$\require{mediawiki-texvc}$

연합인증

연합인증 가입 기관의 연구자들은 소속기관의 인증정보(ID와 암호)를 이용해 다른 대학, 연구기관, 서비스 공급자의 다양한 온라인 자원과 연구 데이터를 이용할 수 있습니다.

이는 여행자가 자국에서 발행 받은 여권으로 세계 각국을 자유롭게 여행할 수 있는 것과 같습니다.

연합인증으로 이용이 가능한 서비스는 NTIS, DataON, Edison, Kafe, Webinar 등이 있습니다.

한번의 인증절차만으로 연합인증 가입 서비스에 추가 로그인 없이 이용이 가능합니다.

다만, 연합인증을 위해서는 최초 1회만 인증 절차가 필요합니다. (회원이 아닐 경우 회원 가입이 필요합니다.)

연합인증 절차는 다음과 같습니다.

최초이용시에는
ScienceON에 로그인 → 연합인증 서비스 접속 → 로그인 (본인 확인 또는 회원가입) → 서비스 이용

그 이후에는
ScienceON 로그인 → 연합인증 서비스 접속 → 서비스 이용

연합인증을 활용하시면 KISTI가 제공하는 다양한 서비스를 편리하게 이용하실 수 있습니다.

눈 영상비를 이용한 운전자 상태 경고 시스템
A Driver's Condition Warning System using Eye Aspect Ratio 원문보기

한국전자통신학회 논문지 = The Journal of the Korea Institute of Electronic Communication Sciences, v.15 no.2, 2020년, pp.349 - 356  

신문창 (서울과학기술대학교 전자IT미디어공학과) ,  이원영 (서울과학기술대학교 전자IT미디어공학과)

초록
AI-Helper 아이콘AI-Helper

본 논문은 교통사고 방지를 위한 운전자의 눈 영상비를 이용한 상태 경고시스템의 설계에 대해 소개하고 있다. 제안하는 운전자 상태 경고 시스템은 눈 인식을 위한 카메라, 카메라를 통해 들어오는 정보를 처리하는 라즈베리파이, 그리고 그 정보를 통해 운전자에게 경고를 줄 때 필요한 부저와 진동기로 구성되어 있다. 운전자의 눈을 인식하기 위해서 기울기 방향성 히스토그램 기술과 딥러닝 기반의 얼굴 표지점 추정 기법을 사용하였다. 동작을 시작하면, 시스템은 눈 주변의 6개의 좌표를 통해 눈 영상비를 계산한다. 그리고 눈을 뜬 상태와 감은 상태의 눈 영상비를 각각 계산한 후 이 두 값으로부터 눈의 상태를 판단하는데 사용하는 문턱 값을 설정한다. 문턱 값이 운전자의 눈 크기에 적응하면서 설정되기 때문에 시스템은 최적의 문턱 값을 사용하여 운전자의 상태를 판단할 수 있다. 또한 낮은 조도에서도 눈을 인식할 수 있도록 회색조 변환 이미지와 LAB모델 이미지를 합성하여 사용하였다.

Abstract ▼ AI-Helper 아이콘AI-Helper

This paper introduces the implementation of a driver's condition warning system using eye aspect ratio to prevent a car accident. The proposed driver's condition warning system using eye aspect ratio consists of a camera, that is required to detect eyes, the Raspberrypie that processes information o...

주제어

#눈 영상비   #객체 검출   #경고 시스템  

표/그림 (11)

AI 본문요약
AI-Helper 아이콘 AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

  • 따라서 본 논문에서는 기존의 문제점을 개선한 운전자의 상태 확인 및 경고 시스템을 제안한다. 다음 장에서는 개인의 눈 크기에 맞게 눈 영상비로부터 문턱 값을 계산하는 기법과 눈 상태를 측정하는데 어려움을 줄 수 있는 조명의 영향을 최소화 하는 방법에 대해 논의한다.
  • 운전은 야간에도 수행하기 때문에 어두운 상황에서도 영상을 인식을 해야 하며, 갑자기 들어온 빛이 있어도 정확하게 영상 인식이 되어야한다. 따라서 본 연구에서는 눈을 인식하는데 있어 밝기의 영향을 최소화 할 수 있도록 시스템 설계를 진행하였다.
  • 사용자가 눈을 뜨고 있는 경우, 분자가 0보다 큰 값을 가지게 되어 EAR이 0보다 큰 값이 되며, 사용자가 눈을 감은 경우 분자가 0에 가까운 값이 되어 EAR이 0에 가까운 값을 가지게 된다. 따라서 시스템은 EAR 결과가 지정된 문턱 값을 넘었는지 확인함으로써 눈을 감았는지 뜨고 있는지 여부를 판단할 수 있다.
  • 본 논문은 오픈소스 하드웨어중 하나인 라즈베리파이를 이용하여 운전자의 눈 영상비를 이용한 상태 경고시스템의 설계 방법에 대해 소개하고 있다. 제안하는 시스템은 눈 인식을 위한 카메라와 카메라를 통해 들어오는 정보를 처리하는 라즈베리파이, 그리고 그 정보를 통해 운전자에게 경고를 줄 때 필요한 진동기로 구성되어 있다.
  • 학습된 데이터를 기반으로 얼굴의 눈, 코, 입과 같이 주요 부분에 대한 표지점이 표시되는 것을 알 수 있다. 본 연구에서는 이러한 기법을 사용하여 운전자의 얼굴을 정확히 인식하고 이 중 눈 부분에 대한 데이터를 집중적으로 처리함으로써 효율적으로 운전자의 눈 상태를 확인하도록 하였다.
본문요약 정보가 도움이 되었나요?

질의응답

핵심어 질문 논문에서 추출한 답변
Haar-cascade 방식이 눈을 인식하는 데에 있어 가장 효과적인 이유는? 대표적인 머신러닝 기반 객체 검출 알고리즘은 Haar-cascade 방식이며, 명암에 따른 변화를 측정하여 얼굴을 인식한다. 흰색과 검정색의 변화로 눈이 있을 확률을 결정하여 인식하기 때문에 눈을 인식 하는 데에 있어서는 가장 빠르고 효과적인 방법이다. 그러나 그림 1과 같이 코를 얼굴로 인식하는 경우도 있기 때문에 신뢰도가 다소 떨어지는 단점이 있다.
HOG란? HOG(: Histogram of Oriented Gradients)는 객체 검출 위해 사용되며 검출 대상 영역을 일정 크기의 셀로 분할하고, 각 셀마다 이미지의 경계 방향에 대한 히스토그램을 구한다[12]. 이 히스토그램은 어떤 위치에서 변화가 a만큼이고 방향이 b라면 b에 해당하는 계급구간에 a의 값만큼 더한 것인데, HOG는 구한 히스토그램의 계급구간 값들을 연결한 벡터이다. 즉, HOG를 통해 이미지의 경계 방향 히스토그램 템플릿으로 볼 수 있다.
획일화된 눈 영상비를 사용하는 방식의 개선이 필요한 이유는 무엇인가? 사고 발생 시 본인과 상대방의 사망 확률이 매우 높기 때문에 사고 방지를 위해 운전자가 전방주시 의무를 다할 수 있도록 돕는 장치들이 개발되었으며, 눈 영상비(eye aspect ratio, EAR)를 활용하여 사용자의 눈 개폐상태를 체크하는 기법과 장치들이 소개되었다[6-9]. 그러나 정상 상태인 눈의 가로, 세로 비율은 사람마다 다르기 때문에 모든 사람들에게 획일화된 눈 영상비를 사용하여 상태를 확인하는 방식은 개선이 필요하다.
질의응답 정보가 도움이 되었나요?

참고문헌 (12)

  1. B. Kim and B. Lee, "Biosignal-based Driver's Emotional Response Monitoring System: Part 1. System Implementation," J. of the Korea Institute of Electronic Communication Science, vol. 13, no. 3, 2018, pp. 677-684. 

    원문보기 상세보기 crossref

  2. J. Kwon, D. Kim, T. Hwang, and H. Park, "A Development of Effective Object Detection System Using Multi-Device LiDAR Sensor in Vehicle Driving Environment," J. of the Korea Institute of Electronic Communication Science, vol. 13, no. 2, 2018, pp. 313-320. 

    원문보기 상세보기 crossref

  3. Y. Ahn and S. Kwak, "Long Distance Vehicle Recognition and Tracking using Shadow," J. of the Korea Institute of Electronic Communication Science, vol. 14, no. 1, 2019, pp. 251-256. 

    원문보기 상세보기 crossref

  4. K. Jang and S. Kwak, "Fast Center Lane Detection Method for Vehicle Applications," J. of the Korea Institute of Electronic Communication Science, vol. 9, no. 6, 2014, pp. 649-656. 

    원문보기 상세보기 crossref

  5. J. Jin, B. Yoo, W. Lee, and G. Kim, "Development of technology in estimating of high-risk driver's behavior," J. of the Korea Institute of Electronic Communication Science, vol. 11, no. 5, 2016, pp. 531-538. 

    원문보기 상세보기 crossref

  6. T. Soukupova and J. Cech, "Eye-Blink Detection Using Facial Landmarks," 21st Computer Vision Winter Workshop, Rimske Toplice, Slovenia, Feb. 2016. 

  7. J. Wong and P. Lau, "Real-Time Driver Alert System Using Raspberry Pi," ECTI Trans. on Electrical Eng., Electronics, and Communication, vol. 17, no. 2, 2019, pp. 193-203. 

  8. W. Chang, L. Chen, and Y. Chiou, "Design and Implementation of a Drowsiness-Fatigue-Detection System Based on Wearable Smart Glasses to Increase Road Safety," IEEE Trans. on Consumer Electronics, vol. 64, no. 4, 2018, pp. 461-469. 

    상세보기 crossref

  9. W. Chee, P. Lau, and S. Park, "Real-time Lane Keeping Assistant System on Raspberry Pi," IEIE Trans. on Smart Processing & Computing, vol. 6, no. 6, 2017, pp. 379-386. 

    상세보기 crossref

  10. Y. Kim, S. Park, and D. Kim, "Research on Robust Face Recognition against Lighting Variation using CNN," J. of the Korea Institute of Electronic Communication Science, vol. 12, no. 2, 2017, pp. 325-330. 

    원문보기 상세보기 crossref

  11. H. Shin, S. Lee, J. Park, and J. Song, "Performance Improvement of Optical Character Recognition for Parts Book Using Pre-processing of Modified VGG Model," J. of the Korea Institute of Electronic Communication Science, vol. 14, no. 2, 2019, pp. 433-438. 

    원문보기 상세보기 crossref

  12. N. Dalal and B. Triggs, "Histograms of oriented gradients for human detection," IEEE Computer Society Conference on Computer Vision and Pattern Recognition, San Diego, USA, June 2005. 

저자의 다른 논문 :

관련 콘텐츠

오픈액세스(OA) 유형

FREE

Free Access. 출판사/학술단체 등이 허락한 무료 공개 사이트를 통해 자유로운 이용이 가능한 논문

저작권 관리 안내
섹션별 컨텐츠 바로가기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

AI-Helper 아이콘
AI-Helper
안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

선택된 텍스트

맨위로