.svg)
AI 솔루션 문의하기
건설 현장과 산업 시설의 사고는 환경적 위험뿐 아니라 작업자의 부주의하거나 위험한 행동에서 비롯되는 경우가 많습니다. 안전모 미착용, 부적절한 자세 유지, 높은 곳에서의 균형 불안정, 장비 근처에서의 주의산만 행동 등이 대표적입니다. 기존의 감시자에 의한 모니터링만으로는 모든 위험 행동을 포착하기 어렵습니다. AI 기반 영상 분석 기술은 카메라 영상으로부터 작업자의 행동을 자동으로 인식하고, 안전 규정에 맞지 않는 행동을 실시간으로 감지할 수 있습니다. 이를 통해 위험 행동이 사고로 이어지기 전에 신속한 개입이 가능해집니다.
컴퓨터 비전은 카메라로부터 받은 영상 데이터를 분석하는 AI 기술입니다. 먼저 영상 속에서 작업자를 감지하고, 작업자의 신체 각 부위(머리, 팔, 다리 등)의 위치를 파악합니다. 이를 자세 추정이라 하며, 수집된 신체 부위 좌표로부터 작업자가 어떤 자세를 취하고 있는지 분석합니다. 시간에 따른 자세 변화를 추적하면 작업자의 행동 흐름을 파악할 수 있습니다. 예를 들어 기울어진 자세와 팔 움직임의 조합으로부터 넘어질 위험이 있는 행동을 식별할 수 있습니다.
AI 시스템은 설정된 안전 규정에 맞지 않는 행동을 자동으로 감지합니다. 안전모 착용 여부는 머리 부위 영상 분석을 통해 파악되며, 미착용 상태가 감지되면 즉시 경고합니다. 고소 작업 시 몸을 지탱하는 안전 점검 도구 사용 여부도 영상으로부터 판단할 수 있습니다. 또한 기계 작동 중 위험 거리 이내로 접근하는 행동, 안전 난간을 넘어가는 행동 등이 감지될 때 경고를 발생시킵니다. 이러한 자동 감지는 사람의 감시자가 모든 순간을 지켜볼 수 없는 한계를 보완합니다.
작업에 집중하지 못하는 행동도 위험 신호가 될 수 있습니다. 장시간 정체된 자세, 반복적인 같은 방향 응시, 갑작스러운 움직임 정지 등이 감지되면 피로나 부주의 상태를 추정할 수 있습니다. AI는 각 작업자의 일반적인 행동 패턴을 학습하여, 평소와 다른 이상 행동을 식별합니다. 예를 들어 보통은 신속하게 작업하던 사람이 갑자기 평소보다 느려지거나 어색한 움직임을 보이면 이를 감지할 수 있습니다. 다만 이러한 행동 판단은 개인차가 크므로, 오탐지 위험을 고려하여 신중하게 해석해야 합니다.
위험 행동이 감지되면 AI 시스템은 자동으로 경고를 발생시킵니다. 현장에서 사이렌이나 음성 경고로 해당 작업자에게 직접 알리거나, 안전 담당자의 모니터링 기기에 알림을 전송합니다. 일부 시스템은 위험 행동 발생 지점의 좌표와 함께 경고를 전달하여, 관리자가 신속하게 현장으로 가서 개입할 수 있게 합니다. 경고가 발생한 시간, 장소, 행동 유형 등의 정보는 자동으로 기록되어 이후 분석 자료로 활용됩니다. 이러한 기록은 위험 행동이 반복되는 경우 패턴을 파악하여 개별 교육이나 개선 조치에 활용될 수 있습니다.
AI 모델이 정확하게 위험 행동을 감지하려면 충분한 학습 데이터가 필요합니다. 다양한 작업 환경, 다양한 체형의 작업자, 다양한 각도의 카메라 촬영 영상으로부터 학습하면 모델의 일반화 능력이 향상됩니다. 그러나 학습 데이터에 포함되지 않은 새로운 유형의 행동이나 예외 상황에 대해서는 오류가 발생할 수 있습니다. 또한 조명 조건, 카메라 화질, 작업자가 가린 신체 부위 등의 요인으로 인해 감지 성능이 저하될 수 있습니다. 현장 도입 시에는 이러한 한계를 인식하고, 지속적인 모델 개선과 현장 피드백을 반영해야 합니다.
광각 단일 카메라로는 현장의 모든 영역을 명확하게 촬영할 수 없으므로, 여러 각도의 카메라를 설치합니다. 높은 위치의 카메라는 넓은 범위를 감시하고, 저각도 카메라는 세부 행동을 포착합니다. 여러 카메라의 영상을 통합 분석하면 작업자의 3차원 위치와 움직임을 더욱 정확하게 파악할 수 있습니다. 다만 카메라 개수가 증가하면 설치 비용과 유지보수 비용이 증가하며, 영상 처리량도 증가하여 시스템 부하가 커집니다. 따라서 현장의 위험 수준과 예산을 고려하여 적절한 카메라 배치를 결정해야 합니다.
작업자의 행동을 연속적으로 모니터링하고 기록하는 것은 개인 정보 보호 문제를 야기합니다. 카메라 영상에는 작업자의 얼굴, 신원, 행동 양식 등 민감한 정보가 포함됩니다. 따라서 영상 수집, 저장, 사용 과정에서 명확한 동의 절차와 규정된 목적 범위 내 사용이 필수적입니다. 또한 영상 데이터의 보안 관리와 접근 권한 제한이 철저하게 이루어져야 합니다. 작업자의 프라이버시와 안전 관리 사이의 균형을 맞추는 것은 조직의 신뢰 구축에 중요합니다.
AI 시스템이 실제로 위험하지 않은 행동을 위험하다고 잘못 판단하는 오탐지가 발생할 수 있습니다. 과도한 거짓 경고는 작업자들의 경고 신호에 대한 신뢰도를 떨어뜨립니다. 결국 실제 위험 신호도 무시하는 현상이 나타날 수 있습니다. 또한 정당한 작업 방식마저 위험 행동으로 오분류되면, 작업자의 불만과 저항이 증가합니다. 따라서 시스템 도입 초기에는 민감도를 높여 위험을 놓치지 않으면서도, 지속적인 튜닝을 통해 오탐지를 줄이는 노력이 필요합니다.
건설 현장의 다양한 작업 유형(토목, 건축, 철골 등)은 서로 다른 위험 행동 패턴을 가집니다. 고소 작업의 위험 행동과 지하 작업의 위험 행동은 명백히 다릅니다. 따라서 일반적인 AI 모델보다는 특정 작업 유형에 맞게 학습된 모델이 더욱 정확합니다. 또한 같은 작업이라도 계절, 날씨, 조명 등 환경 변화에 따라 최적의 감지 기준이 달라질 수 있습니다. 이러한 다양성을 고려하면, 건설 현장의 위험 행동 감지는 일률적인 기준보다 맞춤형 튜닝이 중요함을 알 수 있습니다.
AI 행동 감지 시스템의 효과는 근로자들의 수용과 참여에 크게 달라집니다. 감시 기술로 느끼는 심리적 불편감, 오탐지로 인한 불신, 업무 방식 변화에 대한 저항 등이 도입 장애물이 될 수 있습니다. 따라서 시스템 도입 전에 근로자 교육, 설명회, 의견 수렴 과정이 필수적입니다. 작업자들이 시스템의 목적이 감시가 아니라 자신의 안전을 보호하기 위함임을 이해하도록 설득해야 합니다. 또한 실제 도입 후에도 근로자 피드백을 지속적으로 수집하여 시스템을 개선하는 과정이 중요합니다.
.svg)
.svg)
