메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류
인문학
인문학 일반 역사학 철학 종교학 어문학 기타 인문학
사회과학
사회과학 일반 경영학 관광학 교육학 군사학 문헌정보학 법학 사회학 신문방송학 심리과학 정치외교학 지리학 행정학 경제학 무역학 인류학 기타 사회과학
자연과학
자연과학 일반 물리학 생물학 생활과학 수학·통계학 천문학 지구과학 화학 기타 자연과학
공학
공학 일반 건축공학 기계공학 산업공학 재료·에너지공학 전기전자공학 조선해양공학 화학공학 컴퓨터학 기타공학
의약학
의학 일반 간호학 수의학 약학 한의학 기초의학 임상의학 기타 의약학
농수해양학
농수해양학 일반 농학 수산학 식품과학 임학 축산학 해상운송학 기타 농수해양학
예술체육학
예술 일반 디자인 미술 미용 사진 음악학 의상 체육 공연매체예술 기타 예술체육학
복합학
학제간연구 과학기술학 뇌인지과학 기술정책 기타 복합학

ENG

추천
검색
질문

논문 기본 정보

자료유형
학술저널
저자정보
김정수 (한국건설기술연구원)
저널정보
한국산학기술학회 한국산학기술학회 논문지 한국산학기술학회논문지 제25권 제8호
발행연도
2024.8
수록면
22 - 30 (9page)
DOI
10.5762/KAIS.2024.25.8.22

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색
질문

초록· 키워드

오류제보하기
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.
#Fall Detection #Object Detection #Underground Utility Tunnel #YOLOv5 #Bounding Box Ratio

목차

요약
Abstract
1. 서론
2. 연구방법
3. 딥러닝 모델 학습
4. 모델별 낙상 검출 성능 비교
5. 결론
References

참고문헌 (13)

참고문헌 신청
S. Choi, S. Youm, “A study on a fall detection monitoring system for falling elderly using open source hardware”, Multimedia Tools and Applications, Vol.78, pp.28423-28434, Oct. 2019. DOI: https://doi.org/10.1007/s11042-017-5452-9 google schola J. -T. Park, K. P. Han, Y. W. Park, “A Dangerous Situation Recognition System Using Human Behavior Analysis”, Journal of Korea Multimedia Society, Vol.24, No.3, pp.345-354, Oct. 2021. DOI: https://doi.org/10.9717/kmms.2020.24.3.345 google schola K. -W. Kang, S. -Y. Park, “The modified fall detection algorithm based on YOLO-KCF for elderly living alone care”, Journal of the Korea Institute of Convergence Signal Processing, Vol.21, No.2, pp.86-91, June 2020. google schola K. -M. Park, S. -D. Kim, C. -O. Bae “A study on the detection of fallen workers in shipyard using deep learning”, Journal of the Korean Society of Marine Environment & Safety, Vol.26, No.6, pp.601-605, Dec. 2020. DOI: https://doi.org/10.7837/kosomes.2020.26.6.601 google schola Y. Yoon, T. Oh, “A study on the improvement of construction site worker detection performance using YOLOv5 and OpenPose”, The Journal of the Convergence on Culture Technology, Vol.8, No.5, pp.735-740, Sep. 2022. DOI: http://dx.doi.org/10.17703/JCCT.2022.8.5.735 google schola

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

이 논문과 함께 이용한 논문

Object Detection을 활용한 부품 코팅 결함 탐지 및 정량화
서정필 ,  김창욱 대한산업공학회 춘계공동학술대회 논문집 2024 .05
YOLOv8에서 GPR 이미지를 이용한 지하 시설물 탐지 성능향상을 위한 Bounding box 보정방법 연구
김은정 ,  서응교 한국무역학회 학술대회 2024 .04
Object detection for various types of vessels using the YOLO algorithm
Min-Ho Pa ,  k ,  Jae-Hyuk Choi 외 1명 Journal of Advanced Marine Engineering and Technology (JAMET) 2024 .04
데이터 증강 기술을 활용한 딥러닝 기반의 노린재 탐지 연구
임지선 ,  최윤성 ,  박종혁 한국산학기술학회 논문지 2024 .04
거리 및 크기에 따른 YOLOv8 기반 인식 성능 분석
김영진 ,  홍성민 ,  김현승 외 2명 대한기계학회 춘추학술대회 2023 .11

최근 본 자료

전체보기

댓글(0)

0

UCI(KEPA) : I410-151-24-02-090659942