Ultralytics YOLO11 kullanarak bölge tabanlı nesne sayımı

Nesne sayımı basit görünebilir; ancak yollar, mağazalar veya depolar gibi yoğun yerlerde hızla gerçek bir zorluğa dönüşebilir. Nesne sayımı yıllarca çoğunlukla elle yapıldı. Araçları saymak, mağazalara giren çıkan kişi sayısını takip etmek veya güvenlik amacıyla hareketleri izlemek için saatler harcandı. Ancak bu yaklaşım zaman alıcıdır, hataya açıktır ve kolayca ölçeklendirilemez.

İşte burada yapay zekâ (AI), özellikle bilgisayarlı görü, devreye girer. Bilgisayarlı görü, görsel verileri insanlar gibi işlemeye odaklanan bir AI alt alanıdır. Temel uygulamalarından biri, belirli bir alandaki nesneleri otomatik olarak algılayıp takip etmeye yardımcı olan nesne sayımıdır.

Nesne sayımı genellikle yalnızca toplam nesne sayısını verir; nesnelerin nerede olduğunu göstermez. Bölge tabanlı sayım veya sayım bölgeleri kullanımı, görüntünün belirli alanlarına odaklanarak bu sorunu çözer. Daha ayrıntılı öngörüler sağlar ve hareketi daha anlamlı biçimde takip etmeye yardımcı olur.

Ultralytics YOLO11, bölge tabanlı nesne sayımında kullanılabilen nesne algılama ve takip gibi çeşitli bilgisayarlı görü görevlerini destekleyen bir bilgisayarlı görü modelidir. Bu yazıda Ultralytics YOLO11'in bir bölgedeki nesneleri saymak için nasıl kullanılabileceğini, gerçek dünyadaki uygulamalarını ve başlıca avantajlarını inceleyeceğiz. Hadi başlayalım!

Bölgelerde nesne sayımına genel bakış#

Bir görüntüdeki nesneleri algılayıp saymak, özellikle insanların tek bir karede birden fazla bölgede kalabalık oluşturabildiği havalimanları veya alışveriş merkezleri gibi yerlerde bize sınırlı bilgi verir. Nesnelerin tam olarak nerede olduğu ve belirli bölgelerden kaçının geçtiği gibi öngörüler daha önemlidir.

Ultralytics YOLO11 gibi bilgisayarlı görü modelleri, bu tür bilgisayarlı görü uygulamalarında kolayca kullanılabilir. YOLO11, biniş kapıları veya bekleme salonları gibi önemli konumlara bölgeler atayarak yalnızca o alandaki nesneleri sayabilir. Farklı bölgelerdeki nesnelerin sayısını gerçek zamanlı olarak belirlemek için hareketli bölgeler de kullanılabilir.

Şekil 1. Spor müsabakalarında bölge tabanlı oyuncu sayımı için YOLO kullanımına bir örnek.

Ultralytics YOLO11 bu süreci basit ve verimli hâle getirebilir. Nesneleri algılamaya, hareketlerini takip etmeye ve girip çıktıkları bölgelere göre saymaya yardımcı olabilir. YOLO11'i özellikle etkili kılan özellik, doğruluktan ödün vermeden gerçek zamanlı sonuçlar sunabilmesidir. Ayrıca tanımlanan her bölgede çoklu nesne takibini destekleyerek sistemlerin farklı nesneleri aynı anda saymasına ve kategorilere ayırmasına yardımcı olur.

Bölgelerde nesne sayımı için Ultralytics YOLO11 kullanımı#

Ultralytics, YOLO modellerinin en yeni kullanım alanlarını sergileyen kullanımı kolay çözümler sunar. Bunlar arasında nesne sayımı, hareketli bölgelerde nesne sayımı, bulanıklaştırma ve hız tahmini gibi gerçek dünya çözümleri bulunur.

Bölge tabanlı nesne sayımı için Ultralytics çözümünü kurmak ve çalıştırmak oldukça kolaydır. Böylece kullanıcılar karmaşık yapılandırmalarla uğraşmak yerine elde edilen içgörülere odaklanabilir.

Arka planda bölge tabanlı nesne sayımı çözümü, videonun her karesindeki nesneleri algılamak için Ultralytics YOLO11 kullanır. Ardından bu algılamalar, kareler boyunca her nesneye tutarlı kimlikler atamak üzere bir izleme algoritmasından (BoT-SORT veya ByteTrack gibi) geçirilir.

Nesneler algılanıp izlendikten sonra sistem, önceden tanımlanmış bölgelerden (çokgenler, dikdörtgenler veya çizgiler) herhangi biriyle kesişip kesişmediklerini kontrol eder. Kesişiyorlarsa bu bölgelerden girişlerine veya geçişlerine göre sayılırlar.

Bölge tabanlı nesne sayımı için Ultralytics çözümünün diğer önemli özelliklerinden bazıları şunlardır:

• Hızlı işleme: Çözüm, Ultralytics YOLO11 ile gerçek zamanlı nesne sayımı yaparak video akışlarının hızlı ve verimli şekilde analiz edilmesini sağlar.

• Özelleştirilebilir bölgeler: Kullanıcılar, sayımın yapılacağı yeri hassas biçimde kontrol etmek için video karesinde çokgenler, dikdörtgenler veya çizgiler kullanarak belirli bölgeler tanımlayabilir.

• Birden fazla nesne türünü sayma: Sistem, aynı tanımlı bölgede birden fazla nesne türünü eş zamanlı olarak algılayıp sayabilir.

• Kolay entegrasyon: Ultralytics Python API'si veya komut satırı arayüzü kullanılarak mevcut sistemlerle sorunsuz entegrasyon sağlanır ve çok az yapılandırma gerekir.

Bölgelerde nesne sayımını uygulamalı olarak deneyimleme#

Bölge tabanlı sayım için Ultralytics çözümünü kullanmaya başlamak üzere, YOLO11 ile bölgelerde nesne sayımının nasıl yapılacağını adım adım açıklayan resmi Ultralytics belgelerine göz atabilirsin.

Çözümü kurarken herhangi bir sorunla karşılaşırsan şu ipuçlarını aklında bulundur:

• Ultralytics Python paketinin doğru şekilde yüklendiğinden emin ol. Resmi belgelerdeki sorun giderme kılavuzuna göz at.

• Bölge ayarlarını doğrula ve tanımlanan bölgelerin arayüzde doğru şekilde yapılandırıldığından emin ol.

• Güncellemeleri ve yeni sürümleri kontrol et, Ultralytics Python paketini güncel tut.

Bölgelerde nesne sayımının gerçek dünyadaki uygulamaları#

Bölge tabanlı nesne sayımı için Ultralytics YOLO11'in nasıl kullanılacağını artık daha iyi anladığımıza göre, şimdi bu yöntemin gerçek dünyadaki bazı uygulamalarını inceleyelim.

Perakende analitiği için müşteri akışını izleme#

Bölge tabanlı nesne sayımı, müşterilerin mağazada en çok nerede vakit geçirdiğiyle ilgili soruları kolayca yanıtlayabilir. Ultralytics YOLO11, perakendecilerin çıkış noktaları, ödeme kasaları ve ilgi gören ürün bölümleri gibi önemli konumlardaki hareket düzenlerini izlemesine yardımcı olabilir. Bu bölge tabanlı yaklaşım, yalnızca genel yaya trafiğini ölçmek yerine belirli alanları kaç müşterinin ziyaret ettiği konusunda içgörü sağlar.

Ultralytics çözümünü kullanmak, manuel kodlama veya karmaşık kurulum süreçlerine duyulan ihtiyacı ortadan kaldırarak perakendecilere yardımcı olur. Perakendeciler, müşteri hareketlerini ve yaya trafiğini izlemek için mağazanın farklı bölümlerini çokgenler veya dikdörtgen çizgiler kullanarak kolayca işaretleyebilir.

Ultralytics YOLO11 daha sonra nesneleri algılayabilir, hareketlerini izleyebilir ve insanlar bu bölgeye girdikçe veya bölgeden çıktıkça sayımları gerçek zamanlı olarak güncelleyebilir. Bu, perakendecilerin müşteri akışını anlamasına, etkileşimi ölçmesine ve veriye dayalı kararlar almasına yardımcı olur.

Şekil 2. Bölge tabanlı algılama kullanılarak mağaza dışında insanları saymak için YOLO kullanımı.

Ücretli geçiş noktalarında trafik yönetimi#

Şehirlerde trafik hiç durmaz; araçlar otoyollara katılır, trafik ışıklarında durur ve yoğun kavşaklarda kuyruk oluşturur. Trafiği yönetmek, yolların güvenli kalması ve akışın sorunsuz sürmesi açısından kritik öneme sahiptir.

Ultralytics YOLO11 ile bölge tabanlı nesne sayımı, yolları kavşaklar veya ücretli geçiş şeritleri gibi bölümlere ayırarak bu sürece destek olabilir. Trafik yönetimi ekipleri her bölgedeki araç sayılarını gerçek zamanlı olarak izleyebilir. Bu canlı veriler daha hızlı müdahale, daha iyi trafik planlaması ve genel olarak daha akıcı bir trafik sağlar.

Bunun ilginç bir kullanım alanı, doğru şekilde izlenmediğinde hızla kalabalıklaşabilen ücretli geçiş noktalarıdır. Bölge tabanlı sayım için Ultralytics çözümüyle her geçiş şeridi ayrı ayrı izlenebilir.

Sistem tüm trafiği aynı anda izlemek yerine yalnızca belirli şeritlerden geçen araçlara odaklanır. Araçlar giriş veya çıkış yaptıkça Ultralytics YOLO11 onları anında sayabilir ve görevlilerin hangi şeritlerin yoğunlaştığını takip etmesine yardımcı olabilir.

Şekil 3. Ücretli geçiş noktasında YOLO11 ile etkinleştirilen bölge tabanlı sayım.

Çiftliklerde ve barınaklarda hayvan sayımı#

Hayvanları saymak, özellikle dar alanlardan sürüler hâlinde geçtiklerinde zor olabilir. Arada kaçırılan birkaç sayım; besleme, sağlık kontrolleri veya çiftlik kayıtlarıyla ilgili sorunlara yol açabilir. Çiftçiler için işleri yavaşlatmadan doğru sayılara ulaşmak önemlidir.

Ultralytics YOLO11 bu süreci çok daha kolay hâle getirir. Çiftçiler, geniş bir kapı, dar bir patika veya kavisli bir çevreleme alanı olsun, özel izleme bölgeleri oluşturmak için YOLO11'i kullanabilir. Model bu bölgelerde hayvanları gerçek zamanlı olarak algılar, etraflarına sınırlayıcı kutular çizer ve hareketlerini izler. Örneğin çitle çevrili bir koridordan geçen büyük koyun veya keçi sürülerini hiç manuel çaba gerektirmeden hızlı ve doğru bir şekilde sayabilir.

Kamu güvenliği için kalabalık izleme#

Kalabalık kamusal alanlar birkaç dakika içinde boşluktan tıklım tıklım hâle gelebilir. Metrolarda, havalimanlarında veya konserlerde tek bir yerde çok fazla insan olması hareketi yavaşlatabilir ve güvenlik sorunları doğurabilir. Yaya trafiğini gerçek zamanlı izlemek, yetkililerin kalabalık birikimini erkenden fark edip durum kontrolden çıkmadan harekete geçmesini sağlar.

Özellikle Ultralytics YOLO11 kullanan bölge tabanlı sayım, görüş alanındaki herkesi izlemek yerine giriş kapıları, platformlar veya bekleme alanları gibi belirli bölgelerdeki hareketi izlemeyi mümkün kılar. Böylece güvenlik ekipleri hareket düzenlerine odaklanabilir, yoğunluk noktalarını hızla belirleyebilir ve sefer saatlerini değiştirmekten personel görevlendirmeye kadar daha iyi operasyonel kararlar alabilir.

Şekil 4. Metro kalabalığını daha iyi yönetmek için bölgeler içinde Ultralytics YOLO11 ile insan sayımı.

Önemli çıkarımlar#

Ultralytics YOLO11 ile bölge tabanlı nesne sayımı, belirli alanlardaki nesnelerin daha verimli ve doğru şekilde izlenmesini sağlar. Perakende, trafik yönetimi veya kamu güvenliği alanlarında olsun, görsel yapay zekâ odaklı bu yaklaşım işletmelerin ve şehir plancılarının daha iyi, veriye dayalı kararlar almasına yardımcı olur. Sayımın otomatikleştirilmesi manuel çabayı azaltır ve genel verimliliği artırır.

Gelecekte yapay zekâ ve bilgisayarlı görü, nesne sayımını muhtemelen daha da akıllı hâle getirecek. Daha yüksek doğruluk, farklı ortamlara uyum sağlayan öğrenme ve otomasyon ile IoT (Nesnelerin İnterneti) sistemleriyle entegrasyon bekleyebiliriz. Bu tür akıllı otomasyon, alanları, insanları ve hareketi yönetme biçimimizin geleceğini şekillendiriyor.

Yapay zekâ hakkında GitHub depomuzdan daha fazla bilgi edin ve büyüyen topluluğumuzun bir parçası ol. Otomotiv araçlarında yapay zekâ ve tarımda bilgisayarlı görü alanlarındaki gelişmeleri keşfet. Lisans seçeneklerimize göz at ve görsel yapay zekâ projelerini hayata geçir.