🦺 Safety Helmet Detection

건설 현장에서 안전모 미착용 사고 예방을 목표로, 영상 속 인물의 헬멧 착용 여부를 자동 감지하는 Object Detection 프로젝트입니다. Roboflow Public Dataset을 기반으로 Faster R-CNN을 전이학습(fine-tuning)하여 YouTube 영상에서 실시간 감지 테스트를 수행했습니다.

기간: 2025.10.23 ~ 2025.10.24
발표 자료: object detect - 헬멧착용여부

📌 Files Overview

• fasterrcnn_config.py : Faster R-CNN 학습 및 평가 코드
• youtube_detection_universal.py : 유튜브 영상 실시간 헬멧 감지 추론 코드
• iterative_pruning_universal.py : 모델 경량화를 위한 Structured Pruning 코드

---

🚨 1. 프로젝트 개요

산업 현장에서는 여전히 안전모 미착용 사고가 다수 발생하고 있으며, 특히 추락·낙하 사고는 사망 사고의 상당 비중을 차지합니다. 기존 CCTV 모니터링은 사람이 직접 확인해야 하는 한계가 있어, 이를 자동화할 수 있는 AI 기반 영상 감지 기술의 수요가 증가하고 있습니다.

본 프로젝트의 목표

• 영상에서 헬멧 착용 여부를 자동 감지하는 모델 구현
• 추후 실시간 경고 시스템과 연동 가능한 형태로 확장 가능성 제시

---

📌 2. 데이터 및 모델 구성

📌 Dataset

• Roboflow Public Dataset (COCO 형식)
• 라벨: with_helmet, without_helmet
• 다양한 작업 환경(거리, 조명, 배경)을 포함하여 일반화 성능 확보
• Label Format: COCO JSON (Bounding Box 기반)

📌 Model

• Faster R-CNN (ResNet50-FPN)
• 작은 객체(helmet) 검출에 유리한 FPN 구조
• 2-stage detector → 비교적 높은 검출 정확도
• COCO Pretrained Weight 기반 전이학습 수행

---

⚙️ 3. 학습 및 실험 환경

항목	내용
Framework	PyTorch
Training Image Size	640 × 640
Optimizer	Adam
Dataset Split	train / val / test
Test Video	YouTube 안전 UCC 영상

Pruning 20~50% 실험 진행 → 속도 향상 / Precision 소폭 감소

---

📊 4. 결과 (Result)

• 테스트 영상에서 안정적으로 헬멧 착용 여부 검출 성공
• 실시간 감지 환경에서도 적용 가능 확인

단계	Pruning 비율	모델 크기(MB)	Precision	Recall
Original	0%	158MB	0.876	0.952
Iter#1	20%	135MB	0.900	0.943
Iter#2	30%	112MB	0.923	0.947
Iter#3	50%	93MB	0.877	0.930

---

⚠️ 5. 한계점

한계	원인
얼굴이 가려진 상태의 착용 여부 오인식	데이터셋 부재
카메라 상단(Top View) 각도에서 인식률 저하	시야 차이 + 미학습 샘플
작은 객체 검출 시 Confidence 흔들림	Faster R-CNN 특성

---

🚀 6. 향후 개선 방향

• Top-view / Mask 착용 작업자 이미지 추가 후 재학습
• YOLO 계열 모델로 속도 비교 실험 (실시간성 강화)
• 실시간 경고 시스템 + 출입 통제 시스템 연동

---