본 연구는 레벨 3 자율주행의 운전이양권(TOR) 안전성 향상을 위해, 기존 행동 기반 감지 방식의 한계를 극복하는 운전자 모니터링 시스템(DMS)을 개발했다. 차량의 미러 내장형 RGBW 카메라를 이용한 비접촉 원격 광용적맥파(rPPG) 기술로 운전자의 심박수를 실시간 측정하고, 심박변이도(HRV) 분석을 통해 졸음, 스트레스 등 운전자의 각성 수준을 판단한다. 딥러닝 기반 얼굴 인식, 신호 처리, 패턴 인식 알고리즘을 통합하여 시스템을 구현했다. 총 28명을 대상으로 105시간 이상의 실제 도로 환경에서 검증한 결과, 심전도(ECG) 대비 85.14%의 심박수 측정 정확도와 90.81%의 상태 판단 정확도를 달성했다. 본 연구는 생체신호 기반의 운전자 상태 평가가 TOR 판단의 신뢰성을 높이는 핵심 기술이 될 수 있음을 실증했다.

To improve the safety of take-over requests (TOR) in Level 3 autonomous driving, this study introduces a non-contact advanced driver monitoring system that avoids reactive, behavior-based approaches, in which an in-vehicle RGBW camera measures the driver’s heart rate via remote photoplethysmography (rPPG). The system then analyzes the driver’s heart rate variability to classify their real-time arousal state (drowsy, stressed, or normal) and employs a deep learning model for face detection, advanced signal processing, and a pattern recognition algorithm for state classification. This system was validated in over 105 hours of real-world driving with 28 participants, achieving 85.14% heart rate accuracy compared to an ECG and 90.81% state classification accuracy. This study is expected to enhance TOR safety by confirming that physiological monitoring provides reliable metrics to assess driver readiness.