머신러닝 기반 시선 움직임을 활용한 비접촉 스트레스 모니터링 기술

Abstract

스트레스는 신체적 및 정신적 건강에 부정적인 영향을 미칠 수 있어 효과적으로 모니터링하는 것이 중요하다. 기존 스트레스 감지 방법은 주관적 설문조사나 생리적 센서를 사용하지만, 설문자의 주관적 편향이나 추가 장비가 필요하다. 본 연구에서는 카메라를 이용한 비접촉 방식의 스트레스 모니터링을 위해 시선의 움직임을 분석하는 새로운 방법을 제안한다. 시선 움직임을 정량화하기 위해 좌표, 면적, 축, 길이, 속도 등의 시선 움직임 특징에서 나타나는 지표들을 정의하였다. 스트레스 유발 전후의 지표를 분석한 결과, 스트레스 상태에서 시선 움직임의 여러 지표들에서 유의미한 차이를 확인할 수 있었고, 머신러닝 모델들의 입력 변수로 활용하여 스트레스 상태를 분류하는 모델을 개발하고 정확도를 비교하였다. 랜덤 포레스트 분류기를 사용한 결과, 시선 움직임을 분석한 스트레스 분류 모델이 98.3%의 높은 정확도를 달성하였다. 이는 비접촉 방식의 유효성을 검증하는 데 중요한 의미가 있다. 또한, 본 연구는 광전 혈류 측정법 기반 맥박변이도 특징을 활용한 머신러닝 모델들과 비교하여 정확도와 분석 시간에서 우수성을 입증하였다. 이러한 결과는 추가적인 생리적 센서 없이도 스트레스를 효과적으로 평가할 수 있는 가능성을 제시하며, 향후 실시간 스트레스 모니터링 시스템으로 확장될 수 있음을 시사한다. 이는 일상생활에서 스트레스 관리를 더 쉽게 할 수 있는 도구로 활용될 수 있다.