KR102362906B1 - 객체를 모니터링하기 위한 방법, 시스템 및 비일시성의 컴퓨터 판독 가능한 기록 매체 - Google Patents
객체를 모니터링하기 위한 방법, 시스템 및 비일시성의 컴퓨터 판독 가능한 기록 매체 Download PDFInfo
- Publication number
- KR102362906B1 KR102362906B1 KR1020200182970A KR20200182970A KR102362906B1 KR 102362906 B1 KR102362906 B1 KR 102362906B1 KR 1020200182970 A KR1020200182970 A KR 1020200182970A KR 20200182970 A KR20200182970 A KR 20200182970A KR 102362906 B1 KR102362906 B1 KR 102362906B1
- Authority
- KR
- South Korea
- Prior art keywords
- behavior
- unconfirmed
- information
- target data
- data
- Prior art date
Links
- 238000012544 monitoring process Methods 0.000 title claims abstract description 76
- 238000000034 method Methods 0.000 title claims abstract description 13
- 230000006399 behavior Effects 0.000 claims abstract description 124
- 238000005259 measurement Methods 0.000 claims abstract description 29
- 238000010801 machine learning Methods 0.000 claims abstract description 23
- 238000013523 data management Methods 0.000 claims description 26
- 230000009471 action Effects 0.000 claims description 11
- 230000007613 environmental effect Effects 0.000 claims description 7
- 244000144972 livestock Species 0.000 claims description 7
- 238000007726 management method Methods 0.000 claims description 6
- 230000003862 health status Effects 0.000 claims description 4
- 230000000694 effects Effects 0.000 claims description 3
- 235000021050 feed intake Nutrition 0.000 claims description 3
- 238000004590 computer program Methods 0.000 claims description 2
- 230000003542 behavioural effect Effects 0.000 claims 2
- 238000004891 communication Methods 0.000 description 41
- 244000309466 calf Species 0.000 description 21
- 230000006870 function Effects 0.000 description 16
- 230000001133 acceleration Effects 0.000 description 7
- 238000010586 diagram Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000013527 convolutional neural network Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 206010000117 Abnormal behaviour Diseases 0.000 description 1
- 241000282887 Suidae Species 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 238000003064 k means clustering Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000000306 recurrent effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 208000024891 symptom Diseases 0.000 description 1
- 206010042772 syncope Diseases 0.000 description 1
Images
Classifications
-
- A—HUMAN NECESSITIES
- A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
- A01K—ANIMAL HUSBANDRY; AVICULTURE; APICULTURE; PISCICULTURE; FISHING; REARING OR BREEDING ANIMALS, NOT OTHERWISE PROVIDED FOR; NEW BREEDS OF ANIMALS
- A01K29/00—Other apparatus for animal husbandry
- A01K29/005—Monitoring or measuring activity, e.g. detecting heat or mating
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/02—Agriculture; Fishing; Forestry; Mining
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/20—Movements or behaviour, e.g. gesture recognition
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
- G08B21/02—Alarms for ensuring the safety of persons
- G08B21/0202—Child monitoring systems using a transmitter-receiver system carried by the parent and the child
- G08B21/0205—Specific application combined with child monitoring using a transmitter-receiver system
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
- G08B21/02—Alarms for ensuring the safety of persons
- G08B21/04—Alarms for ensuring the safety of persons responsive to non-activity, e.g. of elderly persons
- G08B21/0438—Sensor means for detecting
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B25/00—Alarm systems in which the location of the alarm condition is signalled to a central station, e.g. fire or police telegraphic systems
- G08B25/14—Central alarm receiver or annunciator arrangements
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A40/00—Adaptation technologies in agriculture, forestry, livestock or agroalimentary production
- Y02A40/70—Adaptation technologies in agriculture, forestry, livestock or agroalimentary production in livestock or poultry
Landscapes
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Multimedia (AREA)
- Human Computer Interaction (AREA)
- Emergency Management (AREA)
- Social Psychology (AREA)
- Psychiatry (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Child & Adolescent Psychology (AREA)
- Environmental Sciences (AREA)
- Animal Husbandry (AREA)
- Strategic Management (AREA)
- Marketing (AREA)
- Agronomy & Crop Science (AREA)
- Primary Health Care (AREA)
- Mining & Mineral Resources (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Biophysics (AREA)
- Gerontology & Geriatric Medicine (AREA)
- Economics (AREA)
- Marine Sciences & Fisheries (AREA)
- Human Resources & Organizations (AREA)
- Biodiversity & Conservation Biology (AREA)
- Alarm Systems (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
- Medical Treatment And Welfare Office Work (AREA)
- Testing And Monitoring For Control Systems (AREA)
- Image Analysis (AREA)
- Remote Monitoring And Control Of Power-Distribution Networks (AREA)
- Debugging And Monitoring (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
- Train Traffic Observation, Control, And Security (AREA)
Abstract
본 발명의 일 태양에 따르면, 객체를 모니터링하기 위한 방법으로서, 적어도 하나의 객체에 대한 센서에 의하여 측정되는 센서 데이터에서, 머신 러닝 기반 행동 인식 모델에 의하여 인식되지 않은 상기 적어도 하나의 객체의 미확인 행동에 관한 패턴 데이터를 특정하는 단계, 및 상기 패턴 데이터의 측정 빈도 및 측정 크기 중 적어도 하나에 기초하여 상기 패턴 데이터 중 적어도 일부를 타겟 데이터로서 결정하고, 상기 타겟 데이터에 관한 정보를 사용자에게 제공하는 단계를 포함하는 방법이 제공된다.
Description
본 발명은 객체를 모니터링하기 위한 방법, 시스템 및 비일시성의 컴퓨터 판독 가능한 기록 매체에 관한 것이다.
근래에 들어, 머신 러닝 기술에 관한 연구가 활발히 이루어지면서, 머신 러닝 기반의 행동 인식 모델을 이용하여 특정 객체(예를 들면, 송아지와 같은 가축)를 효율적으로 모니터링하기 위한 기술들이 소개된 바 있다.
이에 관한 종래 기술의 일 예로서, 한국공개특허공보 제10-2020-0059445호에 개시된 기술을 예로 들 수 있는데, 이에 따르면, 센서로부터 데이터를 수집하는 데이터 수집 단계, 상기 수집된 데이터를 분석하여 특징점을 생성하는 특징점 생성 단계 및 상기 특징점을 모델링된 분류기에 통과시켜 행동 패턴을 검출하는 패턴 분석 단계를 포함하는 것을 특징으로 한다.
하지만, 위와 같은 종래 기술을 비롯하여 지금까지 소개된 기술에 의하면, 객체의 행동 중에서 머신 러닝 기반 행동 인식 모델에 의하여 인식되지 않는 행동(예를 들면, 넘어지거나 졸도하는 등 송아지의 이상 행동)에 관하여는 모니터링을 하기 어렵다는 문제점이 있었다.
이에 본 발명자(들)는, 위와 같이 머신 러닝 기반 행동 인식 모델에 의하여 인식되지 않는 행동에 관한 정보를 사용자에게 제공함으로써, 그러한 행동에 관하여 모니터링할 수 있도록 지원하는 기술을 제안하는 바이다.
본 발명은 전술한 종래 기술의 문제점을 모두 해결하는 것을 그 목적으로 한다.
또한, 본 발명은, 적어도 하나의 객체에 대한 센서에 의하여 측정되는 센서 데이터에서, 머신 러닝 기반 행동 인식 모델에 의하여 인식되지 않은 위의 적어도 하나의 객체의 미확인 행동에 관한 패턴 데이터를 특정하고, 위의 패턴 데이터의 측정 빈도 및 측정 크기 중 적어도 하나에 기초하여 위의 패턴 데이터 중 적어도 일부를 타겟 데이터로서 결정하고, 위의 타겟 데이터에 관한 정보를 사용자에게 제공하는 것을 다른 목적으로 한다.
또한, 본 발명은, 머신 러닝 기반 행동 인식 모델에 의하여 인식되지 않는 행동에 관한 정보를 사용자에게 제공함으로써, 해당 행동에 관하여 모니터링할 수 있도록 지원하는 것을 또 다른 목적으로 한다.
또한, 본 발명은, 머신 러닝 기반 행동 인식 모델에 의하여 인식되지 않는 행동에 관하여 모니터링할 수 있도록 함으로써, 객체에 관한 이상 징후를 조기에 발견하고, 객체를 용이하게 관리할 수 있도록 지원하는 것을 또 다른 목적으로 한다.
상기 목적을 달성하기 위한 본 발명의 대표적인 구성은 다음과 같다.
본 발명의 일 태양에 따르면, 적어도 하나의 객체에 대한 센서에 의하여 측정되는 센서 데이터에서, 머신 러닝 기반 행동 인식 모델에 의하여 인식되지 않은 상기 적어도 하나의 객체의 미확인 행동에 관한 패턴 데이터를 특정하는 단계, 및 상기 패턴 데이터의 측정 빈도 및 측정 크기 중 적어도 하나에 기초하여 상기 패턴 데이터 중 적어도 일부를 타겟 데이터로서 결정하고, 상기 타겟 데이터에 관한 정보를 사용자에게 제공하는 단계를 포함하는 방법이 제공된다.
본 발명의 다른 태양에 따르면, 적어도 하나의 객체에 대한 센서에 의하여 측정되는 센서 데이터에서, 머신 러닝 기반 행동 인식 모델에 의하여 인식되지 않은 상기 적어도 하나의 객체의 미확인 행동에 관한 패턴 데이터를 특정하는 객체 모니터링부, 및 상기 패턴 데이터의 측정 빈도 및 측정 크기 중 적어도 하나에 기초하여 상기 패턴 데이터 중 적어도 일부를 타겟 데이터로서 결정하고, 상기 타겟 데이터에 관한 정보를 사용자에게 제공하는 타겟 데이터 관리부를 포함하는 시스템이 제공된다.
이 외에도, 본 발명을 구현하기 위한 다른 방법, 다른 시스템 및 상기 방법을 실행하기 위한 컴퓨터 프로그램을 기록하는 비일시성의 컴퓨터 판독 가능한 기록 매체가 더 제공된다.
본 발명에 의하면, 적어도 하나의 객체에 대한 센서에 의하여 측정되는 센서 데이터에서, 머신 러닝 기반 행동 인식 모델에 의하여 인식되지 않은 위의 적어도 하나의 객체의 미확인 행동에 관한 패턴 데이터를 특정하고, 위의 패턴 데이터의 측정 빈도 및 측정 크기 중 적어도 하나에 기초하여 위의 패턴 데이터 중 적어도 일부를 타겟 데이터로서 결정하고, 위의 타겟 데이터에 관한 정보를 사용자에게 제공할 수 있게 된다.
또한, 본 발명에 의하면, 머신 러닝 기반 행동 인식 모델에 의하여 인식되지 않는 행동에 관한 정보를 사용자에게 제공함으로써, 그러한 행동에 관하여 모니터링할 수 있도록 지원할 수 있게 된다.
또한, 본 발명에 의하면, 머신 러닝 기반 행동 인식 모델에 의하여 인식되지 않는 행동에 관하여 모니터링할 수 있도록 함으로써, 객체에 관한 이상 징후를 조기에 발견하고, 객체를 용이하게 관리할 수 있도록 지원할 수 있게 된다.
도 1은 본 발명의 일 실시예에 따라 객체를 모니터링하기 위한 전체 시스템의 개략적인 구성을 나타내는 도면이다.
도 2는 본 발명의 일 실시예에 따른 객체 모니터링 시스템의 내부 구성을 상세하게 도시하는 도면이다.
도 2는 본 발명의 일 실시예에 따른 객체 모니터링 시스템의 내부 구성을 상세하게 도시하는 도면이다.
후술하는 본 발명에 대한 상세한 설명은, 본 발명이 실시될 수 있는 특정 실시예를 예시로서 도시하는 첨부 도면을 참조한다. 이러한 실시예는 당업자가 본 발명을 실시할 수 있기에 충분하도록 상세히 설명된다. 본 발명의 다양한 실시예는 서로 다르지만 상호 배타적일 필요는 없음이 이해되어야 한다. 예를 들어, 본 명세서에 기재되어 있는 특정 형상, 구조 및 특성은 본 발명의 정신과 범위를 벗어나지 않으면서 일 실시예로부터 다른 실시예로 변경되어 구현될 수 있다. 또한, 각각의 실시예 내의 개별 구성요소의 위치 또는 배치도 본 발명의 정신과 범위를 벗어나지 않으면서 변경될 수 있음이 이해되어야 한다. 따라서, 후술하는 상세한 설명은 한정적인 의미로서 행하여지는 것이 아니며, 본 발명의 범위는 특허청구범위의 청구항들이 청구하는 범위 및 그와 균등한 모든 범위를 포괄하는 것으로 받아들여져야 한다. 도면에서 유사한 참조부호는 여러 측면에 걸쳐서 동일하거나 유사한 구성요소를 나타낸다.
이하에서는, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자가 본 발명을 용이하게 실시할 수 있도록 하기 위하여, 본 발명의 여러 바람직한 실시예에 관하여 첨부된 도면을 참조하여 상세히 설명하기로 한다.
본 명세서에서는, 객체 모니터링 시스템에 관한 실시예가 송아지의 행동을 모니터링 하는 경우에 주로 초점을 맞추어 설명되지만, 본 발명에서의 객체 모니터링 시스템은 말, 돼지 등 다른 가축의 행동을 모니터링 하는 경우에도 적용될 수 있으며, 환자의 행동을 모니터링하는 경우와 같이 사람의 행동을 모니터링하는 경우에도 적용될 수 있는 것으로 이해되어야 한다.
또한, 본 명세서에서 행동이란, 반드시 객체의 움직임이 있는 동작만을 의미하는 것은 아니고, 객체가 자세의 변화 없이(또는 움직임이 거의 없는 상태로) 소정 시간 동안 특정 자세를 유지하는 상태를 의미할 수도 있는 것으로 이해되어야 한다.
전체 시스템의 구성
도 1은 본 발명의 일 실시예에 따라 객체를 모니터링하기 위한 전체 시스템의 개략적인 구성을 나타내는 도면이다.
도 1에 도시된 바와 같이, 본 발명의 일 실시예에 따른 전체 시스템은 통신망(100), 객체 모니터링 시스템(200), 센서(300) 및 디바이스(400)를 포함할 수 있다.
먼저, 본 발명의 일 실시예에 따른 통신망(100)은 유선 통신이나 무선 통신과 같은 통신 양태를 가리지 않고 구성될 수 있으며, 근거리 통신망(LAN; Local Area Network), 도시권 통신망(MAN; Metropolitan Area Network), 광역 통신망(WAN; Wide Area Network) 등 다양한 통신망으로 구성될 수 있다. 바람직하게는, 본 명세서에서 말하는 통신망(100)은 공지의 인터넷 또는 월드 와이드 웹(WWW; World Wide Web)일 수 있다. 그러나, 통신망(100)은, 굳이 이에 국한될 필요 없이, 공지의 유무선 데이터 통신망, 공지의 전화망 또는 공지의 유무선 텔레비전 통신망을 그 적어도 일부에 있어서 포함할 수도 있다.
예를 들면, 통신망(100)은 무선 데이터 통신망으로서, 와이파이(WiFi) 통신, 와이파이 다이렉트(WiFi-Direct) 통신, 롱텀 에볼루션(LTE, Long Term Evolution) 통신, 5G 통신, 블루투스 통신(저전력 블루투스(BLE; Bluetooth Low Energy) 통신 포함), 적외선 통신, 초음파 통신 등과 같은 종래의 통신 방법을 적어도 그 일부분에 있어서 구현하는 것일 수 있다. 다른 예를 들면, 통신망(100)은 광 통신망으로서, 라이파이(LiFi, Light Fidelity) 등과 같은 종래의 통신 방법을 적어도 그 일부분에 있어서 구현하는 것일 수 있다.
한편, 본 발명의 일 실시예에 따른 통신망(100)은 둘 이상의 종류의 통신망으로 구성될 수 있다. 예를 들면, 객체 모니터링 시스템(200)과 디바이스(400) 사이의 통신망은 LTE 통신, 5G 통신 등의 고속 무선 통신망 또는 유선 통신망일 수 있고, 객체 모니터링 시스템(200)과 센서(300) 사이의 통신망은 로라완(LoRaWAN) 시그폭스(SIGFOX), 엘티이-엠티시(LTE-MTC), 협대역 사물 인터넷(NB-IoT) 등의 LPWAN(Low Power Wide Area Network)일 수 있다.
다만, 본 발명의 일 실시예에 따른 통신망(100)의 구성은 위에서 설명된 것에 한정되지 않으며, 본 발명의 목적을 달성할 수 있는 범위 내에서 다양하게 변경될 수 있다.
다음으로, 본 발명의 일 실시예에 따른 객체 모니터링 시스템(200)은 적어도 하나의 객체에 대한 센서에 의하여 측정되는 센서 데이터에서, 머신 러닝 기반 행동 인식 모델에 의하여 인식되지 않은 위의 적어도 하나의 객체의 미확인 행동에 관한 패턴 데이터를 특정하고, 위의 패턴 데이터의 측정 빈도 및 측정 크기 중 적어도 하나에 기초하여 위의 패턴 데이터 중 적어도 일부를 타겟 데이터로서 결정하고, 위의 타겟 데이터에 관한 정보를 사용자에게 제공하는 기능을 수행할 수 있다.
본 발명에 따른 객체 모니터링 시스템(200)의 구성과 기능에 관하여는 이하의 상세한 설명을 통하여 자세하게 알아보기로 한다.
다음으로, 본 발명의 일 실시예에 따른 센서(300)는 객체 모니터링 시스템(200)에 접속한 후 통신할 수 있는 기능을 포함하는 디지털 기기로서, 공지의 6축 각속도/가속도 센서를 포함할 수 있다. 따라서, 센서(300)에 의하여 X축, Y축 및 Z축의 가속도와 각속도(즉, 어떤 방향으로 기울어지는 속도)를 측정할 수 있다. 나아가, 각가속도가 각속도와 함께 또는 각속도를 대신하여 측정될 수도 있다. 이러한 센서(300)는 객체(예를 들면, 송아지)의 신체의 일부(예를 들면, 송아지의 목)에 착용되거나 삽입될 수 있다. 다만, 본 발명의 일 실시예에 따른 센서(300)의 종류 및 센서(300)가 착용되거나 삽입되는 위치에 특별한 제한이 있는 것은 아니며, 본 발명의 목적을 달성할 수 있는 범위 내에서 다양하게 변경될 수 있다. 예를 들면, 본 발명의 일 실시예에 따른 센서(300)에는 각속도 및 가속도 센서가 아닌 다른 종류의 센서가 포함될 수 있고, 객체(예를 들면, 송아지)의 신체 내부에 삽입될 수도 있다.
특히, 본 발명의 일 실시예에 따른 센서(300)는, 사용자가 객체 모니터링 시스템(200)으로부터 객체 모니터링 등의 서비스를 제공받을 수 있도록 지원하는 애플리케이션(미도시됨)을 포함할 수 있다. 이와 같은 애플리케이션은 객체 모니터링 시스템(200) 또는 외부의 애플리케이션 배포 서버(미도시됨)로부터 다운로드된 것일 수 있다. 한편, 이러한 애플리케이션의 성격은 후술할 바와 같은 객체 모니터링 시스템(200)의 객체 모니터링부(210), 타겟 데이터 관리부(220), 통신부(230) 및 제어부(240)와 전반적으로 유사할 수 있다. 여기서, 애플리케이션은 그 적어도 일부가 필요에 따라 그것과 실질적으로 동일하거나 균등한 기능을 수행할 수 있는 하드웨어 장치나 펌웨어 장치로 치환될 수도 있다.
다음으로, 본 발명의 일 실시예에 따른 디바이스(400)는 객체 모니터링 시스템(200)에 접속한 후 통신할 수 있는 기능을 포함하는 디지털 기기로서, 스마트폰, 태블릿, 스마트 워치, 스마트 밴드, 스마트 글래스, 데스크탑 컴퓨터, 노트북 컴퓨터, 워크스테이션, PDA, 웹 패드, 이동 전화기 등과 같이 메모리 수단을 구비하고 마이크로 프로세서를 탑재하여 연산 능력을 갖춘 디지털 기기라면 얼마든지 본 발명에 따른 디바이스(400)로서 채택될 수 있다.
특히, 디바이스(400)는, 사용자가 객체 모니터링 시스템(200)으로부터 객체 모니터링 등의 서비스를 제공받을 수 있도록 지원하는 애플리케이션(미도시됨)을 포함할 수 있다. 이와 같은 애플리케이션은 객체 모니터링 시스템(200) 또는 외부의 애플리케이션 배포 서버(미도시됨)로부터 다운로드된 것일 수 있다. 한편, 이러한 애플리케이션의 성격은 후술할 바와 같은 객체 모니터링 시스템(200)의 객체 모니터링부(210), 타겟 데이터 관리부(220), 통신부(230) 및 제어부(240)와 전반적으로 유사할 수 있다. 여기서, 애플리케이션은 그 적어도 일부가 필요에 따라 그것과 실질적으로 동일하거나 균등한 기능을 수행할 수 있는 하드웨어 장치나 펌웨어 장치로 치환될 수도 있다.
객체 모니터링 시스템의 구성
이하에서는, 본 발명의 구현을 위하여 중요한 기능을 수행하는 객체 모니터링 시스템(200)의 내부 구성과 각 구성요소의 기능에 대하여 살펴보기로 한다.
도 2는 본 발명의 일 실시예에 따른 객체 모니터링 시스템(200)의 내부 구성을 상세하게 도시하는 도면이다.
도 2에 도시된 바와 같이, 본 발명의 일 실시예에 따른 객체 모니터링 시스템(200)은, 객체 모니터링부(210), 타겟 데이터 관리부(220), 통신부(230) 및 제어부(240)를 포함하여 구성될 수 있다. 본 발명의 일 실시예에 따르면, 객체 모니터링부(210), 타겟 데이터 관리부(220), 통신부(230) 및 제어부(240)는 그 중 적어도 일부가 외부의 시스템(미도시됨)과 통신하는 프로그램 모듈일 수 있다. 이러한 프로그램 모듈은 운영 시스템, 응용 프로그램 모듈 또는 기타 프로그램 모듈의 형태로 객체 모니터링 시스템(200)에 포함될 수 있고, 물리적으로는 여러 가지 공지의 기억 장치에 저장될 수 있다. 또한, 이러한 프로그램 모듈은 객체 모니터링 시스템(200)과 통신 가능한 원격 기억 장치에 저장될 수도 있다. 한편, 이러한 프로그램 모듈은 본 발명에 따라 후술할 특정 업무를 수행하거나 특정 추상 데이터 유형을 실행하는 루틴, 서브루틴, 프로그램, 오브젝트, 컴포넌트, 데이터 구조 등을 포괄하지만, 이에 제한되지는 않는다.
한편, 객체 모니터링 시스템(200)에 관하여 위와 같이 설명되었으나, 이러한 설명은 예시적인 것이고, 객체 모니터링 시스템(200)의 구성요소 또는 기능 중 적어도 일부가 필요에 따라 센서(300), 디바이스(400) 또는 서버(미도시됨) 내에서 실현되거나 외부 시스템(미도시됨) 내에 포함될 수도 있음은 당업자에게 자명하다.
먼저, 본 발명의 일 실시예에 따른 객체 모니터링부(210)는, 적어도 하나의 객체에 대한 센서에 의하여 측정되는 센서 데이터에서, 머신 러닝 기반 행동 인식 모델에 의하여 인식되지 않은 위의 적어도 하나의 객체의 미확인 행동에 관한 패턴 데이터를 특정하는 기능을 수행할 수 있다.
구체적으로, 본 발명의 일 실시예에 따른 센서(300)는, 적어도 하나의 객체로부터 센서 데이터를 측정할 수 있다. 본 발명의 일 실시예에 따르면, 위의 센서는 적어도 하나의 객체 각각에 대하여 신체의 일부에 착용되거나 삽입되는 것일 수 있고, 위의 센서 데이터에는 가속도 데이터 및/또는 각속도 데이터가 포함될 수 있다. 그리고, 본 발명의 일 실시예에 따른 머신 러닝 기반 행동 인식 모델은, 위와 같이 측정되는 센서 데이터에 기초하여 위의 각 객체의 행동을 인식할 수 있다. 여기서, 본 발명의 일 실시예에 따르면, 위의 행동 인식 모델은 다양한 공지의 머신 러닝 알고리즘을 이용하여 구현될 수 있다. 예를 들면, 합성곱 신경망(Convolutional Neural Network; CNN), 순환 신경망(Recurrent Neural Network; RNN) 등과 같은 인공 신경망을 이용하여 구현될 수 있지만, 이에 제한되는 것은 아니다.
계속하면, 본 발명의 일 실시예에 따른 객체 모니터링부(210)는, 위와 같이 측정되는 센서 데이터에서, 객체의 행동 중에서 위의 행동 인식 모델에 의하여 인식되지 않는 행동, 즉, 미확인 행동에 관한 패턴 데이터를 특정할 수 있다. 여기서, 본 발명의 일 실시예에 따르면, 위의 미확인 행동에 관한 패턴 데이터가 반드시 위의 행동 인식 모델에 의하여 학습되지 않은 행동에 관한 패턴 데이터를 의미하는 것은 아니고, 위의 행동 인식 모델에 의하여 학습은 되었지만 인식되지 않는 행동에 관한 패턴 데이터(예를 들면, 위의 행동 인식 모델에 의하여 학습된 행동에 관한 센서 데이터와 패턴이나 측정 크기가 다른 센서 데이터)를 의미할 수도 있다.
보다 구체적으로, 본 발명의 일 실시예에 따른 객체 모니터링부(210)는, K-평균 군집화(K-Means Clustering), 평균 이동 군집화(Mean-Shift Clustering), DBSCAN(Density-Based Spatial Clustering of Applications with Noise) 등의 군집화 알고리즘을 이용하여 위의 미확인 행동에 관한 패턴 데이터를 특정할 수 있다. 예를 들면, 본 발명의 일 실시예에 따른 객체 모니터링부(210)는, 시간 도메인에서의 소정의 측정 윈도우 내의 센서 데이터, 즉, 소정 시간 동안의 센서 데이터를 하나의 데이터 단위로 하여 군집화를 수행할 수 있고, 위의 행동 인식 모델에 의하여 인식되는 객체의 행동에 관한 데이터 단위의 군집이 아닌 다른 군집으로 군집화되는 데이터 단위를 패턴 데이터로서 특정할 수 있다. 본 발명의 일 실시예에 따르면, 패턴 데이터는 어느 하나의 데이터 단위를 칭하는 것일 수 있지만, 같은 군집으로 군집화되는 복수의 데이터 단위들을 총칭하는 것일 수도 있다. 한편, 본 발명의 일 실시예에 따른 군집화 알고리즘은 위의 열거된 것에 한정되지 않으며, 본 발명의 목적을 달성할 수 있는 범위 내에서 다양하게 변경될 수 있다.
한편, 본 발명의 일 실시예에 따른 객체 모니터링부(210)는, 반드시 객체에 대한 센서에 의하여 측정되는 로(raw) 센서 데이터에서 미확인 행동에 관한 패턴 데이터를 특정하는 것은 아니고, 위의 로 센서 데이터에서 노이즈를 제거하거나 위의 로 센서 데이터(또는 위의 로 센서 데이터에서 노이즈가 제거된 데이터)로부터 특정 데이터(예를 들면, 가속도 데이터에 포함되는 각 축의 가속도 값의 제곱을 더한 값의 제곱근, 즉, 중력 놈(norm) 데이터)를 도출하는 등의 전처리를 한 이후에, 그 전처리된 데이터에서 또는 그 전처리된 데이터를 참조하여 위의 로 센서 데이터에서 위의 미확인 행동에 관한 패턴 데이터를 특정할 수도 있다.
다만, 본 발명의 일 실시예에 따라 위의 로 센서 데이터를 전처리하는 방식이나 미확인 패턴 데이터를 특정하는 방식이 위에서 설명된 열거된 것에 한정되는 것은 아니며, 본 발명의 목적을 달성할 수 있는 범위 내에서 다양하게 변경될 수 있다.
다음으로, 본 발명의 일 실시예에 따른 타겟 데이터 관리부(220)는, 적어도 하나의 객체의 미확인 행동에 관한 패턴 데이터의 측정 빈도 및 측정 크기 중 적어도 하나에 기초하여 위의 패턴 데이터 중 적어도 일부를 타겟 데이터로서 결정하는 기능을 수행할 수 있다.
예를 들면, 본 발명의 일 실시예에 따른 객체 모니터링부(210)에 의하여 적어도 하나의 객체의 미확인 행동에 관한 패턴 데이터가 특정되면, 본 발명의 일 실시예에 따른 타겟 데이터 관리부(220)는, 위의 패턴 데이터가 포함되는 군집에 소정 시간 동안 위의 패턴 데이터가 포함된 빈도(즉, 위의 패턴 데이터의 측정 빈도)가 소정 수준 이상인 경우에, 위의 패턴 데이터를 타겟 데이터로서 결정할 수 있다.
다른 예를 들면, 본 발명의 일 실시예에 따른 객체 모니터링부(210)에 의하여 적어도 하나의 객체의 미확인 행동에 관한 패턴 데이터가 특정되면, 본 발명의 일 실시예에 따른 타겟 데이터 관리부(220)는, 위의 패턴 데이터의 측정 세기 및/또는 지속 시간(즉, 위의 패턴 데이터의 측정 크기)가 소정 수준 이상인 경우에, 위의 패턴 데이터를 타겟 데이터로서 결정할 수 있다.
다만, 본 발명의 일 실시예에 따른 타겟 데이터를 결정하는 방식이 위에서 설명된 것에 한정되는 것은 아니며, 본 발명의 목적을 달성할 수 있는 범위 내에서 다양하게 변경될 수 있다.
한편, 본 발명의 일 실시예에 따른 타겟 데이터 관리부(220)는, 위와 같이 결정되는 타겟 데이터에 관한 정보를 사용자에게 제공하는 기능을 수행할 수 있다.
구체적으로, 본 발명의 일 실시예에 따르면, 타겟 데이터에 관한 정보에는, 그 타겟 데이터에 대응되는 적어도 하나의 객체의 미확인 행동의 시간 정보(예를 들면, 발생 시간, 지속 시간 등), 위의 미확인 행동에 관한 모니터링 영상 정보, 위의 미확인 행동의 측정 빈도, 위의 미확인 행동의 측정 크기 등이 포함될 수 있다.
나아가, 본 발명의 일 실시예에 따르면, 타겟 데이터에 관한 정보에는 그 타겟 데이터에 대응되는 적어도 하나의 객체의 미확인 행동에 관한 문맥 정보가 포함될 수도 있다. 본 발명의 일 실시예에 따르면, 이러한 문맥 정보에는, 위의 미확인 행동이 발생된 동안의 위의 적어도 하나의 객체에 관한 환경 정보, 위의 미확인 행동 이전 및/또는 이후의 위의 적어도 하나의 객체에 관한 환경 정보, 위의 미확인 행동 이전 및/또는 이후의 위의 적어도 하나의 객체의 행동에 관한 정보, 위의 적어도 하나의 객체의 건강 상태에 관한 정보, 위의 적어도 하나의 객체의 관리 상태에 관한 정보 등이 포함될 수 있다.
예를 들어, 본 발명의 일 실시예에 따르면, 모니터링의 대상이 되는 객체가 송아지인 경우에, 송아지의 미확인 행동에 관한 문맥 정보에는, 미확인 행동이 발생된 동안에 축사에 설치된 센서로부터 획득되는 송아지에 관한 환경 정보(예를 들면, 소리, 온도, 습도 등), 위의 미확인 행동 이전 및/또는 이후에 축사에 설치된 센서로부터 획득되는 송아지에 관한 환경 정보, 위의 미확인 행동 이전 및/또는 이후의 송아지의 행동에 관한 정보(예를 들면, 머신 러닝 기반 행동 인식 모델에 의하여 인식된 송아지의 행동 및/또는 그 행동으로부터 추정될 수 있는 송아지의 포유량, 사료 섭취량, 활동량 등), 송아지의 건강 상태에 관한 정보(예를 들면, 특정 질병이나 특정 증상의 유무), 송아지의 관리 상태에 관한 정보(예를 들면, 뿔이 제거되었는지 여부) 등이 포함될 수 있다.
다만, 본 발명의 일 실시예에 따른 미확인 행동에 관한 문맥 정보는 위의 열거된 것에 한정되지 않으며, 본 발명의 목적을 달성할 수 있는 범위 내에서 다양하게 변경될 수 있다.
그리고, 본 발명의 일 실시예에 따른 타겟 데이터 관리부(220)는, 타겟 데이터에 관한 정보에 관하여 사용자로부터 획득되는 피드백에 기초하여 미확인 행동에 관하여 머신 러닝 기반 행동 인식 모델을 학습시킬지 여부를 결정하는 기능을 수행할 수 있다.
구체적으로, 본 발명의 일 실시예에 따른 타겟 데이터 관리부(220)는, 타겟 데이터에 관한 정보를 사용자(예를 들면, 축사의 관리자)에게 제공하고, 위의 타겟 데이터에 관한 정보에 관하여 위의 사용자로부터 피드백을 획득할 수 있다. 그리고, 본 발명의 일 실시예에 따른 타겟 데이터 관리부(220)는, 위와 같이 획득되는 피드백에 기초하여 위의 타겟 데이터에 대응되는 적어도 하나의 객체의 미확인 행동에 관하여 머신 러닝 기반 행동 인식 모델을 학습시킬지 여부를 결정할 수 있다.
예를 들면, 모니터링의 대상이 되는 객체가 송아지인 경우에, 본 발명의 일 실시예에 따른 타겟 데이터 관리부(220)는, 타겟 데이터에 관한 정보로서 그 타겟 데이터에 대응되는 송아지의 미확인 행동에 관한 모니터링 영상 정보, 위의 미확인 행동에 관한 문맥 정보 등을 디바이스(400)를 통하여 축사의 관리자(즉, 사용자)에게 제공할 수 있다. 그리고, 위의 관리자로부터 위의 미확인 행동이 송아지가 넘어지는 행동에 관한 것이고 그 행동에 관하여 모니터링이 필요하다는 피드백이 획득되면, 본 발명의 일 실시예에 따른 타겟 데이터 관리부(220)는, 위의 미확인 행동에 관하여 머신 러닝 기반 행동 인식 모델을 학습시키는 것으로 결정할 수 있다. 그리고, 본 발명의 일 실시예에 따른 타겟 데이터 관리부(220)는, 위의 타겟 데이터, 위의 타겟 데이터에 관한 정보 및 위의 관리자로부터 획득되는 피드백을 이용하여 위의 행동 인식 모델을 더 학습시킬 수 있다.
한편, 본 발명의 일 실시예에 따른 객체 모니터링부(210)는, 위와 같이 미확인 행동에 관하여 더 학습된 행동 인식 모델(즉, 갱신된 행동 인식 모델)을 이용하여 위의 미확인 행동에 관하여 적어도 하나의 객체를 모니터링할 수 있다.
그리고, 본 발명의 일 실시예에 따른 객체 모니터링부(210)는, 위와 같이 미확인 행동에 관하여 더 학습된 행동 인식 모델(즉, 갱신된 행동 인식 모델)을 적어도 하나의 객체에 대한 센서에 배포함으로써, 위의 미확인 행동에 관하여 위의 적어도 하나의 객체가 모니터링되도록 할 수도 있다. 여기서, 본 발명의 일 실시예에 따르면, 위의 갱신된 행동 인식 모델은 반드시 모든 센서에 배포되어야 하는 것은 아니고, 특정 그룹의 객체에 대한 센서에만 선택적으로 배포될 수도 있다.
다음으로, 본 발명의 일 실시예에 따른 통신부(230)는 객체 모니터링부(210) 및 타겟 데이터 관리부(220)로부터의/로의 데이터 송수신이 가능하도록 하는 기능을 수행할 수 있다.
마지막으로, 본 발명의 일 실시예에 따른 제어부(240)는 객체 모니터링부(210), 타겟 데이터 관리부(220) 및 통신부(230) 간의 데이터의 흐름을 제어하는 기능을 수행할 수 있다. 즉, 본 발명에 따른 제어부(240)는 객체 모니터링 시스템(200)의 외부로부터의/로의 데이터 흐름 또는 객체 모니터링 시스템(200)의 각 구성요소 간의 데이터 흐름을 제어함으로써, 객체 모니터링부(210), 타겟 데이터 관리부(220) 및 통신부(230)에서 각각 고유 기능을 수행하도록 제어할 수 있다.
이상 설명된 본 발명에 따른 실시예는 다양한 컴퓨터 구성요소를 통하여 실행될 수 있는 프로그램 명령어의 형태로 구현되어 컴퓨터 판독 가능한 기록 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능한 기록 매체는 프로그램 명령어, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 컴퓨터 판독 가능한 기록 매체에 기록되는 프로그램 명령어는 본 발명을 위하여 특별히 설계되고 구성된 것이거나 컴퓨터 소프트웨어 분야의 당업자에게 공지되어 사용 가능한 것일 수 있다. 컴퓨터 판독 가능한 기록 매체의 예에는, 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체, CD-ROM 및 DVD와 같은 광기록 매체, 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical medium), 및 ROM, RAM, 플래시 메모리 등과 같은, 프로그램 명령어를 저장하고 실행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령어의 예에는, 컴파일러에 의하여 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용하여 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드도 포함된다. 하드웨어 장치는 본 발명에 따른 처리를 수행하기 위하여 하나 이상의 소프트웨어 모듈로 변경될 수 있으며, 그 역도 마찬가지이다.
이상에서 본 발명이 구체적인 구성요소 등과 같은 특정 사항과 한정된 실시예 및 도면에 의하여 설명되었으나, 이는 본 발명의 보다 전반적인 이해를 돕기 위하여 제공된 것일 뿐, 본 발명이 상기 실시예에 한정되는 것은 아니며, 본 발명이 속하는 기술분야에서 통상적인 지식을 가진 자라면 이러한 기재로부터 다양한 수정과 변경을 꾀할 수 있다.
따라서, 본 발명의 사상은 상기 설명된 실시예에 국한되어 정해져서는 아니 되며, 후술하는 특허청구범위뿐만 아니라 이 특허청구범위와 균등한 또는 이로부터 등가적으로 변경된 모든 범위는 본 발명의 사상의 범주에 속한다고 할 것이다.
100: 통신망
200: 객체 모니터링 시스템
210: 객체 모니터링부
220: 타겟 데이터 관리부
230: 통신부
240: 제어부
300: 센서
400: 디바이스
200: 객체 모니터링 시스템
210: 객체 모니터링부
220: 타겟 데이터 관리부
230: 통신부
240: 제어부
300: 센서
400: 디바이스
Claims (9)
- 객체를 모니터링하기 위한 객체 모니터링 시스템에서 구현되는 방법으로서 - 상기 시스템은 객체 모니터링부 및 타겟 데이터 관리부를 포함함 -,
상기 객체 모니터링부가, 적어도 하나의 객체에 대한 센서에 의하여 측정되는 센서 데이터에서, 머신 러닝 기반 행동 인식 모델에 의하여 인식되지 않은 상기 적어도 하나의 객체의 미확인 행동에 관한 패턴 데이터를 특정하는 단계,
상기 타겟 데이터 관리부가, 상기 패턴 데이터의 측정 빈도 및 측정 크기에 기초하여 상기 패턴 데이터 중 적어도 일부를 타겟 데이터로서 결정하고, 상기 타겟 데이터에 관한 정보를 사용자에게 제공하는 단계, 및
상기 타겟 데이터에 관한 정보에 관하여 획득되는 피드백에 기초하여 상기 미확인 행동에 관하여 상기 행동 인식 모델을 학습시킬지 여부를 결정하는 단계를 포함하고,
상기 미확인 행동에 관한 패턴 데이터에는 상기 행동 인식 모델에 의하여 학습되지 않은 행동에 관한 패턴 데이터가 포함되고,
상기 특정 단계에서, 상기 객체 모니터링부는, 군집화 알고리즘을 이용하여, 상기 행동 인식 모델에 의하여 인식되는 객체의 행동에 관한 데이터 단위의 군집이 아닌 다른 군집으로 군집화되는 데이터 단위를 상기 미확인 행동에 관한 패턴 데이터로서 특정하고,
상기 제공 단계에서, 상기 타겟 데이터 관리부는, 상기 타겟 데이터에 대응되는 상기 객체의 미확인 행동의 발생 시간 및 지속 시간을 포함하는 시간 정보와 상기 미확인 행동의 측정 빈도 및 측정 크기에 관한 정보를 상기 타겟 데이터에 관한 정보로서 상기 사용자에게 제공하고,
상기 제공 단계에서, 상기 타겟 데이터 관리부는, 상기 미확인 행동에 관한 문맥 정보를 상기 사용자에게 제공하고,
상기 문맥 정보에는, 상기 미확인 행동이 발생된 기간과 관련하여 축사에 설치된 센서로부터 획득되는 환경 정보, 상기 미확인 행동이 발생된 기간과 관련하여 인식되는 상기 객체의 행동 정보, 상기 객체의 건강 상태 정보 및 상기 객체의 관리 상태에 관한 정보가 포함되고,
상기 환경 정보에는 온도, 습도 또는 소리가 포함되고, 상기 행동 정보에는 상기 객체의 포유량, 사료 섭취량 또는 활동량이 포함되고,
상기 객체 모니터링부는, 상기 미확인 행동에 관하여 갱신된 행동 인식 모델을 상기 적어도 하나의 객체에 대한 센서에 배포하는
방법. - 삭제
- 삭제
- 삭제
- 제1항에 따른 방법을 실행하기 위한 컴퓨터 프로그램을 기록하는 비일시성의 컴퓨터 판독 가능 기록 매체.
- 객체를 모니터링하기 위한 시스템으로서,
적어도 하나의 객체에 대한 센서에 의하여 측정되는 센서 데이터에서, 머신 러닝 기반 행동 인식 모델에 의하여 인식되지 않은 상기 적어도 하나의 객체의 미확인 행동에 관한 패턴 데이터를 특정하는 객체 모니터링부, 및
상기 패턴 데이터의 측정 빈도 및 측정 크기에 기초하여 상기 패턴 데이터 중 적어도 일부를 타겟 데이터로서 결정하고, 상기 타겟 데이터에 관한 정보를 사용자에게 제공하고, 상기 타겟 데이터에 관한 정보에 관하여 획득되는 피드백에 기초하여 상기 미확인 행동에 관하여 상기 행동 인식 모델을 학습시킬지 여부를 결정하는 타겟 데이터 관리부를 포함하고,
상기 미확인 행동에 관한 패턴 데이터에는 상기 행동 인식 모델에 의하여 학습되지 않은 행동에 관한 패턴 데이터가 포함되고,
상기 객체 모니터링부는, 군집화 알고리즘을 이용하여, 상기 행동 인식 모델에 의하여 인식되는 객체의 행동에 관한 데이터 단위의 군집이 아닌 다른 군집으로 군집화되는 데이터 단위를 상기 미확인 행동에 관한 패턴 데이터로서 특정하고,
상기 타겟 데이터 관리부는, 상기 타겟 데이터에 대응되는 상기 객체의 미확인 행동의 발생 시간 및 지속 시간을 포함하는 시간 정보와 상기 미확인 행동의 측정 빈도 및 측정 크기에 관한 정보를 상기 타겟 데이터에 관한 정보로서 상기 사용자에게 제공하고,
상기 타겟 데이터 관리부는, 상기 미확인 행동에 관한 문맥 정보를 상기 사용자에게 제공하고,
상기 문맥 정보에는, 상기 미확인 행동이 발생된 기간과 관련하여 축사에 설치된 센서로부터 획득되는 환경 정보, 상기 미확인 행동이 발생된 기간과 관련하여 인식되는 상기 객체의 행동 정보, 상기 객체의 건강 상태 정보 및 상기 객체의 관리 상태에 관한 정보가 포함되고,
상기 환경 정보에는 온도, 습도 또는 소리가 포함되고, 상기 행동 정보에는 상기 객체의 포유량, 사료 섭취량 또는 활동량이 포함되고,
상기 객체 모니터링부는, 상기 미확인 행동에 관하여 갱신된 행동 인식 모델을 상기 적어도 하나의 객체에 대한 센서에 배포하는
시스템. - 삭제
- 삭제
- 삭제
Priority Applications (4)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| AU2021409582A AU2021409582A1 (en) | 2020-08-24 | 2021-08-23 | Method, system, and non-transitory computer-readable recording medium, for monitoring object |
| PCT/KR2021/011185 WO2022139109A1 (ko) | 2020-08-24 | 2021-08-23 | 객체를 모니터링하기 위한 방법, 시스템 및 비일시성의 컴퓨터 판독 가능한 기록 매체 |
| KR1020220015136A KR20220025765A (ko) | 2020-08-24 | 2022-02-04 | 객체를 모니터링하기 위한 방법, 시스템 및 비일시성의 컴퓨터 판독 가능한 기록 매체 |
| US18/340,219 US20240005700A1 (en) | 2020-08-24 | 2023-06-23 | Method, system, and non-transitory computer-readable recording medium, for monitoring object |
Applications Claiming Priority (4)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020200106542 | 2020-08-24 | ||
| KR20200106542 | 2020-08-24 | ||
| KR1020200106543 | 2020-08-24 | ||
| KR20200106543 | 2020-08-24 |
Related Child Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020220015136A Division KR20220025765A (ko) | 2020-08-24 | 2022-02-04 | 객체를 모니터링하기 위한 방법, 시스템 및 비일시성의 컴퓨터 판독 가능한 기록 매체 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR102362906B1 true KR102362906B1 (ko) | 2022-02-15 |
| KR102362906B9 KR102362906B9 (ko) | 2022-10-11 |
Family
ID=80325154
Family Applications (5)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020200182970A KR102362906B1 (ko) | 2020-08-24 | 2020-12-24 | 객체를 모니터링하기 위한 방법, 시스템 및 비일시성의 컴퓨터 판독 가능한 기록 매체 |
| KR1020210020429A KR102362904B1 (ko) | 2020-08-24 | 2021-02-16 | 객체를 모니터링하기 위한 방법, 에지 컴퓨팅 디바이스 및 비일시성의 컴퓨터 판독 가능한 기록 매체 |
| KR1020210028838A KR102414023B1 (ko) | 2020-08-24 | 2021-03-04 | 객체를 모니터링하기 위한 방법, 시스템 및 비일시성의 컴퓨터 판독 가능한 기록 매체 |
| KR1020220015135A KR102664982B1 (ko) | 2020-08-24 | 2022-02-04 | 객체를 모니터링하기 위한 방법, 에지 컴퓨팅 디바이스 및 비일시성의 컴퓨터 판독 가능한 기록 매체 |
| KR1020220015136A KR20220025765A (ko) | 2020-08-24 | 2022-02-04 | 객체를 모니터링하기 위한 방법, 시스템 및 비일시성의 컴퓨터 판독 가능한 기록 매체 |
Family Applications After (4)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020210020429A KR102362904B1 (ko) | 2020-08-24 | 2021-02-16 | 객체를 모니터링하기 위한 방법, 에지 컴퓨팅 디바이스 및 비일시성의 컴퓨터 판독 가능한 기록 매체 |
| KR1020210028838A KR102414023B1 (ko) | 2020-08-24 | 2021-03-04 | 객체를 모니터링하기 위한 방법, 시스템 및 비일시성의 컴퓨터 판독 가능한 기록 매체 |
| KR1020220015135A KR102664982B1 (ko) | 2020-08-24 | 2022-02-04 | 객체를 모니터링하기 위한 방법, 에지 컴퓨팅 디바이스 및 비일시성의 컴퓨터 판독 가능한 기록 매체 |
| KR1020220015136A KR20220025765A (ko) | 2020-08-24 | 2022-02-04 | 객체를 모니터링하기 위한 방법, 시스템 및 비일시성의 컴퓨터 판독 가능한 기록 매체 |
Country Status (4)
| Country | Link |
|---|---|
| US (1) | US20240005700A1 (ko) |
| KR (5) | KR102362906B1 (ko) |
| AU (2) | AU2021431022A1 (ko) |
| WO (2) | WO2022186432A1 (ko) |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20190047683A (ko) * | 2017-10-27 | 2019-05-08 | 대한민국(농촌진흥청장) | 가축의 반추위를 모니터링하는 장치 및 방법 |
| KR20190093798A (ko) * | 2018-01-17 | 2019-08-12 | 건국대학교 글로컬산학협력단 | 흑염소의 행동 분류 방법 및 이를 수행하는 장치 |
Family Cites Families (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101599860B1 (ko) * | 2013-07-30 | 2016-03-21 | 주식회사 유코리아 | Usn 센서를 활용한 축사환경지수 및 체온예측관리를 위한 웹/모바일기반 관리시스템 |
| KR102145617B1 (ko) * | 2017-01-23 | 2020-08-19 | 한국과학기술연구원 | 표현형 기반 식물체 선발 시스템 및 그 방법 |
| US10354342B2 (en) | 2017-06-02 | 2019-07-16 | Performance Livestock Analytics, Inc. | Adaptive livestock growth modeling using machine learning approaches to predict growth and recommend livestock management operations and activities |
| JP6925638B2 (ja) * | 2018-01-12 | 2021-08-25 | デザミス株式会社 | 牛の健康状態管理システム及び管理方法並びに健康状態管理プログラム |
| KR102067157B1 (ko) * | 2019-03-04 | 2020-02-11 | 주식회사 클린포펫 | 동물 질병 진단 시스템 |
-
2020
- 2020-12-24 KR KR1020200182970A patent/KR102362906B1/ko active IP Right Grant
-
2021
- 2021-02-16 KR KR1020210020429A patent/KR102362904B1/ko active IP Right Grant
- 2021-03-04 KR KR1020210028838A patent/KR102414023B1/ko active IP Right Grant
- 2021-08-23 AU AU2021431022A patent/AU2021431022A1/en active Pending
- 2021-08-23 WO PCT/KR2021/011184 patent/WO2022186432A1/ko active Application Filing
- 2021-08-23 WO PCT/KR2021/011185 patent/WO2022139109A1/ko active Application Filing
- 2021-08-23 AU AU2021409582A patent/AU2021409582A1/en active Pending
-
2022
- 2022-02-04 KR KR1020220015135A patent/KR102664982B1/ko active IP Right Grant
- 2022-02-04 KR KR1020220015136A patent/KR20220025765A/ko not_active Application Discontinuation
-
2023
- 2023-06-23 US US18/340,219 patent/US20240005700A1/en active Pending
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20190047683A (ko) * | 2017-10-27 | 2019-05-08 | 대한민국(농촌진흥청장) | 가축의 반추위를 모니터링하는 장치 및 방법 |
| KR20190093798A (ko) * | 2018-01-17 | 2019-08-12 | 건국대학교 글로컬산학협력단 | 흑염소의 행동 분류 방법 및 이를 수행하는 장치 |
Also Published As
| Publication number | Publication date |
|---|---|
| KR102362904B1 (ko) | 2022-02-15 |
| KR102362906B9 (ko) | 2022-10-11 |
| KR102664982B1 (ko) | 2024-05-10 |
| WO2022139109A1 (ko) | 2022-06-30 |
| KR20220025764A (ko) | 2022-03-03 |
| AU2021409582A9 (en) | 2024-05-09 |
| KR102414023B9 (ko) | 2022-10-11 |
| KR20220025765A (ko) | 2022-03-03 |
| KR102414023B1 (ko) | 2022-06-29 |
| WO2022186432A1 (ko) | 2022-09-09 |
| KR20220025643A (ko) | 2022-03-03 |
| AU2021409582A1 (en) | 2023-08-24 |
| AU2021431022A1 (en) | 2023-10-19 |
| KR102362904B9 (ko) | 2022-10-11 |
| US20240005700A1 (en) | 2024-01-04 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR102026183B1 (ko) | 센서 기술을 활용한 애완동물 상태 분석 방법 및 시스템 | |
| KR20190096876A (ko) | 음성인식 성능 향상을 위한 비 지도 가중치 적용 학습 시스템 및 방법, 그리고 기록 매체 | |
| KR20210115204A (ko) | 가축의 개체별 이상 징후 포착 시스템 및 그 이용 방법 | |
| KR20190094293A (ko) | 주행 정보에 기반한 오토 스탑 시스템을 제어하는 인공 지능 장치 및 그 방법 | |
| KR20210082349A (ko) | 애플리케이션의 스토리지 로드를 결정하는 방법 및 장치 | |
| CN112106075A (zh) | 扩展先前训练的深度神经网络 | |
| KR20190116188A (ko) | 상황 인식에 기반한 방해 금지 모드 추천을 위한 장치 및 제어 방법 | |
| KR20200059445A (ko) | 가속도센서를 이용한 가축 행동패턴 검출 방법 및 장치 | |
| US10863329B2 (en) | Methods and apparatus for conditional classifier chaining in a constrained machine learning environment | |
| US20220088346A1 (en) | Sleep inducing device | |
| KR102362906B1 (ko) | 객체를 모니터링하기 위한 방법, 시스템 및 비일시성의 컴퓨터 판독 가능한 기록 매체 | |
| US10917721B1 (en) | Device and method of performing automatic audio focusing on multiple objects | |
| KR102188868B1 (ko) | 반려 동물의 분리 불안을 검출하는 서포트 벡터 머신 및 복잡 이벤트 처리를 사용하는 IoT 기반의 모니터링 방법 및 시스템 | |
| KR102156280B1 (ko) | Cnn-lstm 및 복잡 활동 처리를 사용하는 반려 동물의 배설 행동 검출 방법 및 시스템 | |
| US20230095027A1 (en) | System and method for reducing surveillance detection errors | |
| KR20220106273A (ko) | 생체 신호에 기초한 학습 모델을 관리하기 위한 방법, 시스템 및 비일시성의 컴퓨터 판독 가능 기록 매체 | |
| US20240233944A9 (en) | Method, system, and non-transitory computer-readable recording medium for monitoring object | |
| Sinha et al. | A Survey and Analysis of Crowd Anomaly Detection Techniques | |
| KR102706607B1 (ko) | 멀티모달 재실감지를 위한 장치 및 그 장치의 구동방법 | |
| KR20230053490A (ko) | 객체의 행동에 관한 학습 데이터를 증강하기 위한 방법, 시스템 및 비일시성의 컴퓨터 판독 가능한 기록 매체 | |
| KR102330328B1 (ko) | 노약자 케어를 위한 모니터링 방법 | |
| WO2021182314A1 (ja) | 異常検知システム | |
| KR20230078547A (ko) | 얼굴 검출 기술을 이용한 학습 관리 방법 및 장치 | |
| KR20230143505A (ko) | 딥러닝 기반 반려동물 모니터링 시스템 및 활동 인식 장치 | |
| CN115223235A (zh) | 单个体多耳标识别方法、装置、存储介质及计算机设备 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| AMND | Amendment | ||
| X091 | Application refused [patent] | ||
| AMND | Amendment | ||
| X701 | Decision to grant (after re-examination) | ||
| A107 | Divisional application of patent | ||
| GRNT | Written decision to grant | ||
| G170 | Re-publication after modification of scope of protection [patent] |