운전자 졸음 인식 AI 기술 개발 - 오스트리아 그라츠공과대

 

픽셀의 복잡한 패턴을 분간하고 특징을 추출하여 이미지를 식별할 수 있는 CNN 모델을 구축하고 운전자 심전도 신호에 CNN을 적용하기 위해 매스웍스 매트랩(MATLAB)의 웨이블릿 툴박스를 사용해 웨이블릿 스케일로그램을 만들었고, 심전도 신호를 나타내는 파형을 음영 처리된 이미지로 변환해 여기에 실측 졸음 레이블을 입력...

AI는 운전자가 졸릴 때를 잘 알고 있다!...그라츠공과대, 운전자 졸음 인식하는 AI 기술 개발 - 인

 

위의 기사를 읽다가 든 생각을 적어본다.

별건 없다..;;ㅋㅋㅋㅋㅋ

 

(내용)

개발 방법은 매트랩 딥러닝 툴 박스를 이용해 졸음운전자의 심전도(ECG) 신호를 분석하는 인공지능 알고리즘을 개발.

졸음 운전을 구분하는 새로운 방법을 선보였다고함. 

아래 그림이 개발한 AI 알고리즘의 세부 구조인듯 하다.

총 92명의 데이터를 수집해서 졸은 운전자 데이터베이스 생성을 했고,

연구 참가자가 16시간 동안 깨어있거나, 4시간 이하 수면을 취한 상태로 

운전 시뮬레이터의 수동 및 자동 운전 시나리오에 참여하게 해서 운전자의 심장 활동 데이터를 수집했다.

 

classification을 사용해서 경각상태/보통졸음/심한졸음/수면 이 네가지 분류로 레블을 했다고 한다.

수동 운전 모드에선 77%, 자동 운전 모드에서는 79% 정확도를 달성했다고 한다.

기존의 방식인 영상 구별보다 심전도(ECG) 전극으로 측정한 데이터가

경각 상태와 보통 졸음 상태의 차이를 더 잘 식별했다고 한다

 

(생각)

작년 2번의 차 사고를 통해서 운전자의 상태를 파악하고 사고를 줄이는 방향의 기술이 눈에 들어왔던 것 같다.

사실 나도 장거리 운전을 하면서 졸음이 온적이 많았고, 무조건 졸음 쉼터가 있으면 쉬었다 가는데

이게 맘처럼 원하는 때에 다 있지가 않아서 진짜 위험한 경우가 많긴하다.

특히나 사고를 겪어보니, 사고는 정말 눈 깜짝할 사이에 순식간에 일어나버리고 되돌릴 수 없기 때문에

이런 연구는 활발히 이루어져서 다양한 사고 방지에 사용되었으면 좋겠다.

 

졸음을 구별할 수 있는 분류 모델을 다양한 분야에 사용할 수 있다면 참 좋겠다. (그렇게 되겠지만)

자동차 뿐만 아니라 비행 조종사, 공장, 한눈 팔면 위험에 처할 수 있는 곳들에 많이 접목할 수 있을 것 같다.

반대로 우리가 점점 감시 당하고 개개인의 데이터가 수집되면서 자유가 없어지는 그런 먼 미래의 상상도 해본다.

기술 발전을 위해서는 데이터가 필요하고, 데이터를 사실 연구 목적으로 사용하다보면 보안의 문제도 있지만

철저하게 지켜지지도 않고, 알 수도 업는것이 현실이다. 

 

이렇게 결론없는 잠생각을 적어본다..ㅋㅋㅋ