KR101367418B1 - 특징 벡터 생성 알고리즘을 적용한 가축의 발정기 소리 탐지 장치 및 방법 - Google Patents

특징 벡터 생성 알고리즘을 적용한 가축의 발정기 소리 탐지 장치 및 방법 Download PDF

Info

Publication number
KR101367418B1
KR101367418B1 KR1020120132621A KR20120132621A KR101367418B1 KR 101367418 B1 KR101367418 B1 KR 101367418B1 KR 1020120132621 A KR1020120132621 A KR 1020120132621A KR 20120132621 A KR20120132621 A KR 20120132621A KR 101367418 B1 KR101367418 B1 KR 101367418B1
Authority
KR
South Korea
Prior art keywords
livestock
sound
feature
estrus
frequency
Prior art date
Application number
KR1020120132621A
Other languages
English (en)
Inventor
박대희
이종욱
정용화
김석
장홍희
Original Assignee
고려대학교 산학협력단
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 고려대학교 산학협력단 filed Critical 고려대학교 산학협력단
Priority to KR1020120132621A priority Critical patent/KR101367418B1/ko
Application granted granted Critical
Publication of KR101367418B1 publication Critical patent/KR101367418B1/ko

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61D—VETERINARY INSTRUMENTS, IMPLEMENTS, TOOLS, OR METHODS
    • A61D17/00—Devices for indicating trouble during labour of animals ; Methods or instruments for detecting pregnancy-related states of animals
    • A61D17/002—Devices for indicating trouble during labour of animals ; Methods or instruments for detecting pregnancy-related states of animals for detecting period of heat of animals, i.e. for detecting oestrus
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61D—VETERINARY INSTRUMENTS, IMPLEMENTS, TOOLS, OR METHODS
    • A61D19/00—Instruments or methods for reproduction or fertilisation

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Veterinary Medicine (AREA)
  • Animal Behavior & Ethology (AREA)
  • Engineering & Computer Science (AREA)
  • Wood Science & Technology (AREA)
  • Zoology (AREA)
  • General Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Pregnancy & Childbirth (AREA)
  • Biophysics (AREA)
  • Animal Husbandry (AREA)
  • Reproductive Health (AREA)
  • Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)

Abstract

가축 발정기 소리 탐지 시, 축사에 설치된 소리 센서로부터 실시간으로 취득된 소리 신호를 수신하고, 소리 신호로부터 기설정된 적어도 하나의 주파수 특징 변수를 추출하고, 주파수 특징 변수에 대해 인자분석, T 검증 및 상관분석을 순차적으로 처리하여 복수의 대표 특징 변수를 추출하고, 대표 특징 변수를 조합하여 특징 벡터를 생성하고, 기설정된 분류기를 통해 특징 벡터가 발정기가 발생된 가축의 소리를 나타내는지 여부를 판별하고, 판별의 결과에 기초하여 가축의 발정기 발성음을 탐지한다.

Description

특징 벡터 생성 알고리즘을 적용한 가축의 발정기 소리 탐지 장치 및 방법{APPARATUS AND METHOD FOR DETECTING ESTRUS AUDIO OF LIVESTOCK USING A FEATURE VECTOR GENERATION ALGORITHM}
본 발명은 가축의 소리 신호로부터 특징 벡터를 생성하여 가축의 발정기 발성음을 탐지하는 장치 및 방법에 관한 것이다.
최근 IT 기술의 발전에 따라, IT 기술과 농/축산업과의 융합 기술(Computers and Electronics in Agriculture)이라는 새로운 분야에 대한 연구가 활발하게 진행되고 있다.
이러한 IT 농/축산업 분야의 연구 동향에 따르면, 축사 내의 가축들의 상태를 모니터링하고 평소와 다른 이상 징후가 탐지되면 이를 관리자에게 알리거나, 가축의 움직임을 분석하여 가축의 특정 상태 및 질병 징후를 조기에 탐지하는 가축 점검 시스템 및, RFID(Radio Frequency Identification)를 이용하여 가축의 정보 및 생산 이력 등을 관리하는 등의 가축 관리 시스템 등 다양한 연구가 진행되고 있다.
특히 번식우에 있어서 가장 중요한 작업은 발정기의 적시 관찰과 이에 따른 적기 수정이다. 발정 시작 시각을 정확하게 판단하지 못하게 되면, 수정 적기를 정확하게 예측하기 힘들고 이로 인하여 수태율이 저하되고 공태 기간이 길어짐으써 축산 농가의 경제적 손실이 커지게 된다.
일반적으로 소의 발정기를 탐지하기 위해서는 사람이 직접 개입할 수 있으나, 현실적으로 개인이 24시간 소의 행동을 감시하고 기록하기는 어렵다는 문제점이 있다.
이러한 문제점을 해결하기 위해 소의 호르몬 변화로 인해 발정기에 동반되는 암소들의 특이 행동들을 이용한 IT 기술과 농/축산업과의 융합 기술에 대한 연구가 진행되고 있다. 구체적으로, CCTV 등으로부터 획득한 영상으로부터 짝짓기(승가)하려는 암소의 행동 특성에 대한 영상 처리 및 비젼을 이용하는 기술, 가속도 센서( 암소의 분주히 움직이는 행동 특성)를 이용하는 기술, 및 소리 센서(특이한 발성음)를 이용하는 기술 등이 제안되었다.
이와 관련하여, 한국등록특허 제1098457호(소의 무인 승가검출기)는 소의 후지 발목에 부착되어 소의 승가 시 충격에 의해 작동되는 충격접지부를 통해 감지된 충격 신호를 무선으로 전송하고, 전송된 신호에 따라 소의 인식 코드와 승가 횟수 및 최초 승가 시간을 표시부를 통해 표시하여 소의 발정기를 검출할 수 있도록 하는 승가 검출기를 개시하고 있다.
특히, 최근 소리 센서를 이용한 가축의 발정기를 탐지 다양한 기술들이 제안되고 있다. 예를 들어, MFCC(Mel Frequency Cepstrum Coefficient)와 HMM(Hidden Markov Model)을 이용하여 발정기를 포함하는 소의 7가지 감정을 소발성음으로부터 분류하는 기술 및 포만트(Formant) 등 7개의 특징들 중 6개의 특징 정보를 선택하여 GLM(General Linear Model)으로 배고픔을 표현하는 발성음과 발정기 발성음을 분류하는 기술 등이 제안되었다.
이와 같은 소리 정보를 이용한 기술에서는, 검색 특징을 기반으로 과도한 검색(exhaustive) 기법, 가용성 검색(heuristic) 기법 그리고 랜덤 검색(random) 기법이 적용될 수 있다. 또한, 속성 선택에 이용되는 성능 평가 함수들을 기반으로 거리(distance), 정보(information), 상관성(dependence), 일관성(consistency) 및 분류기의 오차 비율을 이용하는 기법 등이 이용될 수 있다. 그 중 분류기 오차 비율을 사용한 속성 선택은 랩퍼(wapper) 기법으로 알려져 있다. 랩퍼 기법에 기반을 둔 속성 선택 기법은 반복적인 속성들의 선택을 통한 분류기의 성능 평가를 이용하여 속성들을 선택하기 때문에 일반적으로 필터(filter) 기법으로 불리는 속성 선택 기법보다 우수한 성능을 보이나, 필터 기법에 비하여 연산 속도가 느린 단점이 있다. 또한, 정보 이론을 이용한 속성 선택 기법들이 활용될 수 있다. 예를 들어 상호정보량(Mutual Information)을 이용한 MIFS(Mutual Information Feature Selection) 기법과 MIFS의 파라미터를 조절하여 성능이 개선된 기법들이 있다. 그러나 상호정보량만을 사용하는 것은 일반적인 성능이 효율적이지 못하다는 단점이 있다.
따라서, 다양한 속성들 중에서 유효한 특징들만을 선택하여 가능한 정보의 손실 없이 해를 찾을 수 있는 방법이 필요한 실정이다.
본 발명은 전술한 종래 기술의 문제점을 해결하기 위한 것으로서, 통계학에 기초하여 소리 정보로부터 체계적으로 생성한 특징 벡터에 기초하여 가축의 발정기 발성음을 탐지하는 장치 및 방법을 제공하고자 한다.
상기와 같은 기술적 과제를 달성하기 위한 본 발명의 일 측면에 따른 가축 발정기 소리 탐지 장치는, 축사에 설치된 소리 센서로부터 실시간으로 취득된 소리 신호를 수신하는 소리 신호 수신부; 상기 소리 신호로부터 기설정된 적어도 하나의 주파수 특징 변수를 추출하고,상기 주파수 특징 변수에 대해 인자분석(factor analysis), T 검증(t-test) 및 상관분석(correlation analysis)을 순차적으로 처리하여 복수의 대표 특징 변수를 추출하고, 상기 대표 특징 변수를 조합하여 특징 벡터를 생성하는 특징 추출부; 및 기설정된 분류기를 통해 상기 특징 벡터가 발정기가 발생된 가축의 소리를 나타내는지 여부를 판별하고, 상기 판별의 결과에 기초하여 가축의 발정기 발성음을 탐지하는 발정기 발생 탐지부를 포함하되, 상기 발정기 발생 탐지부는 기저장된 발정기가 발생된 가축의 소리를 상기 분류기를 통해 학습한 학습 데이터를 기준으로 상기 특징 벡터에 대한 상기 판별을 수행한다.
또한, 본 발명의 다른 측면에 따른 가축 발정기 소리 탐지 장치를 통한 가축 발정기를 탐지하는 방법은, 축사에 설치된 소리 센서로부터 실시간으로 취득된 소리 신호를 수신하는 단계; 상기 소리 신호로부터 기설정된 적어도 하나의 주파수 특징 변수를 추출하는 단계; 상기 주파수 특징 변수에 대해 인자분석(factor analysis), T 검증(t-test) 및 상관분석(correlation analysis)을 순차적으로 처리하여 복수의 대표 특징 변수를 추출하는 단계; 상기 대표 특징 변수를 조합하여 특징 벡터를 추출하는 단계; 기설정된 분류기를 통해 상기 특징 벡터가 발정기가 발생된 가축의 소리를 나타내는지 여부를 판별하는 단계; 및 상기 판별의 결과에 기초하여 가축의 발정기 발생을 탐지하는 단계를 포함하되, 상기 판별하는 단계는 기저장된 발정기가 발생된 가축의 소리를 상기 분류기를 통해 학습한 학습 데이터를 기준으로 상기 판별을 수행한다.
전술한 본 발명의 과제 해결 수단 중 어느 하나에 의하면, 소리 신호에 기반하여 가축 발정기 발성음을 실시간으로 신속하게 탐지하여 발정기 발생 사실을 알릴수 있다.
그리고, 본 발명의 과제 해결 수단 중 어느 하나에 의하면, 소리 신호를 소리 센서 및 CCTV 등을 통해 실시간으로 수집함으로써, 저비용으로 24시간 가축(예를 들어, 소)의 소리 정보를 지속적으로 취득할 수 있으며, 소리 취득을 위해 가축의 행동에 제약을 가하지 않아 왜곡없는 가축 소리 신호를 획득할 수 있다.
또한, 본 발명의 과제 해결 수단 중 어느 하나에 의하면, 통계학적 분석 방식에 기반하여 가축의 소리 신호에 따른 특징 벡터를 생성함으로써, 실제 축사에서 취득한 가축의 발정기 발성음을 대상으로 낮은 차원의 특징 벡터 생성이 가능하다. 즉, 통계적 분석 방법인 인자분석, 독립표본 T 검증 및 상관분석을 조합하여 특징 벡터를 생성함으로써, 데이터 원본의 다양한 속성(Attribute)들 중 안정적이고 개선된 해를 얻기 위한 유용한 속성들만을 선택할 수 있으며, 원본 데이터의 속성들에 비해 특징 차원이 축소된 형태의 특징 벡터를 생성하여 원본 데이터를 효과적으로 표현할 수 있다.
도 1은 본 발명의 일 실시예에 따른 가축 발정기 소리 탐지 장치의 구성을 나타내는 블록도이다.
도 2는 본 발명의 일 실시예에 따른 소 소리 신호 파형의 일례를 나타낸 도면이다.
도 3은 본 발명의 일 실시예에서 특징 벡터를 생성하는 방법을 설명하기 위한 도면이다.
도 4는 본 발명의 일 실시예에 따른 가축 발정기 소리 탐지 방법을 설명하기 위한 순서도이다.
아래에서는 첨부한 도면을 참조하여 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 본 발명의 실시예를 상세히 설명한다. 그러나 본 발명은 여러 가지 상이한 형태로 구현될 수 있으며 여기에서 설명하는 실시예에 한정되지 않는다. 그리고 도면에서 본 발명을 명확하게 설명하기 위해서 설명과 관계없는 부분은 생략하였으며, 명세서 전체를 통하여 유사한 부분에 대해서는 유사한 도면 부호를 붙였다.
명세서 전체에서, 어떤 부분이 다른 부분과 "연결"되어 있다고 할 때, 이는 "직접적으로 연결"되어 있는 경우뿐 아니라, 그 중간에 다른 소자를 사이에 두고 "전기적으로 연결"되어 있는 경우도 포함한다. 또한 어떤 부분이 어떤 구성요소를 "포함"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있는 것을 의미한다.
도 1은 본 발명의 일 실시예에 따른 가축 발정기 소리 탐지 장치의 구성을 나타내는 블록도이다. 그리고, 도 2는 본 발명의 일 실시예에 따른 소 소리 신호 파형의 일례를 나타낸 도면이다.
도 1에 도시한 바와 같이, 본 발명의 일 실시예에 따른 가축 발정기 소리 탐지 장치(100)는 소리 신호 수신부(110), 특징 추출부(120), 발정기 발생 탐지부(130) 및 알림부(140)를 포함하여 구성된다.
소리 신호 수신부(110)는 축사에 설치된 소리 센서로부터 실시간으로 취득된 소리 신호를 수신하여 특징 추출부(120)로 전송한다.
이때, 소리 신호는 소 축사 등의 장소에 설치된 하나 이상의 소리 센서 및 CCTV(Close-Circuit TeleVision) 등의 오디오 취득 장치를 통해 실시간으로 취득된 소리 신호로서, 가축(예를 들어, 소)의 소리 신호를 포함한다.
특징 추출부(120)는 입력된 소리 신호로부터 특징 벡터를 생성하여 소리 특징을 수치화하고, 추출된 특징 벡터를 발정기 발생 탐지부(130)로 전송한다. 이때, 특징 추출부(120)는 입력된 소리 신호에서 음이 시작되는 시작점을 탐색하고, 탐색한 시작점 이후의 데이터를 처리하여 특징 벡터를 생성할 수 있으며, 사람이 인지하는 소리 내에서 가축 발정기 발성음을 탐지할 수 있도록 사람의 소리 인지 주파수를 반영하여 특징 벡터를 생성할 수 있다.
특징 추출부(120)는 소리 신호로부터 기설정된 적어도 하나의 주파수 특징 변수를 추출하고, 추출된주파수 특징 변수에 대해 인자분석(factor analysis), T 검증(t-test) 및 상관분석(correlation analysis)을 순차적으로 처리하여 복수의 대표 특징 변수를 추출하고, 추출된 대표 특징 변수를 조합하여 특징 벡터를 생성한다.
구체적으로, 도 3은 본 발명의 일 실시예에서 특징 벡터를 생성하는 방법을 설명하기 위한 도면이다.
도 3에 도시한 바와 같이, 특징 추출부(120)는 소리 신호에서 다양한 주파수 특징 변수들(도 3에서는 ‘x1, x2, x3 ….. x10’으로 나타냄)을 추출하여 후보 집합을 설정한다. 이때, 주파수 특징 변수는 소리 신호의 주파수 특징 중 평균평방근(Root Mean Square), 파워(Power), 에너지(Energy), 절대값(Absolute value), 극값(Extremum), 강도(Intensity), 진폭변동률(Shimmer), 주파수변동률(Jitter), 피치(Pitch), 0-교차율(zero crossing rate) 및 포먼트(Formant) 중 적어도 하나를 포함할 수 있다.
그리고, 특징 추출부(120)는 추출된 주파수 특징 변수들을 인자분석(Factor Analysis) 처리를 하여 각각의 컴포넌트에서 영향력이 높은 특징 변수들을 각 컴포넌트의 대표 특징(이하, ‘제 1 후보 특징 변수’라고 함)으로 결정한다. 도 3에서는 인자분석을 통해 3개의 컴포넌트(Component 1, Component 2, Component 3)가 생성되며, 제 1 컴포넌트(Component 1)의 제 1 후보 특징 변수로는 ‘x1, x3, x4, x7’이 추출되고, 제 2 컴포넌트(Component 2)의 제 1 후보 특징 변수로는 ‘x2, x6, x8’이 추출되고, 제 3 컴포넌트(Component 3)의 제 1 후보 특징 변수로는 ‘x5, x9, x10’이 추출된 것을 나타내었다.
참고로, 인자분석은 변량 사이의 상관계수(相關係數)의 모임(즉 상관행렬(相關行列))을 간단한 인자행렬로 변환하는 일련의 수학적 조작을 의미한다.
그리고, 특징 추출부(120)는 각 컴포넌트 내에서 T 검증(t-test)을 처리하여 통계학적으로 유의미한 특징들만을 선택하여 각 컴포넌트의 대표 특징(이하, ‘제 2 후보 특정 변수’라고 함)으로 결정한다. 도 3에서는 제 1 컴포넌트에 대해 T 검증을 처리한 결과로서, 제 1 컴포넌트의 제 2 후보 특징 변수로는 ‘x1, x3, x4’가 추출되고, 제 2 컴포넌트의 제 2 후보 특징 변수로는 ‘x2’가 추출되고, 제 3 컴포넌트의 제 2 후보 특징 변수로는 ‘x5, x9’이 추출된 것을 나타내었다.
참고로, T 검증은 두 집단 또는 두 상관적인 표본의 평균치가 동일한 모집단에서 추출되었는지를 검증하는 모수치 통계 기법으로서, 두 집단 간의 통계적 차이를 검증하는 모수적 검증 방법을 의미한다.
그리고, 특징 추출부(120)는 각 컴포넌트 내·외에서 상관분석(Correlation Analysis)을 수행하여 제 2 후보 특징 변수들 중 상관 관계가 높은(즉, 중복된 정보를 갖는) 특징들을 제거하여 대표 특징(이하, ‘대표 특징 변수’라고 함)을 결정한다. 이때, 특징 추출부(120)는 각 컴포넌트의 제 2 후보 특징 변수들 간에 상관도를 산출하고, 산출된 상관도가 기설정된 기준값 이상인 주파수 특징 변수를 제거하여 대표 특징 변수를 추출할 수 있다. 도 3에서는 상관분석을 통해 컴포넌트들에서 최종적으로 대표 특징 변수(즉, ‘x1, x2, x3, x9’)가 선택된 것을 나타내었다.
참고로, 상관분석은 변수 간의 상관계수에 대하여 추정과 검정을 하는 기법으로서, 모든 사상에서 상관되는 인자가 서로 어떠한 관련성을 가지며, 그 관련성이 어느 정도인지를 수치적으로 조사하여 분석하는 것을 의미한다.
또한, 특징 추출부(120)는 최종적으로 추출된 대표 특징 변수들을 조합하여 특징 벡터를 생성한다.
이와 같이, 인자분석, T 검증 및 상관분석을 통해 소리 신호로부터 특징 벡터를 생성함으로써, 서로 다른 속성에 대한 분별력을 높일 수 있고 저차원인 특징 벡터를 생성할 수 있다.
다시 도 1로 돌아가서, 발정기 발생 탐지부(130)는 기설정된 분류기를 통해 특징 벡터가 발정기가 발생된 가축의 소리를 나타내는지 여부를 판별하고, 판별의 결과에 기초하여 가축(예를 들어, 소)의 발정기 발성음을 탐지한다. 그리고, 발정기 발생 탐지부(130)는 가축의 발정기 발생음이 탐지되면 알림부(140)로 가축의 발정기 발생을 알리는 알림 정보를 전송한다.
구체적으로, 본 발명의 일 실시예에 따른 발정기 발생 탐지부(130)는 사전에 취득되거나 입력되어 기저장된 ‘발정기가 발생된 가축의 소리’를 분류기를 통해 학습하고, 학습에 따른 학습 데이터를 기준으로 특징 벡터에 대한 판별을 수행한다. 이때, 발정기 발생 탐지부(130)는 기계학습 등을 통해 발정기가 발생한 가축의 소리(이하 설명의 편의상, ‘발정기 소리’라고 함)를 학습하고, 이러한 학습에 따른 학습 데이터를 가축의 발정기 발생음의 판별 기준으로 설정한다.
예를 들어, 도 2에서는 소의 소리 중 일반적인 소(즉, 정상 소)의 소리(A)와 발정기가 발생된 소의 소리(B)의 특징 파형들을 나타내었다. 이때, 발정기 발생 탐지부(130)는 입력된 소의 소리 신호 중 발정기가 발생된 소의 소리(B)의 신호 파형을 학습하여 발정기 판단의 기준 데이터(즉, 학습 데이터)로 설정할 수 있다.
또한, 본 발명의 일 실시예에서, 발정기 발생 탐지부(130)는 SVDD(Support Vector Data Description), SVM(Support Vector Machine), C4.5 기법, K 근접 이웃 기법(k-NN, k-nearest neighbor algorithm), SRC(Sparse Representation Classifier) 중 어느 하나의 방식에 따른 분류기를 이용하여 특징 벡터에 대한 판별을 수행할 수 있다.
예를 들어, 발정기 발생 탐지부(130)는 추출된 특징 벡터를 기설정된 분류기로 입력하고, 입력된 특징 벡터와 기설정된 학습 데이터 간의 일치 여부를 판단한다. 그리고, 발정기 발생 탐지부(130)는 특징 벡터와 학습 데이터가 일치하는 경우 특징 벡터를 발정기가 발생된 가축의 소리를 나타내는 것으로 판별하여 가축의 발정기 발성음을 탐지한다.
본 발명의 일 실시예에 따른 발정기 발생 탐지부(130)는 SVM 및 단일 클래스 SVM 중 어느 하나를 통해 특징 벡터를 학습하여 해당 특징 벡터가 발정기가 발생된 가축의 소리를 나타내는지 여부를 판단할 수 있다.
알림부(140)는 발정기 발생 탐지부(130)로부터 수신된 알림 정보에 기초하여 가축의 발정기 발생을 알리는 경보를 생성하여 출력한다.
참고로, 상기 출력은 알림부(140)가 가축 발정기 발성음 탐지에 따른 경보를 기설정된 사용자 단말기로 제공하거나 기설정된 출력 장치(예를 들어, 모니터 등)(미도시)를 통해 출력하는 것을 의미한다. 이때, 알림부(140)로부터 생성된 경보는 가축 발정기 소리 탐지 장치(100) 자체에 포함된 알람 수단 또는 외부 장치로서 구성되어 가축 발정기 소리 탐지 장치(100)와 유/무선으로 연결된 알림 단말(미도시)을 통해 출력될 수 있다. 그리고, 상기 경보는 관리자가 인지할 수 있도록 문자 데이터 및 음향 데이터 등 다양한 형태의 정보로서 출력될 수 있다. 예를 들어, 가축 발정기 발생 탐지에 따른 경보에는 가축 발정기 발생 알림 정보 및 가축 발정기 발생 시간 등의 정보 등이 포함될 수 있다.
이와 같은 방식으로, 본 발명의 일 실시예에 따른 가축 발정기 소리 탐지 장치(100)는 (예컨대 감시 카메라 환경에서) 축사 내 발정기가 발생된 가축의 소리를 신속하고 정확하게 탐지할 수 있다.
이하, 도 4를 참조하여 본 발명의 일 실시예에 따른 가축 발정기 소리 탐지 방법을 상세히 설명하도록 한다.
도 4는 본 발명의 일 실시예에 따른 가축 발정기 소리 탐지 방법을 설명하기 위한 순서도이다.
먼저, 축사에 설치된 소리 센서로부터 실시간으로 취득된 소리 신호를 수신한다(S110).
그런 다음, 수신된 소리 신호로부터 기설정된 적어도 하나의 주파수 특징 변수를 추출한다(S120).
이때, 주파수 특징 변수는 소리 신호의 주파수 특징 중 평균평방근(Root Mean Square), 파워(Power), 에너지(Energy), 절대값(Absolute value), 극값(Extremum), 강도(Intensity), 진폭변동률(Shimmer), 주파수변동률(Jitter), 피치(Pitch), 0-교차율(zero crossing rate) 및 포먼트(Formant) 중 적어도 하나를 포함한다.
그런 후, 주파수 특징 변수에 대해 인자분석(factor analysis), T 검증(t-test) 및 상관분석(correlation analysis)을 순차적으로 처리하여 복수의 대표 특징 변수를 추출한다(S130).
구체적으로, 주파수 특징 변수에 대해 인자분석을 처리하여 복수의 컴포넌트의 제 1 후보 특징 변수를 추출하고, 각 컴포넌트의 제 1 후보 특징 변수에 대해 T 검증을 처리하여 제 2 후보 특징 변수를 추출하고, 제 2 후보 특징 변수에 포함된 주파수 특징 변수들 간에 상관도를 산출하고, 제 2 후보 특징 변수 중 상관도가 기설정된 기준값 이상인 주파수 특징 변수를 제거 처리하여 대표 특징 변수를 추출할 수 있다.
다음으로, 추출된 대표 특징 변수들을 조합하여 특징 벡터를 생성하고(S140), 추출된 특징 벡터를 기설정된 분류기로 입력하여 특징 벡터가 발정기가 발생된 가축의 소리를 나타내는지 여부를 판별한다(S150).
참고로, 분류기는 SVDD(Support Vector Data Description), SVM(Support Vector Machine), C4.5 기법, K 근접 이웃 기법(k-NN, k-nearest neighbor algorithm), SRC(Sparse Representation Classifier) 중 어느 하나의 방식에 따른 분류기일 수 있다.
이때, 단계 (S150)은 기저장된 ‘발정기가 발생된 가축의 소리’를 상기 분류기를 통해 학습한 학습 데이터를 기준으로 상기 판별을 수행할 수 있다.
그런 후, 상기 판별의 결과에 기초하여 가축의 발정기 발성음을 탐지하고, 가축 발정기 발정음 탐지에 따라 발정기 가축이 발생했음을 알리는 경보를 출력한다(S160).
전술한 본 발명의 설명은 예시를 위한 것이며, 본 발명이 속하는 기술분야의 통상의 지식을 가진 자는 본 발명의 기술적 사상이나 필수적인 특징을 변경하지 않고서 다른 구체적인 형태로 쉽게 변형이 가능하다는 것을 이해할 수 있을 것이다. 그러므로 이상에서 기술한 실시예들은 모든 면에서 예시적인 것이며 한정적이 아닌 것으로 이해해야만 한다. 예를 들어, 단일형으로 설명되어 있는 각 구성 요소는 분산되어 실시될 수도 있으며, 마찬가지로 분산된 것으로 설명되어 있는 구성 요소들도 결합된 형태로 실시될 수 있다.
본 발명의 범위는 상기 상세한 설명보다는 후술하는 특허청구범위에 의하여 나타내어지며, 특허청구범위의 의미 및 범위 그리고 그 균등 개념으로부터 도출되는 모든 변경 또는 변형된 형태가 본 발명의 범위에 포함되는 것으로 해석되어야 한다.
100: 가축 발정기 소리 탐지 장치
110: 신호 수신부
120: 특징 추출부
130: 발정기 발생 탐지부
140: 알림부

Claims (10)

  1. 가축 발정기 소리 탐지 장치에 있어서,
    축사에 설치된 소리 센서로부터 실시간으로 취득된 소리 신호를 수신하는 소리 신호 수신부;
    상기 소리 신호로부터 기설정된 적어도 하나의 주파수 특징 변수를 추출하고,상기 주파수 특징 변수에 대해 인자분석(factor analysis), T 검증(t-test) 및 상관분석(correlation analysis)을 순차적으로 처리하여 복수의 대표 특징 변수를 추출하고, 상기 대표 특징 변수를 조합하여 특징 벡터를 생성하는 특징 추출부; 및
    기설정된 분류기를 통해 상기 특징 벡터가 발정기가 발생된 가축의 소리를 나타내는지 여부를 판별하고, 상기 판별의 결과에 기초하여 가축의 발정기 발성음을 탐지하는 발정기 발생 탐지부를 포함하되,
    상기 발정기 발생 탐지부는,
    기저장된 발정기가 발생된 가축의 소리를 상기 분류기를 통해 학습한 학습 데이터를 기준으로 상기 특징 벡터에 대한 상기 판별을 수행하는 가축 발정기 소리 탐지 장치.
  2. 제 1 항에 있어서,
    상기 특징 추출부는,
    상기 소리 신호의 주파수 특징 중 평균평방근(Root Mean Square), 파워(Power), 에너지(Energy), 절대값(Absolute value), 극값(Extremum), 강도(Intensity), 진폭변동률(Shimmer), 주파수변동률(Jitter), 피치(Pitch), 0-교차율(zero crossing rate) 및 포먼트(Formant) 중 적어도 하나를 포함하는 상기 주파수 특징 변수를 추출하는 가축 발정기 소리 탐지 장치.
  3. 제 1 항에 있어서,
    상기 특징 추출부는,
    상기 인자분석 및 T 검증 처리된 상기 주파수 특징 변수들 간에 상관도를 산출하고, 상기 상관도가 기설정된 기준값 이상인 주파수 특징 변수를 제거 처리하여 상기 대표 특징 변수를 검출하는 가축 발정기 소리 탐지 장치.
  4. 제 1 항에 있어서,
    상기 분류기는,
    SVDD(Support Vector Data Description), SVM(Support Vector Machine), C4.5 기법, K 근접 이웃 기법(k-NN, k-nearest neighbor algorithm), SRC(Sparse Representation Classifier) 중 어느 하나의 방식에 따른 분류기인 것인 가축 발정기 소리 탐지 장치.
  5. 제1 항에 있어서,
    상기 발정기 발생 탐지부의 상기 판별의 결과에 기초하여 가축의 발정기 발생을 알리는 경보를 출력하는 알림부를 더 포함하는, 가축 발정기 소리 탐지 장치.
  6. 가축 발정기 소리 탐지 장치를 통해 가축 발정기 소리를 탐지하는 방법에 있어서,
    축사에 설치된 소리 센서로부터 실시간으로 취득된 소리 신호를 수신하는 단계;
    상기 소리 신호로부터 기설정된 적어도 하나의 주파수 특징 변수를 추출하는 단계;
    상기 주파수 특징 변수에 대해 인자분석(factor analysis), T 검증(t-test) 및 상관분석(correlation analysis)을 순차적으로 처리하여 복수의 대표 특징 변수를 추출하는 단계;
    상기 대표 특징 변수를 조합하여 특징 벡터를 생성하는 단계;
    기설정된 분류기를 통해 상기 특징 벡터가 발정기가 발생된 가축의 소리를 나타내는지 여부를 판별하는 단계; 및
    상기 판별의 결과에 기초하여 가축의 발정기 발성음을 탐지하는 단계를 포함하되,
    상기 판별하는 단계는,
    기저장된 발정기가 발생된 가축의 소리를 상기 분류기를 통해 학습한 학습 데이터를 기준으로 상기 판별을 수행하는 가축 발정기 소리 탐지 방법.
  7. 제 6 항에 있어서,
    상기 주파수 특징 변수를 추출하는 단계는,
    상기 소리 신호의 주파수 특징 중 평균평방근(Root Mean Square), 파워(Power), 에너지(Energy), 절대값(Absolute value), 극값(Extremum), 강도(Intensity), 진폭변동률(Shimmer), 주파수변동률(Jitter), 피치(Pitch), 0-교차율(zero crossing rate) 및 포먼트(Formant) 중 적어도 하나를 포함하는 상기 주파수 특징 변수를 추출하는 가축 발정기 소리 탐지 방법.
  8. 제 6 항에 있어서,
    상기 대표 특징 변수를 추출하는 단계는,
    상기 주파수 특징 변수에 대해 상기 인자분석을 처리하여 제 1 후보 특징 변수를 추출하는 단계;
    상기 제 1 후보 특징 변수에 대해 상기 T 검증을 처리하여 제 2 후보 특징 변수를 추출하는 단계;
    상기 제 2 후보 특징 변수에 포함된 주파수 특징 변수들 간에 상관도를 산출하는 단계; 및
    상기 제 2 후보 특징 변수 중 상기 상관도가 기설정된 기준값 이상인 주파수 특징 변수를 제거 처리하여 상기 대표 특징 변수를 검출하는 단계를 포함하는 가축 발정기 소리 탐지 방법.
  9. 제 6 항에 있어서,
    상기 분류기는,
    SVDD(Support Vector Data Description), SVM(Support Vector Machine), C4.5 기법, K 근접 이웃 기법(k-NN, k-nearest neighbor algorithm), SRC(Sparse Representation Classifier) 중 어느 하나의 방식에 따른 분류기인 것인 가축 발정기 소리 탐지 방법.
  10. 제 6 항에 있어서,
    상기 가축의 발정기 발성음을 탐지하는 단계 이후에,
    상기 판별의 결과에 기초하여 가축의 발정기 발생을 알리는 경보를 출력하는 단계를 더 포함하는 가축 발정기 소리 탐지 방법.
KR1020120132621A 2012-11-21 2012-11-21 특징 벡터 생성 알고리즘을 적용한 가축의 발정기 소리 탐지 장치 및 방법 KR101367418B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020120132621A KR101367418B1 (ko) 2012-11-21 2012-11-21 특징 벡터 생성 알고리즘을 적용한 가축의 발정기 소리 탐지 장치 및 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020120132621A KR101367418B1 (ko) 2012-11-21 2012-11-21 특징 벡터 생성 알고리즘을 적용한 가축의 발정기 소리 탐지 장치 및 방법

Publications (1)

Publication Number Publication Date
KR101367418B1 true KR101367418B1 (ko) 2014-03-04

Family

ID=50647118

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020120132621A KR101367418B1 (ko) 2012-11-21 2012-11-21 특징 벡터 생성 알고리즘을 적용한 가축의 발정기 소리 탐지 장치 및 방법

Country Status (1)

Country Link
KR (1) KR101367418B1 (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20190093784A (ko) 2018-01-16 2019-08-12 에스케이텔레콤 주식회사 가축의 건강 상태를 모니터링하는 장치

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20020094336A (ko) * 2001-06-11 2002-12-18 연성찬 소의 발정 감지 장치
KR20040086966A (ko) * 2003-04-03 2004-10-13 연성찬 가축의 발정감지 및 수정적기를 예측하기 위한 행동측정장치
KR100810812B1 (ko) 2007-01-09 2008-03-06 대한민국(관리부서:농촌진흥청) 발정 개시 표시기
KR20120092762A (ko) * 2011-01-10 2012-08-22 고려대학교 산학협력단 카메라 환경에서의 비정상 소리 탐지 및 식별 시스템

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20020094336A (ko) * 2001-06-11 2002-12-18 연성찬 소의 발정 감지 장치
KR20040086966A (ko) * 2003-04-03 2004-10-13 연성찬 가축의 발정감지 및 수정적기를 예측하기 위한 행동측정장치
KR100810812B1 (ko) 2007-01-09 2008-03-06 대한민국(관리부서:농촌진흥청) 발정 개시 표시기
KR20120092762A (ko) * 2011-01-10 2012-08-22 고려대학교 산학협력단 카메라 환경에서의 비정상 소리 탐지 및 식별 시스템

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
K1020020094336 A

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20190093784A (ko) 2018-01-16 2019-08-12 에스케이텔레콤 주식회사 가축의 건강 상태를 모니터링하는 장치

Similar Documents

Publication Publication Date Title
US11520672B2 (en) Anomaly detection device, anomaly detection method and storage medium
WO2009090584A2 (en) Method and system for activity recognition and its application in fall detection
CN110418204B (zh) 基于微表情的视频推荐方法、装置、设备和存储介质
de Almeida Cardoso et al. A clustering-based strategy for automated structural modal identification
WO2021043126A1 (en) System and method for event recognition
CN112738092A (zh) 一种日志数据增强方法、分类检测方法及系统
CN111931616A (zh) 基于移动智能终端传感器设备的情绪识别方法及系统
CN112183289A (zh) 一种花屏检测方法、装置、设备及介质
CN110414360A (zh) 一种异常行为的检测方法及检测设备
CN112955837A (zh) 异常诊断装置、异常诊断方法、及程序
KR102331126B1 (ko) 연상 메모리와 결합된 모션 감지 장치를 이용해서 움직임을 식별하기 위한 시스템 및 방법
JP2019105871A (ja) 異常候補抽出プログラム、異常候補抽出方法および異常候補抽出装置
KR101906456B1 (ko) 인공지능을 이용하여 이상 상태를 검출하는 장치 및 방법
KR101367418B1 (ko) 특징 벡터 생성 알고리즘을 적용한 가축의 발정기 소리 탐지 장치 및 방법
KR102364172B1 (ko) 가축 발성음 센싱 시스템 및 방법
CN113553952A (zh) 异常行为识别方法及装置、设备、存储介质、程序产品
US11640553B2 (en) Method for analyzing time-series data based on machine learning and information processing apparatus
JP6000767B2 (ja) 学習装置、判別装置、行動状態判別システム、および判別方法
JP2019139651A (ja) 未知の複数次元のベクトルデータ群をクラス分類するプログラム、装置及び方法
CN103985385A (zh) 基于波谱特征鉴定蛙类个体信息的方法
KR20130089980A (ko) 축사 보안 장치 및 방법
KR20170028571A (ko) 이상 가축을 탐지하는 장치 및 방법
JPWO2019179836A5 (ko)
KR20130110572A (ko) 소리 정보를 이용한 소 발정기 탐지 장치 및 방법
Zhang et al. Artificial Intelligence‐Based Joint Movement Estimation Method for Football Players in Sports Training

Legal Events

Date Code Title Description
A201 Request for examination
E701 Decision to grant or registration of patent right
GRNT Written decision to grant
FPAY Annual fee payment

Payment date: 20170109

Year of fee payment: 4

FPAY Annual fee payment

Payment date: 20180108

Year of fee payment: 5

FPAY Annual fee payment

Payment date: 20190211

Year of fee payment: 6

FPAY Annual fee payment

Payment date: 20200106

Year of fee payment: 7