Yapay Zekâ Tabanlı Kişi Sayma Sistemi
Rapor24'ün temelinde YOLOv7 tabanlı derin öğrenme modeli yatar. Bu model, geleneksel sayım yöntemlerinin yetersiz kaldığı tüm koşullarda — gölgeli alanlarda, değişken ışık ortamlarında, kalabalık dönemlerde — %98+ doğrulukla çalışır.
Yapay Zekâ ile Geleneksel Sayım Yöntemleri
Kişi sayma teknolojisi son 20 yılda dört kuşak değişti:
-
Kızılötesi (IR) sensör — kapı çerçevesine yerleştirilen iki kızılötesi ışık demeti arasındaki kesintiyi sayar. Kalabalık dönemlerde aşırı hatalıdır; yan yana yürüyenleri tek kişi sayar.
-
3D stereo sensör — iki kamera ile derinlik haritası çıkarır. Kızılötesinden daha doğrudur ama pahalıdır, hassas kalibrasyon gerektirir, gölge ve ışık değişimlerinden etkilenir.
-
2D kamera + klasik bilgisayar görüsü — şekil ve hareket algılaması yapar. Kalabalık ve gölgeli ortamlarda doğruluk %70-85'e düşer.
-
Yapay zekâ tabanlı derin öğrenme (YOLOv7) — güncel yöntemdir. Milyonlarca etiketli görüntüden öğrenmiştir; kalabalık, gölge, ışık değişimi, kısmi örtülme gibi zor koşullarda %95-99 doğruluk üretir.
Fark sadece doğrulukta değil, maliyettedir. Kızılötesi sensör en ucuzu görünür ama düşük doğruluk, kayıp veri demektir. 3D stereo en pahalı donanımdır. Yapay zekâ tabanlı IP kamera çözümü ise mevcut güvenlik kameralarınızı kullanır — donanım maliyeti en aza iner, yazılım gücü en üst düzeye çıkar.
YOLOv7 Modeli Nasıl Çalışır?
YOLOv7 (You Only Look Once, sürüm 7), bilgisayar görüsü alanında nesne tespiti için kullanılan derin öğrenme mimarisidir. Bir görüntü karesini tek geçişte analiz eder ve içindeki nesneleri (kişiler dâhil) konum ve sınıflarıyla birlikte tespit eder.
Rapor24 uyarlamamızda YOLOv7:
- Saniyede 30 kare işler (30 FPS)
- Her karede tespit edilen tüm kişileri konumlandırır
- Konum takibi (tracking) algoritmasıyla aynı kişiyi karşıdan karşıya izler
- Kapıdan geçiş yönünü (giriş / çıkış) belirler
- Konumlandırma sonucunu toplu sayım kayıtlarına dönüştürür
Tipik bir mağaza için tek kamera gerçek zamanlı çalışır; ek sunucu donanımına gerek yoktur. Uç yapay zekâ yongalı kameralarda işlem doğrudan cihaz üzerinde yapılır; veri merkezine yalnızca sayım sonucu (kişisel veri değil) iletilir.
Eğitim Verisi ve Sürekli İyileştirme
Modelin doğruluğu, eğitildiği veri setinin kalitesinden gelir. Rapor24 modeli:
- 4M+ etiketli görüntü ile başlangıç eğitimi (genel insan tespiti)
- 800K+ Türkiye perakende ortamı görüntüsü ile ince ayar (mağazaya özel koşullar)
- 200K+ kalabalık dönem (yılbaşı indirimi, Ramazan ay sonu) örneği ile dayanıklılık eğitimi
Üstelik model durağan değildir. Sahada toplanan zor örnekler (yanlış sayım yaptığımız kareler) düzenli olarak eğitim setine eklenir; model her 3 ayda bir güncellenir. Bu sürekli iyileştirme döngüsü, doğruluk oranını zamanla artırır.
Uç Yapay Zekâ mı, Bulut Yapay Zekâ mı?
Yapay zekâ işlemi iki yerde yapılabilir; doğru seçim sektörünüze ve veri güvenliği ihtiyacınıza bağlıdır.
Uç Yapay Zekâ (Edge)
İşlem doğrudan kamera ya da yanındaki cihaz üzerinde yapılır.
- Görüntü internet üzerinden hiç gönderilmez
- Yalnızca anonim sayım sonuçları bulutta toplanır
- Hassas veri güvenliği için en uygun seçenek
- Banka, hastane ve kamu binaları için önerilir
Bulut Yapay Zekâ (Cloud)
Görüntü kareleri bulut sunucusuna gönderilip orada işlenir.
- Daha düşük yerel donanım maliyeti
- Bant genişliği ve gizlilik konularını gözetir
- Perakende ortamlarında ekonomik olarak cazip
- Hızlı kurulum ve merkezî yönetim
Doğruluk Oranı Karşılaştırması
Rakip teknolojilerle saha karşılaştırma verilerimiz:
| Teknoloji | Doğruluk | Zor koşulda |
|---|---|---|
| Kızılötesi (IR) sensör | %75-85 | kalabalıkta %60 |
| 3D stereo | %92-96 | gölge/ışıkta %85 |
| 2D klasik bilgisayar görüsü | %78-87 | — |
| Rapor24 (YOLOv7) | %96-99 | en zorda %95+ |
Karşılaştırmalar standart sayım protokolüyle yapıldı: insan gözlemci ile sistem sayımı 8 saatlik mağaza döneminde paralel ölçüldü. Sonuçlar başvuru üzerine paylaşılabilir.
Yapay Zekâ ile Kişi Saymada Yeni Nesil (2025–2026)
Nesne tespiti (object detection) alanı YOLOv7'den bu yana hızla ilerledi; yeni nesil modeller ve yöntemler aynı donanımda daha yüksek doğruluk ve daha düşük gecikme sağlıyor.
- Daha yalın, uçtan uca modeller: YOLOv7'nin ardından gelen YOLOv8–YOLO11 ve transformer tabanlı RT-DETR gibi modeller, son işleme adımını (NMS) ortadan kaldırarak daha az parametreyle daha yüksek doğruluk üretir. Mimari, doğruluk ölçütleri geliştikçe yükseltilebilir.
- Yapay zekâ artık kamerada: Birkaç watt güçle onlarca TOPS işlem sunan uç (edge) yapay zekâ yongaları, tespit ve takibi doğrudan cihaz üzerinde yapar; buluta görüntü göndermeye gerek kalmaz. Bu; gecikmeyi, bant genişliğini ve gizlilik riskini birlikte düşürür.
- Tespit değil, takip: Modern çoklu nesne takip (tracking) algoritmaları, ör. ByteTrack yaklaşımı, her ziyaretçiyi kareler arasında izler; böylece bir kişi yalnızca bir kez sayılır. Yoğun girişlerde 'görmek' ile 'doğru saymak' arasındaki farkı bu katman yaratır.
- Kalabalığa dayanıklılık: Tepeden (overhead) konumlandırma ile güncel takip algoritmalarının birleşimi, trafik arttıkça bile gerçek zamanlı doğruluğu yüksek tutar.
- Tasarımdan gizlilik: Yeni nesil sistemlerde eğilim, görüntüyü sonradan anonimleştirmek değil kişisel veriyi hiç toplamamaktır — yalnızca sayım sonucu, yüz verisi olmadan. Rapor24'ün anonim sayım yaklaşımı bu standartla örtüşür.
- Büyüyen pazar: Perakendede bilgisayarlı görü tabanlı yapay zekâ yılda yaklaşık %25 büyüyor; nesne tespiti ve takibi bu alandaki en büyük teknoloji segmentidir.