Manajemen parkir konvensional di Telkom University Surabaya yang mengandalkan pencatatan manual memiliki berbagai kelemahan, seperti inefisiensi dan rendahnya keamanan. Penelitian ini mengembangkan sistem otomasi parkir berbasis computer vision untuk meningkatkan efisiensi dan akurasi. Sistem mencakup dua modul utama: License Plate Recognition (LPR) menggunakan YOLOv11 dan EasyOCR, serta Face Detection (FD) menggunakan Haar Cascade dan ArcFace. Verifikasi dilakukan dengan Fuzzy Matching untuk pelat nomor dan Cosine Similarity untuk wajah. Model YOLOv11 yang di-fine-tune selama 35 epoch mencapai mAP@50 sebesar 0,945 dan mAP@50-95 sebesar 0,697 pada data validasi. Pengujian pada 10 gambar uji menunjukkan presisi dan recall sempurna (1,0000). EasyOCR, setelah peningkatan resolusi gambar, menghasilkan akurasi rata-rata 80,32% berdasarkan fuzzy matching score. Modul FD meningkat signifikan setelah tuning, menghilangkan false positive sepenuhnya dan menaikkan F1-Score dari 0,3462 menjadi 0,8889. Identifikasi wajah dengan ArcFace dan Cosine Similarity (ambang 0,70) memberikan F1-Score sebesar 0,6667 pada citra asli dan 0,8025 setelah image enhancement. Integrasi deteksi wajah dan pelat dilakukan paralel dan sinkron dengan antrean 5 detik untuk menjamin keselarasan data. Pengujian white box membuktikan seluruh fitur berjalan sesuai harapan. Mayoritas proses berjalan di bawah 1 detik, kecuali embedding wajah yang rata-rata memerlukan 4,96 detik. Total waktu inferensi satu siklus mencapai 447,26 detik, namun sistem tetap efisien dan layak untuk otomasi parkir berskala ringan di lingkungan kampus.