비접촉식 카메라 기술을 활용한 사용자 시선 반응 분석 및 스트레스 인식 시스템 개발

Abstract

스트레스는 내적, 외적 자극이나 변화에 대한 정신적, 생리적, 행동적 반응으로 불안, 우울, 편두통, 뇌졸증 등 다양한 질환의 유발 원인이다. 급성 스트레스가 누적되면 만성 질환 이환으로 이어질 뿐만 아니라 치료와 관리에 드는 사회경제적 비용도 증가하므로 개인의 스트레스에 대한 조기 관리가 필요하다. 스트레스를 평가하는 방법으로는 심리 측정 도구를 사용한 자가 보고와 중추신경계와 자율신경계의 생리적 반응을 활용한 인식 방법이 있다. 하지만 자가 보고의 경우 개인의 감정적 경험에 의존한 주관적 평가로써 객관화 하기 어렵고, 생리적 반응을 활용하는 경우는 장비 착용 등의 준비 과정이 까다롭고 측정하는데 시간이 많이 소요되는 단점이 있다. 이러한 기존의 단점을 보완하기 위해서 본 연구에서는 비접촉식 적외선 카메라 기술을 활용하여 스트레스 평가를 하고자 한다. 신경학적 선행 연구에서는 불안과 같은 부정적인 감정과 관련된 신경 경로가 활성화되면 신체적인 떨림을 증가시킨다는 결과를 보고하였다. 균형 조절은 전정, 시각 및 체성감각 시스템뿐만 아니라 근육과 중추신경계 간의 협응을 포함하는 복잡한 과정으로 시각적 초점을 맞춤으로써 신체적 균형 제어를 시도한다. 따라서, 스트레스에 따라 동공과 시선 반응에 차이가 있을 것이라는 가설을 세우고 비접촉식 적외선 카메라 기술을 기반으로 사용자 시선 반응을 분석하여 스트레스를 감지하는 실시간 시스템을 제안하고자 한다 34명의 피험자는 스트레스 유발 VR 실험에 참여하였고, 실험 전후에 피험자들에게 시선 고정을 요청한 상태로 참조 데이터를 측정하였다. 수집된 적외선 카메라 영상은 영상처리를 통해 동공의 중심좌표 추적해 사용자의 시선 정보를 추출하였다. 동공 정보로부터 Sway area, Major axis, Minor axis, Sway length, Gaze velocity, Eye blink의 파라미터를 정의하고 표준화하였다. 스트레스를 분류를 위해 logistic regression, linear discriminant analysis, linear support vector machine, decision tree, random forest, xgboost, lightGBM 기계 학습 알고리즘을 통해 분석하였다. 스트레스 유발 실험 전보다 실험 후 피험자들의 시선 반경이 커졌고 눈깜빡임도 증가하는 경향을 보였으며, 트리 기반의 xgboost의 분류정확도는 97.2%였다. 이는 스트레스 연구에서 많이 활용되는 PPG의 PRV(pulse rate variability) 파라미터로 수행한 분류정확도 97.5%와 큰 차이가 없었다. 본 연구에서 제안된 스트레스 감지 시스템은 적외선 카메라로 짧은 시간에 간단하게 측정할 수 있어 스트레스 환경에 놓인 감정 노동자를 비롯한 다양한 산업 분야에 활용될 가능성이 높을 것으로 판단된다.