🦺 작업장 안전 관리 CCTV 시스템

현대오토에버 모빌리티 SW 스쿨 스마트 팩토리 과정 · 4조
머신비전 기반 실시간 작업자 안전 모니터링 시스템

📹 시연 영상

https://drive.google.com/file/d/16ircE3qgpiMDMTtXbDWnLL1Osywpa-yU/view?usp=drive_link

📌 프로젝트 개요

건설·제조 현장의 안전사고를 예방하기 위해 CCTV 영상을 실시간으로 분석하는 AI 안전 모니터링 시스템입니다.

작업자가 많고 위험 요소가 혼재하는 현장에서 관리자가 모든 상황을 직접 감시하기 어렵다는 문제를 해결하기 위해,
AI가 실시간으로 작업자를 인식하고 안전 보호구 착용 여부와 낙상 위험을 자동으로 탐지합니다.

✨ 주요 기능

기능	설명	기술
얼굴 인식	등록된 작업자 신원 자동 식별	face_recognition (dlib HOG)
PPE 감지	헬멧·장갑·안전조끼 착용 여부 판단	YOLO26s (Custom)
포즈 추정	17개 키포인트 기반 자세 분석	YOLO26s-Pose
낙상 감지	다중 조건 Rule-based 낙상 판단	YOLO Pose + Rule-based
실시간 스트리밍	MJPEG 스트리밍 + REST API	Flask

📊 성능 지표

얼굴 인식  |  전체 정확도 97.38%

클래스	Precision	Recall	F1-Score	Support
재현 (Jaehyun)	1.00	0.93	0.97	45
지원 (Jiwon)	1.00	1.00	1.00	50
명재 (Myeongjae)	0.98	0.98	0.98	42
외부인 (Unknown)	0.93	0.98	0.95	54
전체	0.98	0.97	0.97	191

PPE 감지  |  모델 비교 (train : val : test = 7 : 2 : 1)

모델	Precision	Recall	mAP50	mAP50-95
YOLO26n	0.884	0.810	0.868	0.710
YOLO26s ✅	0.899	0.816	0.876	0.719
YOLO26m	0.890	0.809	0.874	0.690

YOLO26s — Precision과 Recall을 균형 있게 유지하면서 가장 높은 mAP 기록으로 최종 채택

낙상 감지

지표	값
전체 정확도 (Accuracy)	71.4%
Precision	76.9%
Recall	76.9%
F1-Score	0.77

🗂️ 프로젝트 구조

SF4-Machine-Vision-Project/
│
├── config.py              # 모든 설정값 (모델 경로, 임계값, 표시 옵션)
├── processor.py           # 핵심 프레임 처리 로직 (app.py · run.py 공유)
├── app.py                 # Flask 웹서버 — MJPEG 스트리밍 + REST API
├── run.py                 # 독립 실행 — 로컬 창 표시 / 영상 저장
├── requirements.txt
│
├── core/
│   ├── utils.py           # 기하 유틸 (IoU, distance, bbox 등)
│   ├── ppe.py             # PPE 감지 (헬멧·장갑·조끼 매칭)
│   ├── face.py            # 얼굴 인식
│   ├── fall.py            # 낙상 감지 (히스토리 기반 Rule-based)
│   ├── tracker.py         # 사람 추적 (IoU 매칭)
│   ├── draw.py            # 시각화 (박스·키포인트·텍스트)
│   └── logger.py          # 로그 관리 (thread-safe)
│
├── best_v04_03.pt         # PPE 감지 커스텀 모델
├── yolo26s-pose.pt        # Pose 추정 모델
└── trained_faces_0320.pkl # 등록 작업자 얼굴 인식 DB

⚙️ 설치

pip install -r requirements.txt

CUDA 환경에서 GPU 가속을 사용하려면 PyTorch CUDA 버전을 별도로 설치하세요.
https://pytorch.org/get-started/locally/

🚀 실행

웹서버 모드 (Flask)

python app.py

엔드포인트	메서드	설명
/video_feed	GET	감지 결과 스트림 (MJPEG)
/raw_feed	GET	원본 카메라 스트림
/api/logs	GET	감지 로그 (JSON)
/api/reset_logs	POST	로그 초기화
/api/set_source	POST	입력 소스 변경 {"source": "0"}

접속 예시

http://localhost:5000/video_feed?source=0           # 웹캠 0번
http://localhost:5000/video_feed?source=1           # 웹캠 1번
http://localhost:5000/video_feed?source=video.mp4  # 영상 파일
http://localhost:5000/video_feed?source=1&width=800&quality=55  # 경량 스트리밍

독립 실행 모드

python run.py

단축키	동작
q / ESC	종료
Space	일시정지 / 재개

🔧 주요 설정 (config.py)

# 입력 소스 (독립 실행)
DEFAULT_INPUT_SOURCE = 1        # 웹캠 인덱스 또는 "video.mp4"

# 모델 경로
POSE_MODEL_PATH = "yolo26s-pose.pt"
PPE_MODEL_PATH  = "best_v04_03.pt"
PKL_PATH        = "trained_faces_0320.pkl"

# 얼굴 인식
FACE_TOLERANCE       = 0.75    # 낮을수록 엄격
FACE_RECOG_INTERVAL  = 8       # 인식 주기 (프레임)

# 낙상 감지
FALL_CONFIRM_FRAMES  = 4       # 낙상 확정 프레임 수
FALL_RECOVER_FRAMES  = 12      # 정상 복구 프레임 수

🛠️ 기술 스택

• 언어: Python 3.9+
• 딥러닝: PyTorch, Ultralytics YOLO
• 컴퓨터 비전: OpenCV, face_recognition (dlib)
• 웹서버: Flask, Flask-CORS
• GPU 가속: CUDA — YOLO 추론 / CPU HOG — 얼굴 인식