A Study on Real-Time Safety Equipment Detection Model based on Skeleton-Fused Technique in Embedded Environments

최근 중대재해처벌법 시행 등 산업 안전 규제가 강화됨에 따라 현장의 위험을 즉각 감지하는 지능형 모니터링 시스템의 중요성이 커지고 있다. 그러나 기존 중앙 서버 방식은 통신 지연과 데이터 보안 문제가 존재하며, 이를 대체할 엣지 기반 경량 모델은 소형 객체의 탐지 정확도가 낮다는 기술적 한계가 있다. 이에 본 연구는 경량화 모델인 YOLOv11n을 백본으로 활용하고, 여기에 Skeleton 추출 정보를 결합한 실시간 SF-PPE(Skeleton-Fused PPE) 탐지모델을 제안하였다.<br/> 제안 모델은 객체와 신체 관절의 기하학적 중첩 여부를 검증하는 로직을 적용하여, 작업자가 아닌 배경 사물을 보호구로 오인하는 오탐지를 획기적으로 줄이고 탐지 신뢰도를 높였다. 성능 평가 결과, mAP50 57.21%를 기록하여 기존 단일 모델 대비 5.3% 향상된 성능을 보였으며, 특히 식별이 어려운 소형 객체인 보안경의 탐지 성능이 37.4% 대폭 개선되었다. 또한 20.2 FPS라는 안정적인 추론 속도를 확보하여, 산업 현장의 제한된 엣지 디바이스 환경에서도 실시간 안전 관리가 가능함을 연구적으로 검증하였다.