신체 부위와 개인보호구의 공간적 관계를 활용한 쿼리 학습

건설·제조 등 산업 현장에서는 작업자의 안전모, 장갑, 안전화 등의 개인보호구 착용 여부를 지속적으로 확인할 필요가 있다. 최근 YOLO 및 DETR 계열 객체 탐지 모델을 이용한 자동화된 PPE 탐지가 활발하게 연구되고 있으나, 실제 산업 현장에서는 작업자와 카메라 사이의 거리, 객체 간 가림, 복잡한 배경 등으로 인해 안전모·장갑·안전화와 같은 작은 객체의 탐지 성능이 쉽게 저하되는 문제가 있다.

특히 기존 객체 탐지 모델은 사람과 개인보호구를 각각 독립적인 객체로 처리하는 경우가 많아, 안전모는 머리 주변, 장갑은 손 주변, 안전화는 발 주변에 존재한다는 신체 구조적·공간적 정보를 충분히 활용하지 못한다. 이러한 정보는 PPE가 차지하는 픽셀 수가 적거나 일부가 가려진 상황에서 탐지 Query가 올바른 영역을 찾도록 유도하는 중요한 사전 정보로 활용될 수 있다.

본 프로젝트에서는 RT-DETR 계열의 Query 기반 객체 탐지 구조를 활용하여 사람의 신체 부위와 개인보호구 간 공간적 관계를 Query 학습 과정에 반영하는 방법을 개발한다. 이를 통해 작은 PPE 객체의 탐지 정확도와 재현율을 향상시키고, 최종적으로 실제 모바일 환경에서 추론을 수행하여 현장 적용 가능성을 검증하는 것을 목표로 한다.

신체 부위와 개인보호구의 공간적 관계를 활용한 Query Learning 기반 산업 안전 객체 탐지 모델을 개발하고, 정확도 향상 및 실제 모바일 환경에서의 적용 가능성을 실증한다.

핵심 기술 개발: 사람의 머리·손·발 등 신체 영역과 안전모·장갑·안전화 사이의 공간적 관계를 모델링하여 PPE 탐지 Query 학습에 활용하는 객체 탐지 기법 개발

작은 PPE 객체 탐지 성능 향상: 원거리 작업자 및 복잡한 배경 환경에서 크기가 작은 안전모·장갑·안전화의 탐지 정확도 및 Recall 향상

Query Learning 개선: RT-DETR 계열의 Query가 신체 부위 주변의 PPE 후보 영역을 효과적으로 탐색하도록 공간적 prior를 적용한 Query 생성·보정 방법 연구

비교 실험 및 검증: RT-DETR 계열 Baseline 및 YOLO 계열 모델과 비교하여 제안 방법의 mAP, Recall 및 small-object detection 성능 검증

모바일 환경 실증: 학습된 객체 탐지 모델을 모바일 환경에서 구동하여 실제 카메라 입력에 대한 FPS, 추론 지연시간 및 메모리 사용량 측정

논문 및 연구 성과: 실험 결과를 기반으로 국내·외 학술대회 또는 SCI(E)급 저널 논문 투고

[정량적 목표] 평가 데이터셋: SH17, Construction-PPE 등 공개 PPE 객체 탐지 데이터셋을 기반으로 실험 데이터 구성

탐지 성능: Baseline RT-DETR 대비 mAP50-95 향상

Small Object 성능: 안전모·장갑 등 작은 PPE 객체에 대한 AP 및 Recall 향상

공간 관계 효과 검증: Body-Part/PPE Spatial Query 적용 전·후 Ablation Study 수행

비교 모델: RT-DETR / RT-DETRv3 및 YOLO 경량 모델과 성능 비교

실시간성 검증: 모바일 환경에서 실제 카메라 입력 기반 추론 Latency 및 FPS 측정

모델 효율성: Parameters, FLOPs, 메모리 사용량을 함께 측정하여 적용 가능성 검증