# Skeleton Estimation Bu fonksiyon bloğu, giriş görüntüleri üzerinde tüm vücut iskelet tahmini (pose estimation) yapar. Farklı detay seviyeleri (Body, Body with Feet, Wholebody), ayarlanabilir performans modları ve güven eşiği seçenekleri sunar; böylece hız ve doğruluk arasında denge kurabilirsiniz. Sonuçlar arasında görselleştirme görüntüsü, yapılandırılmış iskelet verisi, model meta verisi ve tespit edilen kişi sayısı bulunur. ## 📥 Girdiler `Image`\ İnsan pozlarını analiz etmek için kullanılacak görüntü. Tipik kaynaklar: kamera kareleri, yüklenmiş görüntüler veya diğer bloklardan gelen işlenmiş görüntüler. ## 📤 Çıktılar `Visualization`\ Tespit edilen kişiler için iskeletler ve sınırlayıcı kutuların çizildiği görüntü. `Skeletons`\ Tespit edilen kişileri, bunların sınırlayıcı kutularını, anahtar noktalarını (isim ve güven skorlarıyla) ve isteğe bağlı vücut parça gruplamalarını tanımlayan yapılandırılmış veri. `Model Info`\ Seçili model ve çalışma zamanı ayarlarına ait meta veriler (model türü, mod, cihaz, eşik değerleri vb.). `Person Count`\ Yapılandırılmış çıktı içinde yer alan tespit edilen kişi sayısı. ## 🕹️ Kontroller `Model Type`\ Detay seviyesini seçin: `Body` (17 anahtar nokta), `Body with Feet` (26 anahtar nokta) veya `Wholebody` (gövde + yüz + eller). `Mode`\ Hız ve doğruluk arasında tercih yapmanızı sağlayan işleme profili seçimi. Örnekler: `lightweight`, `balanced`, `performance`. `Skeleton Style`\ Anahtar nokta çıktı stilini seçin; örn. `MMPose` veya `OpenPose` formatları. `Detection Threshold`\ Bir kişinin geçerli sayılması için gereken minimum güven düzeyi. `Keypoint Threshold`\ Bireysel anahtar noktaların görünür kabul edilmesi için gereken minimum güven düzeyi. `Max Persons`\ İşlenecek ve döndürülecek kişi sayısını sınırlandırarak performansı koruma imkanı. ## 🎯 Temel Özellikler * İhtiyaca göre hızlı gövde algılama veya ayrıntılı tüm vücut analizi (yüz + el) sağlayan birden çok model formatı. * Cihaz yeteneklerine uyum sağlamak için `Mode`, `Detection Threshold` ve `Max Persons` ile performans ayarı. * Güvene dayalı anahtar nokta filtrelemesi; yalnızca güvenilir noktalar görünür olarak raporlanır. * Kolay doğrulama için iskelet bindirmeleri ve sınırlayıcı kutularla görsel geri bildirim. * Otomasyon, analiz veya kayıt için uygun yapılandırılmış çıktılar. ## ⚙️ Çalışma Mekanizması (Kullanıcıya Yönelik) * Bir görüntü verildiğinde, blok seçili tahmin modelini çalıştırır ve hem anotasyonlu bir görüntü hem de yapılandırılmış poz verisi döndürür. * `Detection Threshold` tespit edilen bir kişinin geçerli sayılıp sayılmayacağını kontrol eder. Düşük değerler daha çok tespit döndürebilir (yanlış pozitifler de olabilir); yüksek değerler daha seçicidir. * `Keypoint Threshold` hangi anahtar noktaların görünür sayılacağını belirler; düşük güvenli eklemleri görmezden gelmek için kullanın. * `Max Persons` sonuçları üst tespitlerle sınırlayarak kalabalık sahnelerde performansı korur. * Seçilen `Mode` hız ve doğruluk arasında değiş tokuş yapar: gerçek zamanlı gereksinimler için daha hafif modlar, doğruluk için daha ağır modlar tercih edilmelidir. ## 📝 Kullanım Talimatları 1. `Image` girişine bir görüntü kaynağı sağlayın. Tipik kaynaklar: `Camera USB`, `Camera IP (ONVIF)` veya `Load Image`. 2. İhtiyacınız olan detay seviyesine göre `Model Type` seçin. 3. Performans beklentinize uygun `Mode` seçin (daha hızlı veya daha doğru). 4. Güvenilmez tespitleri filtrelemek için `Detection Threshold` ve `Keypoint Threshold` ayarlarını yapın. 5. Kaynak sınırlı sistemlerde daha hızlı işlem için isteğe bağlı olarak `Max Persons` değerini düşürün. 6. Çıktıları kullanın: etkileşimli önizleme için `Visualization`ı `Show Image` blokuna gönderin, `Skeletons` verisini analiz veya kayda gönderin ve `Person Count` ile izleme yapın. ## 💡 İpuçları ve Püf Noktaları * Canlı kurulumlarda görüntü kaynağı olarak `Camera USB`, `Camera IP (ONVIF)` veya `Stream Reader` kullanın. Testlerde `Load Image` uygundur. * İşlem yavaşsa deneyin: * Daha hızlı bir `Mode` seçin. * `Max Persons` değerini azaltın. * Bu bloktan önce `Image Resize` ile görüntüleri küçültün. * Gürültülü görüntülerde dayanıklılığı artırmak için bloğa başlamadan önce `Blur` veya `Denoising` gibi ön işleme uygulayın. * Belirli bir alana odaklanmak isterseniz (ör. kapı ya da montaj hattı) `Image ROI` veya `Image ROI Select` ile kırpma yapıp sadece o bölgeyi değerlendirin. * Görselleştirme ve kayıtla birleştirin: * `Visualization`ı `Show Image`a göndererek etkileşimli önizleme sağlayın. * `Draw Detections` veya `Write Text On Image` ile kutu ve etiket bindirmeleri ekleyin. * `Image Logger` ile doğrulama kareleri kaydedin veya `Record Video` ile oturumları kayıt altına alın. * Yapılandırılmış `Skeletons` verisini `Data to JSON` ile kayda dönüştürün veya sayıları `CSV Export` ile dışa aktarın. * Daha yüksek seviye güvenlik veya analiz için: * Yakınlık ihlallerini kontrol etmek adına `Skeletons` (kişi pozisyonları) ile `Social Distance Detector`ı birlikte kullanın (perspektif düzeltme veya kalibrasyon için `Perspective Transform` gerekebilir). * Kişi kutularını veya merkezlerini özel mantık bloklarına gönderip uyarı veya dış eylemler tetikleyin (örn. `Send Mail` veya `MQTT Publish`). ## 🛠️ Sorun Giderme * Az veya hiç tespit yoksa: * `Detection Threshold` ve/veya `Keypoint Threshold` değerlerini kademeli olarak düşürün veya daha doğru bir `Mode` deneyin. * Konunun `Image` kaynağında iyi aydınlatılmış ve net göründüğünden emin olun. * Konunun ölçeğini yakalamak için `Image Resize` ile yeniden örneklemeyi deneyin. * Performans veya yanıt hızı düşükse: * Daha hafif bir `Mode` seçin, `Max Persons` değerini azaltın veya görüntüleri `Image Resize` ile küçültün. * Sonuçlar kareler arasında gürültülü veya titrek görünüyorsa: * Ardışık karelerdeki sonuçları yumuşatacak zaman tabanlı mantık ekleyin veya sadece yüksek güvenli tespitleri kaydedin. * Model başlatma veya çalışma zamanı hatası alırsanız: * Gerekli çalışma zamanı bileşenlerinin yüklü ve erişilebilir olduğundan emin olun (uygulamanın modül araçlarıyla kurulabilir) ve ardından bloğu yeniden çalıştırın. ## 🔗 Örnek Blok Akışları * Gerçek zamanlı izleme: `Camera USB` → `Image Resize` → `Skeleton Estimation` → `Draw Detections` → `Show Image` * Kayıtlı denetim izi: `Camera IP (ONVIF)` → `Skeleton Estimation` → `Image Logger` + `Data to JSON` * Güvenlik uygulaması (mesafe kontrolü): `Camera USB` → `Skeleton Estimation` → (kişi merkezlerini çıkar) → `Social Distance Detector` → `Draw Result On Image` Bu kombinasyonları uygulayarak uygulama detaylarına girmeden güvenilir ve performanslı poz tespit sistemleri kurabilirsiniz. --- # Agent Instructions: Querying This Documentation If you need additional information that is not directly available in this page, you can query the documentation dynamically by asking a question. Perform an HTTP GET request on the current page URL with the `ask` query parameter: ``` GET https://docs.augelab.com/turkish/fonksiyon-bloklari/ai-blocks/skeleton-estimation.md?ask= ``` The question should be specific, self-contained, and written in natural language. The response will contain a direct answer to the question and relevant excerpts and sources from the documentation. Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.