• Proceedings of the Korea Information Processing Society Conference
• /
• 2016.04a
• /
• pp.719-722
• /
• 2016

운전자의 주의력 감쇠는 교통사고 요인에 있어서 큰 비중을 차지한다. 주의력 감쇠는 무선 통화, 기기 조작, 졸음으로 나타날 수 있는데 자동차 대형사고의 대부분은 졸음운전으로 인하여 일어나며, 졸음운전 시에는 운전자의 운전조작 및 방어 조작 능력이 현저하게 저하한다. 본 시스템은 카메라로부터 실시간으로 영상 데이터를 입력 받아 처리하여 운전자의 졸음 상태를 인식하는 시스템으로 운전자에게 졸음방지 기능을 제공한다. Haar-Like Feature cascade classifier 방법을 사용하여 얼굴 및 눈 영역 검출을 하였고 Open Eye, Closed Eye가 학습된 MLP(Multi-Layer Perceptron)를 이용해 눈 깜박임을 인식하여 PERCLOS(Percentage of Eye Close)방법으로 졸음을 판단하였다. 본 논문에서 제안한 방법의 인식률의 정확도를 검증하기 위해 인식률 테스트를 하였다.

• Proceedings of the Korean Society of Computer Information Conference
• /
• 2021.07a
• /
• pp.519-520
• /
• 2021

본 논문에서는 딥러닝 기반의 얼굴인식과 Harr Cascade 분류기를 이용한 눈인식, 스마트워치를 매개로 한 심박수 측정을 활용하여 운전자 졸음운전 경고 시스템을 제안하였다. 제안하는 시스템은 PERCLOS 방법을 적용하여 운전자의 눈 감은 시간을 누적시켜 졸음 상태 유무를 판단하고, 스마트워치의 HR센서를 활용한 운전자의 심박수 값 모니터링을 진행하여 졸음 발생 시 경고음을 발생시켜 졸음운전으로 인한 교통사고를 예방할 수 있다.

• Journal of Convergence for Information Technology
• /
• v.8 no.3
• /
• pp.193-198
• /
• 2018

Recently, the casualties of automobile traffic accidents are rapidly increasing, and serious accidents involving serious injury and death are increasing more than those of ordinary people. More than 70% of major accidents occur in drowsy driving. Therefore, in this paper, we studied the drowsiness prevention system to prevent large-scale disasters of traffic accidents. In this paper, we propose a real-time flicker recognition method for drowsy driving detection system and drowsy recognition according to the increase of carbon dioxide. The drowsy driving detection system applied the existing image detection and the deep running, and the carbon dioxide detection was developed based on the IoT. The drowsy prevention system using both of these techniques improved the accuracy compared to the existing products.

• Proceedings of the Korean Society of Computer Information Conference
• /
• 2023.07a
• /
• pp.425-426
• /
• 2023

지난 5년 (2016~2020년) 간 고속도로 교통사고 사망자 1,035명 중 약 70%(722명)가 졸음 및 주시 태만으로 인해 발생하였다. 졸음운전 사고를 예방하기 위해 졸음 쉼터나 휴게소 등이 있지만 활용률이 높은 편은 아니다. 해당 문제 해결을 위해 본 논문에서는 자동차 내부에서 즉각적으로 졸음을 판별해 알람을 제공하는 알람 기능을 구현하였다. 차량에 웹캠과 CO₂ 농도 측정기를 설치하여 웹캠으로는 운전자의 눈 종횡비를 계산하여 졸음을 판단하고 CO₂ 센서로 차량 내부 CO₂ 농도를 측정하여 운전자의 졸음을 판단하여 경고음과 음성 경고 메시지를 출력함과 동시에 창문 개폐 기능으로 잠을 깨워주기 때문에 교통사고 발생률 저하에 기여할 것으로 기대된다.

• The Journal of Korean Institute of Communications and Information Sciences
• /
• v.37 no.8C
• /
• pp.711-720
• /
• 2012

In this paper, we introduce the implementation of driver fatigue monitering system and its result. Input video device is selected commercially available web-cam camera. Haar transform is used to face detection and adopted illumination normalization is used for arbitrary illumination conditions. Facial image through illumination normalization is extracted using Haar face features easily. Eye candidate area through illumination normalization can be reduced by anthropometric measurement and eye detection is performed by PCA and Circle Mask mixture model. This methods achieve robust eye detection on arbitrary illumination changing conditions. Drowsiness state is determined by the level on illumination normalize eye images by a simple calculation. Our system alarms and operates seatbelt on vibration through controller area network(CAN) when the driver's doze level is detected. Our algorithm is implemented with low computation complexity and high recognition rate. We achieve 97% of correct detection rate through in-car environment experiments.

• Proceedings of the Korean Institute of Information and Commucation Sciences Conference
• /
• 2013.10a
• /
• pp.447-450
• /
• 2013

This paper proposes the way to prevent drowsy driving by recognizing drivers eyes and yawn using a front camera. The method uses the Viola-Jones algorithm to detect eyes area and mouth area from detection face region. In the eyes area, it uses the Hough transform to recognize eye circle in order to distinguish drowsy driving. In the mouth area, it determines whether for the driver to yawn through a sub-window testing by applying a HSV-filter and detecting skin color of the tongue. The test result shows that the recognition rate of yawn reaches up to 90%. It is expected that the method introduced in this paper might contribute to reduce the number of drowsy driving accidents.

• Database Research
• /
• v.34 no.3
• /
• pp.45-57
• /
• 2018

The drowsiness that occurs in the driving is a very dangerous driver condition that can be directly linked to a major accident. In order to prevent drowsiness, there are traditional drowsiness detection methods to grasp the driver's condition, but there is a limit to the generalized driver's condition recognition that reflects the individual characteristics of drivers. In recent years, deep learning based state recognition studies have been proposed to recognize drivers' condition. Deep learning has the advantage of extracting features from a non-human machine and deriving a more generalized recognition model. In this study, we propose a more accurate state recognition model than the existing deep learning method by learning image and PPG at the same time to grasp driver's condition. This paper confirms the effect of driver's image and PPG data on drowsiness detection and experiment to see if it improves the performance of learning model when used together. We confirmed the accuracy improvement of around 3% when using image and PPG together than using image alone. In addition, the multimodal deep learning based model that classifies the driver's condition into three categories showed a classification accuracy of 96%.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2021.11a
• /
• pp.1242-1244
• /
• 2021

한국교통안전공단이 발표한 자료에 따르면 교통사고로 사망한 원인의 70%가 졸음운전이다. 최근에는 졸음운전을 예방하기 위해 눈 깜박임 인식 등의 운전자의 생체 데이터를 활용한 방법들이 대두되고 있다. 특히 운전자의 졸음운전 판단 기술로 뇌파를 이용하는 연구가 활발히 진행되고 있다. 본 논문에서는 뇌파를 사용하여 효과적으로 졸음 상태를 판단할 수 있는 딥러닝 알고리즘을 제안한다. 졸음 상태인 경우, 아닌 경우인 2가지의 운전자 상태를 85%의 정확도로 판단한다. 또한 제안한 알고리즘을 활용해 졸음운전 감지 시스템과 더불어 졸음운전 예방 시스템을 제안하고자 한다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2022.05a
• /
• pp.473-476
• /
• 2022

본 논문에서는 비대면 교육 상황이 확대되는 시점에서 자율 학습에 유용하게 사용할 수 있는 학습자의 졸음을 인식하여 알려주는 모델을 설계하여 구현하였다. 기계학습의 CNN 알고리즘을 활용하여 공부상태와 졸음상태를 판별하는 모델을 만들고, Opencv 을 사용하여 일정 횟수 이상 졸음상태가 반복되면 알람을 울려 사용자를 잠에서 깨운다. 이 프로그램은 자기 관리 및 독립적인 학습을 수행하는 데에 도움을 줄 수 있다.

• Journal of the Korea Institute of Information and Communication Engineering
• /
• v.26 no.6
• /
• pp.859-864
• /
• 2022

Drowsy driving, one of the biggest causes of traffic accidents every year, is accompanied by various factors. As a general method to check whether or not there is drowsiness, a method of identifying a driver's expression and driving pattern, and a method of analyzing bio-signals are being studied. This paper proposes a driver fatigue detection system using deep learning technology and bio-signal measurement technology. As the first step in the proposed method, deep learning is used to detect the driver's eye shape, yawning presence, and body movement to detect drowsiness. In the second stage, it was designed to increase the accuracy of the system by identifying the driver's fatigue state using the pulse wave signal and body temperature. As a result of the experiment, it was possible to reliably determine the driver's drowsiness and fatigue in real-time images.