[논문 리뷰] TEXIVE: Detecting Drivers Using Personal Smart Phones by Leveraging Inertial Sensors

Bo Cheng, Xuesi Jian외 1명|arXiv (Cornell University)|2013. 07. 06.

Context-Aware Activity Recognition Systems참고 문헌 35인용 수 7

한 줄 요약

TEXIVE는 외부 인프라 없이 스마트폰의 관성 센서(가속도계, 자이로스코프, 자석계)를 사용하여 운전자와 문자 메시지 입력 행동을 감지하는 스마트폰 기반 시스템이다. 차량에 탑승할 때의 미세한 움직임과 센서 패턴을 융합하여 실시간으로 소비자 기기에서 분류 정확도 87.18%와 정밀도 96.67%를 달성한다.

ABSTRACT

In this work, we address a fundamental and critical task of detecting the behavior of driving and texting using smartphones carried by users. We propose, design, and implement TEXIVE that leverages various sensors integrated in the smartphone and realizes our goal of distinguishing drivers and passengers and detecting texting using rich user micro-movements and irregularities that can be detected by sensors in the phone before and during driving and texting. Without relying on external infrastructure, TEXIVE has an advantage of being readily implemented and adopted, while at the same time raising a number of challenges that need to be carefully addressed for achieving a successful detection with good sensitivity, specificity, accuracy, and precision. Our system distinguishes the driver and passengers by detecting whether a user is entering a vehicle or not, inferring which side of the vehicle s/he is entering, reasoning whether the user is siting in front or rear seats, and discovering if a user is texting by fusing multiple evidences collected from accelerometer, magnetometer, and gyroscope sensors. To validate our approach, we conduct extensive experiments with several users on various vehicles and smartphones. Our evaluation results show that TEXIVE has a classification accuracy of 87.18%, and precision of 96.67%.

연구 동기 및 목표

• 외부 인프라에 의존하지 않고 스마트폰 내장 관성 센서만을 사용하여 운전 및 문자 입력 행동을 감지하는 것.
• 차량에 탑승할 때의 미세한 움직임, 좌석 위치, 센서 패턴을 분석하여 운전자와 승객을 구분하는 것.
• 가속도계, 자이로스코프, 자석계 데이터를 활용해 고유한 손 움직임 패턴을 식별하여 운전 중 문자 입력 행동을 감지하는 것.
• 낮은 에너지 소비로 실생활 조건에서 높은 감지 정확도, 정밀도, 민감도, 특이도를 달성하는 것.
• 센서 융합과 기계 학습을 활용해 모바일 플랫폼에서 실시간으로 에너지 효율적인 활동 인식을 가능하게 하는 것.

제안 방법

• 가속도계, 자이로스코프, 자석계 데이터의 다중 센서 융합을 통해 차량 탑승 여부와 사용자 자세를 감지한다.
• 주파수 도메인 특징을 추출하기 위해 이산余弦변환(DCT)과 웨이블릿 분석을 적용한다.
• 사용자 행동(좌측/우측 측면에서 탑승, 앞좌석/뒷좌석 위치 등)을 분류하기 위해 기계 학습 모델을 활용한다.
• 0.5초 단위의 슬라이딩 윈도우와 나이브 베이즈 분류기를 사용해 실시간 활동 인식을 수행한다.
• 지속적인 활동 인식을 검증하고 신뢰성을 향상시키기 위해 가속도 크기를 필터로 적용한다.
• 센서 샘플링 주기를 10초당 0.05초로 조정하여 에너지 효율성을 최적화하고 배터리 소모를 최소화한다.

실험 결과

연구 질문

• RQ1 스마트폰의 관성 센서가 사용자가 운전자로 차량에 탑승할 때를 신뢰성 있게 감지할 수 있는가?
• RQ2 센서 패턴을 통해 좌측/우측 차량 탑승과 앞좌석/뒷좌석 위치를 구분할 수 있는가?
• RQ3 스마트폰 센서를 사용해 운전 중 문자 입력 시의 미세한 움직임을 충분한 정확도로 감지할 수 있는가?
• RQ4 단일 센서 접근 방식에 비해 센서 융합이 감지 정확도와 강건성에 어떻게 기여하는가?
• RQ5 지속적인 관성 센서 사용의 에너지 비용은 얼마이며, 감지 성능을 희생시키지 않고 최소화할 수 있는가?

주요 결과

• TEXIVE는 운전자와 승객을 구분하고 문자 입력 행동을 감지하는 데 분류 정확도 87.18%와 정밀도 96.67%를 달성한다.
• 센서 패턴 분석을 통해 좌석 위치(앞좌석/뒷좌석)와 탑승 측면(좌측/우측)을 100% 정확도로 식별한다.
• 입력 시간 간격을 분석하여 운전 중 문자 입력 여부를 식별함으로써 문자 입력 감지 정확도가 90%에 이른다.
• 실시간 인식 지연은 단지 0.2184초로, 거의 즉각적인 감지가 가능하다.
• 샘플링 주기를 최적화함으로써 30분 동안 배터리 소모를 4%로 줄여 GPS 기반 대안보다 훨씬 낮은 에너지 소비를 달성한다.
• 휴대폰이 주머니에 있지 않은 경우에도 증거 융합과 측면 신호 분석 덕분에 강건성이 유지되지만, 비최적의 구성에서는 성능이 약간 저하된다.