강원대학교 정보통신공학과 방우석 학부생(지도교수 서상민)이 제1저자로 참여한 인공지능(AI) 기반 운전자 졸음 전조 상태 분류 연구 논문 「FEM-PDNet: Evaluating Fixed and Learned Logit Fusion for Pre-Drowsiness Classification on UTA-RLDD」가 SCIE 국제학술지 「Electronics」에 게재되었습니다.

이번 연구는 운전자의 얼굴 영상에서 눈 깜박임, 눈꺼풀 움직임, 시선 및 머리 움직임 등의 특징을 분석하고, 영상 기반 딥러닝 모델과 얼굴·움직임 특징 기반 모델의 예측 결과를 결합하는 FEM-PDNet을 평가했습니다.

특히 고정형 및 학습형 Logit Fusion 기법을 비교하고, 모델 간 융합이 분류 성능에 미치는 영향을 체계적으로 분석했습니다.

UTA-RLDD 영상 데이터셋에서 선별한 206개 클립을 대상으로 평가한 결과, FEM-PDNet은 평균 Macro-F1 0.719, 행동·움직임 특징 기반 MLP 모델은 평균 Macro-F1 0.823을 기록했습니다. 이를 통해 다양한 특징의 결합 방식에 따른 성능 차이와 모델 융합의 한계를 함께 제시했습니다.

이번 연구 성과는 학부생이 인공지능 관련 연구를 수행하고 그 결과를 국제학술지에 제1저자로 발표했다는 점에서 의미가 있습니다.

정보통신공학과는 앞으로도 대학원 석사·박사과정 학생들의 전문적인 연구 활동을 적극 지원하는 한편, 연구에 관심과 열정을 가진 학부생들에게도 다양한 연구 참여 기회를 제공하여 우수한 연구 인재를 양성하고 연구 역량을 강화해 나갈 계획입니다.

논문 정보

·         논문명: FEM-PDNet: Evaluating Fixed and Learned Logit Fusion for Pre-Drowsiness Classification on UTA-RLDD

·         학술지: Electronics (SCIE)

·         게재일: 2026년 10월 20일

·         논문 링크: https://doi.org/10.3390/electronics15204838