A Study on Recognition of not Wearing Safety Helmets at Construction Sites using Image Deep Learning

이미지 딥러닝을 이용한 건설현장 안전모 미착용 인식에 대한 연구

The most common accidents at construction sites are caused by not wearing personal protective equipment. According to industrial accidents statistics, one of the main death causes is not wearing safety helmets, and although various efforts have been made to have workers wear safety helmets. One of the ways to manage the wearing of safety helmet is to use CCTV-based image deep learning algorithm, so various methods have been proposed to confirm workers' compliance with wearing safety helmets by the CNN. This can help with safety management by checking whether workers are complying with wearing safety helmets and identifying workers who violate safety rules. In this study, we proposed a model construction methodology that can effectively determine whether workers are not wearing safety helmets by utilizing YOLOv9. With CIS data set, we selected the optimal variables and data ratio for detecting workers not wearing safety helmets, and we aimed to increase field usability by analyzing the discrimination accuracy and error according to the distribution of data on wearing or not wearing safety helmets derived through various learning and verification.

건설현장에 개인보호 미착용에 따른 사고가 자주 발생한다. 산업재해 통계에 따르면 건설업 근로자의 주요 사망원인 중 하나가 안전모 미착용이고 현장에서는 안전모 착용을 위해 다양한 노력을 하고 있으나 이를 잘 지키지 못하는 것이 현실이다. 보호구 착용 관리를 효율적으로 하는 방법 중에는 CCTV 기반 이미지 딥러닝 알고리즘을 활용하는 것이 있으며 건설현장 이미지 데이터를 기반으로 Convolutional Neural Network(CNN) 알고리즘을 적용하여 안전모의 착용 및 미착용 인식을 통해 작업자의 안전모 착용 준수를 확인할 수 있는 다양한 방법들이 제안되고 있다. 이는 건설현장 근로자의 안전모 착용 준수 여부를 확인하고 안전 수칙 위반 근로자를 식별하여 안전관리에 도움을 줄 수 있다. 이에 본 연구에서 우리는 YouOnly Look Once(YOLO)를 활용하여 근로자의 안전모 미착용 여부를 효과적으로 판단할 수 있는 모델 구축 방법론을 제시하였다. CIS 공개 데이터 셋을 적용하여 안전모 미착용 근로자 검출을 위한 최적의 변수와 데이터 비율을 선정하고 다양한 학습과 검증을 통해 도출된 분석결과를 통해 얻은 안전모 착용 및 미착용 데이터 분포에 따른 판별 정확도 및 오차 분석을 통해 현장 활용성을 높이고자 하였다.