🛴 전동 킥보드 헬멧 착용 감지 시스템

전동 킥보드 이용 시 헬멧 착용 여부를 실시간으로 감지하고 사용자 인증을 수행하는 AI 기반 안전 관리 시스템입니다.

---

📋 프로젝트 개요

🎯 목적

헬멧을 착용하지 않은 채 전동 킥보드를 이용하는 사례를 방지하기 위해, 카메라와 머신러닝 모델을 활용한 헬멧 착용 여부 감지 시스템을 구현했습니다.
실시간으로 헬멧 착용 상태를 확인하고, 눈 깜빡임을 통한 사용자 인증 기능을 포함하여 안전한 이동 환경을 조성합니다.

📌 배경

• 전동 킥보드 대여 서비스 이용률 급증
• 안전사고 건수 증가 및 헬멧 미착용 문제 심각
• 법적 규제 준수 및 사전 사고 예방 필요

---

✅ 기대 효과

• 헬멧 착용률 증가: 자동 감지를 통한 사용자 인식 개선
• 규정준수 환경 조성: 체계적인 관리 시스템 구축
• 사고 예방: 공유 모빌리티 안전사고 사전 방지
• 확장 가능성: 건설현장, 실험실 등 다양한 산업 분야에 적용 가능

---

🛠️ 핵심 기술 스택

기술	설명
OpenCV	이미지 처리 및 실시간 영상 분석
YOLOv8	헬멧 착용 여부 객체 감지
MediaPipe	얼굴 인식 및 눈 깜빡임 감지를 통한 사용자 인증
Pandas	데이터 처리 및 분석
Matplotlib	감지 결과 및 통계 시각화
Streamlit	사용자 인증 결과 웹 인터페이스 제공

---

🔧 시스템 구성

📂 감지 클래스 (YOLO 라벨)

• helmet: 헬멧 착용 상태
• no_helmet: 헬멧 미착용 상태
• cap: 모자 착용 상태
• only_helmet: 헬멧만 있음 (착용 X)

👁 사용자 인증 시스템

• YOLOv8: 실시간 헬멧 감지
• MediaPipe: 눈 두 번 깜빡이면 사용자 인증
• QR 코드 스캔: 추가 보안 절차
• Streamlit UI: 인증 결과 및 안내 메시지 출력

---

📊 데이터셋 및 모델 개선

🧩 초기 문제점

• 정면 모자 사진 부족 → 정면 인식 정확도 저하
• 헬멧을 들고 있는 사진을 helmet으로 잘못 인식

🛠 해결 방안

• cap 정면 사진 추가로 데이터 불균형 해소
• only_helmet 클래스 추가 → 오인식 방지
• 다양한 각도의 이미지 생성을 위한 데이터 증강 적용

---

🚧 알려진 이슈 및 해결 방안

문제	해결 방안
정면 모자 인식 한계	정면 모자 이미지 추가, 증강 기법 활용
헬멧 vs 모자 혼동	only_helmet 데이터 분류 강화
안경 착용 시 눈 인식 오류	조명 제어 및 필터링 기법 적용

---

🎮 사용 방법

1. 카메라 앞에 서서 헬멧을 착용
2. 시스템이 YOLOv8으로 실시간 착용 여부 확인
3. 눈을 두 번 깜빡여 인증 수행 (MediaPipe 기반)
4. QR 코드를 스캔하여 보안 인증 완료
5. Streamlit 웹 페이지에서 인증 결과 확인

---

🔮 확장 가능성

해당 시스템은 전동 킥보드 외에도 다음과 같은 산업안전/공공 안전 분야로 활용 가능합니다:

• ✅ 건설 현장 안전 장비 착용 모니터링
• ✅ 공장 내 작업자 보호 장비 감지
• ✅ 실험실 내 실시간 안전 확인 시스템
• ✅ 스포츠 보호 장비 착용 여부 검증

---

👥 팀 구성 및 역할

본 프로젝트는 스마트팩토리 교육과정 2차 팀 프로젝트로 진행되었습니다.

역할	담당 업무
🔹 데이터 엔지니어링	Roboflow를 활용한 학습 데이터 수집 및 분류
🔹 모델 개발	YOLO 모델 학습, 성능 개선 및 최적화
🔹 컴퓨터 비전	OpenCV를 통한 실시간 객체 탐지
🔹 인증 시스템	MediaPipe 기반 눈 깜빡임 감지 및 QR 인증 로직 구현
🔹 시각화 및 UI	Matplotlib 기반 통계 분석 + Streamlit 인터페이스 구현

---

📈 프로젝트 성과

• ✅ 실시간 YOLOv8 기반 헬멧 감지 시스템 구현
• ✅ 눈 깜빡임 + QR 인증을 통한 사용자 인증 프로세스 완성
• ✅ 직관적인 Streamlit UI로 사용성 확보
• ✅ 산업 전반으로의 확장 가능성 확보

---

📎 참고 링크

• 📘 Velog 프로젝트 회고
• 🔍 YOLOv8 공식 문서
• 🔍 MediaPipe 공식 문서

---

📌 향후 개선 사항 (선택사항)

• 헬멧 착용 상태 외에 사용자 행위(예: 음주 상태, 휴대폰 사용 등) 인식 확장
• WebRTC 기반 실시간 영상 스트리밍 통합
• 모바일 앱 형태로 이식 (Flutter 등)

---

🏁 실행 전 준비 사항 (옵션)

# 가상환경 생성 및 의존성 설치
pip install -r requirements.txt

# Streamlit 앱 실행
streamlit run app.py