[논문 리뷰] Driver Drowsiness Detection System: An Approach By Machine Learning Application

Jagbeer Singh, Ritika Kanojia외 3명|arXiv (Cornell University)|2023. 03. 11.

Sleep and Work-Related Fatigue인용 수 14

한 줄 요약

이 논문은 얼굴과 눈 추적을 통해 운전자 졸음을 감지하고, 눈 이미지를 데이터셋과 매칭하며 눈이 감겼을 때 경고를 울리는 머신 러닝 기반 시스템으로 약 80% 정확도를 달성한다.

ABSTRACT

The majority of human deaths and injuries are caused by traffic accidents. A million people worldwide die each year due to traffic accident injuries, consistent with the World Health Organization. Drivers who do not receive enough sleep, rest, or who feel weary may fall asleep behind the wheel, endangering both themselves and other road users. The research on road accidents specified that major road accidents occur due to drowsiness while driving. These days, it is observed that tired driving is the main reason to occur drowsiness. Now, drowsiness becomes the main principle for to increase in the number of road accidents. This becomes a major issue in a world which is very important to resolve as soon as possible. The predominant goal of all devices is to improve the performance to detect drowsiness in real time. Many devices were developed to detect drowsiness, which depend on different artificial intelligence algorithms. So, our research is also related to driver drowsiness detection which can identify the drowsiness of a driver by identifying the face and then followed by eye tracking. The extracted eye image is matched with the dataset by the system. With the help of the dataset, the system detected that if eyes were close for a certain range, it could ring an alarm to alert the driver and if the eyes were open after the alert, then it could continue tracking. If the eyes were open then the score that we set decreased and if the eyes were closed then the score increased. This paper focus to resolve the problem of drowsiness detection with an accuracy of 80% and helps to reduce road accidents.

연구 동기 및 목표

• 졸음 운전으로 인한 도로 사고의 높은 발생 문제를 해결한다.
• 얼굴과 눈 추적 단서를 이용한 실시간 졸음 감지 방법을 개발한다.
• 눈이 일정 임계값 이상 닫히면 경고하는 ML 기반 시스템을 평가한다.
• 눈 상태(열림/닫힘)와 졸음 사이의 상관관계를 입증하여 사고를 줄인다.

제안 방법

• 운전자의 얼굴을 식별하고 실시간으로 눈을 추적한다.
• 눈 이미지를 추출하고 이를 데이터셋과 대조하여 졸음을 분류한다.
• 눈가림 기반 점수 체계를 사용하여 닫힌 눈은 점수를 증가시키고 열린 눈은 감소시킨다.
• 구성된 범위 동안 눈이 닫혀 있으면 경보를 울린다.
• 실시간 성능을 목표로 약 80%의 정확도를 달성한다.

실험 결과

연구 질문

• RQ1 실시간 눈 추적과 얼굴 분석이 운전자 졸음을 신뢰하게 감지할 수 있는가?
• RQ2 졸음 분류를 위한 눈 이미지의 데이터셋 기반 매칭은 얼마나 효과적인가?
• RQ3 눈 닫힘 점수가 졸음과 상관관계가 있어 시의적절한 경보를 트리거하는가?

주요 결과

• 시스템은 졸음 감지에서 약 80%의 정확도를 달성한다.
• 지정된 지속 시간 동안 눈이 닫히면 경보가 울린다.
• 눈 상태 추적(열림 대 닫힘)이 동적 점수 매김 메커니즘에 정보를 제공한다.
• 실시간 처리가 운전자에게 즉시 알리도록 초점을 둔다.
• 조기 졸음 감지를 통해 도로 사고 감소를 강조한다.