[논문]비문 인식과 블록체인 네트워크를 사용한 동물 관리 시스템

조지연; 이성수

doi:10.7471/ikeee.2019.23.4.1477

비문 인식과 블록체인 네트워크를 사용한 동물 관리 시스템
Animal Administration System Using Nose-Print Recognition and Blockchain Network 원문보기

전기전자학회논문지 = Journal of IKEEE, v.23 no.4, 2019년, pp.1477 - 1480

조지연 (Hoyun Inc.) , 이성수 (School of Electronic Engineering, Soongsil University)

초록
AI-Helper

동물이 미리 등록된 특정 개체인지 아닌지를 확인하는 동물 인증은 동물 병원, 동물 입양 센터, 동물 보호소, 동물 보험사 등 다양한 곳에서 사용된다. 사람을 확인하기 위해 지문 인식을 수행하듯 동물을 확인하기 위해서는 비문 인식이 널리 사용된다. 본 논문에서는 비문 인식을 통해 동물 등록 및 인증을 수행하고 이를 블록체인 네트워크를 통해 다양한 클라이언트와 연결해주는 동물 관리 시스템을 소개한다.

Abstract ▼ AI-Helper

Animal authentication, where an animal is identified as the preregistered specific one or not, is exploited various fields such as animal hospital, animal shop, animal shelter, and animal insurance. Nose-print is widely exploited to identify animal as fingerprint is exploited to identify human. This paper introduces an animal administration system, where it performs animal registration and authentication through nose-print recognition and it connects various clients through blockchain network.

주제어

표/그림 (4)

그림 Fig. 1. Animal administration system based on nose-print recognition and blockchain network. 그림 1. 비문 인식과 블록체인 네트워크에 기반한 동물 관리 시스템
그림 Fig. 2. Nose-print guide functionality. 그림 2. 비문 취득 가이드 기능
그림 Fig. 3. Nose-print recognition using Siamese network. 그림 3. 샴 네트워크를 사용한 비문 인식
그림 Fig. 4. Animal registration and authentication based on nose-print recognition. 그림 4. 비문 인식에 기반한 동물 등록 및 인증

AI 본문요약
AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

본 논문에서는 비문 인식을 통해 동물 등록 및 인증을 수행하고 이를 블록체인 네트워크를 통해 다양한 클라이언트와 연결해주는 동물 관리 시스템을 소개하였다.
본 논문에서는 비문 인식을 통해 동물 등록 및 인증을 수행하고 이를 블록체인 네트워크를 통해 다양한 클라이언트와 연결해주는 동물 관리 시스템을 소개한다.

제안 방법

본 논문에 소개된 동물 관리 시스템에서는 클라이언트 프로그램에 그림 2와 같이 비문 취득 가이드 기능을 탑재하였는데, 이는 카메라에 취득된 영상이 동물의 비문인지 아닌지를 영상 전처리(Image Preprocessing)를 통해 미리 파악하여 비문으로 인식된 영역의 크기가 작으면 좀 더 가까이 다가가서 영상을 취득할 것을 사용자에게 지시한다. 또한 동물이 움직이는 경우에는 유효한 비문을 취득하기 어려우므로 카메라에 취득된 영상을 전처리하여 움직임이 정지되었는지를 판단하여 카메라가 비문 인식에 충분한 해상도로 비문을 취득할 수 있는 유효 시점을 자동으로 판단하여 사용자에게 움직이지 말 것을 지시하고 비문을 촬영하여 전송한다.
본 논문에 소개된 동물 관리 시스템에서는 클라이언트 프로그램에 그림 2와 같이 비문 취득 가이드 기능을 탑재하였는데, 이는 카메라에 취득된 영상이 동물의 비문인지 아닌지를 영상 전처리(Image Preprocessing)를 통해 미리 파악하여 비문으로 인식된 영역의 크기가 작으면 좀 더 가까이 다가가서 영상을 취득할 것을 사용자에게 지시한다. 또한 동물이 움직이는 경우에는 유효한 비문을 취득하기 어려우므로 카메라에 취득된 영상을 전처리하여 움직임이 정지되었는지를 판단하여 카메라가 비문 인식에 충분한 해상도로 비문을 취득할 수 있는 유효 시점을 자동으로 판단하여 사용자에게 움직이지 말 것을 지시하고 비문을 촬영하여 전송한다.
이 시스템은 사용자 앱 또는 PC 프로그램 형태의 클라이언트 프로그램에서 비문 영상을 취득하고 전처리를 수행한 후 이를 동물 등록 인증 센터로 보내고, 이후 동물 등록 인증 센터에서 비문을 인식하여 특정 개체를 인증하고 동물 및 사용자의 정보를 등록한다.

대상 데이터

이후에는 그림 4와 같이 비문 인식만으로 동물의 소유 기록, 혈통 기록, 의무 기록, 쇼핑 기록 등 다양한 데이터를 조회할 수 있다. 이를 위해 각 시설에는 개방형 API(Application Programming Interface)를 제공하며 동물 등록 인증 센터와 각 시설 사이에는 암호화된 블록체인 네트워크로 데이터를 주고받는다.

후속연구

이 과정에서 HOG(Histogram of Oriented Gradient), LBP(local binary pattern), PCA(Principal component analysis) 처리를 통해 벡터 값을 찾아내고, 이를 기저장된 데이터베이스와 비교하여 그 차이가 가장 작은 순으로 후보군을 제시하는데, 현재까지는 실용적으로 큰 문제가 없이 동작하지만 등록된 개체 수가 매우 많아지면 특정 개체를 찾아낼 확률이 떨어질 수 있어서 향후에는 그림 3과 같이 샴 네트워크(Siamese Network)[7] 기술을 적용할 예정이다.

질의응답

핵심어	질문	논문에서 추출한 답변
	동물 관리 시스템의 구조는?	전체적인 동물 관리 시스템의 구조는 그림 1과 같다. 클라이언트 프로그램은 동물 소유자의 스마트폰 또는 각 시설의 PC에서 구동되며, 동물의 비문을 카메라로 취득하여 전처리한 후 이를 블록체인 네트워크를 통해 동물 등록 인증 센터로 전송한다. 또한 동물 및 그 소유자의 정보를 입력받아 역시 블록체인 네트워크를 통해 동물 등록 인증 센터로 전송한다.
	동물을 확인하는 방법은?	사람을 확인하기 위해 지문 인식을 수행하듯 동물을 확인하기 위해서는 비문 (Nose-Print) 인식이 널리 사용된다. 즉, 특정 개체의 비문을 미리 등록해놓은 다음, 확인해야 할 동물의 비문을 인식하여 등록 비문과 동일하다는 것을 인증하는 것이다.
	동물 관리 시스템의 장점은?	이러한 동물 관리 시스템은 지금까지 개별적으로 이루어졌던 동물의 개체 정보, 소유자 정보, 서비스 이력 등을 통합적으로 관리할 수 있기 때문에 동물을 대상으로 하는 서비스 산업을 활성화시키고 안전성, 보안성, 편리성을 크게 높일 수 있다.

참고문헌 (7)

A. Awad, H. Zawbaa, H. Mahmoud, E. Nabi, R. Fayed, and A. Hassanien, "A Robust Cattle Identification Scheme Using Muzzle Print Images," Proceedings of Federated Conference on Computer Science and Information Systems, pp.529-534, 2013.
D. Lowe, "Distinctive Image Features from Scale-Invariant Keypoints," International Journal of Computer Vision, vol.60, pp.91-110, 2004. DOI: 10.1023/B:VISI.0000029664.99615.94

상세보기
H. Bay, A. Ess, T. Tuytelaars, and L. Gool, "Speeded-Up Robust Features (SURF)," Computer Vision and Image Understanding, vol.110, pp. 346-359, 2008. DOI: 10.1016/j.cviu.2007.09.014

상세보기
E. Rosten and T. Drummond, "Machine Learning for High-Speed Corner Detection," Proceedings of European Conference on Computer Vision, pp.430-443, 2006. DOI: 10.1007/11744023_34
H. Heo and K. Lee, "FPGA-Based Implementation of FAST and BRIEF algorithm for Object Recognition," j.inst.Korean.electr.electron.eng, vol.17, no.3, pp. 882-885, 2013. DOI: 10.7471/ikeee.2013.17.2.202
H. Kim, S. Hong, and C. Hong, "A study on the Feature Local Descriptor for Recognition of Pet's Nose-Print," Proceedings of the Korean Institute of Information and Communication Sciences Conference, pp.556-557, 2018.
G. Koch, "Siamese Neural Networks for Oneshot Image Recognition," Master Thesis, University of Toronto, 2015.

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증