Ultralytics YOLO11 kullanarak bölge tabanlı nesne sayımı

Nesne sayma kulağa basit gelebilir, ancak yollar, mağazalar veya depolar gibi hareketli yerlerde hızla gerçek bir zorluğa dönüşebilir. Yıllar boyunca nesne sayma öncelikle elle yapılmıştır. Araçları saymak, mağazalara giren ve çıkan insan trafiğini takip etmek veya güvenlik amaçlı hareketleri izlemek için saatler harcanmıştır. Ancak bu yaklaşım zaman alıcıdır, hataya açıktır ve ölçeklenebilirliği zayıftır.

İşte yapay zeka (AI), özellikle de computer vision burada devreye giriyor. Computer vision, insanlara benzer şekilde görsel verileri işlemeyle ilgilenen bir yapay zeka alt dalıdır. Temel uygulamalarından biri, belirli bir alandaki nesneleri otomatik olarak tespit etmeye ve izlemeye yardımcı olan nesne saymadır.

Nesne sayımı genellikle sadece öğelerin toplam sayısını bulmakla sınırlıdır; bu nesnelerin nerede olduğunu göstermez. Bölge tabanlı sayım veya sayım bölgeleri kullanmak, görüntü içindeki belirli alanlara odaklanarak bu sorunu çözer. Daha ayrıntılı içgörüler sağlar ve hareketin daha anlamlı bir şekilde izlenmesine yardımcı olur.

Ultralytics YOLO11, bölge tabanlı nesne sayma için kullanılabilecek nesne tespiti ve takibi gibi çeşitli computer vision görevlerini destekleyen bir computer vision modelidir. Bu makalede, Ultralytics YOLO11'in bir bölge içindeki nesneleri saymak için nasıl kullanılabileceğini, gerçek dünyadaki uygulamalarını ve temel avantajlarını inceleyeceğiz. Hadi başlayalım!

Bölgelerde nesne sayımına genel bakış#

Bir görüntüdeki nesneleri tespit edip saymak, özellikle insanların tek bir karede birden fazla bölgede toplanabildiği havaalanları veya alışveriş merkezleri gibi yerlerde bize ancak belli bir yere kadar bilgi verir. Bu nesnelerin tam olarak nerede olduğu ve kaç tanesinin belirli bölgelerden geçtiği gibi içgörüler daha önemlidir.

Ultralytics YOLO11 gibi bilgisayarla görü modelleri, bu tür computer vision applications için kolayca kullanılabilir. Biniş kapıları veya bekleme salonları gibi kilit konumlara bölgeler atayarak, YOLO11 yalnızca o belirli alandaki nesneleri saymak için kullanılabilir. Hareketli bölgeler de farklı bölgelerdeki nesne sayısını gerçek zamanlı olarak bulmak için kullanılabilir.

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

Ultralytics YOLO11 bu süreci basit ve verimli hale getirebilir. Nesnelerin tespit edilmesine, hareketlerinin izlenmesine ve girdikleri veya çıktıkları bölgelere göre sayılmalarına yardımcı olabilir. YOLO11'i özellikle etkili kılan şey, doğruluktan ödün vermeden gerçek zamanlı sonuçlar sunabilme yeteneğidir. Ayrıca, tanımlanan her bölge içinde çoklu nesne takibini destekleyerek sistemlerin çeşitli nesneleri aynı anda saymasına ve kategorize etmesine yardımcı olur.

Bölgelerde nesne sayımı için Ultralytics YOLO11 kullanımı#

Ultralytics, YOLO modellerinin son teknoloji kullanım örneklerini sergileyen kolay kullanılabilen çözümler sunar. Bunlar arasında nesne sayma, taşınabilir bölgelerde nesne sayma, bulanıklaştırma ve hız tahmini gibi gerçek dünya çözümleri yer alır.

Bölge tabanlı nesne sayımı için Ultralytics çözümünü kurmak ve çalıştırmak basit ve kolaydır. Bu, kullanıcıların karmaşık yapılandırmalar yerine içgörülere odaklanmasını sağlar.

Perakende arkasında, bölge tabanlı nesne sayma çözümü, videodaki her karede nesneleri tespit etmek için Ultralytics YOLO11 kullanır. Bu tespitler, her nesneye kareler arasında tutarlı kimlikler atamak için bir tracking algoritmasından (BoT-SORT veya ByteTrack gibi) geçirilir.

Nesneler tespit edilip takip edildikten sonra, sistem bunların önceden tanımlanmış bölgelerle (çokgenler, dikdörtgenler veya çizgiler) kesişip kesişmediğini kontrol eder. Eğer kesişiyorlarsa, bu bölgelere girişlerine veya bölgeler boyunca hareketlerine göre sayılırlar.

İşte bölge tabanlı nesne sayımı için Ultralytics çözümünün diğer bazı temel özellikleri:

• Hızlı işleme: Çözüm, Ultralytics YOLO11 kullanarak gerçek zamanlı nesne sayımı sağlar ve video akışlarının hızlı ve verimli bir şekilde analiz edilmesini garanti eder.

• Özelleştirilebilir bölgeler: Kullanıcılar, bir video karesinde çokgenler, dikdörtgenler veya çizgiler kullanarak belirli bölgeleri tanımlayabilir ve sayımın nerede gerçekleşeceği üzerinde hassas kontrol sağlayabilir.

• Çoklu nesne sayımı: Sistem, tanımlanan aynı bölge içinde birden fazla nesne türünü aynı anda tespit edebilir ve sayabilir.

• Kolay entegrasyon: Ultralytics Python API veya komut satırı arayüzü kullanılarak mevcut sistemlerle entegrasyon sorunsuzdur ve minimum yapılandırma çabası gerektirir.

Bölgelerde nesne sayımı ile uygulamalı çalışma#

Bölge tabanlı sayım için Ultralytics çözümüyle başlamak üzere, YOLO11'i bölgelerdeki nesneleri saymak için nasıl kullanacağınızı adım adım anlatan resmi Ultralytics belgelerine göz atabilirsiniz.

Çözümü kurarken herhangi bir sorun yaşarsan, aklında bulundurman gereken bazı ipuçları şunlardır:

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

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

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

Bölgelerde nesne sayımının gerçek dünya uygulamaları#

Artık Ultralytics YOLO11'in bölge tabanlı nesne sayımı için nasıl kullanılacağını daha iyi anladığımıza göre, kullanılabileceği bazı gerçek dünya uygulamalarını keşfedelim.

Perakende analitiği için müşteri akışını takip etme#

Bölge tabanlı nesne sayımı, müşterilerin bir mağazada en çok vakti nerede geçirdiğine dair soruları kolayca yanıtlayabilir. Ultralytics YOLO11, perakendecilerin çıkış noktaları, ödeme kasaları ve ilgi odağı olan ürün bölümleri gibi kilit konumlardaki hareket kalıplarını takip etmesine yardımcı olabilir. Yalnızca genel yaya trafiğini ölçmek yerine, bu bölge tabanlı yaklaşım kaç müşterinin belirli alanları ziyaret ettiği konusunda içgörüler sunar.

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

Ultralytics YOLO11 daha sonra nesneleri tespit edebilir, hareketlerini takip edebilir ve insanlar bu bölgeye girip çıktıkça sayıları gerçek zamanlı olarak güncelleyebilir. Bu, perakendecilerin müşteri akışını anlamasına, etkileşimi ölçmesine ve veriye dayalı kararlar almasına yardımcı olur.

Şekil 2. Bölge tabanlı tespit kullanılarak bir mağazanın dışında insanları saymak için kullanılan YOLO.

Gişe alanlarında trafik yönetimi#

Şehirler her zaman otobanlara bağlanan, trafik ışıklarında duran ve yoğun kavşaklarda sıralanan arabalarla hareket halindedir. Trafiği yönetmek, yolları güvenli tutmanın ve işlerin sorunsuz yürümesini sağlamanın kritik bir parçasıdır.

Ultralytics YOLO11 ile bölge tabanlı nesne sayımı, yolları kavşaklar veya gişe şeritleri gibi bölümlere ayırarak bunu destekleyebilir. Trafik yönetim ekipleri, her bölgedeki araç sayılarını gerçek zamanlı olarak izleyebilir. Bu canlı veri; daha hızlı yanıtlar, daha iyi trafik planlaması ve daha akıcı bir genel akış sağlar.

Bunun ilginç bir kullanım örneği, düzgün bir şekilde izlenmediklerinde hızla kalabalıklaşabilen gişe alanlarıdır. Bölge tabanlı sayım için Ultralytics çözümü ile her gişe şeridi ayrı ayrı takip edilebilir.

Tüm trafiği aynı anda izlemek yerine sistem, yalnızca belirli şeritlerden geçen araçlara odaklanır. Arabalar girip çıktıkça Ultralytics YOLO11 bunları anında sayabilir ve operatörlerin hangi şeritlerin yoğunlaştığını takip etmesine yardımcı olur.

Şekil 3. Bir gişede YOLO11 tarafından etkinleştirilen bölge tabanlı sayım.

Çiftliklerde ve barınaklarda hayvan sayımı#

Hayvanları saymak, özellikle dar alanlarda sürü halinde hareket ettiklerinde zor olabilir. Burada ve orada kaçırılan birkaç sayım; besleme, sağlık kontrolleri veya çiftlik kayıtlarında sorunlara yol açabilir. Çiftçiler için, işleri yavaşlatmadan doğru sayıları korumak esastır.

Ultralytics YOLO11 bu süreci çok daha pürüzsüz hale getirir. Çiftçiler, geniş bir kapı, dar bir yol veya kavisli bir çit olsun, özel takip bölgeleri oluşturmak için bunu kullanabilirler. Bu bölgelerde model, hayvanları gerçek zamanlı olarak tespit eder, onları sınırlayıcı kutularla işaretler ve hareketlerini takip eder. Örneğin, çitli bir koridordan geçerken büyük koyun veya keçi sürülerini hiçbir manuel çaba gerektirmeden hızlı ve doğru bir şekilde sayabilir.

Kamu güvenliği için kalabalık izleme#

Kalabalık kamusal alanlar dakikalar içinde boş halden dolup taşan bir hale gelebilir. Metrolarda, havalimanlarında veya konserlerde tek bir yerde çok fazla insanın olması hareketi yavaşlatabilir ve güvenlik endişeleri yaratabilir. Yaya trafiğini gerçek zamanlı olarak izlemek, yetkililere kalabalık yığılmalarını erken fark etme ve işler kontrolden çıkmadan önce harekete geçme imkanı verir.

Özellikle, Ultralytics YOLO11 kullanan bölge tabanlı sayım; görüş alanındaki herkesi takip etmek yerine giriş kapıları, platformlar veya bekleme alanları gibi belirli bölgelerdeki hareketin izlenmesini mümkün kılar. Bu, güvenlik ekiplerinin hareket desenlerine odaklanmasını, yoğunluk noktalarını hızlıca belirlemesini ve tarife değişikliklerinden personel görevlendirmeye kadar daha iyi operasyonel kararlar almasını sağlar.

Fig 4. Daha iyi metro kalabalık yönetimi için bölgeler içinde Ultralytics YOLO11 kullanarak insan sayma.

Öne çıkanlar#

Ultralytics YOLO11 ile bölge tabanlı nesne sayımı, belirli alanlardaki nesneleri takip etmeyi daha verimli ve doğru hale getirir. Perakende, trafik yönetimi veya kamu güvenliği olsun, bu yapay zeka destekli yaklaşım, işletmelerin ve şehir plancılarının daha iyi, veriye dayalı kararlar almasına yardımcı olur. Sayımı otomatikleştirmek, manuel çabayı azaltır ve genel verimliliği artırır.

Gelecekte, yapay zeka ve bilgisayarlı görü muhtemelen nesne sayımını daha da akıllı hale getirecek. Daha iyi doğruluk, farklı ortamları ele almak için uyarlanabilir öğrenme ve otomasyon ile IoT (Nesnelerin İnterneti) sistemleri ile entegrasyonlar bekleyebiliriz. Bu tür bir akıllı otomasyon, mekanları, insanları ve hareketi yönetme şeklimizin geleceğini şekillendiriyor.

GitHub depomuzda yapay zeka hakkında daha fazla bilgi edin ve büyüyen topluluğumuzun bir parçası ol. Otomotiv araçlarında yapay zeka ve tarımda computer vision alanındaki gelişmeleri keşfet. Lisanslama seçeneklerimize göz at ve vision AI projelerini hayata geçir.