초록

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

본 논문은 제한된 영역 안의 다수 물고기를 추적하는 방법을 제안한다. 고정된 카메라로 물고기가 있는 수조의 영상을 얻은 다음 실시간으로 얻는 매경영상을 통해 물고기의 이미지만을 얻는다. 이렇게 얻어진 이미지를 ART2 알고리즘을 통해 clustering을 하고 각각의 물고기라 추정되는 cluster와 이전까지 측정되어진 물고기 좌표와의 거리 계산을 통해 각각의 물고기의 개체 인식을 하게 된다. 본 논문에서는 기존의 물고기 이미지를 얻는 방법을 개선하여 다 개체 추적을 위한 깨끗한 개체 이미지를 얻는 방법과, 각 cluster들과 이진 물고기 위치와의 거리계산을 통한 개체 인식 방법에 대해 초점을 맞추었다.

본 논문은 제한된 영역 안의 다수 물고기를 추적하는 방법을 제안한다. 고정된 카메라로 물고기가 있는 수조의 영상을 얻은 다음 실시간으로 얻는 매경영상을 통해 물고기의 이미지만을 얻는다. 이렇게 얻어진 이미지를 ART2 알고리즘을 통해 clustering을 하고 각각의 물고기라 추정되는 cluster와 이전까지 측정되어진 물고기 좌표와의 거리 계산을 통해 각각의 물고기의 개체 인식을 하게 된다. 본 논문에서는 기존의 물고기 이미지를 얻는 방법을 개선하여 다 개체 추적을 위한 깨끗한 개체 이미지를 얻는 방법과, 각 cluster들과 이진 물고기 위치와의 거리계산을 통한 개체 인식 방법에 대해 초점을 맞추었다.

AI 본문요약

엑셀 다운로드 AI-Helper

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

• 연구 주제
• 연구 방법
• 연구 결과

문제 정의

• 생물학적 연구에 있어서 여러 개체들이 집단으로 서식할 때의 더이터는 단일 개 체의 데이터보다 훨씬 많은 정보와 그 개체 집단의 사회성을 볼 수 있는데 있어 매우 중요하다. 본 논문에서는 두 마리 이상의 다수 개체의 주적과 개체인 식을 위한 방법론을 제시한다.

가설 설정

• 올바른 계산이 되려면 A-C. B—D처럼 묶여져야 할 것이다. 이러한 문제점을 해결하기 위해 시스템이 먼저 처리하는 cluster■가 없도록 이전 cluster들과 현재 시uster들과의 거리 값을 모두 계산하여 2차원 Table에 저장한 다음 가장 짧은 짝을 찾아 cluster# matching시켰다.

제안 방법

• 그러므로 깨끗한 개체영상 획득은 개체 추적에 있어 매우 중요한 작업이다. 개체영상 획 득 방법은 여러 가지가 있겠는데 본 논문에선 배경영 상을 실시간으로 추출하고 개체 특유의 명암 정보를 이용하여 개체 이미지를 추출하는 방법을 제안한다. 배경영상을 실시간으로 추출하는 방법은 물고기가 동적인 생물체라는 것을 이용한다.
• 본 논문에서 제안하는 방법은 이러한 문제점을 개 선하여 배경영상을 실시간으로 얻어 내고 개체의 명 암정보와 결합하여 노이즈에도 강하면서 보다 나은 개체 이미지를 얻는 방법을 소개한匸k 이렇게 얻어진 이미지를 ART2알고리즘을 통해 clusterings}^ 각각의 정보를 가지고 물고기의 개체 인식을 하게 한다. 2장에서는 본 논문이 제안하는 깨끗한 개체 이미지 를 얻는 방법을 소개 하며 3장에서는 ART2 알고리즘을 이용한 clustering 방법, 4장에서는 ART2 알고 리즘을 통해 구한 cluster들을 이용해 실제 개체와 거리 비교를 통해 개체 인식 방법을, 5장에서는 실험과 결과, 마지막으로 6장에서는 결론과 향후 연구 방향 에 대해 언급하며 본 논문을 맺겠다.
• 본 논문은 기존의 실시간 물고기 추적에서 쓰인 방 법에서 탈피하여 독특한 배경영상을 추출하여 각 개 체의 이미지를 개선하였고, Distance Ranking Algorithm을 통해 각 개체 인식이 가능하도록 하여 다수의 물고기 추적이 가능하도록 하였다.
• 들이 어떠한 개체를 나타내는지를 추정함으루■써 다 개체 추적이 끝나게 된다. 여기엔 여러가지 방법이 쓰일 수 있겠 지만 실시간 처리를 고려하여 기본적인 방법인 거리 값 비교로 각 개체를 구분하도록 하였다. 거리 값을 이용하는 개체 인식 방법은 이전 cluster 와 현재 cluster■의 좌표 정보가 있을 때 가장 가까운 것끼리 짝을 맞춰주는 방법이다.
• 그리고 조명이 변하거나 미세한 배경의 변화가 생기더라도 배경정보를 더 이상 바꿀 수 없어 noise를 남기게 된다. 이것을 방지하기 위해 배경영상 에 포함되는 현재영상정보를 줄여나가다가 현재영상 정보가 배경영상에 미세한 영향을 주는 선에서 현재 영상정보를 줄여주는 값을 고정시기게 해줌으로써 해 결하게 하였다. 그림 1은 실제 어항 영상과 실시간으 로 얻은 배경영상을 보여주고 있다.
• 어느 시간 간격 동안 어느 임의의 구간에서 볼 수 있는 이미지 정보는 동적인 물체보다는 배경 영상이 훨씬 많다. 이를 이용하여 각 pixel 정보를 누적시킨 다음 평균을 함으로써 동적인 생물체의 pixel 정보는 소멸시키고 배경영상의 pixel 정보만 남게 하는 기법을 이용하여 배 경영상을 추출하게 된다. 실제 적용한 식은 다음과 같다.
• 그림 2는 위의 공식으로 구해진 명암 정보를 이용한 이미지이다. 현재영상과 구해진 배경영상과의 차영상 을 명암 정보를 이용해 얻은 이미지와 AND 연산을 함으로써 최종적인 물고기 이미지를 구하게 된다.

대상 데이터

• 0GHz 시스템에서 흑백 CCD 카메라를 이용해 초당 4프레임의 320 * 240 pixel 영상을 입력받아 실험하였다. 물고기는 송사리를 이용 하였고 개체 수는 2 마리에서 9 마리까지 다양하게 실험하였고, 밝은 조명과 어두운 조명을 구분하여 실 험하였다. 실험 결과 개체가 포개어 지는 경우만 빼고 는 개체 인식과 추적을 잘 하는 것을 보여주며 개체 가 정지할 경우 기존 방식인 3프레임 차영상은 그 즉 시 cluster를 나타내지 못하지만 독특한 배경추출로 인해 잔상 현상이 일어나 개체 정지 후에도 약 3~4 초간 개체 위치를 파악할 수 있는 장점이 있었다.
• 실험은 Pentium4 2.0GHz 시스템에서 흑백 CCD 카메라를 이용해 초당 4프레임의 320 * 240 pixel 영상을 입력받아 실험하였다. 물고기는 송사리를 이용 하였고 개체 수는 2 마리에서 9 마리까지 다양하게 실험하였고, 밝은 조명과 어두운 조명을 구분하여 실 험하였다.

이론/모형

• 실시간 배경영상 획득을 이용해서 물고기만 남아 있는 이미지가 추출되었다면 이제 전체 이미지에서 각각의 물고기들을 이루고 있는 pixel들을 Ckistering 하여야 한다. 이를 위해 ART2 알고리즘을 이용하여 각 물고기들을 Clustering하고 중심좌표를 얻게 하였다. ART2 알고리즘은 입력 데이터의 Chistering에 유 차 이용한 방법으로 입력 데이터와 cluster 중심과의 값을 이용한 방법이다.

성능/효과

• 물고기는 송사리를 이용 하였고 개체 수는 2 마리에서 9 마리까지 다양하게 실험하였고, 밝은 조명과 어두운 조명을 구분하여 실 험하였다. 실험 결과 개체가 포개어 지는 경우만 빼고 는 개체 인식과 추적을 잘 하는 것을 보여주며 개체 가 정지할 경우 기존 방식인 3프레임 차영상은 그 즉 시 cluster를 나타내지 못하지만 독특한 배경추출로 인해 잔상 현상이 일어나 개체 정지 후에도 약 3~4 초간 개체 위치를 파악할 수 있는 장점이 있었다. 마 지막으로 어두운 조명보단 밝은 조명에서 더욱 좋은 결과가 나왔다.

후속연구

• 향후 개선방향은 개체 겹침으로 인한 문제의 해결 이 필요하고. 더욱 정교한 개체 인식을 위하여 거리 값뿐만 아니라 방향성, 개체 크기 등을 이용할 수 있는 방향으로 연구가 진행되어 져야 할 것이다.
• 향후 개선방향은 개체 겹침으로 인한 문제의 해결 이 필요하고. 더욱 정교한 개체 인식을 위하여 거리 값뿐만 아니라 방향성, 개체 크기 등을 이용할 수 있는 방향으로 연구가 진행되어 져야 할 것이다.

본문요약 정보가 도움이 되었나요? 예 아니오 제출

이 논문을 인용한 문헌

더보기