| 1 |
1
운전자의 뇌파를 측정하는 뇌파 측정부; 상기 뇌파의 특징점 벡터 생성을 위한 모델 및 상기 운전자의 상태를 분류하기 위한 상태 범위 정보를 저장하는 저장부; 및 상기 뇌파 측정부를 통해 측정된 뇌파신호를 전처리하여 잡음을 제거하고, 주파수 성분을 분석하여 특징점을 추출하며, 추출된 상기 특징점에 대해 상기 저장부에 저장된 상기 특징점 벡터 생성을 위한 모델을 기반으로 특징점 벡터를 생성하며, 상기 특징점 벡터를 상기 운전자의 상태에 따라 분류하여 상기 운전자의 졸음 및 집중도를 판단하는 제어부;를 포함하는 것을 특징으로 하는 운전자의 운전 집중도 판단 장치
|
| 2 |
2
제 1항에 있어서, 상기 제어부는, 상기 뇌파신호에 포함된 잡음을 제거하기 위한 전처리부; 상기 전처리부에서 잡음이 제거된 상기 뇌파신호에 대해 주파수 성분 분석을 통해 상기 특징점을 추출하는 특징점 추출부; 상기 특징점 추출부에서 추출된 다수의 상기 특징점을 활용하여 상기 저장부에 저장된 상기 특징점 벡터 생성을 위한 모델을 기반을 상기 특징점 벡터를 생성하는 특징점 벡터 생성부; 및 상기 특징점 벡터 생성부에서 생성된 상기 특징점 벡터를 활용하여 상기 운전자의 상태를 분류하여 졸음 및 집중도를 판단하는 분류기를 포함하는 것을 특징으로 하는 운전자의 운전 집중도 판단 장치
|
| 3 |
3
제 2항에 있어서, 상기 전처리부는, 고주파 필터, 저주파 필터, 대역 필터, 노치 필터 및 능동 필터 중 어느 하나를 통해 상기 뇌파신호에 포함된 잡음을 제거하는 것을 특징으로 하는 운전자의 운전 집중도 판단 장치
|
| 4 |
4
제 2항에 있어서, 상기 특징점 추출부는, 푸리에 변환, 고속 푸리에 변화 및 단시간 푸리에 변환 중 어느 하나를 통해 주파수 성분을 분석하는 것을 특징으로 하는 운전자의 운전 집중도 판단 장치
|
| 5 |
5
제 2항에 있어서, 상기 특징점 추출부는, 주파수 밴드의 크기, 주파수 밴드의 크기 총합 분에 대한 각 주파수 밴드의 크기 비율, 주파수 밴드의 지배적 주파수, 주파수 밴드의 지배적 주파수 크기, 주파수 밴드의 무게중심 주파수, 주파수 밴드의 주파수 변동성 중 어느 하나 이상에 대한 특징점을 추출하는 것을 특징으로 하는 운전자의 운전 집중도 판단 장치
|
| 6 |
6
제 5항에 있어서, 상기 주파수 밴드는, 델타파 밴드, 세타파 밴드, 알파파 밴드, 베타파 밴드 및 감마파 밴드 중 어느 하나 이상인 것을 특징으로 하는 운전자의 운전 집중도 판단 장치
|
| 7 |
7
제 2항에 있어서, 상기 특징점 벡터 생성을 위한 모델은, Common Spatial Pattern Filter 모델인 것을 특징으로 하는 운전자의 운전 집중도 판단 장치
|
| 8 |
8
제 2항에 있어서, 상기 분류기는, 뉴럴 네트워크(neural network; NN), 서포트 벡터 머신(support vector machine; SVM) 및 유클리디언 거리(Euclidean distance, ED) 중 어느 하나를 포함하는 것을 특징으로 하는 운전자의 운전 집중도 판단 장치
|
| 9 |
9
제 1항에 있어서, 상기 제어부에서 판단한 상기 운전자의 졸음 및 집중도의 판단결과를 출력하는 출력부를 더 포함하는 것을 특징으로 하는 운전자의 운전 집중도 판단 장치
|
| 10 |
10
제어부가 뇌파 측정부로부터 뇌파신호를 입력받는 단계; 상기 제어부가 입력된 상기 뇌파신호를 전처리하여 잡음을 제거하는 단계; 상기 제어부가 전처리된 상기 뇌파신호에 대해 주파수 성분 분석을 통해 특징점을 추출하는 단계; 상기 제어부가 상기 특징점을 추출한 후 추출된 상기 특징점에 대해 저장부에 저장된 특징점 벡터 생성을 위한 모델을 기반으로 특징점 벡터를 생성하는 단계; 및 상기 제어부가 상기 특징점 벡터를 운전자의 상태에 따라 분류하여 상기 운전자의 졸음 및 집중도를 판단하는 단계;를 포함하는 것을 특징으로 하는 운전자의 운전 집중도 판단 방법
|
| 11 |
11
제 10항에 있어서, 상기 잡음을 제거하는 단계는, 상기 제어부가 고주파 필터, 저주파 필터, 대역 필터, 노치 필터 및 능동 필터 중 어느 하나를 통해 상기 뇌파신호에 포함된 잡음을 제거하는 것을 특징으로 하는 운전자의 운전 집중도 판단 방법
|
| 12 |
12
제 10항에 있어서, 상기 특징점을 추출하는 단계는, 상기 제어부가 푸리에 변환, 고속 푸리에 변화 및 단시간 푸리에 변환 중 어느 하나를 통해 주파수 성분을 분석하는 것을 특징으로 하는 운전자의 운전 집중도 판단 방법
|
| 13 |
13
제 10항에 있어서, 상기 특징점을 추출하는 단계는, 상기 제어부가 주파수 밴드의 크기, 주파수 밴드의 크기 총합 분에 대한 각 주파수 밴드의 크기 비율, 주파수 밴드의 지배적 주파수, 주파수 밴드의 지배적 주파수 크기, 주파수 밴드의 무게중심 주파수, 주파수 밴드의 주파수 변동성 중 어느 하나 이상에 대한 특징점을 추출하는 것을 특징으로 하는 운전자의 운전 집중도 판단 방법
|
| 14 |
14
제 13항에 있어서, 상기 주파수 밴드는, 델타파 밴드, 세타파 밴드, 알파파 밴드, 베타파 밴드 및 감마파 밴드 중 어느 하나 이상인 것을 특징으로 하는 운전자의 운전 집중도 판단 방법
|
| 15 |
15
제 10항에 있어서, 상기 특징점 벡터 생성을 위한 모델은, Common Spatial Pattern Filter 모델인 것을 특징으로 하는 운전자의 운전 집중도 판단 방법
|
| 16 |
16
제 10항에 있어서, 상기 운전자의 졸음 및 집중도를 판단하는 단계는, 상기 제어부가 뉴럴 네트워크(neural network; NN), 서포트 벡터 머신(support vector machine; SVM) 및 유클리디언 거리(Euclidean distance, ED) 중 어느 하나를 적용하여 상기 특징점 벡터를 상기 운전자의 상태에 따라 분류하여 상기 운전자의 졸음 및 집중도를 판단하는 것을 특징으로 하는 운전자의 운전 집중도 판단 방법
|
| 17 |
17
제 10항에 있어서, 상기 제어부에서 판단된 상기 운전자의 졸음 및 집중도의 판단결과를 출력부를 통해 출력하는 단계를 더 포함하는 것을 특징으로 하는 운전자의 운전 집중도 판단 방법
|
