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、世界中で自動車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、高血圧やその他の心血管系疾患の原因となります。
ストレスは心拍数と呼吸数に測定可能な影響を及ぼし、ストレスレベルはそのような測定値から推測できます。
電気皮膚反応は、生理学的ストレスと心理的ストレス、および極度の感情の両方によって引き起こされる発汗を測定する一般的なテストです。
この論文では、皮膚電気反応を使用して、グラウンド トゥルース ストレス レベルを推定します。
次に、最小冗長-最大関連性法に基づく特徴選択手法を複数の心拍数変動および呼吸数メトリクスに適用して、ストレスの検出に使用する新規で最適な組み合わせを特定します。
応力を確実に予測するために、放射基底関数カーネルを備えたサポート ベクター マシン アルゴリズムがこれらの機能とともに使用されました。
提案された手法は、ターゲット データセットに対して高レベルの精度を達成しました。

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, Google