논문 상세보기
pp.105-116
본 연구는 레벨 3 자율주행의 운전이양권(TOR) 안전성 향상을 위해, 기존 행동 기반 감지 방식의 한계를 극복하 는 운전자 모니터링 시스템(DMS)을 개발했다. 차량의 미러 내장형 RGBW 카메라를 이용한 비접촉 원격 광용적맥 파(rPPG) 기술로 운전자의 심박수를 실시간 측정하고, 심박변이도(HRV) 분석을 통해 졸음, 스트레스 등 운전자의 각성 수준을 판단한다. 딥러닝 기반 얼굴 인식, 신호 처리, 패턴 인식 알고리즘을 통합하여 시스템을 구현했다. 총 28명을 대상으로 105시간 이상의 실제 도로 환경에서 검증한 결과, 심전도(ECG) 대비 85.14%의 심박수 측정 정확 도와 90.81%의 상태 판단 정확도를 달성했다. 본 연구는 생체신호 기반의 운전자 상태 평가가 TOR 판단의 신뢰성 을 높이는 핵심 기술이 될 수 있음을 실증했다.
To improve the safety of take-over requests (TOR) in Level 3 autonomous driving, this study introduces a non-contact advanced driver monitoring system that avoids reactive, behavior-based approaches, in which an in-vehicle RGBW camera measures the driver’s heart rate via remote photoplethysmography (rPPG). The system then analyzes the driver’s heart rate variability to classify their real-time arousal state (drowsy, stressed, or normal) and employs a deep learning model for face detection, advanced signal processing, and a pattern recognition algorithm for state classification. This system was validated in over 105 hours of real-world driving with 28 participants, achieving 85.14% heart rate accuracy compared to an ECG and 90.81% state classification accuracy. This study is expected to enhance TOR safety by confirming that physiological monitoring provides reliable metrics to assess driver readiness.
요 약
1. 서론
2. 이론적 배경
2.1. 카메라 기반 원격 심박수 측정(rPPG)
2.2. 운전자 상태 판단 알고리즘
3. 연구방법 및 절차
3.1. 시스템 설계 및 개발
3.2. 실증 평가 설계
3.3. 데이터 수집 및 처리
3.4. 성능 평가 지표
4. 연구 결과 및 논의
4.1. 심박수 측정 정확도
4.2. 운전자 상태 판단 정확도
4.3. 자율주행 연계 실증
4.4. 논의
5. 결론
REFERENCES
