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. Yıllardır nesne sayımı çoğunlukla elle yapılıyor. Araçları saymak, mağazalara girip çıkan kişi trafiğini takip etmek veya güvenlik amacıyla hareketleri izlemek için saatler harcanıyor. Ancak bu yaklaşım zaman alıcıdır, hataya açıktır ve iyi ölçeklenmez.

İşte burada yapay zekâ (AI), özellikle bilgisayarlı görü devreye girer. Bilgisayarlı görü, görsel verileri insanlar gibi işlemeyle ilgilenen bir AI alt alanıdır. Önemli uygulamalarından biri, belirli bir alandaki nesneleri otomatik olarak algılamaya ve takip etmeye yardımcı olan nesne sayımıdır.

Genellikle nesne sayımı yalnızca nesnelerin toplam sayısını verir; bu nesnelerin nerede olduğunu göstermez. Bölge tabanlı sayım veya sayım bölgelerinin kullanılması, bir görüntü içindeki belirli alanlara odaklanarak bu sorunu çözer. Daha ayrıntılı içgörüler sağlar ve hareketin daha anlamlı bir şekilde takip edilmesine 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 avantajlarını inceleyeceğiz. Hadi başlayalım!

Bölgelerde nesne sayımına genel bakış#

Bir görüntüdeki nesneleri algılamak ve saymak, özellikle insanların tek bir karede birden fazla bölgede kalabalık oluşturabildiği havaalanları veya alışveriş merkezleri gibi yerlerde bize ancak sınırlı bilgi verir. Bu nesnelerin tam olarak nerede olduğu ve belirli bölgelerden kaç tanesinin geçtiği gibi içgörüler daha önemlidir.

Ultralytics YOLO11 gibi bilgisayarlı görü modelleri, bu tür bilgisayarlı görü uygulamaları için kolayca kullanılabilir. Biniş kapıları veya bekleme salonları gibi önemli konumlara bölgeler atanarak YOLO11 yalnızca ilgili 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 hâle getirebilir. Nesneleri algılamaya, hareketlerini takip etmeye ve girdikleri veya çıktıkları bölgelere göre saymaya yardımcı olabilir. YOLO11'i özellikle etkili kılan şey, doğruluktan ödün vermeden gerçek zamanlı sonuçlar sunabilmesidir. Ayrıca tanımlanan her bölge içinde çoklu nesne takibini destekleyerek sistemlerin çeşitli nesneleri aynı anda saymasına ve kategorilere ayırmasına yardımcı olur.

Bölgelerde nesne sayımı için Ultralytics YOLO11 kullanma#

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 basit ve doğrudan bir işlemdir. Bu, kullanıcıların karmaşık yapılandırmalar yerine içgörülere odaklanmasını sağlar.

Arka planda, bölge tabanlı nesne sayımı çözümü videonun her karesindeki nesneleri algılamak için Ultralytics YOLO11'i kullanır. Bu algılamalar daha sonra her nesneye kareler boyunca tutarlı kimlikler atamak için bir takip algoritmasından (BoT-SORT veya ByteTrack gibi) geçirilir.

Nesneler algılanıp takip edildikten sonra sistem, bunların önceden tanımlanmış bölgelerden (çokgenler, dikdörtgenler veya çizgiler) herhangi biriyle kesişip kesişmediğini kontrol eder. Kesişiyorlarsa girişlerine veya bu bölgeler boyunca hareketlerine göre sayılırlar.

Ultralytics'in bölge tabanlı nesne sayımı çözümünün diğer temel özellikleri şunlardır:

• Hızlı işleme: Çözüm, Ultralytics YOLO11'i kullanarak gerçek zamanlı nesne sayımını mümkün kılar ve video akışlarının hızlı ve verimli şekilde analiz edilmesini sağlar.

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

• Çoklu nesne sayımı: Sistem, aynı tanımlanmış bölge içinde birden fazla nesne türünü eş zamanlı olarak algılayıp sayabilir.

• Kolay entegrasyon: Mevcut sistemlerle entegrasyon, Ultralytics Python API'si veya komut satırı arayüzü kullanılarak sorunsuz şekilde gerçekleştirilebilir ve minimum yapılandırma gerektirir.

Bölgelerde nesne sayımını uygulamalı olarak deneyimleme#

Bölge tabanlı sayım için Ultralytics çözümünü kullanmaya başlamak üzere, YOLO11'i kullanarak bölgelerde nesne sayımının nasıl yapılacağını adım adım açıklayan 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 yapılandırıldığından emin ol.

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

Bölgelerde nesne sayımının gerçek dünyadaki uygulamaları#

Artık Ultralytics YOLO11'i bölge tabanlı nesne sayımı için nasıl kullanacağımızı daha iyi anladığımıza göre, kullanılabileceği bazı gerçek dünya uygulamalarını inceleyelim.

Perakende analitiği için müşteri akışını takip etme#

Bölge tabanlı nesne sayımı, müşterilerin bir mağazada zamanlarının çoğunu nerede geçirdiğiyle ilgili soruları kolayca yanıtlayabilir. Ultralytics YOLO11, perakendecilerin çıkış noktaları, ödeme tezgâhları ve ilgi gören ürün bölümleri gibi önemli konumlardaki hareket modellerini takip etmesine yardımcı olabilir. Yalnızca genel kişi trafiğini ölçmek yerine bu bölge tabanlı yaklaşım, belirli alanları kaç müşterinin ziyaret ettiğine dair içgörüler sağlar.

Ultralytics çözümünü kullanmak, perakendecilerin manuel kodlama veya karmaşık kurulum süreçlerine duyduğu ihtiyacı ortadan kaldırarak onlara yardımcı olur. Perakendeciler, çokgenler veya dikdörtgen çizgiler kullanarak müşteri hareketini ve kişi trafiğini takip etmek için mağazanın farklı bölümlerini kolayca işaretleyebilir.

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

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

Ücretli geçiş gişelerinde trafik yönetimi#

Şehirler, otoyollara katılan, trafik ışıklarında duran ve yoğun kavşaklarda kuyruk oluşturan araçlarla sürekli hareket hâlindedir. Trafiği yönetmek, yolları güvenli tutmanın ve akışın sorunsuz ilerlemesini sağlamanın kritik bir parçasıdır.

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

Bunun ilginç bir kullanım alanı, yeterince izlenmediğinde hızla kalabalıklaşabilen ücretli geçiş gişeleridir. Bölge tabanlı sayım için Ultralytics çözümüyle her ücretli geçiş şeridi ayrı ayrı takip edilebilir.

Sistem tüm trafiği aynı anda izlemek yerine yalnızca belirli şeritlerden geçen araçlara odaklanır. Araçlar girdikçe veya çıktıkça Ultralytics YOLO11 bunları anında sayabilir ve operatörlerin hangi şeritlerin yoğunlaştığını takip etmesine yardımcı olabilir.

Şekil 3. Bir ücretli geçiş gişesinde YOLO11 tarafından etkinleştirilen bölge tabanlı sayım.

Çiftliklerde ve barınaklarda hayvan sayımı#

Hayvanları saymak, özellikle sürüler hâlinde dar alanlardan geçerken hareket ettiklerinde zor olabilir. Burada ve orada gözden kaçan birkaç hayvan, besleme, sağlık kontrolleri veya çiftlik kayıtlarıyla ilgili sorunlara yol açabilir. Çiftçiler için işleri yavaşlatmadan doğru sayıları korumak büyük önem taşır.

Ultralytics YOLO11 bu süreci çok daha sorunsuz hâle getirir. Çiftçiler bunu geniş bir kapı, dar bir patika veya kıvrımlı bir çevreleme alanı fark etmeksizin özel takip bölgeleri oluşturmak için kullanabilir. Model, bu bölgelerde hayvanları gerçek zamanlı olarak algılar, onları sınırlayıcı kutularla işaretler ve hareketlerini takip eder. Örneğin, büyük koyun veya keçi sürüleri çitle çevrili bir koridordan geçerken, herhangi bir manuel işlem gerektirmeden hızlı ve doğru şekilde sayılabilir.

Kamu güvenliği için kalabalık izleme#

Kalabalık kamusal alanlar birkaç dakika içinde boşluktan tıklım tıklım dolu hâle gelebilir. Metro istasyonlarında, havaalanlarında veya konserlerde tek bir yerde çok fazla insan olması hareketi yavaşlatabilir ve güvenlik endişeleri oluşturabilir. Kişi trafiğini gerçek zamanlı olarak izlemek, yetkililere kalabalık yoğunlaşmalarını erken fark etme ve durum kontrolden çıkmadan harekete geçme imkânı verir.

Özellikle Ultralytics YOLO11 ile bölge tabanlı sayım, görüş alanındaki herkesi takip etmek yerine giriş kapıları, platformlar veya bekleme alanları gibi belirli bölgelerdeki hareketi izlemeyi mümkün kılar. Bu, güvenlik ekiplerinin hareket modellerine odaklanmasına, yoğunluk noktalarını hızla belirlemesine ve program değişikliklerinden personel görevlendirmesine kadar daha iyi operasyonel kararlar almasına olanak tanır.

Şekil 4. Daha iyi metro kalabalığı yönetimi için bölgelerde Ultralytics YOLO11 kullanarak insanları sayma.

Önemli çıkarımlar#

Ultralytics YOLO11 ile bölge tabanlı nesne sayımı, belirli alanlardaki nesnelerin daha verimli ve doğru şekilde takip edilmesini sağlar. İster perakende, ister trafik yönetimi, ister kamu güvenliği alanında olsun, bilgisayarlı görü ve AI odaklı bu yaklaşım işletmelerin ve şehir planlamacılarının verilere dayalı daha iyi kararlar almasına yardımcı olur. Sayımı otomatikleştirmek manuel çabayı azaltır ve genel verimliliği artırır.

Gelecekte AI ve bilgisayarlı görü, nesne sayımını muhtemelen daha da akıllı hâle getirecek. Daha iyi doğruluk, farklı ortamlarla başa çıkmak için uyarlanabilir öğrenme ve otomasyon ile Nesnelerin İnterneti (IoT) sistemleriyle entegrasyonlar bekleyebiliriz. Bu tür akıllı otomasyon, alanları, insanları ve hareketi yönetme biçimimizin geleceğini şekillendiriyor.

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