• Proceedings of the Korea Information Processing Society Conference
• /
• 2018.10a
• /
• pp.833-835
• /
• 2018

최근 돼지의 상태 및 행동을 분석하기 위하여 카메라를 이용한 돈사 내 돼지에 대한 감시 시스템에 관한 연구가 활발히 진행되고 있다. 특히, 대부분의 국내 돈사는 돼지를 밀집 사육하는 방식이기 때문에 돼지의 겹침이 빈번하게 발생한다. 돼지들 간 겹침이 발생하게 되면 한 마리의 돼지로 인식하는 문제가 있기 때문에 개별 돼지의 탐지 및 추적이 불가능하다. 본 논문에서는 깊이 정보 영상을 이용하여 겹침 돼지를 탐지하고 개별 돼지로 특정 하는 방법을 제안한다. 즉, 임계 값을 설정하여 돼지와 배경을 분리함으로써 돼지들의 영역을 탐지하고, 탐지된 돼지들의 영역 크기를 비교하여 겹침 돼지를 탐지한다. 이후 탐지된 겹침 돼지의 깊이 정보를 이용하여 겹침 돼지를 두 마리의 돼지로 특정한다. 실험 결과, 겹침 돼지를 탐지하였고 탐지된 겹침 돼지에 대하여 각각 서 있는 돼지와 누워 있는 돼지로 특정 하였다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2016.10a
• /
• pp.689-690
• /
• 2016

밀집된 돈방에서 사육되는 돼지의 공격적인 행동들은 돼지의 성장에 심각한 악영향을 주고, 이는 농가의 경제적 손실로 이어진다. 따라서 돈방 내의 비정상 상황들을 지속적으로 모니터링할 수 있는 IT기반의 영상 감시 시스템이 요구된다. 본 논문에서는 돼지의 행동 분석 이전에 필수적으로 선행되어야 하는 개별 돼지의 탐지를 위한 키넥트 카메라 기반의 새로운 모니터링 시스템을 제안한다. 먼저, 배경차영상 기법과 깊이 임계값을 이용하여 서있는 돼지만을 탐지한다. 둘째, 서있는 돼지들 중에서 움직임이 있는 돼지만을 관심영역으로 설정하여 탐지한다. 마지막으로, 서서 움직이는 돼지들 사이에서 발생하는 근접 문제를 깊이 정보를 이용한 등고선기법을 제안 적용하여 돼지 객체의 탐지를 완성한다. 실제 세종에 위치한 한 돈사에서 취득한 깊이 영상 정보를 이용하여 본 논문에서 제안하는 시스템의 성능을 실험적으로 검증하였다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2017.11a
• /
• pp.724-726
• /
• 2017

국내 축산 농가에서는 효율적인 가축관리를 위하여 이유 자돈들을 따로 합사하여 관리한다. 이 과정에서 생기는 돼지들의 공격적인 행동은 다른 돼지들에게 물리적인 상처를 발생시킨다. 따라서 이를 방지하기 위해서는 실시간으로 돼지들의 행동을 분석하는 시스템이 요구된다. 본 논문에서는 돼지들의 행동분석 시스템 이전에 필수적으로 선행되어야만 하는 개별 돼지 탐지에 초점을 두었으며, 연구에 필요한 영상은 조명변화에 강인한 키넥트 카메라를 이용하여 취득하였다. 취득한 영상은 전처리과정을 거치게 되고, 전처리가 끝난 이미지는 YOLO에 적용되어 개별 돼지를 실시간으로 탐지한다. 실제 국내 돈사에서 취득한 영상을 이용하여 제안하는 시스템의 성능을 실험적으로 검증하였다.

• The Journal of the Korea Contents Association
• /
• v.18 no.2
• /
• pp.1-10
• /
• 2018

Aggression among pigs adversely affects economic returns and animal welfare in intensive pigsties. Recently, some studies have applied information technology to a livestock management system to minimize the damage resulting from such anomalies. Nonetheless, detecting each pig in a crowed pigsty is still challenging problem. In this paper, we propose a new Kinect camera and deep learning-based monitoring system for the detection of the individual pigs. The proposed system is characterized as follows. 1) The background subtraction method and depth-threshold are used to detect only standing-pigs in the Kinect-depth image. 2) The standing-pigs are detected by using YOLO (You Only Look Once) which is the fastest and most accurate model in deep learning algorithms. Our experimental results show that this method is effective for detecting individual pigs in real time in terms of both cost-effectiveness (using a low-cost Kinect depth sensor) and accuracy (average 99.40% detection accuracies).

• KIPS Transactions on Computer and Communication Systems
• /
• v.5 no.10
• /
• pp.319-326
• /
• 2016

Abnormal situation caused by aggressive behavior of pigs adversely affects the growth of pigs, and comes with an economic loss in intensive pigsties. Therefore, IT-based video surveillance system is needed to monitor the abnormal situations in pigsty continuously in order to minimize the economic demage. In this paper, we propose a new Kinect camera-based monitoring system for the detection of the individual pigs. The proposed system is characterized as follows. 1) The background subtraction method and depth-threshold are used to detect only standing-pigs in the Kinect-depth image. 2) The moving-pigs are labeled as regions of interest. 3) A contour method is proposed and applied to solve the touching-pigs problem in the Kinect-depth image. The experimental results with the depth videos obtained from a pig farm located in Sejong illustrate the efficiency of the proposed method.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2017.04a
• /
• pp.955-957
• /
• 2017

감시 카메라 환경에서 돈사 내 돼지들을 탐지 및 추적에 관한 연구는 효율적인 돈사 관리측면에서 중요한 이슈로 떠오르고 있다. 그러나 깊이 정보 내 노이즈와 돈방 내 돼지와 배경의 깊이 정보 값이 유사하여 개별 돼지만을 탐지하기란 쉽지 않다. 특히 천장에 설치된 센서로부터 획득된 벽과 바닥 경계에 위치한 돼지를 탐지하기 위한 방법이 요구된다. 본 논문에서는 노이즈에 덜 민감한 바닥 배경을 이용하여 바닥에 위치한 돼지의 부분을 먼저 탐지한 후, 벽에 위치한 돼지의 나머지 부분을 수퍼픽셀과 영역확장 기법으로 탐지하는 방법을 제안한다. 실험 결과 돈방 내 벽과 바닥 경계에 위치한 돼지를 정확히 탐지하였으며, 영상 1장 당 수행시간이 5msec로 실시간 처리에 문제가 없음을 확인하였다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2015.10a
• /
• pp.1431-1434
• /
• 2015

24시간 모니터링 환경에서 돈사 내 개별 돼지들의 상태를 자동으로 탐지하는 연구는 효율적인 돈사 관리 측면에서 중요한 이슈로 떠오르고 있다. 특히 돼지 호흡기 질병은 전염성이 매우 강하여, 막대한 경제적 손실을 최소화하기 위해서는 조기에 탐지하는 것이 매우 중요하다. 본 논문에서는 마이크를 통한 소리 정보뿐 아니라 카메라를 통한 영상 정보를 동시에 활용하여 호흡기 질병에 걸린 개별 돼지를 조기에 탐지하는 방법을 제안한다. 즉, 돈사의 천장에 설치된 마이크로부터 호흡기 질병에 걸린 소리 정보를 먼저 탐지한 후 카메라로부터 획득된 영상 정보의 MHI 분석을 수행하여 호흡기 질병에 걸린 돼지를 특정한다. 실험결과, 소리와 영상 정보를 동시에 활용하는 제안 방법을 이용하여 호흡기 질병에 걸린 돼지를 특정할 수 있음을 확인하였다.

• KIPS Transactions on Software and Data Engineering
• /
• v.7 no.4
• /
• pp.135-144
• /
• 2018

The domestic pigsty environment is highly vulnerable to the spread of respiratory diseases such as foot-and-mouth disease because of the small space. In order to manage this issue, a variety of studies have been conducted to automatically analyze behavior of individual pigs in a pig pen through a video surveillance system using a camera. Even though it is required to correctly segment touching pigs for tracking each pig in complex situations such as aggressive behavior, detecting the correct boundaries among touching pigs using Kinect's depth information of lower accuracy is a challenging issue. In this paper, we propose a segmentation method using motion information of the touching pigs. In addition, our proposed method can be applied for detecting tracking errors in case of tracking individual pigs in the complex environment. In the experimental results, we confirmed that the touching pigs in a pig farm were separated with the accuracy of 86%, and also confirmed that the tracking errors were detected accurately.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2015.04a
• /
• pp.770-772
• /
• 2015

어미로부터 생후 21일령 또는 28일령에 젖을 때는 이유자돈들만을 개별적인 돈사에서 합사하는 경우, 낯선 환경 및 새로운 동료들과의 서열 구분을 위한 공격적인 행동이 매우 빈번하게 발생한다. 이로 인한 돼지의 성장 저하는 농가의 소득 하락으로 이어져 국내 외 양돈 농가의 큰 문제로 인식되고 있다. 본 논문에서는 키넥트 카메라에서 취득할 수 있는 영상의 깊이정보를 이용하여 이유자돈들의 공격적인 행동을 조기 탐지할 수 있는 프로토타입 모니터링 시스템을 제안한다. 먼저 제안한 시스템은 키넥트의 적외선 센서에서 실시간으로 취득하는 깊이 정보로부터 움직임이 있는 객체들만을 탐지하고, 해당 객체들의 ROI를 설정한다, 둘째, ROI를 이용하여 5가지 특정 정보(객체의 평균, 최고, 최소 속도, 객체 속도의 표준편차, 두 객체 사이의 최소 거리)를 추출한다. 셋째, 취득한 특징 정보는 이진 클래스 분류 문제로 해석하여, 기계학습의 대표적인 모델인 SVM을 탐지기로 사용하였다. 실제 이유자돈사에서 취득한 키넥트 영상을 이용하여 모의 실험을 수행한 결과 안정적인 성능을 확인하였다.

• Journal of Korea Multimedia Society
• /
• v.20 no.2
• /
• pp.216-224
• /
• 2017

Abnormal situation caused by aggressive behavior of pigs adversely affects the growth of pigs, and comes with an economic loss in intensive pigsties. Therefore, IT-based video surveillance system is needed to monitor the abnormal situations in pigsty continuously in order to minimize the economic demage. Recently, some advances have been made in pig monitoring; however, detecting each pig is still challenging problem. In this paper, we propose a new color image-based monitoring system for the detection of the individual pig using a fast region-based convolution neural network with consideration of detecting touching pigs in a crowed pigsty. The experimental results with the color images obtained from a pig farm located in Sejong city illustrate the efficiency of the proposed method.