KR20240028576A - 실험실 안전 수칙 준수 여부를 판별하기 위한 장치 및 방법 - Google Patents
실험실 안전 수칙 준수 여부를 판별하기 위한 장치 및 방법 Download PDFInfo
- Publication number
- KR20240028576A KR20240028576A KR1020220105988A KR20220105988A KR20240028576A KR 20240028576 A KR20240028576 A KR 20240028576A KR 1020220105988 A KR1020220105988 A KR 1020220105988A KR 20220105988 A KR20220105988 A KR 20220105988A KR 20240028576 A KR20240028576 A KR 20240028576A
- Authority
- KR
- South Korea
- Prior art keywords
- laboratory
- safety
- experimenter
- glasses
- wearing
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 28
- 230000001681 protective effect Effects 0.000 claims abstract description 42
- 239000005336 safety glass Substances 0.000 claims description 56
- 239000011521 glass Substances 0.000 claims description 47
- 238000012937 correction Methods 0.000 claims description 46
- 230000036760 body temperature Effects 0.000 claims description 10
- 238000013473 artificial intelligence Methods 0.000 claims description 6
- 230000000007 visual effect Effects 0.000 claims description 6
- 238000002474 experimental method Methods 0.000 description 10
- 230000001815 facial effect Effects 0.000 description 8
- 238000010586 diagram Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 3
- 230000014509 gene expression Effects 0.000 description 3
- 238000004590 computer program Methods 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012827 research and development Methods 0.000 description 1
- 238000001356 surgical procedure Methods 0.000 description 1
- 239000012780 transparent material Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
- G08B21/02—Alarms for ensuring the safety of persons
-
- G—PHYSICS
- G02—OPTICS
- G02C—SPECTACLES; SUNGLASSES OR GOGGLES INSOFAR AS THEY HAVE THE SAME FEATURES AS SPECTACLES; CONTACT LENSES
- G02C7/00—Optical parts
- G02C7/16—Shades; shields; Obturators, e.g. with pinhole, with slot
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- 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
- G06Q50/10—Services
-
- 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
- G06Q50/10—Services
- G06Q50/26—Government or public services
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
- G06V10/774—Generating sets of training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/168—Feature extraction; Face representation
- G06V40/171—Local features and components; Facial parts ; Occluding parts, e.g. glasses; Geometrical relationships
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/172—Classification, e.g. identification
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07F—COIN-FREED OR LIKE APPARATUS
- G07F17/00—Coin-freed apparatus for hiring articles; Coin-freed facilities or services
- G07F17/40—Coin-freed apparatus for hiring articles; Coin-freed facilities or services for devices for accepting orders, advertisements, or the like
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
- G08B21/18—Status alarms
- G08B21/182—Level alarms, e.g. alarms responsive to variables exceeding a threshold
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B25/00—Alarm systems in which the location of the alarm condition is signalled to a central station, e.g. fire or police telegraphic systems
- G08B25/14—Central alarm receiver or annunciator arrangements
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B3/00—Audible signalling systems; Audible personal calling systems
- G08B3/10—Audible signalling systems; Audible personal calling systems using electric transmission; using electromagnetic transmission
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B5/00—Visible signalling systems, e.g. personal calling systems, remote indication of seats occupied
- G08B5/22—Visible signalling systems, e.g. personal calling systems, remote indication of seats occupied using electric transmission; using electromagnetic transmission
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2210/00—Indexing scheme for image generation or computer graphics
- G06T2210/16—Cloth
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- Theoretical Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Tourism & Hospitality (AREA)
- Emergency Management (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Electromagnetism (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Human Resources & Organizations (AREA)
- Primary Health Care (AREA)
- Economics (AREA)
- Software Systems (AREA)
- Computing Systems (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Multimedia (AREA)
- Artificial Intelligence (AREA)
- Computational Linguistics (AREA)
- Biophysics (AREA)
- Human Computer Interaction (AREA)
- Ophthalmology & Optometry (AREA)
- Educational Administration (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biomedical Technology (AREA)
- Mathematical Physics (AREA)
- Development Economics (AREA)
- Data Mining & Analysis (AREA)
- Molecular Biology (AREA)
- General Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Medical Informatics (AREA)
- Optics & Photonics (AREA)
- User Interface Of Digital Computer (AREA)
Abstract
일 실시예에 따른 실험실 안전 수칙 준수 판별 장치 및 방법이 개시된다. 일 실시예에 따른 실험실 안전 수칙 준수 판별 장치는 실험실의 부근에 위치하여 상기 실험실의 출입을 요청하는 실험자를 촬영함으로써 생성된 영상 정보를 수신하는 수신부; 상기 영상 정보에서 상기 실험자가 착용한 안전보호장구를 인식하는 인식부; 및 상기 인식부의 인식 결과를 통해 생성한 안전보호장구의 착용 정보를 상기 실험실에서 요구하는 안전 수칙 리스트와 비교하여 상기 실험실에 대한 안전 수칙 준수 여부를 판별하는 판별부를 포함한다.
Description
개시되는 실시예들은 실험실 안전 수칙을 준수 여부를 판별하기 위한 기술과 관련된다.
[국가지원 연구개발에 대한 설명]
본 연구는 과학기술정보통신부, 한국과학기술연구원연구운영비지원(주요사업비), [과제명: 수술 4.0 시대를 선도하기 위한 MIDAS 원천기술 개발, 과제고유번호: 1711173301, 세부과제번호: 2E31570]의 지원에 의하여 이루어진 것이다.
실험실 사고는 중대하게는 실험자에 대한 인적 피해를 초래한다. 그 외 광범위적인 환경적 피해, 실험 공간 및 실험 장비의 파손에 의한 물적 피해, 그리고 기타 재산적 피해 등 다방면의 막대한 피해가 초래된다.
다만, 이러한 실험실 사고는 안전 수칙 미준수에 기인된 경우가 대부분으로, 주의하였더라면 미연에 방지할 수 있었던 사고가 대부분이다. 그러나, 실험실 안전 수칙 준수는 실험자 개인에게 기대고 있는 실정이다.
연구실 안전환경 조성에 관한 법률 제9조 제4항 등에 따라, 실험실 출입에는 보안경, 실험복, 보호 장갑 및/또는 마스크 등을 포함하는 안전보호장구를 착용함이 법으로 정해진 의무이다. 또한, 실험실에는 출입 가능한 것으로 지정된 실험자 본인만이 실험실에 입장해야 한다.
그러나, 실험실마다 요구되는 안전보호장구는 실험의 속성마다 다양하다. 또한, 실험실이 일반적으로 공유 사용되는 점을 고려하면, 출입할 수 있는 사용자는 매번 스케쥴에 따라 상이해진다. 더욱이, 실험실의 안전보호장구 중 보안경은 투명한 재질로 양산되는 것이 일반적이어서 시력 교정용 안경과 이중 착용 시 구별이 어렵다. 실험복은 통상적으로 흰색 가운으로, 흰색 개인 의복과 구별이 어렵다.
즉, 실험실에서는 출입을 요청하는 사용자의 신원을 식별함과 동시에 안전보호장구의 특수성을 고려하여 안전보호장구 착용 여부를 판별하는 자동화 시스템이 필요한 실정이다.
개시되는 실시예들은 실험실에 대한 안전 수칙 준수 여부를 판별하기 위한 장치 및 방법을 제공하기 위한 것이다.
일 실시예에 따른 실험실 안전 수칙 준수 판별 장치는, 실험실의 부근에 위치하여 상기 실험실의 출입을 요청하는 실험자를 촬영함으로써 생성된 영상 정보를 수신하는 수신부; 상기 영상 정보에서 상기 실험자가 착용한 안전보호장구를 인식하는 인식부; 및 인식 결과를 통해 생성한 안전보호장구의 착용 정보를 상기 실험실에서 요구하는 안전 수칙 리스트와 비교하여 상기 실험실에 대한 안전 수칙 준수 여부를 판별하는 판별부를 포함한다.
상기 안전보호장구는, 보안경, 실험복 및 보호 장갑 중 적어도 하나를 포함할 수 있다.
상기 인식부는, 입력된 이미지에 대하여 시력 교정용 안경과 보안경 모두 미착용한 제1 얼굴 이미지, 시력 교정용 안경은 착용하였으나 보안경을 미착용한 제2 얼굴 이미지, 시력 교정용 안경은 미착용하였으나 보안경을 착용한 제3 얼굴 이미지 또는 시력 교정용 안경과 보안경 모두 착용한 제4 얼굴 이미지로 분류하도록 학습된 제1 모델을 이용하여 상기 영상 정보 내 실험자의 시력 교정용 안경 및 보안경 착용 여부를 인식할 수 있다.
상기 제1 모델은, 입력된 이미지 내 안면의 시각적 특징을 분석하여 보안경과 시력 교정용 안경 착용 여부를 인식하도록 학습된 인공지능 기반의 모델일 수 있다.
상기 제1 모델은, 상기 영상 정보 내 상기 실험자의 눈 부근에서 인식되는 곡률에 기초하여 상기 입력된 이미지를 제1 얼굴 이미지, 제2 얼굴 이미지, 제3 얼굴 이미지 또는 제4 얼굴 이미지로 분류하도록 학습될 수 있다.
상기 제1 모델은, 상기 영상 정보 내 상기 실험자의 눈 부근에서 인식되는 곡률의 개수에 기초하여 상기 입력된 이미지를 제1 얼굴 이미지, 제2 얼굴 이미지, 제3 얼굴 이미지 또는 제4 얼굴 이미지로 분류하도록 학습될 수 있다.
상기 인식부는, 실험복의 특징에 기초하여 상기 실험자의 실험복 착용 여부를 분류하도록 학습된 제2 모델을 이용하여 상기 영상 정보 내 실험자의 실험복 착용 여부를 인식하고, 상기 실험복의 특징은 상기 실험실에 지정된 실험복의 로고, 옷깃, 색상, 팔 길이, 실험복의 가슴둘레, 어깨넓이, 밑단 둘레 및 총 길이 중 적어도 하나를 포함할 수 있다.
일 실시예에 따른 실험실 안전 수칙 준수 판별 장치는 상기 판별부가 상기 실험자가 상기 안전 수칙 리스트를 모두 준수한 것으로 판별하는 경우, 상기 실험실의 출입문을 개방하도록 개방 신호를 송신하고, 상기 판별부가 상기 실험자가 상기 안전 수칙 리스트를 준수하지 않은 것으로 판별하는 경우, 상기 실험실의 출입문을 폐쇄하도록 폐쇄 신호를 송신하는 제어부를 더 포함할 수 있다.
상기 수신부는, 상기 실험자를 촬영한 카메라의 위치를 상기 실험실의 위치로 간주하여 상기 카메라의 식별 정보와 매핑된 안전 수칙 리스트를 더 수신할 수 있다.
상기 인식부는, 상기 실험자의 체온을 인식하고, 상기 판별부는, 상기 실험자의 체온이 기 설정된 값 이상인 경우, 상기 안전 수칙 리스트를 준수하지 않은 것으로 판별할 수 있다.
일 실시예에 따른 실험실 안전 수칙 준수 판별 장치는, 상기 실험자의 안전 수칙 리스트 미준수 횟수가 기 설정된 횟수 이상인 경우, 알림음, 진동 및 팝업 메시지 중 적어도 하나가 출력되도록 설정된 알림 신호를 상기 실험실 근처에 설치된 키오스크에 송신하는 제어부를 포함하고, 상기 안전 수칙 리스트를 준수하지 않은 것으로 판별된 실험자에 대한 안전 수칙 준수 결과를 AI 기반 메모리 아키텍처를 활용한 차세대 메모리에 저장하는 저장부를 더 포함할 수 있다.
일 실시예에 따른 실험실 안전 수칙 판별 방법은, 실험실의 부근에 위치하여 상기 실험실의 출입을 요청하는 실험자를 촬영함으로써 생성된 영상 정보를 수신하는 단계; 상기 영상 정보에서 상기 실험자가 착용한 안전보호장구를 인식하는 단계; 및 인식 결과를 통해 생성한 안전보호장구의 착용 정보를 상기 실험실에서 요구하는 안전 수칙 리스트와 비교하여 상기 실험실에 대한 안전 수칙 준수 여부를 판별하는 단계를 포함한다.
상기 안전보호장구는, 보안경, 실험복 및 보호 장갑 중 적어도 하나를 포함할 수 있다.
상기 인식하는 단계는, 입력된 이미지에 대하여 시력 교정용 안경과 보안경 모두 미착용한 제1 얼굴 이미지, 시력 교정용 안경은 착용하였으나 보안경을 미착용한 제2 얼굴 이미지, 시력 교정용 안경은 미착용하였으나 보안경을 착용한 제3 얼굴 이미지 또는 시력 교정용 안경과 보안경 모두 착용한 제4 얼굴 이미지로 분류하도록 학습된 제1 모델을 이용하여 상기 영상 정보 내 실험자의 시력 교정용 안경 및 보안경 착용 여부를 인식하는 단계를 포함할 수 있다.
상기 제1 모델은, 입력된 이미지 내 안면의 시각적 특징을 분석하여 보안경과 시력 교정용 안경 착용 여부를 인식하도록 학습된 인공지능 기반의 모델일 수 있다.
상기 제1 모델은, 상기 영상 정보 내 상기 실험자의 눈 부근에서 인식되는 곡률에 기초하여 상기 입력된 이미지를 제1 얼굴 이미지, 제2 얼굴 이미지, 제3 얼굴 이미지 또는 제4 얼굴 이미지로 분류하도록 학습될 수 있다.
상기 제1 모델은, 상기 영상 정보 내 상기 실험자의 눈 부근에서 인식되는 곡률의 개수에 기초하여 상기 입력된 이미지를 제1 얼굴 이미지, 제2 얼굴 이미지, 제3 얼굴 이미지 또는 제4 얼굴 이미지로 분류하도록 학습될 수 있다.
상기 인식하는 단계는, 실험복의 특징에 기초하여 상기 실험자의 실험복 착용 여부를 분류하도록 학습된 제2 모델을 이용하여 상기 영상 정보 내 실험자의 실험복 착용 여부를 인식하는 단계를 포함하고, 상기 실험복의 특징은 상기 실험실에 지정된 실험복의 로고, 옷깃, 색상, 팔 길이, 실험복의 가슴둘레, 어깨넓이, 밑단 둘레 및 총 길이 중 적어도 하나를 포함할 수 있다.
상기 판별하는 단계는 상기 실험자가 상기 안전 수칙 리스트를 모두 준수한 것으로 판별되는 경우, 상기 판별하는 단계 이후, 상기 실험실의 출입문을 개방하도록 개방 신호를 송신하는 단계를 더 포함하고, 상기 판별하는 단계는 상기 실험자가 상기 안전 수칙 리스트를 준수하지 않은 것으로 판별되는 경우, 상기 판별하는 단계 이후, 상기 실험실의 출입문을 폐쇄하도록 폐쇄 신호를 송신하는 단계를 더 포함할 수 있다.
상기 수신하는 단계는, 상기 실험자를 촬영한 카메라의 위치를 상기 실험실의 위치로 간주하여 상기 카메라의 식별 정보와 매핑된 안전 수칙 리스트를 수신하는 단계를 포함할 수 있다.
상기 인식하는 단계는, 상기 실험자의 체온을 인식하는 단계를 포함하고, 상기 판별하는 단계는, 상기 실험자의 체온이 기 설정된 값 이상인 경우, 상기 안전 수칙 리스트를 준수하지 않은 것으로 판별하는 단계를 포함할 수 있다.
일 실시예에 따른 실험실 안전 수칙 준수 판별 방법은, 상기 실험자의 안전 수칙 리스트 미준수 횟수가 기 설정된 횟수 이상인 경우, 알림음, 진동 및 팝업 메시지 중 적어도 하나가 출력되도록 설정된 알림 신호를 상기 실험실 근처에 설치된 키오스크에 송신하는 단계; 및 상기 안전 수칙 리스트를 준수하지 않은 것으로 판별된 실험자에 대한 안전 수칙 준수 결과를 AI 기반 메모리 아키텍처를 활용한 차세대 메모리에 저장하는 단계를 더 포함할 수 있다.
개시되는 실시예들은 인간의 개입 없이 학습 모델을 통해 보안경 및 시력 교정용 안경의 착용 여부를 구별하여 실험자의 보안경 착용 여부를 판별할 수 있다.
개시되는 실시예들은 인간의 개입 없이 학습 모델을 통해 실험자의 실험복 착용 여부를 판별할 수 있다.
개시되는 실시예들은 실험실 부근에 설치된 장비의 식별 정보를 이용하여 실험실이 요구하는 안전 수칙 리스트를 불러올 수 있다.
도 1은 일 실시예에 따른 실험실 안전 수칙 준수 판별 장치를 설명하기 위한 블록도
도 2는 보안경과 및 시력 교정용 안경에 대한 착용 여부를 구별하는 과정을 설명하기 위한 예시도
도 3은 일 실시예에 따른 실험실 안전 수칙 준수 판별 방법을 설명하기 위한 흐름도
도 4는 추가적인 실시예에 따른 실험실 안전 수칙 준수 판별 방법을 설명하기 위한 흐름도
도 2는 보안경과 및 시력 교정용 안경에 대한 착용 여부를 구별하는 과정을 설명하기 위한 예시도
도 3은 일 실시예에 따른 실험실 안전 수칙 준수 판별 방법을 설명하기 위한 흐름도
도 4는 추가적인 실시예에 따른 실험실 안전 수칙 준수 판별 방법을 설명하기 위한 흐름도
본 명세서에서 사용되는 용어는 기능을 고려하면서 가능한 현재 널리 사용되는 일반적인 용어를 선택하였으나, 이는 당 분야에 종사하는 기술자의 의도 또는 관례 또는 새로운 기술의 출현 등에 따라 달라질 수 있다. 또한, 특정한 경우는 출원인이 임의로 선정한 용어도 있으며, 이 경우 해당되는 명세서의 설명 부분에서 그 의미를 기재할 것이다. 따라서 본 명세서에서 사용되는 용어는, 단순한 용어의 명칭이 아닌 그 용어가 가지는 실질적인 의미와 본 명세서의 전반에 걸친 내용을 토대로 해석되어야 함을 밝혀두고자 한다.
본 출원에서 사용한 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 출원에서, "포함하다" 또는 "구비하다", "가지다" 등의 용어는 명세서에 기재된 구성요소 또는 이들의 조합이 존재하는 것을 표현하려는 것이지, 다른 구성요소 또는 특징이 존재 또는 부가될 가능성을 미리 배제하는 것은 아니다.
또한, 본 명세서에 기술된 실시예는 전적으로 하드웨어이거나, 부분적으로 하드웨어이고 부분적으로 소프트웨어이거나, 또는 전적으로 소프트웨어인 측면을 가질 수 있다. 본 명세서에서 "부(unit)", "모듈(module)", "장치(device)", "서버(server)" 또는 "시스템(system)" 등은 하드웨어, 하드웨어와 소프트웨어의 조합, 또는 소프트웨어 등 컴퓨터 관련 엔티티(entity)를 지칭한다. 예를 들어, 부, 모듈, 장치, 서버 또는 시스템은 플랫폼(platform)의 일부 또는 전부를 구성하는 하드웨어 및/또는 상기 하드웨어를 구동하기 위한 애플리케이션(application) 등의 소프트웨어를 지칭하는 것일 수 있다.
이하 첨부 도면들 및 첨부 도면들에 기재된 내용들을 참조하여 실시예를 상세하게 설명하지만, 청구하고자 하는 범위는 실시예들에 의해 제한되거나 한정되지 아니한다.
도 1은 일 실시예에 따른 실험실 안전 수칙 준수 판별 장치(100)를 설명하기 위한 블록도이다.
도 1을 참조하면, 실험실 안전 수칙 준수 판별 장치(100)는 수신부(110), 인식부(120) 및 판별부(130)를 포함한다.
수신부(110), 인식부(120) 및 판별부(130)는 물리적으로 구분된 하나 이상의 장치를 이용하여 구현되거나, 하나 이상의 프로세서 또는 하나 이상의 프로세서 및 소프트웨어의 결합에 의해 구현될 수 있으며, 도시된 예와 달리 구체적 동작에 있어 명확히 구분되지 않을 수 있다.
수신부(110)는 실험실의 부근에 위치하여 실험실의 출입을 요청하는 실험자를 촬영함으로써 생성된 영상 정보를 수신한다.
구체적으로, 수신부(110)는 실험실의 출입문 근처에 설치된 카메라에 의해 영상 정보를 수신할 수 있다. 여기서, 카메라는 실험실 출입문 근처에 구비된 키오스크에 탑재된 카메라 또는 감시용 카메라(Closed-Circuit Television; CCTV)일 수 있다. 이때, 카메라는 고정형 카메라, 팬/틸트 회전형 카메라, 돔 카메라, 컬러영상 카메라, 열화상 카메라, 적외선 카메라 등을 포함할 수 있는 것으로, 줌-인(Zoom-in) 및 줌-아웃(Zoom-out) 및 주야간 변환 기능 등을 구비할 수 있다.
영상 정보는 픽셀이 RGB 색상으로 구분되는 RGB 영상, 적외선 에너지를 감지하여 이를 실화상으로 변환한 열화상 영상, 3D 깊이 카메라 기술을 이용하여 촬영된 깊이 영상으로부터 생성될 수 있다.
수신부(110)는 실험자를 촬영한 카메라의 위치를 실험실의 위치로 간주하여 카메라의 식별 정보와 매핑된 안전 수칙 리스트를 수신할 수 있다. 수신부(110)는 카메라의 촬영 시각과 매핑된 안전 수칙 리스트를 수신할 수 있다. 수신부는 카메라의 식별 정보 및 카메라의 촬영 시각과 매핑된 안전 수칙 리스트를 수신할 수 있다.
여기서, 카메라의 식별 정보 및 카메라의 촬영 시각과 매핑되는 안전 수칙 리스트는, 카메라의 식별 정보와 매핑되는 실험실이 하루 동안 요구하는 복수의 안전 수칙 리스트 중 촬영 시각과 가장 가까운 실험실의 예약 시작 시간에 대응하는 안전 수칙 리스트를 포함할 수 있다.
구체적인 예로, 안전 리스트의 매핑 과정을 설명한다. 설명의 편의를 위해, 2022년 8월 8일자 제1 실험실의 예약 시간 별 실험 종류와 안전 수칙 리스트는 하기 표 1와 동일한 것으로 가정한다.
| 실험실 | 실험실 예약 시간 | 실험 종류 | 안전 수칙리스트 |
| 제1 실험실 | 2022년 8월 8일오전 10시-오후 12시 | 화학 실험 | 제1 안전 리스트 (실험복, 보안경, 보호 장갑) |
| 제1 실험실 | 2022년 8월 8일오후 12시-오후 2시 | 물리 실험 | 제2 안전 리스트 (실험복) |
| 제1 실험실 | 2022년 8월 8일오후 3시-오후 5시 | 전기 실험 | 제3 안전 리스트 (실험복, 보안경) |
| 제1 실험실 | 2022년 8월 8일오후 5시-오후 7시 | 생물 실험 | 제4 안전 리스트 (실험복, 보호 장갑) |
예컨대, 수신부(110)가 2022년 8월 8일 오후 2시 50분에 제1 실험실 출입문에 위치한 카메라로부터 영상 정보를 수신할 때, 수신부(110)는 제1 실험실이 2022년 8월 8일에 요구하는 제1 내지 제4 안전 리스트를 수신할 수 있다. 여기서, 수신부(110)는 예약 시간의 시작 시간: 오전 10시, 오후 12시, 오후 3시, 오후 5시 중 촬영 시각: 오후 2시 50분과 가장 가까운 예약 시간의 시작 시간: 오후 3시에 대응하는 제3 안전 리스트를 수신할 수 있다.수신부(110)는 카메라로 촬영함으로써 생성된 영상 정보에서 추출된 실험자의 안면 인식 정보를 수신할 수 있다.
인식부(120)는 영상 정보에서 실험자가 착용한 안전보호장구를 인식한다. 여기서, 안전보호장구는 보안경, 실험복, 보안 장갑 및 마스크 중 적어도 하나를 포함할 수 있다.
구체적으로, 인식부(120)는 기 학습된 제1 모델을 이용하여 영상 정보 내 실험자의 보안경 착용 여부를 인식할 수 있다. 이때, 제1 모델은 입력된 이미지에 대하여 시력 교정용 안경과 보안경 모두 미착용한 제1 얼굴 이미지, 시력 교정용 안경은 착용하였으나 보안경을 미착용한 제2 얼굴 이미지, 시력 교정용 안경은 미착용하였으나 보안경을 착용한 제3 얼굴 이미지 또는 시력 교정용 안경과 보안경 모두 착용한 제4 얼굴 이미지로 분류하도록 학습될 수 있다.
인식부(120)는 기 학습된 제2 모델을 이용하여 영상 정보 내 실험자의 실험복 착용 여부를 인식할 수 있다. 이때, 제2 모델은 실험실에 지정된 실험복의 로고, 옷깃, 색상, 팔 길이, 실험복의 가슴둘레, 어깨넓이, 밑단 둘레 및 총 길이 중 적어도 하나를 포함하는 실험복의 특징에 기초하여 실험자의 실험복 착용 여부를 분류하도록 학습될 수 있다.
구체적으로, 인식부(120)는 옷깃의 깃 끝 및 깃 아귀 중 적어도 하나의 옷깃 특징에 의해 학습된 제2 모델을 이용하여 실험자의 실험복 착용 여부를 인식할 수 있다. 인식부(120)는 제2 모델을 이용하여 실험자의 옷깃을 노치드 라펠(Notched lapel), 픽 라펠(Peak lapel) 또는 그 외의 것으로 분류함으로써 실험자의 실험복 착용 여부를 인식할 수 있다.
인식부(120)는 제2 모델을 이용하여 실험자가 착용하는 의복의 색상이 하얀색인지 여부를 분류하여 실험자의 실험복 착용 여부를 인식할 수 있다.
인식부(120)는 실험자가 착용한 의복에 의해 실험자의 손이 덮인 정도와 손이 드러난 부분의 비율을 이용하여 팔 길이를 산출하도록 학습된 제2 모델을 이용하여 실험자의 실험복 착용 여부를 인식할 수 있다.
인식부(120)는 제2 모델을 이용하여 측정된 실험복의 가슴 둘레, 어깨 넓이 및 밑단 둘레의 일치 정도에 기초하여 실험자의 실험복 착용 여부를 인식할 수 있다.
인식부(120)는 제2 모델을 이용하여 측정된 실험자가 착용한 옷 길이의 총 길이에 기초하여 실험자의 실험복 착용 여부를 인식할 수 있다.
인식부(120)는 기 학습된 제3 모델을 이용하여 영상 정보 내 실험자의 보호 장갑 착용 여부를 인식할 수 있다. 이때, 제3 모델은 실험실 별 지정된 보호 장갑의 특징에 기초하여 실험자의 보호 장갑 착용 여부를 분류하도록 학습될 수 있다.
인식부(120)는 실험자를 촬영한 RGB 영상 및 열화상 영상 중 적어도 하나에 기초하여 실험자의 체온을 인식할 수 있다.
한편, 안전보호장구는 실험실에서 빈번히 사용되는 장비로 설명하였으나, 이는 예시적인 것으로 실험 또는 실습에서 안전을 위해 착용되는 장비 또는 장구라면 안전보호장구에 포함되는 것이지, 반드시 이에 한정되는 것은 아니다.
판별부(130)는 인식 결과를 통해 생성한 안전보호장구의 착용 정보를 실험실이 요구하는 안전 수칙 리스트와 비교하여 실험실에 대한 안전 수칙 준수 여부를 판별한다.
판별부(130)는 안전보호장구의 착용 정보와 안전 수칙 리스트가 일치하는 경우, 실험자는 안전 수칙 리스트를 준수한 것으로 판별할 수 있다. 반면, 판별부(130)는 안전보호장구의 착용 정보와 안전 수칙 리스트 중 적어도 일부가 불일치하는 경우, 실험자는 안전 수칙 리스트를 준수하지 않은 것으로 판별할 수 있다.
판별부(130)는 실험자의 체온이 기 설정된 값 이상인 경우, 안전 수칙 리스트를 준수하지 않은 것으로 판별할 수 있다.
제어부(미도시)는 실험자가 안전 수칙 리스트를 모두 준수한 것으로 판별되는 경우, 실험실의 출입문을 개방하도록 개방 신호를 송신할 수 있다. 반면, 제어부(미도시)는 실험자가 안전 수칙 리스트를 준수하지 않은 것으로 판별되는 경우, 실험실의 출입문을 폐쇄하도록 폐쇄 신호를 송신할 수 있다.
제어부(미도시)는 수신된 안면 인식 정보와 실험실 별 기 저장된 안면 인식 정보를 비교하여 일치하는 경우, 실험실의 출입문을 개방하도록 개방 신호를 송신할 수 있다. 반면, 제어부(미도시)는, 안면 인식 정보와 실험실 별 기 저장된 안면 인식 정보를 비교하여 불일치하는 경우, 실험실의 출입문을 폐쇄하도록 폐쇄 신호를 송신할 수 있다. 여기서, 기 저장된 안면 인식 정보는 수신된 안면 인식 정보의 수신 시각과 카메라의 식별 정보와 매핑되어 선택되는 기 저장된 안면 인식 정보일 수 있다.
실험자가 안전 수칙 리스트를 준수하지 않은 것으로 판별되는 경우, 제어부(미도시)는 알림음, 진동 및 팝업 메시지 중 적어도 하나가 출력되도록 설정된 알림 신호를 송신할 수 있다. 구체적으로, 제어부(미도시)는 실험실 근처에 설치된 키오스크에 알림 신호를 송신하여 안전 수칙 리스트를 준수하지 않은 사용자에게 미준수 알림을 제공할 수 있다.
예컨대, 제어부(미도시)는 실험실 근처에 설치된 키오스크에 알림 신호를 송신하여 키오스크의 스피커를 통해 청각적으로 실험자에게 미준수 알림을 제공할 수 있다. 다른 예로, 제어부(미도시)는 실험실 근처에 설치된 키오스크에 알림 신호를 송신하여 키오스크의 화면에 안전 수칙 미준수와 관련된 팝업 메시지를 출력하게 할 수 있다. 이로써, 제어부(미도시)는 팝업 메시지를 통해 시각적으로 실험자에게 미준수 알림을 제공할 수 있다.
여기서, 미준수 알림은 실험자의 주의를 끌 수 있는 시각적, 청각적 및/또는 촉각적 자극, 실험자가 착용하지 않은 안전보호장구가 무엇인지를 나열한 내용 및/또는 착용하지 않은 안전보호장구를 착용하도록 권고하는 내용을 포함할 수 있다.
실험자가 안전 수칙 리스트를 준수하지 않은 것으로 판별되는 경우, 제어부(미도시)는 실험자를 관리하도록 지정된 관리자에게 실험자의 식별정보 및 실험자의 안전 수칙 미준수 정보 중 적어도 하나를 제공할 수 있다. 예컨대, 제어부(미도시)는 서버와 통신하여 서버가 기 저장된 관리자의 이메일 주소 및/또는 개인 연락처로 실험자의 안전 수칙 미준수 정보를 발송하게 할 수 있다.
제어부(미도시)는 실험자의 안전 수칙 미준수 횟수에 기초하여 실험자에 대응하는 관리자에게 실험자의 식별정보를 제공할 수 있다. 다시 말해, 제어부(미도시)는 기 설정된 횟수 이상으로 안전 수칙을 미준수한 실험자를 별도 관리할 수 있도록, 현재의 안전 수칙 준수 상태와 관계 없이 과거의 안전 수칙 미준수 기록을 기초로 관리자에게 실험자의 식별정보를 제공할 수 있다.
제어부(미도시)는 기 설정된 횟수 이상으로 안전 수칙을 미준수한 실험자에 대하여 알림음, 진동 및 팝업 메시지 중 적어도 하나가 출력되도록 설정된 알림 신호를 송신할 수 있다. 이로써, 제어부(미도시)는 안전 수칙을 빈번하게 준수하지 않은 실험자에 대하여 특별 관리 및/또는 사전 경고하여 안전 수칙 미준수에 의한 미연의 사고를 방지할 수 있다.
저장부(미도시)는 실험실 안전 수칙 준수 판별 장치(100)가 안전 수칙 준수 여부를 판별하기 위해 사용하는 데이터 또는 판별된 실험자의 안전 수칙 준수 결과, 실험자의 로그 기록 등 본 발명과 관련된 다양한 정보를 저장할 수 있다.
구체적으로, 저장부(미도시)는 사용자 별로 구별하여 실험자의 식별 정보, 보안경 착용 준수 여부, 실험복 착용 준수 여부, 보안 장갑 착용 준수 여부를 안전 수칙 준수 결과에 기록하고 이를 저장할 수 있다. 저장부(미도시)는 기록된 실험자의 안전 수칙 준수 결과에 기초하여 실험자 별 카운팅된 누적 안전 수칙 미준수 횟수를 기록하고 저장할 수 있다. 저장부(미도시)는 실험자에 대응하는 관리자의 이메일 주소 및/또는 개인 연락처를 저장할 수 있다.
특히, 저장부(미도시)는 AI 기반의 메모리 아키텍처를 활용하여 실험실 안전 수칙을 준수하지 않은 실험자에 대한 안전 수칙 준수 결과를 저장할 수 있다. 저장부(미도시)는 실험실 안전 수칙을 준수하지 않은 실험자에 대한 안전 수칙 준수 결과를 인공지능 및 머신러닝에 최적화된 차세대 메모리에 저장할 수 있다. 저장부(미도시)는 실험실 안전 수칙을 준수하지 않은 실험자에 대한 안전 수칙 준수 결과를 AI 프로세서 기능을 탑재한 메모리에 저장할 수 있다.
저장부(미도시)는 실험실 안전 수칙 준수 판별 장치(100) 자체에 구비될 수도 있다. 이와 다르게 저장부(미도시)의 적어도 일부는, 데이터베이스(database: DB) 및 클라우드 저장소(또는 클라우드 서버) 중 적어도 하나를 의미할 수 있다.
저장부(미도시)는 본 발명에 따른 실험실 안전 수칙 준수 판별 장치(100)를 위하여 필요한 정보가 저장되는 공간이면 충분하며, 물리적인 공간에 대한 제약은 없는 것으로 이해될 수 있다. 즉, 저장부(미도시)는 데이터베이스, 외부 저장소, 클라우드 저장소(또는 클라우드 서버) 등 표현의 구분 없이 데이터가 저장되는 공간인 것으로 이해된다.
도 2는 보안경(210)과 시력 교정용 안경(220)에 대한 착용 여부를 구별하는 과정을 설명하기 위한 예시도이다.
도 2를 참조하면, 보안경(210)은 제1 곡률(211)과 제2 곡률(212)을 포함한다. 시력 교정용 안경(220)은 제3 곡률(221)과 제4 곡률(222)을 포함한다.
여기서, 제1 곡률(211)이란 보안경(210)의 윗 부분에서 찾을 수 있는 곡률로서, 제2 곡률(212) 대비 상대적으로 값이 0에 가까운 곡률을 의미한다. 제2 곡률(212)이란 보안경(210)의 아랫 부분에서 찾을 수 있는 곡률로서, 제1 곡률(211) 보다 높은 수치를 갖는 곡률을 의미한다.
제3 곡률(221)이란, 시력 교정용 안경(220)의 윗 부분에서 찾을 수 있는 곡률을 의미한다. 제4 곡률(222)이란, 시력 교정용 안경(220)의 아랫 부분에서 찾을 수 있는 곡률을 의미한다.
인식부(120)는 제1 모델을 이용하여 영상 정보 내 눈 부근에서 검출되는 곡률에 기초하여 보안경(210)과 시력 교정용 안경(220) 착용 여부를 인식할 수 있다.
여기서, 제1 모델은 입력된 이미지 내 안면의 시각적 특징을 분석하여 보안경(210)과 시력 교정용 안경(220) 착용 여부를 인식하도록 학습된 인공지능 기반의 모델일 수 있다.
제1 모델은 영상 정보 내 눈 부근에서 곡률을 검출하고, 검출된 곡률에 기초하여 보안경 및 시력 교정용 안경 착용 여부를 분류하도록 학습된 모델일 수 있다.
구체적으로, 인식부(120)는 제1 모델을 이용하여 영상 정보 내 눈 부근에서 검출되는 곡률의 개수에 기초하여 영상 정보를 제1 내지 제4 얼굴 이미지 중 하나로 분류할 수 있다.
구체적으로, 영상 정보 내 눈 부근에서 서로 다른 값을 갖는 곡률이 3개 또는 4개가 검출되는 경우, 인식부(120)는 영상 정보 내 실험자는 보안경(210)과 시력 교정용 안경(220) 모두 착용한 것으로 인식할 수 있다. 다시 말해, 인식부(120)는 제1 곡률(211) 내지 제4 곡률(222)을 검출하여 실험자가 보안경(210)과 시력 교정용 안경(220)을 모두 착용한 것으로 인식할 수 있다. 한편, 여기서 제3 곡률(221)과 제4 곡률(222)은 서로 동일한 값을 가질 수도 있다.
다른 예로, 서로 다른 값을 갖는 2개의 곡률 간의 비율이 기 설정된 임계 값 이상인 경우, 인식부(120)는 바람직하게는 실험자가 시력 교정용 안경(220)만을 착용한 것으로 인식할 수 있다. 다시 말해, 인식부(120)는 수치가 유사한 제3 곡률(221) 및 제4 곡률(222)을 검출하여 실험자가 시력 교정용 안경(220)만을 착용한 것으로 인식할 수 있다.
반면, 서로 다른 곡률 간의 비율이 기 설정된 임계 값 미만인 경우 인식부(120)는 바람직하게는 실험자가 보안경(210)만을 착용한 것으로 인식할 수 있다. 다시 말해, 인식부(120)는 시력 교정용 안경(220)의 제3 곡률(221) 및 제4 곡률(222) 대비 상대적으로 편차가 큰 제1 곡률(211) 및 제2 곡률(212)을 검출하여 실험자가 보안경(210)만을 착용한 것으로 인식할 수 있다.
한편, 전술한 바와 같이 2개의 곡률 간의 비율의 절대 값이 동일한 경우, 인식부(120)는 실험자가 바람직하게는 시력 교정용 안경(220)만을 착용한 것으로 인식할 수 있다.
다시 도 2를 참조하면, 인식부(120)는 제1 모델을 이용하여 영상 정보 내 실험자의 눈 부근에서 서로 다른 값을 갖는 제1 곡률(211), 제2 곡률(212), 제3 곡률(221), 제4 곡률(222)을 검출할 수 있다. 이때, 인식부(120)는 영상 정보 내 실험자가 보안경(210)과 시력 교정용 안경(220)을 모두 착용한 것으로 인식할 수 있다. 인식부(120)는 영상 정보 내 실험자가 보안경(210)과 안경을 모두 착용한 것으로 인식할 수 있다.
한편, 인식부(120)는 관심영역을 달리하여 곡률을 검출할 수 있고, 이에 따른 곡률의 개수 또한 당업자에게 자명한 범위에서 상이해질 수 있다.
도 3은 일 실시예에 따른 실험실 안전 수칙 준수 판별 방법을 설명하기 위한 흐름도이다.
도 3에 도시된 방법은 도 1의 실험실 안전 수칙 준수 판별 장치(100)에 의해 수행될 수 있다.
도 3을 참조하면, 우선 실험실 안전 수칙 준수 판별 장치(100)는 실험실의 부근에 위치하여 실험실의 출입을 요청하는 실험자를 촬영함으로써 생성된 영상 정보를 수신(310)한다.
이후, 실험실 안전 수칙 준수 판별 장치(100)는 영상 정보에서 실험자가 착용한 안전보호장구를 인식(320)한다.
이후, 실험실 안전 수칙 준수 판별 장치(100)는 인식 결과를 통해 생성한 안전보호장구의 착용 정보를 상기 실험실에서 요구하는 안전 수칙 리스트와 비교하여 실험실에 대한 안전 수칙 준수 여부를 판별(330)한다.
도 4는 추가적인 실시예에 따른 실험실 안전 수칙 준수 판별 방법을 설명하기 위한 흐름도이다.
도 4에 도시된 방법은 도 1의 실험실 안전 수칙 준수 판별 장치(100)에 의해 수행될 수 있다.
도 4를 참조하면, 우선 실험실 안전 수칙 준수 판별 장치(100)는 실험실의 부근에 위치하여 실험실의 출입을 요청하는 실험자를 촬영함으로써 생성된 영상 정보를 수신(410)한다.
이후, 실험실 안전 수칙 준수 판별 장치(100)는 영상 정보에서 실험자가 착용한 안전보호장구를 인식(420)한다.
이후, 실험실 안전 수칙 준수 판별 장치(100)는 인식 결과를 통해 생성한 안전보호장구의 착용 정보를 상기 실험실에서 요구하는 안전 수칙 리스트와 비교하여 실험실에 대한 안전 수칙 준수 여부를 판별(430)한다.
이때, 실험자가 안전 수칙 리스트를 모두 준수한 것으로 판별되는 경우, 실험실 안전 수칙 준수 판별 장치(100)는 실험실의 출입문을 개방하도록 개방 신호를 송신(440)한다.
반면, 실험자가 안전 수칙 리스트를 준수하지 않은 것으로 판별되는 경우, 실험실 안전 수칙 준수 판별 장치(100)는 실험실의 출입문을 개방하도록 폐쇄하도록 폐쇄 신호를 송신(450)한다.
상기 도시된 도 3 및 도 4의 방법은 도면에 제시된 순서도를 참조로 하여 설명되었다. 설명을 위하여 상기 방법은 일련의 블록들로 도시되고 설명되었으나, 본 발명은 상기 블록들의 순서에 한정되지 않고, 몇몇 블록들은 다른 블록들과 본 명세서에서 도시되고 기술된 것과 상이한 순서로 또는 동시에 일어날 수도 있으며, 동일한 또는 유사한 결과를 달성하는 다양한 다른 분기, 흐름 경로, 및 블록의 순서들이 구현될 수 있다. 또한, 본 명세서에서 기술되는 방법의 구현을 위하여 도시된 모든 블록들이 요구되지 않을 수도 있다.
나아가, 본 발명의 일 실시예에 따른 방법은 일련의 과정들을 수행하기 위한 컴퓨터 프로그램의 형태로 구현될 수도 있으며, 상기 컴퓨터 프로그램은 컴퓨터로 판독 가능한 기록 매체에 기록될 수도 있다. 컴퓨터로 판독 가능한 기록 매체의 예에는, 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체, CD-ROM, DVD와 같은 광기록 매체, 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 ROM, RAM, 플래시 메모리 등과 같은 프로그램 명령어를 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다.
이상에서는 실시예들을 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.
100: 실험실 안전 수칙 준수 판별 장치
110: 수신부
120: 인식부
130: 판별부
210: 보안경
220: 시력 교정용 안경
211: 제1 곡률
212: 제2 곡률
221: 제3 곡률
222: 제4 곡률
110: 수신부
120: 인식부
130: 판별부
210: 보안경
220: 시력 교정용 안경
211: 제1 곡률
212: 제2 곡률
221: 제3 곡률
222: 제4 곡률
Claims (22)
- 실험실의 부근에 위치하여 상기 실험실의 출입을 요청하는 실험자를 촬영함으로써 생성된 영상 정보를 수신하는 수신부;
상기 영상 정보에서 상기 실험자가 착용한 안전보호장구를 인식하는 인식부; 및
인식 결과를 통해 생성한 안전보호장구의 착용 정보를 상기 실험실에서 요구하는 안전 수칙 리스트와 비교하여 상기 실험실에 대한 안전 수칙 준수 여부를 판별하는 판별부를 포함하는, 실험실 안전 수칙 준수 판별 장치.
- 제1항에 있어서,
상기 안전보호장구는,
보안경, 실험복 및 보호 장갑 중 적어도 하나를 포함하는, 실험실 안전 수칙 준수 판별 장치.
- 제1항에 있어서,
상기 인식부는,
입력된 이미지에 대하여 시력 교정용 안경과 보안경 모두 미착용한 제1 얼굴 이미지, 시력 교정용 안경은 착용하였으나 보안경을 미착용한 제2 얼굴 이미지, 시력 교정용 안경은 미착용하였으나 보안경을 착용한 제3 얼굴 이미지 또는 시력 교정용 안경과 보안경 모두 착용한 제4 얼굴 이미지로 분류하도록 학습된 제1 모델을 이용하여 상기 영상 정보 내 실험자의 시력 교정용 안경 및 보안경 착용 여부를 인식하는, 실험실 안전 수칙 준수 판별 장치.
- 제3항에 있어서,
상기 제1 모델은, 입력된 이미지 내 안면의 시각적 특징을 분석하여 보안경과 시력 교정용 안경 착용 여부를 인식하도록 학습된 인공지능 기반의 모델인, 실험실 안전 수칙 준수 판별 장치.
- 제3항에 있어서,
상기 제1 모델은,
상기 영상 정보 내 상기 실험자의 눈 부근에서 인식되는 곡률에 기초하여 상기 입력된 이미지를 제1 얼굴 이미지, 제2 얼굴 이미지, 제3 얼굴 이미지 또는 제4 얼굴 이미지로 분류하도록 학습되는, 실험실 안전 수칙 준수 판별 장치.
- 제5항에 있어서,
상기 제1 모델은,
상기 영상 정보 내 상기 실험자의 눈 부근에서 인식되는 곡률의 개수에 기초하여 상기 입력된 이미지를 제1 얼굴 이미지, 제2 얼굴 이미지, 제3 얼굴 이미지 또는 제4 얼굴 이미지로 분류하도록 학습되는, 실험실 안전 수칙 준수 판별 장치.
- 제1항에 있어서,
상기 인식부는,
실험복의 특징에 기초하여 상기 실험자의 실험복 착용 여부를 분류하도록 학습된 제2 모델을 이용하여 상기 영상 정보 내 실험자의 실험복 착용 여부를 인식하고,
상기 실험복의 특징은 상기 실험실에 지정된 실험복의 로고, 옷깃, 색상, 팔 길이, 실험복의 가슴둘레, 어깨넓이, 밑단 둘레 및 총 길이 중 적어도 하나를 포함하는, 실험실 안전 수칙 준수 판별 장치.
- 제1항에 있어서,
상기 판별부가 상기 실험자가 상기 안전 수칙 리스트를 모두 준수한 것으로 판별하는 경우, 상기 실험실의 출입문을 개방하도록 개방 신호를 송신하고,
상기 판별부가 상기 실험자가 상기 안전 수칙 리스트를 준수하지 않은 것으로 판별하는 경우, 상기 실험실의 출입문을 폐쇄하도록 폐쇄 신호를 송신하는 제어부를 더 포함하는, 실험실 안전 수칙 준수 판별 장치.
- 제1항에 있어서,
상기 수신부는,
상기 실험자를 촬영한 카메라의 위치를 상기 실험실의 위치로 간주하여 상기 카메라의 식별 정보와 매핑된 안전 수칙 리스트를 더 수신하는, 실험실 안전 수칙 준수 판별 장치.
- 제1항에 있어서,
상기 인식부는,
상기 실험자의 체온을 인식하고,
상기 판별부는,
상기 실험자의 체온이 기 설정된 값 이상인 경우, 상기 안전 수칙 리스트를 준수하지 않은 것으로 판별하는, 실험실 안전 수칙 준수 판별 장치.
- 제1항에 있어서,
상기 실험자의 안전 수칙 리스트 미준수 횟수가 기 설정된 횟수 이상인 경우, 알림음, 진동 및 팝업 메시지 중 적어도 하나가 출력되도록 설정된 알림 신호를 상기 실험실 근처에 설치된 키오스크에 송신하는 제어부를 포함하고,
상기 안전 수칙 리스트를 준수하지 않은 것으로 판별된 실험자에 대한 안전 수칙 준수 결과를 AI 기반 메모리 아키텍처를 활용한 차세대 메모리에 저장하는 저장부를 더 포함하는, 실험실 안전 수칙 준수 판별 장치.
- 실험실의 부근에 위치하여 상기 실험실의 출입을 요청하는 실험자를 촬영함으로써 생성된 영상 정보를 수신하는 단계;
상기 영상 정보에서 상기 실험자가 착용한 안전보호장구를 인식하는 단계; 및
인식 결과를 통해 생성한 안전보호장구의 착용 정보를 상기 실험실에서 요구하는 안전 수칙 리스트와 비교하여 상기 실험실에 대한 안전 수칙 준수 여부를 판별하는 단계를 포함하는, 실험실 안전 수칙 준수 판별 방법.
- 제12항에 있어서,
상기 안전보호장구는,
보안경, 실험복 및 보호 장갑 중 적어도 하나를 포함하는, 실험실 안전 수칙 준수 판별 방법.
- 제12항에 있어서,
상기 인식하는 단계는,
입력된 이미지에 대하여 시력 교정용 안경과 보안경 모두 미착용한 제1 얼굴 이미지, 시력 교정용 안경은 착용하였으나 보안경을 미착용한 제2 얼굴 이미지, 시력 교정용 안경은 미착용하였으나 보안경을 착용한 제3 얼굴 이미지 또는 시력 교정용 안경과 보안경 모두 착용한 제4 얼굴 이미지로 분류하도록 학습된 제1 모델을 이용하여 상기 영상 정보 내 실험자의 시력 교정용 안경 및 보안경 착용 여부를 인식하는 단계를 포함하는, 실험실 안전 수칙 준수 판별 방법.
- 제14항에 있어서,
상기 제1 모델은, 입력된 이미지 내 안면의 시각적 특징을 분석하여 보안경과 시력 교정용 안경 착용 여부를 인식하도록 학습된 인공지능 기반의 모델인, 실험실 안전 수칙 준수 판별 방법.
- 제14항에 있어서,
상기 제1 모델은,
상기 영상 정보 내 상기 실험자의 눈 부근에서 인식되는 곡률에 기초하여 상기 입력된 이미지를 제1 얼굴 이미지, 제2 얼굴 이미지, 제3 얼굴 이미지 또는 제4 얼굴 이미지로 분류하도록 학습되는, 실험실 안전 수칙 준수 판별 방법.
- 제16항에 있어서,
상기 제1 모델은,
상기 영상 정보 내 상기 실험자의 눈 부근에서 인식되는 곡률의 개수에 기초하여 상기 입력된 이미지를 제1 얼굴 이미지, 제2 얼굴 이미지, 제3 얼굴 이미지 또는 제4 얼굴 이미지로 분류하도록 학습되는, 실험실 안전 수칙 준수 판별 방법.
- 제12항에 있어서,
상기 인식하는 단계는,
실험복의 특징에 기초하여 상기 실험자의 실험복 착용 여부를 분류하도록 학습된 제2 모델을 이용하여 상기 영상 정보 내 실험자의 실험복 착용 여부를 인식하는 단계를 포함하고,
상기 실험복의 특징은 상기 실험실에 지정된 실험복의 로고, 옷깃, 색상, 팔 길이, 실험복의 가슴둘레, 어깨넓이, 밑단 둘레 및 총 길이 중 적어도 하나를 포함하는, 실험실 안전 수칙 준수 판별 방법.
- 제12항에 있어서,
상기 판별하는 단계는 상기 실험자가 상기 안전 수칙 리스트를 모두 준수한 것으로 판별되는 경우, 상기 판별하는 단계 이후, 상기 실험실의 출입문을 개방하도록 개방 신호를 송신하는 단계를 더 포함하고,
상기 판별하는 단계는 상기 실험자가 상기 안전 수칙 리스트를 준수하지 않은 것으로 판별되는 경우, 상기 판별하는 단계 이후, 상기 실험실의 출입문을 폐쇄하도록 폐쇄 신호를 송신하는 단계를 더 포함하는, 실험실 안전 수칙 준수 판별 방법.
- 제12항에 있어서,
상기 수신하는 단계는,
상기 실험자를 촬영한 카메라의 위치를 상기 실험실의 위치로 간주하여 상기 카메라의 식별 정보와 매핑된 안전 수칙 리스트를 수신하는 단계를 포함하는, 실험실 안전 수칙 준수 판별 방법.
- 제12항에 있어서,
상기 인식하는 단계는,
상기 실험자의 체온을 인식하는 단계를 포함하고,
상기 판별하는 단계는,
상기 실험자의 체온이 기 설정된 값 이상인 경우, 상기 안전 수칙 리스트를 준수하지 않은 것으로 판별하는 단계를 포함하는, 실험실 안전 수칙 준수 판별 방법.
- 제12항에 있어서,
상기 실험자의 안전 수칙 리스트 미준수 횟수가 기 설정된 횟수 이상인 경우, 알림음, 진동 및 팝업 메시지 중 적어도 하나가 출력되도록 설정된 알림 신호를 상기 실험실 근처에 설치된 키오스크에 송신하는 단계; 및
상기 안전 수칙 리스트를 준수하지 않은 것으로 판별된 실험자에 대한 안전 수칙 준수 결과를 AI 기반 메모리 아키텍처를 활용한 차세대 메모리에 저장하는 단계를 더 포함하는, 실험실 안전 수칙 준수 판별 방법.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020220105988A KR20240028576A (ko) | 2022-08-24 | 2022-08-24 | 실험실 안전 수칙 준수 여부를 판별하기 위한 장치 및 방법 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020220105988A KR20240028576A (ko) | 2022-08-24 | 2022-08-24 | 실험실 안전 수칙 준수 여부를 판별하기 위한 장치 및 방법 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR20240028576A true KR20240028576A (ko) | 2024-03-05 |
Family
ID=90299025
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020220105988A KR20240028576A (ko) | 2022-08-24 | 2022-08-24 | 실험실 안전 수칙 준수 여부를 판별하기 위한 장치 및 방법 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR20240028576A (ko) |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101872314B1 (ko) | 2016-10-28 | 2018-06-28 | 주식회사 서안에스앤씨 | 건설현장 작업자 안전장구 착용 유무 감시 시스템 |
-
2022
- 2022-08-24 KR KR1020220105988A patent/KR20240028576A/ko unknown
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101872314B1 (ko) | 2016-10-28 | 2018-06-28 | 주식회사 서안에스앤씨 | 건설현장 작업자 안전장구 착용 유무 감시 시스템 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US10796514B2 (en) | System and method for optimizing a facial recognition-based system for controlling access to a building | |
| KR102350507B1 (ko) | 출입 제어 방법, 출입 제어 장치, 시스템 및 저장매체 | |
| US20210287469A1 (en) | System and method for provisioning a facial recognition-based system for controlling access to a building | |
| US10366595B2 (en) | Surveillance method and system based on human behavior recognition | |
| US20180247504A1 (en) | Identification of suspicious persons using audio/video recording and communication devices | |
| WO2016147770A1 (ja) | 監視システム及び監視方法 | |
| KR20140038300A (ko) | 인물 인식 장치 및 방법 | |
| CN109286788A (zh) | 一种基于云计算的安防监控系统 | |
| RU2713876C1 (ru) | Способ и система выявления тревожных событий при взаимодействии с устройством самообслуживания | |
| Cuevas et al. | Detection of stationary foreground objects using multiple nonparametric background-foreground models on a finite state machine | |
| JP6864847B2 (ja) | 管理装置、管理システムおよび管理方法 | |
| US20230358890A1 (en) | Individual identification and tracking via combined video and lidar systems | |
| KR101515214B1 (ko) | 얼굴 인식을 통한 신원확인 방법과 얼굴인식을 이용한 출입관리 경보 시스템 및 출입관리 경보 제어방법 | |
| KR20190093799A (ko) | Cctv를 통한 실시간 실종자 얼굴 인식 시스템 및 그 방법 | |
| CN111783640A (zh) | 检测方法、装置、设备以及存储介质 | |
| JPWO2020195376A1 (ja) | 監視装置、不審オブジェクト検出方法、およびプログラム | |
| US11093757B2 (en) | Firearm detection system and method | |
| CN112911204A (zh) | 监控方法、装置、存储介质和电子设备 | |
| KR100706871B1 (ko) | 감시영상에서 얼굴의 진위 여부를 구별하는 방법 | |
| JP5752976B2 (ja) | 画像監視装置 | |
| JP6794843B2 (ja) | 報知装置、報知システムおよび報知方法 | |
| CN109635691A (zh) | 一种控制方法、装置、设备及存储介质 | |
| KR20190108218A (ko) | 디지털 영상 이미지를 이용한 위급상황 분석장치 및 방법 | |
| JP2019053381A (ja) | 画像処理装置、情報処理装置、方法およびプログラム | |
| KR20240028576A (ko) | 실험실 안전 수칙 준수 여부를 판별하기 위한 장치 및 방법 |