KR20200053093A

KR20200053093A - 건설현장 이상징후 감지 방법 및 시스템

Info

Publication number: KR20200053093A
Application number: KR1020180136251A
Authority: KR
Inventors: 진상윤; 김인채
Original assignee: 성균관대학교산학협력단
Priority date: 2018-11-08
Filing date: 2018-11-08
Publication date: 2020-05-18
Also published as: KR102173241B1

Abstract

본 발명은 건설현장 이상징후 감지 방법 및 시스템에 관한 것으로, 본 발명에 따른 건설현장 이상징후 감지 시스템은 건설 현장의 음향 신호를 입력 받고, 상기 음향 신호를 전송하는 음향 분석기; 및 상기 건설 현장의 음향 신호를 수신하고, 상기 수신한 음향 신호를 정상음 또는 사고음 데이터에 비교하여 이상 징후를 감지하는 음향분석 서버;를 포함하고, 상기 음향분석 서버는, 상기 음향 신호의 특징을 추출하여 카테고리 별로 구분하여 정상음과 이상 신호에 대한 학습 알고리즘을 구성한다.

Description

건설현장 이상징후 감지 방법 및 시스템{METHOD AND SYSTEM FOR DETECTING ABNORMAL SIGN IN CONSTRUCTION SITE}

본 발명의 실시예는 건설현장 이상징후 감지 방법 및 시스템에 관한 것이다.

매년 산업재해로 인한 사망자수가 500여명에 달하는 건설업은 근로자 1만명당 사망률이 1.47로 평균 산업재해로 인한 사망률인 1.01보다 약 45% 더 높다(안전보건공단 2015).

공종별 사고현황으로는 가설, 굴착, 철근콘크리트 공사가 주를 이루었으며, 붕괴, 도괴사고의 사고경위들을 조사한 결과 대부분이 콘크리트 타설 중 붕괴되거나 상부하중으로 인해 붕괴되는 것이었다. 즉, 가설, 굴착, 철근콘크리트 공사에서 많은 사고가 발생하고 있으며, 콘크리트 타설 중에 거푸집 및 동바리가 상부하중에 견디지 못해서 붕괴 및 도괴사고가 발생하는 것으로 나타났다.

이와 같은 안전 사고의 징후는 소리를 통해서 파악할 수 있는 것으로서, 하인리히 법칙(Heinrich's Law)에서처럼 큰 사고는 우연히 또는 어느 순간 갑작스럽게 발생하는 것이 아니라, 그 이전에 반드시 경미한 사고들이 반복되는 과정 속에서 발생한다는 것을 실증적으로 밝힌 것으로, 큰 사고가 일어나기 전 일정 기간 동안 여러 번의 경고성 징후와 전조들이 있다.

또한, 사고가 발생했다고 하더라도 소리를 통해 감지할 수 있는 경우에는 신속한 대응이 가능하다.

소리(Sound)는 물체의 진동이 매질로 인해 전달되는 파동으로, 사람의 목소리나 말소리인 음성(Voice)과 음향(Acoustics)으로 구분된다.

음성분석을 활용한 기존 연구들은 주로 인문학에서 운율변화, 억양 발화속도 등의 특성을 분석하여 교육적으로 활용하기 위한 방향으로 진행(윤규철 외 2010, 이서배 2014)되고 있으며, 의공학에서는 후두암 발견 및 목소리 치료 등을 위한 의료 시스템 개발을 목적으로 진행(김경태 외 2002)되고 있다.

정보통신 분야에서는 음성인식을 통해 Siri와 같은 인공지능, 애니메이션 게임에서 캐릭터의 얼굴표정과 음성을 매칭시키는 기술이 개발(윤재홍 외 2006)되고 있다. 자동차 주변의 상황을 감지(조준희 외 1997)뿐만 아니라 가축의 울음소리를 통해 질병 및 이상 징후를 파악(이종욱 외 2014)하는데도 활용되고 있으며, 범죄사건의 과학수사를 위해 동일인 여부를 판단(정현열 2001)하거나, 사람의 감정이나 상황을 판단하여 재난상황에 대응하는 데에도 음성분석 기술이 적용(이규환 외 2016)되고 있다.

교통 분야의 사고 자동검지시스템(이형석 외 2004, 한국건설기술연구원 2016)은 정해진 구역에서 CCTV를 설치, 실시간으로 데이터를 분석하여 터널 내 사고 상황을 자동으로 감지, 2차 사고예방을 위한 정보제공을 하는 것이다.

그러나, 이 연구는 선형적 공간인 터널에 적용된 것이기 때문에 3차원 공간의 건설현장에 적용할 수 없다. 토목분야의 산사태 모니터링 시스템(김국진 2015)은 온도측정기로 수온변화를 감지하고 지반이 밀려나갈 때의 음향을 분석하여 위험을 미리 예측하는 것인데, 지반 내에 천공이 필요할 뿐만 아니라 천공 후에는 외부소음이 차단된 상태에서 사고 음향을 감지하는 것이기 때문에 실외에서 다양한 소리가 발생하는 건설현장의 특성상 적용이 힘들다.

또한, 종래 기술로서 소리 분석을 통해 중장비의 작업 상태 및 생산성을 추적, 모니터링 하는 연구(Cheng at al. 2017)가 있으나, 중장비 모니터링은 외부소음과 다소 떨어진 상태에서 단일기계활동만을 분석하기 때문에 건설현장 전반에 걸친 음향분석은 이루어지지 않았으며 측정을 위한 장치의 설정 및 레이아웃(위치, 거리, 방향, 마이크 수)에 대한 고려가 없어 시공현장의 안전관리분야에 적용하기엔 큰 한계가 있었다.

본 발명은 전술한 문제를 해결하기 위해 안출된 것으로서, 본 발명에 따르면 정상적인 소리와 비정상적인 소리를 비교하여 이상징후를 판단함으로써 신속하고 정확하게 현장내의 안전사고를 미리 파악할 수 있도록 하고자 한다.

또한, 본 발명에 따르면 건설현장 내에서 사고가 발생하기 전에 붕괴조짐 등의 이상 음향 징후를 식별하고 그 음향이 방출되는 위치를 파악함으로써 안전사고를 미연에 방지하거나 즉각적인 대응이 가능하도록 하고자 한다.

전술한 문제를 해결하기 위한 본 실시예에 따른 건설현장 이상징후 감지 시스템은 건설 현장의 음향 신호를 입력 받고, 상기 음향 신호를 전송하는 음향 분석기; 및 상기 건설 현장의 음향 신호를 수신하고, 상기 수신한 음향 신호를 정상음 또는 사고음 데이터에 비교하여 이상 징후를 감지하는 음향분석 서버;를 포함하고, 상기 음향분석 서버는 상기 음향 신호의 특징을 추출하여 카테고리 별로 구분하여 정상음과 이상 신호에 대한 학습 알고리즘을 구성한다.

본 발명의 다른 일실시예에 따르면, 상기 음향 분석기는 상기 건설 현장의 음향 신호의 진폭, 주파수, 파형 또는 패턴을 수집하는 음향신호 입력부; 상기 음향 신호를 저장하는 메모리부; 상기 저장된 음향 신호를 전송하는 음향신호 전송부; 상기 음향 분석기의 위치 정보와 신호 도달 시간을 이용해 음향 신호의 입력위치를 제공하는 위치 제공부; 및 상기 음향분석 서버로부터 이상징후 감지신호를 수신하면 위험을 표시하는 위험 표시부;를 더 포함할 수 있다.

본 발명의 다른 일실시예에 따르면, 상기 음향분석 서버는 상기 음향 신호의 특징을 추출하여 카테고리 별로 구분하여 정상음과 이상 신호에 대한 학습 알고리즘을 구성하는 음향신호 학습부; 상기 음향 신호의 특징을 추출하고, 상기 정상음과 이상 신호에 대한 학습 알고리즘을 이용해 구성한 분류 모델을 이용해 상기 음향 신호의 특징을 분석하여 이상 징후를 판단하는 이상징후 분석부; 및 상기 음향 분석기의 위치에 기초하여 상기 이상 징후의 발생 위치를 측정 및 분석하는 위치 분석부;를 포함할 수 있다.

본 발명의 다른 일실시예에 따르면, 상기 음향신호 학습부는 상기 음향 신호를 모델을 학습하는데 사용하는 트레이닝 셋(Training Set), 유효성을 검사하는데 사용하는 밸리데이션 셋(Validation Set) 및 학습된 모델을 테스트하는 테스트 셋(Test Set)을 이용하여 학습할 수 있다.

본 발명의 다른 일실시예에 따르면, 상기 음향신호 학습부 또는 상기 이상징후 분석부는 상기 음향 신호를 웨이브플롯(Waveplot), 스펙트로그램(Spectrogram) 또는 로그 파워 스펙트로그램(Log power spectrogram)으로 전처리할 수 있다.

본 발명의 다른 일실시예에 따르면, 상기 음향신호 학습부 또는 상기 이상징후 분석부는 MFCC(Mel frequency cepstral coefficients), chroma STFT(chromagram from a waveform or power spectrogram), melspectrogram(Mel-scaled power spectrogram), spectral contrast 또는 tonnetz(tonal centroid features)을 이용해 상기 음향 신호의 특징을 추출할 수 있다.

본 발명의 다른 일실시예에 따르면, 상기 음향신호 학습부 또는 상기 이상징후 분석부는 STFT, Spectrogram, Mel-filtering 및 Log power spectrogram을 사용해 1차 특징을 추출하고, Convolution Layer를 사용해 2차 특징을 추출하여 상기 음향 신호의 특징을 추출할 수 있다.

본 발명의 다른 일실시예에 따르면, 상기 위치 분석부는 상기 음향 분석기의 설치 위치 좌표와 신호 도달 시간에 위치추정 알고리즘을 적용하여 상기 이상 징후의 발생 위치를 측정 및 분석할 수 있다.

본 발명의 다른 일실시예에 따르면, 상기 이상징후 분석부는 상기 음향 신호의 입력위치에 근거한 지점 이력데이터를 생성하고, 상기 음향 분석기에서 음향 신호를 분석한 정보와, 상기 음향 분석기의 인접한 타 음향 분석기에서 감지된 음향 신호를 분석한 정보를 이용하여 구간이력 패턴 데이터를 생성하며, 상기 구간이력 패턴 데이터를 이용하여 해당 건설 현장의 이상 징후를 판단할 수 있다.

본 발명의 일실시예에 따른 건설현장 이상징후 감지 방법은 음향 분석기가 건설 현장의 음향 신호를 입력 받고, 상기 음향 신호를 전송하는 제1 단계; 음향분석 서버가 상기 건설 현장의 음향 신호를 수신하는 제2 단계; 상기 음향분석 서버가 상기 음향 신호의 특징을 추출하는 제3 단계; 상기 음향분석 서버가 정상음과 이상 신호에 대한 학습 알고리즘을 이용해 구성한 분류 모델을 이용해 추출된 상기 음향 신호의 특징을 분석하는 제4 단계; 상기 음향분석 서버가 상기 음향 분석기의 설치 위치 좌표와 신호 도달 시간에 위치추정 알고리즘을 적용하여 상기 위험 신호의 발생 위치를 측정 및 분석하는 제5 단계; 상기 음향분석 서버가 상기 특징을 분석한 음향 신호가 위험 신호에 해당하면, 상기 음향 분석기로 이상징후 감지신호를 전송하는 제6 단계; 및 상기 음향 분석기가 상기 이상징후 감지신호를 수신하여 위험을 표시하는 제7 단계;를 포함하고, 상기 제1 단계 이전 또는 상기 제7 단계 이후에, 상기 음향분석 서버가 상기 음향 신호의 특징을 추출하여 카테고리 별로 구분하여 정상음과 이상 신호에 대한 학습 알고리즘을 구성하는 단계;를 더 포함한다.본 발명의 다른 일실시예에 따르면, 상기 제1 단계 이전에, 상기 음향분석 서버가 상기 음향 신호의 특징을 추출하여 카테고리 별로 구분하여 정상음과 이상 신호에 대한 학습 알고리즘을 구성하는 단계;를 더 포함할 수 있다.

본 발명의 다른 일실시예에 따르면, 상기 제3 단계는 상기 음향분석 서버가 상기 음향 신호를 웨이브플롯(Waveplot), 스펙트로그램(Spectrogram) 또는 로그 파워 스펙트로그램(Log power spectrogram)으로 전처리하는 단계;를 더 포함할 수 있다.

본 발명의 다른 일실시예에 따르면, 상기 제3 단계는 상기 음향분석 서버가 MFCC(Mel frequency cepstral coefficients), chroma STFT(chromagram from a waveform or power spectrogram), melspectrogram(Mel-scaled power spectrogram), spectral contrast 또는 tonnetz(tonal centroid features)을 이용해 상기 음향 신호의 특징을 추출할 수 있다.

본 발명의 다른 일실시예에 따르면, 상기 제3 단계는 STFT, Spectrogram, Mel-filtering 및 Log power spectrogram을 사용해 1차 특징을 추출하고, Convolution Layer를 사용해 2차 특징을 추출하여 상기 음향 신호의 특징을 추출할 수 있다.

본 발명의 실시예에 따르면 정상적인 소리와 비정상적인 소리를 비교하여 이상징후를 판단함으로써 신속하고 정확하게 현장내의 안전사고를 미리 파악할 수 있다.

또한, 본 발명의 실시예에 따르면 건설현장 내에서 사고가 발생하기 전에 붕괴조짐 등 이상 음향 징후를 식별하고 그 음향이 방출되는 위치를 파악함으로써 안전사고를 미연에 방지하거나 즉각적인 대응이 가능하다.

나아가 본 발명의 실시예에 따르면, 현장내의 여러 상황들을 실시간 모니터링 함으로써 관리자의 역할까지 기대할 수 있다.

도 1은 본 발명의 일실시예에 따른 건설현장 이상징후 감지 시스템의 구성도이다.
도 2는 본 발명의 일실시예에 따른 충격음의 파형을 도시한 도면이다.
도 3은 건설 현장의 작업 소음을 설명하기 위한 도면이다.
도 4은 본 발명의 일실시예에 따른 건설현장 이상징후 감지 시스템의 음향 신호를 전처리한 파형을 도시한 도면이다.
도 5는 본 발명의 일실시예에 따른 건설현장 이상징후 감지 시스템의 음향신호 학습 방법과 이상징후 분석 방법을 설명하기 위한 도면이다.
도 6은 본 발명의 일실시예에 따른 건설현장 이상징후 감지 방법을 설명하기 위한 흐름도이다.

이하에서는 첨부한 도면을 참조하여 바람직한 본 발명의 일실시예에 대해서 상세히 설명한다. 다만, 실시형태를 설명함에 있어서, 관련된 공지 기능 혹은 구성에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우 그에 대한 상세한 설명은 생략한다. 또한, 도면에서의 각 구성요소들의 크기는 설명을 위하여 과장될 수 있으며, 실제로 적용되는 크기를 의미하는 것은 아니다.

도 1은 본 발명의 일실시예에 따른 건설현장 이상징후 감지 시스템의 구성도이고, 도 2는 본 발명의 일실시예에 따른 충격음의 파형을 도시한 도면이다.

도 3은 건설 현장의 작업 소음을 설명하기 위한 도면이고, 도 4는 본 발명의 일실시예에 따른 건설현장 이상징후 감지 시스템의 음향 신호를 전처리한 파형을 도시한 도면이고, 도 5는 본 발명의 일실시예에 따른 건설현장 이상징후 감지 시스템의 음향신호 학습 방법과 이상징후 분석 방법을 설명하기 위한 도면이다.

이후부터는 도 1 내지 도 5를 참조하여 본 발명의 일실시예에 따른 건설현장 이상징후 감지 시스템의 구성을 설명하기로 한다.

도 1을 참조하면 본 발명의 일실시예에 따른 건설현장 이상징후 감지 시스템은 음향 분석기(110) 및 음향분석 서버(120)를 포함하여 구성될 수 있다.

음향 분석기(110)는 건설 현장의 음향 신호를 입력 받고, 상기 음향 신호를 전송한다.

예를 들어, 콘크리트 타설 중에는 콘크리트의 측압의 영향으로 거푸집이나 동바리가 붕괴되어 인명피해 또는 물적피해가 발생할 수 있다. 또한, 가시설이 붕괴하지 않더라도 중량에 의해 틈새가 벌어져 콘크리트 누출사고가 발생할 수 있다. 이렇게 콘크리트 타설 중에 발생하는 사고들은 빠른 대처가 필요하지만, 즉각적인 대처를 하기 어렵다. 특히 콘크리트 누출사고에 관한 문제는 상층에서 콘크리트 타설을 하게 되면 아래층에서 일어나고 있는 사고에 대해 전혀 인지하지 못하게 된다.

본 발명의 일실시예에 따르면 음향 신호의 분석을 통해 이와 같은 문제점들을 해결할 수 있다.

즉, 도 2에 도시된 바와 같은 콘크리트 타설 중에 발생하는 음향의 진폭, 주파수, 파형 또는 패턴의 분석을 통해 문제 발생 상황들을 감지해낼 수 있다.

도 2의 (a)는 일반적인 공사현장 소음상황 속에서 충격음과 파열음을 발생시킨 신호를 도시하고 있으며, 도 2의 (b)는 타설 중에 충격음과 파열음을 발생시킨 신호를 도시하고 있다.

도 2의 (a)에서는 확실히 충격음과 파열음이 확연하게 구별되는 것을 확인할 수 있으며, 이는 주변소음이 적기 때문에 일반적으로 데시벨이 높은 충격음과 파열음이 확연하게 나타나는 것이다.

도 2의 (b)는 타설 중인 상황으로서, 타설 중에는 매우 큰 소음이 발생하며, 주파수 분석결과 충격음과 파열음이 큰 소음 상황 속에서도 고유의 패턴과 크기를 보여 구별이 가능함을 알 수 있다. 이때, 충격음과 파열음은 일반적인 소음과 다른 임계값을 갖는다는 것도 확인 할 수 있다.

아울러, 도 3은 건설 현장의 작업 소음을 설명하기 위한 것으로서, 도 3의 (a)는 정상 소음으로서 레벨 변동이 적고 일정하며, 도 3의 (b)는 변동 소음으로서 레벨이 불규칙하고, 연속적으로 일정한 범위로 변화하여 발생하며, 도 3의 (c)는 연속적인 충격 소음으로서 지속 시간이 극히 짧으며, 도 3의 (d)는 반복 충격 소음으로서 지속 시간이 극히 짧으며, 도 3의 (e)는 간헐 소음으로서 간헐적으로 발생하고 지속 시간이 수초 이상이며, 도 3의 (f)는 분리 충격 소음으로서 발생하는 소음이 각각 독립적으로 분리되어 있으며, 도 3의 (g)는 준정상 충격 소음으로서 일정한 레벨의 소음이 극히 짧은 시간 간격으로 되풀이되어 발생하는 특징을 가지고 있다.

이와 같이 다양한 흠향 신호의 분석을 위하여, 본 발명의 일실시예에 따르면, 상기 음향 분석기(110)를 콘크리트 타설층 아래에 설치하여 음향 신호를 획득할 수 있으며, 상기 음향 분석기(110)는 이동이 가능한 휴대형으로 구성되어 타설 구역을 이동하거나 층을 옮겨 용이하게 이동이 가능하도록 구성될 수 있다.

보다 구체적으로, 본 발명의 일실시예에 따른 음향 분석기(110)는 음향신호 입력부(111), 메모리부(112), 음향신호 전송부(113) 및 위험 표시부(115)를 포함하여 구성될 수 있다.

음향신호 입력부(111)는 상기 건설 현장의 음향 신호의 진폭, 주파수, 파형 또는 패턴을 수집하고, 메모리부(112)는 상기 음향 신호를 저장하고, 음향신호 전송부(113)는 상기 저장된 음향 신호를 전송할 수 있다.

또한, 위험 표시부(115)는 LED 표시등으로 구성되어 음향분석 서버(120)로부터 이상징후 감지신호를 수신하면 위험을 표시할 수 있다.

음향분석 서버(120)는 상기 건설 현장의 음향 신호를 수신하고, 상기 수신한 음향 신호를 정상음 또는 사고음 데이터에 비교하여 이상 징후를 감지하며, 보다 구체적으로 상기 음향분석 서버(120)는 음향신호 학습부(121), 이상징후 분석부(122) 및 위치 분석부(123)를 포함하여 구성될 수 있다.

음향신호 학습부(121)는 상기 음향 신호의 특징을 추출하여 카테고리 별로 구분하여 정상음과 이상 신호에 대한 학습 알고리즘을 구성할 수 있다.

음향 신호는 건설 현장에서 쓰이는 기계 장비들이 서로 다를 수 있으며, 데이터 셋(data set)의 한계로 특정 상황에서만 좋은 성능을 보이는 모델로 학습되는 것을 방지하기 위하여, 각 분류 카테고리에 속하는 데이터의 양을 균형을 맞추어 데이터를 수집할 수 있다.

또한, 음향신호 학습부(121)는 상기 음향 신호를 모델을 학습하는데 사용하는 트레이닝 셋(Training Set), 유효성을 검사하는데 사용하는 밸리데이션 셋(Validation Set) 및 학습된 모델을 테스트하는 테스트 셋(Test Set)을 이용하여 학습할 수 있다.

이와 같이 음향 신호의 학습을 위해서, 상기 음향신호 학습부(121)는 상기 음향 신호를 이미지로 전처리할 수 있으며, 보다 구체적으로, 상기 음향 신호를 웨이브플롯(Waveplot), 스펙트로그램(Spectrogram) 또는 로그 파워 스펙트로그램(Log power spectrogram)으로 전처리할 수 있다.

도 4는 본 발명의 일실시예에 따른 건설현장 이상징후 감지 시스템의 음향 신호를 전처리한 파형을 도시한 것으로서, 도 4의 (a)는 음향 신호를 웨이브플롯(Waveplot)으로 전처리한 도면이고, 도 3의 (b)는 스펙트로그램(Spectrogram)으로 전처리한 도면이며, 도 4의 (c)는 로그 파워 스펙트로그램(Log power spectrogram)으로 전처리한 도면이다.

음향신호 학습부(121)는 이와 같이 이미지로 전처리된 데이터로부터 특징을 추출할 수 있다.

도 5를 참조하면, 음향신호 학습부(121)는 음향신호 학습 시에, 입력되는 음향 신호를 특징 추출기(125)를 이용해 특징을 추출하여 정상음과 이상 신호에 대한 학습 알고리즘(126)을 구성한다.

보다 구체적으로, 상기 특징 추출기(125)는 MFCC(Mel frequency cepstral coefficients), chroma STFT(chromagram from a waveform or power spectrogram), melspectrogram(Mel-scaled power spectrogram), spectral contrast 또는 tonnetz(tonal centroid features)을 이용해 상기 음향 신호의 특징을 추출할 수 있다.

또 달리, 상기 특징 추출기(125)는 STFT, Spectrogram, Mel-filtering 및 Log power spectrogram을 사용해 1차 특징을 추출하고, Convolution Layer를 사용해 2차 특징을 추출하여 상기 음향 신호의 특징을 추출하도록 구성될 수 있다.

즉, 음향신호 학습부(121)는 이와 같이 구성되는 특징 추출기(125)를 이용해 특징을 추출하여 정상음과 이상 신호에 대한 학습 알고리즘(126)을 구성할 수 있다.

한편, 이상징후 분석부(122)는 상기 음향 신호의 특징을 추출하고, 상기 정상음과 이상 신호에 대한 학습 알고리즘을 이용해 구성한 분류 모델을 이용해 상기 음향 신호의 특징을 분석하여 이상 징후를 판단할 수 있다.도 5를 참조하면, 이상징후 분석부(122)는 입력되는 음향 신호를 특징 추출기(125)를 이용해 특징을 추출하고, 추출된 특징을 기준으로 분류 모델(128)을 통해 분류하여, 음향 신호의 분석 및 이상 징후의 감지가 가능하다.

상기 특징 추출기(127)는 MFCC(Mel frequency cepstral coefficients), chroma STFT(chromagram from a waveform or power spectrogram), melspectrogram(Mel-scaled power spectrogram), spectral contrast 또는 tonnetz(tonal centroid features)을 이용해 상기 음향 신호의 특징을 추출하도록 구성되거나, 또 달리 STFT, Spectrogram, Mel-filtering 및 Log power spectrogram을 사용해 1차 특징을 추출하고, Convolution Layer를 사용해 2차 특징을 추출하여 상기 음향 신호의 특징을 추출하도록 구성될 수 있다.

즉, 이상징후 분석부(122)는 이와 같이 구성되는 특징 추출기(127)를 이용해 특징을 추출하고, 정상음과 이상 신호에 대한 학습 알고리즘(126)을 이용해 구성한 분류 모델을 이용해 상기 음향 신호의 특징을 분석하여 이상 징후를 판단할 수 있다.

또한, 위치 분석부(123)는 음향 분석기(110)의 위치에 기초하여 상기 이상 징후의 발생 위치를 측정 및 분석할 수 있다.

보다 구체적으로, 상기 위치 분석부(123)는 상기 음향 분석기(110)의 설치 위치 좌표와 신호 도달 시간에 위치추정 알고리즘을 적용하여 상기 이상 징후의 발생 위치를 측정 및 분석할 수 있다.

도 6은 본 발명의 일실시예에 따른 건설현장 이상 징후 감지 방법을 설명하기 위한 흐름도이다.

이후부터는 도 6을 참조하여 본 발명의 일실시예에 따른 건설현장 이상징후 감지 방법을 설명하기로 한다.

먼저, 음향 분석기가 건설 현장에 설치되어 건설 현장의 음향 신호를 입력 받아 음향 정보를 수집하고, 상기 음향 신호를 전송한다(S510).

또한, 음향분석 서버가 상기 건설 현장의 음향 신호를 수신하고, 상기 음향 신호의 특징을 추출할 수 있으며, 상기 음향분석 서버가 정상음과 이상 신호에 대한 학습 알고리즘을 이용해 구성한 분류 모델을 이용해 추출된 상기 음향 신호의 특징을 분석할 수 있다(S520).

아울러, 상기 음향 신호의 특징의 분석을 위하여, 상기 음향분석 서버는 웨이브플롯(Waveplot), 스펙트로그램(Spectrogram) 또는 로그 파워 스펙트로그램(Log power spectrogram)으로 전처리할 수 있다.

또한, 상기 음향분석 서버는 MFCC(Mel frequency cepstral coefficients), chroma STFT(chromagram from a waveform or power spectrogram), melspectrogram(Mel-scaled power spectrogram), spectral contrast 또는 tonnetz(tonal centroid features)을 이용해 상기 음향 신호의 특징을 추출할 수 있으며, 또 달리 상기 특징 추출기는 STFT, Spectrogram, Mel-filtering 및 Log power spectrogram을 사용해 1차 특징을 추출하고, Convolution Layer를 사용해 2차 특징을 추출하여 상기 음향 신호의 특징을 추출하도록 구성될 수 있다.

또한, 상기 음향분석 서버가 상기 음향 분석기의 설치 위치 좌표와 신호 도달 시간에 위치추정 알고리즘을 적용하여 상기 위험 신호의 발생 위치를 측정 및 분석할 수 있다(S530).

이후, 상기 음향분석 서버가 상기 특징을 분석한 음향 신호가 위험 신호에 해당하면 이상 상황으로 판단하여 상기 위험 신호의 발생 위치를 제공하고, 상기 음향 분석기로 이상징후 감지신호를 전송하여, 상기 음향 분석기가 상기 이상징후 감지신호를 수신하여 이상 상황을 저장하고 위험을 표시할 수 있다(S540).

아울러, 본 발명의 일실시예에 따르면, 이와 같은 이상징후의 분석을 위하여, 상기 음향분석 서버가 상기 음향 신호의 특징을 추출하여 카테고리 별로 구분하여 정상음과 이상 신호에 대한 학습 알고리즘을 구성할 수 있다.

즉, 음향분석 서버가 음향신호 학습 시에, 입력되는 음향 신호로부터 특징 추출기를 이용해 특징을 추출하여 정상음과 이상 신호에 대한 학습 알고리즘을 구성한다.

보다 구체적으로, 상기 음향분석 서버의 특징 추출기는 MFCC(Mel frequency cepstral coefficients), chroma STFT(chromagram from a waveform or power spectrogram), melspectrogram(Mel-scaled power spectrogram), spectral contrast 또는 tonnetz(tonal centroid features)을 이용해 상기 음향 신호의 특징을 추출할 수 있으며, 또 달리 STFT, Spectrogram, Mel-filtering 및 Log power spectrogram을 사용해 1차 특징을 추출하고, Convolution Layer를 사용해 2차 특징을 추출하여 상기 음향 신호의 특징을 추출하도록 구성될 수 있다.

즉, 상기 음향분석 서버는 이와 같이 구성되는 특징 추출기(125)를 이용해 특징을 추출하여 정상음과 이상 신호에 대한 학습 알고리즘을 구성하고, 이와 같이 구성되는 정상음과 이상 신호에 대한 학습 알고리즘을 이용하여 분류 모델을 구성함으로써, 음향 신호의 특징을 분석하여 이상 징후를 판단하도록 할 수 있다.

따라서, 본 발명의 실시예에 따르면 정상적인 소리와 비정상적인 소리를 비교하여 이상징후를 판단함으로써 신속하고 정확하게 현장내의 안전사고를 미리 파악할 수 있으며, 건설현장 내에서 사고가 발생하기 전에 붕괴조짐 등 이상 음향 징후를 식별하고 그 음향이 방출되는 위치를 파악함으로써 안전사고를 미연에 방지하거나 즉각적인 대응이 가능하다.

전술한 바와 같은 본 발명의 상세한 설명에서는 구체적인 실시예에 관해 설명하였다. 그러나 본 발명의 범주에서 벗어나지 않는 한도 내에서는 여러 가지 변형이 가능하다. 본 발명의 기술적 사상은 본 발명의 전술한 실시예에 국한되어 정해져서는 안 되며, 특허청구범위뿐만 아니라 이 특허청구범위와 균등한 것들에 의해 정해져야 한다.

110: 음향 분석기
111: 음향신호 입력부
112: 메모리부
113: 음향신호 전송부
115: 위험 표시부
120: 음향분석 서버
121: 음향신호 학습부
122: 이상징후 분석부
123: 위치 분석부
125: 특징 추출기
126: 학습 알고리즘
127: 특징 추출기
128: 분류 모델

Claims

건설 현장의 음향 신호를 입력 받고, 상기 음향 신호를 전송하는 음향 분석기; 및
상기 건설 현장의 음향 신호를 수신하고, 상기 수신한 음향 신호를 정상음 또는 사고음 데이터에 비교하여 이상 징후를 감지하는 음향분석 서버;
를 포함하고,
상기 음향분석 서버는,
상기 음향 신호의 특징을 추출하여 카테고리 별로 구분하여 정상음과 이상 신호에 대한 정상음과 이상 신호에 대한 학습 알고리즘을 구성하는 건설현장 이상징후 감지 시스템.
청구항 1에 있어서,
상기 음향 분석기는,
상기 건설 현장의 음향 신호의 진폭, 주파수, 파형 또는 패턴을 수집하는 음향신호 입력부;
상기 음향 신호를 저장하는 메모리부;
상기 저장된 음향 신호를 전송하는 음향신호 전송부;
상기 음향분석 서버로부터 이상징후 감지신호를 수신하면 위험을 표시하는 위험 표시부;
를 더 포함하는 건설현장 이상징후 감지 시스템.
청구항 1에 있어서,
상기 음향분석 서버는,
상기 음향 신호의 특징을 추출하여 카테고리 별로 구분하여 정상음과 이상 신호에 대한 학습 알고리즘을 구성하는 음향신호 학습부;
상기 음향 신호의 특징을 추출하고, 상기 정상음과 이상 신호에 대한 학습 알고리즘을 이용해 구성한 분류 모델을 이용해 상기 음향 신호의 특징을 분석하여 이상 징후를 판단하는 이상징후 분석부; 및
상기 음향 분석기의 위치에 기초하여 상기 이상 징후의 발생 위치를 측정 및 분석하는 위치 분석부;
를 포함하는 건설현장 이상징후 감지 시스템.
청구항 3에 있어서,
상기 음향신호 학습부는,
상기 음향 신호를 모델을 학습하는데 사용하는 트레이닝 셋(Training Set), 유효성을 검사하는데 사용하는 밸리데이션 셋(Validation Set) 및 학습된 모델을 테스트하는 테스트 셋(Test Set)을 이용하여 학습하는 건설현장 이상징후 감지 시스템.
청구항 3에 있어서,
상기 음향신호 학습부 또는 상기 이상징후 분석부는,
상기 음향 신호를 웨이브플롯(Waveplot), 스펙트로그램(Spectrogram) 또는 로그 파워 스펙트로그램(Log power spectrogram)으로 전처리하는 이상징후 감지 시스템.
청구항 3에 있어서,
상기 음향신호 학습부 또는 상기 이상징후 분석부는,
MFCC(Mel frequency cepstral coefficients), chroma STFT(chromagram from a waveform or power spectrogram), melspectrogram(Mel-scaled power spectrogram), spectral contrast 또는 tonnetz(tonal centroid features)을 이용해 상기 음향 신호의 특징을 추출하는 이상징후 감지 시스템.
청구항 3에 있어서,
상기 음향신호 학습부 또는 상기 이상징후 분석부는,
STFT, Spectrogram, Mel-filtering 및 Log power spectrogram을 사용해 1차 특징을 추출하고, Convolution Layer를 사용해 2차 특징을 추출하여 상기 음향 신호의 특징을 추출하는 이상징후 감지 시스템.
청구항 3에 있어서,
상기 위치 분석부는,
상기 음향 분석기의 설치 위치 좌표와 신호 도달 시간에 위치추정 알고리즘을 적용하여 상기 이상 징후의 발생 위치를 측정 및 분석하는 이상징후 감지 시스템.
음향 분석기가 건설 현장의 음향 신호를 입력 받고, 상기 음향 신호를 전송하는 제1 단계;
음향분석 서버가 상기 건설 현장의 음향 신호를 수신하는 제2 단계;
상기 음향분석 서버가 상기 음향 신호의 특징을 추출하는 제3 단계;
상기 음향분석 서버가 정상음과 이상 신호에 대한 학습 알고리즘을 이용해 구성한 분류 모델을 이용해 추출된 상기 음향 신호의 특징을 분석하는 제4 단계;
상기 음향분석 서버가 상기 음향 분석기의 설치 위치 좌표와 신호 도달 시간에 위치추정 알고리즘을 적용하여 상기 위험 신호의 발생 위치를 측정 및 분석하는 제5 단계;
상기 음향분석 서버가 상기 특징을 분석한 음향 신호가 위험 신호에 해당하면, 상기 음향 분석기로 이상징후 감지신호를 전송하는 제6 단계; 및
상기 음향 분석기가 상기 이상징후 감지신호를 수신하여 위험을 표시하는 제7 단계;를 포함하고,
상기 제1 단계 이전 또는 상기 제7 단계 이후에,
상기 음향분석 서버가 상기 음향 신호의 특징을 추출하여 카테고리 별로 구분하여 정상음과 이상 신호에 대한 학습 알고리즘을 구성하는 단계;
를 더 포함하는 건설현장 이상징후 감지 방법.
청구항 9에 있어서,
상기 제3 단계는,
상기 음향분석 서버가 상기 음향 신호를 웨이브플롯(Waveplot), 스펙트로그램(Spectrogram) 또는 로그 파워 스펙트로그램(Log power spectrogram)으로 전처리하는 단계;
를 더 포함하는 건설현장 이상징후 감지 방법.
청구항 9에 있어서,
상기 제3 단계는,
상기 음향분석 서버가 MFCC(Mel frequency cepstral coefficients), chroma STFT(chromagram from a waveform or power spectrogram), melspectrogram(Mel-scaled power spectrogram), spectral contrast 또는 tonnetz(tonal centroid features)을 이용해 상기 음향 신호의 특징을 추출하는 건설현장 이상징후 감지 방법.
청구항 9에 있어서,
상기 제3 단계는,
STFT, Spectrogram, Mel-filtering 및 Log power spectrogram을 사용해 1차 특징을 추출하고, Convolution Layer를 사용해 2차 특징을 추출하여 상기 음향 신호의 특징을 추출하는 건설현장 이상징후 감지 방법.