PPE Safety Detection AI

건설 현장 등 산업 현장에서 안전모(헬멧) 와 반사조끼 착용 여부를 실시간 감지하는 AI 기반 안전 모니터링 시스템. YOLO 이중 모델 파이프라인 + FastAPI 백엔드 + React 대시보드로 구성된 풀스택 솔루션.

주요 기능

AI 감지 엔진

• 이중 모델 파이프라인 — yolo12n(사람 감지) + best(헬멧/조끼 감지)를 순차 실행
• 해부학적 영역 매칭 — 머리(상단 26%)에 헬멧, 몸통(중간 52%)에 조끼를 매핑하여 PPE-사람 연결
• IoU 트래커 — 프레임 간 사람 ID 추적 (IoU ≥ 0.35, max_age 5프레임)
• 시간적 스무딩 — 7프레임 슬라이딩 윈도우 다수결로 오탐 최소화
• TensorRT 추론 — .engine 파일 우선 로드 (.pt 폴백), GPU 추론 가속
• 배치 추론 — 최대 8프레임을 하나의 GPU 호출로 처리, 동적 프레임 스킵

웹 대시보드

• 실시간 모니터링 — WebSocket 기반 카메라 스트리밍 (JPEG + 감지 JSON)
• 패널 레이아웃 — 드래그로 크기 조절 가능한 분할 패널 (1x1 ~ 4x4)
• 위반 이력 — 카메라/유형/상태별 필터링, 스냅샷 저장
• 통계 보고서 — 준수율 트렌드, 시간대별 히트맵, 카메라별 위반 현황, CSV/JSON 내보내기
• 알림 시스템 — 인앱 알림 + TTS 음성 경고 (한국어)
• 사용자 관리 — 4단계 권한 (뷰어, 안전담당자, 현장관리자, 관리자)

백엔드 API

• 카메라 관리 — 추가/수정/삭제, 개별 감지 임계값 설정
• 위반 관리 — 자동 기록, 확인 처리, 스냅샷 다운로드
• 시스템 튜닝 — 추론 빈도, 스트리밍 FPS 실시간 조절
• 보고서 내보내기 — 기간별 CSV/JSON 다운로드

기술 스택

영역	기술
AI 모델	YOLOv12 + TensorRT (기본) / PyTorch·ONNX 폴백
백엔드	FastAPI + SQLAlchemy (async) + SQLite
프론트엔드	React 18 + TypeScript + Zustand + Tailwind CSS
실시간 통신	WebSocket
차트	Recharts
인증	JWT (python-jose) + bcrypt

프로젝트 구조

ppe-safety-detection-ai/
├── workplace_safety_monitor.py    # AI 감지 파이프라인 (사람/PPE 감지, 추적, 스무딩)
├── best.engine (+ .pt 폴백)       # PPE 감지 모델 (헬멧, 반사조끼) — TensorRT
├── yolo12n.engine (+ .pt 폴백)    # 사람 감지 모델 — TensorRT
│
├── backend/
│   ├── main.py                    # FastAPI 앱 (라이프사이클, 시드 데이터, 시스템 설정)
│   ├── monitor_bridge.py          # 카메라 워커, 배치 추론 디스패처, WebSocket 브로드캐스트
│   ├── database.py                # SQLAlchemy async 엔진 (SQLite)
│   ├── models.py                  # ORM 모델 (User, Camera, Violation, AlertRule)
│   ├── auth.py                    # JWT 인증, 비밀번호 해싱
│   ├── schemas.py                 # Pydantic 스키마
│   └── routers/                   # API 엔드포인트
│       ├── auth.py                #   로그인, 프로필, 비밀번호 변경
│       ├── cameras.py             #   카메라 CRUD, 시작/중지
│       ├── violations.py          #   위반 이력, 확인 처리, 스냅샷
│       ├── stats.py               #   KPI, 타임라인, 히트맵, 내보내기
│       ├── users.py               #   사용자 CRUD (관리자)
│       ├── alert_rules.py         #   알림 규칙 CRUD
│       └── ws.py                  #   WebSocket 스트리밍
│
├── frontend/
│   ├── src/
│   │   ├── pages/
│   │   │   ├── Dashboard.tsx      # 메인 모니터링 (패널 레이아웃 + KPI)
│   │   │   ├── CameraView.tsx     # 카메라 전체화면 + 감지 오버레이
│   │   │   ├── Violations.tsx     # 위반 이력 테이블
│   │   │   ├── Reports.tsx        # 통계 차트 + 내보내기
│   │   │   └── Settings.tsx       # 카메라/사용자/알림/시스템 설정
│   │   ├── components/
│   │   │   ├── PanelTree.tsx      # 분할 패널 레이아웃 (드래그 리사이즈)
│   │   │   ├── CameraTile.tsx     # 카메라 타일 (실시간 스트림 + 감지 표시)
│   │   │   └── ...
│   │   └── store/
│   │       ├── index.ts           # Zustand 스토어 (인증, 카메라, 알림, 프레임, 설정)
│   │       └── layout.ts          # 패널 레이아웃 상태
│   └── package.json
│
├── dataset/                        # 학습 데이터 (10,500장, YOLO 형식)
│   └── safety-Helmet-Reflective-Jacket/
├── start.bat                       # 원클릭 실행 스크립트
└── requirements.txt

감지 파이프라인

카메라/비디오/RTSP 입력
  │
  ▼
[yolo12n.engine] 사람 감지 (conf ≥ 0.45)
  │
  ▼
[best.engine] 헬멧/조끼 감지 (헬멧 ≥ 0.65, 조끼 ≥ 0.70)
  │
  ▼
해부학적 영역 매핑 → PPE-사람 매칭 (IoU + 포함율 가중 스코어)
  │
  ▼
IoU 트래커 → 시간적 스무딩 (7프레임 다수결)
  │
  ▼
결과: 초록(안전) / 주황(부분) / 빨강(미착용)

설치 및 실행

요구사항

• Python 3.8+
• Node.js 18+
• NVIDIA GPU + CUDA + TensorRT (.engine 모델 사용, .pt 폴백 가능)

설치

git clone https://github.com/JunePark2018/ppe-monitor.git
cd ppe-monitor

# 백엔드 의존성
pip install -r backend/requirements.txt

# 프론트엔드 의존성
cd frontend && npm install && cd ..

실행

원클릭 (Windows):

start.bat

수동 실행:

# 백엔드 (포트 8000)
uvicorn backend.main:app --reload --port 8000

# 프론트엔드 (포트 5173)
cd frontend && npm run dev

브라우저에서 http://localhost:5173 접속.

기본 계정

역할	이메일	비밀번호
관리자	admin@ppe.local	admin1234
안전담당자	safety@ppe.local	safety1234

CLI 단독 실행 (웹 없이)

python workplace_safety_monitor.py \
  --source 0 \
  --ppe-weights best.pt \
  --person-weights yolo12n.pt \
  --save-vis output/

API 엔드포인트

메서드	경로	설명
POST	/api/auth/login	로그인 (JWT 토큰 발급)
GET	/api/cameras	카메라 목록
POST	/api/cameras/{id}/start	스트리밍 시작
WS	/ws/cameras/{id}/stream	실시간 영상 + 감지 데이터
GET	/api/violations	위반 이력 (필터링)
PUT	/api/violations/{id}/acknowledge	위반 확인 처리
GET	/api/stats/summary	KPI 요약
GET	/api/stats/heatmap	구역×시간 히트맵
GET	/api/reports/export?format=csv	보고서 내보내기
PATCH	/api/system	추론 빈도 / 스트림 FPS 조절

사용자 권한

기능	뷰어	안전담당자	현장관리자	관리자
라이브 모니터링	O	O	O	O
위반 확인/처리		O	O	O
보고서 내보내기		O	O	O
카메라 설정			O	O
사용자 관리				O

데이터셋

• 출처: Kaggle - Construction Site Safety (Snehil Sanyal / Roboflow)
• 규모: 10,500장 (Train 7,350 / Valid 1,575 / Test 1,575)
• 클래스: Safety-Helmet (0), Reflective-Jacket (1)
• 형식: YOLO (center_x, center_y, w, h 정규화)

라이선스

MIT License