KR20230108587A - 이미지 인식 프로세스 기반 건설현장 사고 예측 시스템 및 예측방법 - Google Patents

이미지 인식 프로세스 기반 건설현장 사고 예측 시스템 및 예측방법 Download PDF

Info

Publication number
KR20230108587A
KR20230108587A KR1020220004185A KR20220004185A KR20230108587A KR 20230108587 A KR20230108587 A KR 20230108587A KR 1020220004185 A KR1020220004185 A KR 1020220004185A KR 20220004185 A KR20220004185 A KR 20220004185A KR 20230108587 A KR20230108587 A KR 20230108587A
Authority
KR
South Korea
Prior art keywords
accident
type
safety
unit
work
Prior art date
Application number
KR1020220004185A
Other languages
English (en)
Inventor
박찬식
김대영
임지영
Original Assignee
중앙대학교 산학협력단
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 중앙대학교 산학협력단 filed Critical 중앙대학교 산학협력단
Priority to KR1020220004185A priority Critical patent/KR20230108587A/ko
Publication of KR20230108587A publication Critical patent/KR20230108587A/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/08—Construction
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/901—Indexing; Data structures therefor; Storage structures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/906—Clustering; Classification
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0635—Risk analysis of enterprise or organisation activities
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/10—Image acquisition
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/60—Type of objects

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Human Resources & Organizations (AREA)
  • General Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Multimedia (AREA)
  • Quality & Reliability (AREA)
  • Databases & Information Systems (AREA)
  • Game Theory and Decision Science (AREA)
  • Development Economics (AREA)
  • Operations Research (AREA)
  • General Health & Medical Sciences (AREA)
  • Educational Administration (AREA)
  • Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Software Systems (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

본 발명은 이미지 인식 프로세스 기반 건설현장 사고 예측 시스템 및 예측방법에 관한 것으로, 보다 상세하게는 건설현장에서 사고 발생을 예측하기 위한 시스템으로서, 건설 자재, 안전시설물, 작업자, 상기 작업자가 착용해야하는 안전장비, 작업장비에 대한 데이터를 저장하는 DB; 건설현장의 이미지를 획득하는 현장 이미지획득부; 상기 이미지획득부에서 획득된 이미지를 분석하여 분석대상 객체를 인식하고, 인식된 객체 상태를 분석하는 객체인식부; 및 분석된 객체 상태에 대해 사고발생가능성과, 발생가능한 사고종류를 파악하는 사고발생예측부;를 포함하는 것을 특징으로 하는 이미지 인식 프로세스 기반 건설현장 사고 예측 시스템에 관한 것이다.

Description

이미지 인식 프로세스 기반 건설현장 사고 예측 시스템 및 예측방법{Computer Vision Process to Prevent Fall Accidents in the Construction Sites}
본 발명은 이미지 인식 프로세스 기반 건설현장 사고 예측 시스템 및 예측방법에 관한 것이다.
국내의 산업재해 발생률은 지속적으로 증가하고 있으며, 그 중 건설재해는 전체 산업재해의 1/3 이상을 차지하고 있다.
한국산업안전보건공단의 2009~2017년 산업재해 현황 및 분석에 따르면 추락사고사망자는 전체 사고 사망자의 47.7%~52.1%로 절반가량을 차지하고 있다.
추락재해는 건설현장 어디에서나 발생할 수 있는 발생빈도와 재해강도가 높은 중대재해이다. 2층 높이에서 작업수행 도중 떨어질 때도 중상 또는 사망재해와 같은 중대재해로 이어지는 경우가 많으므로 주의가 필요하다.
건설현장에서는 추락사고 예방을 위해 건설안전교육, 고소작업관리지침, 추락방지보호장비 도입 등 많은 노력과 예산을 투입하고 있다.
추락으로 인한 사고를 예방하기 위한 다양한 대책이 있지만, 직접적인 사고 예방을 위해서는 작업자의 안전고리 체결 여부의 확인이 중요하다.
안전고리 체결 강화를 위해 건설현장에 카메라를 설치하고 이미지나 동영상 인식을 이용하여 자동으로 안전고리 체결을 확인하는 다양한 연구가 진행되고 있다.
안전고리와 관련 법규에 관한 내용은 도 1과 같다.
안전보건규칙 제32조는 그 작업조건에 맞는 보호구를 작업하는 근로자 수 이상으로 지급하고 착용하도록 보호구의 지급 등을 규정하고 있다. 높이 또는 깊이 2미터 이상의 추락할 위험이 있는 장소에서 하는 작업은 안전대(안전고리)를 반드시 체결하도록 규정하고 있다.
안전보건규칙 제42조는 추락 방지에 대한 내용을 규정하고 있다. 작업발판을 설치하기 곤란한 경우 추락방호망을 설치하여야 하고, 추락방호망을 설치하기 곤란한 경우에는 근로자에게 안전대를 착용하도록 추락위험을 방지하는 데 필요한 조치를 하여야 한다고 규정하고 있다. 추락방호망의 설치 위치는 가능하면 작업면으로부터 가까운 지점에 설치하여야 하며, 작업면으로부터 망의 설치지점까지의 수직거리는 10미터를 초과하지 아니할 것이라고 규정하고 있다.
안전보건규칙 제44조는 추락할 위험이 있는 높이 2미터로 규정하고, 안전대의 부착설비를 설치하도록 규정하고 있다. 안전대 부착설비로 지지로프 등을 설치하는 경우에는 처지거나 풀리는 것을 방지하는 데 필요한 조치를 하여야 한다고 규정하고 있다.
도 2는 시스템 비계와 관련 법규에 대한 내용을 정리한 것이다.
안전보건규칙 제56조는 작업발판의 구조에 대하여 규정하고 있다. 발판재료는 작업할 때의 하중을 견딜 수 있도록 견고한 것으로 하고 작업발판의 폭은 40센티미터 이상으로 하며 발판재료 간의 틈은 3센티미터 이하로 해야 한다고 규정하고 있다. 작업발판의 지지물은 하중에 의하여 파괴될 우려가 없는 것을 사용하고, 작업발판재료는 뒤집히거나 떨어지지 않도록 둘 이상의 지지물에 연결하거나 고정시키며, 작업발판을 작업에 따라 이동시킬 경우에는 위험 방지에 필요한 조치를 해야 한다고 규정하고 있다.
안전보건규칙 제57조는 높이 5미터 이상의 비계를 조립, 해체하거나 변경하는 작업을 하는 경우 준수하여야 하는 규정을 제시하고 있다. 조립, 해체 또는 변경의 시기, 범위 및 절차를 그 작업에 종사하는 근로자에게 주지시켜야 하고 그 작업구역에는 해당 작업에 종사하는 근로자가 아닌 사람의 출입을 금지하고 그 내용을 보기 쉬운 장소에 게시해야 한다고 규정하고 있다. 비, 눈, 그 밖의 기상 상태의 불안정으로 날씨가 몹시 나쁜 경우에는 그 작업을 중지시키고, 비계재료의 연결, 해체작업을 할 때는 폭 20센티미터 이상의 발판을 설치하고 근로자에게 안전대를 사용하도록 하는 등 추락을 방지하기 위한 조치를 해야 한다고 규정하고 있다. 재료, 기구 또는 공구 등을 올리거나 내릴 때는 근로자가 달줄 또는 달포대 등을 사용해야 한다고 규정하고 있다.
안전보건규칙 제58조는 비, 눈, 그 밖의 기상 상태의 악화로 작업을 중지시킨 후 또는 비계를 조립, 해체하거나 변경한 후에 그 비계에서 작업을 할 때는 해당 작업을 시작하기 전에 점검해야 하는 항목을 규정하고 있고, 비계에 이상을 발견하면 즉시 보수하여야 한다고 규정하고 있다.
점검이 필요한 항목은 발판 재료의 손상 여부 및 부착 또는 걸림 상태, 해당 비계의 연결부 또는 접속부의 풀림 상태, 연결 재료 및 연결 철물의 손상 또는 부식 상태, 손잡이의 탈락 여부, 기둥의 침하, 변형, 변위(變位) 또는 흔들림 상태, 로프의 부착 상태 및 매단 장치의 흔들림 상태로 규정하고 있다.
종래와 같이, 엔지니어와 현장 관리자가 안전고리 체결여부를 확인하기 위해 현장을 돌아다녀야 하는 전통적인 안전 검사 수행은 시간과 노동 집약적인 비효율적 프로세스이다.
이를 극복하기 위한 이미지 인식 혹은 컴퓨터 비전 방법의 기존 기술도 건설현장을 커버할 수 있을 만큼 개념이 명확하지 않고, 적용사례만을 보여줄 뿐 현장에서 적용할 수 있는 프로세스에 대한 방법을 자세하게 설명하지 못하고 있다.
종래 기술은 컴퓨터 비전 관련 알고리즘 및 기술 도입에만 치중하고 있다. 어떤 것을 인식해야 하는지, 어떤 순서대로 인식해야 하는지 등 detection targets를 간과하고 있다. 인식 targets에 대한 법률 검토 및 검토된 법률을 detection 시 어떻게 적용해야 하는지에 대한 제시가 없다. 또한 각 단계별로 고려해야 하는 사항에 대한 구체적인 제시가 없다.
대한민국 등록특허 10-2136070 대한민국 등록특허 10-1914228 대한민국 등록특허 10-2306815 대한민국 공개특허 10-2021-0081618
따라서 본 발명은 상기와 같은 종래의 문제점을 해결하기 위하여 안출된 것으로서, 본 발명의 실시예에 따르면, 건설현장에서의 추락사고 예방을 위해 국내의 법과 기준 분석을 바탕으로 한 현장 이미지의 인식 프로세스(추론 프로세스)를 제공하는데 그 목적이 있다.
본 발명의 실시예에 따르면, 안전대와 안전고리 미체결로 인한 사고를 줄일 수 있으며, 지붕 시공, 타워크레인 설치 및 해체 작업, 철탑 설치 및 해체 작업 등에도 적용할 수 있으며, 제안된 컴퓨터 비전 적용 방법론은 건설산업 시각화 연구의 기반이 될 수 있고, 영상인식을 통해 안전사고율을 줄이는 데 도움이 될 수 있는, 이미지 인식 프로세스 기반 건설현장 사고 예측 시스템 및 예측방법을 제공하는데 그 목적이 있다.
본 발명의 실시예에 따르면, 영상물 인식 단계와 사고 예측 단계를 분리한 CVA(Computer Vision Algorithms) 방법론을 제시하고 실제 적용 가능하며, 이러한 CVA 방법론은 안전사고를 예방하기 위해 컴퓨터 비전 프로그램이나 시스템을 개발할 때 건설현장에서 수집해야 하는 데이터를 결정하는 사용될 수 있는, 이미지 인식 프로세스 기반 건설현장 사고 예측 시스템 및 예측방법을 제공하는데 그 목적이 있다.
한편, 본 발명에서 이루고자 하는 기술적 과제들은 이상에서 언급한 기술적 과제들로 제한되지 않으며, 언급하지 않은 또 다른 기술적 과제들은 아래의 기재로부터 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 명확하게 이해될 수 있을 것이다.
본 발명의 제1목적은 건설현장에서 사고 발생을 예측하기 위한 시스템으로서, 건설 자재, 안전시설물, 작업자, 상기 작업자가 착용해야하는 안전장비, 작업장비에 대한 데이터를 저장하는 DB; 건설현장의 이미지를 획득하는 현장 이미지획득부; 상기 이미지획득부에서 획득된 이미지를 분석하여 분석대상 객체를 인식하고, 인식된 객체 상태를 분석하는 객체인식부; 및 분석된 객체 상태에 대해 사고발생가능성과, 발생가능한 사고종류를 파악하는 사고발생예측부;를 포함하는 것을 특징으로 하는 이미지 인식 프로세스 기반 건설현장 사고 예측 시스템으로서 달성될 수 있다.
그리고 상기 DB는 건설 자재, 안전시설물에 대한 데이터가 저장되는 자재 DB와, 작업자와 상기 작업자가 착용해야하는 안전장비에 대한 데이터가 저장된 작업자 DB와, 작업장비에 대한 데이터를 저장하는 장비DB를 포함하는 객체DB; 사고종류와 상기 사고종류별 대응데이터를 분류, 저장하는 사고종류 DB; 사고 종류별로 기존 안전사고데이터가 분류, 저장되는 기존안전사고 DB; 및 현장 작업 종류별로 매칭된 관련법류, 준수사항데이터가 분류, 저장되는 관련법류 DB;를 포함하는 것을 특징으로 할 수 있다.
또한 사고 위험을 예측하고자 하는 현장 작업의 종류를 설정하는 작업종류 설정부; 및 설정된 상기 작업종류에 대하여 상기 관련법류 DB에 기반하여 안전 준수사항을 생성하고, 프로세스별 이미지 인식 대상 객체, 상기 대상 객체의 인식 순서를 파악하는 인식 프로세스 산출부;를 포함하는 것을 특징으로 할 수 있다.
그리고 상기 현장으로 반입되는 객체를 입력 또는 파악하는 현장반입객체 파악부;를 더 포함하는 것을 특징으로 할 수 있다.
또한 상기 객체인식부는, 상기 인식 대상 객체의 종류를 분석하는 객체종류분석부; 상기 객체 종류별로 상태를 분석하는 객체상태분석부; 및 상기 객체 종류별로 위험요인을 분석하는 위험요인분석부;를 포함하는 것을 특징으로 할 수 있다.
그리고 상기 객체 종류는 자체, 작업자, 장비로 분류되며, 상기 객체종류분석부는 상기 객체 DB의 자재 DB와, 작업자 DB와, 장비DB에 기반하여 객체종류를 분석하고, 상기 객체상태분석부는 자재의 위치측정과 고정, 설치여부를 분석하고, 작업자의 위치측정과 안전장비 착용여부를 분석하며, 장비의 위치측정과 작동여부를 분석하며, 상기 위험요인분석부는 관련 준수사항에 부합되는 자재의 설치여부, 안전설비 설치, 고정여부, 연결고리 부착여부, 자재의 정위치 설치여부를 분석하며, 작업자의 안전장비 착용여부, 장비와 작업자의 안전거리 유지여부, 장비와 자재의 작업자 안전거리 유지여부를 분석하는 것을 특징으로 할 수 있다.
또한 상기 사고발생예측부는, 상기 위험요인분석부에서 분석된 객체 종류별 위험요인데이터에 기반하여 사고가능성을 판단하는 사고가능성판단부; 상기 기존안전사고 DB와 상기 사고종류 DB에 기반하여 발생가능한 사고종류를 판단하는 사고종류분석부; 및 판단된 상기 사고종류에 대한 대응데이터를 상기 사고종류 DB에 기반하여 도출하는 지시데이터 생성부;를 포함하는 것을 특징으로 할 수 있다.
본 발명의 제2목적은 건설현장에서 사고 발생을 예측하기 위한 방법으로서, 제 2항에 따른 DB를 구축하는 단계; 작업종류설정부를 통해 작업종류를 입력하는 단계; 현장 이미지획득부를 통해 작업중, 건설현장의 이미지를 실시간으로 획득하는 단계; 객체인식부가 상기 이미지획득부에서 획득된 이미지를 분석하여 분석대상 객체를 인식하고, 인식된 객체 상태를 분석하는 단계; 및 사고발생예측부가 분석된 객체 상태에 대해 사고발생가능성과, 발생가능한 사고종류를 파악하는 단계;를 포함하는 것을 특징으로 하는 이미지 인식 프로세스 기반 건설현장 사고 예측방법으로서 달성될 수 있다.
그리고 상기 입력하는 단계 후에, 인식 프로세스 산출부가, 설정된 상기 작업종류에 대하여 관련법류 DB에 기반하여 안전 준수사항을 생성하고, 프로세스별 이미지 인식 대상 객체, 상기 대상 객체의 인식 순서를 파악하는 단계를 더 포함하는 것을 특징으로 할 수 있다.
또한 상기 분석하는 단계는, 객체종류분석부가 상기 인식 대상 객체의 종류를 분석하는 단계; 객체상태분석부가 상기 객체 종류별로 상태를 분석하는 단계; 및 위험요인분석부가 상기 객체 종류별로 위험요인을 분석하는 단계;를 포함하는 것을 특징으로 할 수 있다.
그리고 상기 파악하는 단계는, 사고가능성판단부가 상기 위험요인분석부에서 분석된 객체 종류별 위험요인데이터에 기반하여 사고가능성을 판단하는 단계; 사고종류분석부가 기존안전사고 DB와 사고종류 DB에 기반하여 발생가능한 사고종류를 판단하는 단계; 및 지시데이터생섭우가 판단된 상기 사고종류에 대한 대응데이터를 상기 사고종류 DB에 기반하여 도출하는 단계;를 포함하는 것을 특징으로 할 수 있다.
본 발명의 제3목적은 컴퓨터에 의해 앞서 언급한 제2목적에 따른 예측방법을 실행시키는 것을 특징으로 하는 프로그램으로서 달성될 수 있다.
본 발명의 실시예에 따르면, 건설현장에서의 추락사고 예방을 위해 국내의 법과 기준 분석을 바탕으로 한 현장 이미지의 인식 프로세스(추론 프로세스)를 제공할 수 있다.
본 발명의 실시예에 따른 이미지 인식 프로세스 기반 건설현장 사고 예측 시스템 및 예측방법에 따르면, 안전대와 안전고리 미체결로 인한 사고를 줄일 수 있으며, 지붕 시공, 타워크레인 설치 및 해체 작업, 철탑 설치 및 해체 작업 등에도 적용할 수 있으며, 제안된 컴퓨터 비전 적용 방법론은 건설산업 시각화 연구의 기반이 될 수 있고, 영상인식을 통해 안전사고율을 줄이는 데 도움이 될 수 있는 효과를 갖는다.
본 발명의 실시예에 따른 이미지 인식 프로세스 기반 건설현장 사고 예측 시스템 및 예측방법에 따르면, 영상물 인식 단계와 사고 예측 단계를 분리한 CVA(Computer Vision Algorithms) 방법론을 제시하고 실제 적용 가능하며, 이러한 CVA 방법론은 안전사고를 예방하기 위해 컴퓨터 비전 프로그램이나 시스템을 개발할 때 건설현장에서 수집해야 하는 데이터를 결정하는 사용될 수 있는 장점이 있다.
한편, 본 발명에서 얻을 수 있는 효과는 이상에서 언급한 효과들로 제한되지 않으며, 언급하지 않은 또 다른 효과들은 아래의 기재로부터 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 명확하게 이해될 수 있을 것이다.
본 명세서에 첨부되는 다음의 도면들은 본 발명의 바람직한 실시예를 예시하는 것이며, 발명의 상세한 설명과 함께 본 발명의 기술적 사상을 더욱 이해시키는 역할을 하는 것이므로, 본 발명은 그러한 도면에 기재된 사항에만 한정되어 해석 되어서는 아니 된다.
도 1은 본 발명의 실시예에 따른 이미지 인식 프로세스 기반 건설현장 사고 예측 시스템의 구성도,
도 2는 본 발명의 실시예에 따른 이미지 인식 프로세스 기반 건설현장 사고 예측방법의 흐름도,
도 3은 본 발명의 실시예에 따른 이미지 인식 프로세스 기반 건설현장 사고 예측 시스템의 구체적 프로세스,
도 4는 본 발명의 실시예에 따른 인식대상 요소 분석, 도출 순서도,
도 5a 및 도 5b는 본 발명의 실시예에 따른 객체 인식 이미지 예시를 나타낸 것이다.
이상의 본 발명의 목적들, 다른 목적들, 특징들 및 이점들은 첨부된 도면과 관련된 이하의 바람직한 실시예들을 통해서 쉽게 이해될 것이다. 그러나 본 발명은 여기서 설명되는 실시예들에 한정되지 않고 다른 형태로 구체화될 수도 있다. 오히려, 여기서 소개되는 실시예들은 개시된 내용이 철저하고 완전해질 수 있도록 그리고 통상의 기술자에게 본 발명의 사상이 충분히 전달될 수 있도록 하기 위해 제공되는 것이다.
본 명세서에서, 어떤 구성요소가 다른 구성요소 상에 있다고 언급되는 경우에 그것은 다른 구성요소 상에 직접 형성될 수 있거나 또는 그들 사이에 제 3의 구성요소가 개재될 수도 있다는 것을 의미한다. 또한 도면들에 있어서, 구성요소들의 두께는 기술적 내용의 효과적인 설명을 위해 과장된 것이다.
본 명세서에서 기술하는 실시예들은 본 발명의 이상적인 예시도인 단면도 및/또는 평면도들을 참고하여 설명될 것이다. 도면들에 있어서, 막 및 영역들의 두께는 기술적 내용의 효과적인 설명을 위해 과장된 것이다. 따라서 제조 기술 및/또는 허용 오차 등에 의해 예시도의 형태가 변형될 수 있다. 따라서 본 발명의 실시예들은 도시된 특정 형태로 제한되는 것이 아니라 제조 공정에 따라 생성되는 형태의 변화도 포함하는 것이다. 예를 들면, 직각으로 도시된 영역은 라운드지거나 소정 곡률을 가지는 형태일 수 있다. 따라서 도면에서 예시된 영역들은 속성을 가지며, 도면에서 예시된 영역들의 모양은 소자의 영역의 특정 형태를 예시하기 위한 것이며 발명의 범주를 제한하기 위한 것이 아니다. 본 명세서의 다양한 실시예들에서 제1, 제2 등의 용어가 다양한 구성요소들을 기술하기 위해서 사용되었지만, 이들 구성요소들이 이 같은 용어들에 의해서 한정되어서는 안 된다. 이들 용어들은 단지 어느 구성요소를 다른 구성요소와 구별시키기 위해서 사용되었을 뿐이다. 여기에 설명되고 예시되는 실시예들은 그것의 상보적인 실시예들도 포함한다.
본 명세서에서 사용된 용어는 실시예들을 설명하기 위한 것이며 본 발명을 제한하고자 하는 것은 아니다. 본 명세서에서, 단수형은 문구에서 특별히 언급하지 않는 한 복수형도 포함한다. 명세서에서 사용되는 '포함한다(comprises)' 및/또는 '포함하는(comprising)'은 언급된 구성요소는 하나 이상의 다른 구성요소의 존재 또는 추가를 배제하지 않는다.
아래의 특정 실시예들을 기술하는데 있어서, 여러 가지의 특정적인 내용들은 발명을 더 구체적으로 설명하고 이해를 돕기 위해 작성되었다. 하지만 본 발명을 이해할 수 있을 정도로 이 분야의 지식을 갖고 있는 독자는 이러한 여러 가지의 특정적인 내용들이 없어도 사용될 수 있다는 것을 인지할 수 있다. 어떤 경우에는, 발명을 기술하는 데 있어서 흔히 알려졌으면서 발명과 크게 관련 없는 부분들은 본 발명을 설명하는데 있어 별 이유 없이 혼돈이 오는 것을 막기 위해 기술하지 않음을 미리 언급해 둔다.
이하에서는 본 발명의 실시예에 따른 이미지 인식 프로세스 기반 건설현장 사고 예측 시스템(100)의 구성, 기능 및 예측방법에 대해 설명하도록 한다.
먼저, 도 1은 본 발명의 실시예에 따른 이미지 인식 프로세스 기반 건설현장 사고 예측 시스템의 구성도를 도시한 것이다. 그리고 도 2는 본 발명의 실시예에 따른 이미지 인식 프로세스 기반 건설현장 사고 예측방법의 흐름도를 도시한 것이다.
도 1에 도시된 바와 같이, 본 발명의 실시예에 따른 이미지 인식 프로세스 기반 건설현장 사고 예측 시스템(100)은 전체적으로 DB(1), 인식프로세스 산출부(50), 현장이미지획득부(3), 객체인식부(70), 사고발생예측부(80), 알림수단(90) 등을 포함하여 구성될 수 있음을 알 수 있다.
데이터베이스(DB)(1)는 건설 자재, 안전시설물, 작업자, 현장 작업중 작업자가 착용하여야 하는 안전장비, 작업장비 등에 대한 데이터를 저장하도록 구성된다. 그리고 현장 이미지 획득부(3)는 현장에서 건설현장의 이미지, 영상데이터를 실시간으로 획득하도록 구성된다.
그리고 객체인식부(70)는 이미지획득부(3)에서 획득된 이미지를 분석하여 분석대상 객체를 인식하고, 인식된 객체 상태를 분석하도록 구성된다. 또한 사고발생예측부(80)는 분석된 객체 상태에 대해 사고발생가능성과, 발생가능한 사고종류를 파악하도록 구성된다.
본 발명의 실시예에 따른 이미지 인식 프로세스 기반 건설현장 사고 예측방법에서 먼저, DB(1)가 구축되어야 한다(S1). 이러한 DB(1)는 인공지능, 딥러닝 등을 통한 업데이터, 학습, 분류 등이 가능할 수 있다.
본 발명의 실시예에 따른 DB(1)는 크게 객체종류DB(30), 사고종류 DB(40), 기존안전사고 DB(10), 관련법류 DB(20)를 포함하여 구성될 수 있다.
그리고 객체종류DB(30)는 자재DB(31), 작업자 DB(32), 장비 DB(33)를 포함하여 구성될 수 있다.
자재DB(31)는 기본적으로 건설 작업에서 시공, 설치되어야 할 건설 자재, 비계, 거푸집, 기둥 등에 대한 데이터(이미지, 도면)에 해당하며, 이러한 건설자재 데이터는 설치 위치 정보가 포함되며, 건설 단계별 설치 상태, 결합 상태에 대한 데이터를 포함한다. 그리고 현장에서 설치되어야할 안전시설에 대한 데이터를 포함하며 안전시설은 예를 들어 안전대, 안전발판, 작업발판, 지지대 등일 수 있다. 이러한 안전시설 역시 설치위치 정보에 대한 데이터를 포함하고 있다.
작업자 DB(32)는 작업 종류별 작업자 데이터를 포함한다. 예를 들어 작업종류에 따른 복장, 착용 도구 등을 기준으로 작업종류별 작업자 데이터를 분류, 저장하게 된다. 또한 작업자 DB(32)는 작업자가 착용해야하는 안전장비에 대한 데이터가 저장된다.
그리고 장비 DB(33)는 작업종류별로 필요한 장비 데이터를 저장하고 있다.
사고종류 DB(40)는 현장에서 발생될 수 있는 사고종류를 저장하며, 작업종류 별로 발생가능한 사고를 분류하여 저장할 수도 있다. 또한 사고종류 DB(40)는 사고종류별로 상황에 따른 대응데이터, 지시데이터를 분류, 저장할 수 있다.
기존안전사고 DB(10)는 사고 종류별로 기존 안전사고데이터가 분류, 저장되게 된다. 이러한 안전사고데이터는 기존 사고 영상, 이미지일 수 있다.
관련법류 DB(20)는 현장 작업 종류별로 매칭된 관련법류, 작업종류에 따른 관렵법규에 부합하는 준수사항데이터가 분류, 저장되게 된다.
그리고 작업종류 설정부(2)를 통해 작업종류를 입력하게 된다(S2). 작업종류는 예를 들어 비계 설치작업, 비계 작업, 비계 해체작업 등일 수 있으며, 작업의 종류를 제한되지 않는다.
작업종류가 입력되면, 관련법규 DB(20)를 통해 입력된 작업종류에 따른 관련법규와 준수사항을 파악하게 된다(S3).
구체적으로 인식프로세스 산출부(50)를 통해 설정된 작업종류에 대하여 관련법류 DB(20)에 기반하여 안전 준수사항을 생성하게 된다. 그리고 프로세스별 이미지 인식 대상 요소를 분석하고(S4), 이러한 대상 객체의 인식 순서를 파악하게 된다(S5). 즉, 설정된 작업 종류에 대하여, 어떠한 안전사항을 준수해야하는지, 그 안전사항을 준수하기 위해서는 어떠한 객체들을 인식해야하는지, 객체를 인식하는 순서는 어떻게 되는지에 대한 프로세스, 계획을 수립하게 된다.
그리고 현장반입객체 파악부(60)를 통해 현장으로 반입되는 객체를 입력 또는 파악하게 된다(S6). 이러한 현장 반입 객체는 시스템 상에서 직접 입력할 수도 있고, 현장 출입구 측에 이미지 스캐너를 구비하여 이미지 인식을 통해 객체종류 DB(30)와 대비하여 반입되는 객체를 파악할 수도 있다.
객체가 반입되어 작업이 시작되면 현장이미지 획득부(3)는 실시간으로 현장이미지, 영상을 획득하게 된다(S8).
그리고 객체인식부(70)는 이미지획득부(3)에서 획득된 이미지를 분석하여 분석대상 객체를 인식하고, 인식된 객체 상태를 분석하게 된다(S9).
이러한 영상인식은 신속한 물체 검출이 가능한 1단계 검출기(YOLO, SSD, RetinaNet)와 상대적으로 속도가 느리지만 성능이 우수한 2단계 검출기(R-CNN, Fast R-CNN) 등 다양한 객체 검출 알고리즘을 활용한다.
구체적으로 객체인식부(70)는, 객체종류분석부(71)를 통해 인식 대상 객체의 종류를 분석하게 된다(S10). 이러한 객체 종류는 도 3에 도시된 바와 같이, 자체, 작업자, 장비로 분류된다. 그리고 객체종류분석부(71)는 객체종류 DB(30)의 자재 DB(31)와, 작업자 DB(32)와, 장비DB(33)에 기반하여 객체종류를 분석하게 된다. 현장 영상에서 자재 DB(31) 내의 데이터를 매칭하여 자재를 인식하고 종류를 파악하게 된다. 예를 들어 비계 설치작업인 경우, 시스템 비계 자재들을 인식하고 그 종류를 파악하게 된다. 또한 작업자 DB(32)를 기반으로 영상에서 작업자를 인식하게 되고 작업자의 복장, 작업 도구들에 기반아혀 작업자의 종류를 파악하게 된다. 예를 들어 도 3에 도시된 바와 같이, 비계공임을 파악할 수 있다. 그리고 장비 DB(33)와 영상을 매칭, 비교하여 영상 내에서 작업 장비를 인식하고 장비의 종류를 파악하게 된다.
그리고 객체상태분석부(72)를 통해 객체 종류별로 상태를 분석하게 된다(S11). 즉, 객체상태분석부(72)는 자재의 위치를 측정하고 고정/설치여부를 분석하게 된다. 자재DB(31)는 작업 단계별 위치정보와, 정위치 설치정보 등을 포함하고 있으므로 이러한 자재별로 정확한 위치에 설치가 되었는지 현재 단계에서 모든 자재가 설치되었는지는 파악하게 된다. 또한 작업자의 위치측정과 안전장비 착용여부를 분석하게 된다. 즉, 작업자 DB(32)에는 작업종류별로 작업자가 착용해야하는 안전장비(안전모, 안전고리 등)에 대한 정보를 포함하고 있어 작업자가 안전장비를 착용하고 있는지를 판단하게 된다. 그리고 장비의 위치측정과 작동여부를 분석하게 된다.
그리고 위험요인분석부(73)가 객체 종류별로 위험요인을 분석하게 된다(S12). 즉 위험요인분석부(73)는 자재와 관련하여, 관련 준수사항에 부합되는 자재의 설치여부, 안전설비 설치, 고정여부, 연결고리 부착여부, 자재의 정위치 설치여부를 분석하여 위험요인이 존재하는지를 파악한다.
또한 작업자와 관련하여, 작업자가 안전한 위치, 범위에 존재하는지, 작업자의 안전장비 착용여부 등을 분석하여 위험요인이 존재하는지를 파악한다.
그리고 장비와 관련하여, 장비의 정상작동여부, 장비와 작업자의 안전거리 유지여부, 장비와 자재의 작업자 안전거리 유지여부를 분석하여 위험요인이 존재하는지를 파악한다.
그리고 사고발생예측부(80)는 분석된 객체 상태에 대해 사고발생가능성과, 발생가능한 사고종류를 파악하게 된다.
먼저 사고가능성 판단부(81)는 위험요인분석부(73)에서 분석된 객체 종류별 위험요인데이터에 기반하여 사고가능성을 판단하게 된다(S13). 즉 위험요인의 개수, 위험요인에서의 위험도 정도 등을 기반으로 발생가능성을 판단하게 된다
그리고 사고종류분석부(82)는 기존안전사고 DB(10)와 사고종류 DB(40)에 기반하여 발생가능한 사고종류를 판단하게 된다(S14).
마지막으로 지시데이터 생성부(83)는 판단된 사고종류에 대한 대응데이터를 사고종류 DB(40)에 기반하여 도출하게 되고, 이러한 대응데이터, 지시데이터는 알림수단(90)을 통해 작업현장에 통보, 알리게 된다(S15). 또한 통신모듈을 통해 작업자, 관리자의 사용자 단말기로 전송되도록 구성될 수 있다.
이하에서는 앞서 언급한 본 발명의 실시예에 따른 이미지 인식 프로세스 기반 건설현장 사고 예측 시스템에 대해 비계 설치작업, 비계 작업, 비계해체작업을 예시로 설명하도록 한다. 도 3은 본 발명의 실시예에 따른 이미지 인식 프로세스 기반 건설현장 사고 예측 시스템의 구체적 프로세스를 도시한 것이다. 도 3에 도시된 바와 같이, 안전사고 예방을 위한 이미지 인식 프로세스로 이미지 인식 단계와 사고 발생 예측 단계로 구분된다.
이미지 인식 단계에서는 먼저 현재 진행되고 있는 작업과 반입 자재, 작업자, 장비를 입력하면 모든 객체의 종류를 분석하고 상태를 분석하여 위험요인을 도출한다.
사고 발생 예측 단계에서는 사고 발생 가능성을 판단하여 사고 종류에 따른 현장에 취해야 하는 결과를 도출한다.
모든 과정에서의 분석은 앞서 언급한 데이터베이스 기반으로 가능하다.
이를 시스템 비계 설치 작업 시 작업자의 안전고리 미체결로 발생할 수 있는 안전사고를 예로 들어 다음과 같이 설명할 수 있다.
1) 시스템 비계 설치 작업을 입력하고 해당 건설현장 내에 반입되는 모든 자재, 작업자, 장비로 종류를 분석할 수 있다.
2) 분석된 객체 중 자재의 경우, 객체의 위치를 측정하고 고정이 되어 있는지를 분석하고 연결고리가 없는 것을 확인하여 위험요인을 분석한다.
작업자의 경우, 객체의 위치를 측정하고, 안전장비 착용 여부를 확인하여 안전고리 체결 여부를 확인하여 사고 발생 요인을 분석한다.
장비의 경우, 객체의 위치를 측정하고 현재 작동하고 있는지 확인한 후, 다른 객체와 안전거리를 유지하고 있는지 확인하여 위험요인을 분석한다.
위험요인 분석을 통해 도출된 결과로 사고 발생 가능성을 판단하고, 발생 가능한 사고가 추락이라는 것을 도출할 수 있다.
사고 종류에 따른 현장에 어떤 지시를 내릴지 결정하고, 중단 명령을 전달한다.
도 4는 본 발명의 실시예에 따른 인식대상 요소 분석, 도출 순서도를 도시한 것이다. 즉, 도 4는 법규에 따른 건설현장에서 안전고리 미체결에 대한 이미지 인식 대상을 도출하는 프로세스이다. 도 3에 도시된 이미지 인식 단계의 ‘객체 종류 분석’에 해당한다. 이를 다음과 같이 설명할 수 있다.
1) 이미지를 인식하기 위해 ① 비계 설치 작업, ② 비계 상에서의 작업 및 해체작업으로 구분하여 이미지에서 인식해야 하는 요소를 분석해야 한다.
2) 이를 위해 안전고리와 시스템 비계 작업에 대한 법규와 관련된 준수사항에 대한 분석이 필요하다.
작업발판이 제대로 설치되었는지, 안전대 부착설비를 설치하였는지, 근로자가 안전대를 착용하고 부착설비에 걸어 작업하였는지 확인하여야 한다.
3) 법규 검토를 통해 얻은 정보를 활용하여 이미지 인식 요소를 프로세스에 따라 분석할 수 있다.
비계 설치 작업 시에는 외벽을 가장 먼저 인식하고, 비계 상에서의 작업 및 해체작업 시에는 비계를 인식한다.
그 후, 작업발판 설치 여부를 점검하고, 안전대 부착설비 설치 여부를 점검하고, 안전대 착용 및 안전고리 연결 여부를 점검할 수 있다.
4) 이 프로세스를 활용하여 안전고리 체결에 대한 이미지상에서 인식해야 할 대상의 순서를 수립할 수 있다.
비계 설치 작업 시 먼저 비계가 설치되어야 하는 위치를 인식하여야 하고, 현장의 작업발판, 안전대 부착설비, 안전대, 안전고리 순으로 인식한다.
비계 상에서의 작업 및 해체작업은 설치되어 있는 비계를 먼저 인식하는 것만 다를 뿐, 비계 설치 작업의 경우와 마찬가지로 작업발판, 안전대 부착설비, 안전대, 안전고리 순으로 인식한다.
이하에서는 본 발명에 따른 구체적 예시에 대해 설명하도록 한다. 본 발명의 예시에서는 이미지 또는 비디오에서 작업자를 인식하기 위해 파이썬, C++ 언어 및 YOLO v4 알고리즘을 사용했다.
도 5a 및 도 5b는 시스템 비계를 설치하는 것을 보여주고, 시스템 비계 설치 작업 시 안전고리 체결 여부를 확인하는 것은 다음과 같이 분석된다.
① 작업 및 현장반입물 입력
‘시스템 비계 설치작업’을 작업명으로 입력하고 현장 내에 반입되는 모든 자재, 작업자, 장비를 입력한다.
도 5a와 같이 자재는 시스템 비계, 기둥 및 보 거푸집, 작업자는 5명, 장비는 크레인으로 입력한다.
② 객체 인식 및 객체 종류 분석
자재, 작업자, 장비의 입력된 객체를 인식하는지 확인한다.
③ 객체 상태 및 위험요인 분석
도면, 현장사진 등을 활용하여 기존 건물의 공사 진행 상황을 파악하여 3층 바닥까지 구조체가 완성된 것을 확인하고, 3층 기둥 및 보 거푸집이 설치된 것을 확인한다. 또한, 엘리베이터 구역에 시스템 비계가 설치되는 것으로 확인하였다.
도 5a는 작업자 중 2명이 안전대를 착용하였으나 안전고리를 체결하지 않아 위험요인이 있는 것을 보여준다. 또한, 크레인과 시스템 비계와의 거리를 측정하여 안전거리가 확보되지 않았지만, 작동되지 않는 것으로 확인되어 위험요인이 없는 것으로 분석되었다.
도 5b와 같이 아래쪽 support의 경우 나무판자 위에 설치되어 높은 하중을 받을 경우 위험한 것으로 분석되었고, 그 옆에 5개 이상의 support와 안전대가 방치되어 있어 위험요인이 있는 것으로 분석되었다. 그리고 support의 수직도가 90도를 유지하고 있지 않아 시스템 비계의 설치과정에서는 위험요인이 있는 것으로 분석되었다.
④ 사고 발생 예측
위험요인 분석을 통해 사고 발생 가능성이 있는 것으로 판단되고, 안전고리를 체결하지 않아 ‘추락’, 불안정한 support와 수직도 문제로 ‘붕괴’, 방치된 안전대와 supports로 인해 ‘전도’가 발생 가능한 사고로 분석되었다.
현장에 안전고리를 체결하지 않은 작업자에게는 ‘작업 중단 명령’ 지시를 내리고, support 설치 위치를 교정하는 ‘작업 수정’ 지시를 내리고, 방치된 support와 안전대는 ‘제거 명령’ 지시를 내리는 것을 결정하여 이미지 인식 작업을 종료한다.
또한, 상기와 같이 설명된 장치 및 방법은 상기 설명된 실시예들의 구성과 방법이 한정되게 적용될 수 있는 것이 아니라, 상기 실시예들은 다양한 변형이 이루어질 수 있도록 각 실시예들의 전부 또는 일부가 선택적으로 조합되어 구성될 수도 있다.
1:DB
2:작업종류설정부
3:현장이미지획득부
10:기존안전사고 DB
20:관련법류 DB
30:객체종류 DB
31:자재DB
32:작업자DB
33:장비DB
40:사고종류DB
50:인식프로세스 산출부
60:현장반입 객체파악부
70:객체인식부
71:객체종류분석부
72:객체상태분석부
73:위험요인분석부
80:사고발생예측부
81:사고발생가능성 판단부
82:사고종류분석부
83:지시데이터생성부
90:알림수단
100:이미지 인식 프로세스 기반 건설현장 사고 예측 시스템

Claims (12)

  1. 건설현장에서 사고 발생을 예측하기 위한 시스템으로서,
    건설 자재, 안전시설물, 작업자, 상기 작업자가 착용해야하는 안전장비, 작업장비에 대한 데이터를 저장하는 DB;
    건설현장의 이미지를 획득하는 현장 이미지획득부;
    상기 이미지획득부에서 획득된 이미지를 분석하여 분석대상 객체를 인식하고, 인식된 객체 상태를 분석하는 객체인식부; 및
    분석된 객체 상태에 대해 사고발생가능성과, 발생가능한 사고종류를 파악하는 사고발생예측부;를 포함하는 것을 특징으로 하는 이미지 인식 프로세스 기반 건설현장 사고 예측 시스템.
  2. 제 1항에 있어서,
    상기 DB는
    건설 자재, 안전시설물에 대한 데이터가 저장되는 자재 DB와, 작업자와 상기 작업자가 착용해야하는 안전장비에 대한 데이터가 저장된 작업자 DB와, 작업장비에 대한 데이터를 저장하는 장비DB를 포함하는 객체DB;
    사고종류와 상기 사고종류별 대응데이터를 분류, 저장하는 사고종류 DB;
    사고 종류별로 기존 안전사고데이터가 분류, 저장되는 기존안전사고 DB; 및
    현장 작업 종류별로 매칭된 관련법류, 준수사항데이터가 분류, 저장되는 관련법류 DB;를 포함하는 것을 특징으로 하는 이미지 인식 프로세스 기반 건설현장 사고 예측 시스템.
  3. 제 2항에 있어서,
    사고 위험을 예측하고자 하는 현장 작업의 종류를 설정하는 작업종류 설정부; 및
    설정된 상기 작업종류에 대하여 상기 관련법류 DB에 기반하여 안전 준수사항을 생성하고, 프로세스별 이미지 인식 대상 객체, 상기 대상 객체의 인식 순서를 파악하는 인식 프로세스 산출부;를 포함하는 것을 특징으로 하는 이미지 인식 프로세스 기반 건설현장 사고 예측 시스템.
  4. 제 3항에 있어서,
    상기 현장으로 반입되는 객체를 입력 또는 파악하는 현장반입객체 파악부;를 더 포함하는 것을 특징으로 하는 이미지 인식 프로세스 기반 건설현장 사고 예측 시스템.
  5. 제 3항에 있어서,
    상기 객체인식부는,
    상기 인식 대상 객체의 종류를 분석하는 객체종류분석부; 상기 객체 종류별로 상태를 분석하는 객체상태분석부; 및 상기 객체 종류별로 위험요인을 분석하는 위험요인분석부;를 포함하는 것을 특징으로 하는 이미지 인식 프로세스 기반 건설현장 사고 예측 시스템.
  6. 제 5항에 있어서,
    상기 객체 종류는 자체, 작업자, 장비로 분류되며,
    상기 객체종류분석부는 상기 객체 DB의 자재 DB와, 작업자 DB와, 장비DB에 기반하여 객체종류를 분석하고,
    상기 객체상태분석부는 자재의 위치측정과 고정, 설치여부를 분석하고, 작업자의 위치측정과 안전장비 착용여부를 분석하며, 장비의 위치측정과 작동여부를 분석하며,
    상기 위험요인분석부는 관련 준수사항에 부합되는 자재의 설치여부, 안전설비 설치, 고정여부, 연결고리 부착여부, 자재의 정위치 설치여부를 분석하며, 작업자의 안전장비 착용여부, 장비와 작업자의 안전거리 유지여부, 장비와 자재의 작업자 안전거리 유지여부를 분석하는 것을 특징으로 하는 이미지 인식 프로세스 기반 건설현장 사고 예측 시스템.
  7. 제 6항에 있어서,
    상기 사고발생예측부는,
    상기 위험요인분석부에서 분석된 객체 종류별 위험요인데이터에 기반하여 사고가능성을 판단하는 사고가능성판단부; 상기 기존안전사고 DB와 상기 사고종류 DB에 기반하여 발생가능한 사고종류를 판단하는 사고종류분석부; 및 판단된 상기 사고종류에 대한 대응데이터를 상기 사고종류 DB에 기반하여 도출하는 지시데이터 생성부;를 포함하는 것을 특징으로 하는 이미지 인식 프로세스 기반 건설현장 사고 예측 시스템.
  8. 건설현장에서 사고 발생을 예측하기 위한 방법으로서,
    제 2항에 따른 DB를 구축하는 단계;
    작업종류설정부를 통해 작업종류를 입력하는 단계;
    현장 이미지획득부를 통해 작업중, 건설현장의 이미지를 실시간으로 획득하는 단계;
    객체인식부가 상기 이미지획득부에서 획득된 이미지를 분석하여 분석대상 객체를 인식하고, 인식된 객체 상태를 분석하는 단계; 및
    사고발생예측부가 분석된 객체 상태에 대해 사고발생가능성과, 발생가능한 사고종류를 파악하는 단계;를 포함하는 것을 특징으로 하는 이미지 인식 프로세스 기반 건설현장 사고 예측방법.
  9. 제 8항에 있어서,
    상기 입력하는 단계 후에,
    인식 프로세스 산출부가, 설정된 상기 작업종류에 대하여 관련법류 DB에 기반하여 안전 준수사항을 생성하고, 프로세스별 이미지 인식 대상 객체, 상기 대상 객체의 인식 순서를 파악하는 단계를 더 포함하는 것을 특징으로 하는 이미지 인식 프로세스 기반 건설현장 사고 예측방법.
  10. 제 9항에 있어서,
    상기 분석하는 단계는,
    객체종류분석부가 상기 인식 대상 객체의 종류를 분석하는 단계; 객체상태분석부가 상기 객체 종류별로 상태를 분석하는 단계; 및 위험요인분석부가 상기 객체 종류별로 위험요인을 분석하는 단계;를 포함하는 것을 특징으로 하는 이미지 인식 프로세스 기반 건설현장 사고 예측방법.
  11. 제 10항에 있어서,
    상기 파악하는 단계는,
    사고가능성판단부가 상기 위험요인분석부에서 분석된 객체 종류별 위험요인데이터에 기반하여 사고가능성을 판단하는 단계; 사고종류분석부가 기존안전사고 DB와 사고종류 DB에 기반하여 발생가능한 사고종류를 판단하는 단계; 및 지시데이터생섭우가 판단된 상기 사고종류에 대한 대응데이터를 상기 사고종류 DB에 기반하여 도출하는 단계;를 포함하는 것을 특징으로 하는 이미지 인식 프로세스 기반 건설현장 사고 예측방법.
  12. 컴퓨터에 의해 제 8항 내지 제 11항 중 어느 한 항에 따른 예측방법을 실행시키는 것을 특징으로 하는 프로그램.
KR1020220004185A 2022-01-11 2022-01-11 이미지 인식 프로세스 기반 건설현장 사고 예측 시스템 및 예측방법 KR20230108587A (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020220004185A KR20230108587A (ko) 2022-01-11 2022-01-11 이미지 인식 프로세스 기반 건설현장 사고 예측 시스템 및 예측방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020220004185A KR20230108587A (ko) 2022-01-11 2022-01-11 이미지 인식 프로세스 기반 건설현장 사고 예측 시스템 및 예측방법

Publications (1)

Publication Number Publication Date
KR20230108587A true KR20230108587A (ko) 2023-07-18

Family

ID=87423578

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020220004185A KR20230108587A (ko) 2022-01-11 2022-01-11 이미지 인식 프로세스 기반 건설현장 사고 예측 시스템 및 예측방법

Country Status (1)

Country Link
KR (1) KR20230108587A (ko)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101914228B1 (ko) 2017-02-17 2018-11-02 주식회사 영신 Ｉｏｔ기반 건설현장 실시간 위치추적 및 영상 안전관제 시스템
KR102136070B1 (ko) 2020-02-05 2020-07-21 안광호 인공지능형 영상분석을 이용한 건설현장의 재난 및 사고 예방장치
KR20210081618A (ko) 2019-12-24 2021-07-02 연세대학교 산학협력단 건설 객체 실시간 모니터링 장치 및 모니터링 방법 및 이를 실행하기 위한 컴퓨터프로그램
KR102306815B1 (ko) 2020-02-24 2021-09-29 김현수 건설현장 근로자의 보건 안전 및 관리 시스템

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101914228B1 (ko) 2017-02-17 2018-11-02 주식회사 영신 Ｉｏｔ기반 건설현장 실시간 위치추적 및 영상 안전관제 시스템
KR20210081618A (ko) 2019-12-24 2021-07-02 연세대학교 산학협력단 건설 객체 실시간 모니터링 장치 및 모니터링 방법 및 이를 실행하기 위한 컴퓨터프로그램
KR102136070B1 (ko) 2020-02-05 2020-07-21 안광호 인공지능형 영상분석을 이용한 건설현장의 재난 및 사고 예방장치
KR102306815B1 (ko) 2020-02-24 2021-09-29 김현수 건설현장 근로자의 보건 안전 및 관리 시스템

Similar Documents

Publication Publication Date Title
US11875410B2 (en) Systems and methods for dynamic real-time analysis from multi-modal data fusion for contextual risk identification
US10803426B2 (en) Damage information extraction device, damage information extraction method, and damage information extraction program
Morris et al. Proper use of the hierarchy of controls
Gheisari et al. Using unmanned aerial systems for automated fall hazard monitoring
CN111506011A (zh) 一种施工安全监测方法和装置
CN107170205B (zh) 一种检维修预警方法及其预警系统
US20220382927A1 (en) Computer-assisted method and system for determining and visualising force flows in a scaffold
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
KR20170081880A (ko) 선박 건조 현장의 안전 관리 정보 자동 생성 시스템 및 방법
US11967155B2 (en) Systems and methods for improving accuracy of identifying observations based on images and risk assessment techniques using such determinations
Mendes et al. Evaluating USA-image pattern recognition system application for safety guardrails inspection
CN110675013A (zh) 建设工程项目施工安全性的评价方法
KR20230108587A (ko) 이미지 인식 프로세스 기반 건설현장 사고 예측 시스템 및 예측방법
Liao et al. Fusion model for hazard association network development: A case in elevator installation and maintenance
Jung An approach to automated detection of failure in temporary structures using image processing
WO2020213408A1 (ja) 危険予知方法及び危険予知装置
Choi et al. Developing safety checklists for predicting accidents
KR20230125995A (ko) 컴퓨터 비전 및 IoT 센서 기반의 안전보호구 감시 시스템
Eiter et al. Imminent danger:: Characterizing uncertainty in critically hazardous mining situations
Park et al. Real-time monitoring unsafe behaviors of portable multi-position ladder worker using deep learning based on vision data
KR102376720B1 (ko) 안전고리 체결시스템과 안전고리 체결제어방법
KR102496668B1 (ko) 스마트 안전 관리 및 안전 사고 예측 방법 및 시스템
KR102635901B1 (ko) Ai 로봇을 이용한 건설 현장의 위험 객체 인식 시스템 및 그 방법
Noya et al. Risk analysis: a methodology applicable to the building inspection
CN115984076A (zh) 一种电力企业安全生产管理系统及方法