AI Kamera ile İnsan Tespiti Ne Kadar Güvenilir?

Yapay zeka destekli kameralar, klasik hareket algılamanın aksine görüntüdeki nesnenin insan mı, araç mı yoksa ağaç dalı mı olduğunu ayırt etmeyi vaat eder. Peki bu tespit sahada ne kadar güvenilirdir ve güvenilirlik nasıl ölçülür? Bu rehber insan tespitini etkileyen faktörleri, ölçüm metriklerini ve gerçekçi bir pilot tasarımını anlatır.

Hareket algılama ile nesne sınıflandırması arasındaki fark

Klasik hareket algılama ardışık kareler arasındaki piksel değişimini ölçer. Rüzgârda sallanan ağaç, yağmur damlası, gölge, far ışığı veya kameranın önünden geçen böcek de piksel değişimi üretir. Derin öğrenme tabanlı analitik ise görüntüdeki nesneleri bulup sınıflandırır ve kuralları yalnızca belirli sınıflar için çalıştırır. Bu yaklaşım yanlış alarmları belirgin şekilde azaltabilir ama ortadan kaldırmaz.

Doğruluğu belirleyen faktörler

Hedefin piksel boyutu

Model bir insanı ancak görüntüde belirli bir minimum boyutta görüyorsa güvenilir sınıflandırabilir. Üreticiler model ve sürüme göre farklı minimum değerler verir. Uzak hedefler, geniş açılı lensler ve düşük çözünürlüklü alt akış kullanımı hedefi küçültür.

Kamera açısı ve montaj

Çok yüksekten dik bakan kameralar insan siluetini tepeden gösterir ve sınıflandırmayı zorlaştırır. Çok yatay açı ise uzak hedefleri küçültür ve önden geçen nesnelerin arkadakileri kapatmasına neden olur. Genellikle 15–35 derece arası eğim, analitik için iyi bir başlangıç noktasıdır; kesin değer sahneye göre belirlenir.

Işık, gece ve hava

IR altında görüntü siyah-beyazdır ve gürültü artar; yağmur damlaları IR ışığını yansıtır, örümcek ağı lens önünde parlar. Karşı ışık ve far parlaması silueti bozar. Analitik performansı gündüz ve gece için ayrı ölçülmelidir.

Sahne karmaşıklığı

Kalabalık, birbirini kapatan nesneler, yansıtıcı zeminler, ekranlar ve posterler (insan görüntüsü içeren afişler) yanlış sınıflandırmaya yol açabilir.

Doğru metriklerle ölçün

Metrik	Tanım	Neden önemli?
Doğru alarm oranı (precision)	Üretilen alarmlardan gerçek olay olanların oranı	Operatörün sisteme güvenmesi
Yakalama oranı (recall)	Gerçekleşen test olaylarından alarm üretilenlerin oranı	Güvenlik riski
Yanlış alarm / kamera / gün	Gerçek olmayan alarmların günlük sayısı	Operasyonel sürdürülebilirlik
Gecikme	Olay ile bildirim arasındaki süre	Müdahale süresi

Precision ve recall birlikte değerlendirilmelidir: eşiği düşürmek yakalama oranını artırır ama yanlış alarmları da artırır. Doğru denge, senaryonun riskine göre belirlenir; çevre ihlalinde kaçırılan olay daha maliyetliyken, yoğun bir depoda yanlış alarm operatörü hızla yorar.

Pilot nasıl tasarlanır?

1. Senaryo seçimi: Temsilî 4–10 kamera; farklı açı, ışık ve sahne türlerini kapsayacak şekilde.
2. Kabul ölçütlerinin yazılması: Her senaryo için hedef precision/recall veya kamera başına günlük yanlış alarm üst sınırı.
3. Test olayları: Gündüz ve gece, farklı yön ve hızlarda canlandırılmış geçişler; yağmurlu bir gece mümkünse ölçüme dahil edilir.
4. Kayıt ve sınıflandırma: Her alarmın gerçek/yanlış olarak işaretlenmesi, yanlış alarmların kök nedene göre gruplanması.
5. Ayar ve tekrar ölçüm: Bölge, eşik, boyut filtresi ve zaman planı ayarlandıktan sonra ikinci ölçüm.

Yanlış alarm kök nedenlerinin nasıl giderileceği yanlış alarm rehberinde ayrıntılı anlatılır.

Edge mi, sunucu mu?

Edge analitik kamera üzerinde çalışır; ağ ve sunucu yükünü azaltır ama kameranın işlem gücüyle sınırlıdır. Sunucu tabanlı analitik GPU kullanarak daha büyük modeller çalıştırabilir ve mevcut kameralara eklenebilir; ancak kanal başına işlem kapasitesi ve lisans maliyeti hesaplanmalıdır. Hibrit yaklaşımda kamera ilk sınıflandırmayı yapar, sunucu arama ve gelişmiş kuralları üstlenir. Olayların VMS’e taşınmasında ONVIF Profile M desteği önemlidir.

Etik ve hukuki sınırlar

İnsan tespiti kimlik belirlemez. Yüz tanıma veya çalışanların bireysel takibi gibi uygulamalar biyometrik veri ve iş hukuku açısından ayrı değerlendirme gerektirir ve varsayılan bir hizmet olarak kurulmamalıdır. NIST AI Risk Management Framework gibi çerçeveler, AI sistemlerinin amaçla sınırlı, ölçülebilir ve izlenebilir olmasını önerir.

Sık sorulan sorular

Üretici %99 doğruluk diyor; sahada neden daha düşük?

Üretici değerleri belirli veri setleri ve ideal koşullarda ölçülür. Sahadaki açı, ışık, mesafe, hava ve sahne karmaşıklığı farklı olduğundan sonuç değişir. Bu yüzden kendi sahanızda ölçülmüş metrikler esas alınmalıdır.

Edge mi sunucu tabanlı analitik mi daha doğru?

Tek başına biri daha doğru değildir; model, işlem gücü ve görüntü kalitesine bağlıdır. Sunucu tabanlı sistemler daha büyük modeller çalıştırabilir; edge analitik ağ yükünü azaltır. Pilotla karşılaştırılmalıdır.

İnsan tespiti kişiyi tanır mı?

Hayır. İnsan tespiti “bu bir insandır” sınıflandırmasıdır; kim olduğunu belirlemez. Biyometrik tanıma ayrı bir teknoloji ve ayrı hukuki değerlendirme gerektirir.

Tesisinizde analitiği ölçerek başlatmak için AI video analitik pilot hizmetimizi inceleyebilirsiniz.