Video Analitik Sistemler Nedir? Yapay Zekâ, Kullanım Alanları ve Teknik Seçim Rehberi

Video analitik sistemler, güvenlik kameralarından elde edilen görüntüleri yazılım algoritmalarıyla analiz ederek insanları, araçları, nesneleri ve belirli olayları otomatik olarak tespit etmeye yönelik teknolojilerdir. Geleneksel CCTV sistemlerinden farklı olarak video analitik çözümleri, yalnızca görüntü kaydetmekle sınırlı kalmaz; görüntüde gerçekleşen olayların sınıflandırılmasını, belirlenen kurallara göre alarm oluşturulmasını ve uygun uygulamalarda operasyonel verilerin üretilmesini sağlar.

Yapay zekâ, makine öğrenmesi ve bilgisayarlı görü teknolojilerindeki gelişmeler, video analitik uygulamalarının kapsamını genişletmiştir. İnsan ve araç sınıflandırma, sanal sınır ihlali, şüpheli bölgede bekleme, nesne bırakma, kişi sayma, plaka tanıma ve kişisel koruyucu donanım tespiti bu uygulamaların örnekleri arasındadır.

Günümüzde video analitik sistemler; fabrikalar, lojistik merkezleri, havalimanları, perakende mağazaları, alışveriş merkezleri, enerji tesisleri ve kritik altyapıların korunmasında farklı amaçlarla kullanılabilir.

Ancak bir güvenlik kamerasında yapay zekâ veya video analitik özelliği bulunması, her koşulda güvenilir algılama yapabileceği anlamına gelmez. Algoritmanın doğruluğu, kamera yerleşimi, görüntü kalitesi, hedef mesafesi, çevresel koşullar ve sistem yapılandırmasına bağlıdır.

Video Analitik Sistem Nedir?

Video analitik sistemi, canlı veya kaydedilmiş video görüntülerini belirli kurallara ve algoritmalara göre analiz eden donanım ve yazılım çözümüdür.

Uluslararası terminolojide Video Analytics, Video Content Analysis (VCA) ve Intelligent Video Analytics (IVA) gibi kavramlar kullanılır.

Bu sistemlerin temel amacı, video görüntüsünde bulunan anlamlı olayların veya nesnelerin otomatik olarak belirlenmesidir.

Örneğin bir fabrika çevresine yerleştirilmiş IP kamera, belirlenen güvenlik bölgesine bir insanın girmesini analiz edebilir. Uygun sistemde olayın gerçekleşmesiyle güvenlik operatörüne alarm gönderilebilir, ilgili kamera görüntüsü açılabilir ve olayın kaydı işaretlenebilir.

Benzer şekilde bir alışveriş merkezinde kullanılan video analitik çözümü, belirli girişlerden geçen insanları sayabilir veya uygun görüntüleme koşullarında belirli alanların kullanım yoğunluğu hakkında veriler oluşturabilir.

Ancak bu iki uygulamanın teknik gereksinimleri aynı değildir.

Çevre ihlal algılama, kişi sayma, plaka tanıma ve davranış analizi farklı algoritmalar ve performans kriterleri gerektirebilir. Bu nedenle video analitik sistem seçimi, yapılacak analizin amacıyla başlamalıdır.

Video Analitik Sistemler Nasıl Çalışır?

Video analitik sistemlerde temel süreç, görüntülerin alınması, analiz edilmesi, belirli nesne veya olayların tespit edilmesi ve sonuçların ilgili yazılıma aktarılmasıdır.

Uygulanan yöntem, kullanılan algoritmaya ve sistem mimarisine göre değişebilir.

1. Görüntünün Elde Edilmesi

İlk aşamada IP kamera veya uygun başka bir görüntü kaynağından video alınır.

Görüntünün çözünürlüğü, kare hızı, lens özellikleri, pozlama ayarları ve ışık koşulları sonraki analiz işlemlerini etkiler.

Örneğin uzak mesafede küçük görünen bir kişinin algoritma tarafından algılanması, kameraya yakın konumda bulunan bir kişinin algılanmasından daha zor olabilir.

2. Görüntü İşleme

Video analitik yazılımı, görüntü üzerinde belirli işlemler gerçekleştirir.

Kullanılan yönteme göre görüntüdeki hareket, nesne sınırları, renk özellikleri, derinlik veya diğer görsel bilgiler analiz edilebilir.

Modern yapay zekâ tabanlı sistemlerde bu işlemler, eğitim verilerinden öğrenilmiş örüntüleri kullanan modeller aracılığıyla gerçekleştirilebilir.

3. Nesne Algılama ve Sınıflandırma

Uygun algoritmalar görüntüde insan, otomobil, motosiklet veya başka bir nesnenin bulunup bulunmadığını belirlemeye çalışır.

Nesne algılama, görüntüdeki belirli bir nesnenin konumunun bulunmasını sağlar.

Nesne sınıflandırma ise bu nesnenin hangi kategoriye ait olduğunun belirlenmesini amaçlar.

Ancak bir kişinin insan olarak sınıflandırılması, o kişinin kimliğinin tespit edildiği anlamına gelmez.

Yüz tanıma ve kimlik belirleme, ayrı teknik ve hukuki gereklilikler doğurabilen uygulamalardır.

4. Nesne Takibi

Bazı sistemler, algılanan nesnelerin görüntü içerisindeki hareketlerini belirli bir süre takip edebilir.

Bu işlem, nesnenin konumunun ardışık video kareleri arasında ilişkilendirilmesine dayanır.

Nesne takibi sayesinde belirli alanlara giriş, çıkış veya bölgede kalma süresi gibi bilgiler üretilebilir.

Ancak görüntüdeki nesne takibi, farklı kameralardaki kişinin veya aracın otomatik olarak aynı kimlikle eşleştirilmesi anlamına gelmez.

5. Kural ve Olay Analizi

Algılanan nesneler, tanımlanmış güvenlik veya operasyon kurallarıyla karşılaştırılır.

Örneğin:

• Belirlenmiş çizginin geçilmesi.

• Yasaklı bölgeye giriş yapılması.

• Bir alanda belirlenen süreden uzun kalınması.

• Belirli nesne sınıfının algılanması.

• Tanımlanan yönde hareket edilmesi.

gibi koşullar analiz edilebilir.

6. Alarm ve Raporlama

Tanımlanan olay gerçekleştiğinde sistem, desteklenen entegrasyonlara göre alarm veya metaveri oluşturabilir.

Bu bilgiler video yönetim yazılımına, güvenlik izleme merkezine veya uygun başka sistemlere aktarılabilir.

Ancak olayın algılanması ile ilgili alarmın operatöre ulaştırılması farklı işlemlerdir. Ağ bağlantısı, entegrasyon ve olay yönetimi süreçleri de sistemin başarısını etkiler.

Video Analitik Sistemlerde Kullanılan Teknolojiler

Video analitik teknolojileri yalnızca yapay zekâ tabanlı çözümlerden oluşmaz.

Farklı nesillerde geliştirilen görüntü işleme yöntemleri günümüzde çeşitli uygulamalarda kullanılmaya devam etmektedir.

Geleneksel Hareket Algılama

Geleneksel video hareket algılama yöntemleri, görüntüdeki belirli değişimleri değerlendirmeye dayanır.

Bu yöntemler basit hareket tespiti için kullanılabilir.

Ancak rüzgâr nedeniyle hareket eden ağaçlar, gölgeler, yağmur, kar veya ışık değişimleri istenmeyen alarmlara neden olabilir.

Hareketin algılanması, bu hareketin insan veya araç tarafından oluşturulduğunu doğrudan göstermez.

Kural Tabanlı Video Analiz

Kural tabanlı analizler, görüntüdeki hareket ve nesne özelliklerini önceden belirlenmiş koşullarla değerlendirir.

Sanal çizgi ihlali, belirli bölgede hareket ve nesne bırakma gibi uygulamalar farklı yöntemlerle gerçekleştirilebilir.

Bu sistemler her zaman modern derin öğrenme modellerini kullanmak zorunda değildir.

Yapay Zekâ Destekli Video Analitik

Yapay zekâ destekli sistemler, eğitim verilerinden öğrenilen örüntüler aracılığıyla nesneleri veya olayları sınıflandırabilir.

Uygun modellerde:

• İnsan ve araç sınıflandırma.

• Belirli nesnelerin tanınması.

• Kişisel koruyucu ekipman tespiti.

• Araç ve yaya hareketlerinin analizi.

• Belirli davranış veya durumların tespiti.

gerçekleştirilebilir.

Derin öğrenme tabanlı modeller, bazı uygulamalarda geleneksel hareket analizine göre daha ayrıntılı nesne sınıflandırma sağlayabilir.

Ancak kullanılan yapay zekâ modeli, eğitim verilerinde yeterince temsil edilmeyen çevresel koşullarda veya nesne türlerinde beklenen performansı göstermeyebilir.

Video Analitik Sistemleri Hangi Analizleri Yapabilir?

İnsan ve Araç Algılama

İnsan ve araç algılama, video analitik sistemlerinin yaygın kullanım alanlarından biridir.

Sistem, görüntü içerisindeki belirli nesneleri insan, otomobil veya desteklenen diğer kategorilere ayırmaya çalışır.

Bu özellik, güvenlik olaylarının filtrelenmesine ve ilgili nesne sınıflarına göre alarm oluşturulmasına yardımcı olabilir.

Ancak nesne sınıflandırma performansı kamera açısı, hedef büyüklüğü, örtüşme ve görüntü kalitesinden etkilenir.

Sanal Sınır ve Çizgi İhlali

Sanal sınır analizi, görüntü üzerinde belirlenen çizginin veya sınırın geçilmesini tespit etmeye yönelik teknolojidir.

Özellikle tesis çevresi, giriş noktaları ve kontrollü geçiş alanlarında değerlendirilebilir.

Sistemin doğru çalışabilmesi için algılama çizgisinin konumu, hareket yönü ve hedef nesne sınıfı uygun şekilde belirlenmelidir.

Yasaklı Bölgeye Giriş Algılama

Bu analiz türünde görüntü üzerinde bir algılama bölgesi oluşturulur.

Tanımlanan nesne sınıfının bu bölgeye girmesi durumunda uygun sistemlerde alarm başlatılabilir.

Fabrikalarda belirli teknik alanlar veya lojistik tesislerde kontrollü bölgeler bu uygulamaya örnek gösterilebilir.

Ancak video analitik alarmı, fiziksel geçiş kontrol sisteminin veya gerekli güvenlik bariyerlerinin yerine geçmez.

Bölgede Bekleme Analizi

Loitering Detection olarak adlandırılan analiz, belirli bir nesnenin tanımlanan bölgede belirli süreden uzun süre kalmasını tespit etmeyi amaçlar.

Bu özellik, belirli güvenlik uygulamalarında değerlendirilebilir.

Ancak uzun süre bir bölgede bulunmak, tek başına kişinin şüpheli veya suç teşkil eden davranış sergilediğini göstermez.

Alarm senaryosu, alanın kullanım amacı ve güvenlik prosedürlerine göre yapılandırılmalıdır.

Nesne Bırakma ve Kaldırma

Bazı video analitik çözümleri, belirli bir nesnenin görüntüde bırakılmasını veya daha önce bulunduğu yerden kaldırılmasını tespit edebilir.

Bu uygulamalar belirli güvenlik ve operasyon senaryolarında kullanılabilir.

Ancak nesnenin büyüklüğü, arka plan değişimi, görüntünün kesilmesi veya kalabalık hareketi tespit performansını etkileyebilir.

Kişi Sayma ve Ziyaretçi Analitiği

Video analitik sistemleri uygun kamera ve yazılım altyapısıyla kişi sayma amacıyla kullanılabilir.

Bu uygulamalar özellikle mağaza, AVM, müze ve ticari tesislerde ziyaretçi hareketlerinin analizinde değerlendirilebilir.

Desteklenen özelliklere göre:

• Giriş ve çıkış sayıları.

• Belirli alanlardaki kişi sayısı.

• Bölgesel yoğunluk.

• Hareket yönleri.

• Belirli zaman aralıklarındaki ziyaretçi trafiği.

raporlanabilir.

Ancak standart bir güvenlik kamerasının insan algılayabilmesi, yüksek doğruluklu kişi sayma yapabileceğini göstermez.

Kalabalık geçişler, insanların birbirini kapatması ve kamera perspektifi sayım performansını etkileyebilir.

Kişi sayma teknolojilerinin ayrıntılı karşılaştırması için GüvenlikOnline'ın Mağaza Müşteri Sayacı Nedir? 3D Kişi Sayma Rehberi başlıklı makalesi incelenebilir.

Plaka Tanıma Sistemleri

Plaka tanıma, araç görüntüsünden plaka bölgesinin bulunması ve uygun karakter tanıma algoritmalarıyla plaka bilgisinin elde edilmesini amaçlar.

Bu sistemler otopark, araç geçiş kontrol ve belirli ulaşım uygulamalarında değerlendirilebilir.

Ancak plaka tanıma performansı; araç hızı, kamera açısı, görüntü çözünürlüğü, ışık koşulları ve bölgesel plaka biçimlerinden etkilenir.

Türkiye'deki projelerde kullanılan sistemin Türkiye plakalarını desteklediği ayrıca doğrulanmalıdır.

Kişisel Koruyucu Donanım Analizi

Bazı video analitik sistemleri, çalışanların belirli kişisel koruyucu donanımları kullanıp kullanmadığını görüntüden değerlendirmeye yönelik özellikler sunar.

Örneğin uygun modellerde baret veya reflektif yelek tespiti yapılabilir.

Ancak bu sistemler bütün kişisel koruyucu ekipman türlerini veya ekipmanların doğru kullanımını otomatik olarak doğrulamaz.

Video tabanlı iş güvenliği analitiği, ilgili iş güvenliği prosedürlerinin, fiziksel koruyucuların veya gerekli sertifikalı güvenlik sistemlerinin yerine kullanılmamalıdır.

Video Tabanlı Alev ve Duman Algılama

Bazı özel video analitik sistemleri, görüntü üzerinden alev veya duman belirtilerini değerlendirebilir.

Ancak video yangın algılama, klasik CCTV hareket algılamasından farklı teknik ve uygunluk gerekliliklerine sahiptir.

Bir kameranın görüntüde alev benzeri bir nesneyi algılayabilmesi, cihazın yangın güvenliği sisteminde sertifikalı dedektör olarak kullanılabileceğini göstermez.

Bu uygulamalar ilgili yangın güvenliği standartları ve mevzuat doğrultusunda ayrıca değerlendirilmelidir.

Video Analitik Türlerinin Teknik Karşılaştırması

Tablo, teknolojilerin genel işlevlerini gösterir. Her analizin teknik performansı kullanılan ürün, algoritma ve gerçek saha koşullarına bağlıdır.

Edge AI, Sunucu ve Bulut Tabanlı Video Analitik Sistemler

Video analitik çözümleri, görüntülerin nerede işlendiğine göre farklı mimarilerde kurulabilir.

Edge AI: Kamera Üzerinde Video Analiz

Edge AI, analizin doğrudan IP kamera veya uygun uç cihaz üzerinde gerçekleştirilmesidir.

Kamera üzerindeki işlemci veya yapay zekâ hızlandırıcısı görüntüleri analiz ederek belirli nesne ve olay bilgilerini oluşturabilir.

Bu yaklaşım bazı projelerde:

• Merkezi sunucu işlem yükünü azaltabilir.

• Analitik işlemlerin yerel olarak yapılmasını sağlayabilir.

• Ham görüntü yerine belirli metaverilerin iletilmesine imkân verebilir.

• Ağ bağlantısından bağımsız bazı yerel işlevleri destekleyebilir.

Ancak kamera üzerindeki işlem kapasitesi, desteklenen analitik sayısı ve yazılım lisansları sınırlayıcı olabilir.

Sunucu Tabanlı Video Analitik

Sunucu tabanlı sistemlerde görüntüler uygun ağ üzerinden merkezi analiz donanımına aktarılır.

Bu yaklaşım mevcut kamera altyapısının belirli yazılımlarla analiz edilmesinde avantaj sağlayabilir.

Özellikle farklı kamera markalarının birlikte kullanıldığı projelerde değerlendirilebilir.

Ancak sunucunun CPU, GPU, bellek, ağ ve depolama kapasitesi hesaplanmalıdır.

Bir yazılımın belirli sayıda kamera desteklemesi, farklı çözünürlük ve analitik yüklerinde aynı performansı sağlayacağı anlamına gelmez.

Bulut Tabanlı Video Analitik

Bulut tabanlı sistemlerde analiz işleminin tamamı veya belirli bir bölümü uzak sunucularda gerçekleştirilebilir.

Bu yaklaşım özellikle merkezi raporlama veya uygun gelişmiş analiz hizmetleri için değerlendirilebilir.

Ancak görüntülerin veya kişisel verilerin uzak altyapılara aktarılması; bağlantı, veri koruma, maliyet ve gecikme açısından ayrıca incelenmelidir.

Edge, Sunucu ve Bulut Karşılaştırması

Bazı projelerde hibrit mimari kullanılabilir. Örneğin olay tespiti kamera üzerinde yapılırken raporlama veya ileri analiz merkezi sunucuda gerçekleştirilebilir.

Hangi mimarinin daha uygun olduğu, analitik işlevlerin gereksinimleri ve toplam sistem maliyetine göre belirlenmelidir.

Video Analitik Sistemlerde ONVIF Profile M Nedir?

Video analitik projelerinde farklı üreticilerin kamera ve yazılımlarının birlikte çalışabilmesi önemli bir gereksinimdir.

ONVIF, IP tabanlı güvenlik cihazları arasında belirli haberleşme ve kontrol arayüzlerini standartlaştıran bir kuruluştur.

ONVIF Profile T

Profile T, gelişmiş IP video akışı ve ilgili kamera fonksiyonları için kullanılır.

H.264/H.265 video aktarımı, görüntüleme ayarları ve desteklenen olay işlevleri bu profil kapsamında değerlendirilebilir.

ONVIF Profile M

ONVIF Profile M, video analitik metaverilerinin ve olay bilgilerinin uygun sistemler arasında kullanılmasına yönelik geliştirilmiştir.

ONVIF'in resmî tanımına göre Profile M aşağıdaki işlevlerle ilişkilidir:

• Analitik metaverilerinin yapılandırılması ve aktarılması.

• Nesne sınıflandırma bilgileri.

• Nesne sayma olayları.

• Desteklenen sistemlerde plaka ve yüz analitiği olayları.

• Analitik olayların diğer sistemlere iletilmesi.

• Uygun ürünlerde MQTT üzerinden olay aktarımı.

Ancak ONVIF Profile M uyumluluğu, cihazın bütün video analitik özelliklerinin standart üzerinden aktarılacağını garanti etmez.

Profille ilişkili bazı özellikler koşullu olarak tanımlanmıştır. Kamera ve VMS'nin tam destek kapsamı kontrol edilmelidir.

Örneğin ONVIF üzerinden video görüntüsünün alınması ile kameranın oluşturduğu insan sayma bilgisinin VMS'ye aktarılması farklı entegrasyon gereksinimleridir.

Bu konu hakkında ayrıntılı bilgi için GüvenlikOnline'ın ONVIF Nedir? IP Kamera, NVR ve ONVIF Profilleri Rehberi başlıklı makalesi incelenebilir.

Video Analitik Sistemlerde Doğruluk Nasıl Ölçülür?

Video analitik sistemlerin değerlendirilmesinde yalnızca üreticinin açıkladığı doğruluk oranına bakılması yeterli değildir.

Gerçek kullanım koşullarında sistemin doğru olayları algılayıp algılamadığı ve kaç yanlış alarm ürettiği ayrı ayrı ölçülmelidir.

True Positive (TP): Doğru Pozitif

Gerçekte gerçekleşen ve sistem tarafından doğru biçimde algılanan olaydır.

False Positive (FP): Yanlış Pozitif

Gerçekte hedeflenen olay gerçekleşmediği hâlde sistemin alarm oluşturmasıdır.

Örneğin rüzgârda hareket eden bir nesnenin insan olarak sınıflandırılması yanlış pozitif olabilir.

False Negative (FN): Yanlış Negatif

Gerçekte gerçekleşen bir olayın sistem tarafından algılanmamasıdır.

Örneğin belirlenen güvenlik bölgesine giren kişinin algılanmaması, kaçırılan bir olaydır.

Precision ve Recall Nedir?

Video analitik değerlendirmelerinde iki önemli ölçüt Precision ve Recall değerleridir.

Precision (Kesinlik):

Precision = TP / (TP + FP)

Bu değer, sistemin pozitif olarak bildirdiği olayların ne kadarının gerçekten doğru olduğunu gösterir.

Recall (Duyarlılık):

Recall = TP / (TP + FN)

Bu değer, gerçekte oluşan hedef olayların ne kadarının sistem tarafından algılandığını gösterir.

Örneğin bir video analitik sistemi birçok gerçek olayı algılayabilir; ancak çok sayıda yanlış alarm da üretebilir. Bu durumda duyarlılık yüksek olsa bile alarm kesinliği düşük olabilir.

Yanlış Alarm Oranı Nasıl Değerlendirilmeli?

Güvenlik projelerinde yalnızca yüzde bazlı doğruluk değerleri yerine belirli çalışma sürelerinde oluşan yanlış alarm sayısı da değerlendirilmelidir.

Örneğin günlük veya kamera başına belirli bir çalışma döneminde oluşan yanlış alarm sayısı operasyonel yükün anlaşılmasına yardımcı olabilir.

Ancak farklı projelerin yanlış alarm değerleri karşılaştırılırken algılama koşulları, test süresi ve olay tanımları aynı olmalıdır.

Yüksek doğruluk iddiası, gerçek saha testleriyle doğrulanmadıkça garanti edilen sistem performansı olarak kabul edilmemelidir.

Video Analitik Sistemlerin Performansını Etkileyen Faktörler

Kamera Çözünürlüğü ve Lens

Kamera çözünürlüğü ve lens seçimi, hedef nesnenin görüntüde kaç piksel kaplayacağını belirler.

Analitik algılama için gerekli görüntü ayrıntısı, kullanılacak algoritmanın özelliklerine bağlıdır.

Bu nedenle yalnızca 4K veya yüksek megapiksel kamera seçimi yapılması, analitik performansın yeterli olacağını göstermez.

DORI ve Piksel Yoğunluğu

Kamera sistemlerinde görüntü ayrıntısını değerlendirmek amacıyla DORI ve piksel yoğunluğu (PPM) gibi yöntemler kullanılmıştır.

Güncel IEC 62676-4:2025 standardı, video gözetim sistemlerinin planlanması, tasarımı, kurulumu, test edilmesi ve bakımına yönelik uygulama kriterlerini içermektedir.

Ancak görüntüde belirli ayrıntı seviyesinin sağlanması ile kullanılan yapay zekâ modelinin nesneyi doğru algılaması birbirinden farklı performans gereksinimleridir.

Örneğin hedefin operatör tarafından görüntüde ayırt edilebilmesi, algoritmanın aynı hedefi her koşulda doğru sınıflandıracağını garanti etmez.

Görüntü ayrıntısı hesapları için GüvenlikOnline'ın Kamera Sistemlerinde DORI Analizi Nedir? başlıklı teknik makalesi incelenebilir.

Kamera Montaj Yüksekliği ve Açısı

Kamera yerleşimi, görüntüdeki nesnelerin büyüklüğünü ve görünürlüğünü doğrudan etkiler.

Örneğin çok yüksek açıyla monte edilen bir kamera, geniş alanı gösterebilir ancak insan veya araç sınıflandırma algoritmasının ihtiyaç duyduğu nesne görünümünü sağlayamayabilir.

Axis Communications'ın Eylül 2026 tarihli Object Analytics kullanım kılavuzu, montaj yüksekliği, kamera açısı, hedef mesafesi ve nesne hareket yönünün analiz performansını etkileyebileceğini açıklamaktadır.

Aydınlatma ve Gece Koşulları

Düşük aydınlatma, yoğun karşı ışık, araç farları ve görüntüdeki gürültü algılama performansını olumsuz etkileyebilir.

Özellikle gece kullanılan sistemlerde gerçek algılama mesafesi, kızılötesi aydınlatma veya mevcut çevre ışığıyla birlikte değerlendirilmelidir.

Hava Koşulları

Yağmur, sis, kar ve bazı atmosfer koşulları görüntü kalitesini etkileyebilir.

Görünür ışık kameralarıyla çalışan sistemlerde bu etkiler algılamayı zorlaştırabilir.

Termal kamera kullanan video analitik çözümleri bazı koşullarda avantaj sağlayabilir; ancak termal sistemlerin de çevresel sınırlamaları bulunmaktadır.

Nesnelerin Birbirini Kapatması

Kalabalık sahnelerde insanların veya araçların birbirini kapatması nesne algılama ve takip performansını azaltabilir.

Bu durum özellikle kişi sayma ve yoğun alan analizlerinde önemlidir.

Kamera Hareketi ve Titreşim

Kamera direğinin sallanması, mekanik titreşim veya PTZ hareketleri analitik sonuçları etkileyebilir.

Analizin hareketli kamera üzerinde çalışması isteniyorsa ilgili yazılımın bu kullanım senaryosunu desteklemesi gerekir.

Video Analitik Sistemlerde Saha Validasyonu Nasıl Yapılır?

Video analitik sistemlerin devreye alınmasında, gerçek saha koşullarının test edilmesi gerekir.

NIST AI Risk Management Framework, yapay zekâ sistemlerinin kullanım koşullarına benzer ortamlarda test edilmesini ve işletme sırasında performanslarının izlenmesini öneren risk yönetimi yaklaşımı sunmaktadır.

Bu çerçeve, video analitik sistemler için zorunlu bir ürün sertifikası değildir; ancak performans ölçümü ve doğrulama açısından kullanılabilecek önemli bir referanstır.

Örnek bir saha validasyon süreci şu şekilde planlanabilir:

1. Algılanması gereken olay ve nesne sınıfları açıkça tanımlanır.

2. Kameranın görüş alanı ve analitik algılama bölgesi belirlenir.

3. Kabul kriterleri ve test senaryoları hazırlanır.

4. Yetkili personel tarafından kontrollü referans olaylar oluşturulur.

5. Sistemin oluşturduğu alarmlar referans olaylarla karşılaştırılır.

6. Doğru pozitif, yanlış pozitif ve yanlış negatif olaylar değerlendirilir.

7. Farklı gündüz, gece ve uygun çevresel koşullarda testler tekrarlanır.

8. Gerektiğinde hassasiyet ve olay kuralları yeniden yapılandırılır.

9. Sonuçlar test raporuyla belgelenir.

10. Sistem kullanımdayken performansın düzenli olarak gözden geçirilmesi planlanır.

Bu testlerin güvenli koşullarda ve ilgili tesis prosedürlerine uygun olarak gerçekleştirilmesi önemlidir.

Bir video analitik sisteminin devreye alınmış olması, otomatik olarak doğrulanmış performansa sahip olduğu anlamına gelmez.

Gerçek başarı, tanımlanan senaryoların sahada ölçülmesi ve sonuçların kabul kriterleriyle karşılaştırılmasıyla değerlendirilmelidir.

Video Analitik Sistemler Hangi Sektörlerde Kullanılır?

Video analitik teknolojilerinin kullanım amacı sektöre göre farklılaşır.

Bu örnekler, ilgili analitik özellikleri destekleyen sistemlerle gerçekleştirilebilecek uygulamalardır.

Bütün video analitik ürünlerinin bu işlevlerin tamamını desteklediği varsayılmamalıdır.

Özellikle büyük tesislerin dış sınırlarında video analitik sistemler, radar ve farklı fiziksel güvenlik teknolojileriyle birlikte değerlendirilebilir.

Bu konudaki alternatif teknolojiler için GüvenlikOnline'ın Çevre Güvenlik Sistemleri Nedir? başlıklı rehberi incelenebilir.

Video Analitik Sistemler ve KVKK

Video analitik sistemler, kişilerin görüntülerini veya tanımlayıcı bilgilerini işleyebildiğinden kişisel verilerin korunması açısından dikkatle değerlendirilmelidir.

Türkiye'de 6698 sayılı Kişisel Verilerin Korunması Kanunu, ilgili veri işleme faaliyetleri için temel düzenlemelerden biridir.

Kişisel Verileri Koruma Kurumunun 2026 yılında yayımladığı iş yerlerindeki güvenlik kameralarına ilişkin açıklaması, izleme faaliyetlerinde amaçla sınırlılık, gereklilik ve ölçülülüğün önemini vurgulamaktadır.

Video Analitik Her Zaman Kişisel Veri İşler mi?

Video analitik sistemlerinin veri işleme özellikleri farklıdır.

Bazı uygulamalar yalnızca toplulaştırılmış nesne sayıları üretirken diğerleri tanınabilir görüntüler, araç plakaları veya kişiyle ilişkilendirilebilecek hareket bilgileri işleyebilir.

Dolayısıyla sistemin KVKK kapsamında değerlendirilmesi, kullanılan analitik yönteme ve veri işleme faaliyetinin gerçek özelliklerine bağlıdır.

Yüz Tanıma ve Biyometrik Veriler

Yüzün görüntüde bulunmasının algılanması ile kişinin yüz özelliklerinden kimliğinin doğrulanması veya belirlenmesi aynı işlem değildir.

Biyometrik kimlik doğrulama ve tanıma uygulamalarında özel nitelikli kişisel verilerin işlenmesine ilişkin ilave hukuki gereklilikler doğabilir.

Bu tür analizlerin kullanılması yalnızca cihazın teknik olarak desteklemesine dayanarak kararlaştırılmamalıdır.

Veri Güvenliği ve Saklama

Video analitik projelerinde:

• Veri işleme amacı önceden belirlenmelidir.

• Gereksiz kişisel veri toplanmamalıdır.

• Görüntü ve olay kayıtlarına erişimler sınırlandırılmalıdır.

• Kayıt saklama süreleri tanımlanmalıdır.

• Gerektiğinde kişisel veriler için güvenli silme süreçleri uygulanmalıdır.

• Bulut veya üçüncü taraf sistemlere veri aktarımı değerlendirilmelidir.

• Sistem yöneticilerinin erişim yetkileri kontrol edilmelidir.

Video analitiğin teknik olarak mümkün olması, her analiz yönteminin her ortamda hukuken uygun olduğu anlamına gelmez.

Özellikle çalışanların performansının sürekli izlenmesi veya kişilerin kimlikleri üzerinden davranışlarının analiz edilmesi gibi uygulamalar, hukuki dayanak ve ölçülülük açısından dikkatle değerlendirilmelidir.

Video Analitik Sistem Seçerken Nelere Dikkat Edilmeli?

Doğru video analitik sisteminin seçimi, kullanılacak ürünün en fazla sayıda analiz özelliğine sahip olmasına göre yapılmamalıdır.

1. Kullanım Amacı Belirlenmeli

Öncelikle sistemin hangi sorunu çözmesi gerektiği tanımlanmalıdır.

Örneğin çevre ihlali algılama ve kişi sayma uygulamalarının başarı kriterleri farklıdır.

2. Kamera ve Lens Uygunluğu Doğrulanmalı

Mevcut veya yeni kameraların çözünürlüğü, lensi, hedef mesafesi ve montaj açısı değerlendirilmelidir.

3. Algoritma Performansı İncelenmeli

Üreticinin performans iddiaları, ilgili test koşullarıyla birlikte değerlendirilmelidir.

Doğruluk, yanlış alarm ve kaçırılan olaylar ayrı ölçülmelidir.

4. Sistem Mimarisi Seçilmeli

Edge AI, merkezi sunucu veya bulut tabanlı çözüm alternatifleri işlem kapasitesi, ağ ve veri güvenliği açısından karşılaştırılmalıdır.

5. Yazılım ve Entegrasyon Uyumluluğu Kontrol Edilmeli

ONVIF Profile M, üretici API'leri, VMS ve alarm yönetimi gereksinimleri doğrulanmalıdır.

6. Siber Güvenlik Değerlendirilmeli

Ağ segmentasyonu, kullanıcı yetkileri, güvenli bağlantı, firmware güncellemeleri ve olay kayıtlarının korunması planlanmalıdır.

7. Lisans ve İşletme Maliyetleri Hesaplanmalı

Video analitik yazılımları bazı ürünlerde dahili, bazı ürünlerde ise ayrı lisanslı olabilir.

Toplam maliyet değerlendirmesinde:

• Kamera ve donanım giderleri.

• Sunucu veya AI hızlandırıcı donanımı.

• Analitik lisansları.

• Video yönetim yazılımı.

• Ağ ve depolama altyapısı.

• Kurulum ve devreye alma.

• Kalibrasyon ve validasyon.

• Bakım ve güncelleme.

birlikte dikkate alınmalıdır.

Video Analitik Sistemler İçin Teknik Kontrol Listesi

Proje mühendisleri, sistem entegratörleri ve teknik satın alma ekipleri aşağıdaki listeyi kullanabilir:

• Video analitik sisteminin kullanım amacı tanımlandı mı?
• Algılanacak nesne ve olay türleri belirlendi mi?
• Kamera konumu, lens ve hedef mesafesi kontrol edildi mi?
• Gündüz ve gece görüntü kalitesi değerlendirildi mi?
• Algılama bölgeleri ve sanal çizgiler tanımlandı mı?
• Edge, sunucu veya bulut mimarisi seçildi mi?
• CPU, GPU ve ağ kapasitesi hesaplandı mı?
• İlgili analitik lisansları ve cihaz uyumluluğu doğrulandı mı?
• ONVIF Profile M veya gerekli API entegrasyonları test edildi mi?
• Yanlış alarm ve kaçırılan olaylar için ölçüm kriterleri tanımlandı mı?
• Saha validasyonu ve kabul testleri planlandı mı?
• Operatör alarm yönetimi ve müdahale prosedürleri hazırlandı mı?
• KVKK ve veri saklama gereklilikleri değerlendirildi mi?
• Siber güvenlik ve kullanıcı erişim kontrolleri planlandı mı?
• Yazılım güncellemeleri ve periyodik performans kontrolü planlandı mı?

Bu liste, teknik ön değerlendirme amacı taşır. Kesin mühendislik tasarımının veya ilgili mevzuat yükümlülüklerinin yerine geçmez.

Sık Sorulan Sorular

Video analitik sistem nedir?

Video analitik sistemi, kamera görüntülerini analiz ederek insan, araç, nesne veya belirli olayların otomatik olarak tespit edilmesini ve uygun yazılımlarda raporlanmasını sağlayan teknolojidir.

Video analitik ile yapay zekâ aynı şey mi?

Hayır. Video analitik, görüntülerin otomatik analiz edilmesini ifade eder. Yapay zekâ ise bu analizlerde kullanılabilecek yöntemlerden biridir. Geleneksel görüntü işleme teknikleri de video analitik uygulamalarında kullanılabilir.

Video analitik sistemler mevcut IP kameralarla çalışır mı?

Uygun kamera, görüntü akışı ve sunucu altyapısı bulunuyorsa bazı analiz yazılımları mevcut IP kameralardan yararlanabilir. Ancak her kamera bütün analizleri desteklemez.

Edge AI ile sunucu tabanlı video analiz arasındaki fark nedir?

Edge AI'da analiz kamera veya uç cihaz üzerinde yapılır. Sunucu tabanlı sistemde görüntüler merkezi işlem donanımında analiz edilir. Seçim işlem kapasitesi, ağ ve entegrasyon ihtiyaçlarına bağlıdır.

Video analitik sistemler yanlış alarmı tamamen önler mi?

Hayır. Yapay zekâ destekli analizler belirli yanlış alarm kaynaklarını azaltabilir, ancak bütün koşullarda hatasız çalışma garanti edilemez.

Video analitik sistemlerde doğruluk nasıl ölçülür?

Gerçek olaylar ile sistem tarafından algılanan olaylar karşılaştırılarak doğru pozitif, yanlış pozitif ve yanlış negatif sonuçlar değerlendirilir. Precision, Recall ve operasyonel yanlış alarm ölçümleri kullanılabilir.

Video analitik sistemlerde ONVIF Profile M ne işe yarar?

ONVIF Profile M, desteklenen analitik metaverilerinin ve olay bilgilerinin farklı sistemler arasında aktarılmasını kolaylaştırır. Ancak bütün gelişmiş analiz özelliklerinin otomatik uyumluluğunu garanti etmez.

Video analitik sistemler kişi sayma yapabilir mi?

Uygun algoritma ve kamera yerleşimiyle kişi sayma yapılabilir. Ancak yüksek doğruluk gerektiren uygulamalarda sistemin gerçek saha koşullarında validasyonu önemlidir.

Video analitik sistemler yüz tanıma yapar mı?

Bazı özel sistemler yüz tanıma teknolojilerini destekleyebilir. Ancak insan algılama, yüz tespiti ve biyometrik kimlik tanıma farklı işlemlerdir. Biyometrik uygulamalarda ilave hukuki gereklilikler değerlendirilmelidir.

Video Analitik Sistemlerde Başarıyı Belirleyen Unsur Nedir?

Video analitik sistemler, geleneksel CCTV altyapısının güvenlik olaylarını algılama, görüntülerden anlamlı bilgiler üretme ve operasyonel süreçleri destekleme olanaklarını genişletmektedir.

İnsan ve araç sınıflandırma, çevre ihlali, kişi sayma, plaka tanıma ve diğer analizler farklı ihtiyaçlar için değerlendirilebilir.

Ancak sistemin başarısı yalnızca gelişmiş bir yapay zekâ algoritmasının kullanılmasına bağlı değildir.

Kamera yerleşimi, uygun görüntü ayrıntısı, seçilen analitik modeli, doğru entegrasyon, siber güvenlik ve gerçek saha testleri birlikte değerlendirilmelidir.

Güvenilir video analitik sisteminin temelinde, tespit edilmesi gereken olayların açıkça tanımlanması, yanlış ve kaçırılan alarmların ölçülmesi, saha performansının doğrulanması ve sonuçların sürdürülebilir biçimde izlenmesi bulunur.

Kaynaklar

1. IEC — IEC 62676-4:2025 — Video gözetim sistemlerinin planlanması, tasarımı, kurulumu, test edilmesi, devreye alınması ve bakımı.

2. ONVIF — Profile M — Video analitik metaverileri, nesne sınıflandırma ve olay arayüzleri.

3. ONVIF — Profile T — Gelişmiş IP video aktarımı ve ilgili kamera işlevleri.

4. Axis Communications — AXIS Object Analytics Kullanım Kılavuzu — Nesne algılama, bölge ve çizgi kuralları, montaj ve çevresel performans sınırlamaları.

5. Axis Communications — Video Analytics — Video analitik ürün sınıfları ve uygulama örnekleri.

6. NIST — Artificial Intelligence Risk Management Framework — Yapay zekâ sistemlerinin risk, performans ve güvenilirlik değerlendirmesi.

7. NIST — AI RMF Measure — Yapay zekâ performansının ölçülmesi, test ve izleme yaklaşımı.

8. Kişisel Verileri Koruma Kurumu — İş Yerlerinde Güvenlik Kamerası Kullanımı — Kamera görüntülerinin işlenmesi, amaçla sınırlılık, ölçülülük ve veri güvenliği.