Bilgisayarlı görü (Computer Vision) dünyası, yalnızca görüntüdeki nesnelerin ne olduğunu ve nerede bulunduğunu bilmenin ötesine geçerek, bu nesnelerin zaman içerisindeki hareketlerini ve kimliklerini takip etme yönünde evrilmiştir. Güvenlik sistemlerinden otonom araçlara, spor analitiğinden üretim hatlarındaki robotik kollara kadar pek çok endüstriyel uygulama, dinamik ortamlarda çoklu nesne takibi (Multi-Object Tracking – MOT) teknolojisine ihtiyaç duymaktadır.
Bu altyapının merkezinde, nesne tespiti (Object Detection) ile veri ilişkilendirme (Data Association) süreçlerinin bir araya gelmesi yer alır. Günümüzde bu sinerjiyi en güçlü şekilde sunan mimarilerden biri, YOLOv8 veya YOLO-NAS gibi son nesil dedektörlerin, DeepSORT (Deep Simple Online and Realtime Tracking) algoritması ile entegre edilmesidir. Bu makalede, modern çoklu nesne takibi altyapısının teorik temellerini, bileşenlerini ve gerçek zamanlı bir sistemin nasıl inşa edileceğini derinlemesine inceleyeceğiz.
Çoklu Nesne Takibinin (MOT) Temelleri ve Zorlukları
Çoklu nesne takibi, bir video akışında yer alan ve sürekli hareket eden birden fazla nesneye benzersiz birer kimlik (ID) atama ve bu kimliği video boyunca koruma işlemidir. Basit bir nesne tespit algoritması, her karede (frame) nesnelerin koordinatlarını bulabilir ancak bir sonraki karedeki nesnenin, bir önceki karedeki hangi nesneye ait olduğunu bilemez. İşte bu noktada nesne takibi devreye girer.
MOT sistemlerinin karşılaştığı en büyük zorluklar şunlardır:
- Oklüzyon (Kapanma): Bir nesnenin, başka bir nesnenin veya çevresel bir faktörün (örneğin bir direğin) arkasında kalarak geçici olarak gözden kaybolması.
- Bakış Açısı ve Işık Değişimleri: Kameranın açısının değişmesi veya ani ışık patlamaları nedeniyle nesnenin görsel özniteliklerinin farklılaşması.
- Ölçek Değişiklikleri: Nesnenin kameraya yaklaşması veya uzaklaşması sonucu boyutunun radikal şekilde değişmesi.
- Kimlik Değişimi (ID Switch): Birbirine çok yakın hareket eden benzer iki nesnenin (örneğin aynı formayı giyen iki futbolcunun) kimliklerinin algoritma tarafından karıştırılması.
Bu zorlukları aşmak için modern sistemler Tracking-by-Detection (Tespitle Takip) yaklaşımını benimser. Bu yaklaşımda önce güçlü bir derin öğrenme modeli nesneleri tespit eder, ardından takip algoritması bu tespitleri geçmiş karelerdeki verilerle eşleştirir.
Güçlü Birer Dedektör: YOLOv8 ve YOLO-NAS
Tracking-by-Detection yaklaşımının başarısı, doğrudan nesne tespit modelinin doğruluğuna ve hızına bağlıdır. Eğer dedektör nesneyi kaçırırsa, takip algoritmasının yapabileceği pek bir şey kalmaz. Bu altyapıda iki modern seçenek öne çıkmaktadır:
YOLOv8: Hız ve Doğruluğun Dengesi
Ultralytics tarafından geliştirilen YOLOv8, nesne tespiti, segmentasyon ve sınıflandırma görevlerinde endüstri standardı haline gelmiştir. Anchor-free (çapa kutusu kullanmayan) bir mimariye sahip olan YOLOv8, nesnelerin merkez noktalarını doğrudan tahmin ederek daha hızlı ve esnek bir tespit süreci sunar. Gerçek zamanlı sistemlerde yüksek FPS (Frames Per Second) değerlerine ulaşırken doğruluktan ödün vermemesi, onu DeepSORT için mükemmel bir ortak yapar.
YOLO-NAS: Yapay Zeka Tarafından Optimize Edilen Mimari
Deci AI tarafından geliştirilen YOLO-NAS (Neural Architecture Search), derin öğrenme mimarisinin manuel olarak değil, yapay zeka algoritmaları tarafından optimize edilmesiyle ortaya çıkmıştır. Kuantizasyon dostu tasarımı ve AutoNAC teknolojisi sayesinde, özellikle donanım tabanlı (Edge AI, Jetson Nano, TensorRT vb.) dağıtımlarda inanılmaz bir verimlilik sunar. Küçük nesneleri tespit etme yeteneği ve karmaşık arka planlardaki başarısı, yoğun trafik izleme gibi senaryolarda YOLO-NAS’ı bir adım öne çıkarır.
Takip Mekanizması: DeepSORT Algoritması
Nesneler YOLO modelleri tarafından tespit edildikten sonra, bu verilerin zaman serisi halinde birbirine bağlanması gerekir. DeepSORT, klasik SORT algoritmasının üzerine derin öğrenme tabanlı öznitelik çıkarımı (deep appearance descriptors) ekleyerek oklüzyon ve kimlik değişimi sorunlarını çözen bir algoritmadır.
DeepSORT mimarisi temel olarak üç ana sütun üzerine kuruludur:
1. Kalman Filtresi ile Hareket Tahmini
Kalman Filtresi, bir nesnenin bir sonraki karede nerede olabileceğini tahmin etmek için kullanılan matematiksel bir modeldir. Nesnenin mevcut konumunu, hızını ve ivmesini hesaba katarak bir durum uzayı oluşturur. YOLO yeni bir tespit yapmasa bile, Kalman Filtresi nesnenin olası konumunu tahmin etmeye devam eder, bu da kısa süreli kapanmalarda (oklüzyon) takibin kopmamasını sağlar.
2. Macar Algoritması (Hungarian Algorithm) ve Mahalanobis Mesafesi
Kalman Filtresi’nin yaptığı tahminler ile YOLO’nun yaptığı yeni tespitlerin birbiriyle eşleştirilmesi gerekir. Bu eşleştirme problemine bir maliyet matrisi oluşturularak yaklaşılır. İlk aşamada, tahmin edilen kutular ile tespit edilen kutular arasındaki geometrik uzaklık Mahalanobis Mesafesi ile ölçülür. Macar Algoritması ise bu mesafe matrisini kullanarak en optimum eşleştirmeyi (en düşük maliyetli atamayı) gerçekleştirir.
3. Derin Görünüm Öznitelikleri (Cosine Distance)
Sadece geometrik konuma güvenmek, nesneler birbirinin önünden geçtiğinde veya hızla yön değiştirdiğinde yetersiz kalır. DeepSORT, bu problemi çözmek için büyük bir araç/insan yeniden tanımlama (Re-ID) veri kümesinde önceden eğitilmiş bir Evrişimli Sinir Ağı (CNN) kullanır. Bu ağ, tespit edilen her nesne için 128 boyutlu bir vektör (görsel parmak izi) üretir. İki nesne arasındaki görsel benzerlik Kosinüs Mesafesi ile hesaplanır. Böylece, bir kişi bir direğin arkasına geçip (oklüzyon) birkaç saniye sonra tekrar ortaya çıktığında, görünüm öznitelikleri sayesinde aynı ID’yi koruyabilir.
YOLOv8/NAS + DeepSORT Entegrasyonu ve Çalışma Mantığı
Bu iki güçlü teknolojinin bir araya gelmesiyle oluşan multi-object tracking altyapısının çalışma adımları şu şekildedir:
- Görüntü Girişi: Kamera veya video dosyasından alınan anlık kare (frame) sisteme beslenir.
- Nesne Tespiti: YOLOv8 veya YOLO-NAS, karedeki nesneleri tespit eder; her nesne için sınırlayıcı kutu (bounding box) koordinatlarını, güven skorunu ve sınıf ID’sini üretir.
- Öznitelik Çıkarımı: Tespit edilen bu kutuların içindeki görsel alan, DeepSORT’un Re-ID ağına gönderilir ve nesnelerin görsel öznitelik vektörleri çıkarılır.
- Tahmin ve Güncelleme: Kalman Filtresi, önceki karelerde takip edilen nesnelerin yeni konumlarını tahmin eder.
- Veri İlişkilendirme: Mahalanobis ve Kosinüs mesafelerinin kombinasyonundan oluşan bir birleşik maliyet matrisi oluşturulur. Macar algoritması yardımıyla en doğru eşleşmeler yapılır.
- Kimlik Yönetimi: Yeni giren nesnelere yeni ID’ler atanır, eşleşenlerin ID’leri korunur, uzun süre tespit edilemeyen eski nesnelerin ID’leri ise sistemden silinir.
Sık Sorulan Sorular
1. YOLOv8 ve YOLO-NAS arasındaki en büyük fark nedir ve takip performansını nasıl etkiler?
YOLOv8, genel kullanım ve esneklik açısından oldukça optimize edilmiş, geniş topluluk desteğine sahip bir modeldir. YOLO-NAS ise donanıma özel optimizasyon süreçleriyle üretilmiştir ve özellikle kenar cihazlarda (Edge computing) daha düşük gecikme süresi sunar. Takip performansında, YOLO-NAS’ın küçük nesneleri algılama yeteneği DeepSORT’un daha az ID değişimi yapmasını sağlayabilir.
2. DeepSORT algoritması neden sadece konum bilgisini (SORT) kullanmaktan daha iyidir?
Klasik SORT algoritması sadece Kalman filtresi ve IoU (Intersection over Union) oranlarına dayanır. Bu durum, nesnelerin birbirini kapattığı yoğun senaryolarda takibin kopmasına ve sürekli kimlik (ID) değişimine neden olur. DeepSORT ise derin öğrenme tabanlı görünüm özniteliklerini işleme dahil ederek nesnelerin görsel kimliklerini hatırlar ve oklüzyon sonrası doğru eşleştirmeyi sürdürür.
3. Gerçek zamanlı sistemlerde CPU üzerinde bu mimariyi çalıştırmak mümkün müdür?
YOLOv8 veya YOLO-NAS’ın en küçük modelleri (Nano/Small) CPU üzerinde makul hızlarda çalışabilir, ancak DeepSORT’un her nesne için derin öznitelik çıkarması (CNN adımı) CPU üzerinde darboğaz yaratır. Gerçek zamanlı ve yüksek FPS’li (30+ FPS) kararlı bir altyapı için NVIDIA CUDA destekli bir GPU kullanımı veya TensorRT, OpenVINO gibi optimizasyon araçlarının entegrasyonu şarttır.
4. Sistemde sürekli ID değişimi (ID Switch) yaşanıyorsa ne yapılmalıdır?
ID değişimi sorununu azaltmak için üç parametre optimize edilebilir: İlk olarak, YOLO’nun nesne tespit güven eşiği (confidence threshold) artırılarak sahte tespitler engellenmelidir. İkinci olarak, DeepSORT’un maksimum görünmeme süresi (max_age) artırılarak nesnelerin daha uzun süre hafızada tutulması sağlanabilir. Üçüncü olarak, mesafe bütçesi (max_cosine_distance) daraltılarak görsel olarak birbirine benzemeyen nesnelerin eşleşmesi önlenebilir.
5. Bu altyapı özelleştirilmiş nesneleri (örneğin fabrikadaki bir ürünü) takip etmek için kullanılabilir mi?
Evet, kullanılabilir. Bunun için öncelikle YOLO modelinin kendi özel veri kümenizle (custom dataset) eğitilmesi gerekir. Eğer takip edilecek nesnelerin görsel detayları birbirine çok benziyorsa (örneğin fabrikadaki standart kutular), DeepSORT’un Re-ID modelinin de bu nesnelere uygun öznitelikleri tanıyacak şekilde yeniden eğitilmesi (fine-tuning) performansı ciddi oranda artıracaktır.
İleri Okuma Tavsiyeleri ve Kaynaklar
- Simple Online and Realtime Tracking with a Deep Association Metric (DeepSORT Orijinal Makalesi): Wojke, N., Bewley, A., & Paulus, D. (2017). IEEE International Conference on Image Processing (ICIP) kapsamında yayınlanan ve algoritmanın matematiksel altyapısını açıklayan temel kaynak.
- Ultralytics YOLOv8 Documentation: YOLOv8 mimarisinin resmi dokümantasyonu; model varyantları, eğitim süreçleri ve takip (tracking) modüllerinin entegrasyon kodlarını içerir.
- Deci AI SuperGradients & YOLO-NAS Repository: Yapay zeka tabanlı mimari arama (NAS) ile geliştirilen modelin teknik detayları, kuantizasyon adımları ve performans kıyaslama raporları.








