En condiciones urbanas complejas de carretera, los vehículos estacionados o estacionados ilegalmente representan un riesgo considerable para el sistema de tráfico en general. En aplicaciones críticas para la seguridad como la conducción autónoma, la detección de vehículos detenidos es de suma importancia. Los métodos anteriores para detectar vehículos detenidos han sido diseñados para puntos de vista estacionarios, como cámaras de seguridad, que monitorean constantemente ubicaciones fijas. Sin embargo, estos métodos para detectar vehículos detenidos basados en vistas estacionarias no pueden abordar los puntos ciegos y no son aplicables desde vehículos en movimiento. Para abordar estas limitaciones, proponemos un nuevo marco basado en aprendizaje profundo para detectar vehículos detenidos en entornos dinámicos, particularmente aquellos grabados por dashcams. El marco propuesto integra un detector y rastreador de objetos basado en aprendizaje profundo, junto con la estimación de movimiento utilizando el método de flujo óptico denso. También introdujimos la detección adicional de línea central y la medición de la distancia entre vehículos. Los resultados experimentales demuestran que el marco propuesto puede identificar efectivamente vehículos detenidos bajo condiciones reales de carretera.