컴퓨터 비전을 활용한 저비용 교량 안전관리 모니터링 예측 모델 연구
A Study on a Computer Vision-Based Low-Cost Predictive Model for Bridge Safety Monitoring
0
조회
0
다운로드
0
인용
0
참고문헌
키워드
초록
교량을 비롯한 핵심 사회기반시설의 노후화는 전 세계적으로 심화되고 있으며, 이에 따른 구조 건전성의 장기적 모니터링및 안전 관리의 필요성이 증대되고 있다. 기존의 접촉식 센서 기반 계측이나 무인항공기(드론)를 활용하는 방식은 높은 정확도를 제공하지만, 설치 및 유지관리 비용, 국소 계측의 한계, 그리고 장기간 운용의 제약으로 인해 광범위한 적용에 어려움이존재한다. 본 연구에서는 이러한 한계를 극복하기 위한 대안으로, 광범위하게 보급된 CCTV 인프라를 활용하는 새로운 변위모니터링 방법론을 제안한다. 제안된 기법은 CCTV 영상에서 디지털 이미지 상관법(Digital Image Correlation) 기반의특징(Feature)을 추출하고, 이를 시계열 데이터로 변환한 후, Long Short-Term Memory(LSTM) 및 Gated Recurrent Unit(GRU)과 같은 딥러닝 모델을 적용하여 교량의 미소 변위를 추정한다. 실제 교량에서 취득한 영상을 대상으로 제안된방법론의 성능을 검증한 결과, 접촉식 변위계로 측정한 실제 변위 데이터와 RMSE 기준 0.1116mm 의 매우 적은 오차를보이는것을 확인하였다. 본 연구는 기존 모니터링 방식의 기술적, 경제적 단점을 보완하고, 이미 구축된 사회적 자산인 CCTV 인프라를 교량 안전 관리에 적극적으로 활용할 수 있는 새로운 방향을 제시한다는 점에서 학술적, 실용적 의의를 가진다.
Abstract
The aging of critical social infrastructure, including bridges, is a growing concern worldwide, necessitating long-term structural health monitoring and safety management. While conventional methods utilizing contact-based sensors or unmanned aerial vehicles (drones) offer high accuracy, their widespread application is hindered by challenges such as high installation and maintenance costs, limitations to localized measurements, and constraints on long-term operation. To overcome these limitations, this study proposes a novel displacement monitoring methodology that leverages widely available CCTV infrastructure. The proposed technique extracts features from CCTV footage based on Digital Image Correlation (DIC) and converts them into time-series data. Subsequently, deep learning models such as Long Short-Term Memory (LSTM) and Gated Recurrent Unit (GRU) are applied to estimate the micro-displacements of the bridge. The performance of the proposed methodology was validated using video footage acquired from an actual bridge. The results confirmed a very low error, with a Root Mean Square Error (RMSE) of 0.1116mm, when compared to the actual displacement data measured by contact-based displacement sensors. This research holds significant academic and practical value as it complements the technical and economic shortcomings of existing monitoring methods and presents a new direction for proactively utilizing CCTV infrastructure, an already established societal asset, for bridge safety management.