$\require{mediawiki-texvc}$

연합인증

연합인증 가입 기관의 연구자들은 소속기관의 인증정보(ID와 암호)를 이용해 다른 대학, 연구기관, 서비스 공급자의 다양한 온라인 자원과 연구 데이터를 이용할 수 있습니다.

이는 여행자가 자국에서 발행 받은 여권으로 세계 각국을 자유롭게 여행할 수 있는 것과 같습니다.

연합인증으로 이용이 가능한 서비스는 NTIS, DataON, Edison, Kafe, Webinar 등이 있습니다.

한번의 인증절차만으로 연합인증 가입 서비스에 추가 로그인 없이 이용이 가능합니다.

다만, 연합인증을 위해서는 최초 1회만 인증 절차가 필요합니다. (회원이 아닐 경우 회원 가입이 필요합니다.)

연합인증 절차는 다음과 같습니다.

최초이용시에는
ScienceON에 로그인 → 연합인증 서비스 접속 → 로그인 (본인 확인 또는 회원가입) → 서비스 이용

그 이후에는
ScienceON 로그인 → 연합인증 서비스 접속 → 서비스 이용

연합인증을 활용하시면 KISTI가 제공하는 다양한 서비스를 편리하게 이용하실 수 있습니다.

비문(鼻紋) 기반의 개 개체인식 시스템
Dog Identification system based on Muzzle Pattern 원문보기

한국방송공학회 2014년도 추계학술대회, 2014 Nov. 07, 2014년, pp.49 - 52  

이민정 (한양대학교) ,  박종근 (한양대학교) ,  정제창 (한양대학교)

초록
AI-Helper 아이콘AI-Helper

본 논문에서는 비문(鼻紋)을 이용한 개의 개체인식 시스템을 제안하고자 한다. 기존의 비문을 기반으로 한신원 확인 시스템에서는 종이에 비문을 찍어내어 일반화(generalization)된 데이터를 만드는 과정을 거치거나, 기계학습을 위해 한 개체에 대한 여러 장의 사진을 요구하는 문제점을 가지고 있다. 본 논문에서는 한 개체에 대한 두 장의 사진과 SURF(Speeded-Up Robust Features) 알고리듬을 이용한 특징점 추출(feature detection), FREAK(Fast Retina Keypoint) 특징 기술자(feature descriptor)를 사용한 개체인식 시스템을 제안한다. 비문 이미지에는 개 코의 특성상 반사로 인한 다수의 노이즈가 생기게 되는데 이를 극복하기 위한 전처리 과정이 제안 알고리듬에 포함되어 있다. 실험결과 두 장의 사진으로도 비문 기반의 개체인식을 할 수 있다는 것을 알 수 있다.

AI 본문요약
AI-Helper 아이콘 AI-Helper

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

문제 정의

  • 9 version 에서 동일 개체의 정면사진과 affine 변화된 사진 2 장을 사용하여 진행되었다. 목적은 median filter 의 적합한 크기와 헤이시안 행렬의 행렬식 비교에 사용할 threshold 구하는 것이다.
  • 본 논문에서는 두 장의 비문 이미지를 기반으로 하는 개체인식 시스템을 제안하였다. 기존에 비문을 종이에 찍어내거나 다수의 이미지로 기계학습을 해야 하는 시스템은 사용자 친화적이지 않으며 사전 작업이 많아 실시간 서비스에 적합하지 않다.
  • 이 방법은 첫 번째 방법보다는 정확성이 떨어질 수 있지만 개체인식을 위한 데이터 확보가 쉽고 실시간 서비스를 제공하기에 적합하다는 장점을 가지고 있다. 본 논문에서는 두 장의 비문 이미지에서 특징을 추출하여 정합하는 비문 기반 개체인식을 제안하고자 한다.
  • 본 논문에서는 이러한 문제를 해결하기 위해서 특징점 추출 과정 전에 Salt and pepper 노이즈 제거에 효과적인 median filter 를 ROI 영역과 컨볼루션하는 전처리 과정을 추가했다. 이 과정에서 노이즈의 제거와 함께 일정량의 이미지 edge 도 잃어 버리게 되는데 unsharp mask 를 이용해 극복하고자 하였다. 그 결과 특징점 추출을 할 만큼 edge 도 보존하고 노이즈가 제거된 그림 8 의 하단과 같은 영상을 획득했다.
본문요약 정보가 도움이 되었나요?

질의응답

핵심어 질문 논문에서 추출한 답변
SURF란 무엇인가? SURF(Speeded-Up Robust Features)[10] 는 영상에서 특징점을 추출하는 대표적인 알고리듬이며 scale 과 rotation의 변화에 강인하다는 장점을 가지고 있다. 크게 특징점 추출과 특징 기술자를 만드는 과정으로 이루어져 있는데 본 논문에서는 보다 빠른 이미지 정합을 위해 특징점 추출 기법만 SURF 를 사용했다.
비문이란 무엇인가? 비문이란(鼻紋) 사람의 지문과 같이 동물의 코에서 발견할 수 있는 고유한 무늬(Biometric marker)이다[1]. 이를 기반으로 한 동물의 개체 인식은 품종협회(breed association), 식품제조이력 관리 시스템 등에서 주목을 받고있다[2][3][4][5].
비문을 이용한 개체인식 방법과 각 방법의 장단점은 무엇인가? 비문을 이용한 개체인식 방법에는 크게 두 가지가 있다[1]. 첫 번째는 종이에 비문을 찍어내어 일반화된(generalized) 데이터로 만들어 내는 것이다. 이 방법의 장점은 Affine 이나 Translation 과 같은 일반적인 컴퓨터 비젼 분야의 문제에서 자유로울 수 있다는 것이다. 그러나 종이에 비문을 찍어내는 과정과 데이터화가 어렵기 때문에 그에 따른 시간과 비용이 발생한다는 단점이 있다. 두 번째는 비문 이미지에서 특징을 추출(feature detection)하여 개체인식에 사용하는 방법이다[1]. 이 방법은 첫 번째 방법보다는 정확성이 떨어질 수 있지만 개체인식을 위한 데이터 확보가 쉽고 실시간 서비스를 제공하기에 적합하다는 장점을 가지고 있다. 본 논문에서는 두 장의 비문 이미지에서 특징을 추출하여 정합하는 비문 기반 개체인식을 제안하고자 한다.
질의응답 정보가 도움이 되었나요?
섹션별 컨텐츠 바로가기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

AI-Helper 아이콘
AI-Helper
안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

선택된 텍스트

맨위로