선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- 그러나 두 번째 영상의 돼지2의 경우에는 최대 MHI 움직임 변화량이 1000에 근접한 것을 알 수 있다. 따라서 기침하는 돼지의 정확한 탐지를 위하여 각 돼지의 중심점이동 거리를 추가적으로 확인 하였다. 그림 6은 기침소리가 발생한 상황에서 중심점 이동 거리를 나타낸 그래프이다.
- 돈사에서 전염성이 강한 질병으로 인한 피해를 최소화하기 위해서는 호흡기 질병에 걸린 돼지를 신속히 조치해야 하기 때문에 호흡기 질병에 걸린 돼지를 특정 할 필요가 있다. 본 논문에서는 소리 정보와 영상 정보를 동시에 사용하여 돈방 내에서 호흡기 질병에 걸린 돼지를 특정하는 방법을 제안한다. 즉, 오디오 센서에서 돼지의 기침소리가 탐지될 경우 비디오 센서에서 MHI(Motion History Image)[7] 방법을 적용 하여 영상을 분석하고, 호흡기 질병에 걸린 돼지를 특정한다.
- MHI 방법은 간단한 알고리즘을 사용하고 쉽게 구현이 가능하기 때문에 영상에서 움직임을 인식하는 많은 응용[8-10]에 사용되고 있다. 본 논문에서는 오디오 센서와 비디오 센서를 동시에 사용하는 환경에서 MHI 방법을 이용하여 호흡기 질병에 걸린 돼지를 특정하는 방법을 제안한다.
- 즉, 돈방 내에서 돼지의 기침소리가 탐지되면 취득한 영상의 MHI 분석을 수행하여 기침이 발생된 돼지를 특정 할 수 있게 된다. 오디오 센서를 통하여 탐지된 기침소리는 돈방 내의 돼지중 한 마리에서 발생한 것을 의미하고, 오디오 센서 만으로는 돈방 내에서 어떤 돼지가 기침을 했는지 알아 낼 수가 없기 때문에 본 논문에서는 오디오 센서와 비디오 센서를 모두 사용하여 기침을 하는 돼지를 특정하는 방법을 제안한다. 그림 1은 개별 돼지 호흡기 질병 시스템의 구조를 보여준다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.