직장 안전 및 PPE 규정 준수를 위한 컴퓨터 비전

작업장을 향한 카메라는 제한된 몇 가지 질문에 신뢰성 있게 답할 수 있습니다. 이 사람이 안전모를 착용하고 있나요? 저 프레스 주변의 출입 금지 구역에 누군가 들어왔나요? 지금 이 복도에 사람이 몇 명 있나요? 이러한 문제는 객체 검출, 분할, 추적 문제이며 최신 비전 모델은 이를 잘 처리합니다.

카메라가 할 수 없는 일은 해당 작업장이 안전한지 여부를 알려주는 것입니다. 안전은 규칙, 맥락, 의도에 대한 판단이며, "조끼가 보이지 않는 사람 검출"과 "조치를 취할 가치가 있는 위반 기록" 사이의 간극이 바로 대부분의 컴퓨터 비전 안전 프로젝트가 성공하거나 조용히 중단되는 지점입니다.

이 가이드에서는 기본적인 검출 작업의 실체, 직접 구축하는 대신 완성된 안전 플랫폼을 구매해야 하는 시기, 그리고 직접 구축하는 팀이 이를 위해 Ultralytics YOLO 모델을 사용하는 방법을 다룹니다.

작업장에서 컴퓨터 비전이 검출하는 것#

결과물로 마케팅되는 모든 안전 기능은 하나 이상의 표준 비전 작업으로 세분화됩니다. 필요한 작업을 명확히 하는 것이 범주가 정해진 프로젝트와 끝없는 프로젝트를 가르는 차이입니다.

이 중 두 가지는 공급업체들이 암시하는 것보다 훨씬 어렵습니다. 첫 번째는 **연관(Association)**입니다. 안전모를 검출하는 것과 사람을 검출하는 것은 쉽지만, 겹쳐 있는 6명의 작업자 그룹에서 그 모자가 정확히 누구의 것인지 올바르게 판단하는 것은 어렵습니다. 두 번째는 **실세계 기하학(real-world geometry)**입니다. 2D 이미지에 그려진 구역은 바닥 위의 구역이 아니며, 보정(calibration)이 없으면 위험 구역 밖에서 잘 서 있는 사람이 폴리곤 안에 있는 것처럼 보일 수 있습니다.

PPE 검출: 모델에게 "착용"이 의미하는 것#

PPE 검출은 이진(binary) 문제처럼 들리지만 그렇지 않습니다. 안전모로 학습된 모델은 안전모를 찾아냅니다. 한 손으로 들고 있거나, 뒤로 쓰거나, 턱끈을 풀은 모자는 안전모를 포함하고 있는 세 가지 서로 다른 시각적 상태이기 때문에, 이것이 규칙을 위반한다는 것을 네이티브로 알지 못합니다.

PPE 모니터링이 목표라면, 모델이 평가받을 수 있는 수준으로 규칙을 명시해야 합니다:

• 구역별 어떤 아이템. 모든 곳의 안전모와 연삭 베이(grinding bay)에서만 요구되는 보안경은 하나의 규칙이 아니라 두 개의 규칙입니다.
• 어떤 사람 그리고 어떤 예외 사항. 방문객, 운전석에 남겨진 운전자, 야외를 가로지르는 사무실 직원은 대개 다른 규칙 적용을 받습니다.
• 부분 착용 및 잘못된 착용을 포함하여 준수로 간주되는 기준.
• 검출 시 발생하는 일. 실시간 알람, 교대 근무 요약, 익명화된 주간 트렌드는 각각 다른 정확도 요구 사항을 가진 세 가지 서로 다른 제품입니다.

마지막 요인은 모델 자체보다 프로젝트의 난이도를 더 크게 결정합니다. 주간 준수 트렌드는 개별 오차가 상쇄되므로 이를 허용합니다. 실시간 알람은 그렇지 않습니다. 몇 분마다 발생하는 오탐은 일주일 안에 시스템이 음소거되도록 만듭니다.

구축 또는 구매#

이것은 대부분의 팀이 암묵적으로 내리고 명시적으로 내려야 하는 결정입니다. 완성된 안전 제품에 대한 공급업체 시장이 진정으로 훌륭하고 직접 구축하는 사례는 보기보다 훨씬 한정되어 있기 때문입니다.

문제의 본질이 비전 문제가 아니라 안전 프로그램이라면 안전 플랫폼을 구매하세요. 인시던트 검토 워크플로, EHS 보고, 시정 조치 추적, 승인 흔적, 그리고 현장에 있는 타사의 구현 팀이 필요한 경우 구매해야 합니다. 이들 공급업체는 검출 주변에 수년간의 워크플로를 구축했으며, 검출은 지불하는 비용 중 더 작은 부분입니다.

제품이 수용할 수 없는 제약이 있는 경우 구축하세요. 실제로 이는 다음을 의미합니다:

• 이미 소유하고 있으며 교체하지 않을 카메라 및 인프라, 특히 비표준 광학 장치, 열화상, 또는 자체 시스템을 이미 통과 중인 피드. - 제품에 없는 사이트별 규칙: 자체 부품, 자체 기계, 자체 절차. - 푸티지가 현장을 전혀 떠날 수 없는 엄격한 온프레미스 또는 에어갭 요구 사항. - 제품을 출시하는 경우. 안전 모니터링이 판매하는 제품(기계, 로봇, 카메라, 사이트 플랫폼)의 기능인 경우, 당신은 구매자가 아니라 구축자입니다. - 공급업체의 대시보드가 아니라 기존 PLC, SCADA, 출입 통제 또는 MES 흐름 내에 검출이 안착해야 하므로 통합이 전체 작업인 경우.

이 중 해당하는 사항이 없다면 구매하는 것이 대개 더 빠르고 저렴하며, 그것이 솔직한 권장 사항입니다.

단기 후보로 고려할 만한 안전 플랫폼 공급업체#

이들은 배포 팀과 EHS 워크플로를 갖춘 완성된 제품입니다. Ultralytics는 이들의 대안이 아니며, 구매하는 대신 직접 구축할 때 팀이 사용하는 도구입니다.

Intenseye. 대규모 다중 사이트 전반에서 PPE, 인체공학, 정리 정돈 및 차량 관련 위험을 다루는 엔터프라이즈 EHS 비전 플랫폼입니다. 강점은 사전 구축된 사용 사례의 다양성과 그 주변의 EHS 프로그램 레이어입니다. 성숙한 안전 기능을 갖춘 대규모 산업 조직에 가장 적합합니다. 트레이드오프: 경량 배포가 아닌 엔터프라이즈 범위 및 프로세스.

Protex AI. 기존 CCTV에 연결하여 위험 이벤트와 트렌드를 표출하는 프라이버시 보호 안전 인텔리전스 플랫폼입니다. 강점은 분석 및 우선순위화 레이어로, 단순 경고 발생을 넘어 안전 팀이 위험이 집중되는 곳을 파악하도록 돕습니다. 기존 카메라 자산을 보유한 조직에 가장 적합합니다. 트레이드오프: 심층적인 커스텀 통합보다는 자체 워크플로를 중심으로 설계됨.

viAct. 현장 안전, PPE 및 장비 모니터링을 위한 시나리오 기반 모듈을 통해 건설 및 중토목 환경을 가장 강력하게 지원합니다. 건설 및 인프라 프로젝트에 가장 적합합니다. 트레이드오프: 건설 지향적 모듈은 제조 공장에 덜 자연스럽게 맞을 수 있음.

Everguard.ai. 철강과 같은 중공업을 타깃으로 비전과 웨어러블 및 센서 데이터를 결합하여 작업자 안전 인식을 제공합니다. 강점은 카메라 단독이 아닌 다중 센서 융합입니다. 고위험 중공업 환경에 가장 적합합니다. 트레이드오프: 웨어러블 구성 요소로 인해 롤아웃 및 변경 관리 작업이 추가됨.

Visionify. 기존 카메라에 배포할 수 있는 직장 안전 비전 애플리케이션 카탈로그에 초점을 맞춥니다. 강점은 범위 설정을 단순하게 유지해 주는 정의된 사용 사례 라이브러리입니다. 특정 안전 사용 사례를 빠르게 실행하려는 팀에 가장 적합합니다. 트레이드오프: 엔터프라이즈 EHS 스위트보다 좁은 플랫폼 표면적.

Groundlight. 모델이 불확실할 때 사람이 개입하는 방식을 통해 팀이 자연어로 시각적 질문을 정의할 수 있는 색다른 접근 방식을 취합니다. 강점은 데이터셋을 먼저 조립하지 않고도 작동하는 검사에 이르는 속도입니다. 시각적 검사가 실현 가능한지 검증하는 팀에 가장 적합합니다. 트레이드오프: 에스컬레이션 모델은 연속적인 고용량 모니터링보다 간헐적 검사에 더 적합함.

Ultralytics YOLO 모델로 안전 모니터링 구축하기#

구축 진영에 있는 팀에게 비전 레이어는 이미 잘 해결된 부분입니다. Ultralytics YOLO 모델(YOLOv8, YOLO11, YOLO26)은 PPE 및 장비를 위한 객체 검출, 구역 및 차량 로직을 위한 추적, 자세 및 낙상 검출을 위한 포즈 추정, 그리고 박스보다 경계가 중요한 분할 등 위의 표에 있는 작업을 다룹니다.

작동 가능한 구축 형태는 다음과 같습니다.

모델이 아니라 규칙에서 시작하세요. 강제 집행 가능한 언어로 규칙을 작성하고, 실제 좌표에서 구역을 정의하며, 검출이 무엇을 트리거하는지 결정하십시오. 이것이 건너뛰어지기 쉬운 단계이며 대부분의 파일럿이 정체되는 이유입니다.

실제로 사용할 카메라에서 데이터를 수집하세요. 공공 PPE 데이터셋으로 학습되고 황혼 무렵 야외 카메라에 배포된 모델은 실망스러울 것입니다. 자체 푸티지(야간 근무, 비, 역광, 아무도 재장착하고 싶어 하지 않는 어색한 각도)가 중요한 데이터셋입니다. Ultralytics Platform은 SAM 기반 스마트 어노테이션으로 해당 푸티지에 어노테이션을 달고 데이터를 별도의 시스템으로 이동하지 않고도 학습할 수 있습니다.

모델을 제약하므로 배포 타겟을 일찍 선택하세요. 카메라 옆의 소형 엣지 장치에서 실행되는 모델은 20개의 스트림을 처리하는 현장 서버에서 실행되는 모델과 크기 및 지연 시간 예산이 다릅니다. 이러한 이유로 Ultralytics 모델은 ONNX 및 TensorRT를 포함한 포맷으로 내보내기를 지원하며, 배포할 수 없는 정확도를 위해 튜닝하기 전에 내보내기 타겟을 고정해야 합니다.

모델 위에 로직을 배치하세요. 검출은 위반이 아닙니다. 박스를 이벤트로 변환하는 레이어(N 프레임 동안의 지속성, 구역 기하학, 예외 사항, 교대 근무 일정, 디바운싱)야말로 오탐률이 실제로 제어되는 곳이며, 모델 통합보다 더 많은 코드가 되는 것이 정상입니다.

사람들이 이미 일하는 곳으로 알림을 라우팅하세요. 아무도 열어보지 않는 대시보드는 제어 장치가 아닙니다. 기존 채널, 기존 교대 인수인계, 기존 시정 조치 시스템을 활용하세요.

재학습을 계획하세요. 현장은 변합니다: 새로운 장비, 새로운 조끼 색상, 재배치된 카메라, 계절별 조명. 프로덕션 모니터링은 그 결과 발생하는 드리프트(drift)를 포착하기 위해 존재하며, 어노테이션 및 재학습으로 돌아가는 루프는 인시던트가 아니라 루틴이어야 합니다.

라이선스의 경우, 파일럿이 제품이 되기 전에 해결해야 할 한 가지 사항이 있습니다. Ultralytics YOLO 모델은 AGPL-3.0 하에 제공되며, 상업적 또는 소유권 배포에는 일반적으로 Ultralytics Enterprise 라이선스가 필요합니다. 안전 모니터링이 출하하는 제품이나 오픈소스로 공개할 수 없는 시스템에 들어가는 경우, 구축 이후가 아니라 시작 단계에서 이를 해결하십시오.

프라이버시, 동의 및 작업자 모니터링#

이것은 안전 시스템이 첫 달을 살아남을 수 있는지 결정하며, 주로 기술적 질문이 아닙니다.

안전 모니터링은 누군가를 식별할 필요가 없습니다. 이 가이드의 모든 작업(PPE 준수, 구역 침입, 군중 밀도, 자세)은 익명의 사람 검출을 기반으로 작동합니다. 안면 인식이나 신원 매칭이 필요하지 않으며, Ultralytics는 안전 시스템에 작업자 식별 기능을 구축하는 것을 권장하지 않습니다. 사람이 아니라 상태를 검출하세요.

처음부터 설계에 반영해야 할 실무적 제약 사항:

• 목적 제한. 안전을 위해 설치된 시스템이 조용히 생산성 모니터기로 바뀌어서는 안 됩니다. 작업자들이 그렇게 믿는 순간 협조는 중단됩니다.
• 협의. EU의 많은 지역에서 카메라 기반 작업자 모니터링은 평의회(works council)의 참여가 필요하며, 많은 관할권에서 협의, 통지 또는 둘 다를 요구합니다. 이는 형식이 아니라 전제 조건입니다.
• 데이터 최소화. 저장된 푸티지보다 카운트와 이벤트를 선호하십시오. 클립이 유지되는 경우, 잠시 동안 명시된 이유로만 유지하십시오.
• 기본적으로 집계 보고 사용. 구역별 및 교대 근무별 트렌드가 개선을 이끕니다. 개인별 준수 점수는 안전 도구를 징계 도구로 바꾸어 신뢰를 파괴합니다.
• 가능한 경우 로컬 처리. 온프레미스 또는 온디바이스 추론은 푸티지를 현장에 유지하고 모든 범주의 규정 준수 논쟁을 없애줍니다. 이것이 팀들이 구매하는 대신 직접 구축하는 흔한 이유입니다.
• 출입 통제 및 감사. 누가 푸티지를 볼 수 있고, 누가 내보낼 수 있으며, 무엇이 로깅되는지 관리합니다.

이 기술에서 가치를 얻는 조직은 이를 위험한 패턴(이 통로는 야간 근무 시 안전하지 않게 사용됨, 이 구역은 해당 기계가 걸릴 때마다 진입됨)을 찾는 방법으로 취급하며, 개인을 잡아내는 방법으로 취급하지 않습니다.

데모 정확도가 실제 현장에서 살아남지 못하는 이유#

모든 공급업체 데모는 작동합니다. 데모와 배포 사이의 간극은 계획을 세울 수 있을 만큼 예측 가능합니다.

검출 품질은 거리와 해상도에 따라 떨어집니다. 높이가 30픽셀을 차지하는 사람은 프레임을 채우는 사람보다 검출하기 훨씬 어렵고, 그 사람의 안전모는 훨씬 더 어렵습니다. 조명은 두 번째로 확실한 실망 요소입니다. 황혼, 전조등, 용접 아크, 혼합된 나트륨 및 LED 조명, 렌즈의 비는 모두 깨끗한 주간 푸티지로 학습된 모델의 성능을 떨어뜨립니다. 가림은 세 번째입니다. 실제 현장은 기계, 랙, 그리고 서로 뒤에 있는 사람들로 가득합니다.

그러고 나서 연관 문제가 다시 등장합니다. 그룹 내에서 장비를 개인에게 올바르게 귀속시키는 것은 PPE 시스템이 대부분의 오탐을 생성하는 지점이며, 파일럿에서 요구할 가치가 있는 지표입니다.

그에 맞춰 파일럿을 실행하십시오. 자체 푸티지, 가장 성능이 안 좋은 카메라, 그리고 야간 근무를 고집하십시오. 큐레이션된 테스트 세트에서의 정확도 대신 교대 근무당 오탐을 측정하십시오. 교대 근무당 오탐이야말로 시스템이 3개월 뒤에도 여전히 켜져 있을지 여부를 결정하기 때문입니다.