The collision accidents between construction equipment and workers have increased over the past five years, and the main reason for collision accidents is the poor visibility of workers. The purpose of this thesis is to estimate the location of construction equipment and workers on the construction site and to determine whether workers approach construction equipment, to improve visibility. The YOLO-v5 model, a deep-learning-based object detection model, is applied to CCTV videos installed at construction sites to detect the bounding box and type surrounding each object for all objects in each CCTV video frame. The surface of the workplace is flat enough to be regarded as a plane, and a homography matrix is obtained by using the surface coordinates of four or more marking points installed at the construction site and the location and size of the surface of the construction equipment are estimated. It is achieved to increase safety by estimating the ground positions of objects set as workers to determine whether to enter the danger area and to determine the danger of an accident.
건설장비와 작업자간 충돌로 인한 사고는 건설현장에서 발생하는 사망사고의 큰 비중을 차지하였고 충돌사고의 주된 원인은 작업자의 부주의였다. 본 논문은 주의력을 높이는 것을 위하여 건설현장내 건설장비와 작업자의 위치를 추정하고 접근 여부를 판단하는 것을 목표로 한다. 건설현장에 설치된CCTV 동영상에 객체인식 딥러닝모델인 YOLO-v5 모델을 적용하여 CCTV 동영상 프레임별 이미지 상 모든 객체들에 대하여 각 객체의 둘러싸는 최소 박스와 종류를 탐지한다. 작업장의 지표면은 충분히 평평하여 평면으로 간주하며 건설현장에 설치된 4개 이상의 표지점들의 지표면 좌표점과 CCTV상 픽셀 좌표 간을 활용하여 호모그래피 행렬을 구하여 프레임별 탐지된 각 객체들 중 건설장비의 지표면 위치와 크기를 추정하고, 건설장비의 속도를 계산하여 건설장비를 기준으로 위험영역을 설정한다. 작업자로 설정된 객체들의 지표면 위치를 추정하여 위험영역 진입여부를 판단하고 사고 위험성을 판단함으로써 작업자들의 주의력을 높여 안전성을 높이는 것을 달성한다.
