메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터

주제분류

사회과학
경영학 경제학 관광학 교육학 군사학 무역학 문헌정보학 법학 사회과학일반 사회복지학 사회학 신문방송학 심리과학 정치외교학 지리/지역개발학 지역학 행정학
공학
건축공학 공학일반 기계공학 산업공학 자원/재료공학 전자/제어계측공학 전자/정보통신공학 조선/해양공학 컴퓨터학 토목/환경공학 항공우주공학 화학/생물공학
자연과학
물리학 생물학 생활과학 수학/통계학 자연과학일반 전문/지구과학
의약학
간호학 수의학 약학 의학 의학일반 치의학 한의학
인문학
독일어문학 러시아어문학 문학 언어학 역사학 영어문학 인문학일반 일본어문학 종교학/신학 중국어문학 철학 프랑스어문학 한국어문학
예술체육학
건축 디자인 무용 미술 미용 사진 연극 영화 예술체육학일반 음악 의상 체육
농수해양학
농수해양학일반 농학 수산학 식품과학 임학 축산학 해상운송학
복합학
과학기술학/기술정책 뇌/인지과학 여성학 학제간연구

정기구독(개인)

소속 기관이 없으신 경우, 개인 정기구독을 하시면 저렴하게
논문을 무제한 열람 이용할 수 있어요.

회원혜택

로그인 회원이 가져갈 수 있는 혜택들을 확인하고 이용하세요.

아카루트

학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.

영문교정

영문 논문 작성에 도움을 드리기 위해, 영문 교정 서비스를
지원하고 있어요.
고객센터 제휴문의

...

저널정보

저자정보

표지
이용수
내서재
3
내서재에 추가
되었습니다. 내서재에서
삭제되었습니다.

내서재에 추가
되었습니다. 내서재에서
삭제되었습니다.

이 논문의 연구 히스토리 (3)

2019

이미지와 PPG 데이터를 사용한 멀티모달 딥 러닝 기반의 운전자 졸음 감지 모델
최형탁 컴퓨터공학과 2019 학위논문

2018

멀티 모달 학습을 사용한 시각적 특징 기반의 운전자 졸음 감지
최형탁 ,  백문기 ,  강재식 외 1명 한국통신학회논문지 2018.07 학술저널

2017

시각적 특징 기반 운전자 졸음 인식을 향상하기 위한 멀티 모달 학습 기반의 시스템 설계
최형탁 ,  백문기 ,  이규철 한국통신학회 학술대회논문집 2017.11 학술대회자료

초록·키워드

오류제보하기
운전자라는 제한적인 상황에서 졸음을 판단하기 위한 시각적 기반 졸음 감지 방법이 있다. 운전자의 눈, 머리움직임 등의 특징들을 추출하여 졸음을 판단하는데 졸음 발생 시 나타나는 변화가 상이하며 다른 개체이기 때문에 판단 기준으로 두 가지 이상의 특징을 사용함에 있어 편향 현상이 발생할 수도 있으며 데이터 누락 시 졸음 판단이 어려울 수도 있다. 본 논문에서는 시각적 특징 데이터에 구애받지 않기 위하여 DBM(Deep Boltzmann Machine)을 사용하는 멀티 모달 학습 방법을 제안한다. 일반적으로 사용하는 시각적 기반 특징들 중 두 가지(눈, 입)를 사용하여 졸음 발생 시 변화를 관찰한다. 먼저 멀티 모달 DBM을 사용하여 두 특징 데이터를 학습한 후 RNN(Recurrent Neaural Network)을 사용하여 시간적 변화를 고려한다.

There is a vision-based drowsiness detection method for judging drowsiness in a limited situation of driver. The driver"s eye and head movements are used to determine the drowsiness. In the case of drowsiness, the change in drowsiness is different. Since the drowsiness is different from other drowsiness, This may be difficult. In this paper, we propose a multimodal learning method using DBM(Deep Boltzmann Machine) in order not to be affected by visual feature data. Two of the commonly used visual-based features (eye, mouth) are used to observe changes in drowsiness. First, we study two feature data using multimodal DBM and then consider the temporal change using RNN (Recurrent Neural Network).
#Multimodal-learning #Drowsy detection ,Deep Boltzmann Machine #Restricted Boltzmann Machine #visual feature

목차

요약
ABSTRACT
Ⅰ. 서론
Ⅱ. 관련 연구
Ⅲ. 본론
Ⅳ. 실험
Ⅴ. 결론 및 향후 연구
References

참고문헌 (27)

참고문헌 신청
J. Ngiam, A. Khosla, M. Kim, J. Nam, H. Lee, and A. Y. Ng, “Multimodal deep learning.” in Proc. ICML-11, pp. 689-696, 2011. J. Ngiam, A. Khosla, M. Kim, J. Nam, H. Lee, and A. Y. Ng, “Multimodal deep learning.” in Proc. ICML-11, pp. 689-696, 2011. J. Ngiam, A. Khosla, M. Kim, J. Nam, H. Lee, and A. Y. Ng, “Multimodal deep learning.” in Proc. ICML-11, pp. 689-696, 2011. J. Jo, S. J. Lee, K. R. Park, I. J. Kim, and J. Kim, “Detecting driver drowsiness using feature-level fusion and user-specific classification.” Expert Systems with Appl., vol. 41, no. 4, pp. 1139-1152, 2014. J. Jo, S. J. Lee, K. R. Park, I. J. Kim, and J. Kim, “Detecting driver drowsiness using feature-level fusion and user-specific classification.” Expert Systems with Appl., vol. 41, no. 4, pp. 1139-1152, 2014.

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

이 논문과 함께 이용한 논문

뇌파 기반 졸음 추정을 위한 특징추출기법의 비교 분석
최현수 ,  오정은 ,  이은주 외 3명 한국정보과학회 학술발표논문집 2017.12
EIV와 MLP를 이용한 뇌파 기반 운전자의 졸음 감지 시스템
한형섭 ,  송경영 한국통신학회논문지 2014.10
동공검출을 이용한 졸음방지 서비스에 관한 연구
이대연 ,  김정호 한국통신학회 학술대회논문집 2020.11
카메라 센서와 딥러닝을 이용한 운전자 졸음운전 방지 시스템
김성희 ,  김준석 ,  홍석윤 한국정보과학회 학술발표논문집 2020.07
딥러닝을 이용한 이미지 기반의 콘크리트 균열 및 박락 탐지
조수진 ,  김병현 ,  이예인 대한토목학회지 2018.08

최근 본 자료

전체보기

댓글(0)

0

UCI(KEPA) : I410-ECN-0101-2018-567-003342019