[논문 리뷰] Automatic Safety Helmet Wearing Detection

Kang Li, Xiaoguang Zhao외 2명|arXiv (Cornell University)|2018. 02. 01.

Video Surveillance and Tracking Methods참고 문헌 10인용 수 7

한 줄 요약

이 논문은 파wer 송전변전소에서 실시간으로 안전모 착용 여부를 감지하기 위한 컴퓨터 비전 기반 시스템을 제안한다. 이는 움직임 분할에 ViBe를, 보행자 감지에 C4를, 색상 특징 구분에 HSV 공간을 사용한다. 프레임워크는 ROC 곡선에서 94.13%의 AUC를 달성하여 HOG+SVM보다 5% 높은 성능을 보이며, 지능형 감시 응용 분야에서 높은 정확도와 효율성을 입증한다.

ABSTRACT

Surveillance is essential for the safety of power substation. The detection of whether wearing safety helmets or not for perambulatory workers is the key component of overall intelligent surveillance system in power substation. In this paper, a novel and practical safety helmet detection framework based on computer vision, machine learning and image processing is proposed. In order to ascertain motion objects in power substation, the ViBe background modelling algorithm is employed. Moreover, based on the result of motion objects segmentation, real-time human classification framework C4 is applied to locate pedestrian in power substation accurately and quickly. Finally, according to the result of pedestrian detection, the safety helmet wearing detection is implemented using the head location, the color space transformation and the color feature discrimination. Extensive compelling experimental results in power substation illustrate the efficiency and effectiveness of the proposed framework.

연구 동기 및 목표

• 전력 송전변전소의 근로자들이 안전모를 착용하고 있는지 자동으로 감지할 수 있는 자동화되고 실용적인 시스템을 개발하는 것.
• 실시간 모니터링을 위해 컴퓨터 비전과 기계학습을 활용하여 수동 감시에 대한 의존도를 줄이는 것.
• 복잡한 변전소 환경에서 안전모 착용 준수 여부를 자동으로 감지함으로써 근로자 안전을 향상시키는 것.
• 더 나은 상황 인식을 위해 색상 기반의 안전모 식별(예: 안전모 색상 식별)을 가능하게 하는 것.

제안 방법

• 감시 영상에서 정적 환경에서 움직이는 물체를 분리하기 위해 ViBe 배경 모델링 알고리즘을 사용한다.
• 형상 및 공간적 특징을 기반으로 움직임 영역을 보행자로 분류하기 위해 C4 보행자 감지 알고리즘을 적용한다.
• 감지된 보행자로부터 머리 위치를 추출하여 안전모 감지에 머리 영역에 집중한다.
• 안전모 감지에 대한 색상 특징의 강건성을 향상시키기 위해 색상 공간을 HSV 공간으로 변환한다.
• 통계적 색상 분포를 사용하여 색상 특징 구분(CFD)을 수행하여 안전모 존재 여부를 판단한다.
• 움직임 감지, 보행자 분류, 색상 기반 안전모 감지 기능을 통합하여 실시간으로 작동하는 프레임워크를 구성한다.

실험 결과

연구 질문

• RQ1 복잡한 변전소 환경에서 최소한의 계산 비용으로 ViBe 기반 움직임 분할이 움직이는 근로자를 효과적으로 분리할 수 있는가?
• RQ2 실시간 감시 환경에서 다양한 조도 및 배경 조건 하에서 C4 알고리즘이 보행자를 얼마나 정확하게 감지할 수 있는가?
• RQ3 HSV 공간에서의 색상 특징 구분이 다른 특징 집합에 비해 안전모 감지 정확도를 얼마나 향상시키는가?
• RQ4 실제 변전소 환경 조건에서 다수의 보행자와 색상 기반 안전모를 감지하는 데 시스템의 성능은 어떠한가?
• RQ5 조도 변화와 객체 크기 변화가 안전모 감지 신뢰성에 미치는 영향은 무엇인가?

주요 결과

• 제안된 시스템은 10개의 테스트 영상에서 평균 보행자 분류 정확도가 84.2%를 기록했다.
• ViBe, C4, 색상 특징 구분(CFD)을 조합한 방법은 ROC 곡선에서 AUC 94.13%를 달성하여 HOG+SVM+CFD 기준선 대비 5%포인트 높은 성능(89.20% AUC)을 보였다.
• PR 곡선 분석을 통해 제안된 방법이 안전모 감지 작업에서 정밀도와 재현율 측면에서 뛰어난 성능을 보였다.
• 거짓 경고와 누락 감지의 주요 원인은 정확하지 못한 보행자 바운딩 박스와 조도 변화에 민감한 색상 특징의 민감도였다.
• 해상도가 제한되고 C4 알고리즘이 작은 대상에 대해 특징 기술 능력이 제한되어 있어 먼 거리의 보행자 감지 성능이 저하되었다.
• 프레임워크는 실시간 성능과 실질적인 구현 가능성을 입증하여 실제 변전소 감시 시스템에의 도입에 매우 유용하다.