Comparative Study on Deep-learning Object Detection Based Recognizing Worker Falls in Underground Utility Tunnels

지하공동구 작업자의 이상행동을 감지하기 위한 이미지 기반의 여러 딥러닝 모델이 제안되고 있다. 이들 모델의 다수는 딥러닝 추론 결과에 낙상을 판단하기 위한 규칙을 적용하고 있으나, 규칙 기반 모델은 카메라 각도 및 위치 등에 영향을 받아 낙상 검출 성능에 제한적일 수 있다. 본 논문은 지하공동구 작업자의 낙상 검출에 대한 규칙 및 학습 기반의 객체 감지 딥러닝 모델의 성능을 비교하였다. 규칙 기반의 낙상 판별 모델의 경우, COCO 데이터셋(Model A)과 지하공동구 데이터셋(Model B)으로 각각 학습된 YOLOv5 모델을 사용하며, 작업자 자세와 무관하게 경계상자의 종횡비를 활용해 작업자의 낙상을 판별한다. 반면 낙상 학습 기반 모델(Model C)은 YOLOv5에 지하공동구 작업자의 낙상과 정상을 구분할 수 있도록 학습하였다. 시험 결과는 Model C의 F1 지표가 0.867로 Model A 및 B 대비 각각 76%, 10% 높게 나타나, 낙상 자체를 학습 기반 모델이 종횡비 규칙 기반 모델 대비 지하공동구 작업자의 낙상 탐지에 효과적임을 보여주었다. 또한 규칙 기반 모델의 낙상 탐지 성능 개선을 위해 작업자 인식 성능 제고가 필요함을 알 수 있다. 본 논문의 결과는 지하공동구 작업자의 안전 모니터링을 위한 효율적인 방법 선택에 기여할 수 있을 것으로 기대된다.