Earticle

초록

영어

Drowsy driving requires a lot of social attention because it increases the incidence of traffic accidents and leads to fatal accidents. The number of accidents caused by drowsy driving is increasing every year. Therefore, in order to solve this problem all over the world, research for measuring various biosignals is being conducted. Among them, this paper focuses on non-contact biosignal analysis. Various noises such as engine, tire, and body vibrations are generated in a running vehicle. To measure the driver's heart rate and respiration rate in a driving vehicle with a piezoelectric sensor, a sensor plate that can cushion vehicle vibrations was designed and noise generated from the vehicle was reduced. In addition, we developed a system for classifying whether the driver is sleeping or not by extracting the model using the CNN-LSTM ensemble learning technique based on the signal of the piezoelectric sensor. In order to learn the sleep state, the subject's biosignals were acquired every 30 seconds, and 797 pieces of data were comparatively analyzed.

한국어

졸음운전은 교통사고 발생률을 높이고 사망사고로 이어지기 때문에 많은 사회적 관심이 필요하다. 졸음운전으 로 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 차 량에서는 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, 797 개의 데이터를 비교 분석하였다.

목차

요약
Abstract
Ⅰ. 서론
Ⅱ. 생체신호 측정 시스템
1. 생체신호 측정 시스템 구성
2. 센서 플레이트 설계
3. 센서 플레이트 검증 실험
Ⅲ. 졸음 감지 시스템
Ⅳ. 결론
References

키워드

BCG 압전센서 신호처리 졸음감지 LSTM RNN CNN BCG Piezoelectric Sensor Signal Processing Drowsiness Detection LSTM RNN CNN

저자

• 박진수 [ Jin Su Park | *정회원, 한국전자기술연구원 스마트가전혁신지원센터 ] 제1저자
• 정지성 [ Ji Seong Jeong | 정회원, 한국전자기술연구원 스마트가전혁신지원센터 ] 참여저자
• 양철승 [ Chul Seung Yang | 정회원, 한국전자기술연구원 스마트가전혁신지원센터 ] 참여저자
• 이정기 [ Jeong Gi Lee | 정회원, 한국전자기술연구원 스마트가전혁신지원센터 ] 참여저자

참고문헌

발행기관

간행물