📌 대회 포스터
📌 대회 개요
📖 대회에 대한 내용
📋 1세부 : 소방관 행동모션 3D 객체 모델링 데이터
본 데이터는 통합적 재난관리 체계 구축 및 현장 즉시대응 역량 강화를 위한 소방 분야에 특화된 3D 행동 데이터를 구축하여 다양한 현장에 대응하며 실감훈련이 가능한 AI소방관 개발을 위한 소방관 행동모션 3D 객체 모델링 데이터로, 소방청과 한국전자기술연구원, ㈜블루캡슐, ㈜마로스튜디오, ㈜한컴엔플럭스가 협업하여 중앙소방학교에서 제공하는 ‘화재대응능력 평가[훈련] 교범(2019)’을 기반으로 341종의 행동모션을 선정하여 이를 바탕으로 수집 및 정제, 가공 과정을 거쳐 데이터를 구축하였다,
📋 2세부 : 소방시설-장비 3D 스캐닝 데이터
본 데이터는 메타버스 환경에서 공공 활용서비스 목적으로 소방방재 및 소 방 산업 관련 AI 기술개발을 위한 소방시설ㆍ장비 3D 객체 데이터로, 소방청과 ㈜비온시이노베이터, ㈜에스제이정보통신이 협업하여 소방청에서 제공하는 장비 및 시설 분류표를 기반으로 187종, 417건을 선별, 선별된 항목을 바탕으로 수집 및 정제, 가공 과정을 거쳐 다양한 메타버스 환경에서 활용이 가능한 6,000건의 3D 객체 데이터와 인공지능 학습이 가능한 150,000건의 이미지 외 데이터로 구축되어 있다.
📋 3세부 : 화재 영상 3D 객체 데이터
본 데이터는 메타버스 규모의 디지털 트윈 도시 공간을 실측기반 구축 및 다양한 객체에 대한 화재 속성정보(온도, 연기, , )를 포함한 3D 화재 데이터 구축을 통해 향후 가상 소방훈련 분야 활용 및 실감 소방훈련 콘텐츠 개발 등을 위해 현재 소방청과 ㈜아이팝, ㈜유오케이, ㈜레몬소프트, ㈜데이터쿡과 협업하여 화재 3D 객체 데이터 2,000건, 실내 3D 공간 데이터 8,118평, 150,000건의 화재영상 2D 이미지 데이터로 구축을 진행하고 있다. 화재영상 2D 이미지 데이터를 이용하여 불꽃 및 연기 탐지를 위한 인공지능학습 모델개발 및 적용을 수행하고 있다.
📌 Project 기획
📖 아이디어 개요
📋 제안배경
- 소방에 관한 환경이나 내용을 잘 알지 못하여 소방관들과 소방공무원을 꿈꾸는 카페를 찾아서 여러 게시글을 찾아 보고, 네이버 웹툰 '1초'나 '레스큐 시스템' 등을 보면서 어느정도 배경지식과 여러 상황 같은 것들을 생각해 보았다.
항상 위험한 상황과 환경에 노출되어 있는 상황들을 배경으로 카페에 올라온 글들을 보고 생각하게 된 아이디어 인데, '화재현장에서는 연기와 하이바 때문에 잘보이지 않는 시야각이 존재 했고, 그로인해 충돌상황이 많이 있으며, 동시에 여러 상황이 실시간으로 발생하는 일이 크기 때문에 "객체를 인식하는 YOLO 모델"과, 2차 사고 예방에 도움을 줄 수 있도록 확률을 계산해 주는 "통계기반 머신러닝"을 사용하여 무너짐과 폭발 사고 같은 상황을 예측하여 소방관의 피해를 줄여주는 서비스를 동시에 제공해 주려고 한다.
📋 핵심내용
- YOLO의 빠른 객체 인식 성능(YOLO : Real-Time Object Detection)을 사용하여
신속한 객체 인식으로 이미지를 한번에 스캔하며 속도와 정확성이 높다.
위 모델을 사용하여 실시간으로 급박하게 변하는 현장을 파악하고, 화면을 통해 현장을 지휘하는 곳에도 정보를 제공해 주면서 행동하는 현장투입 소방관과, 지휘하는 지휘자 모두에게 실시간 정보를 통해 즉각적으로 변수를 대처할 수 있으며,
- 확률론적 관점에선 위의 그림의 Y축에는 분명 확률 변수 Y에 속한 y값들이 있을
것이다. 우리가 가정한 확률분포는 X를 고려한 Y에 대한 분포이고, 그 다음 MLE를
통해 θ를 업데이트를 해준다.
화면으로 보여지는 상황들 (금이간 벽, 전선 파손으로 인한 스파크, 등) 현장에 투입되어 있는 소방관이 미처 보지 못하는 상황을 포착하여 2차 사고 (무너짐 현상, 스파크로 인한 2차 폭발, 등)의 확률을 제공해주며 소방관의 대처와 판단에 도움을 줄 수 있도록 한다.
📌 구현 방법
📖 모델링
이미 대표적으로 우리나라는 CCTV 또는 GoPro 등을 통하여 화면을 녹화, 제공, 송출을 하는 방법들은 많이 있으며, 그 기능에 "YOLO모델"의 기능을 접목하여 연기나 화재로 인해 잘 보이지 않는 현장에 충돌 할 수 있는 사물들을 포착하여 현장에 있는 소방관에게 사물이 있음을 인식 시켜주고,
여러 사진들과 동영상으로 데이터를 확보하고 접목시킨 인공지능 데이터들을 기반으로
화면에 보이는 위험물(가연성 사물, 폭발성 화물, 등)과 금이간 벽들을 포착하여 화면에 대한 상황들을 확률화 하여 (무너짐, 폭발, 등) 2차 사고 발생 확률을 제공해 준다.
📌 가능성 및 기대효과
📖 실현가능성
앞서 말했던 기능들은 모두 이미 소방 사업뿐만이 아닌 방위나 경찰같은 분야에서도 이미 다방면으로 활용이 되고 있는 기술이다. 문제점은 과연 얼마나 현장환경에 적응을 하여 도움을 줄 수 있는지와, 뜨거운 화재현장과 파손될 우려가 많은 붕괴현장 같은 경우에 대한 내구성이 가장큰 문제이지만 현대들어서 내구성이 강한 소재들이 많이 있으므로 적용 높은온도에 의한 회로망 손상 및 오류만 푀소화 시키기만 하면 될 것이다.
📖 기대효과
-
아이디어 결과물의 사회 파급(기대)효과 : 해당 기술 개발 및 실용화를 통하여 소방관들에게는 현장에서 발생하는 위험 요소들에 대한 물체확인 및 2차 사고 예방을 할 수 있고, 지휘부에서도 즉각적으로 변화하는 현장 상황을 빠르게 인지하여 정확한 판단을 내림으로써 조기대응을 할 수 있음으로써 인명피해가 최소화 될 것으로 기대된다.
-
추가적으로 녹화된 영상 및 이미지들을 컨텐츠화 시켜서 중앙소방학교 또는 교육용으로 여러 사람들이 보고 학습하면서 혹시 발생할 상황들에 대해 대비를 할 수 있다.
