KR102620876B1 - 안전 고리의 가설구조물 체결 여부 인식 방법 및 장치 - Google Patents

안전 고리의 가설구조물 체결 여부 인식 방법 및 장치 Download PDF

Info

Publication number
KR102620876B1
KR102620876B1 KR1020210077908A KR20210077908A KR102620876B1 KR 102620876 B1 KR102620876 B1 KR 102620876B1 KR 1020210077908 A KR1020210077908 A KR 1020210077908A KR 20210077908 A KR20210077908 A KR 20210077908A KR 102620876 B1 KR102620876 B1 KR 102620876B1
Authority
KR
South Korea
Prior art keywords
safety ring
user
sensing signal
information
movement
Prior art date
Application number
KR1020210077908A
Other languages
English (en)
Other versions
KR20220168320A (ko
Inventor
권동수
송규섭
이동규
노영훈
박지만
Original Assignee
한국과학기술원
(주)엘센
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 한국과학기술원, (주)엘센 filed Critical 한국과학기술원
Priority to KR1020210077908A priority Critical patent/KR102620876B1/ko
Publication of KR20220168320A publication Critical patent/KR20220168320A/ko
Application granted granted Critical
Publication of KR102620876B1 publication Critical patent/KR102620876B1/ko

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A62—LIFE-SAVING; FIRE-FIGHTING
    • A62B—DEVICES, APPARATUS OR METHODS FOR LIFE-SAVING
    • A62B35/00—Safety belts or body harnesses; Similar equipment for limiting displacement of the human body, especially in case of sudden changes of motion
    • A62B35/0006—Harnesses; Accessories therefor
    • A62B35/0025—Details and accessories
    • A—HUMAN NECESSITIES
    • A62—LIFE-SAVING; FIRE-FIGHTING
    • A62B—DEVICES, APPARATUS OR METHODS FOR LIFE-SAVING
    • A62B35/00—Safety belts or body harnesses; Similar equipment for limiting displacement of the human body, especially in case of sudden changes of motion
    • A62B35/0006—Harnesses; Accessories therefor
    • A62B35/0025—Details and accessories
    • A62B35/0037—Attachments for lifelines and lanyards
    • 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
    • G01C19/56—Turn-sensitive devices using vibrating masses, e.g. vibratory angular rate sensors based on Coriolis forces
    • 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
    • G01P15/02—Measuring acceleration; Measuring deceleration; Measuring shock, i.e. sudden change of acceleration by making use of inertia forces using solid seismic masses

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Business, Economics & Management (AREA)
  • Emergency Management (AREA)
  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Emergency Alarm Devices (AREA)

Abstract

안전 고리의 가설구조물 체결 여부 인식 방법 및 장치가 개시된다. 다양한 실시예들에 따른 안전고리의 가설구조물에 대한 체결 여부를 인식하는 방법은, 사용자의 몸체에 위치하는 IMU가 상기 사용자의 움직임을 센싱하여 생성한 사용자 센싱 신호를 상기 사용자의 몸체에 위치하는 IMU로부터 획득하는 동작; 상기 안전고리에 위치하는 IMU가 상기 안전고리의 움직임을 센싱하여 생성한 안전고리 센싱 신호를 상기 안전고리에 위치하는 IMU로부터 획득하는 동작; 및 상기 사용자 센싱 신호 및 상기 안전고리 센싱 신호의 물리량의 경향성에 기초하여 상기 안전고리와 상기 가설구조물의 체결 상태를 인식하는 동작을 포함할 수 있다. 그 외에도 다양한 실시예들이 가능할 수 있다.

Description

안전 고리의 가설구조물 체결 여부 인식 방법 및 장치{METHOD AND DEVICE FOR RECOGNIZING WHETHER A SAFETY HOOK IS FASTENED TO A TEMPORARY STRUCTURE}
아래 개시는 안전 고리의 가설구조물 체결 여부 인식 방법 및 장치에 관한 것이다.
일반적으로, 빌딩이나 교량과 같은 고층 구조물을 건설하는 건축 공사장이나, 지하 구조물을 건설하는 지하철 공사장이나 상하수도 공사장이나, 전신주 및 철탑의 보수작업과 같이 지상으로부터 높은 위치에서 작업하는 경우 높은 위치에 설치된 각종 디딤틀이나 구조물에 작업자가 작업을 실시하는데, 이러한 높은 곳에서 작업 시에 불의의 추락사고의 위험으로부터 작업자를 보호하기 위한 안전보호장구를 필수적으로 착용하는 것을 의무화하고 있다.
이와 같은 안전보호장구는 안전대와 고정지지대 상간에 양단이 겉고리에 의해 고정되는 안전로프를 상호 연결하여 사용하는데, 작업자에 부주의로 인하여 안전을 위해 체결해야 하는 안전고리를 체결하지 않아 추락하는 사고가 종종 발생하고 있다.
관련 선행기술로, 한국 공개특허공보 제10-2019-0116781호(발명의 명칭: 웨어러블 기기를 이용한 작업자의 추락 사고 방지 장치 및 방법)가 있다.
위에서 설명한 배경기술은 발명자가 본원의 개시 내용을 도출하는 과정에서 보유하거나 습득한 것으로서, 반드시 본 출원 전에 일반 공중에 공개된 공지기술이라고 할 수는 없다.
다양한 실시예들은 작업 현장에서 안전고리와 가설구조물 사이의 체결 여부를 확인하고, 사용자의 안전 사고를 예방하는 기술을 제공할 수 있다.
다양한 실시예들은 몸체에 위치하는 IMU 센서의 물리량과 안전고리에 위치하는 IMU 센서의 물리량의 경향성 차이에 기초하여 안전고리의 가설구조물에 대한 체결 여부를 인식하는 기술을 제공할 수 있다.
다만, 기술적 과제는 상술한 기술적 과제들로 한정되는 것은 아니며, 또 다른 기술적 과제들이 존재할 수 있다.
다양한 실시예들에 따른 안전고리의 가설구조물에 대한 체결 여부를 인식하는 방법은, 사용자의 몸체에 위치하는 IMU가 상기 사용자의 움직임을 센싱하여 생성한 사용자 센싱 신호를 상기 사용자의 몸체에 위치하는 IMU로부터 획득하는 동작; 상기 안전고리에 위치하는 IMU가 상기 안전고리의 움직임을 센싱하여 생성한 안전고리 센싱 신호를 상기 안전고리에 위치하는 IMU로부터 획득하는 동작; 및 상기 사용자 센싱 신호 및 상기 안전고리 센싱 신호의 물리량의 경향성에 기초하여 상기 안전고리의 상기 가설구조물에 대한 체결 상태를 인식하는 동작을 포함할 수 있다.
상기 인식하는 동작은, 상기 사용자 센싱 신호 및 상기 안전고리 센싱 신호로부터 특징점들을 추출하고, 상기 특징점들을 신경 네트워크에 입력하여 상기 안전고리의 상기 가설구조물에 대한 체결 상태를 분류하는 동작을 포함할 수 있다.
상기 분류하는 동작은, 상기 안전고리 센싱 신호로부터 상기 안전고리의 움직임 정보를 추출하는 동작; 상기 사용자 센싱 신호 및 상기 안전고리 센싱 신호로부터 상기 안전고리의 움직임 정보 및 상기 몸체의 움직임 정보 간의 유사도 정보를 추출하는 동작; 및 상기 사용자 센싱 신호 및 상기 안전고리 센싱 신호로부터 상기 몸체 및 상기 안전고리의 이동거리 정보를 추출하는 동작을 포함할 수 있다.
상기 분류하는 동작은, 상기 움직임 정보, 상기 유사도 정보, 및 상기 이동거리 정보를 벡터로 연결(Concatenate)시켜 특징점 벡터를 생성하는 동작; 및 상기 특징점 벡터를 상기 신경 네트워크에 입력하여 상기 안전고리의 상기 가설구조물에 대한 체결 상태를 분류하는 동작을 더 포함할 수 있다.
상기 안전고리의 움직임 정보는, 상기 안전고리의 선가속도 크기 및 각속도 크기의 주파수 성분과, 상기 안전고리의 선가속도 크기 및 각속도 크기의 히스토그램을 포함할 수 있다.
상기 유사도 정보는, 상기 몸체와 상기 안전고리 간의 선가속도 크기 히스토그램의 차이, 각속도 크기 히스토그램의 차이, 속력 히스토그램의 차이, 단위 시간 당 이동거리 히스토그램의 차이, 단위 시간 당 선가속도 크기의 Cross-correlation과 Correlation-coefficient, 단위 시간 당 각속도 크기의 Cross-correlation과 Correlation-coefficient, 상기 사용자의 몸체에 위치하는 IMU와 상기 안전고리에 위치하는 IMU로부터 취득되는 선가속도 크기에 대한 Coherence, 및 상기 사용자의 몸체에 위치하는 IMU와 상기 안전고리에 위치하는 IMU로부터 취득되는 각속도 크기에 대한 Coherence를 포함할 수 있다.
다양한 실시예들에 따른 안전고리의 가설구조물에 대한 체결 여부를 인식하는 장치는, 인스트럭션들을 포함하는 메모리; 및 상기 메모리와 전기적으로 연결되고, 상기 인스트럭션들을 실행하기 위한 프로세서를 포함하고, 상기 프로세서에 의해 상기 인스트럭션들이 실행될 때, 상기 프로세서는, 사용자의 몸체에 위치하는 IMU가 상기 사용자의 움직임을 센싱하여 생성한 사용자 센싱 신호를 상기 사용자의 몸체에 위치하는 IMU로부터 획득하고, 상기 안전고리에 위치하는 IMU가 상기 안전고리의 움직임을 센싱하여 생성한 안전고리 센싱 신호를 상기 안전고리에 위치하는 IMU로부터 획득하고, 상기 사용자 센싱 신호 및 상기 안전고리 센싱 신호의 물리량의 경향성에 기초하여 상기 안전고리의 상기 가설구조물에 대한 체결 상태를 인식할 수 있다.
상기 프로세서는, 상기 사용자 센싱 신호 및 상기 안전고리 센싱 신호로부터 특징점들을 추출하고, 상기 특징점들을 신경 네트워크에 입력하여 상기 안전고리의 상기 가설구조물에 대한 체결 상태를 분류할 수 있다.
상기 프로세서는, 상기 안전고리 센싱 신호로부터 상기 안전고리의 움직임 정보를 추출하고, 상기 사용자 센싱 신호 및 상기 안전고리 센싱 신호로부터 상기 안전고리의 움직임 정보 및 상기 몸체의 움직임 정보 간의 유사도 정보를 추출하고, 상기 사용자 센싱 신호 및 상기 안전고리 센싱 신호로부터 상기 몸체 및 상기 안전고리의 이동거리 정보를 추출할 수 있다.
상기 프로세서는, 상기 움직임 정보, 상기 유사도 정보, 및 상기 이동거리 정보를 벡터로 연결(Concatenate)시켜 특징점 벡터를 생성하고, 상기 특징점 벡터를 상기 신경 네트워크에 입력하여 상기 안전고리의 상기 가설구조물에 대한 체결 상태를 분류할 수 있다.
상기 안전고리의 움직임 정보는, 상기 안전고리의 선가속도 크기 및 각속도 크기의 주파수 성분과, 상기 안전고리의 선가속도 크기 및 각속도 크기의 히스토그램을 포함할 수 있다.
상기 유사도 정보는, 상기 몸체와 상기 안전고리 간의 선가속도 크기 히스토그램의 차이, 각속도 크기 히스토그램의 차이, 속력 히스토그램의 차이, 단위 시간 당 이동거리 히스토그램의 차이, 단위 시간 당 선가속도 크기의 Cross-correlation과 Correlation-coefficient, 단위 시간 당 각속도 크기의 Cross-correlation과 Correlation-coefficient, 상기 사용자의 몸체에 위치하는 IMU와 상기 안전고리에 위치하는 IMU로부터 취득되는 선가속도 크기에 대한 Coherence, 및 상기 사용자의 몸체에 위치하는 IMU와 상기 안전고리에 위치하는 IMU로부터 취득되는 각속도 크기에 대한 Coherence를 포함할 수 있다.
도 1은 다양한 실시예에 따른 스마트 안전 시스템을 나타낸다.
도 2는 다양한 실시예에 따른 스마트 안전 시스템의 동작 원리를 개념적으로 설명하기 위한 도면이다.
도 3은 다양한 실시예에 따른 센싱 장치의 개략적인 블록도를 나타낸다.
도 4는 다양한 실시예에 따른 센싱 장치의 동작 알고리즘을 설명하기 위한 순서도의 일 예이다.
실시예들에 대한 특정한 구조적 또는 기능적 설명들은 단지 예시를 위한 목적으로 개시된 것으로서, 다양한 형태로 변경되어 구현될 수 있다. 따라서, 실제 구현되는 형태는 개시된 특정 실시예로만 한정되는 것이 아니며, 본 명세서의 범위는 실시예들로 설명한 기술적 사상에 포함되는 변경, 균등물, 또는 대체물을 포함한다.
제1 또는 제2 등의 용어를 다양한 구성요소들을 설명하는데 사용될 수 있지만, 이런 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 해석되어야 한다. 예를 들어, 제1 구성요소는 제2 구성요소로 명명될 수 있고, 유사하게 제2 구성요소는 제1 구성요소로도 명명될 수 있다.
어떤 구성요소가 다른 구성요소에 "연결되어" 있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결되어 있거나 또는 접속되어 있을 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다.
단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 명세서에서, "포함하다" 또는 "가지다" 등의 용어는 설명된 특징, 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것이 존재함으로 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 해당 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가진다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥상 가지는 의미와 일치하는 의미를 갖는 것으로 해석되어야 하며, 본 명세서에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.
이하, 실시예들을 첨부된 도면들을 참조하여 상세하게 설명한다. 첨부 도면을 참조하여 설명함에 있어, 도면 부호에 관계없이 동일한 구성 요소는 동일한 참조 부호를 부여하고, 이에 대한 중복되는 설명은 생략하기로 한다.
도 1은 다양한 실시예에 따른 스마트 안전 시스템을 나타내고, 도 2는 다양한 실시예에 따른 스마트 안전 시스템의 동작 원리를 개념적으로 설명하기 위한 도면이다.
스마트 안전 시스템(10)은 작업 현장에서 안전고리(80)의 가설구조물(90)(예: 안전수단)에 대한 체결 여부를 인식하고, 사용자의 안전 사고를 예방할 수 있다. 사용자는 작업 현장에서 안전대(70)(예: 몸체 안전대, 안전벨트 등)를 착용하고, 안전대(70)에 결합된 안전로프(85)(예: 연결로프)를 통해 가설구조물(90)에 체결될 수 있다. 안전로프(85)에서, 일단은 안전대(70)에 결합되고, 타단은 안전고리(80)에 결합될 수 있다. 안전로프(85)의 타단에 결합된 안전고리(80)가 가설구조물(90)에 체결됨으로써, 사용자는 작업 현장에서 위험으로부터 보호될 수 있다.
스마트 안전 시스템(10)은 복수의 센싱 장치(100, 200), 사용자 단말(30), 및 관리 장치(50)(예: 관리 서버)를 포함할 수 있다. 복수의 센싱 장치(100, 200)는 제1 센싱 장치(100) 및 제2 센싱 장치(200)를 포함하며, 제1 센싱 장치(100)는 사용자의 몸체에 착용한 안전대(70)(예: 안전대(70)의 임의의 위치)에 위치(예: 부착)하고, 제2 센싱 장치(200)는 안전고리(80)(예: 안전고리(80)의 후크 또는 목)에 위치(예: 부착)할 수 있다. 각 센싱 장치(100, 200)의 구조 및 동작은 실질적으로 동일할 수 있다.
각 센싱 장치(100, 200)는 IMU 센서(예: 가속도 센서, 자이로 센서, 및 지자기 센서를 포함)를 포함할 수 있다. 제1 센싱 장치(100)의 IMU 센서는 사용자의 움직임을 센싱하여 사용자 센싱 신호를 생성하고, 제2 센싱 장치(200)의 IMU 센서는 안전고리의 움직임을 센싱하여 안전고리 센싱 신호를 생성할 수 있다. 사용자 센싱 신호는 사용자의 몸체에서 제1 센싱 장치(100)가 부착된 위치의 각도(예: 오일러, 쿼터니언), 가속도, 각속도, 선속도, 및 변위 등을 포함하고, 안전고리 센싱 신호는 안전고리(80)에서 제2 센싱 장치(200)가 부착된 위치의 각도(예: 오일러, 쿼터니언), 가속도, 각속도, 선속도, 및 변위 등을 포함할 수 있다.
각 센싱 장치(100, 200)는 서로 통신(예: 무선 통신)을 수행하며 서로 신호(예: 데이터)를 주고받을 수 있다. 예를 들어, 제1 센싱 장치(100)는 제2 센싱 장치(200)로부터 안전고리 센싱 신호를 전달받고, 제2 센싱 장치(200)는 제1 센싱 장치(100)로부터 사용자 센싱 신호를 전달받을 수 있다.
제1 센싱 장치(100)는 사용자 센싱 신호 및 안전고리 센싱 신호에 기초하여 안전고리(80)의 가설구조물(90)에 대한 체결 여부를 인식할 수 있다. 제1 센싱 장치(100)는 안전고리(80)가 사용자의 몸체(예: 사용자에 착용된 안전대(70))에 걸려있는지 가설구조물(90)에 결려있는지를 분류할 수 있다. 안전고리(80)가 가설구조물(90)에 체결되어 있을 경우 몸체에 위치하는 제1 센싱 장치(100)의 IMU 센서의 물리량과 안전고리(80)에 위치하는 제2 센싱 장치(200)의 IMU 센서의 물리량의 경향성(예: IMU 센서의 센싱 값의 경향성(tendency))이 차이가 클 수 있다. 안전고리(80)가 몸체에 체결되어 있을 경우 몸체에 위치하는 제1 센싱 장치(100)의 IMU 센서의 물리량과 안전고리(80)에 위치하는 제2 센싱 장치(200)의 IMU 센서의 물리량의 경향성에 차이가 크지 않을 수 있다. 상술한 원리를 통해 현재 작업자의 행동이 안전고리(80)를 가설구조물(90)에 체결한 상태에서 행동하고 있는 것인지 아니면 안전고리(80)를 몸체에 체결한 상태에서 행동하고 있는 것인지 구분할 수 있다.
제2 센싱 장치(200)도 제1 센싱 장치(100)와 같이 실질적으로 동일한 동작을 수행하여 안전고리(80)의 가설구조물(90)에 대한 체결 여부(예: 안전고리(80)와 가설구조물(90)의 체결 상태)를 인식(예: 확인)할 수 있다. 안전고리(80)의 가설구조물(90)에 대한 체결 여부를 인식 동작은 사용자의 안전대(70)에 부착된 센싱 장치(예: 제1 센싱 장치(100))만 수행할 수 있도록 설정할 수도 있다.
제1 센싱 장치(100)는 안전고리(80)와 가설구조물(90)의 체결을 위한 알람을 시각 및 청각 중 적어도 하나에 의해 인식하도록 사용자에게 출력할 수 있다. 또한, 제1 센싱 장치(100)는 안전고리(80)와 가설구조물(90)의 체결을 위한 알람(예: 이벤트)을 사용자 단말(30)과 관리 장치(50) 중 어느 하나로 출력할 수 있다.
제1 센싱 장치(100)는 안전고리(80)와 가설구조물(90)의 체결 상태가 "정상"인 경우(예: 안전고리(80)가 가설구조물(90)에 체결된 경우), 안전고리(80)가 가설구조물(90)에 안정되게 체결되었음을 사용자에게 전파할 수 있다. 제1 센싱 장치(100)는 안전고리(80)와 가설구조물(90)의 체결 상태가 "비정상"인 경우(예: 안전고리(80)가 가설구조물(90)에 체결되지 않고, 몸체의 안전대(70)에 체결된 경우), 안전고리(80)가 가설구조물(90)에 체결되지 않았거나 안전고리(80)와 가설구조물(90)의 체결 상태가 불량임을 사용자에게 전파할 수 있다.
안전고리(80)와 가설구조물(90)의 체결 상태가 "정상"으로 확인되는 경우, 사용자는 작업 현장에서 해당 작업을 수행할 수 있다. 안전고리(80)와 가설구조물(90)의 체결 상태가 "비정상"으로 확인되는 경우, 사용자는 안전고리(80)를 가설구조물(90)에 체결하여 안전고리(80)와 가설구조물(90)의 체결 상태가 "정상"이 되도록 할 수 있다.
사용자 단말(30)은 사용자가 휴대 가능한 단말일 수 있다. 사용자 단말(30)은 각 센싱 장치(100, 200)와 통신(예: 무선 통신)을 수행할 수 있다. 사용자 단말(30)은 각 센싱 장치(100, 200)로부터 출력되는 정보(예: 데이터)를 수신하고 이를 처리하여 디스플레이할 수 있다. 사용자 단말(30)은 PC(Personal Computer), 데이터 서버, 또는 휴대용 장치로 구현될 수 있다.
휴대용 전자 장치는 랩탑(laptop) 컴퓨터, 이동 전화기, 스마트 폰(smart phone), 태블릿(tablet) PC, 모바일 인터넷 디바이스(mobile internet device(MID)), PDA(personal digital assistant), EDA(enterprise digital assistant), 디지털 스틸 카메라(digital still camera), 디지털 비디오 카메라(digital video camera), PMP(portable multimedia player), PND(personal navigation device 또는 portable navigation device), 휴대용 게임 콘솔(handheld game console), e-북(e-book), 스마트 디바이스(smart device)으로 구현될 수 있다. 이때, 스마트 디바이스는 스마트 워치(smart watch) 또는 스마트 밴드(smart band)로 구현될 수 있다.
관리 장치(50)는 스마트 안전 시스템(10)을 관리하기 위한 서버 장치일 수 있다. 관리 장치(50)는 각 센싱 장치(100, 200)로부터 출력되는 정보(예: 데이터)를 수신하고 이를 처리하여 디스플레이할 수 있다. 관리 장치(50)는 무선 통신으로 접속되는 둘 이상의 사용자 단말(30)을 통합하여 관리할 수 있다. 관리 장치(50)에는 관리자가 휴대하는 핸드폰 또는 관리실에 설치되는 관리 서버를 포함할 수 있다.
도 3은 다양한 실시예에 따른 센싱 장치의 개략적인 블록도를 나타낸다.
도 3의 센싱 장치(300)는 도 1의 제1 센싱 장치(100) 및 제2 센싱 장치(200)일 수 있다. 제1 센싱 장치(100)와 제2 센싱 장치(200)의 구성 및 동작은 도 3의 센싱 장치(300)의 구성 및 동작과 실질적으로 동일할 수 있다. 도 3에서는 설명의 편의를 위해 센싱 장치(300)는 제1 센싱 장치(100)로 가정한다.
센싱 장치(300)는 IMU(310)(예: IMU 센서), 메모리(330), 및 프로세서(350)를 포함할 수 있다. 센싱 장치(300)는 다른 센싱 장치(예: 도 1의 제2 센싱 장치(200)) 및/또는 다른 장치(예: 도 1의 사용자 단말(30), 관리 장치(50))와 통신을 수행할 수 있는 통신 모듈(미도시)을 더 포함할 수 있다.
IMU(310)는 센싱 장치(300)가 부착된 위치에서 움직임을 센싱하여 센싱 신호를 생성할 수 있다. IMU(310)는 사용자의 움직임(또는 고리의 움직임)을 센싱하여 사용자 센싱 신호를 생성하고, 이를 프로세서(350)로 출력할 수 있다.
메모리(330)는 프로세서(350)에 의해 실행가능한 인스트럭션들(또는 프로그램)을 저장할 수 있다. 예를 들어, 인스트럭션들은 프로세서(350)의 동작 및/또는 프로세서(350)의 각 구성(예: 획득기(351), 추출기(353), 인식기(355))의 동작을 실행하기 위한 인스트럭션들을 포함할 수 있다.
프로세서(350)는 메모리(330)에 저장된 데이터를 처리할 수 있다. 프로세서(350)는 메모리(330)에 저장된 컴퓨터로 읽을 수 있는 코드(예를 들어, 소프트웨어) 및 프로세서(350)에 의해 유발된 인스트럭션(instruction)들을 실행할 수 있다.
프로세서(350)는 목적하는 동작들(desired operations)을 실행시키기 위한 물리적인 구조를 갖는 회로를 가지는 하드웨어로 구현된 데이터 처리 장치일 수 있다. 예를 들어, 목적하는 동작들은 프로그램에 포함된 코드(code) 또는 인스트럭션들(instructions)을 포함할 수 있다.
예를 들어, 하드웨어로 구현된 데이터 처리 장치는 마이크로프로세서(microprocessor), 중앙 처리 장치(central processing unit), 프로세서 코어(processor core), 멀티-코어 프로세서(multi-core processor), 멀티프로세서(multiprocessor), ASIC(Application-Specific Integrated Circuit), FPGA(Field Programmable Gate Array)를 포함할 수 있다.
프로세서(350)는 획득기(351), 추출기(353), 및 인식기(355)를 포함할 수 있다. 획득기(351), 추출기(353), 및 인식기(355)는 소프트웨어 모듈로 메모리(330)에 저장되며, 프로세서(350)에 로딩되어 프로세서(350)에 의해 실행될 수 있다.
획득기(351)는 IMU(310) 및 안전고리(80)에 위치하는 센서 장치(예: IMU)로부터 사용자 센싱 신호 및 안전고리 센싱 신호를 실시간으로 획득할 수 있다. 획득기(351)는 N[Hz](예: 50Hz) 주기로 사용자 센싱 신호 및 안전고리 센싱 신호를 획득할 수 있다.
획득기(351)는 초기 M[초]동안 N[Hz]로 사용자 센싱 신호 및 안전고리 센싱 신호를 저장할 수 있다. 예를 들어, 획득기(351)는 M[초] 이후 2*N*M개의 샘플을 큐(Queue)에 저장하고 큐를 추출기(353)로 전송할 수 있다. 사용자 센싱 신호와 안전고리 센싱 신호가 N[Hz](예: 50Hz)로 M[초]동안 저장되어, 총 2*N*M개의 샘플이 큐(Queue)에 저장되는 것일 수 있다.
획득기(351)는 2*N*M개의 샘플을 저장하고 있는 큐를 추출기(353)로 전송한 후 이전(예: 앞) L[초]에 해당하는 2*N*L개의 사용자 센싱 신호와 안전고리 센싱 신호 샘플을 큐에서 삭제하고 다음 L[초]동안 받은 새로운 사용자 센싱 정보 및 안전고리 센싱 신호를 큐 뒤에 저장할 수 있다.
획득기(351)는 초기 M[초]이후 L[초]간격으로 큐에 2*N*L개의 사용자 센싱 정보 및 안전고리 센싱 신호 샘플의 삭제/저장을 반복하며 L[초]간격으로 2*N*M개의 샘플을 저장하고 있는 큐를 추출기(353)로 전송할 수 있다.
추출기(353)는 2*N*M개의 신호 샘플을 N*M개의 사용자 센싱 신호 샘플로, N*M개의 안전고리 센싱 신호 샘플로 분리할 수 있다. 추출기(353)는 사용자 센싱 신호 및 안전고리 센싱 신호로부터 특징점들을 추출할 수 있다. 예를 들어, 추출기(353)는 사용자 센싱 신호 및 안전고리 센싱 신호로부터 움직임 정보(예: 몸체의 움직임 정보, 안전고리의 움직임 정보), 움직임 정보 간의 유사도 정보, 및 이동거리 정보(예: 몸체의 이동거리 정보, 안전고리의 이동거리 정보)를 추출할 수 있다. 움직임 정보는 벡터 형태(예: 벡터 차원)이고, 유사도 정보 및 이동거리 정보는 스칼라 형태(예: [1x1 스칼라])일 수 있다.
일 예로, 추출기(353)는 안전고리 센싱 신호로부터 안전고리(80)의 움직임 정보를 추출할 수 있다. 안전고리(80)의 움직임 정보는 움직임의 주파수 성분 및 히스토그램을 포함할 수 있다. 예를 들어, 주파수 성분은 안전고리(80)의 선가속도 크기의 주파수 성분(예: [Ax1]) 및 안전고리(80)의 각속도 크기의 주파수 성분(예: [Bx1])을 포함할 수 있다. 히스토그램은 안전고리(80)의 선가속도 크기의 히스토그램(예: [Cx1]) 및 안전고리(80)의 각속도 크기의 히스토그램(예: [Dx1])을 포함할 수 있다.
다른 예로, 추출기(353)는 사용자 센싱 신호 및 안전고리 센싱 신호로부터 안전고리(80)의 움직임 정보 및 몸체의 움직임 정보(예: 안전대(70)로부터 취득되는 몸체의 움직임 정보) 간의 유사도 정보를 추출할 수 있다. 유사도 정보는 몸체와 안전고리(80) 간의 선가속도 크기 히스토그램의 차이, 각속도 크기 히스토그램의 차이, 속력 히스토그램의 차이, 단위 시간 당 이동거리 히스토그램의 차이, 단위 시간 당 선가속도 크기의 Cross-correlation과 Correlation-coefficient, 및 단위 시간 당 각속도 크기의 Cross-correlation과 Correlation-coefficient를 포함할 수 있다. 또한, 유사도 정보는 양 쪽 센서(예: 제1 센싱 장치(100)의 IMU 센서, 제2 센싱 장치(200)의 IMU 센서)로부터 취득되는 선가속도 크기에 대한 Coherence, 및 양 쪽 센서(예: 제1 센싱 장치(100)의 IMU 센서, 제2 센싱 장치(200)의 IMU 센서)로부터 취득되는 각속도 크기에 대한 Coherence를 더 포함할 수 있다.
또 다른 예로, 추출기(353)는 몸체 및 안전고리(80)의 이동거리 정보를 추출할 수 있다. 추출기(353)는 사용자 센싱 신호로부터 몸체의 단위 시간 당 움직인 거리를 추출하고, 안전고리 센싱 신호로부터 고리의 단위 신간 당 움직인 거리를 추출할 수 있다.
추출기(353)는 움직임 정보, 움직임 정보 간의 유사도 정보, 및 이동거리 정보를 벡터(예: [(A+B+C+D+10x1])로 연결(Concatenate)시켜 특징점 벡터를 생성할 수 있다. 추출기(353)는 특징점 벡터를 인식기(355)로 출력할 수 있다.
인식기(355)는 특징점 벡터를 ANN에 입력하여 안전고리(80)의 가설구조물(90)에 대한 체결 인식할 수 있다. ANN는 특징점들(예: 움직임 정보, 움직임 정보 간의 유사도 정보, 이동거리 정보)과 동일한 크기 [(A+B+C+D+6)x1]의 입력층과 안전고리(80)의 몸체 체결, 안전고리(80)의 가설구조물(90) 체결로 분류하는 [2x1]의 출력층을 포함할 수 있다.
또한, 특징점 벡터는 인식기(355)의 ANN을 학습시키는데 활용될 수 있다. ANN을 학습시키는 데이터는 두 가지 안전고리 체결 상태에서의 행동 데이터로 구성될 수 있다. 해동 데이터는 안전고리(80)가 몸체에 체결 되어있는 상태에서의 행동 데이터 및 안전고리(80)가 가설구조물(90)에 체결 되어있는 상태에서의 행동 데이터를 포함할 수 있다.
프로세서(350)는 획득기(351), 추출기(353), 및 인식기(355)를 연동하여L[초]마다 안전고리(80)가 가설구조물(90)에 체결 되어있는지 몸체에 체결 되어있는지 인식할 수 있다.
도 4는 다양한 실시예에 따른 센싱 장치의 동작 알고리즘을 설명하기 위한 순서도의 일 예이다. 도 4에서 설명의 편의를 위해 센싱 장치(300)는 제1 센싱 장치(100)로 가정한다.
동작 405에서, 센싱 장치(300)는 안전대(70)(예: 몸체)에 위치하는 IMU(예: 도 3의 IMU(310))와 안전고리(80)에 위치하는 IMU로부터 가속도 센서 값, 자이로 센서 값, 및 지자기 센서 값 추출할 수 있다.
동작 410에서, 센싱 장치(300)는 가속도 센서 값, 자이로 센서 값, 지자기 센서 값의 융합을 통해 각도 값(예: 각도 정보) 추출할 수 있다.
동작 415에서, 센싱 장치(300)는 각도 값에 기초하여 가속도 센서 값의 중력 성분을 제거함으로써 선가속도(예: 선가속도 값)를 추출할 수 있다.
동작 420에서, 센싱 장치(300)는 선가속도 누적을 기반으로 속도 정보와 이동거리 정보를 추출할 수 있다.
동작 425에서, 센싱 장치(300)는 측정시간이 특정 값(예: 10초)을 초과했는지 판단할 수 있다. 센서 장치(300)는 동작 405 ~ 동작 420을 측정시간 동안(예: 10초 동안) 계속 수행할 수 있다.
동작 430에서, 센싱 장치(300)는 3축의 가속도 값, 각속도 값, 속도 값, 및 이동거리 값에 SMV(sum magnitude of vectors)을 취해 각 1축의 물리량으로 변환할 수 있다.
동작 435에서, 센싱 장치(300)는 n초 동안의 가속도 크기 값, 각속도 크기 값에 대한 주파수 성분과 히스토그램을 추출할 수 있다.
동작 440에서, 센싱 장치(300)는 안전대(30)와 안전고리(80)의 n초 동안의 선가속도, 각속도, 속력, 이동 거리의 경향성 차이를 계산할 수 있다.
동작 445에서, 센싱 장치(300)는 물리량의 경향성 차이가 학습된 인식기(355)(예: 분류기)에 입력할 수 있다.
동작 450에서, 센싱 장치(300)는 인식기(355)를 통해 안전고리(80)의 가설구조물(90)에 대한 체결을 판단할 수 있다. 동작 455~470은 인식기(355)가 안전고리(80)가 몸체에 체결되었다고 판단한 경우에서의 동작들을 포함하고, 동작 475~~490은 인식기(355)가 안전고리(80)가 가설구조물(90)에 체결되었다고 판단한 경우에서의 동작들을 포함할 수 있다.
동작 455에서, 센싱 장치(300)는 안전고리(80)가 몸체에 체결되어 있다는 알람을 출력할 수 있다.
동작 460에서, 센싱 장치(300)는 n초 동안 안전대(70)의 IMU로부터 추출된 이동거리 량이 X[m] 초과인지 판단할 수 있다.
동작 465에서, 센싱 장치(300)는 추출된 이동거리 량이 X[m] 초과인 경우 추락 위험 알람을 출력할 수 있다.
동작 470에서, 센싱 장치(300)는 추출된 이동거리 량이 X[m] 초과가 아닌 경우 주의 알람을 출력할 수 있다.
동작 475에서, 센싱 장치(300)는 안전고리(80)가 가설구조물(90)에 체결되어 있다는 알람을 출력할 수 있다.
동작 480에서, 센싱 장치(300)는 n초 동안 안전대(70)의 IMU로부터 추출된 이동거리 량이 X[m] 초과인지 판단할 수 있다.
동작 485에서, 센싱 장치(300)는 센싱 장치(300)는 추출된 이동거리 량이 X[m] 초과가 아닌 경우 안전함 알람을 출력할 수 있다.
동작 490에서, 센싱 장치(300)는 추출된 이동거리 량이 X[m] 초과인 경우 주의 알람을 출력할 수 있다.
동작 495에서, 센싱 장치(300)는 프로세서(350)에 전원이 인가되고 있는지 여부에 따라 동작 405 내지 동작 490을 종료할 수 있다. 즉, 센싱 장치(300)는 프로세서(350)에 전원이 인가되고 있는 동안에는 동작 405 내지 동작 490을 계속 수행하여 안전고리(80)의 가설구조물(90)에 대한 체결 여부를 인식할 수 있다.
이상에서 설명된 실시예들은 하드웨어 구성요소, 소프트웨어 구성요소, 및/또는 하드웨어 구성요소 및 소프트웨어 구성요소의 조합으로 구현될 수 있다. 예를 들어, 실시예들에서 설명된 장치, 방법 및 구성요소는, 예를 들어, 프로세서, 콘트롤러, ALU(arithmetic logic unit), 디지털 신호 프로세서(digital signal processor), 마이크로컴퓨터, FPGA(field programmable gate array), PLU(programmable logic unit), 마이크로프로세서, 또는 명령(instruction)을 실행하고 응답할 수 있는 다른 어떠한 장치와 같이, 범용 컴퓨터 또는 특수 목적 컴퓨터를 이용하여 구현될 수 있다. 처리 장치는 운영 체제(OS) 및 상기 운영 체제 상에서 수행되는 소프트웨어 애플리케이션을 수행할 수 있다. 또한, 처리 장치는 소프트웨어의 실행에 응답하여, 데이터를 접근, 저장, 조작, 처리 및 생성할 수도 있다. 이해의 편의를 위하여, 처리 장치는 하나가 사용되는 것으로 설명된 경우도 있지만, 해당 기술분야에서 통상의 지식을 가진 자는, 처리 장치가 복수 개의 처리 요소(processing element) 및/또는 복수 유형의 처리 요소를 포함할 수 있음을 알 수 있다. 예를 들어, 처리 장치는 복수 개의 프로세서 또는 하나의 프로세서 및 하나의 컨트롤러를 포함할 수 있다. 또한, 병렬 프로세서(parallel processor)와 같은, 다른 처리 구성(processing configuration)도 가능하다.
소프트웨어는 컴퓨터 프로그램(computer program), 코드(code), 명령(instruction), 또는 이들 중 하나 이상의 조합을 포함할 수 있으며, 원하는 대로 동작하도록 처리 장치를 구성하거나 독립적으로 또는 결합적으로(collectively) 처리 장치를 명령할 수 있다. 소프트웨어 및/또는 데이터는, 처리 장치에 의하여 해석되거나 처리 장치에 명령 또는 데이터를 제공하기 위하여, 어떤 유형의 기계, 구성요소(component), 물리적 장치, 가상 장치(virtual equipment), 컴퓨터 저장 매체 또는 장치, 또는 전송되는 신호 파(signal wave)에 영구적으로, 또는 일시적으로 구체화(embody)될 수 있다. 소프트웨어는 네트워크로 연결된 컴퓨터 시스템 상에 분산되어서, 분산된 방법으로 저장되거나 실행될 수도 있다. 소프트웨어 및 데이터는 컴퓨터 판독 가능 기록 매체에 저장될 수 있다.
실시예에 따른 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 저장할 수 있으며 매체에 기록되는 프로그램 명령은 실시예를 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다.
위에서 설명한 하드웨어 장치는 실시예의 동작을 수행하기 위해 하나 또는 복수의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.
이상과 같이 실시예들이 비록 한정된 도면에 의해 설명되었으나, 해당 기술분야에서 통상의 지식을 가진 자라면 이를 기초로 다양한 기술적 수정 및 변형을 적용할 수 있다. 예를 들어, 설명된 기술들이 또 다른 경향성 차이 척도나 또는 움직임 정보를 활용해도 다른 순서로 수행되거나, 및/또는 설명된 시스템, 구조, 장치, 회로 등의 구성요소들이 설명된 방법과 다른 형태로 결합 또는 조합되거나, 다른 구성요소 또는 균등물에 의하여 대치되거나 치환되더라도 적절한 결과가 달성될 수 있다.
그러므로, 다른 구현들, 다른 실시예들 및 특허청구범위와 균등한 것들도 후술하는 특허청구범위의 범위에 속한다.

Claims (13)

  1. 안전고리의 가설구조물에 대한 체결 여부를 인식하는 방법에 있어서,
    사용자의 몸체에 위치하는 IMU가 상기 사용자의 움직임을 센싱하여 생성한 사용자 센싱 신호를 상기 사용자의 몸체에 위치하는 IMU로부터 획득하는 동작;
    상기 안전고리에 위치하는 IMU가 상기 안전고리의 움직임을 센싱하여 생성한 안전고리 센싱 신호를 상기 안전고리에 위치하는 IMU로부터 획득하는 동작; 및
    상기 사용자 센싱 신호 및 상기 안전고리 센싱 신호로부터 상기 안전고리의 움직임 정보 및 상기 몸체의 움직임 정보 간의 유사도 정보에 기초한 특징점들을 추출하고, 상기 특징점들을 신경 네트워크에 입력하여 상기 안전고리의 상기 가설구조물에 대한 체결 상태를 분류함으로써 상기 안전고리의 상기 가설구조물에 대한 체결 상태를 인식하는 동작
    을 포함하고,
    상기 유사도 정보는,
    상기 몸체와 상기 안전고리 간의 선가속도 크기 히스토그램의 차이, 각속도 크기 히스토그램의 차이, 속력 히스토그램의 차이, 단위 시간 당 이동거리 히스토그램의 차이, 단위 시간 당 선가속도 크기의 Cross-correlation과 Correlation-coefficient, 단위 시간 당 각속도 크기의 Cross-correlation과 Correlation-coefficient, 상기 사용자의 몸체에 위치하는 IMU와 상기 안전고리에 위치하는 IMU로부터 취득되는 선가속도 크기에 대한 Coherence, 및 상기 사용자의 몸체에 위치하는 IMU와 상기 안전고리에 위치하는 IMU로부터 취득되는 각속도 크기에 대한 Coherence를 포함하는, 방법.
  2. 삭제
  3. 제1항에 있어서,
    상기 인식하는 동작은,
    상기 안전고리 센싱 신호로부터 상기 안전고리의 움직임 정보를 추출하는 동작;
    상기 사용자 센싱 신호 및 상기 안전고리 센싱 신호로부터 상기 안전고리의 움직임 정보 및 상기 몸체의 움직임 정보 간의 유사도 정보를 추출하는 동작; 및
    상기 사용자 센싱 신호 및 상기 안전고리 센싱 신호로부터 상기 몸체 및 상기 안전고리의 이동거리 정보를 추출하는 동작
    을 포함하는, 방법.
  4. 제3항에 있어서,
    상기 인식하는 동작은,
    상기 움직임 정보, 상기 유사도 정보, 및 상기 이동거리 정보를 벡터로 연결(Concatenate)시켜 특징점 벡터를 생성하는 동작; 및
    상기 특징점 벡터를 상기 신경 네트워크에 입력하여 상기 안전고리의 상기 가설구조물에 대한 체결 상태를 분류하는 동작
    을 더 포함하는, 방법.
  5. 제3항에 있어서,
    상기 안전고리의 움직임 정보는,
    상기 안전고리의 선가속도 크기 및 각속도 크기의 주파수 성분과, 상기 안전고리의 선가속도 크기 및 각속도 크기의 히스토그램을 포함하는, 방법.
  6. 삭제
  7. 하드웨어와 결합되어 제1항, 제3항 내지 제5항 중 어느 하나의 항의 방법을 실행시키기 위하여 컴퓨터 판독 가능한 기록매체에 저장된 컴퓨터 프로그램.
  8. 안전고리의 가설구조물에 대한 체결 여부를 인식하는 장치에 있어서,
    인스트럭션들을 포함하는 메모리; 및
    상기 메모리와 전기적으로 연결되고, 상기 인스트럭션들을 실행하기 위한 프로세서
    를 포함하고,
    상기 프로세서에 의해 상기 인스트럭션들이 실행될 때, 상기 프로세서는,
    사용자의 몸체에 위치하는 IMU가 상기 사용자의 움직임을 센싱하여 생성한 사용자 센싱 신호를 상기 사용자의 몸체에 위치하는 IMU로부터 획득하고,
    상기 안전고리에 위치하는 IMU가 상기 안전고리의 움직임을 센싱하여 생성한 안전고리 센싱 신호를 상기 안전고리에 위치하는 IMU로부터 획득하고,
    상기 사용자 센싱 신호 및 상기 안전고리 센싱 신호로부터 상기 안전고리의 움직임 정보 및 상기 몸체의 움직임 정보 간의 유사도 정보에 기초한 특징점들을 추출하고, 상기 특징점들을 신경 네트워크에 입력하여 상기 안전고리의 상기 가설구조물에 대한 체결 상태를 분류함으로써 상기 안전고리의 상기 가설구조물에 대한 체결 상태를 인식하며,
    상기 유사도 정보는,
    상기 몸체와 상기 안전고리 간의 선가속도 크기 히스토그램의 차이, 각속도 크기 히스토그램의 차이, 속력 히스토그램의 차이, 단위 시간 당 이동거리 히스토그램의 차이, 단위 시간 당 선가속도 크기의 Cross-correlation과 Correlation-coefficient, 단위 시간 당 각속도 크기의 Cross-correlation과 Correlation-coefficient, 상기 사용자의 몸체에 위치하는 IMU와 상기 안전고리에 위치하는 IMU로부터 취득되는 선가속도 크기에 대한 Coherence, 및 상기 사용자의 몸체에 위치하는 IMU와 상기 안전고리에 위치하는 IMU로부터 취득되는 각속도 크기에 대한 Coherence를 포함하는, 장치.
  9. 삭제
  10. 제8항에 있어서,
    상기 프로세서는,
    상기 안전고리 센싱 신호로부터 상기 안전고리의 움직임 정보를 추출하고,
    상기 사용자 센싱 신호 및 상기 안전고리 센싱 신호로부터 상기 안전고리의 움직임 정보 및 상기 몸체의 움직임 정보 간의 유사도 정보를 추출하고,
    상기 사용자 센싱 신호 및 상기 안전고리 센싱 신호로부터 상기 몸체 및 상기 안전고리의 이동거리 정보를 추출하는, 장치.
  11. 제10항에 있어서,
    상기 프로세서는,
    상기 움직임 정보, 상기 유사도 정보, 및 상기 이동거리 정보를 벡터로 연결(Concatenate)시켜 특징점 벡터를 생성하고,
    상기 특징점 벡터를 상기 신경 네트워크에 입력하여 상기 안전고리의 상기 가설구조물에 대한 체결 상태를 분류하는, 장치.
  12. 제10항에 있어서,
    상기 안전고리의 움직임 정보는,
    상기 안전고리의 선가속도 크기 및 각속도 크기의 주파수 성분과, 상기 안전고리의 선가속도 크기 및 각속도 크기의 히스토그램을 포함하는, 장치.
  13. 삭제
KR1020210077908A 2021-06-16 2021-06-16 안전 고리의 가설구조물 체결 여부 인식 방법 및 장치 KR102620876B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020210077908A KR102620876B1 (ko) 2021-06-16 2021-06-16 안전 고리의 가설구조물 체결 여부 인식 방법 및 장치

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020210077908A KR102620876B1 (ko) 2021-06-16 2021-06-16 안전 고리의 가설구조물 체결 여부 인식 방법 및 장치

Publications (2)

Publication Number Publication Date
KR20220168320A KR20220168320A (ko) 2022-12-23
KR102620876B1 true KR102620876B1 (ko) 2024-01-05

Family

ID=84536359

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020210077908A KR102620876B1 (ko) 2021-06-16 2021-06-16 안전 고리의 가설구조물 체결 여부 인식 방법 및 장치

Country Status (1)

Country Link
KR (1) KR102620876B1 (ko)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2019535352A (ja) * 2016-10-14 2019-12-12 スリーエム イノベイティブ プロパティズ カンパニー 落下保護具イベント生成及び監視
KR102217765B1 (ko) * 2020-08-27 2021-02-22 주식회사 트리톤넷 고소작업자 추락방지용 안전구 및 이를 이용한 안전 시스템
JP2021034021A (ja) 2019-08-20 2021-03-01 グーグル エルエルシーＧｏｏｇｌｅ ＬＬＣ 再帰型ニューラルネットワークを用いる姿勢予測

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102046706B1 (ko) * 2018-02-27 2019-11-19 세종대학교산학협력단 착용가능 디바이스를 사용하여 신경망 기반의 제스처 인식을 수행하는 기법
KR20190116781A (ko) * 2018-04-05 2019-10-15 한국전자통신연구원 웨어러블 기기를 이용한 작업자의 추락 사고 방지 장치 및 방법
KR102286606B1 (ko) * 2019-12-06 2021-08-05 (주)엘센 안전고리 체결시스템과 안전고리 체결제어방법

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2019535352A (ja) * 2016-10-14 2019-12-12 スリーエム イノベイティブ プロパティズ カンパニー 落下保護具イベント生成及び監視
JP2021034021A (ja) 2019-08-20 2021-03-01 グーグル エルエルシーＧｏｏｇｌｅ ＬＬＣ 再帰型ニューラルネットワークを用いる姿勢予測
KR102217765B1 (ko) * 2020-08-27 2021-02-22 주식회사 트리톤넷 고소작업자 추락방지용 안전구 및 이를 이용한 안전 시스템

Also Published As

Publication number Publication date
KR20220168320A (ko) 2022-12-23

Similar Documents

Publication Publication Date Title
Khan et al. Fall prevention from scaffolding using computer vision and IoT-based monitoring
Zhang et al. Using smartphones to detect and identify construction workers’ near-miss falls based on ANN
Jeyakumar et al. Deep convolutional bidirectional LSTM based transportation mode recognition
CN108573268A (zh) 图像识别方法和装置、图像处理方法和装置及存储介质
CN116168350B (zh) 基于物联网实现施工人员违规行为的智能监测方法及装置
Joshua et al. Selection of accelerometer location on bricklayers using decision trees
Khan et al. Risk factors and emerging technologies for preventing falls from heights at construction sites
Dogan et al. Detecting falls-from-height with wearable sensors and reducing consequences of occupational fall accidents leveraging IoT
CN111401779A (zh) 机器人的定位部署方法、装置、设备及存储介质
KR102620876B1 (ko) 안전 고리의 가설구조물 체결 여부 인식 방법 및 장치
Cao et al. Damage cross detection between bridges monitored within one cluster using the difference ratio of projected strain monitoring data
Lim et al. Computer vision process development regarding worker’s safety harness and hook to prevent fall accidents: focused on system scaffolds in South Korea
Pham‐Bao et al. Energy dissipation‐based material deterioration assessment using random decrement technique and convolutional neural network: A case study of Saigon bridge in Ho Chi Minh City, Vietnam
Wu et al. A one-stage deep learning framework for automatic detection of safety harnesses in high-altitude operations
Anjum et al. A pull-reporting approach for floor opening detection using deep-learning on embedded devices
KR102461925B1 (ko) 블록체인 네트워크의 위험 월렛 주소를 관리하는 방법 및 장치
CN111899505B (zh) 交通限制解除的检测方法和装置
CN114758286B (zh) 基于工作票事件的边缘智能安全监测方法和装置
Sharma et al. Cloud-Based Occlusion Aware Intrusion Detection System
KR102664000B1 (ko) 블록체인 네트워크의 위험 월렛 주소를 관리하는 방법 및 장치
KR20210054725A (ko) 엣지 기반의 위험상황 처리 장치
CN110245924A (zh) 一种有效工时的确定方法
CN116307736A (zh) 风险画像自动生成的方法、装置、设备及存储介质
Lin et al. A sensor-based method to detect near-miss struck-by on construction site
CN107727420A (zh) 设备检测方法及相关产品

Legal Events

Date Code Title Description
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right