• 한국정보통신학회논문지
• /
• 제25권7호
• /
• pp.962-970
• /
• 2021

대부분의 자동차 사고는 졸음운전과 같은 운전자의 부주의로 인해 발생한다. 전방 추돌 경보 시스템 (FCWS)은 전방 차량으로부터 추돌 위험을 감지하여 운전자에게 사전에 경고함으로써 사고의 위험을 현저하게 줄여준다. 본 논문은 주행 안전을 위한 저전력 임베디드 기반 FCWS를 소개한다. 단일 카메라로부터 전방 차량에 대해 검출, 추적, 거리를 계산하고 현재 차량의 속도 정보를 통해 충돌시간 (TTC)을 계산한다. 또한 저성능 임베디드 시스템에서 실시간으로 동작하기 위해 높고 낮은 수준의 프로그램 최적화 기법을 소개한다. 이 시스템은 임베디드 시스템에서 사전에 취득해둔 주행 영상을 통해서 테스트 하였다. 최적화 기법을 사용한 결과는 이전에 최적화를 하지 않은 프로세스 보다 실행 시간이 약 170배 향상되었다.

• 한국ITS학회 논문지
• /
• 제10권2호
• /
• pp.42-54
• /
• 2011

교통사고는 인적요인, 도로 기하구조, 교통류, 환경적요인 등 복합적인 요인에 의해 발생하며, 그 중 운전자의 특성과 운전행태는 교통사고에 큰 영향을 미치고 있다. 특히 졸음운전 및 음주운전으로 인한 사행운전은 사고발생 확률이 높고, 사고 발생 시 심각도가 높다. 따라서 본 연구에서는 사행운전을 검지하는 알고리즘을 개발하고, 알고리즘을 통해 사행운전을 검지하여 운전자 및 후방차량에 경고정보를 제공하는 적용방안에 대한 방법론을 제시하였다. 본 연구에서는 사행운전을 위험도에 따라 1차로 사행운전과 2차로 사행운전으로 구분하여 정의하였으며, 사행운전 시 관찰되는 횡방향 각 속도 변화의 특성을 분석하였고, 통계적 분석을 통해 정상주행과 사행운전을 분류하기 위한 임계값과 1차로 사행운전과 2차로 사행운전을 분류하기 위한 임계값을 설정하였다. 설정된 임계값을 이용하여 사행운전 검지 및 위험운전 판단 알고리즘을 평가하였다. 평가결과 제안된 사행운전 검지 알고리즘은 현장적용 시 높은 신뢰도를 가지는 정보를 제공 가능한 것으로 분석되었다. 본 연구에서 제시한 방법론은 교통안전성 증진에 기여할 뿐만 아니라, 자이로센서와 무선통신이 가능한 장비만 있으면 적용 가능한 방법론으로 스마트폰에도 적용 가능할 것으로 판단되어 도래하는 유비쿼터스 교통서비스의 새로운 컨텐츠로 활용될 것으로 기대된다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2012년도 추계학술발표대회
• /
• pp.597-600
• /
• 2012

본 연구의 목적은 눈 폐쇄 상태 검출 알고리즘을 개발하고, 그것을 바탕으로 모바일 환경의 졸음운전 감지 시스템을 구현하는 것이다. 개발한 알고리즘은 검출된 눈 영역의 이미지를 히스토그램 분석을 통해 실험적으로 얻은 문턱 값으로 이진화 시킨 후 운전자 눈의 폐쇄 상태를 판단한다. 구현한 시스템은 얼굴과 눈 검출이 완료된 상태에서 검출된 눈이 폐쇄 상태인지를 판단한다. 폐쇄 상태인 경우 이상태가 지속되면 시스템은 운전자가 졸음운전 상태임을 감지하고 경고해준다. 자원이 제한된 모바일의 특성상 이미지 처리의 정확성뿐만 아니라 처리속도의 효율성도 중요한데 이 특성에 맞는 알고리즘을 개발하였고, 이를 바탕으로 졸음운전 감지 시스템 구현에 성공하였다.

• 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.

• 한국통신학회논문지
• /
• 제39C권10호
• /
• pp.887-895
• /
• 2014

졸음운전은 전체 교통사고 원인 중 큰 비중을 차지하며 그 위험성이 음주운전보다도 크다고 알려져 있다. 따라서 운전자의 졸음을 판단하고 경고하는 시스템 개발에 대한 관심이 높아지고 있으며, 뇌파를 분석하는 것이 운전자의 피로와 졸음을 감지하는데 효과적이라는 연구결과들이 발표되었다. 본 논문은 짧은 시간에 높은 해상도를 가지는 auto-regressive 모델 기법 중 잡음에 강인한 errors-in-variables(EIV) 방법을 이용하여 특징벡터를 추출하고, 다층신경망(multilayer perceptron; MLP)에 적용하여 운전자의 상태를 각성, 천이, 졸음의 세 가지 상태로 분류하는 졸음 감지 시스템을 제안한다. 생체신호의 측정 환경에 따른 성능을 평가하기 위해 높은 진단률을 갖도록 하는 EIV차수를 결정하고, 잡음에 대한 강인성을 확인하기 위해 신호대 잡음비(signal-to-noise ratio; SNR)에 따른 성능을 선형 예측 부호화(linear predictive coding; LPC) 방법과 비교하였다. 이 결과로부터 제안한 EIV와 MLP를 결합한 졸음 감지 시스템은 기존의 LPC와 MLP를 이용한 시스템에 대해 우수한 성능을 얻을 수 있음을 확인하였다.

• 융합신호처리학회논문지
• /
• 제17권1호
• /
• pp.18-25
• /
• 2016

자동차 보유량이 늘어남에 따라 남녀노소 모두 교통사고에 위협이 가해지고 있으며 교통사고가 자주 일어나는 점을 미연에 방지하기 위해 ADAS가 중요하다. 이러한 교통사고의 주범을 인지하고 방지하는 한 방법이 차선 검출을 이용하는 것이다. 따라서 본 논문에서는 영상처리를 통해 차선검출 기법을 연구하였고 영상처리에 의한 많은 에지 검출기법들 중 대표적인 소벨 에지 검출 기법과 캐니 에지 검출 기법을 사용하여, 두 가지 에지 검출기법을 통해 곡선과 직선의 차선 검출에서 가장 검출율이 좋은 기법을 찾아 직선의 차선을 검출하는 기법에 적용한다. 실험은 총 4,000프레임(주간영상 2,900프레임, 야간영상 1,100프레임)으로 실험을 수행하고, 실험 결과는 주간 영상에서 소벨 에지 검출 기법의 임계치는 2차미분차수로 검출하는 것이 가장 높은 후보 차선 검출율을 보였으며 검출율이 86.1%이고, 캐니 에지 검출 기법의 임계치는 Low=50, High=300에서 가장 높은 88.0%의 검출율을 보였다.