매스웍스, '졸음운전 감지 솔루션' 개발 사례 소개

매트랩 딥러닝 툴박스·웨이블릿 툴박스 활용...정확도 약 80%

매스웍스는 '매트랩 딥러닝 툴박스'와 '웨이블릿 툴박스'로 졸음 운전자를 감지하는 인공지능(AI) 알고리즘 개발 사례를 30일 공개했다. 

오스트리아 그라츠공과대 아르노 아이히베르거 교수 연구팀은 심장 전기 활동으로 졸음운전을 인식하는 AI 개발에 매스웍스 솔루션을 적용했다. 연구팀은 매트랩 딥러닝 툴박스로 졸음운전자 심전도(ECG) 신호를 분석하는 알고리즘을 만들었다. 

이 개발팀은 졸음 운전자 데이터베이스 생성을 위해 총 92명의 데이터를 수집했다. 참가자는 최소 16시간 동안 깨어 있거나 4시간 이하의 잠을 잔 상태였다. 모두 연구팀이 제작한 운전 시뮬레이터의 수동·자동 운전 시나리오에 참여했다. 연구진은 이를 통해 ECG 전극으로 측정한 운전자 심장 활동 데이터를 모았다.

(a) 경각 상태 (b) 보통 졸음 (c) 심한 졸음의 운전자 상태를 나타내는 표 (사진=매스웍스)

아이히베르거 교수팀은 운전자를 녹화한 화면에서 하품, 머리 꾸벅임, 길게 눈을 깜박인 정도를 기반으로 ▲경각 ▲보통 졸음 ▲심한 졸음 ▲수면으로 이뤄진 네 가지 레이블을 만들었다.

알고리즘 훈련은 딥러닝 기법으로 진행됐다. 연구팀은 픽셀의 복잡한 패턴을 분간하고 특징을 추출해 이미지를 식별할 수 있는 합성곱 신경망(CNN)을 구축했다. 

여기서 연구팀은 매트랩의 웨이블릿 툴박스를 사용했다. 운전자 심전도 신호에 CNN을 적용하기 위해서다. 이를 통해 웨이블릿 스케일로그램을 만들 수 있었다. 

그 후 심전도 신호를 나타내는 파형을 음영 처리된 이미지로 변환했다. 여기에 실측 졸음 레이블을 입력했다. 연구진은 딥러닝 툴박스로 다양한 유형의 계층도 추가했다. 

결과적으로 딥러닝 신경망은 졸음운전 감지 정확도를 약 80%까지 보였다. 수동 운전 모드에서는 77%, 자동 상태에서는 79%를 기록했다. 연구팀은 영상으로 구별할 수 없는 경각 상태와 보통 졸음 상태의 차이를 쉽게 식별했다는 입장이다.

그라츠공과대 아이히베르거 교수는 "매스웍스 솔루션으로 운전자의 심전도 신호를 활용해 졸음을 인식하고 분류하는 방식을 개발할 수 있었다"며 "향후 자율주행에서 운전자 졸음을 감지하는 AI에 대한 추가 연구가 이뤄지길 기대한다"고 전했다.