Kamera Kaydında Doğal Dille Arama: 'Kırmızı Kamyonet Geç Saatte Girdi' Gibi Sorgular Ne Kadar Güvenilir?

Doğal dille kamera kaydı arama nedir?

Doğal dille arama, kayıtlı görüntüde 'kırmızı kamyonet', 'sırt çantalı kişi kapıya yaklaştı' ya da 'gece yarısından sonra bahçeye giren araç' gibi serbest bir cümle yazıp ilgili kareleri ya da klipleri listeleyen yeni nesil bir arama biçimidir. Arkasında genellikle görüntüyü ve metni birlikte anlamak üzere eğitilmiş görsel-dil modelleri (vision language model) bulunur.

Fikrin dayanağı akademik literatürde iyi bilinir: görüntü ve yazı kodlayıcılarını milyonlarca görüntü-altyazı çiftiyle birlikte eğitmek, modelin hiç özel olarak öğretilmemiş kavramları bile yazıyla tarif edilebilir kılar. Güvenlik kamerası ürünlerinde bu fikir, kaydın içine bakıp 'ne var' sorusuna cümleyle cevap veren bir arayüze dönüştürülür.

Bu özellik her kamera ya da kayıt cihazında bulunmaz. Hangi modelin, hangi cihazda ve hangi dilde sorgu kabul ederek çalıştığı üreticiden üreticiye ve sürümden sürüme değişir; konu hızla geliştiği için bu yazıdaki genel çerçeveyi, satın almadan önce ilgili ürünün güncel belgesiyle karşılaştırmak gerekir.

Klasik etiket tabanlı aramadan farkı ne?

Klasik akıllı aramada kamera ya da kayıt cihazı kareleri önceden tanımlı birkaç sınıfa ayırır; tipik olarak insan, araç, bazen bisiklet ve hayvan. Arama yalnızca bu etiketlere ve belki renk, yön gibi birkaç alana göre filtre yapar. Ayrıntılar için insan ve araç aramasını anlatan akıllı arama rehberine ve kişi özelliği ile aramayı ele alan yazıya bakabilirsiniz.

Doğal dil aramasında ise sınıf listesi sabit değildir. Aranacak şey kullanıcının cümlesinden gelir; sistem o cümleyi görüntülerle karşılaştırır. Aradaki pratik fark şunlardır:

• Sorgu esnekliği: klasik aramada açılır menüden etiket seçilir; doğal dilde cümle yazılır ve etiket listesinde olmayan nesneler (yük paleti, kırmızı kask, açık kalan kapı gibi) de aranabilir.
• Sonuç türü: klasik arama bir etiketin var/yok sonucunu verir; doğal dil araması benzerlik puanına göre sıralı bir liste verir.
• Kesinlik: etiket aramasının hata biçimi bellidir (sınıf yanlış ya da kaçırıldı); doğal dil aramasında hata biçimleri daha çeşitlidir ve sonuç ekranından anlaşılması daha zordur.
• Gereken işlem gücü: önceden tanımlı sınıfları bulmak hafif modellerle yapılır; serbest metinle eşleştirme genellikle daha büyük modeller ve ek işlem gücü ister.
• Bağlam ve zaman: 'girdi', 'bekledi', 'yaklaştı' gibi eylem ve ilişki cümleleri tek karede değil, kare dizisinde anlam taşır; ürünün bunu gerçekten kareler arasında mı yoksa tek tek karelerde mi çözdüğü ayrıca sorulmalıdır.

Görüntüler vektör gömme ile nasıl dizinlenir?

Çoğu doğal dil arama sistemi iki aşamada çalışır: kayıt sırasında ya da sonrasında görüntüleri dizinler, arama anında sorguyu bu dizinle eşleştirir. Dizinleme mantığı vektör gömme (embedding) üzerine kuruludur ve kısaca şöyle işler:

Model, bir kareyi ya da kare içindeki bir nesne kırpıntısını yüzlerce sayıdan oluşan bir vektöre çevirir. Aynı modelin yazı kodlayıcısı da sorgu cümlesini aynı uzayda bir vektöre çevirir. Anlamca yakın görüntü ve yazı vektörleri uzayda birbirine yakın düşer; sistem bu yakınlığı genellikle kosinüs benzerliği ile ölçer.

• 1. Örnekleme: her kare değil, belirli aralıklı kareler ya da hareket/olay anındaki kareler seçilir; böylece iş yükü sınırlanır.
• 2. Gömme üretimi: seçilen kare ya da nesne kırpıntısı görsel kodlayıcıdan geçirilir ve bir vektör, zaman damgası ve kanal bilgisiyle birlikte kaydedilir.
• 3. Dizin saklama: vektörler ve işaretçiler, kaydın kendisinden ayrı bir veri tabanında tutulur.
• 4. Sorgu vektörü: arama cümlesi yazı kodlayıcıdan geçirilerek vektöre çevrilir.
• 5. Benzerlik hesabı: benzerlik = (A · B) / (|A| × |B|) formülündeki kosinüs değeri hesaplanır; en yüksek değerli kareler sıralanır.
• 6. Sunum: eşik üstündeki sonuçlar zaman çizelgesinde ya da küçük resim listesinde gösterilir; kullanıcı kaydı açıp izler.

Sonuçlar neden olasılıksaldır, hangi hatalar görülür?

Doğal dil aramasının çıktısı kesin bir cevap değil, bir benzerlik sıralamasıdır; bu yüzden listenin başındaki sonuç da yanlış olabilir. Sistem 'bu karede kırmızı kamyonet var' demez, 'bu kare sorguya şu kadar benzer' der. Eşiği düşürmek kaçırmayı azaltır ama yanlış eşleşmeyi artırır; yükseltmek tersini yapar.

Sahada karşılaşılan hata türleri ölçülebilir ve önceden sınanabilir. Yanlış ve kaçan sonuç sayımını nasıl yapacağınız için video analitiği saha kabul testi rehberi uygulanabilir bir yöntem sunar.

• Yanlış eşleşme: turuncu bir araç 'kırmızı kamyonet' olarak sıralanır; ışık, renk sıcaklığı ve gece kızılötesi görüntüde renk güvenilirliği düşer.
• Kaçırılan sonuç: küçük, uzak, kısmen kapalı ya da hareket bulanıklığı olan nesne dizine hiç girmemiş olabilir.
• Nitelik karışması: 'kırmızı çantalı kişi' sorgusunda kırmızı üst giyen kişi ile çanta taşıyan başka bir kişi birleştirilebilir.
• Eylem ve sıra hatası: 'girdi' ile 'çıktı', 'yaklaştı' ile 'uzaklaştı' ayrımı tek kare üzerinden çözülemeyebilir.
• Sayı ve ilişki hatası: 'iki kişi bir arada' ya da 'kapının önünde bekleyen araç' gibi sayısal ve konumsal ifadeler en zayıf noktalardandır.
• Halüsinasyon benzeri üretim: model sonuçla birlikte bir açıklama ya da özet metin üretiyorsa, karede olmayan ayrıntıyı olmuş gibi anlatabilir; özet ile görüntüyü karşılaştırmadan güvenilmemelidir.
• Sorgu dili hassasiyeti: aynı anlama gelen iki cümle farklı sonuç sıralaması verebilir; Türkçe sorgularda desteğin hangi ölçüde olduğu ürüne göre değişir.
• Önyargı ve alan farkı: model genel internet görüntüleriyle eğitildiyse tepeden bakan güvenlik kamerası perspektifinde, düşük çözünürlükte ve gece görüntüsünde daha zayıf kalabilir.

Ek donanım, depolama ve lisans yükü ne olur?

Doğal dil araması, kayıt cihazının ya da sunucunun normal kayıt işinin üstüne ek yük bindirir. Görsel kodlayıcıyı çalıştırmak yapay zekâ hızlandırıcısı (NPU/GPU) ister; dizin için de ayrıca depolama ve bellek gerekir. Aynı noktayı analitiğin nerede çalışacağı açısından kamerada mı, kayıt cihazında mı, GPU sunucuda mı sorusunu ele alan rehber açıklar.

Yükü belirleyen unsurlar tasarım aşamasında sorulmalıdır; çünkü aynı kanal sayısı için iki ürün çok farklı kaynak tüketebilir.

• Kanal sayısı ve çözünürlük: dizinlenecek kanal sayısı arttıkça işlem gücü ihtiyacı büyür.
• Dizinleme yöntemi: her karenin mi, yalnız olay anlarının mı dizinlendiği hem yükü hem bulunabilirliği belirler.
• Gerçek zamanlı mı, sonradan mı: kayıt sırasında dizinleme sürekli işlem gücü ister; arama anında dizinleme ise sorgu süresini uzatır.
• Dizin saklama süresi: dizin kayıt kadar saklanmazsa eski kayıtlarda arama yapılamaz; saklama süresi ayrıca planlanmalıdır.
• Lisans ve abonelik: özellik kanal başı lisansa, ek modüle ya da bulut aboneliğine bağlı olabilir; bunun ayrıntıları için analitik lisansı ve kanal sınırı rehberine bakılabilir.
• Yedeklilik: dizin bozulursa ya da cihaz değişirse yeniden dizinleme süresi ve kaydın bu sırada aranabilirliği düşünülmelidir.

Yerelde mi bulutta mı çalışsın? KVKK farkı

Görüntü yerel cihazda işleniyorsa kişisel veri kuruluşun kendi denetimindeki ortamda kalır; bulutta işleniyorsa görüntü ya da ondan çıkarılan vektörler başka bir sunucuya gider ve bu, KVKK açısından ayrı bir değerlendirme gerektirir. Güvenlik kamerası görüntüsü, kişiyi doğrudan ya da dolaylı belirlenebilir kıldığı sürece kişisel veridir.

6698 sayılı Kanun'un 9. maddesi kişisel verilerin yurt dışına aktarılmasını düzenler. KVKK'nın yayımladığı bilgilendirmeye göre aktarım; Kurul'un yeterlilik kararı, uygun güvenceler (standart sözleşme, bağlayıcı şirket kuralları, taahhütname gibi) ya da yalnızca arızi nitelikteki sınırlı istisnalar yoluyla mümkündür. Bulut sunucusu yurt dışındaysa sürekli ve düzenli bir görüntü akışı 'arızi aktarım' kapsamında sayılmaz; hukuki dayanağı baştan kurmak gerekir.

Doğal dil aramasında kritik bir ayrım daha vardır: bazı ürünler yalnızca arama sorgusunu bulutta çözümlerken görüntüyü yerelde tutar, bazıları ise kareleri buluta gönderip orada işler. Hangisinin geçerli olduğu ürünün veri akış şemasından anlaşılır ve müşteriye yazılı biçimde gösterilmelidir.

• Veri nerede işleniyor: kamera, kayıt cihazı, yerel sunucu mu; yoksa üreticinin ya da üçüncü tarafın bulutu mu?
• Ne gönderiliyor: tam görüntü mü, kare mi, yalnız vektör ve meta veri mi?
• Sunucu konumu: ülke ve veri merkezi bilgisi sözleşmede yazılı mı?
• Aktarım dayanağı: standart sözleşme ya da başka bir güvence var mı, KVKK bildirimi yapıldı mı?
• Aydınlatma ve saklama: çalışanlara ve ziyaretçilere yapılan aydınlatma metni, bulutta işleme olduğunu da belirtiyor mu?

Erişim yetkisi, arama kayıtları ve delil değeri

Serbest metinle arama, bir kişiyi ya da davranışı bulmayı çok kolaylaştırdığı için kötüye kullanım riski taşır; bu yüzden kimin hangi kanalda ne arayabileceği kayıt izleme yetkisinden ayrı yönetilmelidir. Veri güvenliği yükümlülüğü 6698 sayılı Kanun'un 12. maddesinde yer alır ve veri sorumlusunu yetkisiz erişimi önlemek için teknik ve idari tedbir almakla yükümlü kılar.

Arama kayıtları da denetim izidir. Aşağıdaki başlıklar iyi bir kurgunun asgari kalemleridir:

• Rol bazlı yetki: aramayı yalnızca görevlendirilen kullanıcılar yapabilmeli; kanal ve tarih aralığı sınırlanabilmeli.
• Arama günlüğü: kim, ne zaman, hangi cümleyi, hangi kanalda aradı kaydedilmeli ve değiştirilemez biçimde saklanmalı.
• Amaç sınırı: aramalar güvenlik ve olay inceleme amacıyla sınırlı kalmalı; çalışan performansı izleme gibi amaç dışı kullanım yazılı olarak yasaklanmalı.
• Dışa aktarma kaydı: bulunan klibi dışarı veren kullanıcı ve zaman da kayıt altına alınmalı; paylaşım gerekiyorsa yüz ve plaka bulanıklaştırma yöntemleri göz önünde bulundurulmalı.

Arama sonucu doğrulanmadan tutanağa konmaz

Doğal dil aramasının bulduğu bir sonuç, kendi başına delil ya da tutanak maddesi değildir; yalnızca insanın kaydı açıp izlemesi gereken bir ipucudur. Tutanağa girecek bilgi, özgün kayıttan, zaman damgası ve kanal bilgisiyle birlikte bir yetkilinin gözle doğruladığı bilgi olmalıdır.

Kurum içi inceleme ya da hukuki süreçte şu sıra izlenmelidir: önce arama sonucundan ilgili zaman aralığı bulunur, sonra özgün kayıt kesintisiz izlenir, nesnenin ya da kişinin gerçekte ne olduğu teyit edilir, en sonunda bulgu tutanağa özgün kaydın zamanıyla birlikte yazılır. Arama motorunun ürettiği özet cümleler ya da benzerlik puanı tutanağa kanıt olarak konmamalıdır.

Müşteri talebi gelince kurulumcunun soracağı sorular

Müşteri 'kameraya ChatGPT gibi yazıp aratacağım' dediğinde ilk iş, istenen özelliğin gerçekte sunulup sunulmadığını ürün üzerinde göstermektir. Bu alanda duyurulan özellikler bölgeye, model sürümüne ve cihaz serisine göre farklılaşabilir ve hızlı değişir; müşteriye canlı gösterilmeden satılan bir özellik, teslimde beklenti ve itiraz kaynağı olur.

Beklenti yönetimi için sözleşmede yer alacak taahhütler de önemlidir; bu konuya analitik içeren teklifte doğruluk garantisi rehberi ışık tutar. Müşteriyle görüşmede sorulacak sorular şunlardır:

• Örnek sorgular: müşterinin gerçekten arayacağı üç beş cümle neler; bunlar kendi kayıtlarında, kendi kamerasında, gerçek ışık koşullarında gösterilebiliyor mu?
• Dil desteği: sorgu Türkçe yazılabiliyor mu, yoksa İngilizce mi gerekiyor?
• Çalışma yeri: işlem kamerada, kayıt cihazında, yerel sunucuda ya da bulutta mı yapılıyor?
• Bulut gerekiyorsa: sunucu konumu, aktarım dayanağı ve aydınlatma metni hazır mı?
• Kapsam: kaç kanalda, hangi kayıt süresine kadar aranabilecek?
• Yetki ve kayıt: arama kimler tarafından yapılacak, günlükler nerede tutulacak?
• Sonuç kullanımı: bulunan kayıt tutanak ya da disiplin sürecinde kullanılacaksa doğrulama adımı kim tarafından yapılacak?
• Süreklilik: özellik lisans, abonelik ya da yazılım güncellemesine bağlı mı; üretici desteği sürüyor mu?

Bayifi'de bu konuda nereden başlanır?

Doğal dil arama gibi yapay zekâ özelliklerini kuracak ve sınayacak bir kurulumcu arıyorsanız bayi listesinden ve il rehberlerinden firma profillerine bakabilirsiniz. Toptan ürün ve stok durumunu görmek için pazar bölümü kullanılabilir; firmanızı dizine eklemek isteyen kurulumcu ve toptancılar kayıt sayfasından başvurabilir.