부산대학교 도서관

Rapid reaction in an accident is the most effective way to minimize human and material losses. However, it is difficult to detect and react to accident rapidly at a workplace with insufficient management and supervision. To alleviate this problem, fall detection systems using artificial intelligence (AI) has been researched. Unfortunately, it is hard to detect all accidents using fall detection only based on characteristics of workplace. Thus, in this paper, we suggested an accident detection system to detect not only fall state, but also stun state in an accident. In this work, we implemented a system to detect whether there was an accidents or not. In our implemented system, we first extracted keypoints from videos using Mediapipe. We then identified an accident by applying RNN based on LSTM. Our experiments confirm that our devised system shows high accuracy. In addition, our implemented system can detect stun state as well as fall state in an accident.
사고 상황에서의 빠른 조치는 인적, 물적 손실을 최소화하는 가장 효과적인 방법이다. 그러나 관리 감독이 부족한 작업환경에서는 빠르게 사고를 감지하고 조치하기 어렵다. 이러한 문제를 해결하기 위해 인공지능을 활용한 낙상 감지 시스템이 개발되었다. 그러나 작업 현장의 특성상 낙상 감지만으로는 모든 사고를 감지하기에 부족하다. 따라서, 본 논문에서는 낙상뿐만 아니라 기절 등 분류 기준을 추가한 사고 감지 시스템을 제안한다. 본 연구에서는, 사고 발생 여부를 탐지할 수 있는 시스템을 구현하였다. 구현된 시스템은 우선 Mediapipe를 이용하여 영상에서 특징점을 추출하고, 장단기 메모리(Long Short Term Memory: LSTM)을 기반한 순환 신경망(Recurrent Neural Network: RNN)을 이용하여 사고를 식별하였다. 자체 실험 결과, 구현 시스템이 낙상 상태뿐만이 아닌 기절 상태 또한 사고로 감지하면서도 우수한 정확도를 보였다.