earticle

영어

Accidents at construction sites have a very high rate of fatalities due to the nature of being prone to severe injury patients. In order to reduce the mortality rate of severely injury patients, quick response is required, and some systems that detect accidents using AI technology and cameras have been devised to respond quickly to accidents. However, since existing accident detection systems use only a single camera, there are blind spots, Thus, they cannot detect all accidents at a construction site. Therefore, in this paper, we present the system that minimizes the detection blind spot by using multiple cameras. Our implemented system extracts feature points from the images of multiple cameras with the YOLO-pose library, and inputs the extracted feature points to a Long Short Term Memory-based recurrent neural network in order to detect accidents. In our experimental result, we confirme that the proposed system shows high accuracy while minimizing detection blind spots by using multiple cameras.

한국어

건설 현장의 사고는 중증외상환자가 발생하기 쉬운 특성 탓에 사망으로 이어지는 비율이 매우 높다. 중증외상 환자의 사망률을 줄이기 위해서는 빠른 대처가 필요하며, 빠른 사고 대처를 위해 인공지능 기술과 카메라를 이용하여 사고를 감지하는 시스템들이 개발되었다. 그러나 기존 사고 감지 시스템들은 단일 카메라만을 사용하여, 사각지대로 인해 건설 현장의 모든 사고를 감지하기에 한계가 있다. 따라서, 본 논문에서는 다수의 카메라를 사용하여 감지 사각 지대를 최소화하는 시스템을 구현하였다. 구현된 시스템은 다수의 카메라의 영상에서 YOLO-pose 라이브러리로 특 징점을 추출하고, 추출된 특징점을 장단기 메모리(Long Short Term Memory) 기반 순환신경망에 입력하여 사고를 감지하였다. 실험 결과, 우리는 제안하는 시스템이 복수의 카메라 사용으로 감지 사각지대를 최소화하면서도 높은 정 확도를 가지는 것을 확인하였다