KR102123008B1 - 복합환경 측정을 이용한 지능형 웨어러블 위험 상태 판단 장치 및 그 방법 - Google Patents

복합환경 측정을 이용한 지능형 웨어러블 위험 상태 판단 장치 및 그 방법 Download PDF

Info

Publication number
KR102123008B1
KR102123008B1 KR1020190104518A KR20190104518A KR102123008B1 KR 102123008 B1 KR102123008 B1 KR 102123008B1 KR 1020190104518 A KR1020190104518 A KR 1020190104518A KR 20190104518 A KR20190104518 A KR 20190104518A KR 102123008 B1 KR102123008 B1 KR 102123008B1
Authority
KR
South Korea
Prior art keywords
worker
state
sensor
falls
acceleration sensor
Prior art date
Application number
KR1020190104518A
Other languages
English (en)
Inventor
전찬희
Original Assignee
전찬희
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 전찬희 filed Critical 전찬희
Priority to KR1020190104518A priority Critical patent/KR102123008B1/ko
Priority to PCT/KR2019/013719 priority patent/WO2021040126A1/ko
Application granted granted Critical
Publication of KR102123008B1 publication Critical patent/KR102123008B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
    • G08B21/02—Alarms for ensuring the safety of persons
    • G08B21/04—Alarms for ensuring the safety of persons responsive to non-activity, e.g. of elderly persons
    • G08B21/0438—Sensor means for detecting
    • G08B21/0446—Sensor means for detecting worn on the body to detect changes of posture, e.g. a fall, inclination, acceleration, gait
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C19/00—Gyroscopes; Turn-sensitive devices using vibrating masses; Turn-sensitive devices without moving masses; Measuring angular rate using gyroscopic effects
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/0004—Gaseous mixtures, e.g. polluted air
    • G01N33/0009—General constructional details of gas analysers, e.g. portable test equipment
    • G01N33/0027—General constructional details of gas analysers, e.g. portable test equipment concerning the detector
    • G01N33/0036—General constructional details of gas analysers, e.g. portable test equipment concerning the detector specially adapted to detect a particular component
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01P—MEASURING LINEAR OR ANGULAR SPEED, ACCELERATION, DECELERATION, OR SHOCK; INDICATING PRESENCE, ABSENCE, OR DIRECTION, OF MOVEMENT
    • G01P15/00—Measuring acceleration; Measuring deceleration; Measuring shock, i.e. sudden change of acceleration
    • G01P15/003—Kinematic accelerometers, i.e. measuring acceleration in relation to an external reference frame, e.g. Ferratis accelerometers
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
    • G08B21/02—Alarms for ensuring the safety of persons
    • G08B21/04—Alarms for ensuring the safety of persons responsive to non-activity, e.g. of elderly persons
    • G08B21/0438—Sensor means for detecting
    • G08B21/0492—Sensor dual technology, i.e. two or more technologies collaborate to extract unsafe condition, e.g. video tracking and RFID tracking
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
    • G08B21/02—Alarms for ensuring the safety of persons
    • G08B21/12—Alarms for ensuring the safety of persons responsive to undesired emission of substances, e.g. pollution alarms
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B25/00—Alarm systems in which the location of the alarm condition is signalled to a central station, e.g. fire or police telegraphic systems
    • G08B25/14—Central alarm receiver or annunciator arrangements

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Business, Economics & Management (AREA)
  • Emergency Management (AREA)
  • Chemical & Material Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Theoretical Computer Science (AREA)
  • Software Systems (AREA)
  • Gerontology & Geriatric Medicine (AREA)
  • Analytical Chemistry (AREA)
  • Evolutionary Computation (AREA)
  • Food Science & Technology (AREA)
  • Medicinal Chemistry (AREA)
  • Multimedia (AREA)
  • Biochemistry (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Data Mining & Analysis (AREA)
  • Combustion & Propulsion (AREA)
  • Medical Informatics (AREA)
  • Toxicology (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Environmental & Geological Engineering (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Emergency Alarm Devices (AREA)
  • Alarm Systems (AREA)

Abstract

본 발명은 지능형 웨어러블 복합환경 측정 장치 및 그 방법에 관한 것이다.
본 발명에 따르면, 복합환경 측정을 이용한 지능형 웨어러블 위험 상태 판단 장치에 있어서, 탈부착이 가능하며, 작업 환경 주변의 가스의 농도를 측정할 수 있는 가스 센서, 작업자의 균형 상태 및 동작을 측정할 수 있는 자이로 센서 및 가속도 센서 및 상기 작업자의 주변 환경을 촬영하기 위한 카메라를 포함하는 센서부, 상기 측정된 가스의 농도로부터 작업자 주변의 유해 상태 여부를 판단하는 유해 상태 판단부, 상기 작업자에게 부착된 자이로 센서, 가속도 센서의 측정 값 및 카메라의 촬영 영상, 작업자가 위치한 층수에 따른 상기 작업자의 낙상 여부를 머신러닝(Machine Learning)기법에 적용하여 학습 모델을 생성하는 학습부, 상기 자이로 센서의 측정 값, 가속도 센서의 측정 값, 촬영 영상의 픽셀 변화값 및 상기 작업자의 현재 위치 층수를 상기 학습 모델에 적용하여 상기 작업자의 낙상 여부를 판단하는 낙상 판단부, 상기 작업환경의 유해 상태 정보와 상기 작업자의 낙상 여부 정보를 디스플레이를 통하여 출력하는 출력부, 그리고 상기 작업환경의 유해 상태 정보와 상기 작업자의 낙상 여부 정보를 네트워크를 통하여 다른 작업자 또는 관제센터에 전달하도록 하는 제어부를 포함한다.

Description

복합환경 측정을 이용한 지능형 웨어러블 위험 상태 판단 장치 및 그 방법 {APPARATUS FOR INTELLIGENT WEARABLE HAZARD DETERMINATION DEVICE USING COMPLEX ENVIRONMENT MEASUREMENT AND METHOD THEREOF}
본 발명은 복합환경 측정을 이용한 지능형 웨어러블 위험 상태 판단 장치 및 그 방법에 관한 것으로, 사용자의 외부환경을 측정하고 측정된 데이터를 바탕으로 사용자의 상태를 확인하기 위한 복합환경 측정을 이용한 지능형 웨어러블 위험 상태 판단 장치 및 그 방법에 관한 것이다.
일반적으로 휴대용 가스 측정기는 배터리를 사용하여 전원을 공급하므로 무게가 무겁고 크기가 커서 상시 휴대하는데 불편하며, 측정기에 실장되는 가스센서의 경우 종래 기술의 제품은 소비전력이 150㎽정도로 소비전력이 매우 크며 한 개의 센서칩에 한 개의 가스감지를 할 수 있는 단일센서로 구동되는 방식이다.
이와 같은 문제를 해결하기 위하여 필요시 이동 단말기에 장착하여 가스를 측정하는 방법들이 시도되고 있다.
일반적으로 이동 단말기는 휴대폰, 휴대용 컴퓨터, 팜PC, PDA, 전자수첩, 디지털 카메라, 캠코더, MP3 플레이어, PMP 등의 휴대용 전자장치들을 지칭하는 것으로 이러한 이동 단말기의 사용은 점차 증가되고 있으며, 크기도 더욱 소형화되고 있는 추세이다.
이러한 이동 단말기는 제조사(Maker)와 이동 단말기의 기종에 따라서 다양한 내부회로를 구성하고, 외부와 통신 하기 위한 인터페이스로서 다수의 커넥터를 이동 단말기 하우징의 일측면에 설치하여 인터페이싱이 가능하도록 구비되어 있다.
그러나 최근에 들어 이동 단말기 특히 휴대폰이 박형화 및 경량화됨에 따라서 복수개의 커넥터를 휴대폰에 구비하는 것은 설계 및 적용상 바람직하지 않게 되었다.
또한, 스마트폰의 경우 5핀의 커넥터로 통일되고 있는 추세이며 휴대용 가스 측정기를 스마트 폰의 5핀의 커넥터와 연결하여 이용하고 있는데, 휴대용 가스 측정기가 배터리를 구비하고, 해당 배터리를 통해 필요한 전원을 공급받도록 한 경우, 배터리에서 전원을 공급하는 구조의 특성상 휴대용 가스 측정기의 무게가 무겁고 크기가 커져서 휴대하는데 불편함이 있다는 문제가 있었다.
따라서, 사용자에게 부착될 수 있는 웨어러블 형태의 가스측정기의 필요성이 높아지고 있으며, 가스센서를 탈부착할 수 있는 복합환경 측정 장치가 필요하게 되었다.
본 발명의 배경이 되는 기술은 대한민국 공개특허 제10-1362430호(2014.02.21)에 개시되어 있다.
본 발명이 이루고자 하는 기술적 과제는 사용자의 외부환경을 측정하고 측정된 데이터를 바탕으로 사용자의 상태를 확인하기 위한 복합환경 측정을 이용한 지능형 웨어러블 위험 상태 판단 장치 및 그 방법을 제공하기 위한 것이다.
이러한 기술적 과제를 이루기 위한 본 발명의 실시예에 따르면, 복합환경 측정을 이용한 지능형 웨어러블 위험 상태 판단 장치에 있어서, 탈부착이 가능하며, 작업 환경 주변의 가스의 농도를 측정할 수 있는 가스 센서, 작업자의 균형 상태 및 동작을 측정할 수 있는 자이로 센서 및 가속도 센서 및 상기 작업자의 주변 환경을 촬영하기 위한 카메라를 포함하는 센서부, 상기 측정된 가스의 농도로부터 작업자 주변의 유해 상태 여부를 판단하는 유해 상태 판단부, 상기 작업자에게 부착된 자이로 센서, 가속도 센서의 측정 값 및 카메라의 촬영 영상, 작업자가 위치한 층수에 따른 상기 작업자의 낙상 여부를 머신러닝(Machine Learning)기법에 적용하여 학습 모델을 생성하는 학습부, 상기 자이로 센서의 측정 값, 가속도 센서의 측정 값, 촬영 영상의 픽셀 변화값 및 상기 작업자의 현재 위치 층수를 상기 학습 모델에 적용하여 상기 작업자의 낙상 여부를 판단하는 낙상 판단부, 상기 작업환경의 유해 상태 정보와 상기 작업자의 낙상 여부 정보를 디스플레이를 통하여 출력하는 출력부, 그리고 상기 작업환경의 유해 상태 정보와 상기 작업자의 낙상 여부 정보를 네트워크를 통하여 다른 작업자 또는 관제센터에 전달하도록 하는 제어부를 포함한다.
상기 센서부는, 판독회로(ROIC, Read Out Integrated Circuit)를 포함하고, 산소, 가연성 가스, 황하수소, 온도, 습도 및 일산화 탄소 중에서 적어도 하나를 측정할 수 있다.
상기 낙상 판단부는, 상기 자이로 센서로부터 측정되는 값이 기준 값 보다 크거나, 가속도 센서로부터 측정되는 값이 기준 값보다 크거나, 상기 카메라에 의해 촬영된 영상의 픽셀 값의 변화량이 기준 값보다 크면 상기 작업자가 단순 낙상한 것으로 판단할 수 있다.
상기 낙상 판단부는, 상기 낙상한 작업자가 낙상하기 전의 주변 환경이 유해 상태로 판단되면, 상기 작업자는 유해 상태로 인해 낙상한 것으로 판단할 수 있다.
상기 제어부는, 상기 작업자 주변이 유해 상태인 것으로 판단되면, 상기 작업자로부터 일정 거리에 있는 다른 작업자에게 위험 알람 신호를 전달하고, 상기 작업자가 낙상한 것으로 판단하면, 알람이 발생시키고 다른 작업자가 착용한 지능형 웨어러블 복합환경 측정 장치로 상기 작업자의 낙상 사실을 전달할 수 있다.
상기 제어부는, 상기 작업자가 단순 낙상한 것인지, 유해 상태에 의해 낙상한 것인지를 구분하여 상기 관제센터에 전달할 수 있다.
상기 학습부는, 작업 환경의 층수가 높을수록 상기 자이로 센서 및 가속도 센서에 대한 가중치를 증가시켜 학습시키고, 작업 환경의 층수가 낮을수록 상기 자이로 센서 및 가속도 센서에 대한 가중치를 감소시켜 학습시킬 수 있다.
상기 제어부는, 상기 작업환경에 부착된 비콘 신호를 통하여 상기 작업자의 현재 층수를 추정할 수 있다.
본 발명의 다른 실시예에 따르면, 지능형 웨어러블 위험 상태 판단 장치를 이용한 위험상태 판단 방법에 있어서, 탈부착이 가능하며, 작업 환경 주변의 가스의 농도를 측정하고, 작업자의 균형 상태 및 동작을 측정하고, 상기 작업자의 주변 환경을 촬영하는 단계, 상기 측정된 가스의 농도로부터 작업자 주변의 유해 상태 여부를 판단하는 단계, 상기 작업자에게 부착된 자이로 센서, 가속도 센서 및 카메라의 측정값, 작업자가 위치한 층수에 따른 상기 작업자의 낙상 여부를 머신러닝(Machine Learning)기법에 적용하여 학습 모델을 생성하는 단계, 상기 자이로 센서의 측정 값, 가속도 센서의 측정 값, 촬영 영상의 픽셀 변화값 및 상기 작업자의 현재 위치 층수를 상기 학습 모델에 적용하여 상기 작업자의 낙상 여부를 판단하는 단계, 상기 작업환경의 유해 상태 정보와 상기 작업자의 낙상 여부 정보를 디스플레이를 통하여 출력하는 단계, 그리고 상기 작업환경의 유해 상태 정보와 상기 작업자의 낙상 여부 정보를 네트워크를 통하여 다른 작업자 또는 관제센터에 전달하도록 하는 단계를 포함한다.
이와 같이 본 발명에 따르면, 실시간으로 획득되는 유해정보를 활용하여 유해성 여부를 검지할 수 있으며, 유해상태 발생시 실시간으로 작업자에게 알려주어 해당지역에서 이탈할 수 있게 알려줄 수 있다.
또한, 센서모듈을 교체하여 사용이 가능하기 때문에 작업의 효율성 및 안전성을 높일 수 있다.
도 1은 본 발명의 실시예에 따른 지능형 웨어러블 위험 상태 판단 장치의 구성을 나타낸 도면이다.
도 2는 본 발명의 실시예에 따른 지능형 웨어러블 위험 상태 판단 장치를 이용한 위험 상태 판단 방법을 설명하기 위한순서도이다.
도 3은 도 2의 S210 단계를 설명하기 위한 도면이다.
도 4는 본 발명의 실시예에 따른 지능형 웨어러블 위험 상태 판단 장치를 나타낸 도면이다.
아래에서는 첨부한 도면을 참조하여 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 본 발명의 실시 예를 상세히 설명한다. 그러나 본 발명은 여러 가지 상이한 형태로 구현될 수 있으며 여기에서 설명하는 실시예에 한정되지 않는다. 그리고 도면에서 본 발명을 명확하게 설명하기 위해서 설명과 관계없는 부분은 생략하였으며 명세서 전체를 통하여 유사한 부분에 대해서는 유사한 도면 부호를 붙였다.
명세서 전체에서, 어떤 부분이 어떤 구성요소를 "포함"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있는 것을 의미한다.
그러면 첨부한 도면을 참고로 하여 본 발명의 실시 예에 대하여 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 상세히 설명한다.
도 1은 본 발명의 실시예에 따른 지능형 웨어러블 위험 상태 판단 장치의 구성을 나타낸 도면이다.
도 1에서 나타낸 것처럼 지능형 웨어러블 위험 상태 판단 장치(100)는 센서부(110), 유해상태 판단부(120), 학습부(130), 낙상 판단부(140), 출력부(150) 및 제어부(160)를 포함한다.
먼저, 센서부(110)는 탈부착이 가능하며, 작업 환경 주변의 가스의 농도를 측정할 수 있는 가스 센서, 작업자의 균형을 및 동작을 측정할 수 있는 자이로 센서 및 가속도 센서 및 작업자의 주변 환경을 촬영하기 위한 카메라를 포함한다.
이때, 가스 센서는 판독회로(ROIC, Read Out Integrated Circuit)를 포함하고, 산소, 가연성 가스, 황하수소, 온/습도 및 일산화 탄소 중에서 적어도 하나를 측정할 수 있다.
여기서, 센서부(110)는 가스 센서의 종류를 변경함으로써 측정할 수 있는 가스의 종류를 변경시킬 수 있다.
다음으로, 유해상태 판단부(120)는 가스 센서로부터 측정된 가스의 농도로부터 작업자 주변의 유해 상태 여부를 판단한다.
그리고, 학습부(130)는 작업자에게 부착된 자이로 센서, 가속도 센서 및 카메라의 측정값, 작업자가 위치한 층수에 따른 작업자의 낙상 여부를 머신러닝(Machine Learning)기법에 적용하여 학습 모델을 생성한다.
여기서, 머신러닝(Machine Learning)기법은 인공지능의 학습방법으로, 빅 데이터를 분석하여 최적의 데이터를 생성할 수 있다.
또한, 학습부(130)는 작업 환경의 층수가 높을수록 자이로 센서 및 가속도 센서에 대한 가중치를 증가시켜 학습시키고, 작업 환경의 층수가 낮을수록 자이로 센서 및 가속도 센서에 대한 가중치를 감소시켜 학습시킨다.
다음으로, 낙상 판단부(140)는 자이로 센서의 측정 값, 가속도 센서의 측정 값, 카메라의 픽셀 변화값 및 작업자의 현재 위치 층수를 학습 모델에 적용하여 작업자의 낙상 여부를 판단한다.
이때, 낙상 판단부(140)는 자이로 센서로부터 측정되는 값이 기준 값 보다 크거나, 가속도 센서로부터 측정되는 값이 기준 값보다 크거나, 카메라에 의해 촬영된 영상의 픽셀 값의 변화량이 기준 값보다 크면 작업자가 단순 낙상한 것으로 판단한다.
여기서, 단순 낙상은 작업자의 실족에 의한 낙상을 의미한다.
또한, 낙상 판단부(140)는 낙상한 작업자가 낙상하기 전의 주변 환경이 유해 상태로 판단되면, 작업자는 유해 상태로 인해 낙상한 것으로 판단한다.
다음으로, 출력부(150)는 작업환경의 유해 상태 정보와 작업자의 낙상 여부 정보를 디스플레이를 통하여 출력한다.
즉, 출력부(150)는 작업자 주위의 현재 유해상태 정보를 디스플레이를 통하여 출력한다.
다음으로, 제어부(160)는 작업환경의 유해 상태 정보와 작업자의 낙상 여부 정보를 네트워크를 통하여 다른 작업자 또는 관제센터에 전달한다.
이때, 제어부(160)는 작업자 주변이 유해 상태인 것으로 판단되면, 작업자로부터 일정 거리에 있는 다른 작업자에게 위험 알람 신호를 전달하고, 작업자가 낙상한 것으로 판단하면, 알람이 발생시키고 다른 작업자가 착용한 지능형 웨어러블 복합환경 측정 장치로 작업자의 낙상 사실을 전달한다.
또한, 제어부(160)는 작업자가 단순 낙상한 것인지, 유해 상태에 의해 낙상한 것인지를 구분하여 관제센터에 전달한다.
그리고, 제어부(160)는 작업환경에 부착된 비콘 신호를 통하여 작업자의 현재 층수를 추정한다.
이하에서는 도 2 내지 도 4를 이용하여 지능형 웨어러블 복합환경 측정 장치(100)를 이용한 복합환경 측정 방법을 설명한다.
도 2는 본 발명의 실시예에 따른 지능형 웨어러블 위험 상태 판단 장치를 이용한 위험 상태 판단 방법을 설명하기 위한 순서도이다.
먼저, 센서부(110)는 탈부착이 가능한 센서모듈을 이용하여 작업 환경 주변의 가스의 농도를 측정하고, 자이로 센서 및 가속도 센서를 이용하여 작업자의 균형을 및 동작을 측정하고, 카메라를 이용하여 작업자의 주변 환경을 촬영한다(S210).
도 3은 도 2의 S210 단계를 설명하기 위한 도면이다.
도 3에서 나타낸 것처럼, 센서부(110)에 포함된 가스 센서는 측정하고자 하는 가스의 종류에 따라 복수의 센서 모듈 형태로 구현이 될 수 있다.
즉, 도 3과 같이 가스 센서는 온습도 센서모듈(111a), CO2 센서모듈(111b) … CO 센서모듈(111e) 중에서 어느 하나를 포함할 수 있으며, 장착된 센서 모듈의 종류에 따라 산소, 가연성 가스, 황하수소, 온/습도 및 일산화 탄소 중에서 적어도 하나를 측정할 수 있다.
그리고, 센서부(110)에 포함된 자이로 센서 및 가속도 센서를 이용하여 작업자의 균형 상태 및 동작을 감지하고, 카메라를 이용하여 작업자의 주변 환경을 촬영한다.
다음으로, 유해상태 판단부(120)는 측정된 가스의 농도로부터 작업자 주변 작업환경의 유해 상태 여부를 판단한다(S220).
즉, 유해상태 판단부(120)는 산소농도가 18% 미만이거나 23.5% 이상일 경우 또는 탄산가스의 농도가 1.5% 이상일 경우 또는 황화수소의 농도 10ppm 이상일 경우 및 일산화탄소 농도 30ppm일 경우에 유해상태가 있는 것으로 판단한다.
다음으로, 학습부(130)는 작업자에게 부착된 자이로 센서, 가속도 센서 및 카메라의 측정값, 작업자가 위치한 층수에 따른 작업자의 낙상 여부를 머신러닝(Machine Learning)기법에 적용하여 학습 모델을 생성한다(S230).
특히, 학습부(130)는 작업 환경의 층수가 높을수록 자이로 센서 및 가속도 센서에 대한 가중치를 증가시켜 학습시키고, 작업 환경의 층수가 낮을수록 자이로 센서 및 가속도 센서에 대한 가중치를 감소시켜 학습시킨다.
예를 들어, 14층에 해당되는 가중치가 1이라고 가정하면, 작업자가 현재 위치한 층이 28층일 경우, 학습부(130)는 작업자가 위치한 층에 대한 가중치를 1보다 큰 값으로 설정하여 학습시킨다.
또한, 학습부(130)는 건물의 최종 층수에 따라서 차등으로 가중치를 증가시켜 학습한다.
그러면, 낙상여부 판단부(140)는 자이로 센서의 측정 값, 가속도 센서의 측정 값, 카메라의 픽셀 변화량 및 작업자의 현재 위치 층수를 학습 모델에 적용하여 작업자의 낙상 여부를 판단한다(S240).
즉, 낙상여부 판단부(140)는 자이로 센서로부터 측정되는 값이 기준 값 보다 크거나, 가속도 센서로부터 측정되는 값이 기준 값보다 크거나, 카메라에 의해 촬영된 영상의 픽셀 값의 변화량이 기준 값보다 크면 작업자가 단순 낙상한 것으로 판단한다.
또한, 낙상여부 판단부(140)는 낙상한 작업자가 낙상하기 전의 주변 환경이 유해 상태로 판단되면, 작업자는 유해 상태로 인해 낙상한 것으로 판단한다.
여기서, 기준 값은 작업환경, 작업자가 이동 또는 작업시 변동되는 값이며, 작업자 또는 부착된 위치에 따라서 변경될 수 있다.
다음으로, 출력부(150)는 작업환경의 유해상태 정보와 작업자의 낙상 여부 정보를 디스플레이를 통하여 출력한다(S250).
즉, 도 3에서 나타낸 것처럼, 출력부(150)는 작업환경의 유해상태 정보를 작업자 또는 다른 작업자가 확인 할 수 있도록 디스플레이를 통하여 출력한다.
그러면, 제어부(160)는 작업환경의 유해 상태 정보와 작업자의 낙상 여부 정보를 네트워크를 통하여 다른 작업자 또는 관제센터에 전달한다(S260).
즉, 제어부(160)는 작업자가 유해 상태인 것으로 판단되면, 작업자로부터 일정 거리에 있는 다른 작업자에게 위험 알람 신호를 전달하고, 작업자가 낙상한 것으로 판단되면, 제어부(160)는 알람이 발생하도록 하여 다른 작업자에게 작업자의 상태를 전달한다.
또한, 제어부(160)는 실족으로 인한 낙상여부 또는 유해 상태로 인한 낙상 여부인지 판단하여 다른 작업자 또는 관제센터에 전달한다.
이때, 유해 상태로 인한 낙상인 것으로 전달 받으면, 관제센터는 구조자에게 해당 유해상태에 따른 필요 도구목록을 제공한다.
예를 들어, 일산화탄소 중독으로 낙상한 것으로 판단되면, 관제센터는 산소통과 같은 도구를 구조자에게 제공하고, 유독가스 중독으로 낙상한 것으로 판단되면, 관제센터는 해당 유독가스를 제거할 수 있는 도구를 구조자에게 제공한다.
또한, 제어부(160)는 작업환경에 부착된 비콘 신호 및 네트워크 신호를 이용하여 작업자의 현재 층수를 추정한다.
여기서, 제어부(160)는 유, 무선 네트워크를 이용하여 다른 작업자에게 작업자의 상태 및 유해상태를 제공하고, 관제센터에 실시간으로 작업자의 상태 및 유해상태를 다른 작업자 또는 관제센터에 전송한다.
여기서, 비콘은 IoT를 형성하기 위한 근거리 이동통신 기기로서, 제어부(160)는 비콘을 이용하여 작업자의 정확한 위치 및 건물의 층수를 알 수 있다.
도 4는 본 발명의 실시예에 따른 지능형 웨어러블 위험 상태 판단 장치를 나타낸 도면이다.
즉, 도 4에서 나타낸 것처럼, 작업자는 제작된 지능형 웨어러블 위험 상태 판단 장치(100)를 작업자의 신체 일부분에 착용할 수 있으며, 부착이 가능한 위치는 사용자 및 지능형 웨어러블 위험 상태 판단 장치(100)의 형태에 따라 변경이 가능하다.
여기서, 유해 가스를 측정하기 위해 주변 공기를 흡입하기 위한 공기 유입부분과 흡입된 공기를 배출하기 위한 공기배출 부분을 포함하고 있으며, 각각의 위치는 변경될 수 있다.
또한, 도 4에서 나타낸 것처럼, 지능형 웨어러블 복합환경 측정장치(100)의 좌측 및 우측에 생성된 각각의 버튼은 전원, 일반시계모드, 통신모드 및 가스센서동작 여부 중에서 어느 하나가 될 수 있으며, 해당되는 각각의 위치는 사용자에 따라서 변경이 가능하다.
이와 같이 본 발명의 실시예에 따르면, 실시간으로 획득되는 유해정보를 활용하여 유해성 여부를 검지할 수 있으며, 유해상태 발생시 실시간으로 작업자에게 알려주어 해당지역에서 이탈할 수 있게 알려줄 수 있다.
또한, 센서모듈을 교체하여 사용이 가능하기 때문에 작업의 효율성 및 안전성을 높일 수 있다.
본 발명은 도면에 도시된 실시 예를 참고로 설명 되었으나 이는 예시적인 것이 불과하며, 본 기술 분야의 통상의 지식을 가진 자라면 이로부터 다양한 변형 및 균등한 다른 실시 예가 가능하다는 점을 이해할 것이다. 따라서, 본 발명의 진정한 기술적 보호 범위는 첨부된 특허청구범위의 기술적 사상에 의하여 정해져야 할 것이다.
100: 지능형 웨어러블 위험 상태 판단 장치,
110: 센서부, 111a … 111e: 센서모듈,
120: 유해상태 판단부, 130: 학습부,
140: 낙상 판단부, 150: 출력부,
160: 제어부

Claims (16)

  1. 복합환경 측정을 이용한 지능형 웨어러블 위험 상태 판단 장치에 있어서,
    탈부착이 가능하며, 작업 환경 주변의 가스의 농도를 측정할 수 있는 가스 센서, 작업자의 균형 상태 및 동작을 측정할 수 있는 자이로 센서 및 가속도 센서 및 상기 작업자의 주변 환경을 촬영하기 위한 카메라를 포함하는 센서부,
    상기 측정된 가스의 농도로부터 작업자 주변의 유해 상태 여부를 판단하는 유해 상태 판단부,
    상기 자이로 센서, 가속도 센서의 측정 값 및 카메라의 촬영 영상, 작업자가 위치한 층수에 따른 상기 작업자의 낙상 여부를 머신러닝(Machine Learning)기법에 적용하여 학습 모델을 생성하는 학습부,
    상기 자이로 센서의 측정 값, 가속도 센서의 측정 값, 촬영 영상의 픽셀 변화값 및 상기 작업자의 현재 위치 층수를 상기 학습 모델에 적용하여 상기 작업자의 낙상 여부를 판단하는 낙상 판단부,
    상기 작업환경의 유해 상태 정보와 상기 작업자의 낙상 여부 정보를 디스플레이를 통하여 출력하는 출력부, 그리고
    상기 작업환경의 유해 상태 정보와 상기 작업자의 낙상 여부 정보를 네트워크를 통하여 다른 작업자 또는 관제센터에 전달하도록 하는 제어부를 포함하고,
    상기 낙상 판단부는,
    상기 자이로 센서로부터 측정되는 값이 기준 값 보다 크거나, 가속도 센서로부터 측정되는 값이 기준 값보다 크거나, 상기 카메라에 의해 촬영된 영상의 픽셀 값의 변화량이 기준 값보다 크면 상기 작업자가 단순 낙상한 것으로 판단하며,
    상기 학습부는,
    작업 환경의 층수가 높을수록 상기 자이로 센서 및 가속도 센서에 대한 가중치를 증가시켜 학습시키고, 작업 환경의 층수가 낮을수록 상기 자이로 센서 및 가속도 센서에 대한 가중치를 감소시켜 학습시키고,
    상기 제어부는,
    상기 작업자 주변이 유해 상태인 것으로 판단되면, 상기 작업자로부터 일정 거리에 있는 다른 작업자에게 위험 알람 신호를 전달하고, 상기 작업자가 낙상한 것으로 판단하면, 알람이 발생시키고 다른 작업자가 착용한 지능형 웨어러블 복합환경 측정 장치로 상기 작업자의 낙상 사실을 전달하며, 상기 작업자가 단순 낙상한 것인지, 유해 상태에 의해 낙상한 것인지를 구분하여 상기 관제센터에 전달하는 지능형 웨어러블 위험 상태 판단 장치.
  2. 제1항에 있어서,
    상기 가스 센서는,
    판독회로(ROIC, Read Out Integrated Circuit)를 포함하고, 산소, 가연성 가스, 황하수소, 온도, 습도 및 일산화 탄소 중에서 적어도 하나를 측정할 수 있는 지능형 웨어러블 위험 상태 판단 장치.
  3. 삭제
  4. 제1항에 있어서,
    상기 낙상 판단부는,
    상기 낙상한 작업자가 낙상하기 전의 주변 환경이 유해 상태로 판단되면, 상기 작업자는 유해 상태로 인해 낙상한 것으로 판단하는 지능형 웨어러블 위험 상태 판단 장치.
  5. 삭제
  6. 삭제
  7. 삭제
  8. 제1항에 있어서,
    상기 제어부는,
    상기 작업환경에 부착된 비콘 신호를 통하여 상기 작업자의 현재 층수를 추정하는 지능형 웨어러블 위험 상태 판단 장치.
  9. 지능형 웨어러블 위험 상태 판단 장치를 이용한 위험상태 판단 방법에 있어서,
    탈부착이 가능한 가스 센서를 이용하여 작업 환경 주변의 가스의 농도를 측정하는 단계,
    상기 측정된 가스의 농도로부터 작업자 주변의 유해 상태 여부를 판단하는 단계,
    자이로 센서 및 가속도 센서를 이용하여 작업자의 균형 상태 및 동작을 측정하고, 카메라를 이용하여 상기 작업자의 주변 환경을 촬영하는 단계,
    상기 자이로 센서, 가속도 센서 및 카메라의 측정값, 작업자가 위치한 층수에 따른 상기 작업자의 낙상 여부를 머신러닝(Machine Learning)기법에 적용하여 학습 모델을 생성하는 단계,
    상기 자이로 센서의 측정 값, 가속도 센서의 측정 값, 촬영 영상의 픽셀 변화값 및 상기 작업자의 현재 위치 층수를 상기 학습 모델에 적용하여 상기 작업자의 낙상 여부를 판단하는 단계,
    상기 작업환경의 유해 상태 정보와 상기 작업자의 낙상 여부 정보를 디스플레이를 통하여 출력하는 단계, 그리고
    상기 작업환경의 유해 상태 정보와 상기 작업자의 낙상 여부 정보를 네트워크를 통하여 다른 작업자 또는 관제센터에 전달하도록 하는 단계를 포함하고,
    상기 낙상 여부를 판단하는 단계는,
    상기 자이로 센서로부터 측정되는 값이 기준 값 보다 크거나, 가속도 센서로부터 측정되는 값이 기준 값보다 크거나, 상기 카메라에 의해 촬영된 영상의 픽셀 값의 변화량이 기준 값보다 크면 상기 작업자가 단순 낙상한 것으로 판단하며,
    상기 학습 모델을 생성하는 단계는,
    작업 환경의 층수가 높을수록 상기 자이로 센서 및 가속도 센서에 대한 가중치를 증가시켜 학습시키고, 작업 환경의 층수가 낮을수록 상기 자이로 센서 및 가속도 센서에 대한 가중치를 감소시켜 학습시키고,
    상기 다른 작업자 또는 관제센터에 전달하도록 하는 단계는,
    상기 작업자 주변이 유해 상태인 것으로 판단되면, 상기 작업자로부터 일정 거리에 있는 다른 작업자에게 위험 알람 신호를 전달하고, 상기 작업자가 낙상한 것으로 판단하면, 알람이 발생시키고 다른 작업자가 착용한 지능형 웨어러블 복합환경 측정 장치로 상기 작업자의 낙상 사실을 전달하며, 기 작업자가 단순 낙상한 것인지, 유해 상태에 의해 낙상한 것인지를 구분하여 상기 관제센터에 전달하는 위험 상태 판단 방법.
  10. 제9항에 있어서,
    상기 가스 센서는,
    판독회로(ROIC, Read Out Integrated Circuit)를 포함하고, 산소, 가연성 가스, 황하수소, 온도, 습도 및 일산화 탄소 중에서 적어도 하나를 측정할 수 있는 위험 상태 판단 방법.
  11. 삭제
  12. 제9항에 있어서,
    상기 낙상 여부를 판단하는 단계는,
    상기 낙상한 작업자가 낙상하기 전의 주변 환경이 유해 상태로 판단되면, 상기 작업자는 유해 상태로 인해 낙상한 것으로 판단하는 위험 상태 판단 방법.
  13. 삭제
  14. 삭제
  15. 삭제
  16. 제9항에 있어서,
    상기 다른 작업자 또는 관제센터에 전달하도록 하는 단계는,
    상기 작업환경에 부착된 비콘 신호를 통하여 상기 작업자의 현재 층수를 추정하는 위험 상태 판단 방법.
KR1020190104518A 2019-08-26 2019-08-26 복합환경 측정을 이용한 지능형 웨어러블 위험 상태 판단 장치 및 그 방법 KR102123008B1 (ko)

Priority Applications (2)

Application Number Priority Date Filing Date Title
KR1020190104518A KR102123008B1 (ko) 2019-08-26 2019-08-26 복합환경 측정을 이용한 지능형 웨어러블 위험 상태 판단 장치 및 그 방법
PCT/KR2019/013719 WO2021040126A1 (ko) 2019-08-26 2019-10-18 복합환경 측정을 이용한 지능형 웨어러블 위험 상태 판단 장치 및 그 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020190104518A KR102123008B1 (ko) 2019-08-26 2019-08-26 복합환경 측정을 이용한 지능형 웨어러블 위험 상태 판단 장치 및 그 방법

Publications (1)

Publication Number Publication Date
KR102123008B1 true KR102123008B1 (ko) 2020-06-15

Family

ID=71081652

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020190104518A KR102123008B1 (ko) 2019-08-26 2019-08-26 복합환경 측정을 이용한 지능형 웨어러블 위험 상태 판단 장치 및 그 방법

Country Status (2)

Country Link
KR (1) KR102123008B1 (ko)
WO (1) WO2021040126A1 (ko)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112533166A (zh) * 2020-11-27 2021-03-19 上海建工集团股份有限公司 一种移动式信息传输仪
KR20230004136A (ko) 2021-06-30 2023-01-06 한성대학교 산학협력단 안전 관리 장치 및 그 제어 방법
CN117877198A (zh) * 2024-03-12 2024-04-12 成都蜀诚通信技术有限公司 一种应用于施工现场的安全运维系统

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101663572B1 (ko) * 2016-03-30 2016-10-07 (주)네트 작업자의 안전 확보를 위한 작업환경 모니터링 시스템
KR20180059356A (ko) * 2016-11-25 2018-06-04 (재)한국재난안전기술원 유해 화학물질을 포함하는 재난상황의 긴급대처를 위한 통합관제 시스템 및 이를 이용한 재난대응 방법
KR20180097091A (ko) * 2017-02-22 2018-08-30 광주과학기술원 기계학습 기반 낙상 위험도 추정 장치 및 방법
KR20190009481A (ko) * 2017-07-19 2019-01-29 주식회사 선경 이.엔.아이 실시간 작업자 위치 및 설비 상태 추적 기반의 공정 안전 관리 시스템

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101260962B1 (ko) * 2012-02-01 2013-05-06 주식회사 미리코 스마트폰을 이용한 가스검출 시스템 및 가스검출 방법

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101663572B1 (ko) * 2016-03-30 2016-10-07 (주)네트 작업자의 안전 확보를 위한 작업환경 모니터링 시스템
KR20180059356A (ko) * 2016-11-25 2018-06-04 (재)한국재난안전기술원 유해 화학물질을 포함하는 재난상황의 긴급대처를 위한 통합관제 시스템 및 이를 이용한 재난대응 방법
KR20180097091A (ko) * 2017-02-22 2018-08-30 광주과학기술원 기계학습 기반 낙상 위험도 추정 장치 및 방법
KR20190009481A (ko) * 2017-07-19 2019-01-29 주식회사 선경 이.엔.아이 실시간 작업자 위치 및 설비 상태 추적 기반의 공정 안전 관리 시스템

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112533166A (zh) * 2020-11-27 2021-03-19 上海建工集团股份有限公司 一种移动式信息传输仪
KR20230004136A (ko) 2021-06-30 2023-01-06 한성대학교 산학협력단 안전 관리 장치 및 그 제어 방법
CN117877198A (zh) * 2024-03-12 2024-04-12 成都蜀诚通信技术有限公司 一种应用于施工现场的安全运维系统
CN117877198B (zh) * 2024-03-12 2024-05-17 成都蜀诚通信技术有限公司 一种应用于施工现场的安全运维系统

Also Published As

Publication number Publication date
WO2021040126A1 (ko) 2021-03-04

Similar Documents

Publication Publication Date Title
KR102123008B1 (ko) 복합환경 측정을 이용한 지능형 웨어러블 위험 상태 판단 장치 및 그 방법
US9538801B2 (en) Condition responsive indication assembly and method
JP5955841B2 (ja) 画像及び／又はオーディオキャプチャを備えた本質安全性携帯式フィールドメンテナンスツール及び本質安全性携帯式フィールドメンテナンスツールを使用するフィールドメンテナンスの方法
KR102408041B1 (ko) 센서를 이용하여 배터리의 상태를 감지 및 제어하는 방법 및 이를 사용하는 전자 장치
KR102404486B1 (ko) 웨어러블 기기 및 무선 이동체에 적용 가능한 작업 위험성 판단 모듈 및 시스템
US10041764B2 (en) Sensor system and method for sensing motion
KR102474460B1 (ko) 전자 장치 및 전자 장치의 동작 제어 방법
CN111512619B (zh) 检测其电池的状态的电子装置及方法
CN104111088A (zh) 用于确定便携式电子装置的传感器精度的系统和方法
KR101340008B1 (ko) 헬멧에 탈부착 가능한 스마트 모듈
JP7144424B2 (ja) 電池パック、制御装置、制御方法、及びプログラム
KR102053967B1 (ko) 모바일 기기를 이용한 운동 관리 시스템
CN107203196A (zh) 工业设备检测系统及方法
CN113280265A (zh) 工况识别方法、装置、计算机设备以及存储介质
CN105955399A (zh) 具备磁传感器的电子设备和电子设备的磁传感器控制方法
CN108802835A (zh) 无线充电检测方法、装置及移动终端、无线充电系统
CN111839527A (zh) 一种跌倒检测方法、设备及计算机可读存储介质
JP6272631B2 (ja) 付属装置・装置間シグナリング装置、システム、コンピュータプログラム製品及び方法
CN107894765A (zh) 一种车辆状态的检测系统及其检测方法
KR102432683B1 (ko) 움직임에 기반하여, 외부의 공기와 관련된 데이터 보정 및 생성하기 위한 방법 및 전자 장치
CN109167902A (zh) 一种具有角度检测功能的摄像机
CN114198491B (zh) 一种基于润滑油的监测方法、系统和电子设备
US20220337073A1 (en) Electronic device and method for managing plural batteries
KR20180109847A (ko) 모니터링 시스템 및 방법
CN208971623U (zh) 一种具有角度检测功能的摄像机

Legal Events

Date Code Title Description
E701 Decision to grant or registration of patent right
GRNT Written decision to grant