초록 ▼

용어보기논문에서 용어와 풀이말을 자동 추출한 결과로, 시범 서비스 중입니다. AI-Helper

축산농가에서 손실을 줄이기 위해 동물의 수정 적기를 파악하는 것은 매
우 중요하다. 동물의 움직임은 발정상태를 파악할 수 있는 중요한 단서가
된다. 수정 적기의 암소의 경우 울부짖고, 불안한 행동을 보이며, 그중 가
장 명확한 발정의 신호는 승가 행위이다. 승가 행위란 발정상태인 암소가
다른 암소를 몇 초간 따라다니다가 그 암소에 올라타는 행동을 의미한다.
윤곽선 정보는 영상 내 물체의 특성을 간단하고 효과적으로 표현하기 때
문에 물체의 행동을 인식하는데 많이 사용된다. 하지만 윤곽선 정보는 복
잡한 배경에서 쉽게 훼손될 수 있으며, 여러 물체가 존재하는 경우 각 물
체를 분리하기 어려운 단점이 존재한다.
본 논문에서는 복잡한 배경에서 여러 소의 움직임을 효과적으로 관찰하여
최적의 인공 수정 적기를 결정하기 위해서 motion history image (...

축산농가에서 손실을 줄이기 위해 동물의 수정 적기를 파악하는 것은 매
우 중요하다. 동물의 움직임은 발정상태를 파악할 수 있는 중요한 단서가
된다. 수정 적기의 암소의 경우 울부짖고, 불안한 행동을 보이며, 그중 가
장 명확한 발정의 신호는 승가 행위이다. 승가 행위란 발정상태인 암소가
다른 암소를 몇 초간 따라다니다가 그 암소에 올라타는 행동을 의미한다.
윤곽선 정보는 영상 내 물체의 특성을 간단하고 효과적으로 표현하기 때
문에 물체의 행동을 인식하는데 많이 사용된다. 하지만 윤곽선 정보는 복
잡한 배경에서 쉽게 훼손될 수 있으며, 여러 물체가 존재하는 경우 각 물
체를 분리하기 어려운 단점이 존재한다.
본 논문에서는 복잡한 배경에서 여러 소의 움직임을 효과적으로 관찰하여
최적의 인공 수정 적기를 결정하기 위해서 motion history image (MHI)
에 표현되는 움직이는 물체의 면적 정보를 활용한 새로운 특징을 제안하
였다. MHI 에서 각 소의 움직임은 특정 시간에 걸쳐서 의미 있는 면적
변화를 발생시킨다. 제안된 특징은 이러한 소의 움직임 특성을 효과적으
로 표현할 수 있으며, 움직이는 물체만을 관찰하기 때문에 복잡한 배경에
서 각 소의 움직임을 효과적으로 관찰할 수 있다. 제안된 특징을 support
vector machine 프레임워크에서 학습시킴으로써 소의 행동을 인식한다.
제안된 인식 방법은 차원이 길지 않고 복잡하지 않기 때문에 어안렌즈 카
메라를 이용해서 인접한 세 개의 축사에 있는 많은 소를 실시간으로 감시
한다. 실제 환경의 비디오 실험을 통해서 제안된 방법이 소의 승가 행위
를 89% 정확도로 인식하는 것을 확인하였다.

Abstract ▼ AI-Helper

In this paper, we present a cattle behavior recognition method that
can detect estrus in order to determine an optimum artificial
insemination time. This real-time cattle monitoring system can
determine the optimum artificial insemination time for cattle by
recognizing behaviors and ...

In this paper, we present a cattle behavior recognition method that
can detect estrus in order to determine an optimum artificial
insemination time. This real-time cattle monitoring system can
determine the optimum artificial insemination time for cattle by
recognizing behaviors and detecting estrus from a 24 h video stream.
We propose a novel feature using motion history images to effectively
describe cattle movement. By learning the features associated with
various cattle behaviors using support vector machine, the proposed
system can detect mounting behavior in a scene. The proposed
recognition method is implemented in a machine vision system that
can simultaneously monitor cattle in three enclosures using a single
fisheye camera, thanks to low complexity of the proposed method.
Through extensive experiments with real video streams, we confirmed
that the proposed system recognizes cattle mounting behavior with a
detection rate of 89%. Monitoring three enclosures simultaneously leads
to cost reduction in the proposed system's deployment.

주제어