[논문 리뷰] Human Stress Assessment: A Comprehensive Review of Methods Using Wearable Sensors and Non-wearable Techniques

Aamir Arsalan, Muhammad Majid외 4명|arXiv (Cornell University)|2022. 02. 07.

Emotion and Mood Recognition인용 수 13

한 줄 요약

이 논문은 인간 스트레스 감지에 위한 웨어러블 및 비웨어러블 센서 기반 방법에 대한 종합적인 리뷰를 제공하며, 주관적 평가와 객관적 생리적, 신체적, 행동적 지표를 통합한다. ECG, GSR, PPG 및 음성 신호를 사용한 다중모달 기계학습 접근 방식이 스트레스 분류에서 최대 94.52%의 정확도를 달성한 것으로 나타났으며, 표준화된 데이터셋 부족 및 만성 스트레스 감지에 대한 딥러닝 적용의 제한성 등의 주요 과제를 규명한다.

ABSTRACT

This paper presents a comprehensive review of methods covering significant subjective and objective human stress detection techniques available in the literature. The methods for measuring human stress responses could include subjective questionnaires (developed by psychologists) and objective markers observed using data from wearable and non-wearable sensors. In particular, wearable sensor-based methods commonly use data from electroencephalography, electrocardiogram, galvanic skin response, electromyography, electrodermal activity, heart rate, heart rate variability, and photoplethysmography both individually and in multimodal fusion strategies. Whereas, methods based on non-wearable sensors include strategies such as analyzing pupil dilation and speech, smartphone data, eye movement, body posture, and thermal imaging. Whenever a stressful situation is encountered by an individual, physiological, physical, or behavioral change is induced which help in coping with the challenge at hand. A wide range of studies has attempted to establish a relationship between these stressful situations and the response of human beings by using different kinds of psychological, physiological, physical, and behavioral measures. Inspired by the lack of availability of a definitive verdict about the relationship of human stress with these different kinds of markers, a detailed survey about human stress detection methods is conducted in this paper. In particular, we explore how stress detection methods can benefit from artificial intelligence utilizing relevant data from various sources. This review will prove to be a reference document that would provide guidelines for future research enabling effective detection of human stress conditions.

연구 동기 및 목표

• 웨어러블 및 비웨어러블 센서를 활용한 주관적 및 객관적 인간 스트레스 감지 방법에 대한 체계적 리뷰를 제공하기 위해.
• 현재 스트레스 감지 연구의 한계, 특히 표준화된 데이터셋 부족 및 만성 스트레스에 대한 부족한 초점 등을 규명하기 위해.
• 인공지능 및 다중모달 기계학습이 자동 스트레스 감지 향상에 어떻게 기여할 수 있는지 탐색하기 위해.
• 감정 인식을 위한 DEAP 데이터베이스와 유사한 대규모 공개 데이터셋이 필요하다는 점을 강조하기 위해.
• 향후 연구를 안내하기 위해 실생활 스트레스 모니터링 시스템의 개방형 과제와 실용적 구현 요구사항을 제시하기 위해.

제안 방법

• 웨어러블 센서(EEG, ECG, GSR, EMG, PPG) 및 비웨어러블 기법(음성, 동공 확장, 자세, 열화상)을 활용한 스트레스 감지 방법에 대한 체계적 문헌 리뷰.
• 생리적, 신체적, 행동적 신호를 융합하여 분류 정확도를 향상시키기 위한 다중모달 융합 전략 분석.
• 시간 도메인, 주파수 도메인 및 웨이블릿 기반 기법을 활용한 센서 데이터 사전처리를 위한 특징 추출 기법 적용.
• 스트레스 수준 분류를 위한 기계학습 분류기(랜덤 포레스트, SVM, 딥러닝 모델) 사용.
• 실생활(비실험실) 환경에서의 데이터 품질 향상을 위해 ICA 및 웨이블릿 노이즈 제거와 같은 신호 처리 방법 평가.
• 실험실 내 조건과 비실험실 조건 간 비교를 통해 환경 간섭(조도, 온도, 습도)이 신호 신뢰성에 미치는 영향 강조.

실험 결과

연구 질문

• RQ1 웨어러블 및 비웨어러블 센서 기반 방법은 급성 스트레스와 만성 스트레스 감지에서 어떻게 비교될 수 있는가?
• RQ2 스트레스 분류 정확도 향상을 위해 가장 효과적인 다중모달 융합 전략은 무엇인가?
• RQ3 실생활 비실험실 환경에 스트레스 감지 시스템을 구현할 때의 주요 과제는 무엇인가?
• RQ4 표준화되고 공개된 스트레스 데이터셋의 부족이 분야 발전에 큰 장벽이 되는 이유는 무엇인가?
• RQ5 특히 딥러닝을 활용해 스트레스 감지의 확장성과 정확도를 얼마나 높일 수 있는가?

주요 결과

• ECG, GSR, PPG 등의 생리적 신호를 다중모달 융합한 결과, 랜덤 포레스트 분류기를 사용해 삼분류 스트레스 감지에서 최대 94.52%의 분류 정확도를 달성하였다.
• 급성 스트레스 감지는 잘 연구되었지만, 장기적인 건강 및 경제적 영향이 있는 만성 스트레스 감지는 여전히 미흡하게 다뤄지고 있다.
• 온도, 습도, 조도와 같은 환경 요소가 실생활 환경에서 신호 품질에 심각한 영향을 미쳐 실험실 조건 대비 신뢰도가 낮아진다.
• 딥러닝 모델은 잠재력이 있지만, 효과적인 훈련을 위해 필요한 대규모 공개 스트레스 데이터셋의 부족으로 인해 활용이 제한적이다.
• 기존 연구는 종종 전용 데이터셋을 사용하여 결과 비교가 어려우며, 표준화된 기준 데이터셋이 급히 필요하다는 점을 시사한다.
• 심리적 질문지와 같은 주관적 방법은 여전히 필수적이지만, 단독으로는 부족하며, 실시간이고 확장 가능한 스트레스 평가를 위해서는 객관적 센서 기반 모니터링이 필수적이다.