합성곱 신경망 알고리즘과 열상센서 기반 스마트안전 디바이스 시스템

The Convolutional Neural Network Algorithm and Thermal Sensor-Based Smart Safety Device System

본 연구는 고령화 및 산업재해 증가에 따른 낙상 사고 예방을 목표로, 열상 센서와 합성곱 신경망(CNN) 기반 AI를 활용한 스마트 안전 디바이스 시스템을 개발하였다. 기존 조명 인프라에 낙상 감지 및 응급 알림을 통합하여 실시간 위급 상황 대응 체계를 구현하였으며, 비접촉식 열상 센서를 통해 사생활 침해 없이 재실 및 움직임을 고감도로 감지할 수 있다. 능동형 호흡 센서 결합으로 휴식 상태까지 모니터링 가능하며, AI 알고리즘은 구글 Colab에서 CNN을 이용해 센서 데이터와 영상 이미지를 학습하여 높은 인식 정확도를 달성하였다. 데이터 증강, 정규화, 최적화, 전이학습 등의 기법을 통해 CNN 모델의 성능을 향상시켰으며, YOLO 알고리즘과 결합한 객체 인식으로 낙상 감지 정확도를 추가로 개선하였다. 개발된 스마트 안전 홈 디바이스는 기존 화재감지, 조명 기능에 더해 낙상 및 위급상황 인지와 가족 통보 기능을 포함, 2차 사고 예방에 효과적이다. 연구는 딥러닝과 센서 융합 기술을 결합한 실용적인 제품 개발로 산업 현장과 가정 안전에 적용 가능함을 제시한다. 향후 데이터셋 확대와 AI 최적화를 통한 시스템 신뢰성 보강이 기대된다.

The study developed a smart safety device system utilizing thermal sensors and convolutional neural network (CNN)-based AI to prevent falls, addressing the increase in elderly population and industrial accidents. By integrating fall detection and emergency alert functions into existing lighting infrastructure, a real-time emergency response system was implemented. The non-contact thermal sensor enables high-sensitivity detection of occupancy and movement without invading privacy. Combined with an active respiration sensor, the system can monitor resting states. The AI algorithm, implemented with CNN using sensor data and thermal images in the Google Colab environment, achieved high recognition accuracy. Techniques such as data augmentation, normalization, optimization, and transfer learning were applied to enhance CNN model performance. Fall detection accuracy was further improved by integrating CNN with the YOLO object recognition algorithm. The developed smart home safety device includes traditional functions like fire detection and lighting, along with fall and emergency monitoring with family notification features, effectively preventing secondary accidents. The research demonstrates a practical product development combining deep learning and sensor fusion technologies, applicable to both industrial sites and home safety. Future work involves expanding data sets and optimizing AI to strengthen system reliability.