Design of an Integrated Industrial Safety Monitoring System Using Deep Learning-Based Unified Object and Behavior Recognition

본 연구는 산업 현장의 안전사고 예방을 위해 단일 영상 스트림 기반 객체 검출(YOLOv9)과 행동 인식(GRU)을 통합한 실시간 산업안전 모니터링 시스템을 제안한다. YOLOv9은 정확도 97.5%, F1-score 0.95, 45.7 FPS를, GRU 모델은 정확도 98.1%, F1-score 0.97, 44.9 FPS를 기록하였다. 통합 이벤트 분석에서는 정확도 99.2%, 재현율 99.0%, F1-score 0.99, 평균 45.3 FPS로 높은 일관성을 보였다. 또한 KTL 기준 실내·외·주야간 시험에서도 98~100% 탐지율을 유지하였다. 제안된 단일 파이프라인 구조는 기존 다채널 방식 대비 우수한 연산 효율성과 실시간성을 제공한다. 본 연구는 다양한 산업 환경에 적용 가능한 고신뢰성 자율 안전관리 기술의 가능성을 확인하였다.