• 제목/요약/키워드: 반려동물 영상

검색결과 15건 처리시간 0.026초

DeepLabCut과 Mask R-CNN 기반 반려동물 행동 분류 설계 (Design of Pet Behavior Classification Method Based On DeepLabCut and Mask R-CNN)

  • 권주영;신민찬;문남미
    • 한국정보처리학회:학술대회논문집
    • /
    • 한국정보처리학회 2021년도 추계학술발표대회
    • /
    • 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.

반려동물 행동 분석 기반 이상행동 예측 시스템 (Abnormal behavior prediction system based on companion animal behavior analysis)

  • 신민찬;문남미
    • 한국정보처리학회:학술대회논문집
    • /
    • 한국정보처리학회 2021년도 춘계학술발표대회
    • /
    • 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.

Deep Learning-Based Companion Animal Abnormal Behavior Detection Service Using Image and Sensor Data

  • Lee, JI-Hoon;Shin, Min-Chan;Park, Jun-Hee;Moon, Nam-Mee
    • 한국컴퓨터정보학회논문지
    • /
    • 제27권10호
    • /
    • pp.1-9
    • /
    • 2022
  • 본 논문에서는 영상 데이터와 센서 데이터를 활용한 딥러닝 기반의 반려동물 이상행동 탐지 서비스를 제안한다. 최근 반려동물 보유 가구의 증가로 인해 기존 푸드 및 의료 중심의 반려동물 시장에서 인공지능을 더한 펫테크(Pet Tech) 산업이 성장하고 있다. 본 연구에서는 인공지능을 통한 반려동물의 건강관리를 위해 영상 및 센서 데이터를 활용한 딥러닝 모델을 기반으로 반려동물의 행동을 분류하고, 이상행동을 탐지하였다. 자택의 CCTV와 직접 제작한 펫 웨어러블 디바이스를 활용하여 반려동물의 영상 데이터 및 센서 데이터를 수집하고, 모델의 입력 데이터로 활용한다. 행동의 분류를 위해 본 연구에서는 반려동물의 객체를 검출하기 위한 YOLO(You Only Look Once) 모델과 관절 좌표를 추출하기 위한 DeepLabCut을 결합하여 영상 데이터를 처리하였고, 센서 데이터를 처리하기 위해 각 센서 별 연관관계 및 특징을 파악할 수 있는 GAT(Graph Attention Network)를 활용하였다.

반려동물(소(小) 동물)을 위한 스마트 케이지 시스템 (A smart cage system for companion animal)

  • 국영한;강소연;박재형;안상준;오세찬;박철훈
    • 한국정보처리학회:학술대회논문집
    • /
    • 한국정보처리학회 2019년도 추계학술발표대회
    • /
    • 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.

반려동물 모니터링을 위한 YOLO 기반의 이동식 시스템 설계 (Design of YOLO-based Removable System for Pet Monitoring)

  • 이민혜;강준영;임순자
    • 한국정보통신학회논문지
    • /
    • 제24권1호
    • /
    • pp.22-27
    • /
    • 2020
  • 최근 1인 가구의 증가로 반려동물을 키우는 가구가 많아짐에 따라, 주인의 부재 시에도 반려동물의 상태나 행동을 모니터링하는 시스템에 대한 필요성이 요구되고 있다. 가정용 CCTV를 이용한 반려동물의 모니터링에는 지역적 한계가 있어, 다수의 CCTV를 필요로 하거나 반려동물의 행동반경을 제한하는 방법을 사용하게 된다. 본 논문에서는 반려동물 모니터링의 지역적 한계를 해결하고자 딥러닝을 이용하여 고양이를 검출하고 추적하는 이동식 시스템을 제안한다. 객체 검출 신경망 모델의 하나인 YOLO(You Look Only Once)를 이용하여 데이터셋을 학습하고, 이를 기반으로 라즈베리파이에 적용하여 영상에서 검출된 객체를 추적한다. 라즈베리파이와 노트북을 무선 랜으로 연결하고 고양이의 움직임과 상태를 실시간으로 확인이 가능한 이동식 모니터링 시스템을 설계하였다.

아웃페인팅 기반 반려동물 자세 추정에 관한 예비 연구 (A Pilot Study on Outpainting-powered Pet Pose Estimation)

  • 이규빈;이영찬;유원상
    • 융합신호처리학회논문지
    • /
    • 제24권1호
    • /
    • pp.69-75
    • /
    • 2023
  • 최근 동물 행동 분석 및 건강관리 분야를 중심으로 딥러닝 기반 동물 자세 추정 기법에 대한 관심이 높아지고 있다. 그러나 기존 동물 자세 추정 기법은 영상에서 신체 부위가 가려지거나 존재하지 않을 경우 좋은 성능을 보이지 않는다. 특히 꼬리나 귀가 가려진 경우, 반려견의 행동 및 감정 분석의 성능에도 심각한 영향을 미친다. 본 논문에서는 이러한 다루기 힘든 문제를 해결하기 위해, 이미지 아웃페인팅 네트워크를 자세 추정 네트워크에 연결하여 이미지 외부에 존재하는 반려견의 신체를 복원한 확장된 이미지를 생성하여 반려견의 자세를 추정하는 단순하면서도 새로운 접근방법을 제안하였고, 제안된 방법의 실현가능성을 검토하는 예비 연구를 수행하였다. 이미지 아웃페인팅 모델로는 CE-GAN과 트랜스포머 기반의 BAT-Fill을 사용하였고, 자세 추정 모델로는 SimpleBaseline을 사용하였다. 실험 결과, 크롭된 입력 이미지에서 반려견의 자세를 추정하였을 때보다, BAT-Fill을 사용하여 아웃페인팅된 확장 이미지에서 반려견의 자세를 추정하였을 때 자세 추정의 성능이 향상되었다.

AI 기법을 이용한 반려동물의 행동 및 감정 탐지 (A Detection of Behavior and Emotion for Companion animal using AI)

  • 이정우;이하랑;신동진;원일용
    • 한국정보처리학회:학술대회논문집
    • /
    • 한국정보처리학회 2022년도 추계학술발표대회
    • /
    • 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.

반려동물 비문 인식을 위한 특징점 지역 기술자 연구 (A study on the Feature Local Descriptor for Recognition of Pet's Nose-print)

  • 김형오;홍상범;홍창호
    • 한국정보통신학회:학술대회논문집
    • /
    • 한국정보통신학회 2018년도 추계학술대회
    • /
    • pp.556-557
    • /
    • 2018
  • 전국 350여개의 보호소는 매년 약 10만 마리의 유기동물이 거쳐간다. 입양희망자에게 입양되지 않으면 보호소에 들어온 지 20일만에 4마리 중 1마리 꼴로 안락사를 당한다. 따라서 유기동물 발생을 방지하기 위해 손쉽게 반려동물을 등록하고 이력을 관리할 수 있는 비문 등록 기술이 필요하다. 본 논문에서는 사람의 지문처럼 반려동물을 식별할 수 있는 비문을 통한 인식 기술을 개발 하기 위해 비문 영상에서 특징점을 기술 할 수 있는 지역 기술자에 대해 제안 했으며 시물레이션을 통해 효용성을 입증하였다.

  • PDF

1인 가구의 화재예방 대책 연구 (A Study of Fire Prevention Measures for Single-person Households)

  • 김종국;한동호
    • 문화기술의 융합
    • /
    • 제7권1호
    • /
    • pp.424-431
    • /
    • 2021
  • 본 연구는 저출산·고령화, 만혼, 비혼, 별거, 사별, 귀농귀촌 등으로 인한 가족구조의 변화, 노동시장의 유연성 증대 등으로 인한 1인가구 증가라는 현상에 대해 1인가구의 화재예방 대책을 탐구하고 있다. 1인가구의 화재에 영향을 미치는 요인은 구조적 차원에서 주거환경문제가 있다. 행태적 측면에서 반려동물 양육에 따른 화재발생 증가가 있다. 1인가구의 화재예방을 위해서는 구조적 차원에서 주거환경 개선을 위한 예외 없는 안전규제가 필요하다. 행태적 차원에서는 관계기관 예방안전지도의 확대 적용이 필요하다. 또한 반려동물로 인한 화재 예방을 위한 조치로서 전기레인지의 제조사들은 반려동물로 인한 화재를 예방하는 안전장치, 예를 들면 자동 전원 차단장치나 타이머를 활용한 전원 공급 등을 개발해야 한다. 반려동물을 안전하게 키우기 위해 필요한 조치들을 홍보영상으로 만들어 배포하거나 가상현실로 구현된 재난대비 프로그램을 개발해서 보급하는 것도 중요한 수단이 될 수 있다.

GAN 기반 데이터 증강을 통한 반려동물 종 분류 (Pet-Species Classification with Data augmentation based on GAN)

  • 박찬;문남미
    • 한국정보처리학회:학술대회논문집
    • /
    • 한국정보처리학회 2021년도 추계학술발표대회
    • /
    • 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.