Wie Personenzählung und Belegungsanalytik tatsächlich funktionieren
Wie Personenzählung und Belegungsanalytik funktionieren: Vergleich von WiFi-, ToF-, Thermografie- und kamerabasierten Vision-Methoden, verfügbare Produkte und Aufbauanleitung.
Die meisten Projekte zur Personenzählung scheitern, bevor überhaupt ein Sensor ausgewählt wird, denn „wie viele Personen“ sind vier verschiedene Messungen und Teams geben die falsche an. Eintritte über einen Tag, aktuell anwesende Personen, die Verweildauer und die Anzahl der Wartenden in einer Schlange erfordern unterschiedliche Sensoren, eine andere Platzierung und eine andere Genauigkeit. Ein System, das Eintritte genau zählt, kann die Belegung schlecht melden, und ein auf Belegung optimiertes System kann kurze Eintritte komplett übersehen.
Dieser Leitfaden trennt diese Messungen, vergleicht die Erfassungsmethoden ehrlich (WLAN und BLE, Infrarotstrahlen, Time-of-Flight, Wärmebild, Stereo- und kamerabasierte Bildverarbeitung) und behandelt sowohl die Produkte, deren Kauf sich lohnt, als auch, wie Teams mit Ultralytics YOLO-Modellen selbst kamerabasierte Zählungen entwickeln.
Vier Messungen, nicht eine#
| Messung | Frage, die sie beantwortet | Was dafür erforderlich ist | Häufiger Fehler |
|---|---|---|---|
| Eintritte / Besucherfrequenz | Wie viele Personen sind heute reingekommen? | Direktionale Zählung an jedem Eingang | Zählung von Personal, Lieferungen und Wiedereintritten als Besucher |
| Belegung | Wie viele sind genau jetzt drinnen? | Präzise Erfassung von Ein- und Ausgängen oder Bereichserfassung | Kleine Richtungsfehler, die sich über den Tag zu einer großen Abweichung aufsummieren |
| Verweildauer | Wie lange sind die Leute geblieben? | Verfolgung anonyme Pfade im Bereich | Verlust von Spuren durch Verdeckung und anschließendes Doppelzählen einer Rückkehr |
| Warteschlangenlänge und Wartezeit | Wie viele warten wie lange? | Zählung basierend auf Regionen plus Zeitmessung | Definition des Beginns einer Warteschlange, wenn diese keine ordentliche Reihe bildet |
Die Belegung ist der Punkt, der Teams überrascht. Wenn sie aus Eintritten minus Ausgängen abgeleitet wird, summiert sich jeder Zählfehler: Ein kleiner Richtungsfehler, der sich bei jeder Bewegung durch die Tür wiederholt, sorgt bis Feierabend für einen deutlich falschen Zählwert. Systeme, die eine zuverlässige Belegung benötigen, erfassen entweder den gesamten Bereich direkt oder setzen den Zähler bei einem nachweislich leeren Zustand zurück, typischerweise über Nacht.
Erfassungsmethoden im Vergleich#
| Methode | Funktionsweise | Stärken | Einschränkungen | Datenschutzprofil |
|---|---|---|---|---|
| WLAN / BLE | Erkennt Gerätesignale | Großer Bereich, keine Deckenmontage nötig, günstig bei vorhandenen Access Points | Zählt Geräte statt Personen; erfasst ausgeschaltete oder randomisierte Telefone nicht; geringe Präzision | Keine Bilder; Geräte-IDs gelten in vielen Rechtsräumen dennoch als personenbezogene Daten |
| Infrarotstrahl | Lichtschranke an einem Durchgang | Sehr günstig, einfach, geringer Stromverbrauch | Keine Richtungserkennung ohne Kopplung; nebeneinander gehende Gruppen werden als eine Person gezählt | Minimal |
| Time-of-Flight (ToF) | Tiefenerfassung einer Zone von der Decke aus | Genaue Richtungserfassung, unempfindlich gegenüber Beleuchtung, funktioniert im Dunkeln | Fester, schmaler Erfassungsbereich pro Einheit; mehr Einheiten für breite Eingänge | Keine erkennbaren Bilder |
| Wärmebild | Erkennt Körperwärmesignaturen | Funktioniert im Dunkeln; von Natur aus anonym | Lässt nach, wenn die Umgebungstemperatur sich der Körpertemperatur annähert; geringere Auflösung | Stark – kein identifizierbares Bild |
| Stereo-Vision | Zwei Linsen ermitteln die Tiefe | Gute Genauigkeit und Höhenfilterung, um Kinder oder Einkaufswagen auszuschließen | Höhere Anschaffungskosten; erfordert sorgfältige Montage und Kalibrierung | Bilder sind vorhanden, werden aber meist lokal verarbeitet |
| Kamerabasierte Vision | Erkennungs- und Tracking-Modelle für Videos | Zählwerte plus Kontext – Warteschlangen, Zonen, Richtung, Verweildauer, Objektklassen – auf Kameras, die du möglicherweise bereits besitzt | Anfällig für Lichtverhältnisse, Verdeckungen und Kamerawinkel; erfordert Rechenleistung | Höchste Empfindlichkeit; erfordert gezielte Planung |
Der echte Kompromiss liegt zwischen Kontext und Einfachheit. Ein ToF-Sensor über einer Tür erledigt eine Aufgabe hervorragend und verrät dir sonst nichts. Kamerabasierte Vision liefert dir aus demselben Stream Richtung, Zonen, Verweildauer, Warteschlangen und Objektklassen und nimmt dafür Herausforderungen bei Beleuchtung, Verdeckung und Rechenleistung in Kauf.
Für einen einzelnen Eingang, an dem nur Eintritte zählen, ist ein ToF-Sensor über dem Kopf meist die bessere technische Lösung und die unkompliziertere Datenschutzfrage. Für Multizonen-Analysen, Warteschlangen oder Zählungen, die mit anderen Erkennungen kombiniert werden müssen, ist Computer Vision die Methode, die mit den Anforderungen skaliert.
Was einen Zählwert tatsächlich verschlechtert#
Genauigkeitsangaben von Herstellern werden unter Bedingungen ermittelt, die selten einem realen Einsatz ähneln. Die Faktoren, die die reale Genauigkeit beeinflussen:
- Gruppen und nebeneinander Gehen. Zwei Personen Schulter an Schulter durch eine breite Tür sind der klassische Fall von Unterzählung. Die Türbreite im Verhältnis zur Sensorabdeckung ist wichtiger als die vom Hersteller angegebene Genauigkeit.
- Verdeckung. Einkaufswagen, Regenschirme, Gepäck, hohe Displays und dichte Mengen verbergen Personen vor jeder Methode, die eine freie Sicht benötigt.
- Kamerawinkel. Eine Deckenperspektive ist beim Zählen weitaus genauer als ein schräger Blickwinkel, da schräge Ansichten Personen hintereinander stapeln. Eine umfunktionierte Überwachungskamera in flachem Winkel ist der häufigste Grund für enttäuschende Zählergebnisse.
- Beleuchtung. Gegenlicht an Eingängen bei Sonnenaufgang und -untergang ist der schwierigste Fall für Bildverarbeitung, ebenso spiegelnde Böden und Glastüren.
- Herumstehen im Eingangsbereich. Jemand, der in einer Tür steht und sich unterhält, kann ohne Persistenzregel wiederholte Durchgänge erzeugen.
- Wer als Besucher zählt. Personal, Reinigungskräfte, Lieferanten und Passanten sind meist die größte einzelne Ursache für Abweichungen zwischen einem System und einer manuellen Prüfung, und dies ist eher ein Definitions- als ein Sensorproblem.
- Doppelzählung durch mehrere Kameras. Überlappende Sichtfelder zählen dieselbe Person doppelt, es sei denn, Zonen sind als exklusiv definiert oder Spuren werden zwischen Kameras übergeben.
Unabhängig davon, was du einsetzt: Validiere das System anhand einer manuellen Zählung unter deinen ungünstigsten Bedingungen: zu Stoßzeiten, bei schlechtester Beleuchtung und am breitesten Eingang. Die Genauigkeit unter diesen Bedingungen ist der Wert, auf den es ankommt.
Produkte, die in die engere Auswahl kommen, wenn du kaufst#
Wenn das Ziel die Berichterstattung über Besucherfrequenzen, Belegungs-Dashboards oder Retail-Conversion-Analysen ist, handelt es sich um ausgereifte Produkte und ein Kauf ist meist die richtige Entscheidung. Ultralytics ist keine Alternative dazu.
Xovis. Stereovisions-Sensoren für die Deckenmontage mit hoher Genauigkeit für Eingangszählung, Warteschlangenmanagement und Zonenanalysen, die häufig an Flughäfen und im Großhandel eingesetzt werden. Bestens geeignet für Umgebungen, in denen die Zählgenauigkeit betrieblich kritisch ist. Kompromiss: Sensorhardware pro Erfassungsbereich, daher erhöhen breite oder viele Eingänge die Kosten.
V-Count. Personenzählung und Analytik gezielt für den Einzelhandel, mit einer Plattformebene für Berichte zu Besucherfrequenz, Belegung und Conversion. Bestens geeignet für Filialisten im Einzelhandel, die sofort einsatzbereite Berichte wünschen. Kompromiss: Auf den Einzelhandel zugeschnittene Analysen lassen sich weniger gut auf Industrie- oder Campusumgebungen übertragen.
Density. Arbeitsplatzorientierte Belegungsmessung mit eigenen anonymen Tiefensensoren, positioniert für Entscheidungen zu Immobilien und Flächennutzung. Bestens geeignet für Firmenportfolios, die Büroflächen optimieren. Kompromiss: Konzipiert für Arbeitsplatzfragen statt für die Conversion im Einzelhandel.
FootfallCam. Zählhardware plus Analytik mit breiter Einzelhandelsabdeckung und einer großen Auswahl an Sensoroptionen. Bestens geeignet für Einzelhändler, die Hardware und Berichte von einem Anbieter wünschen. Kompromiss: Die Modellauswahl erfordert Sorgfalt bei der Spezifikation.
RetailNext. In-Store-Analyseplattform, bei der Zählwerte in ein umfassenderes Produkt für Merchandising und Käuferverhalten einfließen. Bestens geeignet für Einzelhändler, deren Frage die Geschäftsleistung und nicht nur der Traffic ist. Kompromiss: Plattformumfang geht weit über das Zählen hinaus, entsprechend bepreist.
Sensormatic ShopperTrak. Lang etablierte Frequenzzählung und Benchmarking im Einzelhandel mit umfassenden Marktdaten im Hintergrund. Bestens geeignet für Einzelhändler, die Wert auf vergleichende Benchmarks legen. Kompromiss: Ausrichtung auf den Enterprise-Einzelhandel.
Axis. Zählanwendungen auf Axis-Kameras, nützlich, wenn bereits eine Axis-Infrastruktur vorhanden ist und zusätzliche Hardware unerwünscht ist. Bestens geeignet für Organisationen, die auf Axis standardisiert sind. Kompromiss: An dieses Kamera-Ökosystem gebunden.
Cisco Spaces. Belegungs- und Standortdaten aus der bestehenden Netzwerkinfrastruktur. Bestens geeignet für große Campus-Umgebungen, die eine Belegungserfassung ohne neue Sensoren wünschen. Kompromiss: Gerätebasierte Erfassung mit den damit verbundenen Präzisionsgrenzen.
Entwicklung einer kamerasierten Zählung#
Das Zählen ist eine der zugänglicheren Vision-Entwicklungen, weshalb es ein typisches erstes Projekt ist. Es lohnt sich, wenn das Zählen Teil eines größeren Systems ist (eine Maschine, ein Roboter, eine Standortplattform, ein Produkt, das du auslieferst), wenn der Zählwert mit Erkennungen kombiniert werden muss, die kein Produkt bietet, oder wenn Aufnahmen das Gelände nicht verlassen dürfen.
Die Pipeline ist etabliert.
Personen pro Frame erkennen. Ultralytics YOLO-Modelle (YOLOv8, YOLO11 und YOLO26) übernehmen die Personenerkennung, und dasselbe Modell kann im selben Durchgang weitere für dich relevante Klassen erkennen: Fahrzeuge, Einkaufswagen, Gabelstapler.
Über Frames hinweg tracken. Das Zählen erfordert das Wissen, dass die Person in Frame 200 dieselbe Person aus Frame 199 ist. Ultralytics-Modelle unterstützen Tracking, wodurch persistente, identitätsfreie IDs über eine Sequenz hinweg zugewiesen werden. Die Qualität des Trackings bei Verdeckungen bestimmt die Qualität des Zählwerts dabei weitaus stärker als die Erkennungsgenauigkeit.
Die Zählgeometrie definieren. Eine Linie für die richtungsabhängige Ein- und Ausgangszählung oder ein Polygon für die Belegung in einer Region. Die Richtung ergibt sich daraus, von welcher Seite der Linie ein Track sie überquert. Wenn mehrere Kameras benachbarte Bereiche abdecken, definiere Zonen als exklusiv, damit eine Person niemals doppelt gezählt wird.
Persistenz und Entprellung hinzufügen. Erforder, dass ein Track für N Frames etabliert ist, bevor er gezählt wird, und verhindere, dass eine einzelne Person im Eingangsbereich wiederholte Durchgänge erzeugt. Diese Ebene – nicht das Modell – ist der Ort, an dem die meisten Genauigkeitsverbesserungen erzielt werden.
Das Bereitstellungsziel frühzeitig wählen. Kontinuierliche Inferenz über mehrere Streams ist eine echte Kapazitätsfrage. Die meiste Zählung erfordert nicht jedes Frame: Lege die Bildrate danach fest, wie schnell jemand die Linie überqueren kann, nicht danach, was die Kamera liefern kann. Ultralytics-Modelle exportieren in Formate wie ONNX und TensorRT für Edge-Hardware direkt an der Kamera, wodurch Videos zudem lokal bleiben.
Auf eigenen Aufnahmen trainieren. Ein allgemeines Modell kommt mit Personen gut klar; dein spezifischer Eingang bei Sonnenaufgang, mit Glastüren und spiegelndem Boden, entscheidet über die Produktionsgenauigkeit. Die Ultralytics-Plattform kann diese Aufnahmen mit SAM-basierter intelligenter Annotation annotieren und im selben Workflow darauf trainieren.
Gegen manuelle Zählungen validieren zu Stoßzeiten und bei schlechtesten Lichtverhältnissen, und nach jeder Kamerabewegung erneut validieren.
Wenn die Zählung in ein kommerzielles Produkt oder ein proprietäres System einfließt, beachte, dass Ultralytics YOLO-Modelle unter AGPL-3.0 angeboten werden und solche Bereitstellungen im Allgemeinen eine Ultralytics Enterprise-Lizenz erfordern, die auch private Bereitstellungen abdeckt. Kläre dies, bevor aus einem Pilotprojekt ein ausgeliefertes Feature wird.
Datenschutz: Zählen sollte niemanden identifizieren#
Die Zählung ist eine der wenigen Kameraanwendungen, die von Haus aus echte Privatsphäre gewährleisten kann, und dadurch werden die meisten Einwände ausgeräumt, bevor sie überhaupt laut werden.
Keine der hier beschriebenen Methoden muss Einzelpersonen identifizieren. Eintritte, Belegung, Verweildauer und Warteschlangenlänge basieren alle auf anonymen Erkennungen und identitätsfreien Tracks, die nur so lange existieren, wie sich eine Person im Bild befindet. Ultralytics bietet seine Modelle nicht für Gesichtserkennung an, und die Integration einer Identifikation in ein Zählsystem erhöht das rechtliche Risiko erheblich, ohne dass sich dadurch auch nur eine dieser Messungen verbessert.
Designentscheidungen, die diesen Zustand bewahren: Lokal verarbeiten und nur Zählwerte behalten. Wenn die Ausgabe eine Zahl pro Intervall ist, behalte die Zahl und verwerfe die Frames. - Track-IDs nicht über das Sichtfeld hinaus speichern. Ein Track, der am Bildrand endet, sollte auch enden. Die Wiedererkennung derselben Person über Kameras oder Besuche hinweg ist ein grundlegend anderes System mit grundlegend anderen Verpflichtungen. - Über Intervalle aggregieren, anstatt einzelne Ereignisse zu protokollieren, sofern der Anwendungsfall dies erlaubt. - Hinweise anbringen, und wenn es sich um einen Arbeitsplatz handelt, ziehe Arbeitnehmervertretungen hinzu: eine Pflicht in weiten Teilen der EU und überall eine gute Praxis. - Von Natur aus anonyme Sensorik bevorzugen, wenn nur ein Zählwert benötigt wird. Wenn ToF oder Wärmebild die Frage beantwortet, ist das die einfachere Diskussion. - Den Zweck pro Kamera dokumentieren, was eine Datenschutz-Folgenabschätzung unkompliziert macht.
- Notiz: "Keine Kameras" bedeutet nicht automatisch "datenschutzfreundlicher". WLAN- und BLE-Zählung arbeitet mit Geräte-IDs, die unter der DSGVO in vielen Situationen personenbezogene Daten sind, während ein Wärmebildsensor, der nur einen Zählwert ausgibt, überhaupt keine personenbezogenen Daten verarbeitet. Beurteile die Methode danach, was sie speichert, und nicht danach, ob eine Linse im Spiel ist.
Notiz: "Keine Kameras" bedeutet nicht automatisch "datenschutzfreundlicher". WLAN- und BLE-Zählung arbeitet mit Geräte-IDs, die unter der DSGVO in vielen Situationen personenbezogene Daten sind, während ein Wärmebildsensor, der nur einen Zählwert ausgibt, überhaupt keine personenbezogenen Daten verarbeitet. Beurteile die Methode danach, was sie speichert, und nicht danach, ob eine Linse im Spiel ist.
Häufig gestellte Fragen
Für Einzelhandelsfrequenz- und Konversionsanalysen: V-Count, RetailNext, ShopperTrak und FootfallCam. Für hochpräzise Eingangs- und Warteschlangenzählung: Xovis. Für Arbeitsplatzbelegung und Raumnutzung: Density oder Cisco Spaces, sofern netzbasierte Erfassung ausreicht. Wenn die Zählung Teil eines von dir entwickelten Systems ist, ist kamerabasierte Bildverarbeitung mit Ultralytics YOLO Modellen der übliche Weg.
Die Overhead-Erfassung – also Time-of-Flight- oder Stereovision – ist für die Eingangszählung im Allgemeinen am genauesten, da eine Ansicht von oben die Verdeckung zwischen Personen weitgehend eliminiert. Kamerabasierte Ansätze erreichen diese Genauigkeit, wenn sie oben montiert sind, und nehmen bei schrägen Winkeln merklich ab. WLAN und BLE sind am un präzisesten, da sie Geräte statt Personen zählen.
Sie hängt fast ausschließlich von Kamerawinkel, Beleuchtung und Personendichte ab und weniger vom Modell. Eine Deckenkamera bei gleichmäßiger Beleuchtung verhält sich völlig anders als eine umfunktionierte Überwachungskamera in einem flachen Winkel über einem von hinten beleuchteten Glaseingang. Validiere lieber anhand einer manuellen Zählung in deiner geschäftigsten Stunde, als dich auf veröffentlichte Zahlen zu verlassen.
Oft ja, mit einer Einschränkung: Kameras für die Sicherheit sind so gewinkelt, dass sie Gesichter und weite Bereiche erfassen, was fast die ungünstigste Geometrie zum Zählen ist. Erwarte ausreichende Ergebnisse für Zonenauslastungstrends und weniger zuverlässige Ergebnisse für präzise Eingangszählungen. Das Hinzufügen einer Deckenkamera am Eingang ist der Optimierung eines Modells für einen schlechten Winkel meist überlegen.
Nein. Jede Messung hier (Eingänge, Belegung, Verweildauer, Warteschlangenlänge) arbeitet mit anonymen Personenerkennungen und identitätsfreien Tracks, die nur existieren, solange sich jemand im Bild befindet. Das Hinzufügen von Identifikation erhöht das rechtliche Risiko, ohne die Zählung zu verbessern.
Entweder du zählst Eintritte und Ausritte direktional und führst eine laufende Summe, oder du erfassst den gesamten Bereich direkt. Ersteres ist günstiger und akkumuliert über den Tag hinweg Fehler, weshalb es bei einem nachgewiesen leeren Zustand regelmäßig zurückgesetzt werden muss. Letzteres ist robuster, erfordert jedoch die Abdeckung des gesamten Raums.
Meistens liegt es eher an der Definition als an der Erfassung: Personal, Lieferungen, Reinigungskräfte und Personen, die ohne anzuhalten durchgehen. Einigt euch darauf, was als Besucher zählt, bevor ihr Zahlen vergleicht. Danach sind die üblichen technischen Ursachen nebeneinander hergehende Gruppen, Verdeckungen und sich überschneidende Kamerazonen, die doppelt zählen.
Kaufen, wenn die Anforderungen Berichte über Besucherfrequenz oder Belegung sind. Die Produkte sind ausgereift und die Gesamtkosten für die Entwicklung einer Berichtsebene werden routinemäßig unterschätzt. Selbst bauen, wenn die Zählung eine Komponente eines größeren Systems ist, wenn sie mit Erkennungen kombiniert werden muss, die kein Produkt bietet, oder wenn Videos das Gelände nicht verlassen dürfen.
