최근 개에 대한 인식이 가정에서 기르는 애완견에서, 동반자적 의미를 내포하는 반려견으로 변화됨에 따라 상호 간 유대관계 형성은 과거보다 더 중요해졌다. Animal-Computer Interaction(ACI) 분야에서 인간과 반려견 사이의 인터랙션 및 커뮤니케이션을 돕기 위한 연구가 꾸준히 진행되는 이유도 이 때문이다. 그러나 현재까지 진행된 연구와 개발된 제품은 대부분 반려견의 행동 인지를 통한 운동량 ...
최근 개에 대한 인식이 가정에서 기르는 애완견에서, 동반자적 의미를 내포하는 반려견으로 변화됨에 따라 상호 간 유대관계 형성은 과거보다 더 중요해졌다. Animal-Computer Interaction(ACI) 분야에서 인간과 반려견 사이의 인터랙션 및 커뮤니케이션을 돕기 위한 연구가 꾸준히 진행되는 이유도 이 때문이다. 그러나 현재까지 진행된 연구와 개발된 제품은 대부분 반려견의 행동 인지를 통한 운동량 모니터링에 집중되어 있다. 인간과 반려견이 정서적으로 감정을 교류할 수 있도록 지원하는 부분은 매우 미흡한 실정이다. 짖음, 귀의 움직임 변화, 꼬리의 움직임 변화를 통해 반려견의 기분 혹은 감정을 어느 정도 파악할 수는 있지만 전문가가 아닐 경우 자칫 잘못된 반응으로 인한 의사소통의 오류를 범할 수 있다. 본 논문에서는 이러한 문제점을 해결하기 위하여 연구를 통해 반려견의 행동을 정확하게 분류-인지하는 것에 중점을 두어, 인간과 반려견 사이의 감정적 유대관계를 위한 커뮤니케이션 증진에 기여하고자 하였다. 반려견의 행동을 9가지로 선정하고 가속도 센서와 자이로 센서를 이용하여 행동 데이터를 수집하였다. 수집한 행동 데이터를 분류하기 위해 다양한 방법을 제시하고, 관찰자적 시점과 기계학습을 이용하여 분류를 진행하였다. 결과로써 반려견의 행동 인지를 위한 행동 분류는 기준 시간을 4초로 설정하고, 자세를 취하기 전 Gesture의 움직임을 포함하며, 머리의 움직임을 배제하지 않고, 몸의 방향성을 유지하지 않은 움직임 또한 배제하지 않을 때 이상적인 분류 정확도와 분류 정합성을 추출하였다.
최근 개에 대한 인식이 가정에서 기르는 애완견에서, 동반자적 의미를 내포하는 반려견으로 변화됨에 따라 상호 간 유대관계 형성은 과거보다 더 중요해졌다. Animal-Computer Interaction(ACI) 분야에서 인간과 반려견 사이의 인터랙션 및 커뮤니케이션을 돕기 위한 연구가 꾸준히 진행되는 이유도 이 때문이다. 그러나 현재까지 진행된 연구와 개발된 제품은 대부분 반려견의 행동 인지를 통한 운동량 모니터링에 집중되어 있다. 인간과 반려견이 정서적으로 감정을 교류할 수 있도록 지원하는 부분은 매우 미흡한 실정이다. 짖음, 귀의 움직임 변화, 꼬리의 움직임 변화를 통해 반려견의 기분 혹은 감정을 어느 정도 파악할 수는 있지만 전문가가 아닐 경우 자칫 잘못된 반응으로 인한 의사소통의 오류를 범할 수 있다. 본 논문에서는 이러한 문제점을 해결하기 위하여 연구를 통해 반려견의 행동을 정확하게 분류-인지하는 것에 중점을 두어, 인간과 반려견 사이의 감정적 유대관계를 위한 커뮤니케이션 증진에 기여하고자 하였다. 반려견의 행동을 9가지로 선정하고 가속도 센서와 자이로 센서를 이용하여 행동 데이터를 수집하였다. 수집한 행동 데이터를 분류하기 위해 다양한 방법을 제시하고, 관찰자적 시점과 기계학습을 이용하여 분류를 진행하였다. 결과로써 반려견의 행동 인지를 위한 행동 분류는 기준 시간을 4초로 설정하고, 자세를 취하기 전 Gesture의 움직임을 포함하며, 머리의 움직임을 배제하지 않고, 몸의 방향성을 유지하지 않은 움직임 또한 배제하지 않을 때 이상적인 분류 정확도와 분류 정합성을 추출하였다.
Recently, people started to recognize dogs not only as mere pets but also companions, and call them “companion dogs.” Thus, forming mutual bondage between the two have become more critical than in the past. This is one of the reasons why studies to help enhance interaction and communication between ...
Recently, people started to recognize dogs not only as mere pets but also companions, and call them “companion dogs.” Thus, forming mutual bondage between the two have become more critical than in the past. This is one of the reasons why studies to help enhance interaction and communication between people and their companion dogs are steadfastly conducted in the field of Animal-Computer Interaction(ACI). However, most existing researches and developed products focus only on monitoring the companion dogs’ amount of exercises by perceiving their actions. The field of supporting humans and their companion dogs to interact emotionally and spiritually is quite unsatisfactory yet. Although changes of the ear or tail motions and barking tell us about the companion dogs’ feelings or emotions to some extent, the human companion can react mistakenly to commit communicational errors when he or she is not an expert. In this paper, we focus on precisely classifying and recognizing the companion dogs’ behavior to enhance communication and form emotional bonds between the human and dog companions. We have selected nine of the companion dogs’ behaviors and collected behavioral data using acceleration sensors and Gyro sensors. Then we suggest various methods of categorizing the collected behavioral data and conducted the classification using the observer point of view and machine learning. As a result, ideal classification accuracy and consistency were extracted when the time reference of behavioral classification to perceive the companion dogs’ behaviors is set at four seconds, their gestures before posing are included, and neither the head movements nor the movements which do not maintain their body directions are excluded.
Recently, people started to recognize dogs not only as mere pets but also companions, and call them “companion dogs.” Thus, forming mutual bondage between the two have become more critical than in the past. This is one of the reasons why studies to help enhance interaction and communication between people and their companion dogs are steadfastly conducted in the field of Animal-Computer Interaction(ACI). However, most existing researches and developed products focus only on monitoring the companion dogs’ amount of exercises by perceiving their actions. The field of supporting humans and their companion dogs to interact emotionally and spiritually is quite unsatisfactory yet. Although changes of the ear or tail motions and barking tell us about the companion dogs’ feelings or emotions to some extent, the human companion can react mistakenly to commit communicational errors when he or she is not an expert. In this paper, we focus on precisely classifying and recognizing the companion dogs’ behavior to enhance communication and form emotional bonds between the human and dog companions. We have selected nine of the companion dogs’ behaviors and collected behavioral data using acceleration sensors and Gyro sensors. Then we suggest various methods of categorizing the collected behavioral data and conducted the classification using the observer point of view and machine learning. As a result, ideal classification accuracy and consistency were extracted when the time reference of behavioral classification to perceive the companion dogs’ behaviors is set at four seconds, their gestures before posing are included, and neither the head movements nor the movements which do not maintain their body directions are excluded.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.