이 글의 목적은 산업현장과 건설현장에서 AI 영상분석을 활용한 추락 감지 시스템을 효과적으로 도입하기 위한 기술·운영·보안·법적 고려사항을 체계적으로 제공하여 현장에서 즉시 적용 가능한 표준 절차와 체크리스트를 제시하는 것이다.
1. 개요와 적용 범위
AI 영상분석 추락 감지는 CCTV 또는 모바일 카메라 영상에서 사람의 자세 변화와 낙하 궤적을 분석하여 추락 가능성을 실시간으로 탐지하고 경보를 제공하는 기술이다. 고소작업대, 비계, 개구부, 엘리베이터 샤프트, 계단부, 옥상 난간, 교량 상부, 선박·플랜트 스캐폴딩 등 추락 위험 구간에 적용하는 것이 표준이다.
주의 : AI는 보조수단이다. 안전난간, 안전대, 추락방지망 등 물리적 보호구와 작업절차를 대체하지 않는다.
2. 시스템 아키텍처
2.1 구성요소
- 영상수집: 고정형 CCTV, PTZ, 액션캠, 바디캠, 드론 중 현장 특성에 맞추어 선택한다.
- 엣지 처리: NVR/엣지 AI 박스에서 1차 추론을 수행하여 지연을 최소화한다.
- 서버 처리: 중앙 GPU 서버에서 다채널 추론, 이벤트 집계, 대시보드를 운영한다.
- 알림 게이트웨이: 문자, 메신저, 소방·방재 통합시스템, 사이렌·경광등을 연동한다.
- VMS 연동: RTSP/ONVIF를 통해 기존 영상관제와 통합한다.
2.2 데이터 흐름
- 영상 스트림 수신 → 프레임 전처리(왜곡보정, 노이즈 감소, 밝기 정규화)한다.
- 사람 검출(객체검출) → 관절 키포인트 추정(포즈) → 궤적 추정한다.
- 추락 후보 이벤트를 다중 기준으로 스코어링한다.
- 확정 로직 후 알림 발송 및 클립 저장을 수행한다.
3. 알고리즘 설계 포인트
3.1 추락 정의의 정량화
- 수직 가속/속도 기준: Δv_y ≥ 1.5 m/s 또는 평균 가속도 a_y < −2.5 m/s² 구간이 0.3 s 이상 지속될 때 후보로 판정한다.
- 키포인트 높이 변화: 골반/흉부 키포인트의 프레임 간 픽셀 높이 Δh가 카메라 높이·초점거리를 환산한 실제 높이로 ΔH ≥ 0.6 m이면 임계치에 편입한다.
- 자세 붕괴 지표: 상체-하체 각도 θ가 70° 이상 급변하고 0.5 s 이상 회복되지 않으면 위험 점수를 가중한다.
3.2 다중 기준 스코어링
다음은 간단한 규칙 기반 스코어 예시이다.
# 규칙 기반 스코어 예시 score = 0 if vertical_speed < -1.5: score += 0.4 if pelvis_drop_meters >= 0.6: score += 0.3 if posture_angle_change >= 70 and recovery_time >= 0.5: score += 0.2 if harness_detected: score -= 0.1 # 착용 상태 가중 alert = score >= 0.7 3.3 딥러닝 모델 조합
- 사람 검출: 경량 객체검출 모델과 다중 스케일 입력을 조합하여 원거리 인원을 안정적으로 포착한다.
- 포즈 추정: 2D 키포인트를 기본으로 하되, 다중 카메라 구간에는 간단한 3D 삼각측량을 적용한다.
- 행동 분류: LSTM/Temporal CNN/Transformer로 추락 vs 미끄러짐 vs 점프를 구분한다.
- 트래킹: Kalman 필터와 IoU·ReID를 병행하여 가림과 군중 상황에서 ID 유지율을 높인다.
3.4 오탐 저감
- 환경 마스크: 난간 밖 배경, 도로 차량, 흔들리는 방수천 영역을 정적 마스크로 제외한다.
- 템포럴 필터: 단일 프레임 급변은 무시하고 최소 8~12 프레임 연속성을 요구한다.
- 기상 보정: 비·눈·안개 조건에서 대비 증강과 프레임 누적 평균을 적용한다.
- POI 존 제한: 추락 위험 존에서만 감지를 활성화한다.
4. 카메라 배치와 촬영 품질
4.1 배치 기준
- FOV: 위험 존을 상하 10% 여유를 두고 포함한다.
- 설치 높이: 3~5 m 높이 측면 30~60° 각도를 권장한다.
- 해상도/프레임: 1080p 15~20 fps 이상을 권장한다.
- 역광 대응: WDR 카메라를 선택하고 오전·오후 태양 방향을 고려한다.
4.2 최소 화질 기준표
| 구분 | 권장 해상도 | 최소 프레임 | 야간 | 비고 |
|---|---|---|---|---|
| 비계·난간 | 1920×1080 | 20 fps | IR 30 m | WDR 120 dB 이상 |
| 개구부·샤프트 | 2560×1440 | 15 fps | IR 50 m | 광각 왜곡보정 필수 |
| 고소작업대 | 1920×1080 | 20 fps | 보조 조명 | PTZ 프리셋 |
5. PoC(현장 검증) 절차
- 목표 정의: 검출민감도(Recall) 90% 이상, 오탐율(FP/hr) 0.2 이하를 목표로 한다.
- 데이터셋 구축: 현장 특화 시나리오 40가지 이상을 촬영한다.
- 메트릭 합의: mAP, TPR@FPR, Latency P95, MTBF를 계약서 부속서로 명시한다.
- 설치 테스트: 2주간 운영하며 주·야간·우천 데이터를 포함한다.
- 평가 보고: 기준 미달 항목은 튜닝 계획과 일정으로 보완한다.
5.1 테스트 시나리오 예시
| 번호 | 상황 | 목표 | 성공 기준 |
|---|---|---|---|
| 1 | 비계에서 뒤로 넘어짐 | 추락 신속 검출 | 알림 지연 ≤ 2 s |
| 2 | 난간 밖 물건 낙하 | 오탐 방지 | 오탐 발생=0 |
| 3 | 개구부 근접 발목 헛딛음 | 사전 경보 | 경보 민감도 ≥ 85% |
| 4 | 우천·역광 | 견고성 | 성능 저하 ≤ 10% |
6. 실시간 알림과 현장 인터페이스
6.1 알림 정책
- 레벨1(주의): 추락 후보 1차 조건 충족 시 현장 HMI에 노란 표시를 준다.
- 레벨2(경보): 종합 점수 ≥ 0.7 시 경광등·사이렌 3초, 작업반장에게 메시지를 보낸다.
- 레벨3(비상): 장시간 추락/실신 의심 시 비상벨과 관리자·구조반 동시 호출을 수행한다.
6.2 네트워크와 지연
- 지연 목표: 엣지 추론 150 ms, 전송 200 ms, 서버 집계 300 ms, 총 650 ms 이내를 목표로 한다.
- QoS: 감시 VLAN 분리와 최소 대역폭 보장을 설정한다.
7. 소프트웨어 통합
7.1 API·프로토콜
- 입력: RTSP, ONVIF Profile S/T를 수용한다.
- 출력: Webhook, MQTT, Syslog, Modbus TCP를 제공한다.
- VMS: 이벤트 메타데이터 오버레이와 북마크를 지원한다.
7.2 이벤트 페이로드 표준안
{ "event": "fall_detected", "confidence": 0.86, "camera_id": "GATE-3F-02", "zone": "Scaffold_Edge_A", "timestamp": "2025-11-01T14:05:23+09:00", "clip_uri": "vms://.../clip/uuid", "bbox": [x1, y1, x2, y2], "posture": {"angle_change": 78, "pelvis_drop_m": 0.9}, "latency_ms": 620 } 8. 개인정보·보안·윤리
- 개인정보 최소화: 추락 이벤트 외 일반 영상을 저장하지 않거나 24시간 내 자동 삭제한다.
- 비식별화: 대시보드에 마스킹·모자이크를 적용한다.
- 접근통제: RBAC와 2단계 인증을 사용한다.
- 암호화: 전송 TLS, 저장 AES-256 기준을 적용한다.
- 열람기록: 이벤트 열람·다운로드 로그를 1년 보관한다.
주의 : 영상 활용 목적과 보관 기간, 열람 권한을 작업자에게 고지하고 동의를 받는다.
9. 성능지표(KPI)와 운영
9.1 핵심 KPI
- 검출민감도(Recall): ≥ 90% 목표로 한다.
- 정확도(Precision): ≥ 90% 목표로 한다.
- 경보지연(P95): ≤ 1.0 s 목표로 한다.
- 오탐률(FP/hr): ≤ 0.2 목표로 한다.
- 시스템가용성: ≥ 99.5% 목표로 한다.
9.2 표준 운영 체크리스트
| 항목 | 점검 내용 | 빈도 | 책임 |
|---|---|---|---|
| 카메라 청결 | 렌즈 오염, 수분 응결 | 매일 | 현장 |
| 프레임 드랍 | RTSP 로스율 < 1% | 주간 | IT |
| 지연 | 엔드투엔드 P95 < 1 s | 주간 | IT |
| 오탐 검토 | False Positive 원인 분석 | 주간 | 안전 |
| 모델 재학습 | 계절·조도 반영 | 분기 | AI |
10. 비용·ROI 산정
10.1 산정식
연간 방지 손실액 = 과거 추락사고 평균 손실액 × 예상 감소율이다.
ROI = (연간 방지 손실액 − 연간 총비용) / 연간 총비용이다.
# 예시 annual_loss = 300_000_000 # 과거 평균 손실액(원) reduction = 0.5 # 감소율 50% annual_cost = 80_000_000 # 유지비 포함 총비용 roi = (annual_loss * reduction - annual_cost) / annual_cost 10.2 비용 구성 예시표
| 구분 | 내용 | 산정 기준 |
|---|---|---|
| 하드웨어 | 카메라·엣지 AI 박스 | 채널 수 |
| 소프트웨어 | 라이선스·VMS 연동 | 동시 채널 |
| 구축 | 설치·튜닝·교육 | 현장 난이도 |
| 운영 | 클라우드·유지보수 | 월 과금 |
11. 현장 적용 상세 가이드
11.1 위험 존 설계
- Zone 다각형을 도면 기반으로 지정하고 고정 마커로 캘리브레이션한다.
- 위험 레벨에 따라 민감도 차등을 적용한다.
11.2 라벨링 원칙
- 프레임 간 간격 3~5 프레임으로 키포인트를 라벨링한다.
- 추락 시작·최대 낙하·충돌 시점을 타임스탬프로 구분한다.
11.3 경보 후 액션 플레이북
- 1분 이내 현장 통화 및 위치 확인을 수행한다.
- 2분 이내 응급 대응팀 출동을 시행한다.
- 5분 이내 현장 격리와 10분 이내 원인 1차 기록을 완료한다.
12. 품질 보증과 인수 기준
- 샘플 1,000 이벤트 이상에서 Recall·Precision을 측정한다.
- Latency P95 ≤ 1 s를 충족한다.
- MTBF ≥ 500 h를 보장한다.
13. 장애 대응
- 감지 품질 저하: 환경 마스크와 노출 값을 조정한다.
- 오탐 급증: 배경 모델 업데이트와 포즈 신뢰도 임계치를 상향한다.
- 클립 누락: VMS 북마크 시간 동기화를 점검한다.
14. 표준 문서 샘플
14.1 운영 규정 템플릿
제1조 목적: AI 추락 감지와 연동한 사고 예방을 표준화한다. 제2조 범위: 위험 존으로 지정된 카메라에 한한다. 제3조 보관: 이벤트 클립 30일, 로그 1년 보관한다. 제4조 권한: 안전팀장 승인 하에 열람한다. 제5조 점검: 주간 성능 리뷰와 분기 재학습을 시행한다. 14.2 데이터 보호 규정 발췌
1) 마스킹 기본값 ON. 2) 추락 이벤트 외 열람 금지. 3) 반출 시 익명화와 목적 외 사용 금지. 15. 기술 사양 요구서(SRS) 체크리스트
| 항목 | 요구사항 | 합격 기준 |
|---|---|---|
| 감지 성능 | Recall ≥ 90%, Precision ≥ 90% | PoC 리포트 |
| 지연 | P95 ≤ 1.0 s | 부하 시험 |
| 확장성 | 채널 64개/서버 | 부하 80% 이하 |
| 보안 | TLS, RBAC, 감사로그 | 침투 테스트 |
| 연동 | RTSP/ONVIF, Webhook | 통합 테스트 |
16. 모델 재학습 파이프라인
- 오탐·미탐 이벤트를 자동 수집한다.
- 반자동 라벨링 후 품질 검수를 수행한다.
- 클래스 불균형을 Focal Loss·가중 샘플링으로 완화한다.
- 하드 네거티브 채광·기상 데이터를 주입한다.
- MLOps로 버전과 배포 이력을 관리한다.
17. 간단한 추락 후보 감지 의사코드
import cv2 import numpy as np
def is_fall_candidate(track):
vy = np.gradient(track.center_y, track.time) # 수직 속도
acc = np.gradient(vy, track.time)
pelvis_drop = track.pelvis_drop_meters()
angle_change = track.torso_angle_change()
score = 0
if np.min(vy) < -1.5: score += 0.4
if pelvis_drop >= 0.6: score += 0.3
if angle_change >= 70 and track.recovery_time() >= 0.5: score += 0.2
return score >= 0.7
18. 현장 적용 사례별 팁
- 교량 상부: 강풍 흔들림에 대비하여 기둥 기준 마커로 안정화한다.
- 옥상 설비: 옥상 난간 높이 기준으로 드롭 임계값을 재보정한다.
- 플랜트: 증기·열 간섭은 열화상 카메라 보조 채널을 병행한다.
19. 도입 단계 요약 로드맵
- 현장 조사와 위험 존 정의를 수행한다.
- PoC 설계와 KPI 합의를 진행한다.
- 파일럿 설치와 튜닝을 수행한다.
- 전면 배포와 교육을 진행한다.
- 운영 지표 기반 지속 개선을 수행한다.
20. 자주 발생하는 문제와 해결
| 문제 | 원인 | 해결 |
|---|---|---|
| 우천 시 오탐 증가 | 노이즈와 반사 | 비·안개 프로파일 적용, 마스크 확장 |
| 역광 구간 미탐 | 저조도 대비 부족 | WDR, 노출 고정, 감마 보정 |
| 지연 증가 | 네트워크 혼잡 | QoS, 키프레임 간격 단축, 엣지 추론 |
FAQ
안전대 착용 여부도 인식 가능한가
기본 추락 감지와 별도로 안전대 착용 탐지를 병행할 수 있다. 벨트 색상·형태 특징과 키포인트 위치 관계를 학습하여 확률로 산출한다. 오탐을 줄이기 위해 근접 촬영과 충분한 광량을 확보해야 한다.
개인정보 이슈는 어떻게 관리하나
목적 제한, 최소 보관, 모자이크, 접근권한 통제로 관리한다. 이벤트 중심 저장과 익명화 절차를 표준 운영규정에 명시하고 준수한다.
드론 영상에도 적용 가능한가
가능하다. 다만 기동 카메라는 시점 변화가 크므로 전·후 안정화와 관성센서 보정이 필요하다. 지연 허용 범위를 완화하고 관심 구역을 작게 설정한다.
현장 소음이나 통신 장애 시 알림은 어떻게 하나
이중화 경보 장치를 사용하고 오프라인 모드에서 현장 경광등·사이렌을 우선 구동한다. 통신 복구 시 알림 로그를 재전송한다.
학습 데이터가 부족한데 성능을 올리려면
하드 네거티브 마이닝과 시뮬레이션 합성 데이터로 보강한다. 조도·기상·의복 색상 변이를 확장하여 일반화를 높인다.