관절 데이터 기반 사람 동작 분류 모델 및 자세 위험성 평가 시스템

Abstract

현대 제조업은 인건비 절감, 생산성 증가와 더불어 작업자의 안정성까지 확보해야 하는 다양한 과제에 직면하고 있고, 제조공정의 자동화를 도입해 이러한 문제를 해결하려고 노력 중이다. 로봇을 도입한 완전 자동화 공정은 기술적, 경제적인 제약의 한계가 존재하고 작업 현장에서 발생하는 예상치 못한 상황에 유연하게 대처하는 능력이 사람에 비해 매우 떨어진다. 때문에 사람과 협업하며 작업하는 협업 로봇을 통해 서로의 단점을 보완하면 제조 공정의 자동화 수준을 향상시킴과 동시에 시스템의 복잡성에 유연하게 대응할 수 있다. 현장에서 로봇과 사람이 협업하기 위해서는 로봇이 사람의 동작을 정확히 알고 그다음 동작을 예측할 수 있어야 한다. 사람의 동작을 분류하는 Task 에 대해서는 다양한 연구가 진행되어 왔는데 같은 동작에 대해서 카메라 정면에서 수집된 동작과 측면에서 수집된 동작이 분류 모델에서 정확도가 매우 떨어지는 문제가 존재하였다. 본 연구에서는 영상 기반 모션 캡처 장비로 수집한 정면, 측면의 사람 동작의 관절 데이터를 정확히 인식, 분류하고 동작의 위험성을 평가할 수 있는 모델을 제안한다. 60 개의 특징으로 구성되어 있는 관절 데이터는 연구에서 제안하는 13 가지의 각도 데이터로 변환하고 분류 모델의 학습하여 기존 데이터로 학습한 분류 모델과 그 성능을 비교하여 모델의 정확도가 향상됨을 증명한다.