세이프뱃지 안전 관제
과제 밀폐·단독 작업 환경의 복합 위험을 단일 센서로 판단 불가
해결 영상+뱃지+환경 센서 융합으로 작업자별 위험도 실시간 산출 — 실증 4개소
성과 단일 센서로 못 잡던 복합 위험을 작업자별 실시간 감지
영상 인식 AI — 도로와 현장의 위험을 봅니다.
영상 인식(Vision) AI로 도로·교통을 분석하고 위험을 감지합니다 — 차종·통행 분석부터 노면 파손(포트홀) 자동 검출, 작업장 안전 관제까지.
현장 카메라의 영상을 엣지에서 추론하고, 표준 프로토콜로 수집해 중앙 관제로 잇는 엣지-투-클라우드 구조로 설계합니다.
수집부터 관제까지 6단계 영상 분석 파이프라인으로 구성합니다.
RTSP·ONVIF로 IP 카메라 스트림 수집
GStreamer 파이프라인으로 디코드·프레임 정규화
CNN 기반 검출·분류 — 차종·보행자·노면 파손
다중 객체 추적(multi-object tracking)으로 이동 경로 산출
자동 돌발상황 검지(AID)·오탐 억제(HITL 검수)
지도 기반 실시간 이벤트 표출·현장 통합 관제
도로 위 교통 흐름부터 산업 현장의 작업 위험까지, 하나의 영상 인식 엔진으로 폭넓게 감지하도록 설계합니다.
차종 분류·통행량 계측 — 도로 통행 데이터 분석
포트홀·균열 등 노면 파손 영상 자동 검출
영상+센서 융합 위험 추론 — 작업자별 위험도 산출
횡단·무단횡단·군중 밀집도 영상 분석
불법 주정차·주차면 점유 자동 판별
저시정·연기·낙하물 등 도로 위험 요소 검지
자동 돌발상황 검지(AID)로 도로·현장의 위험 이벤트를 실시간 검지하도록 설계합니다.
검지 항목은 현장 요건에 맞춰 확장하도록 구성하며, 오탐을 줄이기 위해 사람 검수(HITL) 단계를 둘 수 있습니다. 개인영상정보는 비식별(블러) 처리 원칙을 따릅니다.
| 구분 | VisionQ |
|---|---|
| 영상 입력 | IP 카메라(ONVIF)·RTSP 스트림 — 이기종 CCTV 연동 설계 |
| 추론 방식 | 엣지 추론(카메라 인접) + 중앙 AI 추론 서버 2티어 구성 |
| 영상 처리 | GStreamer 파이프라인 · CNN 객체 검출·분류·다중 추적 |
| 융합 입력 | 영상 + 뱃지 + 환경 센서 멀티모달 융합(작업 안전) |
| 산출물 | 돌발상황(AID) 이벤트 · 작업자별 위험도 · 통행·차종 통계 |
| 관제 | GIS 지도 기반 중앙 통합관제 · Cubeon Safety Pack 연계 |
표준·프로토콜은 이기종 카메라·관제 시스템과의 상호운용을 지원하도록 설계한 방향이며, 주요 VMS와 연동하도록 설계·지원하는 방향으로 확장합니다.
데이터 규제·영상정보 보안 환경에 맞춰 동일 솔루션을 세 가지 형태로 배포하도록 구성합니다.
중앙 관제·통계를 클라우드에 배치 — 빠른 구축·다현장 통합
사내 서버에서 영상·데이터 내부화 — 데이터 주권 확보
망분리 현장에서 엣지 추론만으로 운영 — 영상 반출 없이 검지
공공안전 국책 과제를 오큐브가 주관하고, 영상·센서 융합 기반 작업 안전 관제를 현장에서 실증합니다.
과제 밀폐·단독 작업 환경의 복합 위험을 단일 센서로 판단 불가
해결 영상+뱃지+환경 센서 융합으로 작업자별 위험도 실시간 산출 — 실증 4개소
성과 단일 센서로 못 잡던 복합 위험을 작업자별 실시간 감지
다수 현장을 지도 기반 중앙에서 통합 관제 — Cubeon Safety Pack으로 결합
