KR20160078089A - 농장에서의 움직임 객체의 공격적 행동 탐지 및 관리시스템 - Google Patents

농장에서의 움직임 객체의 공격적 행동 탐지 및 관리시스템 Download PDF

Info

Publication number
KR20160078089A
KR20160078089A KR1020140188791A KR20140188791A KR20160078089A KR 20160078089 A KR20160078089 A KR 20160078089A KR 1020140188791 A KR1020140188791 A KR 1020140188791A KR 20140188791 A KR20140188791 A KR 20140188791A KR 20160078089 A KR20160078089 A KR 20160078089A
Authority
KR
South Korea
Prior art keywords
motion
objects
behavior
abnormal behavior
feature information
Prior art date
Application number
KR1020140188791A
Other languages
English (en)
Inventor
박대희
정용화
김용
좌상숙
오승근
이종욱
서정순
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 KR1020140188791A priority Critical patent/KR20160078089A/ko
Publication of KR20160078089A publication Critical patent/KR20160078089A/ko

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/20Analysis of motion
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION 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
    • G06Q50/00Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/02Agriculture; Fishing; Forestry; Mining
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/20Analysis of motion
    • G06T7/215Motion-based segmentation
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/20Analysis of motion
    • G06T7/246Analysis of motion using feature-based methods, e.g. the tracking of corners or segments
    • G06T7/248Analysis of motion using feature-based methods, e.g. the tracking of corners or segments involving reference images or patches

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Multimedia (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Business, Economics & Management (AREA)
  • Mining & Mineral Resources (AREA)
  • General Health & Medical Sciences (AREA)
  • Marine Sciences & Fisheries (AREA)
  • Agronomy & Crop Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Economics (AREA)
  • Animal Husbandry (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Image Analysis (AREA)

Abstract

본 발명에서는 한정된 공간 내 객체의 공격적 행동 탐지방법, 관리방법 및 관리 시스템이 개시된다. 본 발명의 일 실시예에 따른 한정된 공간 내 객체의 공격적 행동 탐지방법은, 복수의 객체를 연속적으로 촬영한 영상 스트림 정보로부터 움직임이 있는 복수의 움직임 객체를 추출하여 움직임 객체마다 추적하는 단계; 움직임 객체의 특징 정보를 각각 계산하는 단계; 및 특징 정보를 기초로 움직임 객체의 행동이 기정의된 비정상 행동에 해당하는지 여부를 판단하는 단계를 포함한다.

Description

농장에서의 움직임 객체의 공격적 행동 탐지 및 관리시스템 {DETECTION METHOD FOR ABNORMAL OBJECT ON FARM, MANAGING METHOD AND SYSTEM FOR THE SAME}
본 발명은 한정된 공간 내 객체의 공격적 행동 탐지방법, 관리방법 및 관리시스템에 관한 것이다.
최근 축사 내 상황을 모니터링하고, 평소와 다른 징후가 탐지되면 이를 관리자에게 알리거나, 가축의 움직임을 분석하여 가축의 특정 상태 및 질병 징후를 조기에 탐지하여 관리하는 가축 점검 시스템이 IT 기술의 발달로 인해 확산되고 있다.
또한, RFID(Radio Frequency Identification) 또는 기타 센서를 이용하여 가축의 정보 및 생산 이력 등을 관리하는 가축 관리 시스템에 대해서 다양한 연구가 진행되고 있다.
돈사 관리의 경우 가장 중요한 부분 중 하나는 이유자돈(아기돼지)들을 관리하는 것이다. 이유자돈들은 이유자돈 돈사에서 따로 관리하는 것이 일반적인 관리방법인데, 이때 이유자돈들 사이에서 공격적인 서열 경쟁이 발생한다. 이러한 공격적인 행동(비정상 행동)은 돼지의 건강과 복지에 부정적인 영향을 끼치게 되며, 이는 양돈 농가에 상당한 경제적 손실로 이어질 수 있다.
따라서, 지속적으로 공격적인 행동(비정상 행동)을 모니터링 함으로써, 공격적인 행동(비정상 행동)을 효율적으로 조기 탐지하여 관리하는 방법이 필요한 실정이다.
한편, 한국등록특허 제10-1382627호(발명의 명칭: 돈사 등에 적용할 수 있는 가축 축사 모니터링 시스템 및 방법)는 오디오 및 비디오 데이터에 기반하여 돈사(豚舍) 등의 가축 축사 내 비정상 상황 발생을 탐지 및 식별하는 시스템 및 방법을 개시하고 있다.
본 발명의 일 실시예는 한정된 공간 내에서 객체 중 움직이는 움직임 객체들을 추출 및 추적하여 공격적 행동(비정상 행동)을 보이는 객체들을 정확하게 탐지하는 방법 및 관리시스템을 제공하는 데에 그 목적이 있다.
또한, 본 발명의 일 실시예는 공격적 행동(비정상 행동)을 보이는 객체들을 효율적으로 관리하여 관리자가 추가 조치를 취하는 데에 도움이 될 수 있는 관리방법 및 관리시스템을 제공하는 데에 다른 목적이 있다.
다만, 본 실시예가 이루고자 하는 기술적 과제는 상기된 바와 같은 기술적 과제로 한정되지 않으며, 또 다른 기술적 과제들이 존재할 수 있다.
본 발명은 전술한 종래 기술의 문제점을 해결하기 위한 것으로, 한정된 공간 내 객체의 공격적 행동(비정상 행동) 탐지방법은, 복수의 객체를 연속적으로 촬영한 영상 스트림 정보로부터 움직임이 있는 복수의 움직임 객체를 추출하여 상기 움직임 객체마다 추적하는 단계; 상기 움직임 객체의 특징 정보를 각각 계산하는 단계; 및 상기 특징 정보를 기초로 상기 움직임 객체의 행동이 기정의된 공격적 행동(비정상 행동)에 해당하는지 여부를 판단하는 단계를 포함한다.
또한, 본 발명의 일 실시예에 따른 한정된 공간 내 객체의 공격적 행동(비정상 행동) 관리방법은, 복수의 객체를 연속적으로 촬영한 영상 스트림 정보로부터 움직임이 있는 복수의 움직임 객체를 추출하여 상기 움직임 객체마다 추적하는 단계; 상기 움직임 객체의 특징 정보를 각각 계산하는 단계; 상기 특징 정보를 기초로 상기 움직임 객체의 행동이 기정의된 공격적 행동(비정상 행동)에 해당하는지 여부를 판단하는 단계; 및 상기 비정상 행동으로 판단되는 이벤트마다 상기 이벤트에 대한 데이터를 저장하는 단계를 포함한다.
또한, 본 발명의 일 실시예에 따른 한정된 공간 내 객체의 공격적 행동(비정상 행동) 관리 시스템은, 비정상 행동을 보이는 객체를 탐지 및 관리하는 프로그램이 저장된 메모리, 상기 프로그램을 실행하는 프로세서를 포함하되, 상기 프로세서는 상기 프로그램의 실행에 따라, 복수의 객체를 연속적으로 촬영한 영상 스트림 정보로부터 움직임이 있는 복수의 움직임 객체를 추출하여 상기 움직임 객체마다 추적하는 단계; 상기 움직임 객체의 특징 정보를 각각 계산하는 단계; 및 상기 특징 정보를 기초로 상기 움직임 객체의 행동이 기정의된 공격적 행동(비정상 행동)에 해당하는지 여부를 판단하는 단계를 포함한다.
전술한 본 발명의 과제 해결 수단 중 어느 하나에 의하면, 축사와 같은 한정된 공간 내에서 공격적 행동(비정상 행동)을 나타내는 객체에 대한 정보를 데이터베이스에 저장하고, 저장된 데이터를 통계학적으로 분석(기간별, 시간별, 객체별 등)하여 관리자에게 제공함으로써 공격적 행동(비정상 행동) 객체에 대하여 효율적인 관리가 이루어질 수 있다.
또한, 본 발명의 일 실시예에 의하면, 공격적 행동(비정상 행동)관리 시스템에서 축사와 같은 한정된 공간 내 복수의 객체 중 움직이는 객체에 대해서만 공격적 행동(비정상 행동)을 탐지함으로써, 움직이지 않는 객체에 대해서는 계산을 줄일 수 있어 시스템의 용량 및 속도가 향상될 수 있다.
또한, 본 발명의 일 실시예에 의하면, 설치된 영상장치를 통해 제공받은 영상을 분석하여 공격적 행동(비정상 행동)을 판단함으로써, 객체에게 직접 센서를 부착하지 않아도 되므로 객체의 부가적인 스트레스를 줄일 수 있다.
도 1은 본 발명의 일 실시예에 따른 공격적 행동 관리 시스템에 대한 간략한 구성도이다.
도 2는 본 발명의 일 실시예에 따른 공격적 행동 탐지 방법에 대한 순서도이다.
도 3은 일 예에 따른 공격적 행동을 설명하기 위한 도면이다.
도 4는 본 발명의 일 실시예에 따른 공격적 행동 관리방법에 대한 순서도이다
도 5는 공격적 행동 관리 시스템의 스키마 데이터 테이블의 일 예를 나타내는 도면이다.
도 6a 내지 도 6d는 도 5의 스키마 데이터 테이블을 사용하여 관리자가 조회할 수 있는 시나리오의 일 예를 나타내는 도면이다.
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 생략하였다.
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.
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 생략하였다.
또한, 도면을 참고하여 설명하면서, 같은 명칭으로 나타낸 구성일지라도 도면에 따라 도면 번호가 달라질 수 있고, 도면 번호는 설명의 편의를 위해 기재된 것에 불과하고 해당 도면 번호에 의해 각 구성의 개념, 특징, 기능 또는 효과가 제한 해석되는 것은 아니다.
본 발명은 축사 내 객체들의 공격적 행동(예를 들어, 이유자돈들의 서열경쟁 등)을 조기 탐지하고, 그에 대한 적절한 조치 및 관리를 위해, 영상장치(예를들어, CCTV 등)에서 실시간으로 취득되는 영상 스트림 정보로부터 움직임이 있는 객체들을 추적하고, 해당 움직임 객체(ROI: Region Of Intersrest)들의 평균 면적과 평균 속도를 계산하여 취득한 특징정보들을 이용하여 각 객체의 공격적 행동 (비정상 행동) 여부를 결정하는 공격적 행동(비정상 행동) 관리 시스템(프로토타입 모니터링 시스템)을 제공한다.
이하에서는 첨부된 도면을 통해 본 발명에서 제안하는 한정된 공간 내 객체의 공격적 행동 관리 시스템(이하, ‘공격적 행동 관리 시스템’이라 지칭함)에 대하여 자세히 설명하도록 한다. 구체적으로 이하에서 설명되는 공격적 행동은 비정상 행동의 일 예에 해당하고, 비정상 행동이 공격적 행동으로 한정되는 것은 아니다.
도 1은 본 발명의 일 실시예에 따른 공격적 행동 관리 시스템에 대한 간략한 구성도이다.
본 발명의 일 실시예에 따른 공격적 행동 관리 시스템(100)은 메모리(110), 영상장치(120), 통신장치(130), 프로세서(140), 데이터베이스(150), 표시장치(160)을 포함한다. 다만 이러한 도 1의 공격적 행동 관리 시스템 (100)은 본 발명의 일 실시예에 불과함으로 도 1을 통해 본 발명이 한정 해석되는 것은 아니다. 즉, 본 발명의 다양한 실시예들에 따르면 공격적 행동 관리 시스템(100)은 사용자 인터페이스장치 등과 같은 구성을 더 포함하여 도 1과 다르게 구성될 수 있다.
또한, 공격적 행동 관리 시스템(100)은 다양한 종류의 휴대용 단말기 또는 컴퓨터로 구현될 수 있다. 여기서, 휴대용 단말기는 예를 들어, 휴대성과 이동성이 보장되는 무선 통신 장치로서, PCS(Personal Communication System), GSM(Global System for Mobile communications), PDC(Personal Digital Cellular), PHS(Personal Handyphone System), PDA(Personal Digital Assistant), IMT(International Mobile Telecommunication)-2000, CDMA(Code Division Multiple Access)-2000, W-CDMA(W-Code Division Multiple Access), WiBro(Wireless Broadband Internet) 단말, 스마트 폰(Smart Phone) 등과 같은 모든 종류의 핸드헬드(Handheld) 기반의 무선 통신 장치를 포함할 수 있다. 또한, 컴퓨터는 예를 들어, 웹 브라우저(WEB Browser)가 탑재된 노트북, 데스크톱(desktop), 랩톱(laptop), 테블릿 PC, 슬레이트 PC 등을 포함할 수 있다.
도 1을 통해 메모리(110)는 공격적 행동을 보이는 객체를 탐지 및 관리하는 프로그램 (이하, ‘공격적 행동 관리 프로그램’이라 지칭함)을 저장한다.
메모리(110)는 해당 프로그램뿐만 아니라 다양한 프로그램도 함께 저장할 수 있다. 메모리(110)는 캐쉬, ROM(Read Only Memory), PROM(Programmable ROM), EPROM(Erasable Programmable ROM), EEPROM(Electrically Erasable Programmable ROM) 및 플래쉬 메모리(Flash memory)와 같은 비휘발성 메모리 소자 또는 RAM(Random Access Memory)과 같은 휘발성 메모리 소자 또는 하드디스크 드라이브(HDD, Hard Disk Drive), CD-ROM과 같은 저장 매체 중 적어도 하나로 구현될 수 있으나 이에 한정되지는 않는다.
영상장치(120)는 한정된 공간의 천정 부근에서 한정된 공간의 바닥면을 바라보도록 설치되어 영상 스트림 정보를 획득하여 공격적 행동 관리 시스템(100)에 제공한다.
예를 들어, 영상장치(120)는 하나 이상의 카메라 모듈을 통해 구현 될 수 있다. 카메라 모듈은 렌즈(lens) 및 이미지 센서(image sensor) 등을 포함할 수 있다. 카메라 모듈은 렌즈와 이미지 센서를 이용하여 농장 내부의 정지 영상(image)이나 동영상(video)을 촬영하고, 촬영된 영상을 디지털 영상 정보로 변환한다.
통신장치(130)는 프로세서 처리과정에 있어 필요한 정보를 영상장치(120)로부터 수신할 수 있다. 또한, 통신부(130)는 네트워크 망을 통해 외부 장치들 및 기타 서버들과도 통신할 수 있다.
프로세서(140)는 메모리(110)에 저장된 공격적 행동 관리 프로그램을 실행하여 공격적 행동 객체를 탐지하여 관리한다.
이때, 프로세서(140)는 영상장치(카메라 모듈)에서 통신부를 통해 제공되는 실시간수신 영상 데이터뿐만 아니라, 이미 촬영된 영상 데이터로부터 움직임 객체의 공격적 행동 탐지를 수행할 수 있다
본 발명의 일 실시예에 따르면, 프로세서(140)는 복수의 객체를 연속적으로 촬영한 영상 스트림 정보로부터 움직임이 있는 복수의 움직임 객체를 추출하여 움직임 객체마다 추적하는 단계, 움직임 객체의 특징 정보를 각각 계산하는 단계 및 특징 정보를 기초로 움직임 객체의 행동이 기정의된 공격적 행동에 해당하는지 여부를 판단하는 단계를 포함한다.
또한, 프로세서(140)는 프로그램의 실행에 따라, 공격적 행동으로 판단되는 이벤트마다 이벤트에 대한 데이터를 데이터베이스에 저장하는 단계를 더 포함한다. 이 때, 수행된 결과는 데이터 베이스에 저장할 수 있다.
또한, 프로세서(140)는 프로그램의 실행에 따라, 이벤트에 대한 데이터를 기간별, 시간별, 움직임 객체별 및 움직임 객체의 조합별 중 적어도 하나로 카테고리화하여 처리하는 단계를 더 포함할 수 있다.
데이터베이스(150)는 상술된 프로세서(120)의 프로그램 실행에 따라 공격적 행동으로 판단되는 이벤트마다 이벤트에 대한 데이터(예를 들어, 공격적 행동으로 판단된 객체의 식별정보, 공격적 행동으로 판단된 이벤트 시간, 영상 정보)를 저장한다. 또한, 데이터베이스(150)는 프로세서 처리과정에 필요한 다양한 기타 데이터(예를 들어, 각각의 단계를 수행한 결과 데이터)가 저장될 수 있다.
표시장치(160)는 상술된 프로세서(140)의 프로그램 실행에 공격적 행동으로 판단되는 이벤트에 대한 데이터를 이벤트가 발생하는 장면에 대한 영상과 함께 디스플레이 화면상에 표시한다. 사용자는 이를 통해 공격적 행동 결과를 확인할 수 있다.
도 2는 본 발명의 일 실시예에 따른 공격적 행동 탐지 방법에 대한 순서도이다.
본 발명의 일 실시예에 따른 한정된 공간 내 객체의 공격적 행동 탐지방법은, 복수의 움직임 객체를 추출하고, 추출된 움직임 객체를 추적하는 단계(S210), 움직임 객체의 특징정보를 각각 계산하는 단계(S220), 특징정보를 기초로 공격적 행동을 판단하는 단계(S230)를 포함한다.
먼저 S210 단계는, 복수의 객체를 연속적으로 촬영한 영상 스트림 정보로부터 움직임이 있는 복수의 움직임 객체를 추출하여 움직임 객체마다 추적한다.
추적하는 단계는 영상 스트림 정보 내 인접한 프레임 간의 영상 정보로부터 임의의 객체의 중심 좌표의 변화량을 측정하여 임의의 객체를 식별하는 단계, 식별된 객체 중 움직임 객체를 추출하는 단계를 수행할 수 있다.
다음으로 S220단계는, 움직임 객체의 특징 정보를 각각 계산한다.
여기서, 특징 정보는 움직임 객체의 평균 면적 및 평균 속도를 포함할 수 있다.
평균면적 및 평균속도는 움직임 객체의 면적을 구한 후 공격적인 행동이 발생하는 시간(5초)을 근거로 하여 계산될 수 있다.
예를 들어, 초기 5초 동안의 프레임이 120프레임(120frame = 24frame/s 5s)일 경우, 120프레임에 대한 움직임 객체의 면적과 속도를 각각 구한 후 평균 면적과 평균 속도를 구할 수 있다.
[수학식 1] 내지 [수학식 3]을 통해 평균 면적과 평균 속도를 구하는 과정을 살펴본다.
우선, 평균 면적 및 평균 속도를 구하기 이전에 움직임 객체의 면적 및 속도를 구해야 하는데, 움직임 객체의 면적은 [수학식 1]을 통해 계산할 수 있고, 움직임 객체의 속도는 [수학식 2]내지 [수학식 3]을 통해 구할 수 있다
[수학식 1]은 움직임 객체의 면적을 구하는 식으로, 움직임 객체의 면적(Area)은 움직임 객체의 길이
Figure pat00001
와 너비
Figure pat00002
의 곱으로 구할 수 있다.
Figure pat00003
[수학식 2]는 움직임 객체의 속도
Figure pat00004
를 구하는 식으로, 움직임 객체의 속도
Figure pat00005
는 움직임 객체의 이동거리
Figure pat00006
와 움직임 객체의 시간 변화량
Figure pat00007
을 통해 구할 수 있다.
Figure pat00008
여기서, 움직임 객체의 이동거리
Figure pat00009
는 움직임 객체에 대해 추적을 수행하는 단계를 통해 획득된 매 프레임에서 중심 좌표를 통해 구할 수 있으며, [수학식 3]을 통해 움직임 객체의 이동거리
Figure pat00010
를 구할 수 있다.
Figure pat00011
여기서, 시간 변화량
Figure pat00012
은 프레임과 이전프레임 간의 시간차이 값을 통해 구할 수 있다.
다음으로 S230 단계는, 특징 정보를 기초로 움직임 객체의 행동이 기정의된 공격적 행동에 해당하는지 여부를 판단한다.
이때, S230 단계는, S220단계를 통해 계산된 특징 정보와 특징 정보에 대한 기설정된 임계값을 비교하여 공격적 행동에 해당하는지 여부를 판단할 수 있다.
다시 말해, S220단계를 통해 취득된 특징정보인 평균면적과 평균속도를 기설정된 면적임계값과 기설정된 속도임계값과 비교할 수 있다. 만약 취득한 평균 면적 값과 평균 속도 값이 기설정된 두 임계값을 모두 초과하면 공격적인 행동으로 판단할 수 있으며, [수학식 4]와 같이 나타낼 수 있다.
Figure pat00013
S230 단계는, 계산된 특징 정보를, 기계학습을 통해 구축된 학습 모델링 장치에 대한 입력 벡터로 설정하여 공격적 행동에 해당하는지 여부를 판단할 수 있다.
예를 들어, 본 발명의 일 실시예에 따른 공격적 행동(공격 행동) 판단을 위해, 공격적 행동(공격 행동)의 판별문제를 이진 분류 문제로 해석하여 이진 분류의 대표적 모델인 SVM(Support Vector Machine)탐지기를 설계할 수 있다.
구체적으로, SVM(Support Vector Machine)은 다차원의 공간상에서 학습 데이터(training data)가
Figure pat00014
와 같이 나타내면, 두 개의 클래스를 구분(이진 분류)하는 초평면(hyperplane)은 여러 개가 존재하게 되지만, 최적의 초평면(optimal hyperplane)은 하나만 존재하게 된다.
이러한 최적의 초평면은 각 클래스 데이터 중에서 분리하는 초평면에 가장 가까운 데이터 사이의 거리를 최대화할 수 있어야 한다.
최적의 초평면은
Figure pat00015
와 같이 정의된다.
여기서,
Figure pat00016
는 초평면 상의 한 점,
Figure pat00017
는 초평면에서의 법선이며 b는 편향이다.
데이터가 선형분리 가능한 경우에는 두 개의 클래스를 정의하는 초평면은
Figure pat00018
와 같이 정의되며 이러한 두 개의 초평면 상의 학습 데이터를 SV(support vector)라 부른다.
이때, 두 개의 초평면은 두 평면 사이의 마진
Figure pat00019
을 최대화하여야 하므로, 두 클래스의 초평면을 구하기 위해서는
Figure pat00020
를 제약식으로 가지는
Figure pat00021
를 최적화해야 한다.
하지만, 대개의 경우 데이터는 선형 분리 가능하지 않기 때문에 위의 제약식을 만족하지 않는다.
따라서, 이를 해결하기 위해 초평면으로부터 잘못된 쪽에 위치한 데이터까지의 거리를 나타내는 여유변수(slack variable)와 패널티 항을 첨가하여
Figure pat00022
을 제약조건으로 하는
Figure pat00023
의 최적화문제로 변환하여 좀더 정확한 판단이 가능해 진다. (여기서,
Figure pat00024
는 Slack variable 이고
Figure pat00025
는 Penalty term 이다).
S230 단계는, 움직임 객체 중 적어도 2 이상의 움직임 객체가 기설정된 시간을 초과하여 접촉된 상태를 유지하는 경우 공격적 행동으로 판단할 수 있다.
구체적으로, S230 단계는, 움직임 객체의 행동이 공격적 행동에 해당하는 경우, 움직임 객체 간에 머리 박치기, 나란한 상태에서의 상호 간 밀치기 및 일 객체에 의한 타 객체 쫓아가기 중 어느 하나에 해당한다고 판단할 수 있다.
도 3은 일 예에 따른 공격적 행동을 설명하기 위한 도면이다.
도 3의 a내지 c는 공격적 행동의 일 실시예이고, 도3의 d 내지 e는 정상 행동의 일 실시예이다.
본 발명의 일 실시예에 따르면, 영상 스트림 정보로부터 추출된 움직임 객체 중 적어도 두 객체가 서로 일정 시간(예를 들어, 5초) 이상 접촉하고 있는 경우, 공격적 행동 관리 시스템은 접촉 중인 움직임 객체의 행동이 공격적 행동에 해당하는지 여부를 판단할 수 있다.
도 3의 a에는 머리 박치기(head to knocking) 행동을 하고 있는 두 움직임 객체가 도시되어 있고, 도 3의 b에는 나란한 상태에서 몸통 간의 밀치기(parallel pressing) 행동을 하고 있는 두 움직임 객체가 도시되어 있으며, 도 3의 c에는 일 객체가 타 객체를 쫓아가기(chasing) 행동을 하고 있는 모습이 도시되어 있다.
이와 같은 공격적 행동은 두 객체의 움직임이 유사한 영역에서 발생하기 때문에 한 객체가 이동하는 경우에 비해 그 면적이 커지게 된다, 하지만 면적만으로는 공격적 행동인지의 여부를 확실히 판단할 수 없다. 따라서, 본 발명의 일 실시예에 따른 공격적 행동 탐지방법은 움직임 객체의 평균면적은 물론 객체의 평균 속도를 고려함으로써, 정상 행동과 공격적 행동을 명확히 구분할 수 있다.
예를 들어, 도 3의 d는 정상 행동의 일 예로서 혼자 걷고 있는 객체(Normal working)를 도시하고 있다. 도 3의 a 내지 c와 비교하면, 단순히 혼자 걷고 있는 객체의 면적은 공격적 행동을 하는 두 객체의 면적 크기보다 작기 때문에, 본 발명의 일 실시예인 공격적 행동 탐지방법에 의해 정상행동과 공격적 행동 구분이 가능하다.
다른 예를 들어, 도 3의 e는 정상 행동의 일 예로서 동시에 함께 걷고 있는 두 객체(together walking)를 도시하고 있다. 도 3의 a내지 c와 비교하면, 단순히 동시에 함께 걷고 있는 두 객체는 면적만을 고려할 경우, 그 면적이 비슷하기 때문에, 정상행동인지 또는 공격적 행동인지 여부를 판단하기 어렵다. 하지만 본 발명의 일 실시예인 공격적 행동을 탐지방법은 평균면적 및 평균속도를 고려하고 있으므로, 이와 같은 경우에도 정상행동과 공격적 행동 구분이 가능하다.
도 4는 본 발명의 일시예에 따른 공격적 행동 관리방법에 대한 순서도이다.
본 발명의 일 실시예에 따른 한정된 공간 내 객체의 공격적 행동 관리방법은, 복수의 움직임 객체를 추출하고, 추출된 움직임 객체를 추적하는 단계(S310), 움직임 객체의 특징정보를 각각 계산하는 단계(S320), 특징정보를 기초로 공격적 행동을 판단하는 단계(S330) 및 공격적 행동으로 판단되는 이벤트 데이터를 저장하는 단계(S340)를 포함한다
S310단계 내지 S330단계는 도 2를 통해 설명한 S210 내지 S230단계를 통해 설명된 바와 동일함으로 생략한다.
S340단계는 공격적 행동으로 판단되는 이벤트마다 이벤트에 대한 데이터를 저장한다.
이때, 이벤트에 대한 데이터를 기간별, 시간별, 움직임 객체별 및 움직임 객체의 조합별 중 적어도 하나로 카테고리화하여 처리하는 단계를 더 포함할 수 있다.
또한, 이벤트에 대한 데이터를 이벤트가 발생하는 장면에 대한 영상과 함께 디스플레이 화면 상에 표시할 수 있다.
이하에서는, 실제로 구현된 예를 참고하여 보다 구체적으로 해당 시스템을 설명하도록 한다. 다만, 이와 같이 본 발명이 한정되는 것이 아님을 쉽게 이해할 수 있을 것이다.
도 5는 공격적 행동 관리 시스템의 스키마 데이터 테이블의 일 예를 나타내는 도면이다.
일 예에 따르면 탐지된 공격적 행동 데이터는 구분, 속성, 데이터타입, 설명으로 구성된 스키마 데이터 테이블에 저장되며, 스키마 데이터 테이블에 저장된 정보는 관리자의 설정을 통해 기간별, 시간별, 객체별로 다양한 시나리오를 재구성하여 조회할 수 있다.
도 6a 내지 도 6d는 도 5의 스키마 데이터 테이블을 사용하여 관리자가 조회할 수 있는 시나리오의 일 예를 나타내는 도면이다. 이때, 도 6a 내지 도 6d는 공격적 행동 탐지 시스템의 표시장치에 의해 표시될 수 있으며, 관리자는 표시장치에 표시된 정보(통계적 정보)를 활용하여 축사를 효율적으로 관리할 수 있다,
도 6a 내지 도 6d에 나타난 일예에 따른 공격적 행동 관리 시스템을 자세히 살펴보면, 관리자는 현재 탭(615)을 터치해 축사 내 실시간 상황을 조회할 수 있고, 상세 탭(630)을 터치해 이미 지나간 공격적인 행동들이 발생한 장면, 발생일, 발생시간에 대한 이력을 조회할 수 있으며, 요약탭(630)을 터치하여 기간별, 시간별, 객체별에 대한 종합적인 통계적 결과 그래프를 조회할 수 있다.
요약탭(630)을 자세히 살펴보면, 관리자는 시간카테고리(631)에서 일별, 주간별, 월별, 연도별 조회기간 단위를 설정할 수 있으며, 일자 설정탭(632)에서는 조회하고자 하는 기간의 설정할 수 있다. 이때, 그래프 영역(633,634,635,636)은 관리자의 설정에 따른 통계적 결과를 그래프의 형태로 표시한다.
도 6a는 관리자가 시간카테고리(631)에서 조회기간 단위설정을 ‘일별’로 하고, 일자 설정탭(632)에서 조회기간을 2014.10.01일부터 2014.10.04일까지로 설정하는 시나리오에 따른 결과를 나타낸다. 이때, 관리자는 그래프영역(633)에서 4일간 일별 단위(가로축)로 공격적 행동 발생건수(세로축)를 통계적으로 확인할 수 있다.
도 6b 는 관리자가 시간카테고리(631)에서 조회기간 단위설정을 ‘시간별(6Hours)’로 설정하고, 일자 설정탭(632)에서 조회기간을 2014.10.03일부터 201.10.12일까지로 설정하는 시나리오에 따른 결과를 나타낸다. 이때, 관리자는 그래프영역(634)에서 10일간 시간 단위(가로축)로 공격적 행동 발생건수(세로축)를 통계적으로 확인할 수 있다.
도 6c는 관리자가 객체별로 기간을 2014.10.01부터 2014.10.19일까지로 설정하는 시나리오의 결과를 나타낸다. 이때, 관리자는 그래프 영역(635)에서 19일간 객체들의 아이디(PigID1, PigID2, PigID3, PigID4)(가로축)에 따른 각각에 대한 공격적 행동 발생건수(세로축)를 확인할 수 있다.
도 6d는 관리자가 공격적 행동에 관련한 객체별로, 기간을 2014.10.01부터 2014.10.10일까지로 설정하는 시나리오의 결과를 나타낸다. 이때, 관리자는 그래프 영역(634)에서 10일간 공격적 행동에 연관된 두 객체별(PigID1xPigID2, PigID2xPigID3, PigID3xPigID1)(가로축)의 각각에 대한 공격적 행동 발생건수(세로축)를 확인할 수 있다.
지금까지 설명한 한정된 공간 내 객체의 공격적 행동 탐지방법, 관리방법 및 관리 시스템을 통해 한정된 공간 내 객체의 공격적 행동탐지 및 관리가 효율적으로 신뢰도 높게 이루어질 수 있다.
전술한 본 발명의 과제 해결 수단 중 어느 하나에 의하면, 축사와 같은 한정된 공간 내에서 공격적 행동을 나타내는 객체에 대한 정보를 데이터베이스에 저장하고, 저장된 데이터를 통계학적으로 분석(기간별, 시간별, 객체별 등)하여 관리자에게 제공함으로써, 공격적 행동 객체에 대하여 효율적인 관리가 이루어질 수 있다.
또한, 본 발명의 일 실시예에 의하면, 공격적 행동 관리 시스템에서 축사와 같은 한정된 공간 내 복수의 객체 중 움직이는 객체에 대해서만 공격적 행동을 탐지함으로써, 움직이지 않는 객체에 대해서는 계산을 줄일 수 있어 시스템의 용량 및 속도가 향상될 수 있다.
또한, 본 발명의 일 실시예에 의하면, 설치된 영상장치를 통해 제공받은 영상을 분석하여 공격적 행동을 판단함으로써, 객체에게 직접 센서를 부착하지 않아도 되므로 객체의 부가적인 스트레스를 줄일 수 있다.
본 발명의 일 실시예에 따른 공격적 행동 탐지 방법, 공격적 행동 관리 방법, 공격적 행동 관리시스템은 컴퓨터에 의해 실행되는 프로그램 모듈과 같은 컴퓨터에 의해 실행가능 한 명령어를 포함하는 기록 매체의 형태로도 구현될 수 있다. 컴퓨터 판독 가능 매체는 컴퓨터에 의해 액세스될 수 있는 임의의 가용 매체일 수 있고, 휘발성 및 비휘발성 매체, 분리형 및 비분리형 매체를 모두 포함한다. 또한, 컴퓨터 판독가능 매체는 컴퓨터 저장 매체 및 통신 매체를 모두 포함할 수 있다. 컴퓨터 저장 매체는 컴퓨터 판독가능 명령어, 데이터 구조, 프로그램 모듈 또는 기타 데이터와 같은 정보의 저장을 위한 임의의 방법 또는 기술로 구현된 휘발성 및 비휘발성, 분리형 및 비분리형 매체를 모두 포함한다. 통신 매체는 전형적으로 컴퓨터 판독가능 명령어, 데이터 구조, 프로그램 모듈, 또는 반송파와 같은 변조된 데이터 신호의 기타 데이터, 또는 기타 전송 메커니즘을 포함하며, 임의의 정보 전달 매체를 포함한다.
본 발명의 방법 및 시스템은 특정 실시예와 관련하여 설명되었지만, 그것들의 구성 요소 또는 동작의 일부 또는 전부는 범용 하드웨어 아키텍쳐를 갖는 컴퓨터 시스템을 사용하여 구현될 수 있다.
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: 공격적 행동 관리 시스템
110: 메모리 120: 영상장치
130: 통신장치 140: 프로세서
150: 데이터베이스 160: 표시장치

Claims (16)

  1. 한정된 공간 내 객체의 비정상 행동 탐지방법에 있어서,
    복수의 객체를 연속적으로 촬영한 영상 스트림 정보로부터 움직임이 있는 복수의 움직임 객체를 추출하여 상기 움직임 객체마다 추적하는 단계;
    상기 움직임 객체의 특징 정보를 각각 계산하는 단계; 및
    상기 특징 정보를 기초로 상기 움직임 객체의 행동이 기정의된 비정상 행동에 해당하는지 여부를 판단하는 단계를 포함하는 비정상 행동 탐지방법.
  2. 제 1 항에 있어서,
    상기 추적하는 단계는
    상기 영상 스트림 정보 내 인접한 프레임 간의 영상 정보로부터 임의의 객체의 중심 좌표의 변화량을 측정하여 상기 임의의 객체를 식별하는 단계; 및
    상기 식별된 객체 중 상기 움직임 객체를 추출하는 단계를 포함하는 비정상 행동 탐지방법.
  3. 제 1 항에 있어서,
    상기 영상 스트림 정보는 상기 한정된 공간의 천정 부근에서 상기 한정된 공간의 바닥면을 바라보도록 설치된 영상장치로부터 획득되는 것인 비정상 행동 탐지방법.
  4. 제 1 항에 있어서,
    상기 특징 정보는 상기 움직임 객체의 평균 면적 및 평균 속도를 포함하는 비정상 행동 탐지방법.
  5. 제 1 항에 있어서,
    상기 판단하는 단계는 상기 계산된 특징 정보와 상기 특징 정보에 대한 기설정된 임계값을 비교하여 상기 비정상 행동에 해당하는지 여부를 판단하는 비정상 행동 탐지방법.
  6. 제 1 항에 있어서,
    상기 판단하는 단계는 상기 계산된 특징 정보를, 기계학습을 통해 구축된 학습 모델링 장치에 대한 입력 벡터로 설정하여 상기 비정상 행동에 해당하는지 여부를 판단하는 비정상 행동 탐지방법.
  7. 제 1 항에 있어서,
    상기 판단하는 단계는 상기 움직임 객체 중 적어도 2 이상의 움직임 객체가 기설정된 시간을 초과하여 접촉된 상태를 유지하는 경우 상기 비정상 행동으로 판단하는 비정상 행동 탐지방법.
  8. 제 1 항에 있어서,
    상기 판단하는 단계는 상기 움직임 객체의 행동이 상기 비정상 행동에 해당하는 경우, 상기 움직임 객체 간에 머리 박치기, 나란한 상태에서의 상호 간 밀치기 및 일 객체에 의한 타 객체 쫓아가기 중 어느 하나에 해당한다고 판단하는 비정상 행동 탐지방법.
  9. 한정된 공간 내 객체의 비정상 행동 관리방법에 있어서,
    복수의 객체를 연속적으로 촬영한 영상 스트림 정보로부터 움직임이 있는 복수의 움직임 객체를 추출하여 상기 움직임 객체마다 추적하는 단계;
    상기 움직임 객체의 특징 정보를 각각 계산하는 단계;
    상기 특징 정보를 기초로 상기 움직임 객체의 행동이 기정의된 비정상 행동에 해당하는지 여부를 판단하는 단계; 및
    상기 비정상 행동으로 판단되는 이벤트마다 상기 이벤트에 대한 데이터를 저장하는 단계를 포함하는 비정상 행동 관리방법.
  10. 제 9 항에 있어서,
    상기 이벤트에 대한 데이터를 기간별, 시간별, 움직임 객체별 및 움직임 객체의 조합별 중 적어도 하나로 카테고리화하여 처리하는 단계를 더 포함하는, 비정상 행동 관리방법.
  11. 제 9항에 있어서,
    상기 이벤트에 대한 데이터를 상기 이벤트가 발생하는 장면에 대한 영상과 함께 디스플레이 화면상에 표시하는 단계를 더 포함하는 비정상 행동 관리방법.
  12. 한정된 공간 내 객체의 비정상 행동 관리 시스템에 있어서,
    비정상 행동을 보이는 객체를 탐지 및 관리하는 프로그램이 저장된 메모리,
    상기 프로그램을 실행하는 프로세서를 포함하되,
    상기 프로세서는 상기 프로그램의 실행에 따라,
    복수의 객체를 연속적으로 촬영한 영상 스트림 정보로부터 움직임이 있는 복수의 움직임 객체를 추출하여 상기 움직임 객체마다 추적하는 단계;
    상기 움직임 객체의 특징 정보를 각각 계산하는 단계; 및
    상기 특징 정보를 기초로 상기 움직임 객체의 행동이 기정의된 비정상 행동에 해당하는지 여부를 판단하는 단계를 수행하는, 비정상 행동 관리 시스템.
  13. 제 12항에 있어서,
    데이터베이스를 더 포함하고,
    상기 프로세서는 상기 프로그램의 실행에 따라, 상기 비정상 행동으로 판단되는 이벤트마다 상기 이벤트에 대한 데이터를 상기 데이터베이스에 저장하는 단계를 더 수행하는, 비정상 행동 관리 시스템.
  14. 제 13 항에 있어서,
    상기 프로세서는 상기 프로그램의 실행에 따라,
    상기 이벤트에 대한 데이터를 기간별, 시간별, 움직임 객체별 및 움직임 객체의 조합별 중 적어도 하나로 카테고리화하여 처리하는 단계를 더 수행하는, 비정상 행동 관리 시스템.
  15. 제 12항에 있어서,
    상기 비정상 행동으로 판단되는 이벤트에 대한 데이터를 상기 이벤트가 발생하는 장면에 대한 영상과 함께 디스플레이 화면상에 표시하는 표시장치를 더 포함하는, 비정상 행동 관리 시스템.
  16. 제 12항에 있어서,
    상기 한정된 공간의 천정 부근에서 상기 한정된 공간의 바닥면을 바라보도록 설치되어 상기 영상 스트림 정보를 획득하는 영상 장치를 더 포함하는
    비정상 행동 관리 시스템.
KR1020140188791A 2014-12-24 2014-12-24 농장에서의 움직임 객체의 공격적 행동 탐지 및 관리시스템 KR20160078089A (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020140188791A KR20160078089A (ko) 2014-12-24 2014-12-24 농장에서의 움직임 객체의 공격적 행동 탐지 및 관리시스템

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020140188791A KR20160078089A (ko) 2014-12-24 2014-12-24 농장에서의 움직임 객체의 공격적 행동 탐지 및 관리시스템

Publications (1)

Publication Number Publication Date
KR20160078089A true KR20160078089A (ko) 2016-07-04

Family

ID=56501439

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020140188791A KR20160078089A (ko) 2014-12-24 2014-12-24 농장에서의 움직임 객체의 공격적 행동 탐지 및 관리시스템

Country Status (1)

Country Link
KR (1) KR20160078089A (ko)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108734091A (zh) * 2018-03-30 2018-11-02 暨南大学 车厢异常行为检测方法、计算机装置和计算机可读存储介质
KR20190143518A (ko) * 2018-06-07 2019-12-31 엘지이노텍 주식회사 이상 개체 판단 장치 및 방법
KR20200009335A (ko) * 2018-07-18 2020-01-30 엘지이노텍 주식회사 이상 개체 검출 장치 및 방법, 이를 포함하는 촬상 장치
KR20200115317A (ko) * 2019-03-26 2020-10-07 (주)씽크포비엘 모돈 이상징후 포착 및 관리 클라우드 서비스 방법 및 장치
WO2021182684A1 (ko) * 2020-03-12 2021-09-16 ㈜씽크포비엘 가축의 개체별 이상 징후 포착 시스템 및 그 이용 방법
KR20210138448A (ko) * 2020-05-12 2021-11-19 엘지이노텍 주식회사 영역별 개체 모니터링을 위한 유저 인터페이스 장치

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108734091A (zh) * 2018-03-30 2018-11-02 暨南大学 车厢异常行为检测方法、计算机装置和计算机可读存储介质
KR20190143518A (ko) * 2018-06-07 2019-12-31 엘지이노텍 주식회사 이상 개체 판단 장치 및 방법
KR20200009335A (ko) * 2018-07-18 2020-01-30 엘지이노텍 주식회사 이상 개체 검출 장치 및 방법, 이를 포함하는 촬상 장치
KR20200115317A (ko) * 2019-03-26 2020-10-07 (주)씽크포비엘 모돈 이상징후 포착 및 관리 클라우드 서비스 방법 및 장치
WO2021182684A1 (ko) * 2020-03-12 2021-09-16 ㈜씽크포비엘 가축의 개체별 이상 징후 포착 시스템 및 그 이용 방법
KR20210138448A (ko) * 2020-05-12 2021-11-19 엘지이노텍 주식회사 영역별 개체 모니터링을 위한 유저 인터페이스 장치

Similar Documents

Publication Publication Date Title
Segalin et al. The Mouse Action Recognition System (MARS) software pipeline for automated analysis of social behaviors in mice
US11004209B2 (en) Methods and systems for applying complex object detection in a video analytics system
KR20160078089A (ko) 농장에서의 움직임 객체의 공격적 행동 탐지 및 관리시스템
Apicharttrisorn et al. Frugal following: Power thrifty object detection and tracking for mobile augmented reality
WO2021217934A1 (zh) 监控牲畜数量的方法、装置、计算机设备及存储介质
US8619135B2 (en) Detection of abnormal behaviour in video objects
US20190304102A1 (en) Memory efficient blob based object classification in video analytics
US10839009B2 (en) Systems and methods for analyzing time series data based on event transitions
US9443144B2 (en) Methods and systems for measuring group behavior
CN109299703B (zh) 对鼠情进行统计的方法、装置以及图像采集设备
KR102264281B1 (ko) 축사 영상을 이용한 가축 체중 추정 시스템 및 방법
US20180024632A1 (en) Interactive Display System with Eye Tracking to Display Content According to Subject's Interest
US9600760B2 (en) System and method for utilizing motion fields to predict evolution in dynamic scenes
JP6823449B2 (ja) 画像検出デバイスを動作させる方法およびコンピュータ・プログラム製品(サッカードを使用する視覚オブジェクトおよびイベントの検出および予測システム)
JP2011118782A (ja) 画像処理装置および画像処理方法、並びにプログラム
CN108229289B (zh) 目标检索方法、装置和电子设备
Lin et al. Visual-attention-based background modeling for detecting infrequently moving objects
WO2018008702A1 (ja) 振る舞い検知システム
KR20220039373A (ko) 스마트 축사 시스템 및 그를 이용한 축사 모니터링 방법
US9361705B2 (en) Methods and systems for measuring group behavior
KR20220068711A (ko) 영상 기반 가축의 급이 행동 분석 장치 및 방법
KR20170006840A (ko) 축사내 개체 탐지 장치 및 방법
KR20210053718A (ko) 반려동물 추종 모니터링 서버 및 그 동작 방법
CN110505438B (zh) 一种排队数据的获取方法和摄像机
CN108875538B (zh) 属性检测方法、装置和系统及存储介质

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
AMND Amendment
E601 Decision to refuse application
AMND Amendment
E902 Notification of reason for refusal