Günümüzde gelişen görüntüleme teknolojileri sayesinde devletlerin güvenlik ve denetleme amaçlarıyla kullandıkları görüntüleme sistemleri ile sivillerin kaydettiği video içerikler artmıştır. Bunun bir sonucu olarak da oluşturulan büyük ölçekteki verinin otomatik şekilde işlenmesi gereksinimi nedeniyle nesne tespiti algoritmalarına olan ilgi ve bu konuda yapılan araştırmalar buna paralel şekilde artmıştır. Bu çalışmada araç ve yaya sınıflandırma amacıyla derin öğrenme temelli nesne tespit yaklaşımlarından olan YOLOv4, YOLOv5 ve EfficientDet yöntemleri kullanılmış ve bu nesne tespit yaklaşımlarının performansları kıyaslanarak probleme en uygun yaklaşımın tespit edilmesi amaçlanmıştır. Böylece en uygun yöntem seçilerek araç trafiğine açık rotalarda denetleme amaçlı görüntüleme sistemleri, anlık veya belirli bir zaman diliminde yoldan geçen farklı tiplerdeki araç ve yaya sayısının tespitini ve takibini yapabileceklerdir. Bu çalışma kapsamında son olarak önceden test edilen ve karşılaştırılan tespit yöntemleri ve sayım algoritması düşük maliyetli işlem birimleriyle gerçek zamanlı olarak çalıştırılmış ve performansları incelenmiştir. Elde edilen bu sonuçlar bu tip sistemlerin kara yollarında, şehir içi yollarda ve otoparklarda kullanıma uygun olan sistem gömülü sistemler üzerinde gerçek zamanlı çalışabilecek performansta ve başarımda olduğunu göstermiştir. Karşılaştırma sonucunda F1 skoru açısından en başarılı yöntem YOLOv5, çalışma hızı olarak en başarılı yöntem YOLOv4 bulunmuştur.