딥러닝 객체 감지 기반의 지하공동구 작업자 낙상 검출 비교 연구 (Comparative Study on Deep-learning Object Detection Based Recognizing Worker Falls in Underground Utility Tunnels)

서지정보

· 발행기관 : 한국산학기술학회
· 수록지 정보 : 한국산학기술학회논문지 / 25권 / 8호 / 22 ~ 30페이지
· 저자명 : 김정수

초록

지하공동구 작업자의 이상행동을 감지하기 위한 이미지 기반의 여러 딥러닝 모델이 제안되고 있다. 이들 모델의 다수는 딥러닝 추론 결과에 낙상을 판단하기 위한 규칙을 적용하고 있으나, 규칙 기반 모델은 카메라 각도 및 위치 등에 영향을 받아 낙상 검출 성능에 제한적일 수 있다. 본 논문은 지하공동구 작업자의 낙상 검출에 대한 규칙 및 학습 기반의 객체 감지 딥러닝 모델의 성능을 비교하였다. 규칙 기반의 낙상 판별 모델의 경우, COCO 데이터셋(Model A)과 지하공동구 데이터셋(Model B)으로 각각 학습된 YOLOv5 모델을 사용하며, 작업자 자세와 무관하게 경계상자의 종횡비를 활용해 작업자의 낙상을 판별한다. 반면 낙상 학습 기반 모델(Model C)은 YOLOv5에 지하공동구 작업자의 낙상과 정상을 구분할 수 있도록 학습하였다. 시험 결과는 Model C의 F1 지표가 0.867로 Model A 및 B 대비 각각 76%, 10% 높게 나타나, 낙상 자체를 학습 기반 모델이 종횡비 규칙 기반 모델 대비 지하공동구 작업자의 낙상 탐지에 효과적임을 보여주었다. 또한 규칙 기반 모델의 낙상 탐지 성능 개선을 위해 작업자 인식 성능 제고가 필요함을 알 수 있다. 본 논문의 결과는 지하공동구 작업자의 안전 모니터링을 위한 효율적인 방법 선택에 기여할 수 있을 것으로 기대된다.

영어초록

Several image-based deep learning models have been proposed to detect abnormal behaviors of workers in underground utility tunnels. Many of these proposed models apply rules to the deep learning inference results to determine falls. On the other hand, rule-based models can be limited in their fall detection performance because of the influence of camera angles and positions. This paper compares the performance of rule-based and learning-based object detection deep learning models for detecting workers' falls in underground utility tunnels. For the rule-based fall detection model, this study used YOLOv5 models trained on the COCO dataset (Model A) and the underground utility tunnel dataset (Model B), respectively, and determined worker falls using the aspect ratio of the bounding box regardless of the worker's posture. In contrast, the learning-based model (Model C) for falls was trained on YOLOv5 to distinguish between falls and the standing postures of workers in underground utility tunnels. For the test data, the F1 score of Model C for detecting workers' falls in underground utility tunnels was 0.867, which was 76% and 10% higher than Models A and B, respectively. Hence, the learning-based model was more effective than the rule-based one. In addition, improving worker recognition performance was necessary to enhance the fall detection performance of rule-based models. The research findings are expected to contribute to the selection of efficient methods for the safety monitoring of underground utility workers.

참고자료

· 없음