운전자 졸음은 전 세계적으로 교통사고의 주요 원인이며, 공공 안전에 심각한 위협이 돼요. 기존 졸음 감지 시스템은 얼굴 구조, 조명, 운전 조건의 차이로 인해 고정된 EAR/MAR 임계값을 사용하는데, 이는 개인별로 잘 작동하지 않아요.
본 연구에서는 운전자별 EAR/MAR 임계값을 설정하고 CNN 모델을 통합하여 정확도를 높인 졸음 감지 시스템을 제안했어요. 실험 결과, 개인 맞춤형 임계값 사용 시 기존 방식보다 2~3% 향상된 정확도를 보였고, CNN 기반 분류는 눈 상태 감지 99.1%, 하품 감지 98.8%의 높은 정확도를 달성했어요.
이 시스템은 실시간으로 눈 깜빡임, 머리 위치, 하품 행동을 모니터링하여 피로 징후를 감지하고 경고를 제공하며, 다양한 조명 조건과 사용자 특성을 고려한 데이터셋으로 평가되었어요.