• 한국안전학회지
• /
• 제34권6호
• /
• pp.29-37
• /
• 2019

Since construction sites are exposed to outdoor environments, working conditions are significantly dangerous. Thus, wearing of the personal protective equipments such as safety helmet is very important for worker safety. However, construction workers are often wearing-off the helmet as inconvenient and uncomportable. As a result, a small mistake may lead to serious accident. For this, checking of wearing safety helmet is important task to safety managers in field. However, due to the limited time and manpower, the checking can not be executed for every individual worker spread over a large construction site. Therefore, if an automatic checking system is provided, field safety management should be performed more effectively and efficiently. In this study, applicability of deep learning based computer vision technology is investigated for automatic checking of wearing safety helmet in construction sites. Faster R-CNN deep learning algorithm for object detection and classification is employed to develop the automatic checking model. Digital camera images captured in real construction site are used to validate the proposed model. Based on the results, it is concluded that the proposed model may effectively be used for automatic checking of wearing safety helmet in construction site.

• 한국인터넷방송통신학회논문지
• /
• 제19권1호
• /
• pp.77-83
• /
• 2019

산업 재해의 주요 원인에는 추락사고, 가스 누출 등이 있다. 기존의 안전모와 스마트 디바이스 결합 제품들은 편의성에 초점을 맞춰져 있어 위와 같은 사고를 예방하기 위한 기능이 미흡하다. 본 논문에서는 추락사고 인지와 가스 누출 감지 기능에 중점을 둔 스마트 안전모 개발을 다루었다. 또한 효율적으로 근로자를 관리할 수 있는 관리 시스템을 개발하였다. 이 시스템의 핵심 기능은 근로자의 위험 상태를 감지하여 관리자에게 전달하고 근로자의 상태를 확인하는 것이다. 실험을 통해 가연성 가스 측정 능력의 효용성을 검증하였다. 하지만 보드와 센서의 지속적인 동작으로 인해 상당한 전력 소모가 발견됨에 따라 대용량 배터리로 교체하는 등의 대응 방안이 요구된다는 점도 발견하였다.

• 대한안전경영과학회지
• /
• 제23권1호
• /
• pp.9-15
• /
• 2021

The leading source of occupational fatalities is a portable ladder in Korea because it is widely used in industry as work platform. In order to reduce victims, it is necessary to establish preventive measures for the accidents caused by portable ladder. Therefore, this study statistically analyzed injury death by portable ladder for recent 10 years to investigate the accident characteristics. Next, to monitor wearing of safety helmet in real-time while working on a portable ladder, this study developed an object detection model based on the You Only Look Once(YOLO) architecture, which can accurately detect objects within a reasonable time. The model was trained on 6,023 images with/without ladders and safety helmets. The performance of the proposed detection model was 0.795 for F1 score and 0.843 for mean average precision. In addition, the proposed model processed at least 25 frames per second which make the model suitable for real-time application.

• International Journal of Advanced Culture Technology
• /
• 제10권1호
• /
• pp.302-309
• /
• 2022

Occupational safety accidents are caused by various factors, and it is difficult to predict when and why they occur, and it is directly related to the lives of workers, so the interest in safety accidents is increasing every year. Therefore, in order to reduce safety accidents at industrial fields, workers are required to wear personal protective equipment. In this paper, we proposes a method to automatically check whether workers are wearing safety helmets among the protective equipment in the industrial field. It detects whether or not the helmet is worn using YOLOv5, a computer vision-based deep learning object detection algorithm. We transfer learning the s model among Yolov5 models with different learning rates and epochs, evaluate the performance, and select the optimal model. The selected model showed a performance of 0.959 mAP.

• 대한토목학회논문집
• /
• 제39권3호
• /
• pp.399-407
• /
• 2019

대한민국에서 건설업은 타 업종들과 비교하여 안전사고의 위험성이 가장 높게 나타난다. 따라서 건설업 내 안전성 향상을 도모하기 위해 여러 연구가 예전부터 진행이 되어 왔고, 본 연구에선 건설현장 영상 데이터를 기반으로 물체 탐지 및 분류 알고리즘을 이용해서 효과적인 안전모 자동탐지 시스템을 구축하여 건설현장 노동자들의 안전성 향상에 기여하고자 한다. 본 연구에서 사용된 알고리즘은 Convolutional Neural Network (CNN) 기반의 물체 탐지 및 분류 알고리즘인 Region-based Fully Convolutional Networks (R-FCN)이고 이를 Transfer Learning 기법을 사용하여 딥러닝을 실시하였다. ImageNet에서 수집한 1089장의 사람과 안전모가 포함된 영상으로 학습을 시행하였고 그 결과, 사람과 안전모의 mean Average Precision (mAP)은 각각 0.86, 0.83로 측정되었다.

• 한국전자통신학회논문지
• /
• 제17권6호
• /
• pp.1226-1274
• /
• 2022

본 논문에서는 산업 재해의 주요 원인인 추락 및 낙상 사고와 가스 누출에 중점을 둔 위험 상황 감지 안전모를 다루었다. 가속도 센서를 이용한 중력 가속도 측정을 통해 추락 상황 범위를 설정하였으며, 그 결과 80%의 추락 및 낙상 감지율을 확인할 수 있었다. 또한 가스 센서를 통해 위험 가스 농도를 측정하여 시리얼 모니터를 통해 188 이상의 디지털 값이 출력될 경우 가스 위험 상황으로 판단하였다, 앱 인벤터 프로그램을 기반으로 제작한 스마트폰 어플을 통해 추락 및 낙상 상황 경고 메시지와 가스 경고 메시지를 확인할 수 있도록 구현하였다.

• 한국컴퓨터정보학회:학술대회논문집
• /
• 한국컴퓨터정보학회 2024년도 제69차 동계학술대회논문집 32권1호
• /
• pp.291-292
• /
• 2024

국내의 산재 사고 사망 비율 중 대부분은 건설업이 차지하고 있으며 사망 원인 중 42.9%는 추락사가 차지하고 있다. 따라서 국내 사고 사망을 예방하기 위해서는 노동자의 생명을 지켜주는 안전 장비의 착용 여부가 중요하다. 본 논문에서는 객체 탐지에 사용되는 YOLO v4와 YOLO v4-TINY 알고리즘과 영상 처리에 사용되는 OpenCV를 이용하여 실시간 영상에서 안전모 미착용 인원을 감지하고 관리자에게 알려주는 시스템을 개발하였다. 이 시스템을 활용하여 건설 현장에서 현장 카메라로 안전모 미착용 인원을 실시간으로 검출하여 경고하므로써 작업자의 안전에 기여할 수 있다.

• 융합신호처리학회논문지
• /
• 제24권2호
• /
• pp.82-89
• /
• 2023

선박 구조 특성상 격실 구조는 복잡하고 협소하여 작업 과정에서 안전사고가 빈번히 발생하고 있다. 사고의 주된 원인은 구조물 충돌, 낙하물, 독성물질 누출, 화재, 폭발, 질식 등이 존재한다. 사고 발생 시 작업자의 현장 상황을 파악하는 것이 피해를 완화하는 요소 중 하나이다. 이에 안전성을 확보하기 위해 선박 내 CCTV로 현장 상황을 모니터링하고 있으나, 기존의 방식으로는 사고를 예방하기엔 어려움이 있다. 이를 해결하기 위해 안전 기술로 위치 식별, 음성/영상 통신 기능이 탑재되는 스마트 안전모가 개발 중에 있다. 또한, 작업 구역 내 환경 정보 수집 및 저장기능을 포함한 온도, 습도, 진동, 소음, 기울기(자이로 센서), 가스 센서를 사용하여 스마트 안전모를 착용한 작업자에게 위험 상황을 알릴 수 있다. 이를 통해 스마트 안전모 및 환경 센서의 사용으로 선박 내 작업자의 안전성을 강화할 수 있을 것이다.

• 한국컴퓨터정보학회:학술대회논문집
• /
• 한국컴퓨터정보학회 2022년도 제65차 동계학술대회논문집 30권1호
• /
• pp.281-282
• /
• 2022

현재 전동 킥보드 헬멧 미착용으로 인한 사고가 끊임없이 야기되고 있다. 개인형 이동장치 이용자 수가 증가함에 따라 법 개정을 통하여 헬멧 착용이 의무 사항이지만 여전히 낮은 착용률을 나타내고 있다. 본 논문에서는 모든 공유 킥보드 회사에서 사용 가능한 딥러닝 기반의 전동킥보드 헬멧 착용 인식시스템을 제시한다. 타 공유 전동킥보드 회사 앱에서 본 논문의 결과물을 사용할 때는 사용자가 타사 앱에서 헬멧 인식 요청 시 자사 앱에서 헬멧 착용 여부를 인식하여 결과를 전송한다. 자사 앱 사용자는 인식 기록을 조회할 수 있고, 타사 관리자는 사용자의 정보를 조회 및 관리할 수 있다. 본 시스템을 통해 전동킥보드 이용 시 헬멧 착용을 장려하여 착용률 증가와 사고 시 인명피해 감소를 기대한다.

• 한국컴퓨터정보학회:학술대회논문집
• /
• 한국컴퓨터정보학회 2022년도 제65차 동계학술대회논문집 30권1호
• /
• pp.39-40
• /
• 2022

최근 전동 킥보드, 전동휠, 전기 자전거 등 개인형 이동수단(Personal Mobility)의 보급이 늘면서 관련 인명 교통사고가 급증하고 있다. 본 논문에서는 개인형 이동수단의 사용위험 및 사고 감소를 목적으로, 딥러닝 객체탐지 기술을 적용하여 다양한 위험요소를 증강현실 기술을 기반으로 한 HMD(Helmet mounted display)에 표시하는 '딥러닝 객체 인식과 증강현실을 적용한 개인 이동장치를 위한 HMD(Helmet Mounted Display) 어플리케이션'을 설계한다. 제시하는 방법은 실시간으로 수집된 전방의 실시간 영상 정보를 객체 탐지 알고리즘을 통해 위험요소 및 안전한 주행을 보조하는 객체를 감지하고 증강현실을 적용해 사용자에게 적절한 운전 보조장치 및 기능을 제공한다.