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

ENG
학술저널
오류 신고하기해당 페이지 내 제목·저자·목차·페이지
정보가 잘못된 경우 알려주세요!

논문 기본 정보

저자정보
(Korea University) (Hyundai Motor Company)
저널정보
한국소음진동공학회 한국소음진동공학회논문집 한국소음진동공학회논문집 제35권 제2호(통권 283호)
오류 신고하기
표지

피인용 0

검색

    초록·키워드

    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)

    본문·목차

    최근 본 자료 전체보기

      260915_DBpiaAI2학기
      261017_Citeasy Update
      260917_DBpiaAI뷰어2
      260604_KRpiaAI
      UCI(KEPA) : I410-151-25-02-092727313