딥러닝 기반 직원 안전용 헬멧과 마스크 분류

• 영문명: Helmet and Mask Classification for Personnel Safety Using a Deep Learning
• 발행기관: 한국전자통신학회
• 저자명: Bibalaev Shokhrukh 김강철
• 간행물 정보: 『한국전자통신학회 논문지』제17권 제3호, 473~481쪽, 전체 9쪽
• 주제분류: 공학 > 전자/정보통신공학
• 파일형태: PDF
• 발행일자: 2022.06.30

국문 초록

코로나 시대에서 감염의 위험을 줄이기 위하여 반드시 마스크를 착용하여야 하며, 건축 공사장과 같은 위험한 작업 환경에서 일하는 직원의 안전을 위하여 헬맷을 쓰는 것은 필수불가결하다. 본 논문에서는 헬멧과 마스크의 착용 여부를 분류하는 효과적인 딥러닝 모델 HelmetMask-Net를 제안한다. HelmetMask-Net은 CNN 기반으로 설계되며, 전처리, 컨벌류션 계층, 맥스풀링 계층과 4 가지 출력이 있는 완전결합 계층으로 구성되며, 헬멧, 마스크, 헬멧과 마스크, 헬멧과 마스크을 착용하지 않은 4 가지 경우를 구분한다. 정확도, 최적화, 초월변수의 수를 고려한 실험으로 2 컨볼루션 계층과 AdaGrad 최적화를 가진 구조가 선정되었다. 모의 실험 결과 99%의 정확도를 보여 주었고, 기존의 모델에 비하여 성능이 우수함을 확인하였다. 제안된 분류기는 코비드 19시대에 직원의 안전을 향상시킬 수 있을 것이다.

영문 초록

Wearing a mask is also necessary to limit the risk of infection in today's era of COVID-19 and wearing a helmet is inevitable for the safety of personnel who works in a dangerous working environment such as construction sites. This paper proposes an effective deep learning model, HelmetMask-Net, to classify both Helmet and Mask. The proposed HelmetMask-Net is based on CNN which consists of data processing, convolution layers, max pooling layers and fully connected layers with four output classifications, and 4 classes for Helmet, Mask, Helmet & Mask, and no Helmet & no Mask are classified. The proposed HelmatMask-Net has been chosen with 2 convolutional layers and AdaGrad optimizer by various simulations for accuracy, optimizer and the number of hyperparameters. Simulation results show the accuracy of 99% and the best performance compared to other models. The results of this paper would enhance the safety of personnel in this era of COVID-19.

목차

Ⅰ. Introduction

Ⅱ. Related works

Ⅲ. Dataset and methodology

Ⅳ. Experimental Results

Ⅴ. Performance evaluation

Ⅵ. Conclusion

References

키워드

분류 헬멧 마스크 CNN Classification Helmet Mask