.svg)
AI 솔루션 문의하기
건설현장은 작업자와 중장비, 자재 등이 동시에 움직이는 환경인 만큼 현장 상황을 지속적으로 파악하고 위험 요소를 확인하는 것이 안전관리의 중요한 과제입니다. 최근에는 현장에 설치된 CCTV나 이동형 카메라 등을 통해 확보한 영상 데이터를 AI가 분석하는 방식도 활용되고 있습니다. 비전 AI는 영상에서 작업자와 장비, 안전시설 등의 객체를 인식하거나 특정 작업 상황을 분석하는 데 활용될 수 있습니다. 이를 위해서는 단순한 현장 영상뿐 아니라 AI가 인식해야 할 객체와 상황을 구분해 표시한 학습데이터를 구축하는 과정이 필요합니다.
건설현장 영상은 공사 종류와 현장 구조, 작업 위치에 따라 매우 다른 형태로 나타날 수 있습니다. 같은 작업이라도 실내와 야외, 고층 작업구간, 지하공간 등 촬영 환경에 따라 영상의 밝기와 객체의 크기, 가시성이 달라질 수 있습니다. 따라서 데이터 구축 단계에서는 특정 현장이나 촬영 조건에 데이터가 지나치게 집중되지 않도록 다양한 환경을 고려할 필요가 있습니다. 주간과 야간, 맑은 날과 우천 상황 등도 영상 품질에 영향을 줄 수 있습니다. 다양한 조건의 데이터를 확보하는 것은 실제 현장 변화에 대응할 수 있는 비전 AI 학습 기반을 마련하는 데 중요한 요소입니다.
수집한 건설현장 영상은 AI가 객체를 구분할 수 있도록 라벨을 부여합니다. 대표적으로 작업자, 안전모, 안전조끼, 굴착기, 크레인, 화물차, 자재 등의 위치와 종류를 표시하는 작업이 이루어질 수 있습니다. 객체의 위치를 사각형으로 표시하는 바운딩박스나 객체의 영역을 픽셀 단위로 구분하는 세그멘테이션 등 목적에 따라 다양한 라벨링 방식을 적용할 수 있습니다. 예를 들어 작업자와 장비의 위치를 파악하는 시스템과 보호구 착용 여부를 분석하는 시스템은 필요한 라벨의 범위가 다릅니다. 따라서 최종적으로 개발하려는 AI 기능에 맞춰 라벨 항목과 표시 기준을 먼저 정의하는 과정이 중요합니다.
안전관리용 비전 AI 데이터셋은 단순히 작업자 이미지만 모으는 방식보다 현장에서 발생하는 다양한 객체와 상황을 함께 구성할 수 있습니다.
이처럼 객체와 작업환경, 상황 정보를 함께 라벨링하면 안전관리와 관련된 다양한 AI 분석 기능에 활용할 수 있는 데이터셋을 구축할 수 있습니다.
건설현장 안전관리 AI에서는 객체의 존재 여부뿐 아니라 특정 상태를 구분해야 하는 경우도 있습니다. 예를 들어 작업자의 안전모나 안전조끼 착용 여부를 영상에서 식별하려면 작업자와 보호구의 관계를 나타내는 데이터가 필요합니다. 단순히 안전모가 화면에 존재하는 것과 실제 작업자가 착용하고 있는 것은 서로 다른 상황이기 때문에 라벨링 기준에서도 이를 구분해야 합니다. 또한 작업자의 일부가 가려졌거나 먼 거리에서 촬영된 경우처럼 명확하게 판단하기 어려운 사례에 대한 처리 기준도 필요합니다. 이러한 기준을 사전에 정해두면 작업자별 안전상태를 일관된 방식으로 표시하고 데이터 품질을 관리하는 데 도움이 될 수 있습니다.
건설현장에서는 작업자와 중장비가 같은 공간에서 작업하는 상황이 발생할 수 있어 객체의 위치 관계를 분석하는 데이터가 필요할 수 있습니다. 작업자와 굴착기, 차량 등 장비가 어느 위치에 있는지 파악하는 것은 현장 상황 분석을 위한 하나의 데이터 요소가 될 수 있습니다. 다만 단일 이미지에서 거리가 실제 위험 수준을 의미한다고 단정할 수는 없기 때문에 AI의 활용 목적과 판단 기준을 명확하게 정의해야 합니다. 데이터 구축 단계에서는 객체의 위치뿐 아니라 작업구역이나 통행구역 등 공간 정보를 함께 표시할 수도 있습니다. 이를 통해 단순 객체 인식을 넘어 현장 내 객체와 공간의 관계를 학습할 수 있는 데이터 기반을 마련할 수 있습니다.
실제 건설현장은 정돈된 환경만 존재하지 않으며 작업 진행에 따라 자재 적재, 장비 이동, 임시 시설물 설치 등 환경이 계속 달라질 수 있습니다. 따라서 AI 학습데이터에도 일반적인 작업 상황뿐 아니라 객체가 일부 가려지거나 여러 작업자가 겹쳐 보이는 사례, 조도가 낮은 환경 등 다양한 조건을 포함할 필요가 있습니다. 특정 위험 상황만 지나치게 반복해 학습시키기보다는 정상적인 작업 상황과 함께 구성하는 것도 중요합니다. 그래야 AI가 특정 객체나 장면 자체를 위험 상황으로 잘못 판단하는 가능성을 줄일 수 있습니다. 데이터셋 구축에서는 실제 현장의 데이터 분포와 활용 목적을 함께 고려해 사례를 구성하는 작업이 요구됩니다.
건설현장 영상 데이터는 작업자와 현장 시설을 지속적으로 촬영할 수 있기 때문에 라벨링 정확도뿐 아니라 개인정보와 영상 데이터의 관리 방식도 함께 고려해야 합니다. 데이터 구축 과정에서는 작업자 객체의 위치와 상태가 정확하게 표시됐는지 검수하고, 특정 객체가 누락되거나 잘못 분류되지 않았는지 확인할 필요가 있습니다. 또한 영상에 포함된 얼굴이나 차량번호 등 개인정보가 활용 목적에 불필요한 경우에는 관련 보호조치를 검토해야 합니다. 현장별 데이터 편중 여부와 주야간·날씨별 분포도 함께 점검하면 특정 조건에 치우친 데이터셋을 보완할 수 있습니다.
.svg)
.svg)
