Earticle

초록

영어

The construction is the industry with the highest fatalities, and the fatalities has not decreased despite various institutional improvements. Accordingly, real-time safety management by applying artificial intelligence (AI) to CCTV images is emerging. Although some research on worker detection by applying AI to images of construction sites is being conducted, there are limitations in performance expression due to problems such as complex background due to the nature of the construction industry. In this study, the YOLO model and the OpenPose model were fused to improve the performance of worker detection and posture estimation to improve the detection performance of workers in various complex conditions. This is expected to be highly useful in terms of unsafe behavior and health management of workers in the future.

한국어

건설업은 사망자 수가 가장 많이 발생하는 산업이며, 다양한 제도 개선에도 사망자는 크게 줄어들지 않고 있 다. 이에 따라, CCTV 영상에 인공지능(AI)을 적용한 실시간 안전관리가 부각되고 있다. 건설현장의 영상에 대한 AI 를 적용한 근로자 탐지연구가 진행되고 있지만, 건설업의 특성상 복잡한 배경 등의 문제로 인해 성능 발현에 제한이 있다. 본 연구에서는 근로자의 탐지 및 자세 추정에 대한 성능 향상을 위해 YOLO 모델과 OpenPose 모델을 융합하 여, 복잡 다양한 조건에서의 근로자에 대한 탐지 성능을 향상시켰다. 이는 향후 근로자의 불안전안 행동 및 건강관리 측면에서 활용도가 높을 것으로 예상된다.

목차

요약
Abstract
Ⅰ. 서론
Ⅱ. 연구방법
1. 딥러닝 방법
2. 연구 방법 및 절차
Ⅲ. 연구결과
1. YOLOv5s 및 OpenPose의 일반 성능 테스트
2. 건설현장 영상에 대한 성능 검증 및 한계점 도출
3. 제안한 방법에 따른 개선 결과
Ⅳ. 결론
References

키워드

건설업 근로자 탐지 자세 추정 딥러닝 YOLO OpenPose Construction Work Detection Pose Estimation Deep Learning YOLO OpenPose

저자

• 윤영근 [ Younggeun Yoon | 정회원, 인천대학교 안전공학과 연구원 ] 제1저자
• 오태근 [ Taekeun Oh | 정회원, 인천대학교 안전공학과 교수 ] 교신저자

참고문헌

발행기관

간행물