장단기 기억 순환 신경망을 이용한 생체 신호 기반 운전자 졸음 분류 방법
- 주제(키워드) 운전자 졸음 , 생체신호 , 순환 신경망 , 장단기 기억
- 발행기관 서강대학교 일반대학원
- 지도교수 강석주
- 발행년도 2018
- 학위수여년월 2018. 2
- 학위명 석사
- 학과 및 전공 일반대학원 전자공학과
- 실제URI http://www.dcollection.net/handler/sogang/000000062802
- 본문언어 한국어
- 저작권 서강대학교 논문은 저작권보호를 받습니다.
초록/요약
본 논문에서는 운전자의 졸음 상태를 파악하기 위해 새로운 생체 신호 기반 운전자 졸음 분류 방법인 Driver Drowsiness Classification - Recuurent Neural Network(DDC-RNN)을 제안한다. 기존 방법과 달리 제안하는 방법은 개인별 생체 신호 특징에 민감하지 않고, 차량 주변 환경에 강인한 방법이다. 또한 본 방법은 생체 시계열 데이터를 고려할 수 있는 순환 신경망 기반 분류 방법이다. 제안하는 방법은 졸음과 정상 상태의 관계를 파악하기 위해 심박수(heart rate, HR), 피부 전기 활동도(electricdermal activity, EDA), 피부온도 (temperature, TEMP)를 직접 학습하였다. 이때 본 방법을 최적화하기 위해 데이터 전처리 과정이 동반되었다. 최적화된 후, DDC-RNN은 accuracy 기준으로 99.82%의 높은 분류 성능을 보였다. 또한 본 논문에서는 서포트 벡터 머신(support vector machine, SVM), fully-connected 레이어로만 이루어진 신경망인 Fully Connected Neural Network(FCNN) 방법과의 비교를 진행하여 운전자 졸음 분류에 있어서 DDC-RNN의 높은 성능을 증명하였다. 이러한 결과에 따라, 우리는 운전자 보조 시스템인 advanced driver assistance systems(ADAS)의 안전 시스템 중 하나인 운전자 졸음 방지 시스템에 본 논문에서 제안한 DDC-RNN 방법을 효과적으로 활용할 수 있을 것이라 기대한다.
more