실내조명에 의한 운전자의 감정상태 변화 예측 AI 시뮬레이션 개발

Abstract

최근 자동차 패러다임이 스마트카의 개념으로 급격히 변하면서, 감정인식 기술을 통 해 사람과 상호작용하려는 시도들이 많아지고 있다. 특히 사람의 생체신호를 기반으로 감정을 인식하는 기술은 졸음에 의한 각종 사고들을 예방하는데 적극 사용되면서, 운전 자와 도로의 안전을 개선하는 유망한 방법으로 전망 받고 있다. 그러나 기존의 카메라 기반의 졸음감지 방식은 감지 정확성과 신뢰성에 다수의 한계점이 존재한다. 본 연구에 서는 이런 배경을 토대로 보다 우수한 정확성을 가지면서 사용의 편리성 또한 갖춘 피 부전극활동 (Electrodermal activity, EDA) 기반 졸음감지 딥러닝 시스템을 제안한다. 연구는 총 세 단계에 걸쳐 진행된다. 첫 번째 단계에서는 선행연구들과 사례조사를 통 해 현행방식의 문제점과 연구 방향성을 도출한다. 두 번째 단계에서는 딥러닝 기반의 졸음상태 분류모델을 구현하기 위해 낮은 각성수준과 높은 각성수준의 생체데이터를 수집한다. 마지막 세 번째 단계에서는 수집된 데이터를 전처리하여 CNN모델에 적용시 키는 과정을 다룬다. 최종적으로 5가지 분류모델의 성능을 확인 및 비교하고, 그 결과 를 통해 본 연구에서 제안한 졸음감지 시스템이 유의한 성능을 가지는지 논의해본다. 결과는 RestNet50V2 모델을 사용했을 때 80%가 넘는 우수한 분류성능을 가짐 을 보여준다. 또한 MobileNetV2를 제외한 나머지 모델이 모두 70%가 넘는 정확 성을 보이면서, EDA 기반의 딥러닝 분류모델이 졸음감지에 유의한 성능을 보여줌 을 확인할 수 있다. 이는 EDA 기반 졸음감지 딥러닝 시스템이 향후 충분히 실제 환경에도 적용 가능할 것이며, 더 다양한 감정상태를 분류해낼 수 있는 스마트카 인터렉션 시스템으로 발전이 가능할 것임을 시사한다.