http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
최장민 ( Jangmin Choi ),이종욱 ( Jonguk Lee ),정용화 ( Yongwha Chung ),박대희 ( Daihee Park ) 한국정보처리학회 2016 정보처리학회논문지. 컴퓨터 및 통신시스템 Vol.5 No.10
밀집된 돈방에서 사육되는 돼지의 공격적 행동들은 돼지의 성장에 심각한 악영향을 주고, 이는 농가의 경제적 손실로 이어진다. 따라서 농가의 생산성 하락에 따른 경제적 손실과 직결되는 돈방 내의 비정상 상황들을 지속적으로 모니터링 할 수 있는 IT기반의 영상 감시 시스템이 요구된다. 본 논문에서는 돼지의 행동 분석 이전에 필수적으로 선행되어야만 하는 개별 돼지의 탐지를 위한 키넥트 카메라 기반의 새로운 모니터링 시스템을 제안한다. 제안된 시스템은 다음과 같다. 1) 키넥트 카메라로부터 취득한 깊이 영상에서 배경 차영상 기법과 깊이 임계값을 이용하여 서있는 돼지만을 탐지함으로써 영상 내의 탐색영역을 축소한다, 2) 서있는 돼지들 중에서 움직임이 있는 돼지들만을 관심영역으로 설정하여 탐지한다. 3) 서서 움직이는 돼지들 사이에서 발생하는 근접 문제를 깊이정보를 이용한 등고선기법을 제안·적용하여 돼지객체 탐지를 완성한다. 실제 세종에 위치한 한 돈사에서 취득한 깊이 영상 정보를 이용하여 본 논문에서 제안하는 시스템의 성능을 실험적으로 검증한다. Abnormal situation caused by aggressive behavior of pigs adversely affects the growth of pigs, and comes with an economic loss in intensive pigsties. Therefore, IT-based video surveillance system is needed to monitor the abnormal situations in pigsty continuously in order to minimize the economic demage. In this paper, we propose a new Kinect camera-based monitoring system for the detection of the individual pigs. The proposed system is characterized as follows. 1) The background subtraction method and depth-threshold are used to detect only standing-pigs in the Kinect-depth image. 2) The moving-pigs are labeled as regions of interest. 3) A contour method is proposed and applied to solve the touching-pigs problem in the Kinect-depth image. The experimental results with the depth videos obtained from a pig farm located in Sejong illustrate the efficiency of the proposed method.
최장민 ( Jangmin Choi ),이종욱 ( Jonguk Lee ),박대희 ( Daihee Park ),정용화 ( Yongwha Chung ) 한국정보처리학회 2016 한국정보처리학회 학술대회논문집 Vol.23 No.2
밀집된 돈방에서 사육되는 돼지의 공격적인 행동들은 돼지의 성장에 심각한 악영향을 주고, 이는 농가의 경제적 손실로 이어진다. 따라서 돈방 내의 비정상 상황들을 지속적으로 모니터링할 수 있는 IT기반의 영상 감시 시스템이 요구된다. 본 논문에서는 돼지의 행동 분석 이전에 필수적으로 선행되어야 하는 개별 돼지의 탐지를 위한 키넥트 카메라 기반의 새로운 모니터링 시스템을 제안한다. 먼저, 배경차영상 기법과 깊이 임계값을 이용하여 서있는 돼지만을 탐지한다. 둘째, 서있는 돼지들 중에서 움직임이 있는 돼지만을 관심영역으로 설정하여 탐지한다. 마지막으로, 서서 움직이는 돼지들 사이에서 발생하는 근접 문제를 깊이 정보를 이용한 등고선기법을 제안·적용하여 돼지 객체의 탐지를 완성한다. 실제 세종에 위치한 한 돈사에서 취득한 깊이 영상 정보를 이용하여 본 논문에서 제안하는 시스템의 성능을 실험적으로 검증하였다.
Deep Neural Network를 이용한 산란계의 고온 스트레스 탐지
노병준 ( Byeongjoon Noh ),최장민 ( Jangmin Choi ),이종욱 ( Jonguk Lee ),박대희 ( Daihee Park ),정용화 ( Younghwa Chung ),장홍희 ( Hong-hee Chang ) 한국정보처리학회 2015 한국정보처리학회 학술대회논문집 Vol.22 No.1
본 논문에서는 DNN(Deep Neural Network)의 dropout 기법을 이용하여 산란계가 고온 스트레스를 받고 있는지 여부를 닭의 울음소리 정보를 통해 탐지하는 방법을 제안한다. 실험에서는 21℃ 정상 온도에서 100개의 소리 데이터, 35℃ 고온에서 200개의 소리 데이터를 사용한다. 먼저, DNN의 학습을 위해서 취득한 울음소리에서 54개의 소리 특징 정보를 추출한다. 둘째, CFS(Correlation Feature Selection)을 이용하여, 추출된 특징 중 온도 구분을 위한 중요한 특징 10개를 선택한다. 셋째, 선택된 소리특징을 DNN에 적용하여 온도 환경을 구분하는 시스템이다. DNN의 과적합(over-fitting) 영향을 감소시키고, 성능 향상을 위하여 dropout 비율을 조정하여 실험을 진행하였다. 본 연구에서는 실제 계사에서 수집된 소리 정보를 이용하여 모의실험을 수행한 결과 매우 우수한 성능을 보임을 확인하였다.