• 한국ITS학회 논문지
• /
• 제10권2호
• /
• pp.42-54
• /
• 2011

교통사고는 인적요인, 도로 기하구조, 교통류, 환경적요인 등 복합적인 요인에 의해 발생하며, 그 중 운전자의 특성과 운전행태는 교통사고에 큰 영향을 미치고 있다. 특히 졸음운전 및 음주운전으로 인한 사행운전은 사고발생 확률이 높고, 사고 발생 시 심각도가 높다. 따라서 본 연구에서는 사행운전을 검지하는 알고리즘을 개발하고, 알고리즘을 통해 사행운전을 검지하여 운전자 및 후방차량에 경고정보를 제공하는 적용방안에 대한 방법론을 제시하였다. 본 연구에서는 사행운전을 위험도에 따라 1차로 사행운전과 2차로 사행운전으로 구분하여 정의하였으며, 사행운전 시 관찰되는 횡방향 각 속도 변화의 특성을 분석하였고, 통계적 분석을 통해 정상주행과 사행운전을 분류하기 위한 임계값과 1차로 사행운전과 2차로 사행운전을 분류하기 위한 임계값을 설정하였다. 설정된 임계값을 이용하여 사행운전 검지 및 위험운전 판단 알고리즘을 평가하였다. 평가결과 제안된 사행운전 검지 알고리즘은 현장적용 시 높은 신뢰도를 가지는 정보를 제공 가능한 것으로 분석되었다. 본 연구에서 제시한 방법론은 교통안전성 증진에 기여할 뿐만 아니라, 자이로센서와 무선통신이 가능한 장비만 있으면 적용 가능한 방법론으로 스마트폰에도 적용 가능할 것으로 판단되어 도래하는 유비쿼터스 교통서비스의 새로운 컨텐츠로 활용될 것으로 기대된다.

• 한국인공지능학회지
• /
• 제6권1호
• /
• pp.11-15
• /
• 2018

The purpose of this study is to develop a pulsatile drowsiness detection system that can compensate the limitations of existing camera - based or breathing pressure sensor based Drowsiness driving prevention systems. A heart rate sensor mounted on the driver's finger and an alarm system that sounds when drowsiness is detected. The heart rate sensor was used to measure pulse changes in the wrist, and an alarm system based on the Arduino, which works in conjunction with the laptop, generates an audible alarm in the event of drowsiness. In this paper, we assume that the pulse rate of the drowsy state is 60 ~ 65 times / minute, which is the middle between the awake state and the sleep state. As a result of the experiment, the alarm sounded when the driver's pulse rate was in the drowsy pulse rate range. Based on these experiments, the drowsiness detection system was able to detect the drowsiness of the driver successfully in real time. A more effective drowsiness prevention system can be developed in the future by incorporating the results of the present study on a pulse-based drowsiness prevention system in an existing drowsiness prevention system.

• International Journal of Internet, Broadcasting and Communication
• /
• 제14권2호
• /
• pp.119-128
• /
• 2022

Recently, due to the development of related technologies for autonomous vehicles, driving work is changing more safely. However, the development of support technologies for level 5 full autonomous driving is still insufficient. That is, even in the case of an autonomous vehicle, the driver needs to drive through forward attention while driving. In this paper, we propose a method to monitor driving tasks by recognizing driver behavior. The proposed method uses pre-trained deep convolutional neural network models to recognize whether the driver's face or body has unnecessary movement. The use of pre-trained Deep Convolitional Neural Network (DCNN) models enables high accuracy in relatively short time, and has the advantage of overcoming limitations in collecting a small number of driver behavior learning data. The proposed method can be applied to an intelligent vehicle safety driving support system, such as driver drowsy driving detection and abnormal driving detection.

• 한국컴퓨터정보학회:학술대회논문집
• /
• 한국컴퓨터정보학회 2021년도 제63차 동계학술대회논문집 29권1호
• /
• pp.75-77
• /
• 2021

다양한 원인으로 매년 수많은 사람이 교통사고로 목숨을 잃거나 크게 다치곤 한다. 최근 교통사고 통계자료에 따르면 졸음운전으로 인한 교통사고가 음주운전이나, 과속보다도 높은 비중을 차지하고 있었다. 또한, 사고가 났을 때 안전벨트를 매지 않은 운전자나 동승객은 부상 정도가 훨씬 심각한 것으로 알려져 전 좌석에 안전벨트를 꼭 착용해야 하는 법도 제정되었다. 그런데도 많은 운전자 및 동승자가 안전벨트를 착용하지 않아 크게 부상을 당하는 사고는 줄지 않고 있다. 이러한 사고와 부상을 줄이기 위하여 본 논문에서는 다중 네트워크를 이용하여 운전자의 졸음 감지 및 운전자, 동승자의 안전벨트 착용 여부까지 실시간으로 판별하는 시스템을 설계하고 구현한다.

• 해양환경안전학회지
• /
• 제20권5호
• /
• pp.564-570
• /
• 2014

본 논문에서는 컬러정보와 깊이정보를 사용하여 얼굴을 검출하고 추적한 후 항해사의 졸음을 탐지하는 방법을 제안한다. 이 방법은 얼굴검출 과정과 얼굴추적 과정으로 구성된다. 얼굴검출 과정에서는 기존의 방법 중 가장 좋은 성능을 보이는 Adaboost 알고리즘을 사용하며, Adaboost로 입력되는 영상의 영역을 사람이 존재하는 영역으로만 제한하여 얼굴을 검출한다. 얼굴검출 과정에서 얼굴이 검출되면 그것을 템플릿으로 하여 얼굴추적 과정이 수행된다. 제안한 방법의 성능을 평가하기 위하여 실험영상을 이용하여 실험을 수행하였다. 실험결과 제안한 졸음탐지 방법은 기존의 방법에 비해 약 23 %의 수행시간을 보였으며, 또한 졸음탐지 방법은 추적 시간과 추적 정확도에 있어서 상보적인 관계를 가지며, 특별한 경우를 제외한 모든 경우에서 약 1 %의 낮은 추적오차율을 보였다.

• 한국정보통신학회논문지
• /
• 제26권6호
• /
• pp.859-864
• /
• 2022

매년 교통사고의 가장 큰 원인으로 손꼽히는 졸음운전은 운전자의 수면 부족, 산소 부족, 긴장감의 저하, 신체의 피로 등과 같은 다양한 요인을 동반한다. 졸음 유무를 확인하는 일반적인 방법으로 운전자의 표정과 주행패턴을 파악하는 방법, 심전도, 산소포화도, 뇌파와 같은 생체신호를 분석하는 방법들이 연구되고 있다. 본 논문은 영상을 검출하는 딥러닝 모델과 생체 신호 측정 기술을 이용한 운전자 피로 감지 시스템을 제안한다. 제안 방법은 일차적으로 딥러닝을 이용하여 운전자의 눈 모양과 하품 유무, 졸음으로 예상되는 신체 동작을 파악하여 졸음 상태를 감지한다. 이차적으로 맥파 신호와 체온을 이용하여 운전자의 피로 상태를 파악하여 시스템의 정확도를 높이도록 설계하였다. 실험 결과, 실시간 영상에서 운전자의 졸음 유무 판별이 안정적으로 가능하였으며 각성상태와 졸음 상태에서의 분당 심박수와 체온을 비교하여 본 연구의 타당성을 확인할 수 있었다.

• 한국정보과학회논문지:소프트웨어및응용
• /
• 제34권3호
• /
• pp.255-265
• /
• 2007

본 논문은 지능형 자동차 개발을 위한 주간 및 야간 환경에서 차량 운전 시 발생할 수 있는 다양한 조명을 극복하고 운전자 졸음 상태를 단일 CCD(Charge Coupled Device) 카메라를 통해 감시하는 시스템을 제안한다. 운전 중 운전자 눈을 감시하여 졸음 상태를 판단하는 시스템에서 눈 검출 및 눈꺼풀 움직임 측정은 선행되어야 할 중요한 과정이다. 따라서 비전기반 시스템의 가장 큰 단점인 조명변화를 극복하며 눈 검출 성능을 높이고 실시간 처리가 가능한 간단한 조명 보정 알고리즘을 제안하였으며 또한 신뢰성 있는 졸음 판단을 위해 효율적인 눈꺼풀 움직임 측정 방법을 제안한다. 이러한 시스템은 실시간으로 처리되어야 하며 이를 위해 제안한 방법과 더불어 효율적인 눈 검증 방법으로 단계적 SVM(Cascaded Support Vector Machine)을 적용하였다. 한편, 제안한 알고리즘의 성능 측정을 위해 주간 및 야간의 다 양한 조명 변화 속에서 주행 중 수집된 운전자 동영상을 사용하였으며 자체 수집된 동영상에 대해 98% 이상의 눈 검출 성능 및 신뢰성 있는 눈꺼풀 움직임을 측정하였다. 최종 졸음판단 결과는 수집된 각각의 동 영상에 대한 PERCLOS(The percentage of eye-closed time during a period)를 비교함으로써 제안한 시스템의 성능 및 우수성을 보였다.

• 대한의용생체공학회:의공학회지
• /
• 제19권6호
• /
• pp.577-584
• /
• 1998

• 문화기술의 융합
• /
• 제8권6호
• /
• pp.905-910
• /
• 2022

졸음운전은 교통사고 발생률을 높이고 사망사고로 이어지기 때문에 많은 사회적 관심이 필요하다. 졸음운전으로 인한 사고 건수는 매년 증가하고 있다. 따라서 전 세계적으로 이 문제를 해결하기 위해 다양한 생체신호 측정을 위한 연구가 수행되고 있다. 본 논문에서는 그 중에 비접촉 방식의 생체신호 분석에 중점을 두고 있다. 주행중인 차량에서는 엔진, 타이어, 차체 진동 등 다양한 노이즈가 발생한다. 압전센서로 주행중인 차량에서 운전자의 심박수와 호흡수를 측정하기 위해 차량 진동을 완충할 수 있는 센서 플레이트를 설계했고 차량에서 발생하는 노이즈를 줄일 수 있었다. 또한 압전센서의 신호 기반 CNN-LSTM 앙상블 학습 기법으로 모델을 추출하여 운전자가 수면중인지 아닌지 분류하는 시스템을 개발했다. 수면 상태를 학습시키기 위해 30초마다 피험자의 생체 신호를 획득하였고, 797개의 데이터를 비교 분석하였다.

• 한국멀티미디어학회논문지
• /
• 제19권6호
• /
• pp.1024-1033
• /
• 2016

In this study, a system is proposed for analyzing whether driver's eyes are open or closed on the basis of images to determine driver's drowsiness. The proposed system converts eye areas detected by a camera to a color space area to effectively detect eyes in a dark situation, for example, tunnels, and a bright situation due to a backlight. In addition, the system used a thickness distribution of a detected eye area as a feature value to analyze whether eyes are open or closed through the Support Vector Machine(SVM), representing 90.09% of accuracy. In the experiment for the images of driver wearing glasses, 83.83% of accuracy was obtained. In addition, in a comparative experiment with the existing PCA method by using Eigen-eye and Pupil Measuring System the detection rate is shown improved. After the experiment, driver's drowsiness was identified accurately by using the method of summing up the state of driver's eyes open and closes over time and the method of detecting driver's eyes that continue to be closed to examine drowsy driving.