Como funcionam de fato a contagem de pessoas e as análises de ocupação
Como funcionam a contagem de pessoas e as análises de ocupação: comparação entre métodos baseados em WiFi, ToF, térmicos e em câmeras, os produtos disponíveis e como criar uma solução.
A maioria dos projetos de contagem de pessoas dá errado antes mesmo da escolha de qualquer sensor, porque "quantas pessoas" pode significar quatro medidas diferentes e as equipes especificam a medida errada. Entradas ao longo de um dia, pessoas presentes neste momento, quanto tempo cada pessoa ficou e quantas pessoas estão esperando em uma fila exigem detecção, posicionamento e precisão diferentes. Um sistema que conta entradas com precisão pode informar mal a ocupação, e um sistema ajustado para ocupação pode deixar de contar por completo entradas de curta duração.
Este guia diferencia essas medidas, compara com imparcialidade os métodos de detecção (Wi-Fi e BLE, feixes infravermelhos, tempo de voo, térmico, estéreo e visão computacional baseada em câmeras) e aborda tanto os produtos que vale a pena comprar quanto a forma como as equipes criam seus próprios sistemas de contagem baseados em câmeras com modelos Ultralytics YOLO.
Quatro medidas, não uma#
| Medida | Pergunta respondida | O que é necessário | Falha comum |
|---|---|---|---|
| Entradas / fluxo de pessoas | Quantas pessoas entraram hoje? | Contagem direcional em cada entrada | Contar funcionários, entregas e reentradas como visitantes |
| Ocupação | Quantas pessoas estão dentro agora? | Contagem precisa de entradas e saídas ou detecção de toda a área | Pequenos erros direcionais se acumulam e causam grandes desvios ao longo do dia |
| Tempo de permanência | Quanto tempo as pessoas ficaram? | Rastreamento de trajetórias pela área sem identificar as pessoas | Perder rastros por oclusão e depois contar novamente quem retorna |
| Tamanho e tempo de espera da fila | Quantas pessoas estão esperando e por quanto tempo? | Contagem por região e medição de tempo | Definir onde a fila começa quando ela não forma uma linha organizada |
A ocupação é o que costuma surpreender as equipes. Calculá-la subtraindo as saídas das entradas significa que cada erro de contagem se acumula: um pequeno erro direcional, repetido a cada movimento pela porta, faz com que a contagem fique significativamente incorreta até o fim do expediente. Sistemas que precisam de ocupação confiável detectam diretamente toda a área ou zeram a contagem quando se sabe que o local está vazio, normalmente durante a noite.
Comparação entre métodos de detecção#
| Método | Como funciona | Pontos fortes | Limitações | Perfil de privacidade |
|---|---|---|---|---|
| Wi-Fi / BLE | Detecta sinais de dispositivos | Ampla cobertura, sem instalação no teto, baixo custo onde há pontos de acesso | Conta dispositivos, não pessoas; não detecta celulares desligados ou com identificadores aleatórios; baixa precisão | Sem imagens; identificadores de dispositivos ainda são dados pessoais em muitos regimes regulatórios |
| Feixe infravermelho | Feixe interrompido em uma entrada | Muito barato, simples e de baixo consumo de energia | Não detecta direção a menos que seja combinado com outro; grupos que caminham lado a lado são contados como uma pessoa | Mínimo |
| Tempo de voo (ToF) | Detecção de profundidade de uma zona a partir do teto | Contagem direcional precisa, resistente à iluminação, funciona no escuro | Cobertura fixa e estreita por unidade; entradas largas exigem mais unidades | Sem imagens reconhecíveis |
| Térmico | Detecta assinaturas de calor corporal | Funciona no escuro; é anônimo por natureza | O desempenho cai quando a temperatura ambiente se aproxima da temperatura corporal; resolução mais baixa | Forte — sem imagens que permitam identificação |
| Visão estéreo | Duas lentes calculam a profundidade | Boa precisão e filtragem por altura para excluir crianças ou carrinhos | Custo mais alto por unidade; exige instalação e calibração cuidadosas | Há imagens, mas elas geralmente são processadas localmente |
| Visão computacional baseada em câmeras | Modelos de detecção e rastreamento aplicados a vídeos | Contagem e contexto — filas, zonas, direção, permanência e classes de objetos — usando câmeras que talvez você já tenha | Sensível à iluminação, à oclusão e ao ângulo da câmera; requer capacidade computacional | Maior sensibilidade; exige planejamento cuidadoso |
A verdadeira compensação é entre contexto e simplicidade. Um sensor ToF instalado acima de uma porta executa muito bem uma única tarefa e não informa mais nada. A visão computacional baseada em câmeras fornece direção, zonas, permanência, filas e classes de objetos a partir do mesmo fluxo e, em contrapartida, exige lidar com problemas de iluminação, oclusão e capacidade computacional.
Para uma única entrada em que só importam as entradas de pessoas, o ToF instalado no teto costuma ser a melhor solução de engenharia e facilita a conversa sobre privacidade. Para análise de várias zonas, filas ou contagens que precisam ser combinadas com outras detecções, a visão computacional é o método que se adapta à necessidade.
O que realmente reduz a precisão da contagem#
Os índices de precisão dos fornecedores são divulgados em condições que raramente correspondem a uma implantação real. Estes são os fatores que afetam a precisão no mundo real:
- Grupos e pessoas caminhando lado a lado. Duas pessoas ombro a ombro passando por uma porta larga são o caso clássico de subcontagem. A largura da entrada em relação à cobertura do sensor importa mais do que a precisão nominal do sensor.
- Oclusão. Carrinhos, guarda-chuvas, bagagens, expositores altos e multidões densas ocultam pessoas de qualquer método que exija uma visão desobstruída.
- Ângulo da câmera. A visão de cima é muito mais precisa para contagem do que a oblíqua, porque, em ângulos oblíquos, as pessoas ficam umas atrás das outras. Uma câmera de segurança reaproveitada e posicionada em um ângulo baixo é o motivo mais comum para uma contagem por visão computacional decepcionar.
- Iluminação. Entradas em contraluz ao nascer e ao pôr do sol são o caso mais difícil para a visão computacional, assim como pisos reflexivos e portas de vidro.
- Permanência na entrada. Uma pessoa parada na porta conversando pode gerar travessias repetidas se não houver uma regra de permanência.
- Quem conta como visitante. Funcionários, faxineiros, entregadores e pessoas de passagem costumam ser a maior fonte individual de divergência entre um sistema e uma auditoria manual; isso é um problema de definição, não de detecção.
- Contagem duplicada em várias câmeras. Campos de visão sobrepostos contam a mesma pessoa duas vezes, a menos que as zonas sejam definidas sem sobreposição ou que os rastros sejam transferidos entre câmeras.
Seja qual for a solução implantada, valide-a por meio de uma contagem manual nas piores condições: horário de maior movimento, iluminação mais desfavorável e entrada mais larga. A precisão nessas condições é o número que importa.
Produtos que vale a pena considerar se você pretende comprar#
Se o objetivo é gerar relatórios de fluxo de pessoas, painéis de ocupação ou análises de conversão no varejo, estes são produtos consolidados e, em geral, comprá-los é a escolha certa. A Ultralytics não é uma alternativa a eles.
Xovis. Sensores de visão estéreo instalados no teto, com alta precisão para contagem em entradas, gerenciamento de filas e análise de zonas, amplamente implantados em aeroportos e grandes lojas. São mais adequados a ambientes onde a precisão da contagem é essencial para as operações. Desvantagem: há um sensor para cada área de cobertura, então entradas amplas ou numerosas aumentam o custo.
V-Count. Contagem de pessoas e análises voltadas diretamente ao varejo, com uma camada de plataforma que abrange relatórios de fluxo de pessoas, ocupação e conversão. É mais adequada a redes varejistas com várias unidades que querem relatórios prontos para uso. Desvantagem: as análises voltadas ao varejo se adaptam com menos naturalidade a ambientes industriais ou universitários.
Density. Medição de ocupação voltada ao ambiente de trabalho, usando sensores de profundidade anônimos próprios, direcionada a decisões imobiliárias e de utilização de espaços. É mais adequada a empresas que otimizam o espaço de escritórios em seus portfólios. Desvantagem: foi criada para questões do ambiente de trabalho, não para conversão no varejo.
FootfallCam. Equipamentos de contagem e análises com ampla cobertura do varejo e uma grande variedade de opções de sensores. É mais adequada a varejistas que querem equipamentos e relatórios de um único fornecedor. Desvantagem: a variedade de modelos exige atenção na especificação.
RetailNext. Plataforma de análise em loja na qual a contagem alimenta um produto mais abrangente de merchandising e comportamento de compradores. É mais adequada a varejistas cuja questão é o desempenho da loja, não apenas o fluxo de pessoas. Desvantagem: o escopo da plataforma vai muito além da contagem, e o preço acompanha essa abrangência.
Sensormatic ShopperTrak. Contagem de fluxo de clientes e benchmarking no varejo com longa trajetória e amplo volume de dados de mercado. É mais adequada a varejistas que valorizam comparações com referências de mercado. Desvantagem: foco no varejo corporativo.
Axis. Contagem de aplicações executadas em câmeras Axis, útil quando já existe uma infraestrutura Axis e não se deseja instalar hardware adicional. Ideal para organizações padronizadas com Axis. Desvantagem: fica vinculada a esse ecossistema de câmeras.
Cisco Spaces. Informações sobre ocupação e localização derivadas da infraestrutura de rede existente. Ideal para grandes campi que querem monitorar a ocupação sem instalar novos sensores. Desvantagem: a detecção é baseada em dispositivos, com os limites de precisão que isso implica.
Contagem baseada em câmeras em edifícios#
A contagem é uma das aplicações de visão computacional mais acessíveis para desenvolver, por isso costuma ser um primeiro projeto. Vale a pena desenvolvê-la quando a contagem é um componente de um sistema maior (uma máquina, um robô, uma plataforma local ou um produto que você entrega), quando a contagem precisa ser combinada com detecções que nenhum produto oferece ou quando as gravações não podem sair das instalações.
O pipeline já está bem estabelecido.
Detectar pessoas em cada quadro. Os modelos Ultralytics YOLO (YOLOv8, YOLO11 e YOLO26) fazem a detecção de pessoas, e o mesmo modelo pode detectar outras classes do seu interesse na mesma passagem: veículos, carrinhos e empilhadeiras.
Rastrear entre quadros. Para contar, é preciso saber que a pessoa no quadro 200 é a mesma do quadro 199. Os modelos Ultralytics são compatíveis com o rastreamento, que atribui IDs persistentes sem identidade a uma sequência, e a qualidade do rastreamento durante oclusões determina muito mais a qualidade da contagem do que a precisão da detecção.
Definir a geometria de contagem. Uma linha para contar entradas e saídas direcionais ou um polígono para a ocupação de uma região. A direção é determinada pelo lado da linha de onde uma trajetória vem ao atravessá-la. Quando várias câmeras cobrem áreas adjacentes, defina zonas mutuamente exclusivas para que ninguém seja contado duas vezes.
Adicionar persistência e antirrepique. Exija que uma trajetória seja estabelecida por N quadros antes de contar e impeça que uma única pessoa parada junto ao limite gere cruzamentos repetidos. É essa camada, não o modelo, que proporciona a maior parte das melhorias de precisão.
Escolher o destino da implantação desde o início. A inferência contínua em vários fluxos é uma questão real de capacidade. Na maioria dos casos, a contagem não precisa usar todos os quadros: defina a taxa de quadros com base na rapidez com que alguém pode cruzar a linha, não no que a câmera consegue fornecer. Os modelos Ultralytics podem ser exportados para formatos como ONNX e TensorRT para hardware de borda junto à câmera, mantendo também o vídeo no local.
Treinar com as suas próprias gravações. Um modelo geral lida bem com pessoas; o que determina a precisão em produção é a sua entrada específica ao nascer do sol, com portas de vidro e piso reflexivo. A Ultralytics Platform pode anotar essas gravações com a Anotação Inteligente baseada em SAM e treiná-las no mesmo fluxo de trabalho.
Validar em relação às contagens manuais no horário de maior movimento e nas piores condições de iluminação, e validar novamente após qualquer movimentação da câmera.
Se a contagem fizer parte de um produto comercial ou sistema proprietário, observe que os modelos Ultralytics YOLO são oferecidos sob AGPL-3.0 e que essas implantações geralmente exigem uma licença Ultralytics Enterprise, que também cobre implantações privadas. Resolva isso antes que um projeto-piloto se torne um recurso de um produto entregue.
Privacidade: a contagem não deve identificar ninguém#
A contagem é uma das poucas aplicações de câmeras que podem ser realmente projetadas para preservar a privacidade, e fazer isso elimina a maioria das objeções antes mesmo que sejam levantadas.
Nenhum método descrito aqui precisa identificar pessoas. Entradas, ocupação, tempo de permanência e comprimento de filas funcionam com detecções anônimas e trajetórias sem identidade, que existem apenas enquanto a pessoa está no quadro. A Ultralytics não oferece seus modelos para reconhecimento facial, e incluir identificação em um sistema de contagem aumenta significativamente a exposição jurídica sem melhorar nenhuma dessas medições.
Decisões de projeto que ajudam a manter essa característica:
- Processar localmente e guardar apenas as contagens. Se a saída for um número por intervalo, mantenha o número e descarte os quadros. - Não persistir IDs de trajetória além do campo de visão. Uma trajetória que termina na borda do quadro deve terminar ali. Reidentificar a mesma pessoa entre câmeras ou visitas é um sistema materialmente diferente, com obrigações também materialmente diferentes. - Agregar por intervalos em vez de registrar eventos individuais, quando o caso de uso permitir. - Afixar avisos e, quando se tratar de um local de trabalho, consultar os representantes dos trabalhadores: uma exigência em boa parte da UE e uma boa prática em qualquer lugar. - Preferir sensores inerentemente anônimos quando só for necessária uma contagem. Se ToF ou térmico responder à pergunta, será mais fácil abordar o assunto. - Documentar a finalidade de cada câmera, o que facilita uma avaliação de proteção de dados.
Observe que "sem câmeras" não significa automaticamente "mais privacidade". A contagem por WiFi e BLE usa identificadores de dispositivos, que são dados pessoais segundo o GDPR em muitas circunstâncias, enquanto um sensor térmico que produz apenas uma contagem não processa dados pessoais. Avalie o método pelo que ele retém, não pelo uso ou não de uma lente.
Perguntas frequentes
Para análise de fluxo de clientes e conversão no varejo: V-Count, RetailNext, ShopperTrak e FootfallCam. Para contagem de entradas e filas com alta precisão: Xovis. Para ocupação e utilização de espaços no local de trabalho: Density ou Cisco Spaces, quando a detecção baseada em rede for suficiente. Para usar a contagem como componente de um sistema que você está desenvolvendo, a opção usual é a visão computacional baseada em câmeras com modelos Ultralytics YOLO.
A detecção aérea, por tempo de voo ou visão estéreo, geralmente é a mais precisa para contar entradas, pois uma visão de cima praticamente elimina as oclusões entre pessoas. A visão computacional baseada em câmeras chega a essa precisão quando instalada acima da área e perde bastante precisão em ângulos oblíquos. WiFi e BLE são os menos precisos, pois contam dispositivos, não pessoas.
A precisão depende quase totalmente do ângulo da câmera, da iluminação e da densidade da multidão, e não do modelo. Uma câmera instalada acima da área, com iluminação uniforme, tem um desempenho muito diferente de uma câmera de segurança reaproveitada, posicionada em um ângulo baixo sobre uma entrada de vidro contra a luz. Valide com uma contagem manual no horário de maior movimento, em vez de confiar em qualquer número publicado.
Muitas vezes, sim, com uma ressalva: as câmeras posicionadas para segurança são anguladas para captar rostos e áreas amplas, o que é quase a pior geometria para contagem. Espere resultados adequados para tendências de ocupação por zona e resultados menos confiáveis para contagens precisas de entradas. Normalmente, instalar uma câmera acima da entrada supera ajustar um modelo para compensar um ângulo ruim.
Não. Todas as medições aqui (entradas, ocupação, tempo de permanência e comprimento da fila) funcionam com detecções anônimas de pessoas e trajetórias sem identidade que só existem enquanto alguém está no quadro. Adicionar identificação aumenta a exposição jurídica sem melhorar a contagem.
Conte as entradas e saídas direcionais e mantenha um total acumulado, ou detecte diretamente toda a área. A primeira opção é mais barata e acumula erros ao longo do dia, por isso precisa ser zerada periodicamente quando se sabe que o local está vazio. A segunda é mais robusta, mas exige cobertura de todo o espaço.
Na maioria das vezes, a causa é a definição, não a detecção: funcionários, entregas, profissionais da limpeza e pessoas que passam sem parar. Antes de comparar os números, definam o que conta como visitante. Depois disso, as causas técnicas mais comuns são grupos caminhando lado a lado, oclusões e zonas de câmeras sobrepostas que contam as pessoas duas vezes.
Compre se o requisito for gerar relatórios de fluxo de pessoas ou ocupação. Os produtos são maduros, e o custo total de desenvolver uma camada de relatórios costuma ser subestimado. Desenvolva quando a contagem for um componente de um sistema maior, precisar ser combinada com detecções que nenhum produto oferece ou quando o vídeo não puder sair do local.
