스마트워치의 PPG 신호를 이용한 신변보호 대상자의 심리적 위험 감지 = Detection of Psychological Risk for Protected Individuals by Using PPG Signals from Smartwatch

국문 초록 (Abstract)

본 연구에서는 스마트워치로부터 측정된 짧은 길이의 PPG 신호를 이용해 위험을 느끼는 감정을 추론하는 기계학습 모델을 제안한다. 지도학습에서는 정확하게 참 값이 기록된 학습데이터가 필요하다. 그러나, 위험 분류를 목표하는 실험에서 참가자들이 느끼는 위험의 정도 차이 때문에 학습데이터에 참 값을 기록하기 어렵다. 본 연구의핵심은 학습 데이터에서 모호하게 레이블 된 데이터를 제거하는 알고리즘을 개발하여 결과적으로 추론 모델의 정확성을 향상시키는 것이다. 학습데이터는 긍정/부정 영상 시청을 통해 수집하였고, 추론 정확도는 공포 VR 게임을수행하는 참가자들의 PPG 신호를 이용하였다. 기존의 PPG를 이용한 감정 추론 방법들과 비교를 통해 제안한 방법의 우수성을 입증하였다.

다국어 초록 (Multilingual Abstract)

This paper proposes a machine learning approach to detect dangerous emition using short-term PPG (Photoplethysmogram) signals from a commercial smartwatch. In supervised learning, having accurately annotated training data is essential. However, a key challenge in emition detection problem is the uncertainty regarding how accurately data labeled as ”danger” reflects actual dangerous responses, since participants may react differently to the same experiments. The main contribution of this paper is the development of a feature selection method to remove ambiguously labeled training data, thereby improving the accuracy of the prediction model. In the test, PPG measurements were collected from participants playing a horror VR (Virtual Reality) game, and the proposed method validated the superiority of our proposed approach in comparison with other methods.