$\require{mediawiki-texvc}$
  • 검색어에 아래의 연산자를 사용하시면 더 정확한 검색결과를 얻을 수 있습니다.
  • 검색연산자
검색연산자 기능 검색시 예
() 우선순위가 가장 높은 연산자 예1) (나노 (기계 | machine))
공백 두 개의 검색어(식)을 모두 포함하고 있는 문서 검색 예1) (나노 기계)
예2) 나노 장영실
| 두 개의 검색어(식) 중 하나 이상 포함하고 있는 문서 검색 예1) (줄기세포 | 면역)
예2) 줄기세포 | 장영실
! NOT 이후에 있는 검색어가 포함된 문서는 제외 예1) (황금 !백금)
예2) !image
* 검색어의 *란에 0개 이상의 임의의 문자가 포함된 문서 검색 예) semi*
"" 따옴표 내의 구문과 완전히 일치하는 문서만 검색 예) "Transform and Quantization"
쳇봇 이모티콘
안녕하세요!
ScienceON 챗봇입니다.
궁금한 것은 저에게 물어봐주세요.

논문 상세정보

비문(鼻紋) 기반의 개 개체인식 시스템

Dog Identification system based on Muzzle Pattern

초록

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.

질의응답 

키워드에 따른 질의응답 제공
핵심어 질문 논문에서 추출한 답변
SURF
SURF란 무엇인가?
영상에서 특징점을 추출하는 대표적인 알고리듬

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.

비문
비문이란 무엇인가?
사람의 지문과 같이 동물의 코에서 발견할 수 있는 고유한 무늬(Biometric marker)이다

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 방법
비문을 이용한 개체인식 방법과 각 방법의 장단점은 무엇인가?
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.

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?

참고문헌 (0)

  1. 이 논문의 참고문헌 없음

이 논문을 인용한 문헌 (0)

  1. 이 논문을 인용한 문헌 없음

문의하기 

궁금한 사항이나 기타 의견이 있으시면 남겨주세요.

Q&A 등록

원문보기

원문 PDF 다운로드

  • ScienceON :

원문 URL 링크

  • 원문 URL 링크 정보가 존재하지 않습니다.

원문 PDF 파일 및 링크정보가 존재하지 않을 경우 KISTI DDS 시스템에서 제공하는 원문복사서비스를 사용할 수 있습니다. (원문복사서비스 안내 바로 가기)

이 논문 조회수 및 차트

  • 상단의 제목을 클릭 시 조회수 및 차트가 조회됩니다.

DOI 인용 스타일

"" 핵심어 질의응답