Stress Identification and Analysis Using Observed Heart Beat Data from Polar H7

Abstract

최근 인터넷에 연결되는 기기가 PC뿐만 아니라 다양한 기기로 확대됨에 따라 많은 분야의 기술은 주로 사물인터넷(IOT)과 관련된 분야로 확장되고 있다. 특히 의료분야는 질병의 진단속도를 향상시키고 검사의 정확도를 증가시키기 위한 용도로 IOT와 머신 러닝의 기술융합을 사용하고 있는 분야 중 하나로 꼽힌다. 이러한 기술은 스트레스처럼 질병을 일으키는 특정한 매개변수를 확인하기 어려운 질병에 적용하기에 가장 적합하다. 스트레스에 대해 제대로 인식하지 못하거나 늦게 인식하는 경우 우리는 작은 질병뿐만 아니라 심각한 질병을 얻는 결과를 초래한다. 그러므로 스트레스로 인한 질병을 얻기 전에 예방이 꼭 필요하다. 본 연구에서는 심박수 측정 데이터를 이용하여 스트레스를 판별하고 분석하는 것을 연구하고자 한다. 본 논문의 연구 방법으로 대상자의 정신적인 스트레스를 분류해 내기 위해 측정 대상자의 심박수 데이터에서 심박 변동(HRV)의 특징을 추출하고 머신 러닝 기술을 스트레스 감지 도구로 이용하였다. 스트레스 측정을 위해 네 단계인 데이터 수집, 데이터 처리(HRV 분석), 특징 분류, 머신 러닝을 수행하였다. 이를 바탕으로 피어슨의 상관행렬로 계산된 몇 가지 HRV 분석 모듈을 이용하여 총 56가지의 특징을 분류하였다. 그리고 모든 특징 값과 비교되어 분류된 특징의 결과리스트는 세 가지 머신 러닝 기술을 이용한 오류 모형과 비교 분석하였다. 분석에 사용된 세 가지 머신 러닝 기술은 서포트 벡터 머신(SVM) 모델, 결정 트리 모델, 판별분석 모델이며. 실험결과 SVM 모델과 결정 트리 모델의 오차범위는 1%이며, 판별 분석 모델의 오차범위는 5%이다. 본 연구에서 수행된 머신 러닝 기술의 평균 정확도는 최대 90%이다.