안전모 착용은 건설 현장 작업자의 안전을 위해 매우 중요한 요소입니다. 그러나 작업자들은 헬멧 착용으로 인한 불편함과 안전감의 부족으로 인해 헬멧을 벗는 경우가 많습니다. 이러한 행동은 큰 위험을 초래할 수 있기 때문에 헬멧 착용 감지는 건설 현장의 안전 관리에 매우 중요합니다. 기존의 수동 모니터링 방식은 노동 집약적이고, 센서를 헬멧에 장착하는 것이 대중화되기 어려운 문제가 있었습니다. 그러나, 본 논문에서는 높은 검출율과 만족스러운 정확도를 가진 AI 방식을 제안합니다.
우리의 방법은 YOLO v4를 기반으로 하며, 입력 후 이미지 슈퍼 해상도(ISR) 모듈을 추가하여 이미지 해상도를 증가시키고 노이즈를 제거합니다. 이후 고밀도 블록을 사용하여 CSPDarknet53 프레임워크를 대체하여 불필요한 계산을 줄이고 네트워크 구조 매개변수의 수를 줄입니다. 이를 통해 전체 이미지에서 작은 대상의 기능을 활용하는 SPPnet과 PANnet의 조합을 사용합니다. 또한, YOLOv4 손실 함수에 전경과 배경 균형 손실 함수를 추가하여 이미지 배경과 전경을 해결하는 불균형 문제를 해결합니다.
실험 결과, 자체 구축한 데이터셋을 사용하여 수행한 실험은 제안하는 방법이 현재 사용 가능한 소형 표적 탐지 방법보다 훨씬 효과적임을 보여주었습니다. 우리의 모델은 원래 알고리즘보다 7.8% 증가한 93.3%의 평균 정밀도를 달성하며, 416 x 416에서 이미지를 감지하는 데 3.0ms밖에 걸리지 않습니다. 이를 통해 기업의 건설 현장에서 안전모 착용 감지를 자동화하고 더욱 안전한 작업 환경을 조성할 수 있습니다.
