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 ENG
주제분류
인문학
인문학 일반 역사학 철학 종교학 어문학 기타 인문학
사회과학
사회과학 일반 경영학 관광학 교육학 군사학 문헌정보학 법학 사회학 신문방송학 심리과학 정치외교학 지리학 행정학 경제학 무역학 인류학 기타 사회과학
자연과학
자연과학 일반 물리학 생물학 생활과학 수학·통계학 천문학 지구과학 화학 기타 자연과학
공학
공학 일반 건축공학 기계공학 산업공학 재료·에너지공학 전기전자공학 조선해양공학 화학공학 컴퓨터학 기타공학
의약학
의학 일반 간호학 수의학 약학 한의학 기초의학 임상의학 기타 의약학
농수해양학
농수해양학 일반 농학 수산학 식품과학 임학 축산학 해상운송학 기타 농수해양학
예술체육학
예술 일반 디자인 미술 미용 사진 음악학 의상 체육 공연매체예술 기타 예술체육학
복합학
학제간연구 과학기술학 뇌인지과학 기술정책 기타 복합학

ENG

추천
검색
질문

논문 기본 정보

자료유형
학술저널
저자정보
신기원 (Korea University) 김성현 (Hyundai Motor Company)
저널정보
한국소음진동공학회 한국소음진동공학회논문집 한국소음진동공학회논문집 제35권 제2호(통권 283호)
발행연도
2025.4
수록면
145 - 155 (11page)
DOI
10.5050/KSNVE.2025.35.2.145

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색
질문

초록· 키워드

오류제보하기
This study presents a deep learning-based method to detect driver stress from a single electrocardiogram (ECG) signal. Driver stress is a significant contributor to traffic violations and accidents, impairing driver concentration, judgment, and reaction time, thereby leading to aggressive driving and poor decision-making. Real-time detection and management of driver stress are crucial for enhancing road safety and improving drivers’ overall health. Existing approaches for detecting driver stress using multimodal biosignals require various types of sensors, which presents practical challenges in terms of cost and complexity when applied in real vehicles. To address the limitations of existing methods, the proposed approach integrates a DenseNet-based 1D convolutional neural network (CNN) model with state-of-the-art attention mechanisms, including dual-channel attention mechanism (DCAM) and deep reinforcement fine-tuning (DeepRFT). The preprocessing phase includes baseline removal, normalization and data augmentation, with model evaluation conducted using the leave-one-out technique. The results indicate that models using attention modules achieved the highest accuracy and F1-scores, surpassing traditional methods in identifying stress states such as rest, low stress and high stress. Specifically, the DCAM-based model achieved an average accuracy of 86.2 % and an F1-score of 83.5 %, showing a significant improvement over baseline models. These findings suggest that ECG-based stress detection can enhance driver assistance systems, contributing to proactive stress management and safer driving environments.
#Stress Detection(스트레스 감지) #Vehicle(차량) #Electrocardiogram(심전도) #Deep Learning(딥러닝) #Attention Mechanism(어텐션 메커니즘) #Stress Classification(스트레스 분류)

목차

ABSTRACT
1. 서론
2. 연구 방법
3. 실험 결과 및 분석
4. 결론
References

참고문헌 (0)

참고문헌 신청
참고문헌이 DBpia에서 서비스 중이라면, [참고문헌 신청]을 통해 등록해보세요

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

부정맥 판단을 위한 심전도 모니터링 장치 개발
김시습 ,  정윤진 한국기계가공학회지 2025 .03
근전도 센서 기반 스쿼트 보조장치 성능평가
신호철 ,  김용준 ,  이동우 대한전자공학회 학술대회 2024 .06
제조업의 심층신경망 기계학습(딥러닝)
조만 ,  이민국 에너지공학 2017 .09

최근 본 자료

전체보기

댓글(0)

0