• Journal of Multimedia Information System
• /
• 제5권3호
• /
• pp.189-194
• /
• 2018

In this paper, we propose the drowsiness detection method for car driver. This paper determines whether or not the driver's eyes are closed using the depth and infrared videos. The proposed method has the advantage to detect drowsiness without being affected by illumination. The proposed method detects a face in the depth picture by using the fact that the nose is closest to the camera. The driver's eyes are detected by using the extraction of harr-like feature within the detected face region. This method considers to be drowsiness if eyes are closed for a certain period of time. Simulation results show the drowsiness detection performance for the proposed method.

• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2019년도 춘계학술대회
• /
• pp.153-154
• /
• 2019

실제로 잠을 자는 것이 허용되지 않는 많은 일자리가 있습니다. 졸음운전은 현대 사회에서 가장 큰 문제 중 하나입니다. 이 논문에서는 깊은 학습 (YOLO)을 사용하여 눈을 검사하고 졸음을 확인한 다음 수중 총을 제어하는 시스템을 제안한다.

• 융합신호처리학회논문지
• /
• 제13권3호
• /
• pp.136-141
• /
• 2012

운전 중 운전자의 졸음은 교통 사망사고를 일으키는 중요한 요인이며 음주운전보다도 더 위험할 수 도 있다. 이러한 이유로 운전자의 졸음을 판별하고 경고하는 시스템 개발이 최근에 매우 중요한 이슈로 떠올랐다. 그중에서도 졸음과 가장 밀접한 관련이 있는 생체 신호인 뇌파 (Electroencephalogram, EEG)와 안구전도 (Electrooculogram, EOG)를 분석하는 연구가 주류를 이루고 있다. 본 논문에서는 실험 프로토콜에 의거하여 측정된 뇌파를 주파수별로 분석하여 운전자의 상태별 뇌파 데이터베이스를 구축하고 선형예측(Linear Predictive coding, LPC) 계수를 특징벡터로 한 신경회로망 기반 운전자 졸음 감지 시스템을 제안한다. 실험결과로 졸음의 뇌파분석에서 알파파가 감소하며 세타파가 증가하는 추세를 보였으며, LPC 계수가 각성, 졸음 및 수면상태의 특징을 잘 반영하였다. 특히 제안한 시스템은 적은 샘플(250ms)을 가지고도 96.5%라는 높은 분류 결과를 얻어 짧은 순간에 일어날 수 있는 운전 시 돌발 상황을 실시간으로 검출 가능성을 확인하였다.

• 한국지능시스템학회논문지
• /
• 제22권6호
• /
• pp.768-773
• /
• 2012

운전 중 운전자의 졸음은 교통 사망사고를 일으키는 중요한 요인이며 음주운전보다도 더 위험할 수 도 있다. 이러한 이유로 운전자의 졸음을 판별하고 경고하는 시스템 개발이 최근에 매우 중요한 이슈로 떠올랐다. 그중에서도 졸음과 가장 밀접한 관련이 있는 생체 신호 분석이 많이 적용되는데 그중에서도 뇌파(Electroencephalogram, EEG)와 안구전도(Electrooculogram, EOG)를 분석하는 연구가 주류를 이루고 있다. 본 논문에서는 실험 프로토콜를 바탕으로 측정된 뇌파를 주파수별로 분석하여 운전자의 상태별 뇌파 데이터베이스를 구축하였고 선형예측(Linear Predictive Coding, LPC) 계수와 Support Vector Machine(SVM)을 이용한 운전자 졸음 감지 시스템을 제안한다. 실험결과로 졸음의 뇌파분석에서 알파파가 감소하며 세타파가 증가하는 추세를 보였으며, LPC 계수가 각성, 졸음 및 수면상태의 특징을 잘 반영하였다. 특히 제안한 시스템은 적은 샘플(250ms)에서도 96.5%의 높은 분류 결과를 얻어 짧은 순간에 일어날 운전시 돌발 상황을 실시간으로 예측할 수 있는 가능성을 보였다.

• 센서학회지
• /
• 제23권2호
• /
• pp.142-147
• /
• 2014

Real time driver's respiration monitoring method for detecting driver's drowsiness is investigated. The sensor to obtain driver's respiration signal was a piezoelectric pressure sensor attached at the abdominal region of the seat belt. The resistance of the pressure sensor was changed according to the pressure applied to the seat belt due to the driver's respiration. Monitoring driver's respiration was carried out by driving on the virtual road in a driving simulator from Cheonan to Seoul and monitoring results were compared to the PELCLOS. Experiment results show that the driver's respiration signal can be used for detecting driver's drowsiness.

• 전기학회논문지
• /
• 제56권2호
• /
• pp.432-435
• /
• 2007

In modern society, automobile is necessary vehicle. Automobile is a series of modern convenient. And the number of automobile is on the increase. But from you to year, automobile accident is on the increase, also. One of most reason that cause automobile accident is drowsiness driving. So, we plan to construct automobile system for drowsiness accident prevention for decreasing automobile accident. In this research, we built a drowsiness detecting device using EDA (Electro Dermal Activity) signal which is electric response in the human body skin. There are SIL (Skin Impedance Level) and SIR (Skin Impedance Response) in EDA. Mostly, SIL consists of DC element. On the other hand, SIL consists of AC element. We could detect the drowsiness condition with SIL and SIR signal.

• 전기학회논문지
• /
• 제57권12호
• /
• pp.2281-2284
• /
• 2008

The purpose of this paper is to develope the drowsiness-drive perception system which judges drowsiness driving based on drivers' eye region using single vision system. To do this, first, we use the Haar-like feature and AdaBoost learning algorithm for detecting the features of the face region. And we measure the eye blinking frequency and eye closure duration from these feature data. And then, we propose the drowsiness-drive detection algorithm using the eye blinking frequency and eye closure duration. Finally, we have shown the effectiveness and feasibility of the proposed method through some experiments.

• 한국멀티미디어학회논문지
• /
• 제21권2호
• /
• pp.166-172
• /
• 2018

The distraction of the driver's attention causes as much traffic accidents as drowsiness driving. Yet though there have been many studies on drowsiness driving, research on distraction driving is insufficient. In this paper, we divide distraction of attention into visual distraction and cognitive distraction and analyze the EEG of subjects while viewing images of distracting situations. The results show that more information is received and processed when distractions occur. It is confirmed that the probability of accident increases when the driver receives overwhelming amount of information that he or she cannot concentrate on driving.

• 한국멀티미디어학회논문지
• /
• 제19권11호
• /
• pp.1852-1861
• /
• 2016

Drowsy driving is a significant factor in traffic accidents, so driver drowsiness detection system based on computer vision for convenience and safety has been actively studied. However, it is difficult to accurately detect the driver drowsiness in complex background and environmental change. In this paper, it proposed the driver drowsiness detection algorithm to determine whether the driver is drowsy through the measurement standard of a yawn, eyes drowsy status, and nod based on facial features. The proposed algorithm detect the driver drowsiness in the complex background, and it is robust to changes in the environment. The algorithm can be applied in real time because of the processing speed faster. Throughout the experiment, we confirmed that the algorithm reliably detected driver drowsiness. The processing speed of the proposed algorithm is about 0.084ms. Also, the proposed algorithm can achieve an average detection rate of 98.48% and 97.37% for a yawn, drowsy eyes, and nod in the daytime and nighttime.

• 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.