Update README.md

README.md

@@ -5,15 +5,36 @@ base_model:
 pipeline_tag: image-classification
 ---
 
-## Model Description
+# Safety Factory: 작업자 안전 모니터링 시스템
 
-Ultralytics/YOLO11의 YOLO11X.pt를 기반으로 Person, Fall 데이터를 Finetuning한 모델입니다.
+공장 내 작업자의 안전을 실시간으로 확인하기 위해 CCTV 영상을 활용한 인공지능 기반 감시 시스템을 구축하였습니다.
+YOLO11 기반의 객체 탐지 알고리즘을 이용하여 영상 속 작업자를 인식하고, 사람이 넘어지는 상황(Fall)을 자동으로 감지할 수 있도록 학습시켰습니다.
 
-기존 Person 클래스의 특징 추출 능력을 유지하기 위해 Backbone의 일부 레이어를 freeze하여 고정하였으며, YOLO.train()의 기본 파라미터를 이용하여 데이터 증강을 하여 일반화 성능을 높이는 데에 집중했습니다.
+이를 통해 작업자를 실시간으로 인식하고, 이상 행동(예: 낙상)을 감지하여 관리자 개입 없이도 위험 상황을 즉시 인지할 수 있도록 구현하였습니다.
 
-데이터 셋은 Roboflow의 공개 데이터셋(new1-2zcyf/fall_detaction), AIHub의 '스마트 제조 시설 안전 감시를 위한 데이터'의 일부를 사용하였습니다.
+공장 내 작업자의 안전을 실시간으로 모니터링하기 위해, CCTV에 인공지능을 결합한 객체 탐지 시스템을 구축하였습니다.
+YOLO11 기반의 객체 탐지 알고리즘을 활용하여 영상 속 작업자를 자동으로 인식하고 넘어짐, 화재, 안전장비 미착용과 같은 이상 상황을 탐지할 수 있도록 설계하였습니다.
+
+이를 통해 관리자 개입 없이도 위험 요소를 빠르게 인지하고, 작업 환경에서의 안전사고를 예방할 수 있는 스마트 안전관리 시스템을 구현하였습니다.
+
+훈련 데이터는 Roboflow, AIHub, Kaggle의 공개데이터셋들을 재구성하여 사용하였습니다.
+
+# 주요 기능
+- YOLO11 기반 실시간 객체 탐지 모델 적용
+다양한 안전 관련 이벤트를 탐지하기 위해 YOLO11 모델을 커스터마이징하여 학습 및 적용
+
+- OpenCV 기반 실시간 스트리밍 처리
+실시간 영상 스트리밍(CCTV, 웹캠 등)을 통해 작업자의 상태를 실시간으로 확인 가능
+
+- 다중 모델 동시 적용(Multi-Model Inference)
+낙상, 화재, 안전장비 미착용 등 복수의 YOLO 모델을 동시에 적용하여 복합적인 위험 요소를 감지
+
+# 탐지 항목
+
+1. 낙상(Fall) - 작업자가 바닥에 쓰러지는 행동을 인식하여, 실시간 사고 감지 및 경고 기능을 수행합니다.
+2. 화재(Fire) - 영상 내에서 불꽃 또는 연기를 인식하여 화재 발생을 조기에 탐지할 수 있도록 합니다.
+3. 안전장비 미착용 - 안전모 등 필수 보호장비를 착용하지 않은 작업자를 식별하여, 안전 규정 위반 여부를 자동으로 판단합니다.
 
-공장의 CCTV에서 낙상탐지에 최적화된 모델을 위해 만들었습니다.
 
 ## 실행 환경
 Window 10