KR20220077404A

KR20220077404A - 근로자 안전을 위한 다단계 작업현장 안전 관제 방법 및 시스템

Info

Publication number: KR20220077404A
Application number: KR1020200166316A
Authority: KR
Inventors: 김봉완; 김광수; 이형섭; 정형석
Original assignee: 한국전자통신연구원
Priority date: 2020-12-02
Filing date: 2020-12-02
Publication date: 2022-06-09

Abstract

근로자의 안전을 모니터링함에 있어 다단계 모니터링 및 분석을 통해 분업을 도입하고 센싱 데이터 및 영상에 대한 분석에서 현장 분석의 효율을 높인 다단계 작업현장 모니터링 방법 및 시스템. 본 발명의 작업현장 모니터링 방법은 다수의 카메라들과; 계층적으로 접속되어 있고 상기 다수의 카메라들에 의해 획득된 영상들을 토대로 상기 작업현장에 있는 작업자의 위험 상태를 역할을 분담하여 검출하며 하위 레벨 관제 장치 및 상위 레벨 관제 장치를 포함하는 복수의 관제 장치;를 구비하는 작업현장 모니터링 시스템에서 수행될 수 있다. 먼저, 하위 레벨 관제 장치가, 상기 다수의 카메라들에 의해 획득된 영상들 중에 사전에 정해진 규칙에 부합되지 않는 영상이 있는지 판단하여 위험 요소가 존재하는지 분석하고, 분석 결과를 안전 관련 정보로써 상기 상위 레벨 관제 장치에 전달한다. 이어서, 상위 레벨 관제 장치가, 복수의 안전 관련 정보들을 연계시켜 종합함으로써 연관된 위험도를 예측한다. 그리고, 상기 상위 레벨 관제 장치가, 상기 연관된 위험도가 큰 경우에 위험 알림을 발생하게 된다.

Description

근로자 안전을 위한 다단계 작업현장 안전 관제 방법 및 시스템{Method and System for Implementation of Multi-level On-site Safety Control of Worker Safety}

본 발명은 폐쇄회로 카메라 및 센서를 활용하는 안전 관제 방법 및 시스템에 관한 것으로서, 특히, 근로자의 작업공간에서 다수의 카메라를 활용하여 현장 안전을 안전 관제하는 방법 및 시스템에 관한 것이다.

근로 현장에 감시 카메라와 여러 종류의 센서를 설치하고, 상기 감시 카메라 및 센서에 연결된 중앙 관제 센터에서 직원이 카메라 영상을 모니터링하는 안전 관제 시스템이 활용되고 있다. 이러한 관제 시스템에 따르면, 사람의 눈으로 현장 영상을 확인하기 때문에, 다양한 사고 사례를 정밀하게 분석하기 보다는, 관제 센터 직원의 경험에 의존하게 되고, 더욱이 직원이 여러 영상을 동시에 모니터링해야 하기 때문에, 사소한 안전 위협 요소를 놓치기 쉽다.

이러한 단점을 보완하기 위하여, 인공지능(AI: Artificial Intelligence) 기술을 도입하여 영상 분석을 시도하는 경우도 있다. 그런데, AI 영상 분석은 화재 감지와 같이 명확히 영상에서 구분되는 특징이 있는 경우에는 효과적이지만, 영상만으로 근로자의 동작에서 위험 여부를 판단하기에는 한계가 있다. 더욱이, 관제 센터로 집중되는 영상 데이터 량이 제한적인데, 이처럼 제한된 영상만으로 위험 여부를 판단하는 것은 어렵다. 아울러, 현장에서 중앙 관제 센터까지의 통신에 시간이 소요됨은 물론, 영상 촬영, 중앙 관제 센터의 분석, 그리고 현장에 위험 상황 알림을 완료하기까지 시간이 많이 소요되기 때문에, AI 영상 분석은 긴급한 상황에는 적용하기 어렵다.

이러한 문제를 감안하여, 현장에서 바로 대응할 수 있도록 근로자가 근무하는 현장마다 현장 대응 방식 안전 관제 시스템을 갖추기도 한다. 이러한 시스템에 따르면 유사시 즉각적인 대응에는 유용하지만, 단일 현장의 규모가 크거나 여러 근로자가 다양한 작업을 동시에 진행하는 경우에는 여전히 많은 영상의 분석을 필요로 하고 즉각적인 대응이 어렵다.

공개특허공보 10-2018-0095261에는 작업자가 구비하는 워커단말기와 영상감시모듈을 활용하는 위치추적 및 영상 안전관제 시스템이 기재되어 있다. 이 시스템에 따르면, 워커단말기가 수신하는 비콘 신호를 활용하여 작업자의 위치를 확인하고 워커단말기의 발신 신호를 토대로 작업자의 안전을 확인하며, 영상감시모듈 즉 감시카메라가 획득하는 영상에 대해서는 감시카메라 내에서 일정한 처리를 하여 정제한다. 그런데 워커단말기의 신호를 중심적으로 활용하여 작업자의 안전 상태를 실시간으로 확인하기는 매우 어렵다. 그리고 감시카메라 단위로 데이터 처리를 하여 정제하는 것은 자칫 중요한 정보를 버리게 될 가능성이 높다.

공개특허공보 10-2018-0095261, 2018. 8. 27., 도 1 및 도 8, 식별번호 [31]~[34], [40]~[43]

본 발명은 이와 같은 문제점을 해결하기 위한 것으로서, 근로자의 안전을 안전 관제함에 있어 다단계 안전 관제 및 분석을 통해 분업을 도입하고 센싱 데이터 및 영상에 대한 분석에서 현장 분석의 효율을 높인 다단계 작업현장 안전 관제 방법 및 시스템을 제공한다.

본 발명의 일 측면에 따르면, 작업현장 안전 관제 관제 장치는 계층적으로 접속되어 있는 복수의 관제 장치들 중 하위 레벨 관제 장치가 다수의 카메라들이 획득한 작업현장 영상들을 토대로 생성한 안전 관련 정보를 종합하여 위험 가능성을 판단하는 상위 레벨 관제 장치로 동작한다. 관제 장치는 프로세서와, 상기 프로세서에 의해 실행되는 프로그램 명령어들을 저장하는 메모리를 포함한다. 상기 프로그램 명령어들은 상기 프로세서에 의해 실행되었을 때: 각 공정들간의 관계 정보를 토대로 복수의 안전 관련 정보들을 연계시켜 종합함으로써, 연관된 위험도를 예측하는 동작; 및 상기 연관된 위험도가 큰 경우에 위험 알림을 발생하는 동작;을 수행한다.

관제 장치는 각 공정에 대한 작업공정 정보와 작업공정들 간의 관계를 저장하는 저장 장치를 더 구비할 수 있다. 이러한 경우 상기 연관된 위험도를 예측하는 동작은 각 공정에 대한 상기 작업공정 정보와 상기 작업공정 관계 정보를 토대로 수행될 수 있다.

상기 프로그램 명령어들은 상기 프로세서에 의해 실행되었을 때 상기 하위 레벨 관제 장치로부터 각 카메라가 획득한 정지영상을 받아들이고 상기 정지영상을 토대로 공정을 구분하여, 공정 종류 정보를 생성하고 상기 저장 장치에 저장함과 아울러 상기 하위 레벨 관제 장치에 제공하는 동작을 수행하는 명령어들을 더 포함할 수 있다.

상기 정지영상을 받아들이고 상기 정지영상을 토대로 공정을 구분하는 동작을 수행하는 프로그램 명령어들은 새로운 카메라가 상기 하위 레벨 관제 장치에 접속되었을 때 장치 등록 과정에서 실행될 수 있다.

상기 프로그램 명령어들은 상기 프로세서에 의해 실행되었을 때 작업공정별로 영상을 통해서 위험도에 대한 학습을 진행하고, 학습 결과를 토대로 영상 분석을 위한 신경망 파라미터를 결정하는 동작을 수행하는 명령어들을 더 포함할 수 있다.

상기 프로그램 명령어들은 상기 프로세서에 의해 실행되었을 때 입력되는 정지영상으로부터 공정을 구분할 수 있는 능력을 학습하는 동작을 수행하는 명령어들을 더 포함할 수 있다.

상기 프로그램 명령어들은 상기 프로세서에 의해 실행되었을 때: 상기 다수의 카메라 중 적어도 하나의 카메라에 대한 카메라 속성 정보와 상기 적어도 하나의 카메라가 획득한 하나 이상의 정지영상을 받아들이는 동작; 및 상기 카메라 속성 정보와 상기 하나 이상의 정지영상을 토대로 상기 적어도 하나의 카메라가 촬영하는 공정에 대한 공정 정보와 해당 공정에 대한 상기 신경망 파라미터를 결정하여 상기 하위 레벨 관제 장치에 전달함으로써, 상기 작업현장 영상들을 정제하는데 활용할 수 있게 하는 동작;을 수행하는 명령어들을 더 포함할 수 있다.

상기 안전 관련 정보는 작업현장의 위험 상황에 대한 정보와, 분석 대상 영상에서 발견된 개체에 대한 개체 정보와, 상기 분석 대상 영상에서 추출된 정지영상을 포함할 수 있다.

상기 작업현장 안전 관제 장치는 각각이 하나 이상의 카메라에 접속된 복수의 하위 레벨 관제 장치에 접속되어 있을 수 있다.

본 발명의 다른 측면에 따르면, 작업현장 안전 관제 관제 장치는 다수의 카메라들이 획득한 작업현장 영상들을 토대로 작업자의 위험 상태를 판단하고, 상기 작업자의 안전 관련 정보를 생성하여 계층적으로 접속되어 있는 복수의 관제 장치들 중 상위 레벨 관제 장치에 전달하는 하위 레벨 관제 장치로 동작한다. 관제 장치는 프로세서와, 상기 프로세서에 의해 실행되는 프로그램 명령어들을 저장하는 메모리를 포함한다. 상기 프로그램 명령어들은 상기 프로세서에 의해 실행되었을 때: 공정 정보와 공정별 위험 요소 정보를 토대로 상기 작업현장 영상들 중에 소정 규칙에 부합되지 않는 영상이 있는지 판단함으로써 작업현장에 위험 상황이 존재하는지 분석하는 동작; 및 분석 결과를 안전 관련 정보로써 상기 상위 레벨 관제 장치에 전달하는 동작;을 수행하는 명령어들을 포함한다.

관제 장치는 상기 공정 정보와 상기 공정별 위험 요소 정보와 신경망 파라미터를 상기 상위 레벨 관제 장치로부터 수신하여 저장하는 저장 장치를 더 구비할 수 있다. 이러한 경우, 상기 규칙에 부합되지 않는 영상이 있는지에 대한 판단은 상기 공정 정보와 상기 공정별 위험 요소 정보를 토대로 이루어질 수 있다.

상기 프로그램 명령어들은 상기 프로세서에 의해 실행되었을 때 상기 다수의 카메라들에 의해 획득된 상기 영상들을 작업공정과 위험도에 따라 정제하는 동작을 수행하는 명령어들을 더 포함할 수 있다. 이러한 경우 상기 규칙에 부합되지 않는 영상이 있는지에 대한 판단은 정제된 영상들을 사용하여 수 있다.

상기 작업현장에 위험 상황이 존재하는지 분석하는 동작을 수행하는 프로그램 명령어들은 각 공정별로 별도로 마련되어 각각이 특정 공정에 특화되어 동작할 수 있다.

상기 안전 관련 정보는 상기 작업현장의 상기 위험 상황에 대한 정보와, 분석 대상 영상에서 발견된 개체에 대한 개체 정보와, 상기 분석 대상 영상에서 추출된 정지영상을 포함할 수 있다.

본 발명의 작업현장 안전 관제 방법은 각각이 작업현장에 대한 영상을 획득하는 다수의 카메라들; 및 계층적으로 접속되어 있고 상기 다수의 카메라들에 의해 획득된 영상들을 토대로 상기 작업현장에 있는 작업자의 위험 상태를 역할을 분담하여 검출하며 하위 레벨 관제 장치 및 상위 레벨 관제 장치를 포함하는 복수의 관제 장치;를 구비하는 작업현장 안전 관제 시스템에서 수행될 수 있다. (a) 먼저, 상기 하위 레벨 관제 장치가, 상기 다수의 카메라들에 의해 획득된 영상들 중에 사전에 정해진 규칙에 부합되지 않는 영상이 있는지 판단하여 위험 상황이 존재하는지 분석하고, 분석 결과를 안전 관련 정보로써 상기 상위 레벨 관제 장치에 전달한다. (b) 이어서, 상기 상위 레벨 관제 장치가, 복수의 안전 관련 정보들을 연계시켜 종합함으로써 연관된 위험도를 예측한다. (c) 그리고, 상기 상위 레벨 관제 장치가, 상기 연관된 위험도가 큰 경우에 위험 알림을 발생하게 된다.

상기 (a)단계는 상기 다수의 카메라들에 의해 획득된 상기 영상들을 작업공정과 위험도에 따라 정제하는 단계;를 포함할 수 있다. 이러한 경우, 상기 위험 상황이 존재하는지 분석을 함에 있어서는 정제된 영상들 중에 상기 규칙에 부합되지 않는 영상이 있는지 판단하게 된다.

작업현장 안전 관제 방법은, 늦어도 상기 (b)단계가 수행되기 이전에 수행되는 단계로서, 상기 상위 레벨 관제 장치가, 작업공정별로 영상을 통해서 위험도에 대한 학습을 진행하고, 학습 결과를 토대로 영상 분석을 위한 신경망 파라미터를 결정하는 단계;를 더 포함할 수 있다.

작업현장 안전 관제 방법은, 상기 상위 레벨 관제 장치가, 입력되는 정지영상으로부터 공정을 구분할 수 있는 능력을 학습하는 단계;를 더 포함할 수 있다.

작업현장 안전 관제 방법은, 상기 상위 레벨 관제 장치가, 상기 하위 레벨 관제 장치를 통하여 상기 다수의 카메라 중 적어도 하나의 카메라로부터 카메라 속성 정보와 하나 이상의 정지영상을 받아들이는 단계; 및 상기 카메라 속성 정보와 상기 하나 이상의 정지영상을 토대로 상기 적어도 하나의 카메라가 촬영하는 공정에 대한 공정 정보와 해당 공정에 대한 상기 신경망 파라미터를 결정하여 상기 하위 레벨 관제 장치에 전달함으로써, 상기 정제에 활용할 수 있게 하는 단계;를 더 포함할 수 있다.

본 발명에 따르면, 작업현장에 있는 근로자의 안전을 안전 관제함에 있어 분업을 도입하여 다단계로 안전 관제 및 분석을 행하고, 센싱 데이터 및 영상에 대한 현장 분석의 효율을 높이게 된다. 이에 따라 카메라 등을 통해 현장에서 수집되는 정보를 단계별로 효과적으로 분석하고, 필요한 정보를 상위 레벨로 전달할 수 있게 된다.

다단계의 안전 관제 및 분석 과정에서 현장 분석의 비중이 높아짐에 따라, 다양한 작업공정별로 최적의 영상 분석이 가능하게 되며, 하위 단계에서도 효과적으로 영상 분석을 할 수 있게 되고, 많은 카메라 영상을 동시에 분석할 수 있게 된다.

아울러, 안전 관제 및 분석이 다단계로 이루어짐에 따라 중앙 관제 센터로 전달되는 영상의 데이터 량을 감소시킬 수 있게 되고, 전송에 소요되는 채널 대역폭을 줄일 수 있다는 이점이 있다. 그리고 작업현장에 다양한 각도로 카메라를 설치함으로써 산업재해를 현저히 줄일 수 있는 효과가 있다.

이와 같이 본 발명은 많은 영상 정보를 신속하고 효율적으로 분석하면서도 낮은 통신 대역폭을 사용함으로써, 산업현장 안전 관제를 효과적으로 구현할 수 있게 해주고 근로자 작업 현장의 사고를 줄일 수 있게 해준다.

이하, 첨부된 도면을 참조하여 본 발명의 바람직한 실시예를 설명한다. 도면 중,
도 1은 본 발명의 일 실시예에 따른 작업현장 안전 관제 시스템의 블록도이다.
도 2은 본 발명의 다른 실시예에 따른 작업현장 안전 관제 시스템의 블록도이다.
도 3은 본 발명의 또 다른 실시예에 따른 작업현장 안전 관제 시스템의 블록도이다.
도 4는 본 발명의 또 다른 실시예에 따른 작업현장 안전 관제 시스템의 블록도이다.
도 5는 도 4에 도시된 작업현장 안전 관제 시스템의 전체적인 동작 과정을 보여주는 흐름도이다.
도 6은 도 5에 도시된 초기 설정 과정을 구체적으로 보여주는 흐름도이다.
도 7은 장치 등록 과정을 구체적으로 보여주는 도면이다.
도 8은 하위 레벨 관제 장치에서의 안전 관제 프로세스를 보다 구체적으로 보여주는 도면이다.
도 9는 상위 레벨 관제 장치에서의 안전 관제 프로세스를 보다 구체적으로 보여주는 도면이다.
도 10은 하위 레벨 관제 장치들 및 상위 레벨 관제 장치의 블록도이다.

본 발명은 다양한 변경을 가할 수 있고 여러 가지 실시예를 가질 수 있는 바, 특정 실시예들을 도면에 예시하고 상세한 설명에 상세하게 설명하고자 한다. 그러나, 이는 본 발명을 특정한 실시 형태에 대해 한정하려는 것이 아니며, 본 발명의 사상 및 기술 범위에 포함되는 모든 변경, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다. 각 도면을 설명하면서 유사한 참조부호를 유사한 구성요소에 대해 사용하였다.

제1, 제2, 등의 용어는 다양한 구성요소들을 설명하는 데 사용될 수 있지만, 상기 구성요소들은 상기 용어들에 의해 한정되어서는 안 된다. 상기 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용된다. 예를 들어, 본 발명의 권리 범위를 벗어나지 않으면서 제1 구성요소는 제2 구성요소로 명명될 수 있고, 유사하게 제2 구성요소도 제1 구성요소로 명명될 수 있다. “및/또는”이라는 용어는 복수의 관련된 기재된 항목들의 조합 또는 복수의 관련된 기재된 항목들 중의 어느 항목을 포함한다.

어떤 구성요소가 다른 구성요소에 "연결되어" 있다거나 "접속되어" 있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결되어 있거나 또는 접속되어 있을 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다. 반면에, 어떤 구성요소가 다른 구성요소에 "직접 연결되어" 있다거나 "직접 접속되어" 있다고 언급된 때에는, 중간에 다른 구성요소가 존재하지 않는 것으로 이해되어야 할 것이다.

본 출원에서 사용한 용어는 단지 특정한 실시예를 설명하기 위해 사용된 것으로, 본 발명을 한정하려는 의도가 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 출원에서, "포함하다" 또는 "가지다" 등의 용어는 명세서상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부품 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 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가지고 있다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥 상 가지는 의미와 일치하는 의미를 가지는 것으로 해석되어야 하며, 본 출원에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.

본 발명을 설명함에 있어 전체적인 이해를 용이하게 하기 위하여 도면상의 동일한 구성요소에 대해서는 동일한 참조부호를 사용하고 동일한 구성요소에 대해서 중복된 설명은 생략한다.

도 1은 본 발명의 일 실시예에 따른 작업현장 안전 관제 시스템의 블록도이다. 도시된 작업현장 안전 관제 시스템은 예컨대 건설 현장과 같은 산업 현장에 설치될 수 있는 것으로서, 작업현장 상황을 시각적으로 확인할 수 있도록 현장 영상을 획득하는 복수의 카메라들(10a~10c)과, 하나 이상의 센서(20)와, 상기 복수의 카메라들(10a~10c) 및 하나 이상의 센서(20)와 네트웍을 통해 접속되는 관제 장치(100)를 구비한다.

복수의 카메라들(10a~10c) 각각은 작업현장의 곳곳에 산재되도록 설치되어 현장 영상을 획득한다. 복수의 카메라들(10a~10c) 중 적어도 일부는 팬, 틸트, 줌 구동이 가능할 수 있다. 복수의 카메라들(10a~10c)은 관제 장치(100)에 접속될 수 있고, 획득한 영상에 대한 영상 데이터를 관제 장치(100)에 전송하고 관제 장치(100)로부터 제어신호를 수신할 수 있다. 일 실시예에 있어서, 복수의 카메라들(10a~10c)은 IP 주소가 부여되어 있어서 인터넷과 같은 공중망을 통해 관제 장치(100)에 접속될 수 있는 IP 카메라인데, 본 발명이 이에 한정되는 것은 아니다.

상기 센서(20)는 화재 감지 센서 등 작업현장의 위험상황을 검출하기 위한 다양한 센서를 포함할 수 있으며, 네트웍 인터페이스 기능을 구비한 IoT(Internet of Things) 장치들을 포함하거나 이에 연결될 수 있다. 따라서, 센서(20)는 감지 데이터를 인터넷을 통해서 관제 장치(100)에 전송할 수 있다.

관제 장치(100)는 상기 카메라들(10a~10c)와 상기 센서(20)로부터 각각 현장 영상 데이터와 센서 데이터를 네트웍을 통해 받아들이고, 안전관리자가 작업현장 상황을 파악할 수 있게 표출한다.

일 실시예에 있어서, 관제 장치(100)는 장치 연결 서비스부(110)와, 코어 서비스부(120)와, 관리 서비스부(130)를 구비한다.

장치 연결 서비스부(110)는 여러 통신 방식에 의한 장치 연결 서비스를 제공한다. 장치 연결 서비스부(110)가 지원하는 통신 방식은 WiFi, 5G/LTE, Ethernet 등을 포함하는데, 본 발명이 이에 한정되는 것은 아니며, 여타의 통신 방식이 포함될 수도 있다.

코어 서비스부(120)는 현장 영상 데이터와 센서 데이터를 토대로 작업자에게 유해한 위험 상황이 있는지 분석하는 위험 분석 모듈(122)와, 현장 영상 데이터와 센서 데이터를 저장하는 현장 수집 데이터 데이터베이스(DB)(124)를 구비할 수 있다. 본 실시예에서 위험 분석 모듈(122)은 '화재 감지'와 같이 특정 센서의 조건에 대한 알림 설정을 가능하게 해주고 사전에 정해진 규칙을 기반으로 위험 상황이 있는지 분석할 수 있다.

관리 서비스부(130)는 전체적인 시스템 관리를 수행하는 시스템 관리 모듈(132), 안전관리자의 모니터(140)가 접속을 가능하게 하여 안전관리자가 모니터(140)를 통해 위험상황을 알 수 있게 해주는 사용자 인터페이스(134)와, 외부 데이터 처리장치와 데이터를 연동시킬 수 있게 해주는 애플리케이션 프로그램 인터페이스(API: Application Programing Interface. 136)를 구비할 수 있다.

이와 같은 작업현장 안전 관제 시스템에 따르면, 안전관리자가 실시간 영상을 보면서 작업자의 안전을 위협하는 위험요소를 확인할 수 있게 된다. 아울러, 안전관리자는 현장에 설치된 여러 센서(20)에 의해 감지된 센서 데이터를 토대로 위험 상황을 추가적으로 인지할 수 있다. 예를 들어, 위험 분석 모듈(122)은 '온도 센서로부터의 온도가 50도 이상이면 화재 상황으로 인지'하는 규칙(rule)을 토대로 작업현장의 화재 상황을 조기에 인지할 수 있다.

도 1의 실시예가 변형된 실시예에 있어서는, 위험 분석 모듈(122)에 인공지능(AI) 기술이 부가될 수도 있다. 도 2는 이와 같은 실시예를 보여준다.

도 2의 실시예에서, 관제 장치(100)의 위험 분석 모듈은 AI 기술이 적용된 AI 영상 분석 모듈(122a) 형태로 구현된다. AI 영상 분석 모듈(122a)은 복수의 카메라들(10a~10c)이 획득한 현장 영상 데이터를 받아들이고 현장 영상에 대한 영상 분석을 실시한다. AI 영상 분석 모듈(122a)의 영상 분석은 개체 감지(Object Detection), 얼굴 인식, 그리고 화재 감시 등 특수 상황 인지를 포함한다. 상기 개체 감지는 안전모 등의 안전장비 감지를 포함하며, 안전장비 감지를 통해 작업자의 안전장비 착용 여부를 확인할 수 있다. AI 영상 분석 모듈(122a)은 1차적인 영상 분석과 센서 데이터 분석을 통해 작업자의 안전 여부 내지 안전 위해 요소를 점검할 수 있다. 따라서, 안전관리자가 관제 장치(100)가 설치된 관제 센터에 상주하면서 실시간 현장 영상을 눈으로 직접 감시할 필요가 없게 된다.

AI 영상 분석 기술은 현재 급속도로 발전하고 있는 추세이지만, 단순히 안전장비 착용 여부 수준에서의 안전 관제에는 도움이 될지라도, 영상 분석만으로 작업환경이 안전한지, 또는 위험한 상황이거나 위험한 상황으로 전개될 수 있을지를 판단하는 것은 본 출원이 이루어지는 시점에서는 기대하기가 쉽지 않다. 즉, AI 영상 분석 모듈(122a)에 의한 AI 영상 분석은 화재 불꽃 감지와 같은 특수상황이나, 불꽃같은 특별한 개체가 발생하는 상황에 대해서는 위험인지가 가능하지만, 광범위한 위험 상황 내지 위험 요소 검출에는 제한적일 수 있다.

한편, 데이터 량이 많다는 영상 데이터의 특성으로 인하여, 영상 전송에는 넓은 대역폭(bandwidth)이 요구된다. 예컨대 공중파 TV 영상의 해상도에 상응하는 고화질(HD: High Definition) 영상 1채널을 MPEG-2(Moving Picture Expert Group-2) 규격으로 압축하여 전송하는 데에는 약 20 Mbps(Mega-bit per second)의 대역폭이 소요된다. 중소 건설현장에도 수십 대의 카메라가 설치될 수 있다는 점을 감안하면, 현장의 모든 카메라의 영상을 관제 장치(100)에 전송하여 AI 영상 분석을 실시하는 것은 불가능에 가깝다.

이러한 난점을 감안하여, 본 발명의 다른 실시예에서는 다단계 안전 관제 및 분석을 통해 분업을 도입하고 센싱 데이터 및 영상에 대한 분석에서 현장 분석의 효율을 높인다.

도 3은 본 발명의 또 다른 실시예에 따른 작업현장 안전 관제 시스템을 보여준다. 본 실시예에 따른 작업현장 안전 관제 시스템은 복수의 카메라들(10a~10c)과, 하나 이상의 센서(20)와, 각각이 복수의 카메라들(10a~10c) 각각에 대응하여 마련되는 로컬 분석 장치들(200a~200c)과, 상기 로컬 분석 장치들(200a~200c)에 네트웍을 통해 접속되는 중앙 관제 장치(300)를 구비한다.

로컬 분석 장치(200a)는 장치 연결 서비스부(210a)와, 코어 서비스부(220a)와, 관리 서비스부(230a)를 구비한다. 장치 연결 서비스부(210a)는 대응하는 카메라(10a)와의 연결 서비스를 제공한다. 코어 서비스부(220a)는 카메라(10a)에 의해 획득된 영상 데이터와 센서 데이터를 토대로 작업자에게 유해한 위험 상황이 있는지 분석한다. 관리 서비스부(230a)는 로컬 분석 장치(200a)에 대한 전체적인 관리를 수행하고, 작업현장 중앙 관제 장치(300)와의 인터페이스를 가능하게 해주며 작업현장 중앙 관제 장치(300)와 데이터를 송수신한다. 이와 같은 로컬 분석 장치(200a)는 AI 처리가 가능한 상업용 프로세싱 보드를 토대로 구현할 수 있으며, 작업현장에 설치된 안전 관제 네트웍의 게이트웨이나 액세스 포인트(AP) 장비에 설치될 수 있다. 도 3에 도시된 다른 로컬 분석 장치(200b, 200c)는 상기 로컬 분석 장치(200a)와 유사한 구성을 가지므로 이에 대한 자세한 설명은 생략한다.

작업현장 중앙 관제 장치(300)에 있어서, 장치 연결 서비스부(310)는 여러 통신 방식에 의한 장치 연결 서비스를 제공하며, 특히, 로컬 분석 장치들(200a~200c)과의 인터페이스를 제공한다. 코어 서비스부(320)는 안전규칙 종합 모듈(322)와, 영상 종합 분석 모듈(324)와, 현장 수집 데이터 DB(124)를 구비할 수 있다. 안전규칙 종합 모듈(322)은 영상 종합 분석 모듈(324)에 의한 위험 요소 분석에 관한 규칙을 관리하고 규칙 유지 여부를 판단하며, 각 로컬 분석 장치(200a~200c)에서의 분석 규칙을 관리한다. 영상 종합 분석 모듈(324)은 로컬 분석 장치들(200a~200c)로부터의 현장 영상 데이터와 센서 데이터, 그리고 로컬 분석 장치들(200a~200c)에 의한 분석 데이터를 토대로 작업현장에 작업자에게 유해한 위험 상황이 있는지 분석한다. 작업현장 중앙 관제 장치(300)의 여타 구성은 도 1 및 도 2에 도시된 관제 장치(100)의 구성과 유사하므로, 이에 대한 구체적인 설명은 생략한다.

본 실시예에 따른 작업현장 안전 관제 시스템에 있어서, 로컬 분석 장치들(200a~300c)은 대응하는 카메라(10a~10c)가 획득한 영상을 1차적으로 분석하여, 개체를 감지하고, 얼굴을 인식하고, 자세를 분석한다. 로컬 분석 장치들(200a~200c)은 분석 데이터를 영상의 위치 및 시간 정보와 함께 작업현장 중앙 관제 장치(300)로 전달한다. 영상 데이터 전체가 아니라, 영상에서 AI로 분석된 정보만 상위로 전달되기 때문에, 전달하는 데이터 량이 대폭 줄어들 수 있다. 따라서 작업현장 중앙 관제 장치(300)는 수십 대의 카메라가 획득한 영상 정보를 동시에 수신하고 분석할 수 있게 되며, 현장 안전 관제를 보다 정확하게 수행할 수 있게 된다.

도 4는 본 발명의 또 다른 실시예에 따른 작업현장 안전 관제 시스템을 보여준다. 본 실시예에 따른 작업현장 안전 관제 시스템은 복수의 하위 레벨 관제 장치(400a~400n)와, 상기 복수의 하위 레벨 관제 장치(400a~400n)에 접속되는 상위 레벨 관제 장치(500)를 구비한다. 각 하위 레벨 관제 장치(400a~400n)에는 복수의 카메라들(10a~10c)과 하나 이상의 센서(20)가 접속될 수 있다. 한편, 도 4에는 관제 장치들(400a~400n, 500)이 2단계로 계층을 이루고 있지만, 시스템의 규모, 특히 카메라 및/또는 센서의 댓수에 따라 관제 장치들은 더 많은 단계를 이루면서 계층적으로 접속될 수 있다.

각 하위 레벨 관제 장치(400a~400n)는 카메라들(10a~10c)과 센서(20)로부터 각각 현장 영상 데이터와 센서 데이터를 받아들이고 분석하며, 분석 결과 위험 상황이 있으면 작업자에게 바로 알림을 제공할 수 있다. 또한, 하위 레벨 관제 장치(400a~400n)는 분석 결과를 안전 관련 정보로써 상위 레벨 관제 장치(500)에 전달한다. 이때, 센서 데이터도 함께 전달될 수 있다. 하위 레벨 관제 장치(400a~400n)가 상위 레벨 관제 장치(500)에 전달하는 안전 관련 정보는 현재의 안전 여부와 함께, 영상에서 감지된 개체 정보와, 상위 레벨 관제 장치(500)에서의 종합 분석에서 참고하기 위한 정지영상(still picture)이 포함될 수 있다. 상기 개체 정보는 인체 감지 정보, 보호구 여부 정보, 위험 작업 공구 등을 포함할 수 있다.

하위 레벨 관제 장치(400a)는 장치 연결 서비스부(410)와, 코어 서비스부(420)와, 관리 서비스부(430)를 구비한다. 장치 연결 서비스부(410)는 카메라들(10a~10c)과의 연결 서비스를 제공한다. 코어 서비스부(420)는 카메라들(10a~10c)에 의해 획득된 영상 데이터와 센서 데이터를 토대로 작업자에게 유해한 위험 상황이 있는지 분석한다. 관리 서비스부(430)는 하위 레벨 관제 장치(400a)에 대한 전체적인 관리를 수행하고, 상위 레벨 관제 장치(500)와의 인터페이스를 가능하게 해주며 상위 레벨 관제 장치(500)와 데이터를 송수신한다. 또한, 관리 서비스부(430)는 영상 데이터와 센서 데이터를 분석한 결과 위험 상황이 발견되면 작업자에게 바로 알림을 제공할 수 있다.

상기 코어 서비스부(420)는 안전규칙 처리 모듈(422)과, 공정별 영상 분석 모듈(424)과, 작업공정 DB(426)와, 메타 데이터 DB(428)와, 현장 수집 데이터 DB(429)를 포함할 수 있다.

상기 안전규칙 처리 모듈(422)은 공정별 영상 분석 모듈(424)에 의한 위험 상황 분석에 관한 규칙을 관리하고 현재 상황이 규칙에 부합되는지를 판단한다. 구체적으로, 안전규칙 처리 모듈(422)는 작업공정 DB(426)에 저장된 각 공정의 공정 정보와 메타 데이터 DB(428)에 저장된 카메라 속성 정보 및 공정별 위험 요소 정보를 토대로, 영상이 사전에 정해진 규칙에 부합되는지를 판단함으로써 영상 내에 위험 상황이 존재하는지를 결정한다. 안전규칙 처리 모듈(422)은 규칙기반(Rule-based)으로 동작하지만, 변형된 실시예에서는 학습 기반으로 동작할 수도 있다.

공정별 영상 분석 모듈(424)은 각 공정 또는 각 카메라(10a~10c)에 대하여 별도로 마련될 수 있다. 따라서 각 공정별 영상 분석 모듈(424)은 특정 공정 또는 특정 카메라(10a~10c)에 특화되어 동작한다. 각 공정별 영상 분석 모듈(424)은 카메라들(10a~10c)로부터 수신된 영상들을 메타 데이터 DB(428)에 저장된 카메라 속성 정보와 신경망 파라미터를 토대로 작업공정 및 위험도에 따라 정제함으로써, 안전규칙 처리 모듈(522)의 처리 부담을 줄여주고 안전규칙 처리 모듈(422)이 정확한 영상 분석을 할 수 있게 해준다.

작업공정 DB(426)는 작업현장의 각 공정에 대한 공정 정보를 저장한다.

메타 데이터 DB(428)는 각 카메라(10a~10c) 및 센서(20)에 대한 속성 정보와, 상위 레벨 관제 장치(500)로부터 전달받은 영상 분석을 위한 신경망 파라미터와, 공정별 위험 요소 정보를 저장한다.

현장 수집 데이터 DB(429)는 카메라(10a~10c) 및 센서(20)로부터 각각 수신되는 영상 데이터 및 센서 데이터를 저장한다.

상위 레벨 관제 장치(500)는 복수의 하위 레벨 관제 장치들(400a~400n)로부터 안전 관련 정보와 센서 데이터를 받아들이고, 연관된 위험도가 큰 지 분석한다. 이때, 상위 레벨 관제 장치(500)는 복수의 하위 레벨 관제 장치들(400a~400n)로부터 수신한 안전 관련 정보를 연계시켜 종합 분석을 수행한다. 특히, 상위 레벨 관제 장치(500)는 안전 관련 정보에 포함된 정지영상 등을 종합 분석하고, 작업공정 관계 DB(526)에 저장된 작업공정들 간의 관계와 메타 데이터 DB(528)에 저장된 작업공정 정보를 활용하여 인접한 공간에서 위험 연관관계가 있는 작업이 동시에 이루어지는지를 분석할 수 있다. 분석 결과 위험 연관관계가 있는 작업이 동시에 이루어지는 것으로 판단되면, 상위 레벨 관제 장치(500)는 위험 상황임을 안전 관리자에게 알린다.

상위 레벨 관제 장치(500)는 장치 연결 서비스부(510)와, 코어 서비스부(520)와, 관리 서비스부(530)를 구비한다. 장치 연결 서비스부(510)는 여러 통신 방식에 의한 장치 연결 서비스를 제공하며, 특히, 하위 레벨 관제 장치들(400a~400n)과의 인터페이스를 제공한다. 코어 서비스부(520)는 하위 레벨 관제 장치들(400a~400n)로부터 수신한 안전 관련 정보를 연계시켜 종합 분석을 수행한다. 관리 서비스부(530)는 상위 레벨 관제 장치(500)에 대한 전체적인 관리를 수행하고, 안전관리자의 모니터(140)가 접속을 가능하게 하여 안전관리자가 작업현장의 상황을 알 수 있게 해준다. 또한, 관리 서비스부(530)는 분석 결과 작업현장에서 위험 상황이 발견되면 작업자에게 위험을 알려주게 된다.

상기 코어 서비스부(520)는 안전규칙 처리 모듈(522)과, 영상 종합 분석 모듈(524)과, 작업공정 관계 DB(526)와, 메타 데이터 DB(528)와, 현장 수집 데이터 DB(529)를 포함할 수 있다.

상기 안전규칙 처리 모듈(522)은 영상 종합 분석 모듈(524)에 의한 위험 상황 분석에 관한 규칙을 관리하고 현재 상황이 규칙에 부합되는지를 판단하며, 하위 레벨 관제 장치들(400a~400n)에서의 분석 규칙을 관리한다. 구체적으로, 안전규칙 처리 모듈(522)은 작업공정 관계 DB(526)에 저장된 안전 관련 정보들간의 관계와 메타 데이터 DB(528)에 저장된 신경망 파라미터를 토대로, 안전 관련 정보들간의 관계를 분석하여 연관된 위험도를 예측한다. 안전 관련 정보들 간의 연관된 위험도가 큰 경우에 즉, 위험 연관관계가 있는 작업이 동시에 이루어지는 경우에, 안전규칙 처리 모듈(522)은 위험 알림 모듈(536)에 위험 정보를 전달한다.

영상 종합 분석 모듈(524)은 학습을 통해 사진으로부터 공정을 분류할 수 있는 공정 분류기(classifier)를 탑재하고 있다. 상기 공정 분류기는 초기 시스템 설정 과정에서 특정 정지영상이 주어졌을 때 공정을 구분할 수 있는 학습을 진행하여, 각 공정별로 특징적인 정지영상 정보를 분류하거나 정제할 수 있는 능력을 갖추게 된다. 영상 종합 분석 모듈(524)은 하위 레벨 관제 장치들(400a~400n)에서 생성된 안전 관련 정보를 정제함으로써, 안전규칙 처리 모듈(522)에 의한 연관된 위험도 분석 부담을 줄여줄 수 있다.

작업공정 관계 DB(526)는 작업현장의 모든 작업공정들 간의 관계, 그리고 하위 레벨 관제 장치들(400a~400n)에서 생성된 안전 관련 정보들 간의 관계를 저장한다.

메타 데이터 DB(528)는 시스템이 작업공정별로 영상을 통해서 위험한 자세, 도구 배치, 주변 환경 등에 정보를 바탕으로 위험도에 대한 학습을 진행한 후 학습 결과를 토대로 정해지는 영상 분석 신경망 파라미터 정보를 저장한다.

현장 수집 데이터 DB(529)는 하위 레벨 관제 장치들(400a~400n)로부터 수신되는 안전 관련 정보를 저장한다.

하위 레벨 관제 장치들(400a~400n)과 상위 레벨 관제 장치(500)의 여타 구성은 앞서 설명한 다른 실시예들에서의 관제 장치의 구성과 유사하므로, 이에 대한 구체적인 설명은 생략한다.

본 실시예에서는 하위 레벨 관제 장치(400a~400n)가 영상 데이터를 전달함에 있어, 영상 데이터 전체가 아니라 분석된 안전 관련 정보만을 상위 레벨 관제 장치(500)에 전달하기 때문에, 전달하는 데이터 량이 크게 감소될 수 있고, 네트웍의 사용 대역폭도 대폭 감소된다. 이에 따라 현장 네트웍의 망 부하를 줄이면서도, 다수의 카메라가 획득한 영상 정보를 동시에 분석하는 것이 가능하다.

이하, 도 5 내지 도 9을 참조하여 도 4에 도시된 작업현장 안전 관제 시스템의 동작을 설명한다.

도 5는 도 4에 도시된 작업현장 안전 관제 시스템의 전체적인 동작 과정을 보여주는 흐름도이다.

먼저, 작업현장 안전 관제 시스템에 대하여 초기 설정이 이루어진다(제600단계). 도 6은 초기 설정 과정을 보다 구체적으로 보여주는 흐름도이다.

시스템을 산업 현장에서는 매우 다양한 종류의 작업들이 이루어진다. 일반적인 작업 자세와 다른 자세를 위험한 자세라고 할 때, 용접과 같이 쪼그려 앉은 자세가 많은 작업공정과, 서서 벽돌을 쌓는 작업은 기본 자세가 완전히 다르므로, 위험한 상황의 자세인지에 대한 판단도 다르게 하는 것이 바람직하다. 즉, 모든 작업공정에 대하여 동일한 기준으로 위험한 자세를 정하는 것은 어렵고 현실적으로 거의 불가능하다.

따라서 본 발명의 일 실시예에 따른 작업현장 안전 관제 시스템은 작업공정별로 위험 여부에 대한 판단 기준을 달리 하기 위하여, 먼저 작업공정을 세분화한다(제602단계). 이어서, 작업공정별로 영상을 통해서 위험한 자세, 도구 배치, 주변 환경 등에 정보를 바탕으로 위험도에 대한 학습을 진행할 수 있다(제604단계). 그리고 학습 결과를 토대로 영상 분석 신경망 파라미터 정보를 정하고, 파라미터 정보를 상위 레벨 관제 장치(500)의 메타 데이터 DB(528)에 저장해둔다(제606단계). 이때, 영상 종합 분석 모듈(524)의 공정 분류기(classifier)에 대한 학습도 함께 진행할 수 있다. 이에 따라 영상 종합 분석 모듈(524)의 공정 분류기는 특정 정지영상이 주어졌을 때 공정을 구분할 수 있는 능력을 갖추게 된다(제608단계).

다시 도 5를 참조하면, 제600단계의 초기 설정이 실행된 후에는, 카메라들(10a~10c) 및 센서들(20)에 대한 장치 등록이 이루어진다(제610단계). 장치 등록은 카메라들(10a~10c) 및 센서들(20)과 같은 디바이스들 전체에 대하여 순차적으로 이루어지며, 카메라들(10a~10c)에 대한 등록은 해당 카메라의 첫 영상을 받는 과정을 포함한다.

도 7을 참조하여 장치 등록 과정을 구체적으로 설명한다.

예를 들어, 제1 카메라(10a)에 대한 등록은 다음과 같이 이루어질 수 있다. 먼저, 제1 카메라(10a)는 카메라 속성 정보와 정지영상 사진 몇 장을 하위 레벨 관제 장치(400a~400n)에 전송하고, 이 정보는 메타 데이터 DB(428)에 저장된다(제612단계). 아울러, 상기 카메라 속성 정보와 정지영상은 상위 레벨 관제 장치(500)의 영상 종합 분석 모듈(524)로 전달된다(제614단계). 영상 종합 분석 모듈(524)은 수신된 정지영상을 토대로 제1 카메라(10a)가 어떤 작업공정을 촬영하는 디바이스인지를 확인 내지 분류하고(제616단계), 분류 정보로 메타 데이터 DB(528)를 조회해서(제618단계), 해당 작업공정에 대한 공정 정보와 해당 공정의 영상 분석을 위한 신경망 파라미터를 하위 레벨 관제 장치(400a)에 전달한다(제620단계, 제622단계). 하위 레벨 관제 장치(400a)에서 수신된 공정 정보와 신경망 파라미터는 작업 공정 DB(426) 및 메타 데이터 DB(428)에 각각 저장되어, 공정별 영상 분석 모듈(424)이 이용할 수 있게 된다. 이에 따라, 하위 레벨 관제 장치(400a)에서 각 공정 또는 각 카메라(10a~10c)에 대하여 별도로 마련될 수 있는 공정별 영상 분석 모듈(424) 각각은 특정 공정 또는 특정 카메라(10a~10c)에 특화되어 정확한 영상 분석을 통해 안전 여부 및 위험 상황들에 대한 영상 분석을 효과적으로 진행할 수 있게 된다.

이어서, 제632단계 내지 제642단계를 통해서, 제2 카메라(10b)에 대한 등록이 제1 카메라(10a)에 대한 등록과 동일한 방식으로 진행될 수 있다. 이때, 상위 레벨 관제 장치(500)로부터 전달되는 신경망 파라미터는 제1 카메라(10a)를 담당하는 공정별 영상 분석 모듈(424)과는 별개의 공정별 영상 분석 모듈(424)이 이용하게 된다. 이와 같이, 공정별 영상 분석 모듈(424)은 각 공정 또는 각 카메라(10a~10c)에 대하여 별도로 마련될 수 있으며, 각각의 공정 내지 카메라(10a~10c)에 대하여 최적의 영상 분석이 가능해진다.

센서(20)에 대해서도 등록 과정이 실행될 수 있다. IoT 통신을 통한 센서(20)의 등록이 완료되면, 메타 데이터 DB(428)에 센서(20)의 속성 정보가 저장된다(제644단계). 이와 같은 상태에서, 센서(20)는 현장 데이터를 수집하여 현장 수집 데이터 DB(429)에 전송할 수 있다.

도 7에서는 간략히 도시하여 가독성을 높일 수 있도록 각 정보들이 장치 연결 서비스(510)와 외부 연결 API(434)를 통과하는 것처럼 표시되어 있지만, 실제로는 각 정보들이 WiFi, 5G/LTE, Ethernet 등의 통신 규약에 따라 연결 서비스(510)를 통해 전달되고, 상위 레벨 관제 장치(500)로의 연결은 외부 연결 API(434)를 거쳐서 현장 네트웍 또는 공중망을 통해 전달되고 있음을 유의해야 한다.

한편, 위에서는 작업공정 세분화(제602단계)와, 작업공정별 위험도 학습(제604단계), 학습 결과에 기초한 영상 분석 신경망 파라미터 결정(제606단계), 및 공정 분류기의 학습(제608단계) 등의 초기 설정(제600단계)이 완료된 후, 장치 등록(제610단계)이 실행되는 것으로 기술하였지만, 본 발명이 이에 한정되는 것은 아니다. 즉, 장치 등록이 먼저 실행된 후 초기 설정이 실행될 수도 있고, 장치 등록이 초기 설정 과정과 병행하여 실행될 수도 있으며, 소기 설정을 전후한 장치 등록 이후에 장치 등록이 추가적으로 실행될 수도 있다.

다시 도 5를 참조하면, 제610단계의 장치 등록이 실행된 후에는, 카메라 영상과 주기적으로 측정되는 IoT 센서(20)의 센싱 데이터를 토대로 안전 관제를 실행하면서 작업자 안전과 관련되었을 가능성이 있는 이벤트가 발생되는지 모니터링한다(제650단계). 작업자 안전과 관련되었을 가능성이 있는 이벤트가 발생되면(제660단계), 하위 레벨 관제 장치(400a~400n)에서 이벤트를 분석하여 위험 상황이 존재하는지 판단한다(제670단계). 만약 제680단계에서 위험 상황이 없다고 판단되면, 프로세스는 다시 제650단계로 복귀하여 이벤트 발생을 모니터링하지만, 제680단계에서 위험 상황이 있다고 판단되는 경우에는 작업자에게 위험 알림 경보가 발생된다(제690단계). 그리고, 상위 레벨 관제 장치(500)에 안전 관련 정보가 전송된다(제700단계). 이후, 상위 레벨 관제 장치(500)는 복수의 안전 관련 정보를 종합하여 연관된 위험도를 분석하고, 필요에 따라 작업자 및/또는 안전관리자에게 위험 알림 경보를 발생한다(제710단계).

도 8은 하위 레벨 관제 장치(400a~400n)에서 실행되는 제650단계 내지 제700단계의 안전 관제 프로세스를 보다 구체적으로 보여준다.

안전 관제 실행 중에, 카메라(10a)에서 출력되는 영상은 현장 수집 데이터 DB(429)를 경유하여 공정별 영상 분석 모듈(424)의 분석을 거친 후, 안전규칙 처리 모듈(422)로 전달된다(제750단계~제754단계). 안전규칙 처리 모듈(422)는 위험 상황의 존재 여부를 판단하기 위하여 작업공정 DB(426)와 메타 데이터 DB(428)를 조회한다. 즉, 안전규칙 처리 모듈(422)은 작업공정 DB(426)에서 해당 카메라(10a)가 설치된 공정에 대한 공정 정보를 확인하고(제756단계), 메타 데이터 DB(428)에서 해당 공정에서의 공정 위험 요소에 대한 정보를 확인한 후(제758단계), 상기 공정 정보와 공정내 위험 요소 정보를 토대로 영상이 사전에 정해진 규칙에 부합되는지를 판단함으로써 영상 내에 위험 상황이 존재하는지를 결정한다(제760단계). 일 실시예에 있어서, 안전규칙 처리 모듈(422)은 이와 같이 규칙기반(Rule-based)으로 동작한다. 그렇지만, 본 발명이 이에 한정되는 것은 아니며, 안전규칙 처리 모듈(422)도 학습될 수 있으며, 이러한 학습을 통해 위험 여부를 판단할 수도 있다.

위험 상황이 존재하는 것으로 즉, 위험 상황이 발생한 것으로 판정되면, 안전규칙 처리 모듈(422)은 위험 알림 모듈(436)에 위험 정보를 전달한다(제762단계). 위험 정보를 전달받으면, 위험 알림 모듈(436)은 현장 작업자에게 즉각적으로 위험을 알리고(제764단계), 상위 레벨 관제 장치(500)에도 안전 관련 정보를 전송하여 보고를 한다(제766단계). 이때, 안전관리자에게도 동시에 위험 알림을 전달할 수 있다.

도 9는 상위 레벨 관제 장치(500)에서 실행되는 제710단계의 안전 관제 프로세스를 보다 구체적으로 보여준다.

하위 레벨 관제 장치(400a~400n)에서 송신한 안전 관련 정보는 현장 수집 데이터 DB(529)에 저장된다. 현장 수집 데이터 DB(529)에 저장된 안전 관련 정보는 영상 종합 분석 모듈(524)에 의해 읽혀져서 정제된 후(제780단계, 제782단계), 안전규칙 종합 모듈(522)에 전달된다(제784단계). 안전규칙 종합 모듈(522)은

메타 데이터 DB(528)에 조회하여 각 안전 관련 정보에 관련된 정확한 작업공정을 파악한다(제786단계). 그리고, 안전규칙 종합 모듈(522)은 작업공정 관계 DB(526) 조회를 통해 공정들 간의 관계를 파악한다(제788단계). 이어서, 안전규칙 종합 모듈(522)은 작업공정들 간의 관계와 각 공정에 대한 작업공정 정보를 활용하여 인접한 공간에서 위험 연관관계가 있는 작업이 동시에 이루어지는지 연관된 위험도를 분석한다(제790단계).

이와 같은 종합 분석으로 통해 안전 관련 정보들 간의 연관된 위험도가 크다고 판단되면, 안전규칙 종합 모듈(522)은 위험 알림 모듈(536)에 위험 정보를 전달한다(제792단계). 위험 정보를 전달받으면, 위험 알림 모듈(536)은 현장 작업자에게 즉각적으로 위험을 알리고(제794단계), 안전관리자에게도 상황을 알리게 된다(제796단계). 예를 들어, 시너와 같은 인화성 물질을 사용하는 공정과 불티가 날릴 수 있는 용접 작업이 특정 거리 이내에서 동시에 진행 중이라면, 안전규칙 종합 모듈(522)은 위험도를 최상으로 보고 바로 알림을 통해 작업을 중단시키게 된다.

도 10은 하위 레벨 관제 장치들(400a~400n) 및 상위 레벨 관제 장치(500)의 블록도이다.

도 10을 참조하면, 본 발명의 일 실시예에 따른 관제 장치들(400a~400n, 500)은 적어도 하나의 프로세서(1020), 메모리(1040), 및 저장 장치(1060)를 포함할 수 있다.

프로세서(1020)는 메모리(1040) 및/또는 저장 장치(1060)에 저장된 프로그램 명령을 실행할 수 있다. 프로세서(1020)는 적어도 하나의 중앙 처리 장치(central processing unit, CPU)나 그래픽 처리 장치(graphics processing unit, GPU)에 의해 구현될 수 있으며, 그밖에 본 발명에 따른 작업현장 안전 관제 방법을 수행할 수 있는 여타의 프로세서로 구현될 수도 있다.

메모리(1040)는 예컨대 ROM(Read Only Memory)와 같은 휘발성 메모리와, RAM(Random Access Memory)과 같은 비휘발성 메모리를 포함할 수 있다. 메모리(1040)는 저장 장치(1060)에 저장된 프로그램 명령을 로드하여, 프로세서(1020)에 제공할 수 있다.

저장 장치(1060)는 프로그램 명령과 데이터를 저장하기에 적합한 기록매체로서, 예컨대 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(Magnetic Media), CD-ROM(Compact Disk Read Only Memory), DVD(Digital Video Disk)와 같은 광 기록 매체(Optical Media), 플롭티컬 디스크(Floptical Disk)와 같은 자기-광 매체(Magneto-Optical Media), 플래시 메모리나 EPROM(Erasable Programmable ROM) 또는 이들을 기반으로 제작되는 SSE와 같은 반도체 메모리를 포함할 수 있다.

저장 장치(1060)는 상기 프로그램 명령을 저장한다. 상기 하위 레벨 관제 장치들(400a~400n)의 예를 들면, 상기 프로그램 명령은 도 4에 도시된 장치 연결 서비스부(410)와, 코어 서비스부(420)와, 관리 서비스부(430)를 구현하는데 필요한 프로그램 명령을 포함한다. 한편, 상위 레벨 관제 장치(500)의 예를 들면, 상기 프로그램 명령은 도 4에 도시된 장치 연결 서비스부(510)와, 코어 서비스부(520)와, 관리 서비스부(530)를 구현하는데 필요한 프로그램 명령을 포함한다. 이와 같은 프로그램 명령은 프로세서(1020)의 제어에 의해 메모리(1040)에 로드된 상태에서, 프로세서(1020)에 의해 실행되어 본 발명에 의한 작업현장 안전 관제 방법을 구현할 수 있다.

각 하위 레벨 관제 장치(400a~400n)는 상위 레벨 관제 장치(500)과 동일하거나 유사한 사양의 프로세서에 의해 구현될 수 있다. 그렇지만, 각 하위 레벨 관제 장치(400a~400n)의 데이터 처리 부하가 상위 레벨 관제 장치(500)보다 낮은 점을 감안하여, 각 하위 레벨 관제 장치(400a~400n)를 상위 레벨 관제 장치(500)보다 낮은 사양의 프로세서에 의해 구현할 수도 있다.

한편, 도 4에 도시된 하위 레벨 관제 장치들(400a~400n)와 상위 레벨 관제 장치(500)의 기능적 구성은 이 장치들의 기능을 열거한 것으로서, 각 모듈과 서비스부 그리고 DB들이 열거된 명칭 단위로 구현되어야 하는 것은 아니다. 즉, 복수의 모듈들이나 서비스들이 통합될 수도 있고, 서로 다르게 그룹핑될 수도 있다. DB들 역시 마찬가지이다.

위에서 언급한 바와 같이 본 발명의 실시예에 따른 동작은 컴퓨터로 읽을 수 있는 기록매체에 컴퓨터가 읽을 수 있는 프로그램 또는 코드로서 구현하는 것이 가능하다. 컴퓨터가 읽을 수 있는 기록매체는 컴퓨터 시스템에 의해 읽혀질 수 있는 데이터가 저장되는 모든 종류의 기록장치를 포함한다. 또한 컴퓨터가 읽을 수 있는 기록매체는 네트워크로 연결된 컴퓨터 시스템에 분산되어 분산 방식으로 컴퓨터로 읽을 수 있는 프로그램 또는 코드가 저장되고 실행될 수 있다.

상기 컴퓨터가 읽을 수 있는 기록매체는 롬(rom), 램(ram), 플래시 메모리(flash memory) 등과 같이 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치를 포함할 수 있다. 프로그램 명령은 컴파일러(compiler)에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터(interpreter) 등을 사용해서 컴퓨터에 의해 실행될 수 있는 고급 언어 코드를 포함할 수 있다.

본 발명의 일부 측면들은 장치의 문맥에서 설명되었으나, 그것은 상응하는 방법에 따른 설명 또한 나타낼 수 있고, 여기서 블록 또는 장치는 방법 단계 또는 방법 단계의 특징에 상응한다. 유사하게, 방법의 문맥에서 설명된 측면들은 또한 상응하는 블록 또는 아이템 또는 상응하는 장치의 특징으로 나타낼 수 있다. 방법 단계들의 몇몇 또는 전부는 예를 들어, 마이크로프로세서, 프로그램 가능한 컴퓨터 또는 전자 회로와 같은 하드웨어 장치에 의해(또는 이용하여) 수행될 수 있다. 몇몇의 실시예에서, 가장 중요한 방법 단계들의 하나 이상은 이와 같은 장치에 의해 수행될 수 있다.

실시예들에서, 프로그램 가능한 로직 장치(예를 들어, 필드 프로그래머블 게이트 어레이)가 여기서 설명된 방법들의 기능의 일부 또는 전부를 수행하기 위해 사용될 수 있다. 실시예들에서, 필드 프로그래머블 게이트 어레이는 여기서 설명된 방법들 중 하나를 수행하기 위한 마이크로프로세서와 함께 작동할 수 있다. 일반적으로, 방법들은 어떤 하드웨어 장치에 의해 수행되는 것이 바람직하다.

상기에서는 본 발명의 바람직한 실시예를 참조하여 설명하였지만, 해당 기술 분야의 숙련된 당업자는 하기의 특허 청구의 범위에 기재된 본 발명의 사상 및 영역으로부터 벗어나지 않는 범위 내에서 본 발명을 다양하게 수정 및 변경시킬 수 있음을 이해할 수 있을 것이다.

Claims

계층적으로 접속되어 있는 복수의 관제 장치들 중 하위 레벨 관제 장치가 다수의 카메라들이 획득한 작업현장 영상들을 토대로 생성한 안전 관련 정보를 종합하여 위험 가능성을 판단하는 작업현장 안전 관제 장치로서,
프로세서와, 상기 프로세서에 의해 실행되는 프로그램 명령어들을 저장하는 메모리를 포함하고, 상기 프로그램 명령어들은 상기 프로세서에 의해 실행되었을 때:
각 공정들간의 관계 정보를 토대로 복수의 안전 관련 정보들을 연계시켜 종합함으로써, 연관된 위험도를 예측하는 동작; 및
상기 연관된 위험도가 큰 경우에 위험 알림을 발생하는 동작;
을 수행하는 명령어들을 포함하는
작업현장 안전 관제 장치.
청구항 1에 있어서,
각 공정에 대한 작업공정 정보와, 작업공정들 간의 관계를 저장하는 저장 장치;
를 더 구비하며, 상기 연관된 위험도를 예측하는 동작을 각 공정에 대한 상기 작업공정 정보와 상기 작업공정 관계 정보를 토대로 수행하는
작업현장 안전 관제 장치.
청구항 2에 있어서, 상기 프로그램 명령어들은 상기 프로세서에 의해 실행되었을 때:
상기 하위 레벨 관제 장치로부터 각 카메라가 획득한 정지영상을 받아들이고 상기 정지영상을 토대로 공정을 구분하여, 공정 종류 정보를 생성하고 상기 저장 장치에 저장함과 아울러 상기 하위 레벨 관제 장치에 제공하는 동작;
을 수행하는 명령어들을 더 포함하는
작업현장 안전 관제 장치.
청구항 3에 있어서, 상기 정지영상을 받아들이고 상기 정지영상을 토대로 공정을 구분하는 동작을 수행하는 프로그램 명령어들은 새로운 카메라가 상기 하위 레벨 관제 장치에 접속되었을 때 장치 등록 과정에서 실행되는
작업현장 안전 관제 장치.
청구항 4에 있어서, 상기 프로그램 명령어들은 상기 프로세서에 의해 실행되었을 때:
작업공정별로 영상을 통해서 위험도에 대한 학습을 진행하고, 학습 결과를 토대로 영상 분석을 위한 신경망 파라미터를 결정하는 동작;
을 수행하는 명령어들을 더 포함하는 작업현장 안전 관제 장치.
청구항 5에 있어서, 상기 프로그램 명령어들은 상기 프로세서에 의해 실행되었을 때:
입력되는 정지영상으로부터 공정을 구분할 수 있는 능력을 학습하는 동작;
을 수행하는 명령어들을 더 포함하는 작업현장 안전 관제 장치.
청구항 6에 있어서, 상기 프로그램 명령어들은 상기 프로세서에 의해 실행되었을 때:
상기 다수의 카메라 중 적어도 하나의 카메라에 대한 카메라 속성 정보와 상기 적어도 하나의 카메라가 획득한 하나 이상의 정지영상을 받아들이는 동작; 및
상기 카메라 속성 정보와 상기 하나 이상의 정지영상을 토대로 상기 적어도 하나의 카메라가 촬영하는 공정에 대한 공정 정보와 해당 공정에 대한 상기 신경망 파라미터를 결정하여 상기 하위 레벨 관제 장치에 전달함으로써, 상기 작업현장 영상들을 정제하는데 활용할 수 있게 하는 동작;
을 수행하는 명령어들을 더 포함하는
작업현장 안전 관제 장치.
청구항 1에 있어서, 상기 안전 관련 정보가 작업현장의 위험 상황에 대한 정보와, 분석 대상 영상에서 발견된 개체에 대한 개체 정보와, 상기 분석 대상 영상에서 추출된 정지영상을 포함하는 작업현장 안전 관제 장치.
청구항 1에 있어서, 상기 작업현장 안전 관제 장치가 각각이 하나 이상의 카메라에 접속된 복수의 하위 레벨 관제 장치에 접속되어 있는
작업현장 안전 관제 장치.
다수의 카메라들이 획득한 작업현장 영상들을 토대로 작업자의 위험 상태를 판단하고, 상기 작업자의 안전 관련 정보를 생성하여 계층적으로 접속되어 있는 복수의 관제 장치들 중 상위 레벨 관제 장치에 전달하는 작업현장 안전 관제 장치로서,
프로세서와, 상기 프로세서에 의해 실행되는 프로그램 명령어들을 저장하는 메모리를 포함하고, 상기 프로그램 명령어들은 상기 프로세서에 의해 실행되었을 때:
공정 정보와 공정별 위험 요소 정보를 토대로, 상기 작업현장 영상들 중에 소정 규칙에 부합되지 않는 영상이 있는지 판단함으로써 작업현장에 위험 상황이 존재하는지 분석하는 동작; 및
분석 결과를 안전 관련 정보로써 상기 상위 레벨 관제 장치에 전달하는 동작;
을 수행하는 명령어들을 포함하는
작업현장 안전 관제 장치.
제10항에 있어서,
상기 공정 정보와 상기 공정별 위험 요소 정보와 신경망 파라미터를 상기 상위 레벨 관제 장치로부터 수신하여 저장하는 저장 장치;
를 더 구비하며, 상기 규칙에 부합되지 않는 영상이 있는지에 대한 판단은 상기 공정 정보와 상기 공정별 위험 요소 정보를 토대로 수행되는
작업현장 안전 관제 장치.
제10항에 있어서, 상기 프로그램 명령어들은 상기 프로세서에 의해 실행되었을 때 상기 다수의 카메라들에 의해 획득된 상기 영상들을 작업공정과 위험도에 따라 정제하는 동작을 수행하는 명령어들을 더 포함하며,
상기 규칙에 부합되지 않는 영상이 있는지에 대한 판단은 정제된 영상들을 사용하여 수행되는 작업현장 안전 관제 장치.
제10항에 있어서, 상기 작업현장에 위험 상황이 존재하는지 분석하는 동작을 수행하는 프로그램 명령어들은 각 공정별로 별도로 마련되어 각각이 특정 공정에 특화되어 동작하는 작업현장 안전 관제 장치.
청구항 10에 있어서, 상기 안전 관련 정보가 상기 작업현장의 상기 위험 상황에 대한 정보와, 분석 대상 영상에서 발견된 개체에 대한 개체 정보와, 상기 분석 대상 영상에서 추출된 정지영상을 포함하는 작업현장 안전 관제 장치.
각각이 작업현장에 대한 영상을 획득하는 다수의 카메라들; 및 계층적으로 접속되어 있고 상기 다수의 카메라들에 의해 획득된 영상들을 토대로 상기 작업현장에 있는 작업자의 위험 상태를 역할을 분담하여 검출하며 하위 레벨 관제 장치 및 상위 레벨 관제 장치를 포함하는 복수의 관제 장치;를 구비하는 작업현장 안전 관제 시스템에 있어서,
(a) 상기 하위 레벨 관제 장치가, 상기 다수의 카메라들에 의해 획득된 영상들 중에 사전에 정해진 규칙에 부합되지 않는 영상이 있는지 판단하여 위험 상황이 존재하는지 분석하고, 분석 결과를 안전 관련 정보로써 상기 상위 레벨 관제 장치에 전달하는 단계;
(b) 상기 상위 레벨 관제 장치가, 복수의 안전 관련 정보들을 연계시켜 종합함으로써 연관된 위험도를 예측하는 단계; 및
(c) 상기 상위 레벨 관제 장치가, 상기 연관된 위험도가 큰 경우에 위험 알림을 발생하는 단계;
를 포함하는 작업현장 안전 관제 방법.
청구항 15에 있어서, 상기 (a)단계가
상기 다수의 카메라들에 의해 획득된 상기 영상들을 작업공정과 위험도에 따라 정제하는 단계;
를 포함하며, 상기 위험 상황이 존재하는지 분석을 함에 있어서 정제된 영상들 중에 상기 규칙에 부합되지 않는 영상이 있는지 판단하는 작업현장 안전 관제 방법.
청구항 15에 있어서,
늦어도 상기 (b)단계가 수행되기 이전에 수행되며, 상기 상위 레벨 관제 장치가, 작업공정별로 영상을 통해서 위험도에 대한 학습을 진행하고, 학습 결과를 토대로 영상 분석을 위한 신경망 파라미터를 결정하는 단계;
를 더 포함하는 작업현장 안전 관제 방법.
청구항 17에 있어서,
상기 상위 레벨 관제 장치가, 입력되는 정지영상으로부터 공정을 구분할 수 있는 능력을 학습하는 단계;
를 더 포함하는 작업현장 안전 관제 방법.
청구항 18에 있어서,
상기 상위 레벨 관제 장치가, 상기 하위 레벨 관제 장치를 통하여 상기 다수의 카메라 중 적어도 하나의 카메라로부터 카메라 속성 정보와 하나 이상의 정지영상을 받아들이는 단계; 및
상기 카메라 속성 정보와 상기 하나 이상의 정지영상을 토대로 상기 적어도 하나의 카메라가 촬영하는 공정에 대한 공정 정보와 해당 공정에 대한 상기 신경망 파라미터를 결정하여 상기 하위 레벨 관제 장치에 전달함으로써, 상기 정제에 활용할 수 있게 하는 단계;
를 더 포함하는 작업현장 안전 관제 방법.