• Proceedings of the Korea Information Processing Society Conference
• /
• 2021.11a
• /
• pp.927-929
• /
• 2021

최근 펫팸족(Pet-Family)과 같이 반려동물을 가족처럼 생각하는 가구가 증가하면서 반려동물 시장이 크게 성장하고 있다. 이러한 이유로 본 논문에서는 반려동물의 객체 식별을 통한 객체 분할과 신체 좌표추정에 기반을 둔 반려동물의 행동 분류 방법을 제안한다. 이 방법은 CCTV를 통해 반려동물 영상 데이터를 수집한다. 수집된 영상 데이터는 반려동물의 인스턴스 분할을 위해 Mask R-CNN(Region Convolutional Neural Networks) 모델을 적용하고, DeepLabCut 모델을 통해 추정된 신체 좌푯값을 도출한다. 이 결과로 도출된 영상 데이터와 추정된 신체 좌표 값은 CNN(Convolutional Neural Networks)-LSTM(Long Short-Term Memory) 모델을 적용하여 행동을 분류한다. 본 모델을 바탕으로 행동을 분석 및 분류하여, 반려동물의 위험 상황과 돌발 행동에 대한 올바른 대처를 제공할 수 있는 기반을 제공할 것이라 기대한다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2021.05a
• /
• pp.487-490
• /
• 2021

최근 반려동물 관련 산업이 증가함에 따라 반려동물의 행동을 분석하는 연구가 진행되고 있다. 이를 바탕으로 본 논문에서는 반려동물 행동 분석을 통한 이상행동 예측 시스템을 제안한다. 이 시스템은 CCTV로부터 반려동물의 영상 데이터를 수집하고, YOLOv4(You Only Look Once version 4)를 통해 반려동물의 객체를 탐지한다. 행동을 분석하기 위해 탐지된 반려동물 객체를 DeepLabCut 딥러닝 알고리즘을 사용하여 관절 좌표 정보를 추출한다. 추출된 관절 좌표와 반려동물의 일반적인 행동을 매칭하여 이상행동을 예측하기 위한 DNN(Deep Neural Networks)의 입력 데이터로써 사용된다. 위 과정을 통해 반려동물의 전체적인 행동을 분석하여 이상행동을 예측한다. 이 시스템을 통해 반려동물의 행동을 분석하고 이상행동을 예측함으로써 반려동물 의료 관련 사업에도 적용될 수 있을 것이다.

• Journal of the Korea Society of Computer and Information
• /
• v.27 no.10
• /
• pp.1-9
• /
• 2022

In this paper, we propose the Deep Learning-Based Companion Animal Abnormal Behavior Detection Service, which using video and sensor data. Due to the recent increase in households with companion animals, the pet tech industry with artificial intelligence is growing in the existing food and medical-oriented companion animal market. In this study, companion animal behavior was classified and abnormal behavior was detected based on a deep learning model using various data for health management of companion animals through artificial intelligence. Video data and sensor data of companion animals are collected using CCTV and the manufactured pet wearable device, and used as input data for the model. Image data was processed by combining the YOLO(You Only Look Once) model and DeepLabCut for extracting joint coordinates to detect companion animal objects for behavior classification. Also, in order to process sensor data, GAT(Graph Attention Network), which can identify the correlation and characteristics of each sensor, was used.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2019.10a
• /
• pp.555-558
• /
• 2019

고령화 및 1 인가구의 증가와 함께 반려동물을 키우는 인구수는 증가하여 반려동물 산업이 증가하는 반면 반려동물 산업이 개와 고양이에 국한되어있다. 본 프로젝트 에서는 소 동물 특히, 고슴도치에 집중하여 온/습도 정보확인, 이미지 영상 실시간 확인, 자동 먹이배급 등의 기능을 갖는 반려동물 스마트 케이지 시스템을 개발하였다. 센서 노이즈를 줄이기 위하여 평균화 하여 사용하였고, 시리얼통신, mqtt, http 통신을 사용하여 센서, MCU, 마이컴, 스마트폰 Application 을 연동하여 사용자가 모든 기능을 쉽게 사용 가능하도록 하였다.

• Journal of the Korea Institute of Information and Communication Engineering
• /
• v.24 no.1
• /
• pp.22-27
• /
• 2020

Recently, as the number of households raising pets increases due to the increase of single households, there is a need for a system for monitoring the status or behavior of pets. There are regional limitations in the monitoring of pets using domestic CCTVs, which requires a large number of CCTVs or restricts the behavior of pets. In this paper, we propose a mobile system for detecting and tracking cats using deep learning to solve the regional limitations of pet monitoring. We use YOLO (You Look Only Once), an object detection neural network model, to learn the characteristics of pets and apply them to Raspberry Pi to track objects detected in an image. We have designed a mobile monitoring system that connects Raspberry Pi and a laptop via wireless LAN and can check the movement and condition of cats in real time.

• Journal of the Institute of Convergence Signal Processing
• /
• v.24 no.1
• /
• pp.69-75
• /
• 2023

In recent years, there has been a growing interest in deep learning-based animal pose estimation, especially in the areas of animal behavior analysis and healthcare. However, existing animal pose estimation techniques do not perform well when body parts are occluded or not present. In particular, the occlusion of dog tail or ear might lead to a significant degradation of performance in pet behavior and emotion recognition. In this paper, to solve this intractable problem, we propose a simple yet novel framework for pet pose estimation where pet pose is predicted on an outpainted image where some body parts hidden outside the input image are reconstructed by the image inpainting network preceding the pose estimation network, and we performed a preliminary study to test the feasibility of the proposed approach. We assessed CE-GAN and BAT-Fill for image outpainting, and evaluated SimpleBaseline for pet pose estimation. Our experimental results show that pet pose estimation on outpainted images generated using BAT-Fill outperforms the existing methods of pose estimation on outpainting-less input image.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2022.11a
• /
• pp.580-582
• /
• 2022

본 본문은 영상을 통해 반려동물의 행동과 감정을 인식하는 연구이다. 이러한 연구는 반려동물과 인간의 삶을 향상시키는데 도움을 줄 수 있다. 제안된 시스템의 유용성은 실험을 통해 검증하였고, 어느 정도 의미 있는 결과를 얻을 수 있었다.

• Proceedings of the Korean Institute of Information and Commucation Sciences Conference
• /
• 2018.10a
• /
• pp.556-557
• /
• 2018

About 350 shelters nationwide go through about 100,000 organic animals every year. If you are not adopted by the adoption candidate, you will be euthanized in just one out of every fourteen days after entering the shelter. Therefore, in order to prevent the occurrence of organic animals, it is necessary to register the companion animal easily and to register the inscription to manage the history. In this paper, we propose a local technician who can describe feature points in inscription images to develop recognition technology through inscription, which can distinguish companion animals such as human fingerprints.

• The Journal of the Convergence on Culture Technology
• /
• v.7 no.1
• /
• pp.424-431
• /
• 2021

This study explores fire prevention measures for single-person households on the phenomenon of an increase in single-person households due to changes in the family structure due to low birthrate and aging population, full marriage, non-marriage, separation, bereavement, and returning to farming villages, and increased flexibility in the labor market. The factor that affects the fire of single-person households is the residential environment problem at the structural level. In terms of behavior, there is an increase in fire occurrence due to the rearing of companion animals. In order to prevent fires in single-person households, safety regulations without exceptions are needed to improve the residential environment at the structural level. At the behavioral level, it is necessary to expand the prevention and safety guidance of related organizations. In addition, as a measure to prevent fire caused by companion animals, manufacturers of electric ranges should develop safety devices to prevent fires caused by companion animals, such as an automatic power-off device or power supply using a timer. It can also be an important means to create and distribute promotional videos of measures necessary to safely raise companion animals, or to develop and distribute disaster preparedness programs implemented in virtual reality.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2021.11a
• /
• pp.930-932
• /
• 2021

영상처리에서 데이터 증강(Data augmentation)은 단순히 사진을 편집하여 사진의 개수를 증강하는 것이다. 단순 데이터 증강은 동물의 반점이나 다양한 색깔을 반영하지 못하는 한계가 있다. 본 논문에서는 GAN을 통한 데이터 증강 기법을 제안한다. 제안하는 방법은 CycleGAN을 사용하여 GAN 이미지를 생성한 뒤, 데이터 증강을 거쳐 동물의 종 분류 정확도를 측정한다. 정확도 비교를 위해 일반 사진으로만 구성한 집단과 GAN 사진을 추가한 두 집단으로 나누었다. ResNet50을 사용하여 종 분류 정확도를 측정한다.