A Feature Selection Method for Driver Stress Detection Using Heart Rate Variability and Breathing Rate

要約

ドライバーのストレスは、世界中で交通事故や死亡の主な原因となっています。さらに、持続的なストレスは健康上の問題であり、高血圧やその他の循環器系疾患の一因となります。ストレスは心拍数や呼吸数に測定可能な影響を与え、その測定値からストレスレベルを推察することができます。ガルバニック皮膚反応は、生理的、心理的ストレスや極端な感情によって引き起こされる発汗を測定するための一般的なテストである。本論文では、ガルバニック皮膚反応を用いて、グランドトゥルースのストレスレベルを推定する。次に、最小冗長性-最大関連性法に基づく特徴選択技法を複数の心拍変動および呼吸数メトリクスに適用し、ストレス検出に使用するための新規かつ最適な組み合わせを特定する。これらの特徴量とともに、放射状基底関数カーネルを用いたサポートベクターマシンアルゴリズムを用いることで、ストレスを確実に予測することができた。提案手法は、対象データセットにおいて高い精度を達成した。

要約(オリジナル)

Driver stress is a major cause of car accidents and death worldwide. Furthermore, persistent stress is a health problem, contributing to hypertension and other diseases of the cardiovascular system. Stress has a measurable impact on heart and breathing rates and stress levels can be inferred from such measurements. Galvanic skin response is a common test to measure the perspiration caused by both physiological and psychological stress, as well as extreme emotions. In this paper, galvanic skin response is used to estimate the ground truth stress levels. A feature selection technique based on the minimal redundancy-maximal relevance method is then applied to multiple heart rate variability and breathing rate metrics to identify a novel and optimal combination for use in detecting stress. The support vector machine algorithm with a radial basis function kernel was used along with these features to reliably predict stress. The proposed method has achieved a high level of accuracy on the target dataset.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL