> For the complete documentation index, see [llms.txt](https://docs.augelab.com/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://docs.augelab.com/turkish/fonksiyon-bloklari/blocks-reference/ai-blocks/social-distance-detector.md).

# Social Distance Detector

Bu fonksiyon bloğu, bir görüntü akışını analiz ederek insanları tespit eder ve bir `Distance Threshold` (mesafe eşiği) temelinde fiziksel mesafe kurallarını kontrol eder. Tespit edilen kişileri görselleştirir ve belirtilen mesafeyi ihlal eden çiftleri vurgular.

## 📥 Girdiler

* `Image Any` Görüntü veya analiz edilecek video karesini besleyin.
* `Perspective Matrix` (isteğe bağlı) Daha doğru mesafe ölçümleri için görüntü koordinatlarını gerçek dünya düzlemine dönüştürmek amacıyla kullanılabilecek dönüşüm matrisi.
* `Distance Threshold` Kişiler arasındaki izin verilen minimum mesafe (birimler perspektif kalibrasyonuna bağlıdır).

## 📤 Çıktılar

* `Image Any` Tespit edilen kişiler, bağlantı çizgileri ve ihlal vurguları ile açıklamalı görüntü.
* `Person Count` Karede tespit edilen kişi sayısı.
* `Violation Count` Tespit edilen eşleşen ihlal sayısı (eşikler altında kalan çift sayısı).
* `Is Violated ?` Herhangi bir ihlal olup olmadığını belirten boolean değer.

## 🕹️ Kontroller

* `Confidence Ratio` Tespit güveni hassasiyetini ayarlayan kaydırıcı. Daha yüksek değerler, bir kişiyi saymak için daha güçlü tespit güveni gerektirir.

## 🎨 Özellikler

* Gelen görüntüler üzerinde gerçek zamanlı kişi tespiti ve görselleştirme.
* Tespit edilen kişiler arasında çiftler halinde mesafe ölçümü.
* Daha doğru gerçek dünya mesafe kontrolleri için sağlanan `Perspective Matrix` ile isteğe bağlı perspektif düzeltme.
* İzleme ve sonraki işlemler için temiz çıktılar: görüntü, sayımlar ve ihlal bayrağı.

## 📊 Çalışma Mekanizması

Blok aktif olduğunda, `Image Any` girdisini alır, karedeki kişi pozisyonlarını tespit eder, varsa sağlanan `Perspective Matrix` ile bu pozisyonları haritalar, çiftler arası mesafeleri hesaplar ve bunları `Distance Threshold` ile karşılaştırır. Blok, açıklamalı bir görüntü ve tespit/ihlal durumunu tanımlayan sayısal/boolean çıktılar döndürür.

## 📝 Nasıl kullanılır

1. `Image Any` girişine bir görüntü kaynağı sağlayın (kamera akışı veya yüklenmiş görüntü).
2. Gerçek dünya mesafeleri gerekiyorsa, kalibre edilmiş bir `Perspective Matrix` sağlayın. Sağlanmazsa, mesafe kontrolleri görüntü düzlemi birimlerinde olur.
3. Kalibrasyonunuza veya yaklaşık piksel mesafenize göre `Distance Threshold` değerini ayarlayın.
4. `Confidence Ratio` değerini, kaçırılan tespitler ile yanlış pozitifler arasındaki dengeyi sağlamak için ayarlayın.
5. İhlaller olduğunda alarm, kayıt veya daha ileri işlem tetiklemek için çıktıları okuyun.

## 💡 İpuçları ve Püf Noktaları

* Kamera girişi için bu bloğu bir görüntü kaynağı ile eşleştirin: `Camera USB`, `Camera IP (ONVIF)`, `Stream Reader` veya `Load Image`.
* Sonuçları daha büyük bir görünümde önizlemek için bu bloktan sonra `Show Image` ekleyin.
* Tespit gürültülü ise, kararlılığı artırmak için görüntüyü ön işlemden geçirmeyi deneyin: `Image Resizer` veya `Denoising`.
* Daha güçlü kişi tespiti veya özel sınıflar gerekiyorsa, yukarı akışta `Object Detection` veya `Object Detection - Custom` ile birleştirip tespit edilen merkezleri bu bloğa besleyebilirsiniz.
* Gerçek dünya mesafeleri gerektiğinde güvenilir bir `Perspective Matrix` elde etmek için `Perspective Transform` kullanın.
* Analiz alanını sınırlamak için `Image ROI` veya `Image ROI Select` kullanın (yanlış tespitleri azaltır ve işlem hızını artırır).
* Kareler arasında takibe ihtiyaç varsa, kalıcı kimlikler ve geliştirilmiş analiz için `Object_Detection_Tracker` kullanın.

## 🛠️ Sorun Giderme

* Kişi tespit edilmemesi: `Confidence Ratio` değerini biraz azaltın veya daha yüksek çözünürlüklü giriş sağlayın. Sahnedeki aydınlatmanın kişi konturlarını netlemesine dikkat edin.
* Çok fazla yanlış pozitif: `Confidence Ratio` değerini artırmayı, `Blur` veya `Image Threshold` gibi ön işlemler uygulamayı veya alanı `Image ROI` ile kısıtlamayı deneyin.
* Mesafe ölçümleri yanlış görünüyor: Kalibrasyonu doğrulayın ve `Perspective Transform` kullanarak doğru bir `Perspective Matrix` sağlayın. Perspektif düzeltme yoksa, mesafeler görüntü piksel biriminde olur ve gerçek dünya değerlerini yansıtmayabilir.
* Yüksek CPU/GPU kullanımı: `Image Resizer` ile giriş çözünürlüğünü düşürün veya tespiti daha seyrek aralıklarla çalıştırın.