"보호구해조"의 두 판 사이의 차이
CIVIL capstone
2021.soc.1 (토론 | 기여) (→학습데이터 수집 및 분석 방안) |
2021.soc.1 (토론 | 기여) (→학습데이터 수집 및 분석 방안) |
||
| 140번째 줄: | 140번째 줄: | ||
[[파일:6E.PNG]] | [[파일:6E.PNG]] | ||
| − | |||
(2) 모형을 통한 시연 (실제 건설현장에 적용) | (2) 모형을 통한 시연 (실제 건설현장에 적용) | ||
2021년 12월 7일 (화) 20:41 판
프로젝트 개요
기술개발 과제
국문 : 딥러닝 기반 건설현장 근로자 개인 보호구 모니터링 시스템
영문 : Personal Protective Equipment Monitoring System at Construction Sites Based on Deep-Learning
과제 팀명
보호구해조
지도교수
김선중 교수님
개발기간
2021년 9월 ~ 2021년 12월 (총 4개월)
구성원 소개
서울시립대학교 토목공학부·과 20158600** 정** (팀장)
서울시립대학교 토목공학부·과 20188600** 장**
서울시립대학교 토목공학부·과 20198600** 정**
서론
개발 과제의 개요
개발 과제 요약
내용
개발 과제의 배경
건설현장에서 크고 작은 사고가 지속적으로 발생함에 따라 건설현장의 안전관리 문제가 사회적 문제로서 대두되고 있다. 건설업 사고 사망 주요 발생 형태 중 큰 비율을 차지하는 부분은 안전 보호구 미착용으로 인한 사고이다. 2021년 7월 ‘현장 점검의 날’ 시행된 두 차례의 일제 점검에서도 기본적인 안전 수칙이 여전히 산업 현장에서 지켜지지 않고 있음이 확인되었다. 하지만 기존의 건설현장 일제 점검은 대규모의 인력과 시간이 필요하므로 상시 시행되기 어려우며, 이를 통해 현장의 안전관리에 대한 경각심을 높일 수는 있지만, 즉각적 안전조치 사항으로는 한계가 있다.
개발 과제의 목표 및 내용
따라서 본 과제에서는 이동식 촬영장치와 인공지능을 접목하여 건설근로자의 개인 보호구 착용 여부를 실시간으로 모니터링하고, 미착용 시 경고할 수 있는 시스템을 개발하고자 한다. 이는 인력에 기반하지 않고 모니터링부터 경고 알림까지 가능한 실시간 모니터링 시스템으로, 기존의 점검 과정을 반자동화할 것으로 기대한다. 또한, 근로자의 안전조치 준수를 돕고, 근로자와 감독자의 경각심을 재고하여 사고 발생률을 줄이고자 한다.
관련 기술의 현황
관련 기술의 현황 및 분석(State of art)
- 전 세계적인 기술현황
(1) 국내 사례 ① 포스코 건설 – 스마트 세이프티 기술 中 안면인식 시스템 포스코 건설은 자체적인 안전관리 시스템으로서 ‘스마트 세이프티 솔루션’을 운영하고 있다. 이는 정보 기술을 활용하여 실시간으로 현장 정보를 확인하는 시스템이다. 대표적인 기술로는 안면인식 시스템이 있는데, 이는 현장의 모든 근로자를 안면인식 시스템에 등록하여 신속하고 수월하게 현장에 투입하는 시스템이다. 이때, 안전모를 착용하지 않은 근로자는 현장에 출입이 불가하다. 이를 통해, 안전모 미착용으로 발생할 수 있는 사고를 줄이고 있다.
② SK 건설 – 지능형 이동식 CCTV 지난 2019년, SK 건설은 선제적인 안전관리 문화를 선도하고자 ‘미사강변 SK V1 센터’ 공사 현장에 지능형 이동식 CCTV를 투입했다. 지능형 이동식 CCTV는 스마트폰 어플리케이션을 통해 원격으로 렌즈를 조절할 수 있고, 스피커가 장착되어 위험 상황 발생 시, 화면을 살펴보는 안전 관리자가 작업자에게 경고 음성을 보낼 수 있다. 또한, 아래 사진과 같이 케이블에 장착되어있기 때문에 필요에 따라 이동이 용이하다.
(2) 해외 사례 ① 유럽 Incoresoft사 – Hard Hats detection Incoresoft는 딥러닝과 인공지능 기술을 개발하는 유럽의 회사이다. 특히, 안전 문제의 해결을 위한 얼굴 인식, 안전모 등 객체 탐지, 교통 분석, 출입 통제 기술 등을 보유한다. 이중에서 Hard Hats detection 기술은 건설현장 등의 cctv 영상을 실시간으로 받아서 각 영상 속 인물들의 안전모 착용 여부를 확인하는 기술이다. 착용하지 않은 인물이 있다면, 아래 데모와 같이 적색 사각형으로 표시되어 모니터링 담당자가 쉽게 미착용 여부를 알아챌 수 있다.
② 미국의 HCS(Human Condition Safety) 회사 – 스마트조끼(웨어러블기술) 미국의 스타트업 회사인 HCS(Human Condition Safety)는 IoT 기술을 사용하여, 작업자의 안전한 환경을 만드는 데 도움을 주고, 작업 현장의 위험을 식별하고 줄이는 데 도움을 주는 기술을 개발하고 있다. 그 중 건설현장에 대해서는 스마트 조끼가 해당된다. 센서가 부착된 스마트 조끼를 착용한 작업자가 중장비가 근처에 있는 위험한 지역에 들어가면, 시스템은 작업자에게 안전한 위치로 이동하라는 경고를 주고, 그 중장비를 자동적으로 셧다운시킬 수 있다. 또한, 조끼에 부착된 센서를 통해 심정지 등의 생체정보를 의사가 알 수 있도록 하고, 작업자의 모션이 실시간으로 데쉬보드를 통해 모니터링된다. 이를 통해 현장 관리자는 원격으로도 현장 환경 데이터를 접근할 수 있고, 작업자의 안전 관리를 더욱 효율적으로 진행할 수 있다.
- 기술 로드맵
(1) 중소벤처기업부 중소벤처기업부에서는 중소기업 분야별 전략기술로드맵을 제시하고 있으며, ‘스마트 건설현장 위험 모니터링 시스템’을 재난 안전 분야의 핵심기술로 포함한다. 이에 따르면, 2021년부터 2023년까지 건설현장 작업자 관련 위험 정보를 영상 등의 데이터 기반으로 분석하여 현장 재해율을 저감하는 기술이 개발될 계획이다.
(2) 국토교통부 국토교통부에서는 ‘스마트 건설기술 개발 사업’을 통해 2025년까지 즉시 건설현장 전반으로 보급 가능한 핵심기술 패키지를 확보함으로써 스마트 건설기술 선두국 반열에 진입하는 것을 추진하고 있다.
<스마트 건설기술 - 현장 안전관리> (현재) 안전지침에 따라 안전 관리자가 현장 및 근로자를 점검 (미래) 장비 근로자 위치 실시간 파악, 안전 정보 즉시 제공 : 위험지역 접근 경고, 장비 근로자 충돌 경고 등 예측형 사고 예방 <ICT 기반 현장 안전사고 예방 기술> - 가시설, 지반 등에서의 안전 취약 시설과 근로자 위험요인에 대한 정보를 센서, 스마트 착용 장비 등으로 취득하고 실시간 모니터링 - 축적된 작업패턴․사례(빅데이터) 분석을 통해 얻은 지식과 실시간 정보를 연계하여 위험요인을 사전에 도출하는 예방형 안전관리
시장상황에 대한 분석
- 경쟁제품 조사 비교
(1) 국내 사례
(2) 해외 사례
- 마케팅 전략 제시
1) 시장성 분석 스마트 건설기술 시장은 2018년부터 2024년까지 세계적으로는 연평균 11.2%, 국내에서는 연평균 9.2%씩 꾸준히 성장할 전망을 보인다.
기술 동향을 살펴보면 BIM 설계 시공이나 드론을 활용한 측량 등은 현장에서 적용될 만큼 개발이 이루어졌지만, 빅데이터와 AI를 응용한 등은 아직 연구가 활발하지 못하다. 대기업을 중심으로 스마트 건설 기술을 일부 활용 중이지만, 실질적인 개발과 연구 및 현장 활용은 저조한 실상이다. 하지만 업계의 수요 증가와 정부의 적극적인 지원 등을 통해 스마트 건설기술 시장은 확대될 것으로 보인다, 본 과제에서는 빅데이터와 인공지능을 활용한 일종의 자동 안전 점검 시스템을 개발한다. 이는 현재 시장 현황과 기술 동향을 고려했을 때, 상당한 시장성을 확보 가능할 것으로 예측된다.
2) 사회성 분석 건설업에서의 사고 발생률은 제조업에 이어 두 번째로 높으며, 사망사고 발생률은 아래와 같이 가장 높다. 이에 따라 안전감시 시설을 통해 다양한 위험요인을 관리하며 신속하게 대처할 수 있는 융합시스템에 대한 업계 수요가 증가하고 있다.
개발과제의 기대효과
기술적 기대효과
(1) 스마트 건설기술 중 AI가 현재는 적용률이 매우 저조한 분야인데, 이를 활용한 시스템을 개발함으로써 스마트 건설기술 연구 및 개발에 가능성 및 방향성을 제시할 수 있다.
(2) 위험 인식부터 경고 알림까지 전 과정이 자동화된 모니터링 시스템을 개발하여, 경고 알림 과 영상 획득 등을 인력에 기반한다는 기존 기술에서의 한계점을 해결한다.
경제적, 사회적 기대 및 파급효과
(1) 1대 또는 소수의 촬영 장치로도 건설현장 전반에 거쳐 모니터링이 가능하다. (2) 안전모 착용의 당위성에 대한 인식을 제고 한다. (3) 건설현장 안전성을 상시로 모니터링하여 사고 위험성을 절감한다.
기술개발 일정 및 추진체계
개발 일정
구성원 및 추진체계
설계
설계사양
제품의 요구사항
개념설계안
시스템 설계도
딥러닝에 기반한 실제 건설현장 보호구 모니터링 시스템 구조는 다음 그림과 같다.
이동식 촬영 장치가 건설현장을 다각도에서 촬영하며 영상 데이터를 컴퓨터로 보내면, 학습된 딥러닝 알고리즘이 이를 분석하여 보호구 착용 여부를 준 실시간으로 알려주는 구조이다. 실제 현장에 적용 시 모형과 다른 점은 모형에서는 건설현장에서는 이동식 촬영장치 여러 대 사용하여 촬영 시간 간격을 줄이고, 소형으로 만들어 다양한 공간으로 이동할 수 있도록 하고자 한다. 이를 위해 기존의 촬영 장비와 이동식 장치를 결합하고자 한다.
딥러닝 적용 방안
본 과제에서는 건설현장 근로자들의 보호구 착용 여부를 자동으로 점검 및 경고할 수 있는 보호구 모니터링 시스템을 개발한다. 이때, 보호구 점검 과정은 건설현장의 이동식 CCTV에 딥러닝 기반의 객체탐지 인공지능 기술을 도입하여 영상 기반으로 구현하고자 하였다. 객체탐지(Object Detection) 분야의 대표적인 딥러닝 모델에는 DeepLab v3+, YOLO v2, Faster R-CNN 등이 있다. 이 중에서, 단순한 학습 과정과 빠른 연산 속도, 적은 데이터 수로도 높은 탐지 정확도를 보여 널리 사용되고 있는 Faster R-CNN 모델을 우선으로 사용할 계획이다.
<Faster R-CNN> - 기존의 R-CNN은 모든 ROI(Region Of Interest)마다 CNN 연산을 진행하므로 속도가 느리고, 모델을 학습 과정이 번거롭다는 한계 - Faster R-CNN은 이를 보완하였을 뿐만 아니라 적은 데이터 수로도 높은 탐지 성능을 보여, 제안 기술에 효율적으로 적용 가능할 것으로 예측
<Faster R-CNN의 원리>
① R-CNN에서와 마찬가지로 Selective Search를 통해 RoI를 찾고, 전체 이미지를 CNN에 통과시켜 feature map을 추출한다. ② Selective Search로 찾았었던 RoI를 feature map크기에 맞춘다. ③ 맞춘 RoI에 대해 RoI Pooling을 진행하여 고정된 크기의 feature vector를 얻는다. ④ feature vector는 FC layer를 통과한 뒤, 두 영역으로 나뉘게 된다. ⑤ 하나는 softmax를 통과하여 RoI에 대해 Object classification을 한다. 다른 하나는 Bounding box regression을 통해 selective search로 찾은 box의 위치를 조정한다. 위와 같은 딥러닝 모델 학습 과정에 보호구 착용 및 미착용 인물을 포함한 건설현장 이미지를 적용하여 건설현장 영상에서 보호구 미착용 여부를 탐지하는 딥러닝을 개발한다.
학습데이터 수집 및 분석 방안
(1) 실제 현장에 적용할 학습 데이터 수집 ① 안전모를 착용한 사진과 착용하지 않은 사진 부류로 나눠 수집 ② 안전모 착용 사진에 건설현장 공사장 사진들을 합성하여 하나의 사진 데이터로 데이 터 증대(Augmentation) 후 학습데이터로 활용
(2) 모형을 통한 시연 (실제 건설현장에 적용) ① 일반 사람 모형과 안전모를 착용한 사람 모형을 촬영 및 학습 데이터군 형성 ② 모노레일에 부착된 카메라로 영상 데이터 획득 ③ 영상을 각 시간당 이미지 파일로 분할 ④ 학습데이터를 토대로 이미지 파일들을 분류 ⑤ 2)~4)의 과정을 한 번에 진행하며, 실시간으로 영상을 전송 및 자동으로 분석 처리
이론적 계산 및 시뮬레이션
내용
상세설계 내용
내용
결과 및 평가
완료 작품의 소개
프로토타입 사진 혹은 작동 장면
내용
포스터
내용
관련사업비 내역서
내용
완료작품의 평가
내용
향후계획
내용
특허 출원 내용
내용
