선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- 따라서 본 논문에서는 교통사고로부터 운전자의 생명과 물질적인 손실을 예방하기 위해 지능형 졸음운전 경고 시스템을 제안한다. 제안된 방법은 단일 카메라를 이용한 시스템으로 주간 환경에서 발생되는 다양한 조명변화를 극복하고, 퍼지 논리를 이용한 효율적인 졸음운전 경고시스템이다.
- 본 논문에서는 다양한 조명변화 속에서도 단일 카메라를 통하여 졸음운전을 판단하는 실시간 시스템을 제안하였다. 자체 수집한 데이터를 통해 제안한 시스템이 여러 조명환경에서도 안정적으로 동작함을 보였다.
가설 설정
- 안전상의 문제가 있기 때문에 실제 운전 중이 아닌 실내에서 운전을 가정하고 실험영상을 획득 하였다. 실험영상은 주간운전 상황으로 설정하였으며, 강한 햇빛으로부터 운전자의 눈을 보호하기 위해 사용하는 선글라스에 의한 눈의 가려짐 문제는 본 실험에서 고려하지 않았다.
제안 방법
- 제안된 시스템의 입력변수인 눈 깜빡임의 빈도수와 눈 감김 지속기간은 입력된 이미지의 영상분석을 근거로 41 Shot eye blinking frequency—Long eye blinking fre- quency”, "Shot eyelid closure duration—Long eyelid closure duration”으로 전환된다. 최종적으로 출력 값은 비 퍼지 화 방법인 무게 중심법을 사용한다.
- 즉, 본 논문에서는 실시간 얼굴 탐색 알고리즘 개발을 위해 퍼지 색상 필터와 가상 얼굴 모형을 이용하여 얼굴 위치 및 눈 영역을 보다 빠르게 검출하고, 눈 깜박임의 빈도수와 눈의 닫힘 지속 기간을 측정하는 방법은 제안한다. 그 다음, 측정된 데이터를 기반으로 퍼지논리를 사용하여 운전자의 피로도를 결정하고 졸음운전 여부를 판단하는 방법을 제안한다. 마지막으로, 제안된 방법은 여러 실험을 통해 그 우수성을 증명한다.
- 눈의 개폐 상태 여부를 측정한다. 눈의 개폐 상태를 측정하는 방법에는 눈의 타원 형태를 이용하여 타원의 비율을 이용한 방법을 주로 사용한다[8丄 본 논문에서는 보다 개폐 상태의 정확한 측정을 위하여 그림 4와 같이 측정된 눈의 양 끝점에서 눈의 최상단 점이 이루는 각을 측정하는 방법을 사용한다. 측정된 2개의 각은 식 (7)과 같이 절대 값의 합으로 표현한다.
- 자체 수집한 데이터를 통해 제안한 시스템이 여러 조명환경에서도 안정적으로 동작함을 보였다. 본 논문에서 제안한 퍼지 색상 필터와 가상 얼굴 모형을 이용하여 얼굴 위치 및 눈 영역을 보다 빠르게 검출하고, 퍼지논리를 이용하여 운전자 졸음경고 프로그램의 가능성을 여러 실험결과를 통하여 확인하였다.
- 하지만 이러한 방법은 조도 환경의 변화 및 얼굴의 변화에 강인하게 대처하지 못하는 단점을 가진다. 본 논문에서는 이러한 문제를 해결하고 빠르게 얼굴 영역을 검출하기 위해 퍼지 모델 기반 색상 필터를 사용한다. 퍼지 색상 필터는 식 (1)과 같은 규칙으로 구성된다.
- 추출된 특징 벡터는 그 영상의 크기와 개개인의 얼굴 크기가 다른 관계로 정규화가 필요하다. 본 연구에서는 추출된 얼굴 영역 중 가장 확실한 추출이 가능한 눈가로 길이 以을 이용하여 모든 특징 벡터 값을 정규화 한다. 템플릿 변형을 통한 비교는 변형에 많은 시간을 필요로 하기 때문에 본 연구에서는 식 (6)과 같은 방법을 통해 유사도를 산출한다.
- 앞에서 검출된 눈 영역을 기반으로 눈꺼풀 상태를 측정하여 눈의 개폐 상태 여부를 측정한다. 눈의 개폐 상태를 측정하는 방법에는 눈의 타원 형태를 이용하여 타원의 비율을 이용한 방법을 주로 사용한다[8丄 본 논문에서는 보다 개폐 상태의 정확한 측정을 위하여 그림 4와 같이 측정된 눈의 양 끝점에서 눈의 최상단 점이 이루는 각을 측정하는 방법을 사용한다.
- 운전 중에 발생하는 다양한 조명의 변화에 따른 얼굴 및 눈 영역 검출을 실험하기 위하여 원본 영상에 각 단계별로 인위적으로 명암 값을 조절하여 실험하였다. 실험영상은 10 명의 운전자를 대상으로 실시하였으며, 각 단계는 원본 영상을 기준으로 10%씩 명암 값을 높이거나 낮춤으로서 운전 중에 발생하는 여러 조명 변화를 인위적으로 연출하였다.
- 임계값의 설정은 최근 5초 동안의 눈의 변화를 측정하여 평균값을 구한 후, 평균값의 3분의 2가 되는 값을 뜬눈과 감은 눈의 임계값으로 설정 하였다.
- 수집된 실험영상은 졸음여부가 없을 경우의 영상과 졸음이 발생하는 영상으로 구분된다. 입력된 영상으로부터 시스템이 제대로 동작하고 신뢰성이 있는지 평가 하였다. 표 4의 영상 1, 2는 졸음여부가 없는 영상이고, 영상 3-5 는 졸음이 발생하는 영상이다.
- 제안한다. 제안된 방법은 단일 카메라를 이용한 시스템으로 주간 환경에서 발생되는 다양한 조명변화를 극복하고, 퍼지 논리를 이용한 효율적인 졸음운전 경고시스템이다. 즉, 본 논문에서는 실시간 얼굴 탐색 알고리즘 개발을 위해 퍼지 색상 필터와 가상 얼굴 모형을 이용하여 얼굴 위치 및 눈 영역을 보다 빠르게 검출하고, 눈 깜박임의 빈도수와 눈의 닫힘 지속 기간을 측정하는 방법은 제안한다.
- 제안된 방법은 단일 카메라를 이용한 시스템으로 주간 환경에서 발생되는 다양한 조명변화를 극복하고, 퍼지 논리를 이용한 효율적인 졸음운전 경고시스템이다. 즉, 본 논문에서는 실시간 얼굴 탐색 알고리즘 개발을 위해 퍼지 색상 필터와 가상 얼굴 모형을 이용하여 얼굴 위치 및 눈 영역을 보다 빠르게 검출하고, 눈 깜박임의 빈도수와 눈의 닫힘 지속 기간을 측정하는 방법은 제안한다. 그 다음, 측정된 데이터를 기반으로 퍼지논리를 사용하여 운전자의 피로도를 결정하고 졸음운전 여부를 판단하는 방법을 제안한다.
- 본 연구에서 운전자의 졸음운전을 판단하기 위한 피로감을 인지하기 위해 퍼지 논리를 적용한다. 피로감 인지에 사용되는 입력 변수는 측정된 눈 깜박임 의 빈도수와 눈의 닫힘 지속 시간을 이용한다[14L 출력 변수인 피로도는 제안한 규칙과 비퍼지화를 근거로 계산된다. 각각의 소속 함수의 설정은 눈 깜박임의 빈도수(Eye linking frequency)와 눈의 닫힘 지속 기간(Eye closure duration)에 따라 설정하였다.
대상 데이터
- 최종적으로 유전 알고리즘을 사용하여 조건부 소속 함수의 파라메터 弓와" 그리고 결론부 파라메터% 가 동정된다. 동정에 사용된 유전 알고리즘은 MATLAB의 GAtool을 이용하여 구현되었으며, 동정에 사용된 학습 데이터는 피부색 데이터가 100 개, 배경색 데이터 100 개가 사용되었다. 퍼지 색상 필터를 이용해 얼굴의 후보 영역을 찾은 후 정확한 얼굴 영역을 추출하기 위해서는 히스토그램 분석 기법을 사용하였다.
- 본 논문에서 실험에 사용된 영상은 CCD카메라로부터 얻은 320x240크기의 24bit컬러 영상이며, 프레임 속도는 10frame/sec이다. 안전상의 문제가 있기 때문에 실제 운전 중이 아닌 실내에서 운전을 가정하고 실험영상을 획득 하였다.
- 시스템의 졸음운전 판단 여부를 확인하기 위하여 10명의 실험 운전자를 대상으로 실험영상 데이터를 수집하였다. 수집된 실험영상은 졸음여부가 없을 경우의 영상과 졸음이 발생하는 영상으로 구분된다. 입력된 영상으로부터 시스템이 제대로 동작하고 신뢰성이 있는지 평가 하였다.
- 다음과 같은 영상은 주로 좌우 방향 또는 아래 방향을 인지할 때 나타나는 현상인데 이때는 시스템이 얼굴과 눈 영역을 다시 검출 가능할 때 까지 대기하게 된다. 시스템의 졸음운전 판단 여부를 확인하기 위하여 10명의 실험 운전자를 대상으로 실험영상 데이터를 수집하였다. 수집된 실험영상은 졸음여부가 없을 경우의 영상과 졸음이 발생하는 영상으로 구분된다.
- 명암 값을 조절하여 실험하였다. 실험영상은 10 명의 운전자를 대상으로 실시하였으며, 각 단계는 원본 영상을 기준으로 10%씩 명암 값을 높이거나 낮춤으로서 운전 중에 발생하는 여러 조명 변화를 인위적으로 연출하였다. 그림 9는 여러 단계에 따른 실험결과를 나타낸 그림이다.
이론/모형
-
Fig. 1 Model of virtual face
가상 얼굴 모형을 이용해 얼굴 구성 요소인 눈과 코 영역을 추출하기 위해서 히스토그램 분석 방법을 사용한다. 얼굴 영상이 분석 된 후 눈의 특징 벡터를 추출하는 과정이 필요하다. - 피로감 인지에 사용되는 입력 변수는 측정된 눈 깜박임 의 빈도수와 눈의 닫힘 지속 시간을 이용한다[14L 출력 변수인 피로도는 제안한 규칙과 비퍼지화를 근거로 계산된다. 각각의 소속 함수의 설정은 눈 깜박임의 빈도수(Eye linking frequency)와 눈의 닫힘 지속 기간(Eye closure duration)에 따라 설정하였다. 입력 변수인 눈 깜박임의 빈도수와 눈의 닫힘 지속 시간은 다음 식 (9)로 나타낸다.
- 그림 5와 같은 눈의 닫힘 지속시간의 측정은 PERCLOS 를 사용한다. PERCLOS는 가장 일반적이며, 여러 연구 결과에서 비접촉식 졸음운전 분석방법으로 높은 성능과 신뢰성을 보여주는 방법이다[13].
- 이용한다. 본 연구에서 운전자의 졸음운전을 판단하기 위한 피로감을 인지하기 위해 퍼지 논리를 적용한다. 피로감 인지에 사용되는 입력 변수는 측정된 눈 깜박임 의 빈도수와 눈의 닫힘 지속 시간을 이용한다[14L 출력 변수인 피로도는 제안한 규칙과 비퍼지화를 근거로 계산된다.
- 졸음 운전 경고 시스템은 CCD 칼라 카메라를 이용하여 입력된 영상으로부터 얼굴 영역 및 눈 영역을 검출하기 위해서 얼굴 영역 추출 알고리즘과 얼굴 구성 요소 추출 알고리즘을 이용한다. 얼굴 영역 추출 알고리즘은 다양한 주변 환경의 조건에서도 강인하게 얼굴 영역을 추출할 수 있는 퍼지 색상 필터를 사용한다.
- duration”으로 전환된다. 최종적으로 출력 값은 비 퍼지 화 방법인 무게 중심법을 사용한다.
- 동정에 사용된 유전 알고리즘은 MATLAB의 GAtool을 이용하여 구현되었으며, 동정에 사용된 학습 데이터는 피부색 데이터가 100 개, 배경색 데이터 100 개가 사용되었다. 퍼지 색상 필터를 이용해 얼굴의 후보 영역을 찾은 후 정확한 얼굴 영역을 추출하기 위해서는 히스토그램 분석 기법을 사용하였다.
성능/효과
- 그림 8은 10명의 운전자의 얼굴 및 눈 영역을 검출한 영상이다. 복잡한 배경하에서 운전자는 안경 착용상태 와 안경 미착용상태에서 얼굴 및 눈 영역 검출 실험결과 모두 검출을 성공하는 결과를 얻었다.
- 제안하였다. 자체 수집한 데이터를 통해 제안한 시스템이 여러 조명환경에서도 안정적으로 동작함을 보였다. 본 논문에서 제안한 퍼지 색상 필터와 가상 얼굴 모형을 이용하여 얼굴 위치 및 눈 영역을 보다 빠르게 검출하고, 퍼지논리를 이용하여 운전자 졸음경고 프로그램의 가능성을 여러 실험결과를 통하여 확인하였다.
- 결과는 표 3과 같다. 표에서 보는 바와 같이 다양한 조명변화에도 성공적으로 검출하는 것을 확인할 수 있다.
후속연구
- 향후, 생체 센서와 입모양, 머리 움직임 등의 보다 복합적인 정보를 사용하여 경고율과 시스템의 신뢰성을 보다 높일 수 있는 연구가 추가적으로 필요하다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.