단안 카메라의 실시간 동작 분석으로 강화된 안전 경보 시스템

Abstract

Safety issues at industrial sites are becoming more and more popular. The government has enacted the "Critical Disaster Punishment Law" to solve problems such as many industrial safety accidents and unclear responsibilities. According to the law, which will come into effect in January next year, in the event of a serious disaster that kills one or more people at the work site, the business owner who neglected the obligation to ensure safety and health regardless of whether or not a safety officer was designated. Alternatively, it stipulates that the manager shall be punished by imprisonment with work for not more than 1 year and a fine of not more than 1 billion won. Of course, even if a serious disaster occurs, it means that if you fully fulfill your obligation to ensure safety and health, you will not be punished. However, the current situation is that various social controversies have arisen due to the ambiguous criteria for properly fulfilling the obligation to ensure safety and health, and in response to this, the Ministry of Labor has set "Safety and Health Management" as a guideline for enforcing the Serious Disaster Punishment Law. I also published a "system guidebook". However, regardless of the actual utility of the law, the topic of industrial safety has emerged as a "hot topic" for society as a whole. For this reason, research on industrial safety systems that utilize machine vision and artificial intelligence is being actively pursued. Depending on the presence or absence of contact, industrial safety equipment for workers is generally divided into contact type and non-contact type. Contact-type equipment can mobilize various sensors to check the worker's condition from moment to moment, and when wearing equipment such as a helmet camera or Google Glass, the surrounding situation is also transmitted and analyzed to the server in real time. By doing so, it is possible to detect the risk factors in the surrounding area. With the development of new materials and precision technology, such equipment has been dramatically reduced in volume and weight, and its portability is improving day by day. However, such portable equipment still forces workers to wear additional equipment, and the fact that they already have to wear a lot of equipment to work is a heavy burden in many industrial environments. Rather, this reduces work efficiency and can pose risks in unintended directions. On the contrary, the non-contact equipment does not impose a direct burden on the worker, can catch a more general situation depending on the installation position, and can provide a function that the contact equipment cannot provide. In this paper, we propose a safety warning system that can detect dangerous situations in real time by analyzing the images input from the webcam and deriving the relationship between the workers working in the images and the dangerous elements at the site. It can be said that most safety accidents are caused by incorrect posture when the distance between the worker and the dangerous object is short. Therefore, it is very important to accurately estimate the 3D distance between the worker and the dangerous object in the input video. However, although there are various limiting factors in the method of measuring the three-dimensional distance between objects in an image through a monocular camera, there must generally be a reference object, and the shape of the object is also regular. Must have a good form. However, it is difficult to meet such a condition in a complicated industrial environment that changes from time to time, and if equipment such as a depth camera is adopted to solve this, it will inevitably cause a price increase. In this paper, we first model the work environment and then match the pose of the camera with the pre-modeled 3D work environment model. Detects and tracks working workers from the following input video to obtain 3D coordinates. Therefore, if a dangerous object is specified in advance, the distance between the worker and the dangerous object can be measured in real time. At this time, if the worker makes a wrong move within the caution range, it can be judged as a dangerous situation and necessary measures such as recording and warning can be taken.| 공업현장에서의 안전문제가 날이 갈수록 세간의 관심을 받고 있다. 많은 산업안전 사고가 발생하고 또 책임의 소지가 명확하지 않은 등 문제를 해결하기 위해 정부에서는 ‘중대재해 처벌법’을 제정하였다. 내년 1월부터 시행하기로 되어있는 이 법령에 따르면, 근로현장에서 1명 이상 사망하는 중대재해가 발생했을 경우 안전담당자의 지정 유무에 관계없이 안전보건확보 의무를 소홀히 한 사업주 또는 경영책임자를 1년 이상 징역, 10억원 이하 벌금에 처하도록 규정하고 있다. 물론 중대재해가 발생했더라도 안전보건확보 의무를 제대로 했다면 처벌받지 않는다는 뜻이다. 하지만 안전보건확보 의무를 제대로 이행 했다는 기준이 모호한 탓에 여러 가지로 사회적 물의를 일으키고 있는 현황이고, 또 이에 대처하여 노동부가 중대재해처벌법 시행 가이드라인으로 ‘안전보건관리체계 가이드북’을 내놓기도 하였다. 하지만 법령의 실질적 효용이 어떨지를 막론하고 산업안전이라는 화두는 전 사회의 ‘뜨거운 감자’로 떠오르게 되었다. 따라서 머신비전과 인공지능을 이용한 산업안전 시스템에 대한 연구가 활발하게 진행되고 있는 추세이다. 접촉여부에 따라 일반적으로 근로자를 위한 산업안전 장비들은 접촉식과 비접촉식으로 나뉠 수 있다. 접촉식 장비들은 다양한 센서를 동원하여 근로자의 상태를 시시각각 확인이 가능하며 헬멧 용 카메라나 구글글라스 같은 장비를 착용할 경우 주변상황도 실시간으로 서버에 전송하고 분석하게 함으로써 주변위험요인 감지도 가능하다. 신소재와 정밀기술의 발전과 더불어 이런 장비들은 부피와 무게가 획기적으로 소형화 되면서 휴대성까지도 하루가 다르게 개선되고 있다. 하지만 이런 휴대용 장비는 여전히 근로자에게 추가적인 장비 착용을 강요하며, 이미 많은 설비를 몸에 지니고 작업을 해야 하는 상황이 허다한 산업 환경 에서는 커다란 부담으로 작용하게 된다. 이는 오히려 작업효율을 떨어뜨리고 의도치 않은 방향으로 위험을 초래할 수도 있게 된다. 반대로 비접촉식 장비는 근로자에게 직접적인 부담을 부가하지 않으면서도 설치 위치에 따라 보다 전반적인 상황을 캐치할 수 있어 접촉식장비가 제공하지 못하는 기능을 제공할 수 있다. 본 논문에서는 웹캠으로부터 입력된 영상을 분석하고, 영상 내 작업 중인 근로자와 현장에서의 위험요소사이 관계를 도출하여 실시간으로 위험한 상황을 감지할 수 있는 안전경보 시스템을 제안한다. 안전사고는 대체적으로 근로자와 위험물체 사이 거리가 가까울시 잘못된 자세 등으로 인한 사고가 대부분이라고 할 수 있다. 따라서 입력된 영상 내 근로자와 위험물체 사이 3차원 거리를 정확하게 추정하는 것은 매우 중요하다. 하지만 단안 카메라를 통해 영상 내 물체들 간의 3차원 거리를 측정하는 방법에는 여러 가지 제한적인 요인들이 존재하게 되는데 일반적으로 기준이 되는 물체가 있어야 하며 물체의 모양 또한 규칙적인 형태를 갖추고 있어야 한다. 그러나 수시로 변화하는 복잡한 산업 환경은 이런 조건을 충족시키기 어려우며, 이를 해결하고자 고성능 깊이카메라와 같은 장비를 채용할 경우 필연적으로 가격의 상승을 야기하게 된다. 본 논문에서는 우선 작업환경을 모델링하고, 사전에 잘 모델링이 된 3차원 작업환경모델과 카메라의 포즈를 일치 시킨다. 다음 입력된 영상에서 작업 중인 근로자를 검출, 추적하여 3차원 좌표를 얻어내게 된다. 따라서 만약 사전에 위험한 물체를 지정해 두었다면 근로자와 위험물체 사이 거리를 실시간으로 측정할 수 있다. 이때 근로자가 경계범위 내에서 잘못된 동작을 하게 된다면 위험상황으로 판단하고 기록 및 경고 등 필요한 조치를 취할 수 있다.