多个识别脚本和依赖包非常清晰。有一点要注意Tomcat 6 默认使用 JDK 6 到 JDK 8 的编译级别如果你的机器装了新版 JDK需要在 myEclipse 里把项目编译级别调到 JDK 1.8 以下否则部署时会出现UnsupportedClassVersionError。MySQL 5.5 的默认字符集是 latin1建库时必须显式指定 UTF-8不然后续存车牌和中文车型会直接乱码这一点在后面的数据库章节会专门说明。2.3 工程目录规划与部署结构把系统按职责拆成五个核心目录可以避免识别脚本和 Web 页面混在一起难以维护。下面的目录结构是这类项目里比较合理的组织方式推荐直接照用parking-system/ ├── python-client/ # Python 识别端 │ ├── Login.py # Tkinter 管理员登录界面 │ ├── takePhoto.py # OpenCV 摄像头采集 │ ├── lDistinguish.py # 车牌识别 │ ├── vDistinguish.py # 车型与颜色识别 │ ├── handle.py # 业务处理入口 │ ├── db.py # 数据库操作函数集合 │ └── img/ # 按钮与界面素材 ├── java-web/ # Java Web 后台端 │ ├── src/DBConn.java # 数据库连接公共类 │ ├── src/daoDb.java # 增删改查方法集合 │ ├── WebRoot/index.jsp # 后台管理首页 │ ├── WebRoot/charts.jsp # 实时车位信息页面 │ ├── WebRoot/charts2.jsp # 出入记录页面 │ └── WebRoot/assets/ # Bootstrap 样式与 JS 插件 ├── sql/ │ └── init.sql # 建库建表脚本 └── deploy/ └── tomcat/ # Tomcat 6 部署目录Python 端和 Java 端只通过数据库发生关系识别端写库Web 端读库职责边界很清晰。实际部署时Python 识别端所在的机器需要能访问摄像头设备以及能连通阿里云服务器的 3306 端口和百度 API 地址Java Web 端则只需要能访问数据库即可可以部署在另一台机器上。这种解耦方式还有一个额外好处识别端升级算法或者更换识别 API 时后台管理页面完全不需要停机。3. 车牌识别链路OpenCV 采集到百度 API 结果入库3.1 OpenCV 摄像头采集与本地暂存识别流程的第一步是拿到一张清晰的车牌图片。常用做法是调用 OpenCV 的 VideoCapture 打开摄像头逐帧读取画面并显示在窗口中管理员按空格键截取当前帧保存按 ESC 键退出。这里有一个容易被忽略的细节截取的图片不能直接保存为原始 BMP 或超大 JPG最好统一压缩到合适尺寸再用 Base64 编码方便后续 POST 到百度 API 时减小请求体积。import cv2 import base64 cap cv2.VideoCapture(0) if not cap.isOpened(): print(摄像头打开失败检查设备索引或权限) exit() while True: ret, frame cap.read() if not ret: continue cv2.imshow(capture, frame) key cv2.waitKey(1) 0xFF if key ord( ): # 统一缩放到宽度 800避免图片过大导致 API 超时 h, w frame.shape[:2] if w 800: ratio 800 / w frame cv2.resize(frame, (800, int(h * ratio))) cv2.imwrite(current.jpg, frame, [cv2.IMWRITE_JPEG_QUALITY, 90]) with open(current.jpg, rb) as f: img_base64 base64.b64encode(f.read()).decode(utf-8) print(截图已保存并完成 Base64 编码) elif key 27: break cap.release() cv2.destroyAllWindows()这段代码的关键点在于cv2.resize统一了图片宽度。车牌识别对图片分辨率不是越高越好过大的图片会让 HTTP 请求体膨胀识别耗时增加而 800 像素宽度足以保证大部分场景下车牌字符清晰可辨。cv2.IMWRITE_JPEG_QUALITY设为 90 是在画质和体积之间的折中方案如果停车场光线条件差可以提高到 95。注意cv2.waitKey(1)的延迟参数设为 1 毫秒保证窗口流畅响应按键。3.2 百度云 API 授权与 Access Token 获取识别能力是通过百度云 API 提供的调用前必须先获取 Access Token。Token 的有效期一般是 30 天建议在服务启动时获取一次并缓存到本地文件而不是每次识别都重新请求否则高频调用场景下容易触发 API 限流。import requests import json import os API_KEY 你的 API Key SECRET_KEY 你的 Secret Key TOKEN_FILE access_token.json def get_access_token(): if os.path.exists(TOKEN_FILE): with open(TOKEN_FILE, r, encodingutf-8) as f: data json.load(f) if data[expires_at] time.time(): return data[token] url https://aip.baidubce.com/oauth/2.0/token params { grant_type: client_credentials, client_id: API_KEY, client_secret: SECRET_KEY } resp requests.post(url, paramsparams) result resp.json() token result[access_token] with open(TOKEN_FILE, w, encodingutf-8) as f: json.dump({ token: token, expires_at: time.time() 2592000 }, f) return token这个函数的核心是 Token 缓存逻辑。expires_at存的是过期时间戳当前时间小于它就直接复用本地缓存的 Token避免每次都走一次 OAuth 流程。需要说明的是client_credentials 模式只适用于服务端调用不要把 API Key 和 Secret Key 下发给前端页面否则别人可以冒用你的配额。3.3 车牌、车型、颜色识别与 JSON 结果解析调用识别 API 时车牌识别和车型颜色识别分别是两个不同的接口需要分别发送请求。很多初学者会犯的错误是只识别车牌不识别车型颜色导致入场记录里只有车牌号后台展示信息不完整。正确做法是把两个接口的结果合并后再写入数据库。def recognize_vehicle(img_base64): token get_access_token() headers {Content-Type: application/x-www-form-urlencoded} url_plate https://aip.baidubce.com/rest/2.0/ocr/v1/license_plate url_car https://aip.baidubce.com/rest/2.0/image-classify/v1/car plate_data {image: img_base64} plate_resp requests.post( url_plate ?access_token token, headersheaders, dataplate_data ).json() car_data {image: img_base64} car_resp requests.post( url_car ?access_token token, headersheaders, datacar_data ).json() plate_number plate_resp[words_result][number] color plate_resp[words_result][color] car_name car_resp[result][0][name] return { plate: plate_number, plate_color: color, vehicle_type: car_name, raw_plate: plate_resp, raw_car: car_resp }这里要注意两个接口返回结构完全不同。车牌识别接口的返回体是words_result.number和words_result.color而车型识别接口是result数组取第一项的name字段作为车型描述。requests.post的 data 参数传入的是表单格式image字段是 Base64 字符串不需要再加data:image/jpeg;base64,前缀。识别失败时比如没有检测到车牌或图片过暗返回体里没有words_result字段需要做一次健壮性判断再决定是否继续入库。def check_plate_result(plate_resp): if words_result not in plate_resp: return False if number not in plate_resp[words_result]: return False return True实际项目中识别失败最常见的三种情况是车辆距离摄像头过近导致车牌出画、夜间光线不足、车牌污损遮挡。推荐在摄像头安装位置画一个引导框要求司机把车牌停进框内再按键识别能把识别成功率从 70% 左右提升到 90% 以上。4. MySQL 三表模型与 Java 后台增删改查实现4.1 数据库设计account、message、backup 三张表这套系统的数据库设计非常克制只有三张表管理员账号表、停车场实时信息表、停车场出入记录表。实时信息表存的是当前还在场内的车辆车辆离场时把记录搬到出入记录表逻辑清晰且查询高效。CREATE DATABASE parking_db DEFAULT CHARACTER SET utf8mb4; CREATE TABLE account ( id INT PRIMARY KEY AUTO_INCREMENT, username VARCHAR(50) NOT NULL UNIQUE, password VARCHAR(255) NOT NULL ); CREATE TABLE message ( id INT PRIMARY KEY AUTO_INCREMENT, num VARCHAR(20) NOT NULL COMMENT 车牌号, vehicleType VARCHAR(50) COMMENT 车型, color VARCHAR(20) COMMENT 车身颜色, time DATETIME COMMENT 入场时间 ); CREATE TABLE backup ( id INT PRIMARY KEY AUTO_INCREMENT, num VARCHAR(20) NOT NULL, vehicleType VARCHAR(50), color VARCHAR(20), inputTime DATETIME COMMENT 入场时间, parkTime VARCHAR(20) COMMENT 停留时长, cost DECIMAL(10, 2) COMMENT 停车费用 );三张表的关系模型如下表名核心字段用途数据生命周期accountusername, password管理员登录校验永久保留messagenum, vehicleType, color, time场内实时车辆车辆离场时删除backupnum, inputTime, parkTime, cost历史出入记录永久保留字段类型的选择有讲究。车牌号用 VARCHAR(20) 是因为新能源车牌比传统蓝牌多一位而且可能有汉字和字母组合cost用 DECIMAL(10,2) 而不是 FLOAT是为了避免浮点误差导致计费金额错误。parkTime用 VARCHAR 存储格式化的时长字符串比存秒数更直观缺点是排序不便但停车场系统一般不需要按时长排序可接受。4.2 Python 侧数据库操作函数与连接池问题Python 端通过 PyMySQL 连接阿里云 MySQLdb.py里集中存放所有数据库操作函数。连接数据库时有个常见坑阿里云 RDS 默认不允许外部 IP 直连需要先在控制台把本机或服务器的公网 IP 加入白名单否则会报2003 - Cant connect to MySQL server。import pymysql from datetime import datetime DB_CONFIG { host: 你的服务器公网 IP, port: 3306, user: parking_user, password: 你的密码, database: parking_db, charset: utf8mb4 } def insert_message(num, vehicle_type, color): conn pymysql.connect(**DB_CONFIG) try: with conn.cursor() as cursor: sql INSERT INTO message (num, vehicleType, color, time) VALUES (%s, %s, %s, %s) cursor.execute(sql, (num, vehicle_type, color, datetime.now())) conn.commit() finally: conn.close() def move_to_backup(num): conn pymysql.connect(**DB_CONFIG) try: with conn.cursor() as cursor: cursor.execute(SELECT id, num, vehicleType, color, time FROM message WHERE num %s, (num,)) row cursor.fetchone() if row: input_time row[4] park_seconds (datetime.now() - input_time).total_seconds() hours int(park_seconds // 3600) minutes int((park_seconds % 3600) // 60) cost calculate_fee(park_seconds) sql_backup INSERT INTO backup (num, vehicleType, color, inputTime, parkTime, cost) VALUES (%s, %s, %s, %s, %s, %s) cursor.execute(sql_backup, (row[1], row[2], row[3], input_time, f{hours}小时{minutes}分, cost)) cursor.execute(DELETE FROM message WHERE num %s, (num,)) conn.commit() finally: conn.close()每个函数内部都自行创建和关闭连接这是小项目最稳妥的做法。虽然频繁创建连接有一定开销但停车场并发量远达不到连接池的瓶颈反而避免了连接泄漏问题。%s占位符参数化是必须的不能直接字符串拼接 SQL否则车牌号或车型里的特殊字符会引发 SQL 注入风险。4.3 Java 侧 JSP、Bootstrap 与 ECharts 实现数据管理Java 端负责后台管理页面index.jsp是入口。页面加载时调用daoDb.java里封装好的方法从 MySQL 拉取实时车辆数据用 Bootstrap 表格组件渲染再用 ECharts 画车辆占用率饼图。// daoDb.java 核心查询方法 public ArrayListHashMapString, Object getAllMessage() { ArrayListHashMapString, Object list new ArrayList(); Connection conn null; PreparedStatement ps null; ResultSet rs null; try { conn DBConn.getConnection(); String sql SELECT num, vehicleType, color, time FROM message ORDER BY id DESC; ps conn.prepareStatement(sql); rs ps.executeQuery(); while (rs.next()) { HashMapString, Object map new HashMap(); map.put(num, rs.getString(num)); map.put(vehicleType, rs.getString(vehicleType)); map.put(color, rs.getString(color)); map.put(time, rs.getString(time)); list.add(map); } } catch (Exception e) { e.printStackTrace(); } finally { DBConn.close(conn, ps, rs); } return list; }PreparedStatement的?占位符和 Python 端的%s是同一套思路都要求把用户输入作为参数传入而不是拼接进 SQL。这里有一个值得注意的细节rs.getString(time)拿到的是数据库返回的原始字符串MySQL 的 DATETIME 格式是yyyy-MM-dd HH:mm:ss直接展示在页面上没问题但如果要传给 ECharts 做时间轴统计需要在 Java 侧先转成毫秒时间戳。JSP 页面通过 EL 表达式或 JSTL 遍历 Java 方法返回的集合渲染成表格行。Bootstrap 在这里的价值是快速获得一个响应式布局管理员在平板上也能正常操作。页面里一般还会放一个定时刷新脚本每 30 秒调用一次后台接口刷新表格和饼图数据保证停车场实时信息的准确性。实现时可以直接用 JSP 的meta http-equivrefresh content30做整页重载简单有效缺点是会闪烁进阶做法是用 Ajax 局部刷新但复杂度会高不少。5. 联调验证与计费边界处理技巧5.1 双端启动顺序与验证清单整套系统涉及 Python 端、Java Web 端、MySQL 数据库和摄像头设备四个环节联调时按照固定的启动顺序能省掉大量排查时间。先启动 MySQL 并确认数据库连接正常然后启动 Tomcat 打开管理页面最后运行 Python 端登录 UI。验证时按这张清单逐项检查检查项操作方式预期结果数据库连接执行mysql -h 服务器IP -u parking_user -p能进入命令行无 2003 报错登录校验在 Tkinter 界面输入正确账号密码弹出摄像头窗口管理页面自动打开入场识别对车牌拍照识别message 表新增一条记录后台实时刷新刷新 index.jsp 页面新车辆信息出现在表格中离场计费对同一车牌再次识别backup 表新增记录message 表记录被删除饼图数据查看 charts.jsp剩余车位比例与 message 表统计一致每个环节失败时先看对应的日志。Python 端在handle.py里加try-except打印异常堆栈Java 端看 Tomcat 的catalina.out文件数据库问题直接在命令行执行 SQL 验证。这套排查顺序能覆盖 90% 以上的联调问题。5.2 停留时间与计费计算的边界处理停车场计费最容易出错的地方是跨天和不足一小时的截断逻辑。直接把入场时间和当前时间相减得到秒数再除以 3600 取整会遇到两个问题停车不足一分钟时费用为 0跨天时日期差异可能被忽略。// 计费规则前15分钟免费之后每小时5元不足1小时按1小时算 public static double calculateFee(java.util.Date inputTime, java.util.Date exitTime) { long seconds (exitTime.getTime() - inputTime.getTime()) / 1000; if (seconds 15 * 60) { return 0; } double hours Math.ceil((seconds - 15 * 60) / 3600.0); return hours * 5; }Math.ceil保证不足一小时按一小时计算15 分钟免费时长从分钟数先减掉再向上取整而不是用总秒数取整。这里要特别注意getTime()返回的是毫秒级时间戳相减后必须先除以 1000 得到秒数否则计算出来的时长会放大 1000 倍。实际部署时建议把计费规则写成可配置项比如存在一张独立的 fee_config 表里这样停车场调整收费标准时只需要改数据库不用重新编译 Java 代码。5.3 中文字符集与多环境部署避坑数据库连接串必须显式指定字符集这是 JSP 页面中文乱码的最常见原因。Java 侧连接 MySQL 的 URL 里加characterEncodingutf8参数Python 侧 PyMySQL 的charset参数设为utf8mb4两边统一才不会出现插入中文正常但查询乱码的情况。另外阿里云服务器的安全组要放行 3306、8080 两个端口否则外部无法访问数据库和 Tomcat 服务。测试阶段可以把数据库绑定 IP 设为0.0.0.0但上线前一定要改回内网地址或限定白名单。最后一个实用技巧是把handle.py的识别结果打印到控制台同步对比数据库记录这样可以确认是识别环节出错还是入库环节出错快速定位问题所在。本文还有配套的精品资源点击获取 
简介这套停车管理系统设计与实现文档围绕城市停车难问题提供基于 JSP、Bootstrap、Tkinter、OpenCV、MySQL 5.5 和 Tomcat 6 的完整管理系统方案适合计算机相关专业毕业设计、课程项目以及初学 Web 开发与图像识别结合的开发者参考。文档按照软件工程流程展开从可行性分析、需求分析、总体设计、详细设计到实现与测试均有说明同时围绕车辆登记入场、停车收费、车位实时显示、车辆信息修改与删除、出入日志等核心模块进行设计与讲解。资源包共 1 个文件为约 2.09MB 的 docx 文档内含摘要、目录、章节正文和关键词内容结构完整便于快速了解系统架构和编码思路。已有 127 人学习阅读时可结合内容预览判断是否适合自身选题适合需要快速搭建停车管理系统框架或完成论文撰写的读者。1. 智能停车系统的核心矛盾识别端与后台为什么必须分离做停车管理系统第一反应往往是找一个全栈框架一把梭但真正落地时你会发现车牌识别要走摄像头实时采集后台管理要跑在浏览器里这两件事的技术栈天然冲突。这套系统给出的解法是把项目拆成 Python 与 Java 两个独立端Python 负责 OpenCV 调摄像头、接百度 API 识别车牌车型颜色、处理计费逻辑Java 负责 JSP 后台页面、Bootstrap 前端和 MySQL 数据维护。两边通过云端数据库同步而不是在同一个进程里互相调用。这个分离思路对从业者很有参考价值识别模块的失败不会拖垮管理页面摄像头采集的实时性也不会被 Web 容器的线程模型拖累。适合要做课程设计、毕业设计或者正在规划中小型停车场信息系统的开发者直接参考。2. JSP Python 混合架构拆解与技术选型依据2.1 为什么不用纯 Java 或纯 Python 实现全套停车管理系统里有两类截然不同的任务。一类是图像采集与识别这类任务强依赖 OpenCV 的摄像头操作和外部 API 的 HTTP 请求Python 写起来最顺手pyCharm 调试也方便。另一类是后台管理页面要支持管理员在浏览器里查看车位、修改车辆信息、统计停车收入这是典型的 Web 应用场景JSP Bootstrap 加 MySQL 是成熟且成本最低的组合。如果强行用纯 Java 去调 OpenCV 摄像头代码会变得很啰嗦还得处理 Native 库的兼容问题如果强行用 Python 写 Web 管理后台虽然 Django 或 Flask 也能做但和课程设计、毕业设计常见的 JSP 要求不匹配而且部署到 Tomcat 会遇到不少额外工作。所以这个项目把系统拆成两个独立工程Python 识别端跑在本机或工控机上Java Web 端跑在 Tomcat 里两边通过阿里云 MySQL 交换数据。2.2 开发环境版本选型的兼容性考虑这套系统使用的技术版本有明确的时代特征但放到今天依然有参考价值MySQL 5.5 加 Tomcat 6 是老牌稳定组合对内存占用和 CPU 要求很低适合部署在云服务器低配实例上。myEclipse 用于 Java 侧开发它附带 Web 项目部署插件能直接关联 Tomcat 的 webapps 目录修改 JSP 后刷新浏览器即可生效。pyCharm 用于 Python 侧管理多个识别脚本和依赖包非常清晰。有一点要注意Tomcat 6 默认使用 JDK 6 到 JDK 8 的编译级别如果你的机器装了新版 JDK需要在 myEclipse 里把项目编译级别调到 JDK 1.8 以下否则部署时会出现UnsupportedClassVersionError。MySQL 5.5 的默认字符集是 latin1建库时必须显式指定 UTF-8不然后续存车牌和中文车型会直接乱码这一点在后面的数据库章节会专门说明。2.3 工程目录规划与部署结构把系统按职责拆成五个核心目录可以避免识别脚本和 Web 页面混在一起难以维护。下面的目录结构是这类项目里比较合理的组织方式推荐直接照用parking-system/ ├── python-client/ # Python 识别端 │ ├── Login.py # Tkinter 管理员登录界面 │ ├── takePhoto.py # OpenCV 摄像头采集 │ ├── lDistinguish.py # 车牌识别 │ ├── vDistinguish.py # 车型与颜色识别 │ ├── handle.py # 业务处理入口 │ ├── db.py # 数据库操作函数集合 │ └── img/ # 按钮与界面素材 ├── java-web/ # Java Web 后台端 │ ├── src/DBConn.java # 数据库连接公共类 │ ├── src/daoDb.java # 增删改查方法集合 │ ├── WebRoot/index.jsp # 后台管理首页 │ ├── WebRoot/charts.jsp # 实时车位信息页面 │ ├── WebRoot/charts2.jsp # 出入记录页面 │ └── WebRoot/assets/ # Bootstrap 样式与 JS 插件 ├── sql/ │ └── init.sql # 建库建表脚本 └── deploy/ └── tomcat/ # Tomcat 6 部署目录Python 端和 Java 端只通过数据库发生关系识别端写库Web 端读库职责边界很清晰。实际部署时Python 识别端所在的机器需要能访问摄像头设备以及能连通阿里云服务器的 3306 端口和百度 API 地址Java Web 端则只需要能访问数据库即可可以部署在另一台机器上。这种解耦方式还有一个额外好处识别端升级算法或者更换识别 API 时后台管理页面完全不需要停机。3. 车牌识别链路OpenCV 采集到百度 API 结果入库3.1 OpenCV 摄像头采集与本地暂存识别流程的第一步是拿到一张清晰的车牌图片。常用做法是调用 OpenCV 的 VideoCapture 打开摄像头逐帧读取画面并显示在窗口中管理员按空格键截取当前帧保存按 ESC 键退出。这里有一个容易被忽略的细节截取的图片不能直接保存为原始 BMP 或超大 JPG最好统一压缩到合适尺寸再用 Base64 编码方便后续 POST 到百度 API 时减小请求体积。import cv2 import base64 cap cv2.VideoCapture(0) if not cap.isOpened(): print(摄像头打开失败检查设备索引或权限) exit() while True: ret, frame cap.read() if not ret: continue cv2.imshow(capture, frame) key cv2.waitKey(1) 0xFF if key ord( ): # 统一缩放到宽度 800避免图片过大导致 API 超时 h, w frame.shape[:2] if w 800: ratio 800 / w frame cv2.resize(frame, (800, int(h * ratio))) cv2.imwrite(current.jpg, frame, [cv2.IMWRITE_JPEG_QUALITY, 90]) with open(current.jpg, rb) as f: img_base64 base64.b64encode(f.read()).decode(utf-8) print(截图已保存并完成 Base64 编码) elif key 27: break cap.release() cv2.destroyAllWindows()这段代码的关键点在于cv2.resize统一了图片宽度。车牌识别对图片分辨率不是越高越好过大的图片会让 HTTP 请求体膨胀识别耗时增加而 800 像素宽度足以保证大部分场景下车牌字符清晰可辨。cv2.IMWRITE_JPEG_QUALITY设为 90 是在画质和体积之间的折中方案如果停车场光线条件差可以提高到 95。注意cv2.waitKey(1)的延迟参数设为 1 毫秒保证窗口流畅响应按键。3.2 百度云 API 授权与 Access Token 获取识别能力是通过百度云 API 提供的调用前必须先获取 Access Token。Token 的有效期一般是 30 天建议在服务启动时获取一次并缓存到本地文件而不是每次识别都重新请求否则高频调用场景下容易触发 API 限流。import requests import json import os API_KEY 你的 API Key SECRET_KEY 你的 Secret Key TOKEN_FILE access_token.json def get_access_token(): if os.path.exists(TOKEN_FILE): with open(TOKEN_FILE, r, encodingutf-8) as f: data json.load(f) if data[expires_at] time.time(): return data[token] url https://aip.baidubce.com/oauth/2.0/token params { grant_type: client_credentials, client_id: API_KEY, client_secret: SECRET_KEY } resp requests.post(url, paramsparams) result resp.json() token result[access_token] with open(TOKEN_FILE, w, encodingutf-8) as f: json.dump({ token: token, expires_at: time.time() 2592000 }, f) return token这个函数的核心是 Token 缓存逻辑。expires_at存的是过期时间戳当前时间小于它就直接复用本地缓存的 Token避免每次都走一次 OAuth 流程。需要说明的是client_credentials 模式只适用于服务端调用不要把 API Key 和 Secret Key 下发给前端页面否则别人可以冒用你的配额。3.3 车牌、车型、颜色识别与 JSON 结果解析调用识别 API 时车牌识别和车型颜色识别分别是两个不同的接口需要分别发送请求。很多初学者会犯的错误是只识别车牌不识别车型颜色导致入场记录里只有车牌号后台展示信息不完整。正确做法是把两个接口的结果合并后再写入数据库。def recognize_vehicle(img_base64): token get_access_token() headers {Content-Type: application/x-www-form-urlencoded} url_plate https://aip.baidubce.com/rest/2.0/ocr/v1/license_plate url_car https://aip.baidubce.com/rest/2.0/image-classify/v1/car plate_data {image: img_base64} plate_resp requests.post( url_plate ?access_token token, headersheaders, dataplate_data ).json() car_data {image: img_base64} car_resp requests.post( url_car ?access_token token, headersheaders, datacar_data ).json() plate_number plate_resp[words_result][number] color plate_resp[words_result][color] car_name car_resp[result][0][name] return { plate: plate_number, plate_color: color, vehicle_type: car_name, raw_plate: plate_resp, raw_car: car_resp }这里要注意两个接口返回结构完全不同。车牌识别接口的返回体是words_result.number和words_result.color而车型识别接口是result数组取第一项的name字段作为车型描述。requests.post的 data 参数传入的是表单格式image字段是 Base64 字符串不需要再加data:image/jpeg;base64,前缀。识别失败时比如没有检测到车牌或图片过暗返回体里没有words_result字段需要做一次健壮性判断再决定是否继续入库。def check_plate_result(plate_resp): if words_result not in plate_resp: return False if number not in plate_resp[words_result]: return False return True实际项目中识别失败最常见的三种情况是车辆距离摄像头过近导致车牌出画、夜间光线不足、车牌污损遮挡。推荐在摄像头安装位置画一个引导框要求司机把车牌停进框内再按键识别能把识别成功率从 70% 左右提升到 90% 以上。4. MySQL 三表模型与 Java 后台增删改查实现4.1 数据库设计account、message、backup 三张表这套系统的数据库设计非常克制只有三张表管理员账号表、停车场实时信息表、停车场出入记录表。实时信息表存的是当前还在场内的车辆车辆离场时把记录搬到出入记录表逻辑清晰且查询高效。CREATE DATABASE parking_db DEFAULT CHARACTER SET utf8mb4; CREATE TABLE account ( id INT PRIMARY KEY AUTO_INCREMENT, username VARCHAR(50) NOT NULL UNIQUE, password VARCHAR(255) NOT NULL ); CREATE TABLE message ( id INT PRIMARY KEY AUTO_INCREMENT, num VARCHAR(20) NOT NULL COMMENT 车牌号, vehicleType VARCHAR(50) COMMENT 车型, color VARCHAR(20) COMMENT 车身颜色, time DATETIME COMMENT 入场时间 ); CREATE TABLE backup ( id INT PRIMARY KEY AUTO_INCREMENT, num VARCHAR(20) NOT NULL, vehicleType VARCHAR(50), color VARCHAR(20), inputTime DATETIME COMMENT 入场时间, parkTime VARCHAR(20) COMMENT 停留时长, cost DECIMAL(10, 2) COMMENT 停车费用 );三张表的关系模型如下表名核心字段用途数据生命周期accountusername, password管理员登录校验永久保留messagenum, vehicleType, color, time场内实时车辆车辆离场时删除backupnum, inputTime, parkTime, cost历史出入记录永久保留字段类型的选择有讲究。车牌号用 VARCHAR(20) 是因为新能源车牌比传统蓝牌多一位而且可能有汉字和字母组合cost用 DECIMAL(10,2) 而不是 FLOAT是为了避免浮点误差导致计费金额错误。parkTime用 VARCHAR 存储格式化的时长字符串比存秒数更直观缺点是排序不便但停车场系统一般不需要按时长排序可接受。4.2 Python 侧数据库操作函数与连接池问题Python 端通过 PyMySQL 连接阿里云 MySQLdb.py里集中存放所有数据库操作函数。连接数据库时有个常见坑阿里云 RDS 默认不允许外部 IP 直连需要先在控制台把本机或服务器的公网 IP 加入白名单否则会报2003 - Cant connect to MySQL server。import pymysql from datetime import datetime DB_CONFIG { host: 你的服务器公网 IP, port: 3306, user: parking_user, password: 你的密码, database: parking_db, charset: utf8mb4 } def insert_message(num, vehicle_type, color): conn pymysql.connect(**DB_CONFIG) try: with conn.cursor() as cursor: sql INSERT INTO message (num, vehicleType, color, time) VALUES (%s, %s, %s, %s) cursor.execute(sql, (num, vehicle_type, color, datetime.now())) conn.commit() finally: conn.close() def move_to_backup(num): conn pymysql.connect(**DB_CONFIG) try: with conn.cursor() as cursor: cursor.execute(SELECT id, num, vehicleType, color, time FROM message WHERE num %s, (num,)) row cursor.fetchone() if row: input_time row[4] park_seconds (datetime.now() - input_time).total_seconds() hours int(park_seconds // 3600) minutes int((park_seconds % 3600) // 60) cost calculate_fee(park_seconds) sql_backup INSERT INTO backup (num, vehicleType, color, inputTime, parkTime, cost) VALUES (%s, %s, %s, %s, %s, %s) cursor.execute(sql_backup, (row[1], row[2], row[3], input_time, f{hours}小时{minutes}分, cost)) cursor.execute(DELETE FROM message WHERE num %s, (num,)) conn.commit() finally: conn.close()每个函数内部都自行创建和关闭连接这是小项目最稳妥的做法。虽然频繁创建连接有一定开销但停车场并发量远达不到连接池的瓶颈反而避免了连接泄漏问题。%s占位符参数化是必须的不能直接字符串拼接 SQL否则车牌号或车型里的特殊字符会引发 SQL 注入风险。4.3 Java 侧 JSP、Bootstrap 与 ECharts 实现数据管理Java 端负责后台管理页面index.jsp是入口。页面加载时调用daoDb.java里封装好的方法从 MySQL 拉取实时车辆数据用 Bootstrap 表格组件渲染再用 ECharts 画车辆占用率饼图。// daoDb.java 核心查询方法 public ArrayListHashMapString, Object getAllMessage() { ArrayListHashMapString, Object list new ArrayList(); Connection conn null; PreparedStatement ps null; ResultSet rs null; try { conn DBConn.getConnection(); String sql SELECT num, vehicleType, color, time FROM message ORDER BY id DESC; ps conn.prepareStatement(sql); rs ps.executeQuery(); while (rs.next()) { HashMapString, Object map new HashMap(); map.put(num, rs.getString(num)); map.put(vehicleType, rs.getString(vehicleType)); map.put(color, rs.getString(color)); map.put(time, rs.getString(time)); list.add(map); } } catch (Exception e) { e.printStackTrace(); } finally { DBConn.close(conn, ps, rs); } return list; }PreparedStatement的?占位符和 Python 端的%s是同一套思路都要求把用户输入作为参数传入而不是拼接进 SQL。这里有一个值得注意的细节rs.getString(time)拿到的是数据库返回的原始字符串MySQL 的 DATETIME 格式是yyyy-MM-dd HH:mm:ss直接展示在页面上没问题但如果要传给 ECharts 做时间轴统计需要在 Java 侧先转成毫秒时间戳。JSP 页面通过 EL 表达式或 JSTL 遍历 Java 方法返回的集合渲染成表格行。Bootstrap 在这里的价值是快速获得一个响应式布局管理员在平板上也能正常操作。页面里一般还会放一个定时刷新脚本每 30 秒调用一次后台接口刷新表格和饼图数据保证停车场实时信息的准确性。实现时可以直接用 JSP 的meta http-equivrefresh content30做整页重载简单有效缺点是会闪烁进阶做法是用 Ajax 局部刷新但复杂度会高不少。5. 联调验证与计费边界处理技巧5.1 双端启动顺序与验证清单整套系统涉及 Python 端、Java Web 端、MySQL 数据库和摄像头设备四个环节联调时按照固定的启动顺序能省掉大量排查时间。先启动 MySQL 并确认数据库连接正常然后启动 Tomcat 打开管理页面最后运行 Python 端登录 UI。验证时按这张清单逐项检查检查项操作方式预期结果数据库连接执行mysql -h 服务器IP -u parking_user -p能进入命令行无 2003 报错登录校验在 Tkinter 界面输入正确账号密码弹出摄像头窗口管理页面自动打开入场识别对车牌拍照识别message 表新增一条记录后台实时刷新刷新 index.jsp 页面新车辆信息出现在表格中离场计费对同一车牌再次识别backup 表新增记录message 表记录被删除饼图数据查看 charts.jsp剩余车位比例与 message 表统计一致每个环节失败时先看对应的日志。Python 端在handle.py里加try-except打印异常堆栈Java 端看 Tomcat 的catalina.out文件数据库问题直接在命令行执行 SQL 验证。这套排查顺序能覆盖 90% 以上的联调问题。5.2 停留时间与计费计算的边界处理停车场计费最容易出错的地方是跨天和不足一小时的截断逻辑。直接把入场时间和当前时间相减得到秒数再除以 3600 取整会遇到两个问题停车不足一分钟时费用为 0跨天时日期差异可能被忽略。// 计费规则前15分钟免费之后每小时5元不足1小时按1小时算 public static double calculateFee(java.util.Date inputTime, java.util.Date exitTime) { long seconds (exitTime.getTime() - inputTime.getTime()) / 1000; if (seconds 15 * 60) { return 0; } double hours Math.ceil((seconds - 15 * 60) / 3600.0); return hours * 5; }Math.ceil保证不足一小时按一小时计算15 分钟免费时长从分钟数先减掉再向上取整而不是用总秒数取整。这里要特别注意getTime()返回的是毫秒级时间戳相减后必须先除以 1000 得到秒数否则计算出来的时长会放大 1000 倍。实际部署时建议把计费规则写成可配置项比如存在一张独立的 fee_config 表里这样停车场调整收费标准时只需要改数据库不用重新编译 Java 代码。5.3 中文字符集与多环境部署避坑数据库连接串必须显式指定字符集这是 JSP 页面中文乱码的最常见原因。Java 侧连接 MySQL 的 URL 里加characterEncodingutf8参数Python 侧 PyMySQL 的charset参数设为utf8mb4两边统一才不会出现插入中文正常但查询乱码的情况。另外阿里云服务器的安全组要放行 3306、8080 两个端口否则外部无法访问数据库和 Tomcat 服务。测试阶段可以把数据库绑定 IP 设为0.0.0.0但上线前一定要改回内网地址或限定白名单。最后一个实用技巧是把handle.py的识别结果打印到控制台同步对比数据库记录这样可以确认是识别环节出错还是入库环节出错快速定位问题所在。本文还有配套的精品资源点击获取