Ana Sayfa

›

Blog

›

Yapay Zeka & Analitik

›

Kişi Sayma Sistemi Nedir? Nasıl Çalışır?

Kişi Sayma Sistemi Nedir? Nasıl Çalışır?

Yayın:

Bu yazıyı yapay zekayla özetleyin:

ChatGPT

Perplexity

Claude

Gemini

Kişi sayma sistemi sensörünün mağaza girişinde tavandan altından geçen müşterileri sayması

Kısaca

Kişi sayma sistemi, bir kapıdan ya da alandan geçen insanları otomatik olarak sayan ve bunu giriş, çıkış ve anlık doluluk verisine çeviren sistemdir. Tavana takılan bir sensör ya da kamera, altından geçen kişiyi algılar, yönünü takip eder ve sanal bir çizgiyi geçtiğinde sayar. Elde edilen veri mağazada dönüşüm oranını, ofiste alan kullanımını, etkinlikte kapasite sınırını yönetmek için kullanılır.

Önemli bilgiler

  • Kişi sayma, kameranın kimin geçtiğini değil, kaç kişinin hangi yöne geçtiğini bilmesini gerektirir.
  • Başlıca yöntemler: tek lensli 2D kamera, 3D stereo kamera, ToF sensör, termal sensör, kızılötesi ışın bariyeri ve Wi-Fi/Bluetooth tahmini.
  • Yoğun ve geniş girişlerde, tepeden bakan derinlik algılayan (3D stereo, ToF) sensörler grup geçişlerini ayırmada genellikle daha başarılıdır.
  • Doğruluk yalnızca cihaza değil; montaj yüksekliğine, kapı genişliğine ve personelin sayımdan çıkarılıp çıkarılmadığına bağlıdır.
  • Sayım verisi satış verisiyle birleştiğinde mağazanın dönüşüm oranı hesaplanabilir.
  • Tepeden sayan ve yalnızca sayı üreten sensörler kimlik işlemez; görüntü kaydeden kameralarda ise kişisel veri kuralları devreye girer.

Kişi sayma sistemi nedir?

Kişi sayma sistemi, bir girişten ya da belirli bir alandan geçen insanları sensör veya kamera ile otomatik olarak sayan, giriş ve çıkışları ayırarak raporlayan sistemdir.

Temel soru her yerde aynıdır: “Şu an içeride kaç kişi var, bugün kaç kişi geldi, en yoğun saat hangisiydi?” Eskiden elle tutulan sayaçlarla bulunan bu cevabı bugün tavandaki küçük bir sensör ya da kişi sayma kamerası gün boyu kesintisiz üretir.

İnsan sayma sistemi, ziyaretçi sayma sistemi ya da yaya trafiği sayacı gibi farklı adlarla da anılır; hepsi aynı işi anlatır. Kişi sayma çoğu zaman yapay zeka destekli kameraların özelliklerinden biri olarak da sunulur. Yapay zeka destekli kameraların genel özelliklerini ve analizin kamerada mı, kayıt cihazında mı yoksa sunucuda mı yapıldığını ana yazımızda anlattık. Yapay Zeka Destekli Güvenlik Kamerası Nedir? →

İlgili hizmet · Görüntüleme ve Güvenlik

Kişi sayma da dahil olmak üzere kamera sistemlerini tesisinizin ihtiyacına göre nasıl projelendirdiğimizi, kurduğumuzu ve bakımını nasıl üstlendiğimizi Görüntüleme ve Güvenlik sayfamızda anlattık.
Görüntüleme ve Güvenlik →

Kişi sayma hangi verileri üretir?

Sistem temelde dört veri üretir: kaç kişinin girdiği, kaç kişinin çıktığı, içeride anlık kaç kişi bulunduğu ve bunların saatlere göre dağılımı.

Bu dört veriden işletmeler için anlamlı göstergeler türetilir:

  • Ziyaretçi sayısı: Gün, hafta ve ay bazında kaç kişinin geldiği; kampanya ve vitrin değişikliklerinin etkisi.
  • Giriş-çıkış ve anlık doluluk: Giren ile çıkan arasındaki fark, o anda içeride kaç kişi olduğunu gösterir.
  • Kapasite sınırı: Anlık doluluk belirlenen sınıra yaklaştığında uyarı üretilir.
  • Kuyruk ve bekleme: Kasa ya da gişe önündeki bölgede kaç kişinin beklediği ve ne kadar beklediği.
  • Dönüşüm oranı: Satış adediyle ziyaretçi sayısı karşılaştırılarak gelenlerin ne kadarının alışveriş yaptığı hesaplanır.
  • Yoğun saatler: Personel vardiyasının ve temizlik planının gerçek yoğunluğa göre ayarlanması.

Kişi sayma sistemi nasıl çalışır?

Sistem dört adımda çalışır: kişiyi algılar, hareketini takip eder, sanal bir çizgiyi hangi yöne geçtiğini belirler ve bu geçişi zaman bilgisiyle kaydeder.

  1. Algılama: Sensör ya da kamera, görüş alanındaki kişiyi arka plandan ayırır. Bu, kullanılan yönteme göre görüntüdeki insan şeklini tanıyarak, derinlik (yükseklik) bilgisiyle ya da vücut ısısıyla yapılır.
  2. Takip: Algılanan her kişiye geçici bir iz atanır ve kişi görüş alanı boyunca kareden kareye izlenir. Bu iz kimlik değildir; yalnızca aynı kişinin iki kez sayılmasını önler.
  3. Yön ve çizgi: Kurulumda girişe sanal bir sayım çizgisi çizilir. İz bu çizgiyi içeri doğru geçerse “giriş”, dışarı doğru geçerse “çıkış” yazılır. Kapıda durup geri dönen kişi sayılmaz.
  4. Kayıt ve aktarım: Sayılar dakikalık ya da saatlik aralıklarla saklanır ve raporlama yazılımına, kamera tabanlı sistemlerde kamera izleme programına ya da ekrana aktarılır.

Gelişmiş sistemler buna filtreler ekler: belirli bir boyun altındakileri ayrı saymak, alışveriş ve bebek arabasını insandan ayırmak gibi.

Tepeden bakan sensörün kişileri derinlik haritasında algılayıp sanal sayım çizgisinde sayması

Kişi sayma yöntemleri nelerdir, aralarındaki farklar nelerdir?

Kişi sayma için altı temel yöntem kullanılır ve aralarındaki asıl fark, kalabalıkta ve grup geçişlerinde ne kadar doğru saydıkları ile görüntü işleyip işlemedikleridir.

YöntemNasıl algılar?Kalabalık ve grup geçişiIşık koşullarına duyarlılıkGörüntü işler mi?Tipik kullanım yeri
Tek lensli 2D kamera (yapay zeka destekli)Görüntüdeki insan şeklini tanırOrta; kişiler birbirini kapatınca zorlanırGölge, ters ışık ve ani ışık değişimi etkilerEvetMevcut kameralı alanlar, bölge yoğunluğu, kuyruk
3D stereo kameraİki lensle derinlik ve boy hesaplar, tepeden bakarYüksek; yan yana yürüyenleri ayırabilirİç mekânda iyi; çok güçlü doğrudan güneş etkileyebilirSensör içinde işler, genellikle yalnızca sayı aktarırMağaza ve AVM girişleri, yoğun kapılar
ToF (uçuş süresi) sensörüKızılötesi ışık gönderip yansıma süresinden derinlik haritası çıkarırYüksekKaranlıkta da çalışır; güçlü güneş ışığı etkileyebilirHayır, yalnızca derinlik verisiOfis, toplantı odası, mahremiyetin öncelikli olduğu alanlar
Termal sensörVücut ısısını algılarOrta; düşük çözünürlükte yakın kişiler birleşebilirIşıktan bağımsız; ortam sıcaklığı vücut sıcaklığına yaklaşınca zorlanırIsı görüntüsü işler, yüz ayrıntısı yokturKaranlık veya yarı açık alanlar, bina girişleri
Kızılötesi ışın / lazer bariyerKapının iki yanındaki ışının kesilmesini sayarDüşük; yan yana geçenleri tek kişi sayabilirDüşükHayırDar kapılar, küçük mağazalar, düşük trafik
Wi-Fi / Bluetooth tahminiTelefonların yaydığı sinyalleri sayarKişi saymaz, cihaz sayar; yalnızca tahminIşıktan bağımsızHayır, ama cihaz tanımlayıcısı işlerGeniş alanlarda kaba yoğunluk ve eğilim

Tablo niteliksel bir karşılaştırmadır; doğruluk, aynı yöntem içinde bile cihaz kalitesine ve kuruluma göre değişir.

1. Tek lensli 2D kamera

Yapay zeka destekli kamera görüntüdeki insanı tanır ve sanal çizgiyi geçenleri sayar. Avantajı, mevcut kameraların bir kısmının bu iş için kullanılabilmesidir; dezavantajı, açılı bakan kamerada kalabalıkta öndeki kişinin arkadakini kapatmasıdır.

2. 3D stereo kamera

İki lens, insan gözü gibi aynı sahneye biraz farklı açılardan bakar ve aradaki farktan derinlik hesaplanır. Tepeden bakan sensör, her kişinin boyunu ölçebildiği için yan yana yürüyen kişileri ayırabilir, yükseklik eşiğiyle çocukları ayrı sayabilir ya da hariç tutabilir, alışveriş arabasını insandan ayırabilir.

3. ToF sensörü

Görünmeyen kızılötesi ışığın geri dönüş süresinden bir derinlik haritası çıkarır; görüntü üretmez. Karanlıkta çalışır, yakın yürüyenleri iyi ayırır; mesafe arttıkça doğruluk düştüğü için çok yüksek tavanlarda birden fazla sensör gerekebilir.

4. Termal sensör

İnsanları ortamdan sıcak şekiller olarak görür; tam karanlıkta çalışır, yüz ayrıntısı içermez. Ortam vücut sıcaklığına yaklaştığında ayrım zorlaşır. Güvenlik amaçlı termal kameralar ise çevre güvenliğinde ayrı bir görev üstlenir. Termal Kamera Sistemleri →

5. Kızılötesi ışın bariyeri

Kapının iki yanındaki verici ile alıcı arasındaki ışın kesildiğinde sayım yapılır; iki ışınlı modeller yönü de ayırır. Basittir, ama yan yana geçen iki kişiyi tek kişi sayabilir.

6. Wi-Fi ve Bluetooth tahmini

Telefonların yaydığı sinyaller sayılır. Herkes telefon taşımadığı ve güncel telefonlar cihaz kimliğini düzenli olarak değiştirdiği için yalnızca kabaca eğilim gösterir; kapı sayımının yerine değil, yanında kullanılır.

Hangi yöntem hangi girişe uygundur?

Dar ve az trafikli bir kapı için basit bir ışın bariyeri yeterli olabilirken, geniş ve yoğun bir AVM girişi için tepeden bakan derinlik algılayan bir sensör gerekir.

  • Küçük mağaza, dar kapı, düşük trafik: Kızılötesi ışın bariyeri ya da tek bir 2D kamera.
  • Mağaza ve AVM girişleri, yoğun saatler, aile ve grup geçişleri: 3D stereo veya ToF sensör.
  • Ofis ve toplantı odaları, görüntü istenmeyen alanlar: ToF veya termal sensör.
  • Mevcut kameraların bulunduğu alanlarda bölge yoğunluğu ve kuyruk: Yapay zeka destekli 2D kamera analizi.
  • Kampüs, açık alan, geniş etkinlik sahası: Girişlerde sensör sayımı; alan geneli için Wi-Fi/Bluetooth tahmini ek veri olarak.
Kişi sayma yöntemleri: 2D kamera, 3D stereo, ToF, termal, kızılötesi ışın ve Wi-Fi/Bluetooth

Girişleriniz için hangi kişi sayma yöntemi doğru?

Keşifte kapı genişliğini, tavan yüksekliğini, trafiği ve mevcut kameralarınızı birlikte değerlendirelim; ihtiyacınıza uygun yöntemi önerelim.

Sayım doğruluğunu neler etkiler?

Bir kişi sayma sisteminin doğruluğunu cihazın kendisi kadar, nereye ve nasıl takıldığı belirler.

  • Montaj yüksekliği: Her sensörün üretici tarafından belirtilen bir montaj yüksekliği aralığı vardır. Çok alçakta görüş alanı daralır ve kapının tamamı görülemez; çok yüksekte derinlik ve ısı ayrıntısı azalır, yakın kişiler birleşir.
  • Kapı genişliği: Bir sensörün kapsadığı genişlik sınırlıdır. Geniş girişlerde birden fazla sensör yan yana kullanılır ve aynı kişinin iki kez sayılmaması için sensörler birlikte çalışacak şekilde ayarlanır.
  • Yoğunluk ve grup geçişi: Kalabalıkta kişiler birbirine yaklaşır; tepeden bakmayan ya da derinlik ölçmeyen yöntemler bu durumda iki kişiyi tek kişi sayabilir.
  • Kapı önünde bekleme ve geri dönme: Sayım çizgisi kapı eşiğine çok yakın ya da bekleme alanının içinde çizilirse, kapıda duraksayan ve geri dönen kişiler sayımı bozar.
  • Personel hariç tutma: Gün içinde defalarca giren çıkan personel sayılırsa ziyaretçi sayısı ve dönüşüm oranı yanlış çıkar. Personel ayrı bir girişi kullanabilir, bazı sistemler personelin taşıdığı bir etiketle ayrım yapabilir; hiçbiri mümkün değilse personel geçişlerinin payı raporda ayrıca değerlendirilir.
  • Kurulum sonrası doğrulama: Sistem devreye alındıktan sonra belirli bir süre elle yapılan sayımla ya da kayıt görüntüsüyle karşılaştırılır, çizgi ve eşik ayarları buna göre düzeltilir.

Üreticilerin doğruluk oranları genellikle uygun koşullarda ölçülür; asıl önemli olan, sistemin sizin girişinizde, yoğun saatinizde nasıl saydığıdır.

Sahadan bir örnek

Bir mağazada sayım raporları sabah açılıştan önce ve kapanıştan sonra ziyaretçi gösteriyordu. İncelediğimizde depo teslimatı yapan personelin ve mesai giriş-çıkışlarının da müşteri girişinden geçtiğini gördük. Sayımı yalnızca açık saatlerle sınırladık, teslimatları yan kapıya yönlendirdik ve sayım çizgisini kapının bekleme alanından uzaklaştırdık. Sonraki haftalarda elle yaptığımız kontrol sayımlarıyla sistem arasındaki fark belirgin şekilde azaldı.

Sayım verileri nasıl raporlanır ve hangi sistemlere bağlanır?

Sayım verisi tek başına bir rakamdır; asıl değer bir raporlama ekranında görselleştirildiğinde ve satış, anons ya da geçiş sistemleriyle birleştiğinde ortaya çıkar.

  • Raporlama ekranı (dashboard): Saatlik giriş-çıkış, anlık doluluk, günler ve şubeler arası karşılaştırma tek ekranda görülür. Çok şubeli işletmelerde bütün şubelerin verisi merkezde toplanabilir.
  • Satış verisiyle dönüşüm: Sayım verisi kasa sistemindeki (POS) işlem sayısıyla aynı zaman aralıklarında eşleştirildiğinde dönüşüm oranı çıkar: içeri girenlerin kaçta kaçı alışveriş yaptı? Ziyaretçi sayısı artıp satış artmıyorsa sorun trafikte değil, mağaza içindedir.
  • Kapasite uyarısı: Anlık doluluk belirlenen sınıra yaklaştığında güvenlik ekranına bildirim gider; aynı anda girişteki hoparlörden otomatik bir bilgilendirme anonsu yapılabilir ya da girişteki ekranda “lütfen bekleyin” mesajı gösterilebilir. Seslendirme ve Anons →
  • Personel ve temizlik planlama: Yoğun saat raporları vardiya planına, tuvalet ve ortak alan kullanım sayıları temizlik sıklığına dönüştürülür.
  • Dışa aktarma: Veriler tablo olarak dışa aktarılabilir ya da bir arayüz (API) üzerinden işletmenin kendi yazılımına aktarılabilir.

Kamera tabanlı sayımda veriler çoğu zaman VMS yazılımının raporlama ekranlarında da görülebilir. Projelerimizde öncelikle önerdiğimiz Sagitech bu analizleri kamera görüntüsü üzerinde yapar; Trassir gibi video analitik platformları da bu iş için kullanılabilir. Video yönetim yazılımlarının raporlama özelliklerini VMS yazımızda ayrıca anlattık.

Saatlik ziyaretçi sayısını ve anlık doluluğu gösteren raporlama ekranı

Kamera izleme yazılımı olarak Sagitech mağaza analizinde ne sunar?

Kamera tabanlı sayım için projelerimizde öncelikle önerdiğimiz VMS yazılımı Sagitech’tir. Yapay zeka destekli bir kamera izleme programı olan Sagitech, IP, USB ve web kameralarından gelen görüntüleri tek platformda izler, kaydeder ve analiz eder. Mağazalar için sunduğu analizler dört başlıkta toplanır:

  • İnsan sayma: Girişe bakan kameranın görüntüsündeki kişiler sayılır ve sayım, kayıtla aynı platformda tutulur. Yukarıda anlattığımız 2D kamera yöntemine dayandığı için kameranın konumunu ve açısını keşifte girişe göre belirliyoruz.
  • Isı haritası: Müşterilerin mağazanın hangi bölgelerinde yoğunlaştığını, hangi reyonların daha az ilgi gördüğünü görsel olarak gösterir.
  • Kuyruk algılama: Kasa önünde bekleyen kişileri algılar; kuyruk uzamadan yeni kasa açma kararını vermeye yardım eder.
  • POS yazar kasa eşleştirme: Fiş bilgisi, aynı anın kasa görüntüsüyle yan yana getirilir. Bir işlem incelenirken o anın görüntüsünü arşivde tarih ve saatle geri sararak aramak gerekmez.

Bir perakende projemizde mağaza kameralarını Sagitech üzerinden POS kayıtlarıyla eşleştirdik; kasa işlemleri, yapıldıkları anın görüntüsüyle birlikte izlenebilir hale geldi. Analiz modüllerini her mağazanın ışığına, kamera açısına ve kullanımına göre ayrı ayrı ayarlıyoruz, çünkü bir mağazada doğru çalışan ayar diğerinde aynı sonucu vermeyebilir.

Çok şubeli zincirlerde Sagitech VMS yazılımı tek sunucuyla başlayıp yeni sunucu ve lokasyonlar eklendikçe büyür; bütün şubeler tek yapıda birleşir ve tek ekrandan izlenir. Modüller ihtiyaç oldukça eklenir; yalnızca insan sayma ile başlayıp kuyruk algılama ya da POS entegrasyonunu sonradan devreye almak mümkündür.

Çok geniş ve yoğun girişlerde tepeden bakan bir sensörün daha doğru sayabileceğini yukarıda anlattık; bu yüzden yöntemi her giriş için keşifte ayrı değerlendiriyoruz. Sagitech’te analiz kamera görüntüsü üzerinden yapıldığından, görüntünün kaydedildiği her yerde kişisel veri kurallarının geçerli olduğunu da baştan konuşuyoruz.

Kişi sayma hangi alanlarda kullanılır?

Kişi sayma en çok mağaza ve AVM’lerde kullanılır; ancak ofis, kampüs, etkinlik alanı, toplu taşıma ve tesis yönetiminde de aynı veri farklı kararları besler.

  • Mağaza ve AVM: Ziyaretçi sayısı, dönüşüm oranı, kampanya ve vitrin etkisi, yoğun saate göre kasa ve personel planı.
  • Ofis ve kampüs: Hibrit çalışmada katların, toplantı odalarının ve ortak alanların gerçekte ne kadar kullanıldığı; kullanılmayan alanlar için aydınlatma ve iklimlendirme kararları.
  • Etkinlik ve fuar alanları: Anlık doluluğun izlenmesi, kapasite sınırının aşılmaması ve girişlerin yoğunluğa göre yönlendirilmesi.
  • Toplu taşıma ve istasyonlar: Peron ve araç doluluğunun izlenmesi, sefer ve personel planlaması.
  • Tuvalet ve ortak alanlar: Sabit saatlere göre değil, kullanım sayısına göre temizlik planı. Belirli bir kullanım sayısına ulaşıldığında temizlik ekibine bildirim gönderilebilir.

Kişi sayma kişisel veriler açısından nasıl değerlendirilir?

Tepeden bakan ve yalnızca sayı üreten bir sensör kişinin kim olduğunu bilmez; bu yüzden kimliği belirlenemeyen anonim sayım, görüntü kaydeden bir kameraya göre kişisel veri açısından çok daha sade bir tablodur.

Kişisel Verileri Koruma Kanunu, kimliği belirli ya da belirlenebilir bir kişiye ait bilgiyi kişisel veri sayar. Derinlik haritası ya da ısı şekliyle çalışan, görüntüyü cihaz içinde işleyip yalnızca “giriş: 1, çıkış: 0” bilgisini aktaran bir sensör, kişiyi tanımlamaya yarayan bir bilgi üretmez. Ancak sayım için kullanılan kamera görüntüyü kaydediyorsa ya da bir yerde saklıyorsa, o görüntü kişisel veridir ve bilinen kurallar (aydınlatma, saklama süresi, güvenlik önlemleri) geçerlidir. Wi-Fi ve Bluetooth tahmininde ise telefonların cihaz tanımlayıcıları işlendiği için ayrıca değerlendirme gerekir.

Kişi sayma ile yüz tanımayı karıştırmamak önemlidir. Yüz tanıma kişinin kim olduğunu belirler ve biyometrik veri işler; kişi sayma ise yalnızca kaç kişinin geçtiğini bilir. Yüz tanımanın kişisel veriler açısından ayrıntılı değerlendirmesini ilgili yazımızda ele aldık. Yüz Tanıma Sistemi Nedir? Nasıl Çalışır? →

Projelerde kişi sayma için mümkün olduğunca görüntü kaydetmeyen, sayımı cihaz içinde yapan sensörleri tercih ediyoruz; yaş, cinsiyet gibi ek analizler isteniyorsa bunun ayrıca değerlendirilmesi gerektiğini baştan konuşuyoruz.

Önemli not

Bu bölüm genel bilgilendirme amaçlıdır, hukuki görüş değildir. Kendi projeniz için Kişisel Verileri Koruma Kurumu’nun güncel düzenlemelerine bakın ve bir hukukçuya danışın.

Kişi sayma nasıl bir altyapı ister?

Çoğu kişi sayma sensörü ve kamerası tek bir ağ kablosu üzerinden hem enerji hem veri alır; bu yüzden doğru planlanmış bir ağ altyapısı kurulumun temelidir.

  • PoE ile enerji ve veri: Sensörler ve IP kameralar genellikle PoE (Ethernet üzerinden güç) ile beslenir; tavana ayrıca priz çekmek gerekmez. Switch’in PoE güç bütçesinin bütün cihazlara yetmesi gerekir.
  • Ağ bağlantısı: Sayım verisi küçüktür, ancak kamera tabanlı sistemlerde görüntü de taşınıyorsa bant genişliği ve ağ ayrımı (sayım ve kamera cihazlarının ayrı bir ağda tutulması) baştan planlanmalıdır. Network Altyapı Hizmeti →
  • Zaman senkronu: Sayım verisi satış verisiyle karşılaştırılacaksa cihazların saatlerinin aynı kaynaktan senkronize edilmesi gerekir; aksi halde saatlik dönüşüm oranı yanlış çıkar.

Kişi sayma, kamera, ağ ve anons sistemlerini tek firma olarak birlikte planlamak, kapasite uyarısı gibi entegrasyonların baştan çalışmasını sağlar. Altyapı ve Danışmanlık Hizmetleri →

Sık sorulan sorular

Kişi sayma sistemi ne işe yarar?

Bir girişten ya da alandan geçen kişileri otomatik olarak sayar; ziyaretçi sayısı, giriş-çıkış, anlık doluluk ve yoğun saat verisi üretir. Bu veriler dönüşüm oranı hesabında, personel ve temizlik planlamasında ve kapasite sınırının yönetiminde kullanılır.

Mevcut güvenlik kameralarım kişi sayma için kullanılabilir mi?

Bazı durumlarda evet. IP kameralar yapay zeka destekli bir kayıt cihazıyla ya da Sagitech gibi bir VMS yazılımıyla kişi sayma yapabilir; ancak güvenlik için açılı takılmış bir kamera, tepeden bakan bir sensör kadar doğru saymayabilir. Hangisinin uygun olduğunu keşifte birlikte değerlendiriyoruz.

Kişi sayma sensörü çocukları ve alışveriş arabalarını da sayar mı?

Yönteme bağlıdır. Boy ölçebilen 3D stereo ve ToF sensörler bir yükseklik eşiğiyle çocukları ayrı sayabilir ya da hariç tutabilir, arabaları insandan ayırabilir. Basit ışın bariyerleri bu ayrımı yapamaz.

Personel sayımdan çıkarılabilir mi?

Çıkarılabilir, ama yöntemi baştan planlamak gerekir. Personel için ayrı giriş kullanılabilir, bazı sistemler personelin taşıdığı bir etiketle ayrım yapabilir ya da sayım yalnızca müşteri saatleriyle sınırlanabilir.

Kişi sayma KVKK açısından sorun yaratır mı?

Görüntü kaydetmeyen ve yalnızca sayı üreten sensörler kimlik işlemediği için genellikle sade bir tablodur. Görüntü kaydeden kameralarda ise kişisel veri kuralları geçerlidir. Uygulama öncesinde hukuki görüş almanızı öneririz.

Kişi sayma için hangi VMS yazılımı kullanılır?

Kamera tabanlı sayımda kişi sayma analizi yapabilen bir VMS yazılımı gerekir. Projelerimizde öncelikle Sagitech’i öneriyoruz; insan sayma, ısı haritası, kuyruk algılama ve POS yazar kasa eşleştirme aynı kamera izleme yazılımında bulunur. Çözüm ortağımız Trassir de değerlendirdiğimiz bir diğer seçenektir. Hangisinin uygun olduğunu mevcut kameralarınıza ve şube sayınıza göre keşifte belirliyoruz.

Kaynaklar

  1. Kişisel Verilerin Korunması Kanunu (6698 sayılı), Mevzuat Bilgi Sistemi
  2. Kişisel Verileri Koruma Kurumu, Kişisel Verilerin Silinmesi, Yok Edilmesi veya Anonim Hale Getirilmesi Hakkında Yönetmelik
  3. Vision Systems Design, “Using 3D sensor technology for retail store traffic analytics”
  4. Ariadne, “Stereo vs ToF vs Thermal Sensor” (yöntemlerin çalışma prensibi)

Projeniz için uzman görüşü mü lazım?

Binanızı yerinde inceleyelim, ihtiyacınız olan sistemleri birlikte belirleyelim.