Earticle

초록

한국어

본 연구는 고령화로 인한 낙상 사고 증가에 대응하기 위해 영상 기반 비접촉형 낙상 감지 기법을 비교·분석하였다. YOLOv8 객체 탐지 모델과 YOLOv8-Pose 자세 추정 모델을 동일한 데이터셋으로 평가한 결과, YOLOv8은 Precision 0.998, Recall 0.993, mAP@0.5 0.995를 기록하여 실시간 낙상 감지에 높은 성능을 보였다. 반면 YOLOv8-Pose는 관절 좌표 기반의 자세 변 화를 포착해 세밀한 분석이 가능했으나, 인식 오류와 평가 지표 부족으로 정량적 성능 측정에는 제약이 있었다. 그럼에도 불 구하고, 자세 기반 분석은 낙상 패턴 이해와 보조적 활용 가능성을 제공하며, 향후 GCN이나 Transformer 기반 기법과의 결합 시 정확도 향상이 기대된다. 본 연구는 스마트 헬스케어와 보안 분야에서 활용 가능한 낙상 감지 기술의 발전 가능성을 제시한다.

영어

This study investigates video-based, contactless fall detection to address the growing risk of accidents in aging populations. Two models were evaluated: YOLOv8 for object detection and YOLOv8-Pose for posture estimation. YOLOv8 achieved high performance (Precision 0.998, Recall 0.993, mAP@0.5 0.995), demonstrating strong applicability for real-time fall detection. In contrast, YOLOv8-Pose captured posture variations for finer analysis but faced limitations due to recognition errors and the lack of quantitative benchmarks. Nevertheless, posture-based analysis provides valuable insights into fall patterns and could be enhanced by integrating Graph Convolutional Networks or Transformer-based approaches. The findings highlight the potential of such techniques for elderly care, hospital safety, and smart security systems.

목차

요약
ABSTRACT
1. 서론
2. 이론적 배경
2.1 YOLO
2.2 Pose Estimation의 개념
2.3 YOLO 시리즈와 Pose Estimation의 융합
2.4 관련 연구
3. 본론
3.1 영상 기반 낙상 감지 배경 이론
3.2 연구 방법
3.3 연구 결과
4. 결론
참고문헌

저자

• 김주연 [ Juyeon Kim | 중부대학교/인공지능전공 학사과정 ] 주저자
• 최대수 [ Daesoo Choi | 중부대학교/미래융합공학부 조교수 ] 교신저자

참고문헌