Optimizing and Evaluating a Transformer-based Model for Fall Detection in Composite Fall Scenario Videos

초고령 사회의 도래와 함께 낙상은 노인의 생명과 건강을 위협하는 중대한 사회적 위험 요인으로 부상하고 있다. 본 연구는 복잡한 실제 환경에서 노인의 낙상을 효과적으로 감지하기 위한 실용적 영상 기반 시스템 구축의 기반이 되는 종단간(End-to-End) 낙상 감지 모델을 제안한다. 구체적으로, 본 연구는 기존 스켈레톤 추출 방식의 전처리 의존성과 오류 전파 문제를 극복하고자, 원본 RGB 영상만으로 작동하는 UniFormer 아키텍처를 개선하고 최신 학습 전략을 결합하였다. 특히 다양한 장소, 보조기구 사용, 촬영 각도 등을 포함한 AIHUB 데이터셋을 통해 모델의 일반화 가능성과 실효성을 평가하였으며, 복잡한 환경에서도 기존 모델 대비 높은 정확도(96.5%)와 F1-Score(93.2%)를 기록하였다. 본 연구의 사회적 함의는 다음과 같다. 첫째, 별도의 장비나 센서 없이 기존 CCTV 인프라를 활용할 수 있어 낙상 감지 기술의 보편적 확산 가능성을 제시한다. 둘째, 고비용 설비나 전문 인력 없이도 요양 시설 및 가정에서의 고령자 안전 모니터링 체계를 구축할 수 있어 사회적 돌봄 비용 절감과 돌봄 공백 최소화에 기여할 수 있다. 셋째, 장비 착용이나 인위적 개입 없이도 일상생활 속에서 자연스럽게 낙상을 감지할 수 있도록 설계되어, 고령자가 감시받는 존재가 아닌 자율적 주체로 존중받을 수 있는 환경 조성에 기여한다. 마지막으로 정보기술이 사회적 약자를 위한 안전망 구축에 기여할 수 있는 새로운 방향성을 제시하며, 노인복지정책과 스마트케어 인프라 설계에도 유의미한 방향성을 제공할 수 있다.