현장 안전사고 예방을 위한 패스터 R-CNN 기반 작업자와 기계 상호간섭 범위탐지 모델 제안 및 검증

Abstract

건설공사의 안전관리는 공사 일정 및 현장 실시에 큰 영향을 미친다. 그러나 현재 현장 안전감시 방법은 육체노동 의존도가 높다. 따라서 내용 누락과 같은 인적 오류가 발생할 수 있다. 이러한 문제를 해결하기 위해 본 연구는 기계학습 시각 감지 알고리즘을 적용하여 건설 현장 작업자의 위험 행동을 식별함으로써 근로자의 외부 모니터링을 강화하고 안전사고 발생을 어느 정도 줄일 수 있다. 본 논문은 객체 감지 알고리즘과 공간 위치 파악 관계 정의를 결합한 방법을 제안한다. 건설 현장의 기계와 작업자만 정확하게 감지하면 되고, 공간 위치 관계의 정의를 활용해 위험한 행동을 파악할 수 있다. 첫째, 본 연구에 적합한 모니터링 네트워크 프레임워크는 건설 현장의 환경 특성 및 이미지 특성에 맞게 구축되었다. 그런 다음 건설 현장의 시각 탐지 데이터를 얻기 위해 컴퓨터가 Faster R-CNN 알고리즘을 기반으로 한 건설 이미지에서 기계와 작업자를 탐지한다. 마지막으로 이미지에서 기계와 작업자의 위치 관계를 결정하기 위해 세 가지 공간 개념이 정의된다. 그리고 건설 현장에서 감지된 기계 및 작업자의 위치정보와 결합하여 시각화된 형태로 제시한다. 연구의 결과를 바탕으로 건설 안전관리 사업의 정보화, 지능화에 새로운 기술 지원되기를 바란다.;Safety management of construction projects have a significant impact on the construction project’s schedule and the control carried out on site. Current site safety monitoring methods are highly dependent on manual labor; human errors can occur through missing content. This study aims to resolve these issues by applying machine learning visual detection algorithms to identify unsafe behaviors of workers at construction sites, to enhance external monitoring of workers and to relatively reduce the occurrence of safety accidents. A proposed method combines an object detection algorithm and spatial localization relationship definition. Only the machinery and workers at the construction site need to be accurately detected and the definition of spatial location relationship can be used to identify dangerous behaviors. A monitoring network framework suitable for this study was constructed with the environmental characteristics and image features of a construction site. The machines and workers were detected from construction images based on the Faster R-CNN algorithm for a computer to obtain the visual detection data from the construction site. Three spatial concepts were defined to determine the position relationships of machines and workers in these images. The detected location information of machines and workers at the construction site were combined and presented in a visualized form. Based on the results of this research, it confirmed that the method and performance were suitable for construction site safety management, which is expected to contribute to the speed, level of accuracy and risk warning with the application of automated progress monitoring methods.