Earticle

초록

한국어

최근 교통사고의 주요한 원인 중 하나인 운전자 졸음으로 인한 교통사고를 예방하기 위해 졸음 인식 연구가 활발히 진행되는 중이다. 기존 졸음 인식 시스템은 운전자의 신체적 특징을 이용하여 졸음 상태를 인식하지만 신체 부위 폐 색에 의한 가려짐으로 제한되는 한계가 있다. 본 논문에서는 운전자의 다중 행동 특징을 이용한 SERN(Squeeze and Excitation Resnet Network) 기반 졸음 인식 시스템을 제안한다. 제안한 시스템은 다중 행동적 특징 기반 특징 추출 과정, 데이터의 계층적 레이블링 세분화 과정, SERN 모델에 의한 졸음 인식 과정으로 구성된다. 공개 DB인 NTHU-DDD를 사용한 실험 결과, 제안하는 SERN 모델 기반 운전자 졸음 검출 성능이 기존 네트워크 모델 보다 정확도 1.03% 우수함을 확인했다.

영어

Recently, driver drowsiness has been one of the major causes of traffic accidents, and study on drowsiness detection has been actively conducted to prevent drowsiness-related accidents. Existing drowsiness detection systems recognize the drowsy state of the driver using the driver's physical features, but they have limitations due to occlusion caused by obstructed body parts. In this paper, we propose a drowsiness detection system based on the squeeze and excitation resnet network (SERN) using the driver's multi-behavioral features. The proposed system consists of a multibehavioral feature extraction process, a hierarchical data labeling refinement process, and a drowsiness detection process using the SERN model. As a result of an experiment using public DB’s NTHU-DDD, it was confirmed that the proposed SERN model based driver drowsiness detection performance was 1.03% better than the existing network model.

목차

요약
Abstract
1. 서론
2. 운전자 졸음 인식 시스템 분석
2.1 차량 기반 졸음 인식 시스템
2.2 생체신호 기반 졸음 인식 시스템
2.3 운전자 행동 기반 졸음 인식 시스템
3. SERN 네트워크 기반 졸음 검출 시스템
3.1 다중 행동적 특징 추출 및 계층적 레이블링세분화 과정
3.2 SERN
4. 실험 결과
5. 결론
감사의 글
참고문헌

저자

• 김민준 [ Minjun Kim | 조선대학교 IT융합대학 인공지능공학과 ]
• 김원열 [ Wonyeol Kim | 조선대학교 IT융합대학 인공지능공학과 ] 교신저자
• 최규호 [ Gyuho Choi | 조선대학교 IT융합대학 인공지능공학과 ]

참고문헌