earticle

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.

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.