Kişi Sayımı ve Doluluk Analitiği Gerçekte Nasıl Çalışır?

İnsan sayma projelerinin çoğu, herhangi bir sensör seçilmeden önce yanlış yola girer; çünkü "kaç kişi" sorusu dört farklı ölçümü ifade eder ve ekipler yanlış olanı tanımlar. Bir gün boyunca giriş yapan kişi sayısı, o anda içeride bulunan kişi sayısı, her kişinin ne kadar kaldığı ve kuyrukta kaç kişinin beklediği; farklı algılama yöntemleri, farklı yerleşimler ve farklı doğruluk düzeyleri gerektirir. Girişleri doğru sayan bir sistem doluluk oranını hatalı bildirebilir; doluluk için ayarlanmış bir sistem de kısa süreli girişleri tamamen kaçırabilir.

Bu kılavuz söz konusu ölçümleri birbirinden ayırır, algılama yöntemlerini (WiFi ve BLE, kızılötesi ışınlar, uçuş süresi, termal, stereo ve kamera tabanlı görüntü işleme) tarafsız biçimde karşılaştırır ve hem satın almaya değer ürünleri hem de ekiplerin Ultralytics YOLO modelleriyle kendi kamera tabanlı sayma sistemlerini nasıl oluşturduğunu ele alır.

Tek bir ölçüm değil, dört ölçüm#

Ekipleri şaşırtan ölçüm doluluktur. Doluluğu girişlerden çıkışları çıkararak hesaplamak, her sayım hatasının birikmesi demektir: kapıdan geçen her harekette tekrarlanan küçük bir yön hatası, kapanış saatinde sayımın ciddi ölçüde yanlış olmasına yol açar. Güvenilir doluluk bilgisine ihtiyaç duyan sistemler ya tüm alanı doğrudan algılar ya da genellikle gece boyunca alanın boş olduğu bilinen bir durumda sayımı sıfırlar.

Algılama yöntemlerinin karşılaştırması#

Asıl ödünleşim, bağlam ile basitlik arasındadır. Bir kapının üzerindeki ToF sensörü tek bir işi son derece iyi yapar ve bunun dışında hiçbir bilgi vermez. Kamera tabanlı görüntü işleme aynı akıştan yön, bölgeler, kalma süresi, kuyruklar ve nesne sınıfları hakkında bilgi sunar; bunun karşılığında aydınlatma, engellenme ve işlem gücü sorunlarıyla uğraşmayı gerektirir.

Yalnızca girişlerin önemli olduğu tek bir giriş için tavana monte ToF genellikle daha iyi bir mühendislik çözümü ve gizliliği açıklaması daha kolay bir seçenektir. Çok bölgeli analiz, kuyruklar veya diğer algılamalarla birleştirilmesi gereken sayım için gereksinimi ölçeklenebilir biçimde karşılayan yöntem görüntü işlemedir.

Sayımı gerçekte neler bozar?#

Tedarikçilerin açıkladığı doğruluk oranları, gerçek dağıtımlara nadiren benzeyen koşullarda ölçülür. Gerçek dünya doğruluğunu etkileyen faktörler:

• Gruplar ve yan yana yürüme. Geniş bir kapıdan omuz omuza geçen iki kişi, eksik sayımın klasik nedenidir. Kapı genişliğinin sensör kapsama alanına oranı, sensörün nominal doğruluğundan daha önemlidir.
• Engellenme. Pusetler, şemsiyeler, bagajlar, uzun vitrinler ve yoğun kalabalık alanlar, net görüş gerektiren tüm yöntemlerde insanları gizler.
• Kamera açısı. Sayım için yukarıdan çekim, eğik açıya göre çok daha doğrudur; çünkü eğik görüntülerde insanlar birbirinin arkasında kalır. Sığ açıyla yerleştirilmiş, başka amaçla kullanılan bir güvenlik kamerası, görüntü işleme tabanlı sayımın beklentileri karşılamamasının en yaygın nedenidir.
• Aydınlatma. Görüntü işleme açısından en zor durumlar, gün doğumu ve gün batımında arkadan aydınlanan girişler ile yansıtıcı zeminler ve cam kapılardır.
• Giriş eşiğinde oyalanma. Kapı eşiğinde durup konuşan biri, kalıcılık kuralı yoksa tekrarlanan geçişler oluşturabilir.
• Kimin ziyaretçi sayılacağı. Çalışanlar, temizlik görevlileri, teslimatlar ve geçip gidenler genellikle bir sistemle elle yapılan denetim arasındaki anlaşmazlığın en büyük tek nedenidir; bu bir algılama değil, tanım sorunudur.
• Birden fazla kamerada çift sayım. Görüş alanları, bölgeler birbirini dışlayacak biçimde tanımlanmadığı veya izler kameralar arasında devredilmediği sürece aynı kişiyi iki kez sayar.

Hangi sistemi kurarsan kur, en zor koşullarında elle sayım yaparak doğrula: en yoğun saat, en kötü aydınlatma, en geniş giriş. Önemli olan bu koşullardaki doğruluktur.

Satın almayı düşünüyorsan kısa listeye eklemeye değer ürünler#

Amaç ziyaretçi sayısı raporlaması, doluluk panoları veya perakende dönüşüm analiziyse bunlar olgun ürünlerdir ve genellikle doğru tercih satın almaktır. Ultralytics bunlara alternatif değildir.

Xovis. Giriş sayımı, kuyruk yönetimi ve bölge analizlerinde yüksek doğruluk sunan, havalimanlarında ve büyük perakende alanlarında yaygın olarak kullanılan, tavana monte stereo görüntüleme sensörleri. Sayım doğruluğunun operasyonlar açısından kritik olduğu ortamlar için en uygunudur. Ödünleşim: kapsama alanı başına sensör donanımı gerekir; bu nedenle geniş veya çok sayıda giriş maliyeti artırır.

V-Count. Ziyaretçi sayısı, doluluk ve dönüşüm raporlamasını kapsayan platform katmanıyla, doğrudan perakendeye yönelik kişi sayımı ve analizleri sunar. Kullanıma hazır raporlama isteyen çok şubeli perakende zincirleri için en uygunudur. Ödünleşim: perakendeye göre tasarlanan analizler, endüstriyel veya kampüs ortamlarına daha zor uyarlanır.

Density. Gayrimenkul ve alan kullanımına ilişkin kararları desteklemek üzere kendi anonim derinlik sensörlerini kullanan, iş yeri odaklı doluluk ölçümü. Ofis alanını optimize eden kurumsal portföyler için en uygunudur. Ödünleşim: perakende dönüşümü yerine iş yeriyle ilgili sorular için tasarlanmıştır.

FootfallCam. Geniş perakende kapsama alanı ve çok sayıda sensör seçeneğiyle sayım donanımı ve analizleri sunar. Donanım ve raporlamayı tek bir tedarikçiden almak isteyen perakendeciler için en uygunudur. Ödünleşim: model çeşitliliği, seçim sırasında dikkatli olmayı gerektirir.

RetailNext. Sayımı daha geniş kapsamlı bir mağazacılık ve müşteri davranışı ürününe bağlayan mağaza içi analiz platformu. Sorusu yalnızca trafik değil, mağaza performansı olan perakendeciler için en uygunudur. Ödünleşim: platformun kapsamı sayımın çok ötesindedir ve fiyatı da buna göre belirlenir.

Sensormatic ShopperTrak. Arkasında kapsamlı pazar verileri bulunan, köklü perakende trafik sayımı ve kıyaslama çözümü. Karşılaştırmalı ölçütlere değer veren perakendeciler için en uygunudur. Ödünleşim: kurumsal perakende odaklıdır.

Axis. Axis kameralarında çalışan sayım uygulamaları; Axis altyapısının zaten bulunduğu ve ek donanımın istenmediği durumlarda kullanışlıdır. Axis standardını benimsemiş kuruluşlar için en uygun seçenektir. Dezavantajı: bu kamera ekosistemine bağlı olmasıdır.

Cisco Spaces. Mevcut ağ altyapısından elde edilen doluluk ve konum bilgileri. Yeni sensörler kurmadan doluluk bilgisi isteyen büyük kampüsler için en uygun seçenektir. Dezavantajı: cihaz tabanlı algılama kullanması ve bunun getirdiği hassasiyet sınırlamalarıdır.

Kamerayla bina içi sayım#

Sayım, bilgisayarlı görü uygulamaları arasında daha kolay başlanabilenlerden biridir; bu nedenle sık tercih edilen ilk projelerdendir. Sayımın daha büyük bir sistemin (makine, robot, tesis platformu veya piyasaya sunduğun bir ürün) bileşeni olduğu, sayımın hiçbir ürünün sunmadığı algılamalarla birleştirilmesi gerektiği ya da görüntülerin tesis dışına çıkamadığı durumlarda kendi çözümünü geliştirmeye değer.

İşlem hattı iyi oturmuştur.

Her karedeki kişileri algıla. Ultralytics YOLO modelleri (YOLOv8, YOLO11 ve YOLO26) kişi algılamayı gerçekleştirir; aynı model, tek geçişte önem verdiğin diğer sınıfları da algılayabilir: araçlar, market arabaları, forkliftler.

Kareler boyunca takip et. Sayım için 200. karedeki kişinin 199. karedeki kişiyle aynı olduğunu bilmek gerekir. Ultralytics modelleri, bir dizi boyunca kalıcı ve kimlik bilgisi içermeyen kimlikler atayan takibi destekler; örtülme sırasında takibin kalitesi, sayım kalitesini algılama doğruluğundan çok daha fazla etkiler.

Sayım geometrisini tanımla. Giriş ve çıkışları yönlerine göre saymak için bir çizgi ya da bir bölgedeki doluluk için bir çokgen kullan. Yön, bir izleme kaydının çizginin hangi tarafından geçtiğine göre belirlenir. Birden fazla kamera bitişik alanları kapsıyorsa, bir kişinin iki kez sayılmaması için bölgeleri birbiriyle çakışmayacak şekilde tanımla.

Kalıcı hâle getir ve tekrarlı tetiklemeleri önle. Sayımdan önce bir izlemenin N kare boyunca oluşmasını şart koş ve eşikte bekleyen tek bir kişinin tekrar tekrar geçiş olarak sayılmasını önle. Doğrulukta en büyük artışın sağlandığı katman model değil, bu katmandır.

Dağıtım hedefini erkenden seç. Birden fazla akışta sürekli çıkarım yapmak, kapasite açısından gerçek bir değerlendirme gerektirir. Çoğu sayım uygulaması her kareye ihtiyaç duymaz: kare hızını kameranın sağlayabileceği hıza göre değil, bir kişinin çizgiyi ne kadar hızlı geçebileceğine göre belirle. Ultralytics modelleri, kameranın yanındaki uç donanımda kullanılmak üzere ONNX ve TensorRT gibi biçimlere aktarılabilir; böylece video yerel ortamda da kalır.

Kendi görüntülerinle eğit. Genel amaçlı bir model insanları iyi algılar; ancak üretim doğruluğunu belirleyen, güneş doğarken cam kapıları ve yansıtıcı zeminiyle senin özel girişindir. Ultralytics Platform, bu görüntüleri SAM tabanlı Smart Annotation ile etiketleyebilir ve aynı iş akışında bunlarla eğitim yapabilir.

En yoğun saatte ve en kötü ışık koşullarında manuel sayımlarla doğrula; kamera her taşındığında doğrulamayı tekrarla.

Sayım ticari bir üründe veya tescilli bir sistemde kullanılacaksa, Ultralytics YOLO modellerinin AGPL-3.0 kapsamında sunulduğunu ve bu tür dağıtımların genellikle özel dağıtımı da kapsayan bir Ultralytics Enterprise lisansı gerektirdiğini unutma. Pilot uygulama piyasaya sunulan bir özelliğe dönüşmeden önce bu konuyu netleştir.

Gizlilik: sayım hiç kimseyi tanımlamamalı#

Sayım, tasarım gereği gerçek anlamda gizliliği koruyacak şekilde uygulanabilen az sayıdaki kamera uygulamasından biridir; bunu yapmak, itirazların çoğu gündeme gelmeden ortadan kalkmasını sağlar.

Burada açıklanan yöntemlerin hiçbiri kişileri tanımlamayı gerektirmez. Girişler, doluluk, kalış süresi ve kuyruk uzunluğu; tümü anonim algılamalar ve yalnızca kişi karedeyken var olan, kimlik bilgisi içermeyen izleme kayıtları üzerinden çalışır. Ultralytics modellerini yüz tanıma amacıyla sunmaz; sayım sistemine kimlik belirleme eklemek, bu ölçümlerin hiçbirini iyileştirmeden önemli bir hukuki risk yaratır.

Bu yaklaşımı koruyacak tasarım tercihleri:

• Yerel olarak işle ve yalnızca sayımları sakla. Çıktı aralık başına bir sayıysa bu sayıyı sakla, kareleri sil. - İzleme kimliklerini görüş alanı dışına çıktıktan sonra saklama. Kare kenarında sona eren bir izleme orada sona ermelidir. Aynı kişiyi kameralar arasında veya farklı ziyaretlerinde yeniden tanımak, yükümlülükleri de önemli ölçüde farklı olan, bambaşka bir sistemdir. - Kullanım senaryosu elverdiğinde tek tek olayları kaydetmek yerine belirli aralıklarda toplulaştırma yap. - Bilgilendirme duyurusu as ve ortam iş yeriyse çalışan temsilcilerine danış: bu, AB'nin büyük bölümünde bir gereklilik ve her yerde iyi bir uygulamadır. - Yalnızca sayım gerekiyorsa doğası gereği anonim olan algılamaları tercih et. ToF veya termal algılama soruyu yanıtlıyorsa, bunu savunmak daha kolaydır. - Her kameranın amacını belgele; böylece veri koruma değerlendirmesi kolaylaşır.

"Kamera yok" ifadesinin otomatik olarak "daha gizli" anlamına gelmediğini unutma. WiFi ve BLE sayımı cihaz tanımlayıcılarını kullanır; bunlar birçok durumda GDPR kapsamında kişisel veridir. Yalnızca sayım üreten bir termal sensör ise hiçbir kişisel veriyi işlemez. Yöntemi, mercek içerip içermemesine göre değil, neyi sakladığına göre değerlendir.