Ultralytics YOLO11 kullanarak bölge tabanlı nesne sayımı

Nesne sayımı kulağa basit gelebilir ancak yollar, mağazalar veya depolar gibi yoğun yerlerde hızla gerçek bir zorluğa dönüşebilir. Nesne sayımı yıllardır temel olarak elle yapılıyordu. Araçları saymak, mağazalara girip çıkan insan trafiğini takip etmek veya güvenlik amacıyla hareketleri izlemek için saatler harcanıyordu. Ancak bu yaklaşım zaman alıcıdır, hatalara açıktır ve ölçeklenmesi zordur.

İşte yapay zeka (AI), özellikle de bilgisayarlı görü burada devreye giriyor. Bilgisayarlı görü, tıpkı insanlar gibi görsel verileri işlemekle ilgilenen bir yapay zeka alt dalıdır. Temel uygulamalarından biri, belirli bir alandaki nesnelerin otomatik olarak tespit edilmesine ve takip edilmesine yardımcı olan nesne sayımıdır.

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 sayımı için kullanılabilen nesne algılama ve takip gibi çeşitli bilgisayarlı görü görevlerini destekleyen bir bilgisayarlı görü modelidir. Bu makalede, Ultralytics YOLO11'in bir bölge içindeki nesneleri saymak için nasıl kullanılabileceğini, gerçek dünyadaki uygulamalarını ve temel faydalarını keşfedeceğiz. Haydi başlayalım!

Link to this sectionBölgelerde 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.

YOLO11 gibi bilgisayarlı görü modelleri, bu tür bilgisayarlı görü uygulamaları için kolayca kullanılabilir. Biniş kapıları veya bekleme salonları gibi kilit konumlara bölgeler atayarak, YOLO11 sadece o belirli alandaki nesneleri saymak için kullanılabilir. Hareketli bölgeler, farklı bölgelerdeki nesne sayısını gerçek zamanlı olarak bulmak için de 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.

Link to this sectionBölgelerde nesne sayımı için Ultralytics YOLO11 kullanımı#

Ultralytics, YOLO modellerinin en gelişmiş kullanım örneklerini sergileyen kullanımı kolay çözümler sunar. Bunlar arasında nesne sayımı, hareketli bölgelerde nesne sayımı, 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.

Kamera arkasında, bölge tabanlı nesne sayma çözümü, videonun her karesindeki nesneleri tespit etmek için YOLO11 kullanır. Bu tespitler daha sonra her karedeki nesnelere tutarlı kimlikler (ID) atamak için bir takip 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, YOLO11 kullanarak gerçek zamanlı nesne sayımına olanak tanır ve video akışlarının hızlı ve verimli bir şekilde analiz edilmesini sağlar.

• 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.

Link to this sectionBölgelerde nesne sayımı ile uygulamalı çalışma#

Bölge tabanlı sayım için Ultralytics çözümüne başlamak istiyorsan, YOLO11'in bölgelerdeki nesneleri saymak için nasıl kullanılacağını adım adım anlatan resmi Ultralytics dokümantasyonuna göz atabilirsin.

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

• Ultralytics Python paketinin doğru şekilde yüklendiğinden emin ol. Resmi dokümantasyondaki 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.

Link to this sectionBölgelerde 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.

Link to this sectionPerakende analitiği için müşteri akışını takip etme#

Bölge tabanlı nesne sayımı, müşterilerin mağazada en çok nerede vakit geçirdikleriyle ilgili soruları kolayca yanıtlayabilir. YOLO11, perakendecilerin çıkış noktaları, ödeme kasaları ve yoğun ilgi gören ürün reyonları gibi kilit konumlardaki hareket kalıplarını takip etmelerine yardımcı olabilir. Sadece toplam yaya trafiğini ölçmek yerine, bu bölge tabanlı yaklaşım, kaç müşterinin belirli alanları ziyaret ettiğine dair içgörüler sağlar.

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.

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

Şekil 2. YOLO'nun bir mağazanın dışında bölge tabanlı tespit kullanarak insanları saymak için kullanılması.

Link to this sectionGişe 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.

YOLO11 ile bölge tabanlı nesne sayımı, yolları kavşaklar veya gişe şeritleri gibi bölümlere ayırarak bunu destekleyebilir. Trafik yönetimi ekipleri, her bölgedeki araç sayılarını gerçek zamanlı olarak izleyebilir. Bu canlı veriler, daha hızlı müdahalelere, daha iyi trafik planlamasına ve genel olarak daha sorunsuz bir akışa olanak tanır.

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.

Sistem, tüm trafiği bir kerede izlemek yerine sadece belirli şeritlerden geçen araçlara odaklanır. Arabalar girip çıktıkça, YOLO11 onları anında sayabilir ve operatörlerin hangi şeritlerin yoğunlaştığını takip etmelerine yardımcı olur.

Şekil 3. Gişe alanında YOLO11 tarafından etkinleştirilen bölge tabanlı sayım.

Link to this sectionÇiftliklerde ve barınaklarda hayvan sayımı#

Hayvanları saymak, özellikle dar alanlarda sürüler halinde hareket ettiklerinde zor olabilir. Birkaç kaçırılan sayım, besleme, sağlık kontrolleri veya çiftlik kayıtları ile ilgili 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.

Link to this sectionKamu güvenliği için kalabalık izleme#

Kalabalık kamusal alanlar dakikalar içinde boş halden doluya geçebilir. Metrolarda, havaalanlarında veya konserlerde tek bir yerde çok fazla insanın bulunması hareketi yavaşlatabilir ve güvenlik endişeleri yaratabilir. Yaya trafiğini gerçek zamanlı olarak izlemek, yetkililere kalabalık birikmelerini erkenden tespit etmeleri ve durum kontrolden çıkmadan önce harekete geçmeleri için bir yol sağlar.

Özellikle, YOLO11 kullanan bölge tabanlı sayım, görüş alanındaki herkesi takip etmek yerine giriş kapıları, peronlar veya bekleme alanları gibi belirli bölgelerdeki hareketi izlemeyi mümkün kılar. Bu, güvenlik ekiplerinin hareket kalıplarına odaklanmasını, tıkanıklık noktalarını hızlı bir şekilde tanımlamasını ve program değişikliklerinden personel görevlendirmesine kadar daha iyi operasyonel kararlar almasını sağlar.

Şekil 4. Daha iyi metro kalabalık yönetimi için bölgeler içinde YOLO11 kullanarak insan sayımı.

Link to this sectionÖne 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 bilgisayarlı görü alanındaki gelişmeleri keşfet. Lisanslama seçeneklerimize göz at ve yapay zeka projelerini hayata geçir.