중장비 충돌 경보 AI 영상 감시 시스템

설치된 감시 카메라 영상에서 사람과 장비를 찾아 접근 거리에 따라 주의·경보를 내는 시스템을 만들었습니다. 외부망 연결 없이 장치 안에서 실시간으로 판정하는 구성이었습니다.

2020.10 - 2021.11고객사역할: 임베디드 소프트웨어·학습 데이터

문제: 사각지대 위험을 알리면서 외부망 없이 기존 감시 카메라와 함께 동작해야 했습니다.
담당: 임베디드 소프트웨어, 현장 영상 학습 데이터 구축, 입출력 통신 규약과 사용 설명서를 담당했습니다.
설계 판단: 캡처·표시와 추론을 분리하고, 카메라 설치 조건과 접지점으로 거리를 추정했습니다.
검증 기준: 정밀도·재현율·IoU·평균 정밀도로 비교 기준을 문서화했습니다. 공개 성능 수치는 제시하지 않습니다.
결과 범위: 장치 내 분석과 경보 출력 구성을 구현한 과제입니다. 아래 그림은 더미 데이터 목업입니다.

제조업 중대재해에서 운반·운전 작업 중 사고가 큰 비중을 차지하는데, 운전석에서 사각지대를 직접 볼 수 없다는 것이 원인의 하나였습니다. 감시 카메라를 여러 대 두는 현장이 늘었지만 화면이 많아질수록 주시가 분산되어, 위험한 화면을 골라 알려 주는 보조 장치가 필요했습니다.

이미 설치된 감시 카메라에 소형 연산 장치와 모니터·경보기를 더하는 구성으로 잡았습니다. 배선과 전원을 크게 손대지 않고 설치할 수 있고, 보안 때문에 무선과 인터넷 연결이 막힌 현장이라 분석은 전부 장치 안에서 끝나야 했습니다.

거리는 카메라의 설치 높이와 지향각을 입력받은 뒤, 검출한 물체의 아래쪽 경계가 지면에 닿는 지점으로 추정했습니다. 주의 구역과 경보 구역은 화면에서 늘리고 옮길 수 있게 만들어 현장마다 다시 맞출 수 있도록 했습니다.

모델은 경량 객체 탐지 계열을 감시 카메라 화면에 맞게 파생시켜 엣지 장치용으로 최적화했습니다. 협의 단계에서는 범용 학습 모델을 그대로 써서 사용자 경험과 사양을 먼저 맞췄고, 제품 단계에서는 현장에서 찍힌 영상으로 학습 데이터셋을 직접 만들었습니다. 영상 표시와 추론은 서로 다른 스레드로 나누고 큐로 이어, 추론이 느려도 화면이 끊기지 않게 했습니다.

협의 자리에서 "인식률" 이라는 말이 기준 없이 오가는 문제가 있었습니다. 정밀도와 재현율, 겹침 비율(IoU), 평균 정밀도로 인식률을 정의한 문서를 만들어 방법 사이를 같은 기준으로 비교할 수 있게 했습니다.

현장 장비에서는 캡처 카드·내장 카메라·IP 카메라·영상 파일을 입력으로 고를 수 있게 하고, 경보등과 부저, 장비 속도 입력을 다루는 입출력 모듈의 직렬 통신 규약과 명령 집합을 정의한 뒤 사용 설명서를 작성했습니다.