[pt] Em grandes indústrias, como construção, metalúrgica e petróleo,
trabalhadores são continuamente expostos a vários tipos de perigos em
seus locais de trabalho. Segundo a Organização Internacional do Trabalho
(OIT), anualmente ocorrem cerca de 340 milhões de acidentes de trabalho.
Equipamentos de Proteção Individual (EPI) são utilizados para garantir
a proteção essencial da saúde e segurança dos trabalhadores. Com isto,
há um grande esforço para garantir que esses tipos de equipamentos sejam
usados de maneira adequada em ambientes de trabalho. Em tais ambientes, é
comum ter câmeras de circuito fechado de televisão (CFTV) para monitorar
os trabalhadores, pois essas podem ser usadas para verificar o uso adequado
de EPIs. Alguns trabalhos presentes na literatura abordam o problema de
verificação automática de EPIs usando imagens de CFTV como entrada;
no entanto, muitos destes trabalhos não conseguem lidar com a detecção
de uso seguro de múltiplos equipamentos e outros até mesmo pulam a fase
de verificação, fazendo apenas a detecção. Neste trabalho, propomos um
novo componente de análise de segurança cognitiva para um sistema de
monitoramento. Este componente atua para detectar o uso adequado de
EPIs em tempo real, usando fluxo de dados de câmeras de CFTV comuns.
Construímos este componente do sistema com base nas melhores técnicas
de Aprendizado Profundo voltadas para a tarefa de detecção de objetos. A
metodologia proposta é robusta com resultados consistentes e promissores
em termos da métrica Mean Average Precision (mAP) e pode atuar em
tempo real. / [en] In large industries, such as construction, metallurgy, and oil, workers
are continually exposed to various hazards in their workplace. Accordingly
to the International Labor Organization (ILO), there are 340 million occupational
accidents annually. Personal Protective Equipment (PPE) is used
to ensure the essential protection of workers health and safety. There is a
great effort to ensure that these types of equipment are used properly. In
such an environment, it is common to have closed-circuit television (CCTV)
cameras to monitor workers, as those can be used to verify the PPE s proper
usage. Some works address this problem using CCTV images; however, they
frequently can not deal with multiples safe equipment usage detection and
others even skip the verification phase, making only the detection. In this
paper, we propose a novel cognitive safety analysis component for a monitoring
system. This component acts to detect the proper usage of PPE s in
real-time using data stream from regular CCTV cameras. We built the system
component based on the top of state-of-art deep learning techniques for
object detection. The methodology is robust with consistent and promising
results for Mean Average Precision (mAP) and can act in real-time.
Identifer | oai:union.ndltd.org:puc-rio.br/oai:MAXWELL.puc-rio.br:53751 |
Date | 19 July 2021 |
Creators | PEDRO HENRIQUE LOPES TORRES |
Contributors | HELIO CORTES VIEIRA LOPES |
Publisher | MAXWELL |
Source Sets | PUC Rio |
Language | English |
Detected Language | English |
Type | TEXTO |
Page generated in 0.1967 seconds