Yapay Zekâ Destekli Video Analiz Çözümleri: Teknolojiler, Kullanım Alanları ve Seçim Rehberi

Yapay zekâ destekli video analiz çözümleri, güvenlik kameralarından elde edilen görüntüleri bilgisayarlı görü ve makine öğrenmesi algoritmalarıyla işleyerek insanları, araçları, nesneleri ve belirli olayları otomatik olarak analiz eden teknolojilerdir. Geleneksel CCTV sistemlerinin temel görüntüleme ve kayıt işlevlerini geliştirerek güvenlik, operasyon yönetimi ve iş zekâsı uygulamaları için anlamlı veriler üretilmesini sağlar.

Günümüzde yapay zekâ destekli video analiz sistemleri; alışveriş merkezlerinden fabrikalara, lojistik tesislerinden havalimanlarına, perakende mağazalarından kritik altyapılara kadar farklı sektörlerde kullanılmaktadır.

Bu sistemler sayesinde belirli alanlara izinsiz girişler, insan ve araç hareketleri, nesne bırakma olayları, ziyaretçi yoğunluğu ve önceden tanımlanmış bazı riskli durumlar otomatik olarak analiz edilebilir.

Ancak bir güvenlik kamerasının yapay zekâ özelliğine sahip olması, her türlü video analiz uygulamasını desteklediği veya her ortamda aynı doğrulukla çalışacağı anlamına gelmez. Gerçek performans; kamera yerleşimi, görüntü kalitesi, kullanılan algoritma, işlem kapasitesi ve saha koşullarına bağlıdır.

Yapay Zekâ Destekli Video Analiz Nedir?

Yapay zekâ destekli video analiz, dijital video görüntülerinin yapay zekâ algoritmalarıyla işlenerek belirli nesnelerin, hareketlerin, olayların veya görsel örüntülerin otomatik olarak tespit edilmesidir.

Bu teknoloji, İngilizcede AI Video Analytics veya AI-Powered Video Analytics olarak adlandırılır.

Geleneksel video analiz sistemlerinde hareket algılama, sanal çizgi ihlali veya belirli görüntü değişiklikleri üzerinden olay oluşturulabilir.

Yapay zekâ destekli sistemlerde ise nesnelerin sınıflandırılması, birden fazla kare boyunca takip edilmesi ve belirli olay kurallarıyla ilişkilendirilmesi mümkün olabilir.

Örneğin geleneksel hareket algılama sistemi, rüzgârda hareket eden ağaç dallarını alarm olarak değerlendirebilir.

İnsan algılama konusunda eğitilmiş bir yapay zekâ modeli ise uygun koşullarda insan hareketlerini diğer hareketli nesnelerden ayırabilir.

Bu yaklaşım gereksiz alarmların azaltılmasına katkı sağlayabilir. Ancak yanlış alarm veya kaçırılan olay ihtimalini tamamen ortadan kaldırmaz.

Yapay Zekâ Destekli Video Analiz Sistemleri Nasıl Çalışır?

Yapay zekâ video analiz sistemlerinin çalışma süreci, görüntülerin alınmasından olayların raporlanmasına kadar birden fazla teknik aşamadan oluşur.

1. Video Görüntüsünün Alınması

Sistem, IP güvenlik kamerası veya desteklenen başka bir görüntü kaynağından video akışı alır.

Bu görüntüler kameranın kendi işlemcisi, NVR, yerel analiz sunucusu veya uygun bulut altyapısı üzerinden işlenebilir.

Kamera çözünürlüğü, kare hızı, sıkıştırma yöntemi, lens ve aydınlatma koşulları analiz performansını etkiler.

2. Nesne Algılama (Object Detection)

Yapay zekâ algoritması, görüntü içerisindeki belirli nesne sınıflarını tespit etmeye çalışır.

Desteklenen modele göre şu nesneler algılanabilir:

• İnsan

• Otomobil

• Kamyon ve otobüs

• Motosiklet ve bisiklet

• Belirli hayvan türleri

• Çanta ve paket

• Belirli kişisel koruyucu donanımlar

Her algoritma bütün nesne sınıflarını desteklemez.

3. Nesne Sınıflandırma (Object Classification)

Algılanan nesneler, modelin eğitildiği sınıflara göre kategorilere ayrılır.

Örneğin görüntüdeki hareketli bir nesnenin insan mı, araç mı olduğu değerlendirilebilir.

Ancak nesne sınıflandırma ile belirli bir kişinin kimliğinin tespit edilmesi aynı işlem değildir.

4. Nesne Takibi (Object Tracking)

Algılanan nesnelerin video kareleri boyunca hareketleri takip edilebilir.

Bu sayede nesnenin hangi yönde ilerlediği, belirli bir bölgeye girip girmediği veya sanal çizgiyi geçip geçmediği analiz edilebilir.

Nesne takibi, tek bir kamera görüntüsü içerisinde gerçekleştirilebildiği gibi daha gelişmiş sistemlerde farklı kameralar arasında da uygulanabilir.

Farklı kameralar arasında nesne veya kişi eşleştirme işlemi, ek algoritmalar ve uygun veri işleme yöntemleri gerektirir.

5. Olay ve Davranış Analizi

Algılanan nesneler, önceden tanımlanmış olay kurallarıyla ilişkilendirilir.

Örneğin:

• İnsanların yasaklı bölgeye girmesi,

• Bir aracın belirli alanda durması,

• Bir nesnenin belirli süre boyunca bırakılmış görünmesi,

• Bir kişinin tanımlanan çizgiyi geçmesi,

• Bir alanda insan yoğunluğunun artması

gibi durumlar analiz edilebilir.

Bu işlemler, algoritmanın desteklediği özelliklere ve tanımlanan kurallara bağlıdır.

6. Alarm ve Raporlama

Belirlenen olay gerçekleştiğinde sistem alarm, bildirim, olay kaydı veya istatistik oluşturabilir.

Bu veriler uygun entegrasyonlarla video yönetim sistemlerine (VMS), güvenlik operasyon merkezlerine veya raporlama platformlarına aktarılabilir.

Geleneksel Video Analiz ile Yapay Zekâ Destekli Video Analiz Arasındaki Farklar

Geleneksel video analiz sistemleri ile yapay zekâ destekli çözümler arasında kullanılan yöntemler ve analiz yetenekleri açısından önemli farklılıklar bulunur.

Önemli: Geleneksel video analitik ile yapay zekâ analitiği tamamen birbirinden bağımsız kategoriler değildir. Modern sistemler, makine öğrenmesiyle nesne algılama ve geleneksel kural tabanlı olay analizini birlikte kullanabilir.

Yapay Zekâ Destekli Video Analiz Çözümlerinin Kullanım Alanları

Çevre ve Sınır Güvenliği

Fabrika, enerji tesisi, lojistik merkezi ve kritik altyapı çevrelerinde insan veya araç hareketleri analiz edilebilir.

Sanal çizgi geçişi, bölge ihlali ve belirli yönlerde hareket gibi kurallar tanımlanabilir.

Ancak bitki hareketleri, yağış, sis, gece koşulları ve görüş alanındaki engeller sistem performansını etkileyebilir.

Akıllı İnsan ve Araç Algılama

Geleneksel hareket algılama sistemlerinden farklı olarak insan ve araç sınıflandırması yapılabilir.

Bu sayede belirli nesne türlerine yönelik alarm kuralları oluşturulabilir.

Örneğin yalnızca insan girişinde alarm verilmesi veya araç hareketlerinin ayrı değerlendirilmesi mümkün olabilir.

Perakende ve Mağaza Analitiği

Perakende mağazalarında ziyaretçi hareketleri, giriş-çıkış trafiği ve belirli alanların kullanım yoğunluğu analiz edilebilir.

Uygun sistemlerde:

• Kişi sayma

• Alan doluluk analizi

• Isı haritası

• Kuyruk yoğunluğu

• Ziyaretçi hareket eğilimleri

gibi işlevler sunulabilir.

Ancak bu analizlerin tamamı standart güvenlik kameralarında bulunmaz. Ayrıca giriş sayısı, benzersiz ziyaretçi sayısı ve tekrar ziyaret analizi birbirinden farklı metriklerdir.

İş Sağlığı ve Güvenliği

Endüstriyel tesislerde belirli iş güvenliği senaryoları video analitik ile izlenebilir.

Örneğin baret ve reflektif yelek algılama, forklift-yaya yakınlaşması ve tehlikeli bölge ihlali gibi uygulamalar kullanılabilir.

Ancak video analitik, sertifikalı makine emniyet sistemlerinin veya zorunlu fiziksel güvenlik önlemlerinin yerine geçmez.

Trafik ve Otopark Yönetimi

Araç algılama, yön analizi, araç sayımı ve belirli trafik olaylarının izlenmesi için yapay zekâ kullanılabilir.

Plaka tanıma gibi işlevler ise özel algoritmalar ve uygun görüntüleme koşulları gerektirir.

Kalabalık ve Yoğunluk Analizi

Havalimanları, stadyumlar, alışveriş merkezleri ve toplu kullanım alanlarında belirli bölgelerdeki insan yoğunluğu analiz edilebilir.

Bu analizler, alan kullanımının değerlendirilmesine ve operasyonel planlamaya destek sağlayabilir.

Ancak kamera tabanlı tahmini yoğunluk değerlerinin gerçek kişi sayısıyla doğrulanması önemlidir.

Alev ve Duman Algılama

Özel video analitik algoritmaları, görüntülerdeki belirli alev veya duman belirtilerini tespit etmeye yönelik kullanılabilir.

Ancak standart AI video analitik özelliği, bir ürünün sertifikalı yangın algılama sistemi olarak kullanılabileceği anlamına gelmez.

Yangın güvenliği uygulamalarında ilgili mevzuat ve uygunluk gereklilikleri ayrıca değerlendirilmelidir.

Edge AI, Sunucu Tabanlı ve Bulut Video Analiz Sistemleri

Yapay zekâ video analiz çözümleri, görüntülerin işlendiği altyapıya göre farklı mimarilerde kurulabilir.

Edge AI: Kamera Üzerinde Yapay Zekâ

Edge AI sistemlerinde analiz doğrudan kameranın işlemcisi üzerinde gerçekleştirilir.

Bu yaklaşımın avantajları arasında merkezi işlem ihtiyacının azaltılması ve bazı uygulamalarda daha düşük ağ yükü bulunabilir.

Ancak kameranın işlem kapasitesi, desteklenen algoritma sayısını ve eş zamanlı analiz yeteneklerini sınırlandırabilir.

Sunucu Tabanlı Video Analiz

Sunucu tabanlı sistemlerde birden fazla IP kameradan alınan görüntüler merkezi bir analiz sunucusunda işlenir.

Bu yaklaşım, mevcut CCTV altyapısının değerlendirilmesi açısından avantaj sağlayabilir.

Ancak GPU veya CPU kapasitesi, video çözünürlüğü, kare hızı, eş zamanlı akış sayısı ve yazılım lisansları doğru planlanmalıdır.

Bulut Tabanlı Video Analiz

Bulut tabanlı sistemlerde görüntülerin veya analiz verilerinin bir bölümü uzak sunucularda işlenebilir.

Merkezi yönetim, çok lokasyonlu raporlama ve ölçeklenebilirlik gibi avantajlar sunabilir.

Buna karşılık internet bağlantısı, veri aktarım maliyetleri, gecikme, siber güvenlik ve kişisel veri koruma gereklilikleri değerlendirilmelidir.

Video Analiz Sistem Mimarilerinin Karşılaştırılması

Bu karşılaştırma genel mimari özelliklerini gösterir. Gerçek performans, toplam sahip olma maliyeti ve veri güvenliği ürün bazında değerlendirilmelidir.

Mevcut Güvenlik Kameraları Yapay Zekâ ile Akıllı Hale Getirilebilir mi?

Uygun koşullarda evet.

Yapay zekâ özelliği bulunmayan bazı IP kameraların görüntüleri, harici video analiz yazılımlarıyla işlenebilir.

Bu yaklaşım özellikle mevcut CCTV altyapısını koruyarak yeni analiz özellikleri eklemek isteyen işletmeler açısından değerlendirilebilir.

Ancak kameranın yalnızca görüntü aktarabiliyor olması yeterli değildir.

Kamera ve Video Akışı Uyumluluğu

Kameranın desteklediği RTSP, ONVIF veya üreticiye özgü bağlantı yöntemleri kontrol edilmelidir.

Video akışının analiz yazılımıyla uyumlu biçimde alınabilmesi gerekir.

Görüntü Kalitesi

Analiz edilecek nesnenin görüntüde yeterli büyüklükte ve netlikte bulunması önemlidir.

Örneğin genel insan algılama için yeterli olan görüntü, küçük bir nesnenin sınıflandırılması için yetersiz kalabilir.

İşlem Kapasitesi

Sunucu üzerinde analiz yapılacaksa eş zamanlı kamera sayısı, çözünürlük, analiz kare hızı ve model karmaşıklığı dikkate alınmalıdır.

Lisans ve Entegrasyon

Yazılımın kamera başına, analiz kanalı başına veya farklı kullanım modelleriyle lisanslanıp lisanslanmadığı incelenmelidir.

Ayrıca olayların mevcut VMS veya alarm yönetim sistemine aktarılması doğrulanmalıdır.

Yanlış Alarm ve Kaçırılan Olaylar

Bir video analiz sisteminde yalnızca yüksek algılama oranı hedeflenmemelidir.

Çok fazla yanlış alarm üreten sistemler operasyonel verimliliği azaltabilir.

Özellikle güvenlik uygulamalarında yanlış negatif olaylar da önemli riskler oluşturabilir.

Bu nedenle sistem performansı, kullanım senaryosuna göre kabul kriterleri belirlenerek değerlendirilmelidir.

Saha Validasyonu

Profesyonel video analitik projelerinde aşağıdaki adımlar uygulanabilir:

1. Analiz senaryosu ve hedef nesne tanımlanır.

2. Kamera yerleşimi ve görüntü kalitesi kontrol edilir.

3. Analiz bölgeleri ve alarm kuralları yapılandırılır.

4. Kontrollü referans olaylar oluşturulur.

5. Sistem sonuçları gerçek olaylarla karşılaştırılır.

6. Yanlış pozitif ve yanlış negatif sonuçlar analiz edilir.

7. Gündüz, gece ve farklı hava koşulları test edilir.

8. Alarm gecikmesi ve entegrasyon doğrulanır.

9. Kabul kriterlerine göre validasyon raporu hazırlanır.

10. Periyodik performans kontrolleri planlanır.

Yapay Zekâ Video Analizinde DORI ve PPM Neden Önemlidir?

Kamera sistemlerinde görüntü ayrıntısının değerlendirilmesi için DORI ve piksel yoğunluğu gibi teknik kavramlardan yararlanılabilir.

DORI; algılama, gözlemleme, tanıma ve kimliklendirme görevleri için kullanılan bir görüntüleme değerlendirme yaklaşımıdır.

PPM ise belirli bir mesafede bir metrelik fiziksel genişliğe karşılık gelen yatay piksel sayısını ifade eder.

Bu ölçümler kamera ve lens seçiminde yararlı olabilir.

Ancak DORI veya PPM değerlerinin sağlanması, yapay zekâ algoritmasının belirli bir nesneyi doğru sınıflandıracağını garanti etmez.

Örneğin bir kişinin görüntüde yeterli büyüklükte bulunması, kişinin üzerindeki küçük bir ekipmanın da güvenilir biçimde algılanabileceği anlamına gelmez.

Bu nedenle video analitik projelerinde üreticinin algoritmaya özgü hedef piksel gereksinimleri ve saha testleri birlikte değerlendirilmelidir.

Yapay Zekâ Video Analiz Sistemlerinde Siber Güvenlik

Video analiz sistemleri, ağ bağlantılı kamera ve sunuculardan oluştuğu için siber güvenlik açısından da değerlendirilmelidir.

Özellikle şu önlemler önemlidir:

• Güvenli kullanıcı kimlik doğrulama

• Rol bazlı erişim yetkileri

• Desteklenen şifreli haberleşme yöntemleri

• Ağ segmentasyonu

• Güvenlik güncellemeleri

• Olay kayıtlarının korunması

• API erişimlerinin sınırlandırılması

• Yedekleme ve kurtarma prosedürleri

• Varsayılan parolaların değiştirilmesi

• Kullanılmayan servislerin kapatılması

ONVIF uyumluluğu, bir ürünün bütün video analitik meta verilerini desteklediği veya tüm siber güvenlik gereksinimlerini karşıladığı anlamına gelmez.

Yapay Zekâ Video Analiz Sistemleri ve KVKK

Yapay zekâ video analitik uygulamalarında kişisel veri işlenip işlenmediği, sistemin gerçek çalışma prensibine bağlıdır.

Özellikle tanınabilir kişi görüntüleri, yüz tanıma, kişi takibi ve yeniden tanımlama gibi özelliklerde veri koruma gereklilikleri önem kazanır.

Kişisel Veri ve Anonim Analiz

Yalnızca toplulaştırılmış ve gerçekten anonim istatistikler üreten bir sistemle tanınabilir kişilerin görüntülerini işleyen sistem aynı şekilde değerlendirilmemelidir.

Ancak görüntülerin analiz sonrasında silinmesi, analiz sırasında gerçekleşmiş kişisel veri işleme faaliyetini otomatik olarak ortadan kaldırmaz.

Yüz Tanıma ve Biyometrik Veri

Yüz tanıma ve insan algılama farklı teknolojik işlevlerdir.

Bir sistemin görüntüde insan bulunduğunu belirlemesi için kişinin kimliğini tespit etmesi gerekmez.

Biyometrik kimlik belirleme söz konusuysa KVKK'nın özel nitelikli kişisel verilere ilişkin hükümleri ayrıca değerlendirilmelidir.

Veri Minimizasyonu

Analiz amacı için gerekli olmayan kişisel verilerin toplanmaması ve saklanmaması temel tasarım ilkelerinden biri olmalıdır.

Bulut altyapısı, üçüncü taraf erişimleri, saklama süreleri ve yurt dışına kişisel veri aktarımı da ayrıca değerlendirilmelidir.

Yapay Zekâ Destekli Video Analiz Sistemi Nasıl Seçilir?

Doğru video analitik çözümünün seçilmesi, yalnızca kamera markasına veya yapay zekâ algoritmasının pazarlama özelliklerine bağlı olmamalıdır.

1. Kullanım Senaryosunu Belirleyin

İnsan algılama, çevre güvenliği, kişi sayma, davranış analizi veya endüstriyel risk izleme gibi hedefler açıkça tanımlanmalıdır.

2. Algoritmanın Yetkinliğini Doğrulayın

İstenen nesne ve olay sınıflarının yazılım tarafından desteklenip desteklenmediği incelenmelidir.

3. Kamera Yerleşimini Değerlendirin

Görüntü açısı, lens, montaj yüksekliği, hedef nesne büyüklüğü ve aydınlatma koşulları kontrol edilmelidir.

4. Sistem Mimarisini Seçin

Edge AI, yerel sunucu veya bulut mimarileri işlem kapasitesi, maliyet, gecikme ve veri güvenliği açısından karşılaştırılmalıdır.

5. Entegrasyon Gereksinimlerini Belirleyin

Mevcut VMS, NVR, alarm ve raporlama sistemleriyle uyumluluk test edilmelidir.

6. Saha Doğruluğunu Ölçün

Precision, Recall, yanlış alarm oranı ve olay algılama gecikmesi gibi metrikler gerçek kullanım koşullarında değerlendirilmelidir.

7. Toplam Sahip Olma Maliyetini Hesaplayın

Kamera, sunucu, yazılım lisansı, kurulum, bakım, güncelleme ve veri aktarım maliyetleri birlikte hesaplanmalıdır.

Yapay Zekâ Video Analiz Sistemleri İçin Teknik Kontrol Listesi

• Kullanım senaryoları ve analiz hedefleri belirlendi mi?
• Algoritmanın ilgili nesne ve olayları desteklediği doğrulandı mı?
• Kamera çözünürlüğü, lens ve görüş alanı uygun mu?
• Hedef nesnenin görüntüdeki piksel büyüklüğü yeterli mi?
• Gece ve olumsuz hava koşulları test edildi mi?
• Edge AI veya sunucu işlem kapasitesi hesaplandı mı?
• ONVIF, RTSP ve API entegrasyonları doğrulandı mı?
• Precision, Recall ve yanlış alarm sonuçları ölçüldü mü?
• Alarm gecikmesi test edildi mi?
• Siber güvenlik ve KVKK gereklilikleri değerlendirildi mi?
• Lisans, bakım ve güncelleme maliyetleri hesaplandı mı?
• Periyodik validasyon ve teknik servis planı oluşturuldu mu?

Sık Sorulan Sorular

Yapay zekâ destekli video analiz nedir?

Güvenlik kamerası görüntülerinin yapay zekâ algoritmalarıyla işlenerek insan, araç, nesne ve belirli olayların otomatik analiz edilmesidir.

Her IP kamera yapay zekâ video analizi yapabilir mi?

Hayır. Kamera üzerinde analiz için uygun işlemci ve yazılım desteği gerekir. Bazı mevcut IP kameraların görüntüleri ise harici analiz sunucularında işlenebilir.

Yapay zekâ video analiz sistemleri yanlış alarm üretir mi?

Evet. Aydınlatma, görüntü kalitesi, hava koşulları, örtüşme ve algoritma sınırlamaları yanlış alarm veya kaçırılan olaylara neden olabilir.

Edge AI ile sunucu tabanlı video analiz arasındaki fark nedir?

Edge AI analiz işlemini kamera veya uç cihazda gerçekleştirirken sunucu tabanlı sistemlerde görüntüler merkezi işlem altyapısında analiz edilir.

Yapay zekâ video analiz sistemleri mevcut CCTV altyapısına entegre edilebilir mi?

Uygun video akışı, yazılım ve donanım uyumluluğu bulunduğunda mevcut CCTV altyapısı kullanılabilir. Entegrasyon ürün ve sistem bazında doğrulanmalıdır.

Yapay zekâ video analiz sistemlerinde doğruluk nasıl belirlenir?

Gerçek olaylarla sistem sonuçları karşılaştırılarak Precision, Recall, yanlış alarm ve kaçırılan olay metrikleri ölçülür. Performans saha validasyonuyla doğrulanmalıdır.

Yapay zekâ video analiz sistemleri KVKK'ya uygun mudur?

Uygun şekilde tasarlanıp işletildiğinde KVKK'ya uygun olabilir. Ancak kişisel veri işleniyorsa veri işleme şartları, aydınlatma, saklama ve güvenlik yükümlülükleri karşılanmalıdır.

Sonuç

Yapay zekâ destekli video analiz çözümleri, geleneksel güvenlik kameralarının görüntüleme ve kayıt yeteneklerini geliştirerek güvenlik, operasyon yönetimi ve veri analitiği için yeni uygulama alanları oluşturur.

İnsan ve araç algılama, nesne takibi, çevre güvenliği, kişi sayma, yoğunluk analizi ve belirli riskli olayların tespiti bu teknolojilerin önemli kullanım alanlarıdır.

Ancak profesyonel bir video analitik sisteminin başarısı yalnızca yapay zekâ algoritmasına bağlı değildir.

Kamera yerleşimi, görüntü kalitesi, işlem kapasitesi, doğru sistem mimarisi, entegrasyon, siber güvenlik ve saha validasyonu birlikte değerlendirilmelidir.

Doğru yapay zekâ video analiz çözümü, en fazla özelliği sunan değil; hedeflenen olayları gerçek saha koşullarında ölçülebilir ve sürdürülebilir performansla analiz edebilen sistemdir.

Kaynaklar

1. ONVIF – Profile M

2. NIST – Artificial Intelligence Risk Management Framework

3. IEC – International Electrotechnical Commission

4. Kişisel Verileri Koruma Kurumu