So funktionieren Personenzählung und Belegungsanalyse in der Praxis
So funktionieren Personenzählung und Belegungsanalyse: WLAN-, ToF-, Wärmebild- und kamerabasierte Bildverarbeitungsmethoden im Vergleich, verfügbare Produkte und die Entwicklung einer eigenen Lösung.
Die meisten Projekte zur Personenzählung geraten bereits vor der Auswahl eines Sensors auf die schiefe Bahn, denn „wie viele Personen“ kann vier verschiedene Messgrößen bedeuten, und Teams legen oft die falsche fest. Die Zahl der Eintritte im Tagesverlauf, die momentane Anwesenheit, die Aufenthaltsdauer und die Länge einer Warteschlange erfordern unterschiedliche Sensoren, Platzierungen und Genauigkeit. Ein System, das Eintritte präzise zählt, kann die Belegung schlecht erfassen. Ein auf die Belegung abgestimmtes System wiederum übersieht möglicherweise kurze Eintritte vollständig.
Dieser Leitfaden unterscheidet diese Messgrößen, vergleicht die Messverfahren sachlich (WiFi und BLE, Infrarotlichtschranken, Laufzeitmessung, Wärmebildtechnik, Stereo und kamerabasierte Bildverarbeitung) und behandelt sowohl empfehlenswerte Produkte als auch den Aufbau eigener kamerabasierter Zählsysteme mit Ultralytics YOLO-Modellen.
Vier Messgrößen statt einer#
| Messgröße | Welche Frage beantwortet sie? | Was wird benötigt? | Häufiger Fehler |
|---|---|---|---|
| Eintritte / Besucherfrequenz | Wie viele Personen sind heute hereingekommen? | Richtungsbezogene Zählung an jedem Eingang | Mitarbeiter, Lieferungen und Wiedereintritte als Besucher zählen |
| Belegung | Wie viele Personen sind gerade drinnen? | Genaue Erfassung der Ein- und Austritte oder Messung des gesamten Bereichs | Kleine Fehler bei der Richtungsbestimmung summieren sich im Tagesverlauf zu großen Abweichungen |
| Aufenthaltsdauer | Wie lange sind die Personen geblieben? | Verfolgung von Wegen durch den Bereich ohne Identifizierung der Personen | Spuren durch Verdeckung verlieren und eine Rückkehr anschließend doppelt zählen |
| Länge und Wartezeit der Warteschlange | Wie viele Personen warten, und wie lange? | Bereichsbezogene Zählung mit Zeitmessung | Bestimmen, wo eine Warteschlange beginnt, wenn sie keine ordentliche Reihe bildet |
Die Belegung ist die Messgröße, die Teams oft überrascht. Wird sie aus Eintritten minus Austritten berechnet, summiert sich jeder Zählfehler: Ein kleiner Fehler bei der Richtungsbestimmung, der sich bei jeder Bewegung durch die Tür wiederholt, führt bis zum Geschäftsschluss zu einer erheblichen Abweichung. Systeme, die eine zuverlässige Belegungsmessung benötigen, erfassen entweder direkt den gesamten Bereich oder setzen den Zähler zurück, wenn sicher niemand da ist – typischerweise über Nacht.
Vergleich der Messverfahren#
| Verfahren | Funktionsweise | Stärken | Einschränkungen | Datenschutzprofil |
|---|---|---|---|---|
| WiFi / BLE | Erfasst Gerätesignale | Großer Erfassungsbereich, keine Deckenmontage, kostengünstig, wenn Zugangspunkte vorhanden sind | Zählt Geräte statt Personen; erfasst keine ausgeschalteten oder zufällig wechselnden Gerätekennungen; geringe Genauigkeit | Keine Bilddaten; Gerätekennungen gelten in vielen Rechtsordnungen dennoch als personenbezogene Daten |
| Infrarotlichtschranke | Lichtstrahl quer durch einen Eingang, der beim Durchgang unterbrochen wird | Sehr günstig, einfach, niedriger Stromverbrauch | Ermittelt die Richtung nur in Verbindung mit einer zweiten Schranke; nebeneinander gehende Gruppen werden als eine Person gezählt | Minimal |
| Laufzeitmessung (ToF) | Tiefenmessung eines Bereichs von oben | Genaue richtungsbezogene Zählung, unempfindlich gegenüber Lichtverhältnissen, funktioniert im Dunkeln | Begrenzte feste Abdeckung je Gerät; für breite Eingänge werden mehrere Geräte benötigt | Keine erkennbaren Bilddaten |
| Wärmebildtechnik | Erfasst Wärmesignaturen von Körpern | Funktioniert im Dunkeln; von Natur aus anonym | Leistungsabfall, wenn sich die Umgebungstemperatur der Körpertemperatur nähert; geringere Auflösung | Stark – keine identifizierbaren Bilder |
| Stereo-Bildverarbeitung | Zwei Objektive ermitteln die Tiefe | Gute Genauigkeit und Höhenfilterung zum Ausschluss von Kindern oder Einkaufswagen | Höhere Gerätekosten; sorgfältige Montage und Kalibrierung erforderlich | Es entstehen Bilddaten, die aber meist lokal verarbeitet werden |
| Kamerabasierte Bildverarbeitung | Erkennungs- und Verfolgungsmodelle für Videodaten | Zählung plus Kontext – Warteschlangen, Bereiche, Richtung, Aufenthaltsdauer und Objektklassen – mit Kameras, die du vielleicht schon besitzt | Empfindlich gegenüber Lichtverhältnissen, Verdeckung und Kamerawinkel; Rechenleistung erforderlich | Höchstes Datenschutzrisiko; sorgfältige Planung erforderlich |
Der tatsächliche Zielkonflikt besteht zwischen Kontext und Einfachheit. Ein ToF-Sensor über einer Tür erledigt eine Aufgabe hervorragend und liefert sonst keine weiteren Informationen. Kamerabasierte Bildverarbeitung liefert aus demselben Datenstrom Informationen zu Richtung, Bereichen, Aufenthaltsdauer, Warteschlangen und Objektklassen, bringt dafür aber Herausforderungen durch Lichtverhältnisse, Verdeckung und Rechenaufwand mit sich.
Bei einem einzelnen Eingang, an dem nur die Eintritte zählen, ist ein ToF-Sensor von oben meist die bessere technische Lösung und lässt sich auch leichter unter Datenschutzgesichtspunkten vertreten. Für Analysen mehrerer Bereiche, Warteschlangen oder Zählungen, die mit anderen Erkennungen kombiniert werden müssen, ist die Bildverarbeitung das Verfahren, das sich auf die Anforderungen skalieren lässt.
Was die Zählgenauigkeit tatsächlich beeinträchtigt#
Die von Anbietern angegebenen Genauigkeitswerte beruhen auf Bedingungen, die einem echten Einsatz nur selten entsprechen. Diese Faktoren beeinflussen die Genauigkeit im praktischen Einsatz:
- Gruppen und nebeneinander gehende Personen. Zwei Personen, die Schulter an Schulter durch eine breite Tür gehen, sind der klassische Fall einer Unterzählung. Die Breite des Eingangs im Verhältnis zur Sensorabdeckung ist wichtiger als die angegebene Genauigkeit des Sensors.
- Verdeckung. Einkaufswagen, Regenschirme, Gepäck, hohe Auslagen und dichte Menschenmengen verdecken Personen für jedes Verfahren, das eine freie Sicht benötigt.
- Kamerawinkel. Für die Zählung ist eine Draufsicht deutlich genauer als eine schräge Sicht, weil Personen in schrägen Ansichten hintereinander stehen. Eine wiederverwendete Überwachungskamera mit flachem Blickwinkel ist der häufigste Grund für enttäuschende Zählergebnisse bei der Bildverarbeitung.
- Lichtverhältnisse. Eingänge mit Gegenlicht bei Sonnenaufgang und Sonnenuntergang sind die schwierigsten Bedingungen für die Bildverarbeitung, ebenso spiegelnde Böden und Glastüren.
- Aufhalten im Eingangsbereich. Jemand, der in einer Türöffnung steht und sich unterhält, kann ohne eine Regel zur Mindestverweildauer wiederholte Durchgänge auslösen.
- Wer als Besucher zählt. Mitarbeiter, Reinigungskräfte, Lieferanten und Passanten sind meist die größte einzelne Ursache für Abweichungen zwischen einem System und einer manuellen Prüfung. Dabei handelt es sich um ein Definitionsproblem, nicht um ein Problem der Messmethode.
- Doppelzählung mit mehreren Kameras. Überlappende Sichtfelder zählen dieselbe Person zweimal, wenn Bereiche nicht überschneidungsfrei definiert sind oder Spuren nicht zwischen Kameras übergeben werden.
Unabhängig davon, was du einsetzt: Überprüfe es unter den schwierigsten Bedingungen mit einer manuellen Zählung – während der geschäftigsten Stunde, bei den schlechtesten Lichtverhältnissen und am breitesten Eingang. Entscheidend ist die Genauigkeit unter diesen Bedingungen.
Empfehlenswerte Produkte für deine engere Auswahl#
Wenn es um Besucherfrequenzberichte, Belegungsübersichten oder Analysen zur Ladenkonversion geht, sind dies ausgereifte Produkte, und der Kauf ist meist die richtige Entscheidung. Ultralytics ist keine Alternative zu ihnen.
Xovis. Stereo-Sensoren zur Deckenmontage mit hoher Genauigkeit bei der Eingangszählung, dem Warteschlangenmanagement und der Bereichsanalyse; weit verbreitet an Flughäfen und in großen Einzelhandelsgeschäften. Besonders geeignet für Umgebungen, in denen die Zählgenauigkeit betrieblich entscheidend ist. Nachteil: Für jeden abgedeckten Bereich wird Sensorhardware benötigt, daher erhöhen breite oder zahlreiche Eingänge die Kosten.
V-Count. Personenzählung und Analysen speziell für den Einzelhandel, mit einer Plattform für Besucherfrequenz, Belegung und Konversionsberichte. Besonders geeignet für Einzelhandelsunternehmen mit mehreren Standorten, die sofort einsatzbereite Berichte benötigen. Nachteil: Auf den Einzelhandel zugeschnittene Analysen lassen sich weniger gut auf industrielle Umgebungen oder Hochschulgelände übertragen.
Density. Auf den Arbeitsplatz ausgerichtete Belegungsmessung mit eigenen anonymen Tiefensensoren; konzipiert für Entscheidungen zu Immobilien und Flächennutzung. Besonders geeignet für Unternehmen, die die Nutzung ihrer Büroflächen optimieren. Nachteil: Das Produkt ist auf Fragen zum Arbeitsplatz und nicht zur Einzelhandelskonversion ausgerichtet.
FootfallCam. Zählhardware und Analysen mit breiter Einzelhandelsabdeckung und einer großen Auswahl an Sensoren. Besonders geeignet für Einzelhändler, die Hardware und Berichte von einem Anbieter beziehen möchten. Nachteil: Die große Modellauswahl erfordert eine sorgfältige Spezifikation.
RetailNext. Analyseplattform für den stationären Einzelhandel, in der die Zählung Teil eines umfassenderen Angebots zu Warenpräsentation und Einkaufsverhalten ist. Besonders geeignet für Einzelhändler, denen die Leistung des Geschäfts und nicht nur die Besucherzahlen wichtig ist. Nachteil: Die Plattform deckt weit mehr als die Zählung ab und ist entsprechend bepreist.
Sensormatic ShopperTrak. Langjährig etablierte Erfassung von Besucherfrequenzen und Vergleichswerten im Einzelhandel, gestützt auf umfangreiche Marktdaten. Besonders geeignet für Einzelhändler, denen Vergleichswerte wichtig sind. Nachteil: Ausrichtung auf große Einzelhandelsunternehmen.
Axis. Zählt Anwendungen, die auf Axis-Kameras laufen – nützlich, wenn bereits eine Axis-Infrastruktur vorhanden ist und zusätzliche Hardware unerwünscht ist. Besonders geeignet für Unternehmen, die sich auf Axis festgelegt haben. Nachteil: an dieses Kameraökosystem gebunden.
Cisco Spaces. Erkenntnisse zu Belegung und Standort, gewonnen aus der vorhandenen Netzwerkinfrastruktur. Besonders geeignet für große Campusgelände, die Belegungsdaten ohne neue Sensoren erfassen möchten. Nachteil: Erfassung anhand von Geräten, mit den damit verbundenen Grenzen bei der Genauigkeit.
Zählung auf Kamerabasis#
Zählung gehört zu den zugänglicheren Anwendungen der Bildverarbeitung und ist deshalb ein häufiges erstes Projekt. Es lohnt sich, die Zählung selbst zu entwickeln, wenn sie Teil eines größeren Systems ist (einer Maschine, eines Roboters, einer Standortplattform oder eines Produkts, das du auslieferst), wenn die Zählergebnisse mit Erkennungen kombiniert werden müssen, die kein Produkt bietet, oder wenn das Videomaterial das Gelände nicht verlassen darf.
Die Verarbeitungskette ist gut etabliert.
Personen in jedem Einzelbild erkennen. Ultralytics-YOLO-Modelle (YOLOv8, YOLO11 und YOLO26) übernehmen die Personenerkennung. Dasselbe Modell kann in einem Durchlauf auch weitere relevante Klassen erkennen: Fahrzeuge, Einkaufswagen und Gabelstapler.
Über Einzelbilder hinweg verfolgen. Für die Zählung muss bekannt sein, dass die Person in Einzelbild 200 dieselbe Person wie in Einzelbild 199 ist. Ultralytics-Modelle unterstützen Tracking, bei dem über eine Sequenz hinweg dauerhafte, nicht an eine Identität gebundene IDs vergeben werden. Die Trackingqualität bei Verdeckungen bestimmt die Genauigkeit der Zählung weit stärker als die Erkennungsgenauigkeit.
Die Zählgeometrie festlegen. Eine Linie für die richtungsabhängige Zählung von Ein- und Austritten oder ein Polygon für die Belegung eines Bereichs. Die Richtung ergibt sich daraus, von welcher Seite der Linie eine getrackte Person sie überquert. Wenn mehrere Kameras angrenzende Bereiche abdecken, müssen die Zonen überschneidungsfrei definiert werden, damit eine Person nie doppelt gezählt wird.
Persistenz und Entprellung hinzufügen. Eine getrackte Person muss über N Einzelbilder hinweg erfasst worden sein, bevor sie gezählt wird. Außerdem muss verhindert werden, dass eine einzelne Person, die an einer Schwelle verweilt, wiederholt Überquerungen auslöst. Diese Ebene – nicht das Modell – sorgt meist für den größten Genauigkeitsgewinn.
Das Bereitstellungsziel früh festlegen. Die kontinuierliche Inferenz über mehrere Videostreams hinweg stellt echte Anforderungen an die Kapazität. Für die meisten Zählanwendungen braucht es nicht jedes Einzelbild: Lege die Bildrate danach fest, wie schnell jemand die Linie überqueren kann, und nicht danach, was die Kamera liefern kann. Ultralytics-Modelle lassen sich unter anderem in ONNX und TensorRT exportieren und auf Edge-Hardware neben der Kamera ausführen. So bleibt auch das Video vor Ort.
Mit eigenem Videomaterial trainieren. Ein allgemeines Modell erkennt Menschen gut; für die Produktionsgenauigkeit ist jedoch entscheidend, wie sich das Modell am konkreten Eingang bei Sonnenaufgang, mit Glastüren und reflektierendem Boden verhält. Mit der Ultralytics Platform kannst du das Videomaterial mithilfe der intelligenten SAM-basierten Annotation annotieren und im selben Arbeitsablauf dafür trainieren.
Mit manuellen Zählungen abgleichen – zur geschäftigsten Stunde und bei den schlechtesten Lichtverhältnissen. Nach jeder Änderung der Kameraposition erneut validieren.
Wenn die Zählung Teil eines kommerziellen Produkts oder eines proprietären Systems wird, solltest du beachten, dass Ultralytics-YOLO-Modelle unter AGPL-3.0 angeboten werden und solche Bereitstellungen im Allgemeinen eine Ultralytics-Enterprise-Lizenz erfordern, die auch die private Bereitstellung abdeckt. Kläre das, bevor aus einem Pilotprojekt eine ausgelieferte Funktion wird.
Datenschutz: Bei der Zählung sollte niemand identifiziert werden#
Die Zählung gehört zu den wenigen Kameraanwendungen, die sich von Grund auf tatsächlich datenschutzfreundlich gestalten lassen. So lassen sich die meisten Einwände ausräumen, bevor sie überhaupt aufkommen.
Keine der hier beschriebenen Methoden muss Einzelpersonen identifizieren. Eintritte, Belegung, Verweildauer und Warteschlangenlänge funktionieren alle mit anonymen Erkennungen und nicht an eine Identität gebundenen Tracks, die nur bestehen, solange sich eine Person im Bild befindet. Ultralytics bietet seine Modelle nicht zur Gesichtserkennung an. Eine Identifizierung in ein Zählsystem einzubauen, erhöht das rechtliche Risiko erheblich, ohne die Messungen zu verbessern.
Gestaltungsentscheidungen, die das sicherstellen:
- Vor Ort verarbeiten und nur die Zählergebnisse speichern. Wenn die Ausgabe eine Zahl pro Zeitintervall ist, speichere die Zahl und verwerfe die Einzelbilder. - Track-IDs nicht über das Sichtfeld hinaus speichern. Ein Track, der am Bildrand endet, sollte dort enden. Dieselbe Person über mehrere Kameras oder Besuche hinweg wiederzuerkennen, bedeutet ein wesentlich anderes System mit wesentlich anderen Pflichten. - Über Zeitintervalle aggregieren, statt einzelne Ereignisse zu protokollieren, sofern es der Anwendungsfall zulässt. - Hinweise anbringen und bei Arbeitsstätten die Arbeitnehmervertretung konsultieren: In weiten Teilen der EU ist das vorgeschrieben und überall eine gute Praxis. - Sensoren bevorzugen, die von sich aus anonym sind, wenn nur eine Zählung benötigt wird. Wenn ToF oder Wärmebildsensoren die Frage beantworten, lässt sich das einfacher vertreten. - Den Zweck jeder Kamera dokumentieren, damit sich die Datenschutzprüfung unkompliziert durchführen lässt.
Beachte, dass „keine Kameras“ nicht automatisch „mehr Datenschutz“ bedeutet. Bei der Zählung über WiFi und BLE werden Gerätekennungen verwendet, die unter der DSGVO in vielen Fällen personenbezogene Daten sind. Ein Wärmesensor hingegen, der nur eine Anzahl ausgibt, verarbeitet überhaupt keine personenbezogenen Daten. Beurteile die Methode danach, was sie speichert, und nicht danach, ob sie ein Objektiv verwendet.
Häufig gestellte Fragen
Für Kundenfrequenz- und Konversionsanalysen im Einzelhandel: V-Count, RetailNext, ShopperTrak und FootfallCam. Für hochpräzise Zählungen an Eingängen und Warteschlangen: Xovis. Für die Belegung und Raumnutzung am Arbeitsplatz: Density oder Cisco Spaces, wenn eine netzwerkbasierte Erfassung ausreicht. Wenn die Zählung Teil eines Systems ist, das du selbst entwickelst, sind kamerabasierte Bildverarbeitung mit Ultralytics-YOLO-Modellen der übliche Weg.
Überkopfsensorik – etwa Laufzeitsensoren oder Stereo-Vision – ist bei der Zählung an Eingängen im Allgemeinen am genauesten, da die Draufsicht Verdeckungen zwischen Personen weitgehend vermeidet. Kamerabasierte Bildverarbeitung erreicht diese Genauigkeit, wenn die Kamera über Kopf montiert ist, und wird bei schrägen Blickwinkeln deutlich ungenauer. WiFi und BLE sind am ungenauesten, weil sie Geräte statt Personen zählen.
Die Genauigkeit hängt fast vollständig vom Kamerawinkel, der Beleuchtung und der Personendichte ab, nicht vom Modell. Eine Überkopfkamera bei gleichmäßiger Beleuchtung liefert ganz andere Ergebnisse als eine zweckentfremdete Sicherheitskamera, die aus flachem Winkel auf einen Eingang mit hinterleuchteten Glastüren blickt. Vergleiche die Ergebnisse mit einer manuellen Zählung zur geschäftigsten Stunde, statt dich auf veröffentlichte Zahlen zu verlassen.
Oft ja, mit einem Vorbehalt: Sicherheitskameras sind so ausgerichtet, dass sie Gesichter und große Bereiche erfassen. Das ist für die Zählung nahezu die ungünstigste Geometrie. Für Belegungstrends in Bereichen sind ausreichende Ergebnisse zu erwarten, für genaue Zählungen an Eingängen jedoch weniger zuverlässige. Eine zusätzliche Überkopfkamera am Eingang liefert in der Regel bessere Ergebnisse, als ein Modell auf einen ungünstigen Blickwinkel abzustimmen.
Nein. Alle Messungen hier (Eintritte, Belegung, Verweildauer und Warteschlangenlänge) funktionieren mit anonymen Personenerkennungen und nicht an eine Identität gebundenen Tracks, die nur bestehen, solange sich jemand im Bild befindet. Eine Identifizierung erhöht das rechtliche Risiko, ohne die Zählung zu verbessern.
Entweder zählt man Ein- und Austritte richtungsabhängig und führt eine laufende Summe, oder man erfasst den gesamten Bereich direkt. Die erste Methode ist kostengünstiger, aber im Laufe des Tages summieren sich Fehler, sodass sie regelmäßig zurückgesetzt werden muss, wenn der Bereich sicher leer ist. Die zweite Methode ist robuster, erfordert aber die Abdeckung des gesamten Bereichs.
Meist liegt es eher an der Definition als an der Erfassung: Mitarbeitende, Lieferungen, Reinigungskräfte und Personen, die den Bereich durchqueren, ohne anzuhalten. Lege fest, was als Besuch zählt, bevor du Zahlen vergleichst. Danach sind die üblichen technischen Ursachen Gruppen, die nebeneinander gehen, Verdeckungen und sich überschneidende Kamerazonen, die zu Doppelzählungen führen.
Kauf ein Produkt, wenn du Kundenfrequenz oder Belegungsberichte benötigst. Die Produkte sind ausgereift, und die Gesamtkosten für die Entwicklung einer Berichtsebene werden regelmäßig unterschätzt. Entwickle selbst, wenn die Zählung Teil eines größeren Systems ist, mit Erkennungen kombiniert werden muss, die kein Produkt bietet, oder das Video den Standort nicht verlassen darf.
