운전자 상태 감지를 위한 생체 신호 기반 알고리즘에 대한 연구

Abstract

Abnormal conditions of drivers including stress, drowsiness, and fatigue can cause traffic accidents, and a monitoring system for drivers is needed to increase safety in driving. To construct the monitoring system, the physiological signals of drivers can be analyzed, but there are two problems in the physiological signal based method: inconvenience from signal measurement and the inter-subject variance of signals. Therefore, three methods are proposed in this thesis to solve the problems. The fist method uses non-intrusive electrocardiogram (ECG) sensors to obtain ECG of a driver without direct contacts to skin. However, a motion noise can make difficult to analyze ECG when the signal is measured in the non-intrusive way. An active noise cancellation-based method is proposed in this study to reduce the noise, and its effectiveness is compared with that of other methods using experimental data. At the result, the proposed method could reduce the motion noise effectively and increase the R peak detecting accuracy of ECG at 8.38% on average. In addition, a wearable device-based system is studied to detect the driver’s abnormal conditions. A wearable device is devised and used to measure various physiological signals practically, and a pre-processing step is added to distinguish available signal parts. Optimal feature set is constructed from the measured signals, and the method uses support vector machine to detect abnormal conditions. Experiments were conducted to obtain the data of 28 subjects in normal, stress, drowsiness, and fatigue states. The proposed method could distinguish the four conditions at 68.31%. Personalization is needed to reduce the inter-subject variance problem of physiological signals. An effective method to personalize a classifier using small data is also proposed in this thesis. The results showed that the proposed method could personalize a classifier and increase classification accuracy in various classification problems including the detection of abnormal conditions.

스트레스, 피곤, 그리고 졸음을 포함하는 운전자의 이상 상태는 교통사고를 유발하는 주요한 요인이며, 주행 중 운전자의 안전성을 향상시키기 위하여 상기 의 이상 상태를 모니터링할 수 있는 시스템이 필요하다. 운전자로부터 획득한 생체 신호의 분석을 통하여 운전자 상태 모니터링 시스템을 구현할 수 있지만, 실용적인 시스템의 계발을 위하여 신호 측정 장치에 의한 불편함과 생체 신호의 개인 편차로 인한 문제를 해결하여야 한다. 따라서 본 논문에서는 앞에서 언급한 생체 신호 기반 시스템의 두 가지 문제를 해결하기 위한 세 가지 방법을 제안 한다. 첫 번째 방법은 신호 측정의 불편함을 줄이고자 하는 목적에서 운전자의 피부와 직접적인 접촉 없이 심전도를 측정할 수 있는 비 침습적 심전도 센서를 이용한다. 하지만 비 침습적 신호 측정 방식을 사용할 시, 신호의 측정은 용이하 지만 신호에 포함되는 동 잡음 등이 문제가 될 수 있다. 따라서 이를 해결하기 위한 능동 잡음 제거 기반의 알고리즘이 본 연구에서 제안되며, 실험을 통하여 획득한 데이터를 대상으로 제안된 방식의 잡음 제거 효과를 기존의 방식과 비 교하였다. 결과에서 다른 잡음 제거 방식에 비하여 잡음 제거 성능이 우수함을 입증할 수 있었으며, 제안한 방식을 통하여 측정한 심전도 신호 내 R peak의 검출률을 평균 8.38% 향상시킬 수 있었다. 두 번째 방식은 손목에서 다양한 생체 신호를 계측하는 웨어러블 디바이스를 활용하는 방법이다. 본 연구에서 는 사용자의 photoplethysmography, 피부 전도도, 온도, 가속도, 자이로 신호를 계측할 수 있는 웨어러블 장치를 계발하였으며, 실험을 통해 정상, 스트레스, 피곤, 그리고 졸음 등의 상태에 있는 실험자 28명의 신호를 측정하였다. 또한 본 연구에서는 측정한 신호 중 신뢰할 수 있는 신호 구간을 파악할 수 있는 전 처리 단계를 고안하였으며, 알맞은 feature set의 구성과 support vector machine 을 이용하여 테스트되는 사람의 사전 데이터 없이 4 가지의 상태를 68.31%의 정확도로, 그리고 졸음과 피곤을 동일한 상태로 간주한 3가지 분류에 대해서는 84.46%의 정확도로 각 상태들을 분류 및 검출해 낼 수 있었다. 생체 신호가 가진 개인 편차로 인한 분류 성능의 저하를 완화하기 위하여 분류기를 개인화하는 방 법이 있을 수 있다. 따라서 적은 양의 데이터로도 효과적인 분류기의 개인화를 가능하게 하는 알고리즘 또한 본 논문에서 제안된다. 제안된 방법은 다른 사람 의 데이터 보다 실제로 테스트 되는 실험자의 데이터에 더 많은 가중치를 주어 분류기를 학습하는 fuzzy support vector machine 기반의 방법을 사용하였으며, 이상 상태 검출을 포함하는 다양한 생체 신호 기반의 분류 문제를 대상으로 한 실험에서 제안한 방법을 통하여 분류기의 효과적인 개인화가 가능함을 확인할 수 있었다.