건설작업은 많은 수의 작업이 수작업으로 이뤄지며 무거운 자재를 다루는 작업이 발생하여 근골격계 질환 발병 위험이 이 높은 작업이다. 하지만 건설작업 중 근로자에게 가해지는 물리적 부하의 수준과 크기를 관리 및 감독하는 것은 현장의 규모가 크고 인력이 많기 때문에 어려운 일이다. 이를 해결하기 위해 본 연구는 건설 근로자의 족저압 정보를 이용해 신체부하의 레벨을 인식하는 기술을 개발하였다. 실험에서는 NIOSH 리프팅 지수에 따라 물체의 무게를 변경하여 근골격계 부상 위험 레벨을 설정하였다. 실험 참가자들은 스마트 인솔을 착용하고 반복적인 리프팅 작업을 수행하였으며 신체부하 레벨 인식을 위해 순환신경망 기반 딥러닝 알고리즘인 Bi-LSTM 모델을 적용하여 분석을 진행하였다. 분석 결과, 들어올리는 물체에 가장 가까운 발부터 수집한 데이터를 이용했을 때 최대 84.1%의 정확도를 얻을 수 있음을 확인하였다. 본 연구에서 제안한 신체부하 인식 기술은 근전도, 심박수와 같은 다른 생체정보에 비해 획득이 용이해 현장 적용성이 높으며, 해당 기술은 건설 현장에서 중량물을 다루는 작업 시 신체부하를 평가 및 관리하고 건설 근로자의 근골격계 질환을 예방하는 데 도움이 될 것으로 보인다.