KR20230129935A - 인공지능 기반 유해동물 관리 시스템 - Google Patents

인공지능 기반 유해동물 관리 시스템 Download PDF

Info

Publication number
KR20230129935A
KR20230129935A KR1020230027588A KR20230027588A KR20230129935A KR 20230129935 A KR20230129935 A KR 20230129935A KR 1020230027588 A KR1020230027588 A KR 1020230027588A KR 20230027588 A KR20230027588 A KR 20230027588A KR 20230129935 A KR20230129935 A KR 20230129935A
Authority
KR
South Korea
Prior art keywords
harmful
harmful animal
artificial intelligence
animal
image
Prior art date
Application number
KR1020230027588A
Other languages
English (en)
Inventor
이황근
Original Assignee
메타플레이어 주식회사
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 메타플레이어 주식회사 filed Critical 메타플레이어 주식회사
Publication of KR20230129935A publication Critical patent/KR20230129935A/ko

Links

Images

Classifications

    • 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
    • G06Q50/10—Services
    • G06Q50/26—Government or public services
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/70—Information retrieval; Database structures therefor; File system structures therefor of video data
    • G06F16/78—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G06F16/783—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
    • G06F16/7837—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content using objects detected or recognised in the video content
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • Multimedia (AREA)
  • Software Systems (AREA)
  • Medical Informatics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Library & Information Science (AREA)
  • Databases & Information Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Computing Systems (AREA)
  • General Health & Medical Sciences (AREA)
  • Tourism & Hospitality (AREA)
  • Health & Medical Sciences (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • Data Mining & Analysis (AREA)
  • Marketing (AREA)
  • Emergency Management (AREA)
  • Economics (AREA)
  • Educational Administration (AREA)
  • General Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Mathematical Physics (AREA)
  • Strategic Management (AREA)
  • Development Economics (AREA)
  • Primary Health Care (AREA)
  • Image Analysis (AREA)

Abstract

본 발명은 수집된 영상 데이터를 인공지능 학습하여 특징 벡터별로 유해동물을 분류하여 데이터베이스로 관리하며, 유해동물 판정 요청 영상이 입력되면 특징 벡터를 추출한 후 기저장된 특징 벡터와 비교 판단하여 유해동물을 인지하고 대응 처리를 수행할 수 있도록 한 인공지능 기반 유해동물 관리 시스템에 관한 것으로서, 네트워크를 통해 유해동물 영상 데이터를 제공하는 사용자 단말 장치; 카메라 및 적어도 하나의 유해동물 퇴치용 경보 신호를 출력하는 경보 출력장치를 구비한 로컬 장치; 및 상기 사용자 단말 장치로부터 상기 유해동물 영상 데이터를 수집하고 수집된 영상 데이터를 인공지능 학습하여 유해동물을 종별로 분류한 후 유해동물 데이터베이스를 구축하며, 상기 로컬 장치로부터 상기 카메라로 촬영된 유해동물 판정 요청 영상을 입력받고 상기 유해동물 데이터베이스와 비교하여 상기 유해동물 판정 요청 영상에 유해동물이 포함되어 있는 것으로 판단되면 상기 로컬 장치로 상기 경보 출력장치를 동작시키기 위한 제어 명령을 송신하는 인공지능 학습 서버를 포함한다.

Description

인공지능 기반 유해동물 관리 시스템{ARTIFICIAL INTELLIGENCE-BASED HARMFUL ANIMAL MANAGEMENT SYSTEM}
본 발명은 인공지능 기반으로 유해동물을 관리하는 시스템에 관한 것으로서, 보다 상세하게는 수집된 영상 데이터를 인공지능 학습하여 특징 벡터별로 유해동물을 분류하여 데이터베이스로 관리하며, 유해동물 판정 요청 영상이 입력되면 특징 벡터를 추출한 후 기저장된 특징 벡터와 비교 판단하여 유해동물을 인지하고 대응 처리를 수행할 수 있도록 한 인공지능 기반 유해동물 관리 시스템에 관한 것이다.
최근 들어, 개와 고양이 등의 반려동물에 대한 수요가 크게 증가하고 있다. 반려동물을 기르는 사람들이 증가함에 따라 맹견과 같은 유해한 반려동물들이 사람을 공격하거나 유기된 반려동물들이 거리를 활보하여 공포감을 조성하는 등의 사회적 문제점이 확산되고 있다. 또한, 유해동물에 의한 피해는 비단 반려동물에 국한되지 아니하며, 동물원을 탈출한 맹수나 사적으로 기르는 맹수들에 의한 인적 피해 역시 종종 사회적 물의를 일으키고 있다.
유해동물에 의한 사회적 피해를 막기 위해 많은 사회적 제도가 마련되어 있지만, 인명 피해를 최소화하기 위해서는 무인으로 유해동물을 관리하는 시스템이 도입될 필요가 있다. 예를 들어 아래의 선행문헌과 같이 CCTV를 이용하여 유해동물을 감시하는 시스템이 도입될 수 있을 것이다.
대한민국 특허등록 제10-2482725호 "객체 감시장치"는 설정된 영역 내로 진입한 객체를 인식하고 실시간으로 감시하도록 하는 객체 감시장치를 제안하고 있다. 동 선행문헌은 고양이 등 동물들의 접근이 확인되면 동물들이 혐오하는 초음파를 발생시켜 동물들의 접근을 막을 수 있도록 하고 있는데, 동물로 검출된 객체가 유해한지 여부는 판단하지 못하는 문제가 있다. 이로 인해 사람이 목줄을 한 애완견을 데리고 산책을 하는 경우에도, 즉 인간에게 유해하지 아니한 동물이 거리를 지나는 경우에도, 이를 인식하여 초음파를 발생시킴으로써, 불측의 피해를 발생시킬 우려가 있으며, 동물 보호법에 위배되거나 사적인 보상을 해야 하는 등의 법적 문제가 발생되는 문제점이 있다.
대한민국 특허등록 제 10-2482725호
본 발명은 수집된 영상 데이터를 인공지능 학습하여 특징 벡터별로 유해동물을 분류하여 데이터베이스로 관리하며, 유해동물 판정 요청 영상이 입력되면 특징 벡터를 추출한 후 DB에 저장된 유해동물 특징 벡터와 비교하여 유해동물 여부를 판단한 후에 대응 처리를 수행함으로써, 유해동물을 선별하여 감시하고 관리할 수 있음은 물론 유해동물에 의한 불측의 피해를 방지하고 안전한 거리 질서를 유지할 수 있도록 하는 인공지능 기반 유해동물 관리 시스템을 제공하는 것을 목적으로 한다.
본 발명의 일실시예에 따른 인공지능 기반 유해동물 관리 시스템은, 네트워크를 통해 유해동물 영상 데이터를 제공하는 사용자 단말 장치; 카메라 및 적어도 하나의 유해동물 퇴치용 경보 신호를 출력하는 경보 출력장치를 구비한 로컬 장치; 및 상기 사용자 단말 장치로부터 상기 유해동물 영상 데이터를 수집하고 수집된 영상 데이터를 인공지능 학습하여 유해동물을 종별로 분류한 후 유해동물 데이터베이스를 구축하며, 상기 로컬 장치로부터 상기 카메라로 촬영된 유해동물 판정 요청 영상을 입력받고 상기 유해동물 데이터베이스와 비교하여 상기 유해동물 판정 요청 영상에 유해동물이 포함되어 있는 것으로 판단되면 상기 로컬 장치로 상기 경보 출력장치를 동작시키기 위한 제어 명령을 송신하는 인공지능 학습 서버를 포함한다.
본 발명의 다른 실시예에 따른 인공지능 기반 유해동물 관리 시스템은, 상기 인공지능 학습 서버는, 상기 유해동물 영상 데이터의 각 영상 프레임으로부터 특징점을 인식하여 유해동물 특징 벡터를 추출하고, 상기 유해동물 특징 벡터를 클러스터링하여 유해동물을 종별로 분류하는 유해동물 분류부; 및 상기 로컬 장치로부터 입력된 상기 유해동물 판정 요청 영상에 포함된 특징점을 인식하여 비교 영상 특징 벡터를 추출하고, 상기 비교 영상 특징 벡터를 상기 유해동물 특징 벡터와 비교하여 상기 유해동물 판정 요청 영상에 유해동물이 포함되어 있는지를 판단하는 특징 벡터 비교부를 포함한다.
본 발명의 또 다른 실시예에 따른 인공지능 기반 유해동물 관리 시스템은, 상기 특징 벡터 비교부는 상기 유해동물 특징 벡터와 상기 비교 영상 특징 벡터의 동일한 행과 열의 함수들을 비교하고 함수들 간의 오차 범위가 미리 정해진 오차 범위 이내인 경우 상기 유해동물 특징 벡터와 상기 비교 영상 특징 벡터가 일치하는 것으로 판단한다.
본 발명의 또 다른 실시예에 따른 인공지능 기반 유해동물 관리 시스템은, 상기 경보 출력장치는 청각적 또는 시각적 경보 신호를 출력하는 장치이다.
본 발명의 인공지능 기반 유해동물 관리 시스템에 따르면, 수집된 영상 데이터를 인공지능 학습하여 특징 벡터별로 유해동물을 분류하여 데이터베이스로 관리하며, 유해동물 판정 요청 영상이 입력되면 특징 벡터를 추출한 후 DB에 저장된 유해동물 특징 벡터와 비교하여 유해동물 여부를 판단한 후에 대응 처리를 수행함으로써, 유해동물을 선별하여 감시하고 관리할 수 있음은 물론 유해동물에 의한 불측의 피해를 방지하고 안전한 거리 질서를 유지할 수 있도록 하는 효과가 있다.
도 1은 본 발명에 따른 인공지능 기반 유해동물 관리 시스템을 예시한 블록도,
도 2는 본 발명에 따라 유해동물을 분류하고 데이터베이스를 구축하는 과정을 예시한 흐름도,
도 3은 본 발명에서의 인공지능 학습 네트워크 구성을 예시한 블록도,
도 4는 유해동물 특징 벡터를 클러스터링하는 과정을 묘사한 도면,
도 5는 본 발명에서 유해동물 판정 요청 영상을 처리하여 유해동물 여부를 판단하는 과정을 예시한 흐름도, 및
도 6은 본 발명에서 유해동물에 대한 퇴치 처리를 수행하는 로컬 장치를 예시한 도면이다.
이하에서는 첨부된 도면을 참조하여 본 발명에 따른 구체적인 실시예가 설명된다. 그러나 이는 본 발명을 특정한 실시 형태에 대하여 한정하려는 것이 아니며, 본 발명의 사상 및 기술 범위에 포함되는 모든 변경, 균등물, 대체물을 포함하는 것으로 이해되어야 한다.
명세서 전체에 걸쳐 유사한 구성 및 동작을 갖는 부분에 대해서는 동일한 도면 부호를 붙였다. 그리고 본 발명에 첨부된 도면은 설명의 편의를 위한 것으로서, 그 형상과 상대적인 척도는 과장되거나 생략될 수 있다.
실시예를 구체적으로 설명함에 있어서, 중복되는 설명이나 당해 분야에서 자명한 기술에 대한 설명은 생략되었다. 또한, 이하의 설명에서 어떤 부분이 다른 구성요소를 "포함"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 기재된 구성요소 외에 구성요소를 더 포함할 수 있는 것을 의미한다.
또한, 명세서에 기재된 "~부", "~기", "~모듈" 등의 용어는 적어도 하나의 기능이나 동작을 처리하는 단위를 의미하며, 이는 하드웨어나 소프트웨어 또는 하드웨어 및 소프트웨어의 결합으로 구현될 수 있다. 또한, 어떤 부분이 다른 부분과 전기적으로 연결되어 있다고 할 때, 이는 직접적으로 연결되어 있는 경우뿐만 아니라 그 중간에 다른 구성을 사이에 두고 연결되어 있는 경우도 포함한다.
제1, 제2 등과 같이 서수를 포함하는 용어는 다양한 구성요소들을 설명하는데 사용될 수 있지만, 상기 구성요소들은 상기 용어들에 의해 한정되지는 않는다. 상기 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용된다. 예를 들어, 본 발명의 권리 범위를 벗어나지 않으면서 제2 구성요소는 제1 구성요소로 명명될 수 있고, 유사하게 제1 구성요소도 제2 구성요소로 명명될 수 있다.
도 1은 본 발명에 따른 인공지능 기반 유해동물 관리 시스템을 예시한 블록도이다. 도 1을 참조하면, 본 발명의 인공지능 기반 유해동물 관리 시스템은 유해동물 관리 클라우드 서버 시스템(100)을 포함하여 구성된다. 유해동물 관리 클라우드 서버 시스템(100)은 사용자 단말 장치(210, 220, 230, 240) 및 도 5에 도시된 로컬 장치(400)와 통신 가능한 서버 시스템이다.
사용자 단말 장치(210, 220, 230, 340)는 유선 또는 무선 네트워크를 통해 유해동물 영상 데이터를 제공하는 단말 장치로서, 도 1에서와 같이 스마트폰(210), 노트북(220), PC(230), 동물관리 센터 서버(240) 중 어느 하나의 장치이다. 로컬 장치(400)는 카메라 및 유해동물 퇴치용 경보 신호를 출력하는 단말 장치로서, 사용자 단말 장치로서 예시한 단말이나, 거리에 설치되어 유해동물 정보를 수집하고 유해동물의 접근을 방지하거나 유해동물을 포획하는 등을 수행하는 단말일 수 있다. 로컬 장치(400)에 대하여는 도 5를 참조하여 구체적으로 후술하기로 한다.
도 1을 참조하면, 유해동물 관리 클라우드 서버 시스템(100)은 데이터 저장 서버(110)와, 데이터 관리 서버(120)와, 데이터 처리 서버(130)와, 인공지능 학습 서버(140)를 포함하여 구성된다.
데이터 저장 서버(110)는 사용자 단말 장치(210, 220, 230, 340)로부터 수집한 유해동물 영상 데이터와, 로컬 장치(400)에서 유해동물 여부에 대한 판정을 요청하기 위해 송신한 유해동물 판정 요청 영상 데이터를 저장하는 서버이다. 또한, 데이터 저장 서버(110)는 유해동물 영상 데이터 및 유해동물 판정 요청 영상 데이터와 관련된 정보, 예를 들어, 유해동물의 종류, 크기, 위험도, 소유주, 요청자 단말 정보 등의 속성 정보를 함께 저장할 수 있다.
데이터 관리 서버(120)는 유해동물 영상 데이터 및 유해동물 판정 요청 영상 데이터들을 관리하는 서버로서, 데이터의 수집 이력, 데이터 저장 연한, 데이터의업데이트 및 삭제 등을 관리하는 서버이다. 데이터 처리 서버(130)는 데이터 프로세싱을 위한 서버이다.
인공지능 학습 서버(140)는 사용자 단말 장치(210, 220, 230, 340)로부터 유해동물 영상 데이터를 수집하고 수집된 영상 데이터를 인공지능 학습하여 유해동물을 종별로 분류한 후 유해동물 데이터베이스를 구축하기 위한 서버이다. 또한, 인공지능 학습 서버(140)는 로컬 장치(400)로부터 카메라(420)로 촬영된 유해동물 판정 요청 영상을 입력받고 유해동물 데이터베이스와 비교하여 유해동물 판정 영상에 유해동물이 포함되어 있는지 여부를 판단하며, 판단 결과에 따라 로컬 장치(400)로 경보 출력장치(430)를 동작시키기 위한 제어 명령을 송신하기 위한 서버이다.
도 1을 참조하면, 인공지능 학습 서버(140)는 유해동물 분류부(142)와, 특징 벡터 비교부(144)를 포함한다.
유해동물 분류부(142)는 유해동물 영상 데이터의 각 영상 프레임으로부터 특징점을 인식하여 유해동물 특징 벡터를 추출하고, 유해동물 특징 벡터를 클러스터링하여 유해동물을 종별로 분류하는 수단이다.
특징 벡터 비교부(144)는 로컬 장치(400)로부터 입력된 유해동물 판정 요청 영상에 포함된 특징점을 인식하여 비교 영상 특징 벡터를 추출하고, 이 비교 영상 특징 벡터를 유해동물 특징 벡터와 비교하여 유해동물 판정 요청 영상 내에 유해동물이 포함되어 있는지를 판단하는 수단이다.
인공지능 학습 서버(140)는 도시하지 않았지만, 프로세서와 메모리를 포함한다. 프로세서는 본 발명에 따라 인공지능 학습을 수행하는 수단으로서, 단일 프로세서 또는 멀티 프로세서로 구성되며, 프로그램 저장 메모리를 호출하여 처리 명령들을 실행한다.
메모리는 프로그램 저장 메모리와, 임시 저장 메모리와, 영구 저장 메모리를 포함할 수 있다. 프로그램 저장 메모리는 프로세서에 의해 호출되어 실행될 컴퓨터 판독 가능한 명령들을 저장하는 메모리 장치로서, 전원이 꺼져도 데이터를 보존하며 지우고 다시 쓰기 가능한 메모리 장치이다. 임시 저장 메모리는 프로세서에 의해 처리된 처리 데이터를 임시 저장하는 메모리 장치이다. 임시 저장 메모리는 전원이 꺼지면 데이터가 휘발되며 빠르게 읽고 쓰는 것이 가능한 휘발성 메모리 장치로 구성된다. 영구 저장 메모리는 프로세서의 처리 데이터를 영구 저장하는 메모리 장치이다. 영구 저장 메모리는 전원이 꺼져도 데이터가 보존되며 지우기 및 다시 쓰기가 가능한 불휘발성 메모리 장치로 구성된다.
도 2는 본 발명에 따라 유해동물을 분류하고 데이터베이스를 구축하는 과정을 예시한 흐름도이고, 도 3은 본 발명에서의 인공지능 학습 네트워크 구성을 예시한 블록도이고, 도 4는 유해동물 특징 벡터를 클러스터링하는 과정을 묘사한 도면이고, 도 5는 본 발명에서 유해동물 판정 요청 영상을 처리하여 유해동물 여부를 판단하는 과정을 예시한 흐름도이고, 도 6은 본 발명에서 유해동물에 대한 퇴치 처리를 수행하는 로컬 장치를 예시한 도면이다.
이제 도 2 내지 6을 참조하여 본 발명에서 유해동물 분류부(142)가 유해동물 영상 데이터를 인공지능 학습하여 유해동물 종별로 분류하여 데이터베이스를 구축하는 과정, 그리고 특징 벡터 비교부(144)가 유해동물 판정 요청 영상을 인공지능 학습하여 영상 내에 유해동물이 포함되어 있는지 여부를 판단하고 대응하는 처리 명령을 생성하여 로컬 장치(400)로 전송하는 과정을 구체적으로 설명한다.
도 2를 참조하면, 유해동물 분류부(142)는 사용자 단말 장치(210, 220, 230, 240)로부터 유해동물 영상 데이터를 수집한다(ST110). 그리고 영상 데이터에 대한 전처리를 수행한다(ST120). 예를 들어, 도 3에 도시된 사전 처리부(310)는 이미지 변환(Resize) 및 이미지 자르기(Crop) 등을 수행함으로써, 신경망 학습을 위한 이미지 정규화(Normalization) 작업을 수행한다.
다음으로, 유해동물 분류부(142)는 영상 프레임을 구성하는 각각의 이미지로부터 객체를 추출하여 특징점들을 인식한다(ST130). 도 3을 참조하면, 영상 내의 모든 객체를 검출하는 백본 네트워크(Backbone Network, 320)와, 복수의 관심 영역(RoIs: Region of Interst)을 연산하는 영역 제안 네트워크(RPN: Region Proposal Network, 330)를 포함하는 제1 심층 신경망 학습부가 객체를 추출한다. 영역 제안 네트워크(330)의 출력은 중간 처리부(340)를 통해 제2 심층 신경망 학습부로 전달된다.
제2 심층 신경망 학습부는 풀링부(350)를 포함한다. 풀링부(350)는 관심 영역(RoIs)을 풀링(Pooling)하여 유해동물을 규정하는 객체를 탐지하고, 탐지된 객체의 분류계층을 산출하여 유해동물을 종별로 분류하기 위한 특징점들을 인식한다.
다음으로 유해동물 특징 벡터를 추출한다(ST140). 도 3의 사후 처리부(360)는 특징점들에 대한 위치 정보를 벡터값으로 압축하여 유해동물 특징 벡터를 추출한다. 예를 들어, 유해동물 특징 벡터는 하나 이상의 함수들이 행과 열로 배치되는 형태로 나타날 수 있다.
다음으로 유해동물 특징 벡터를 클러스터링(clustering)하여 유해동물 종별로 분류하고 유해동물의 속성을 나타내는 메타데이터와 매칭하여 유해동물 데이터베이스를 구축한다(ST150).
도 4를 참조하면, 6개의 유해동물 특징 벡터들이 예시되어 있다. 각 예시의 점들은 영상 내에서 유해동물을 규정하는 특징점들에 대응하는 벡터값들을 2차원 화면 상의 점들로 묘사한 것이다. 각각의 점들 사이의 거리를 기준으로 K-means 군집화를 통해 클러스터링할 수 있다. 여기서, "K"는 데이터 세트에서 찾을 것으로 예상되는 클러스터(그룹) 수를 의미한다. "Means"는 각 데이터로부터 그 데이터가 속한 클러스터의 중심까지의 평균 거리를 의미하며, 이 값을 최소화하도록 K개의 중심점을 위치시키는 것이 이 과정의 목표이다. 일단, K개의 임의의 중심점(centroid)을 배치하고, 각 데이터들을 가장 가까운 중심점으로 할당하여 임시로 클러스터를 형성한다. 다음으로 군집으로 지정된 데이터들을 기반으로 해당 군집의 중심점을 업데이트한다. 위 과정들을 수렴이 될 때까지, 즉 더 이상 중심점이 업데이트되지 않을 때까지 반복한다. 이와 같은 과정을 거쳐서 K개의 군집(클러스터)을 도출할 수 있다.
유해동물 분류부(142)는 도 2에 도시된 과정을 반복하여 유해동물 데이터베이스를 업데이트한다.
이제 도 5 및 6을 참조하여 특징 벡터 비교부(144)가 외부에서 입력된 유해동물 판정 요청 영상을 인공지능 학습하여 영상 내에 유해동물이 포함되어 있는지 여부를 판단하고 대응하는 처리 명령을 생성하여 로컬 장치(400)로 전송하는 과정은 다음과 같이 이루어진다.
도 5를 참조하면, 특징 벡터 비교부(144)는 외부로부터 임의의 영상을 입력받는다(ST210). 여기서 임의의 영상이라 함은 촬영된 영상 내에 유해동물이 존재하는지에 대한 판정을 요청하는 영상, 즉, 유해동물 판정 요청 영상을 의미한다. 예를 들어, 유해동물 관리 클라우드 서버 시스템(100)에서 도 6에 예시된 로컬 장치(400)의 카메라(420)에서 촬영된 영상을 원격으로 수신하면, 특징 벡터 비교부(144)가 해당 영상을 입력받는다.
다음으로, 특징 벡터 비교부(144)는 도 2 및 3을 참조하여 설명한 바와 같이, 영상 데이터를 전처리하여(ST220) 이미지를 인공지능 학습을 위해 정규화하고, 도 3의 인공지능 학습 네트워크를 통해 이미지 내에서 특징점을 인식하고(ST230), 비교 판정을 위해 비교 영상 특징 벡터를 추출한다(ST240).
그리고 유해동물 데이터베이스를 검색하여 비교 영상 특징 벡터를 유해동물 특징 벡터와 비교한다(ST250). 만약, 비교 결과 두 벡터가 미리 정해진 오차 범위 내에서 동일한 것으로 판단되면, 유해동물 판정 요청 영상 내에 특정한 유해동물이 존재하는 것으로 판단하여 대응하는 처리 명령을 생성한 후 로컬 장치(400)로 전송한다(ST260).
예를 들어, 특징 벡터 비교부(144)는 유해동물 특징 벡터와 비교 영상 특징 벡터의 동일한 행과 열의 함수들을 비교하고 함수들 간의 오차 범위가 미리 정해진 오차 범위 이내인 경우에 유해동물 특징 벡터와 비교 영상 특징 벡터가 일치하는 것으로 판단한다.
도 6을 참조하면, 로컬 장치(400)는 거리에 설치되는 기둥에 경광등(410)과, 카메라(420)와, 경보 출력장치(430)가 설치되는 구성을 가질 수 있다. 도시하지 않았지만, 로컬 장치(400)는 영상 촬영, 영상 데이터 원격 전송, 유해동물 관리 클라우드 서버 시스템(100)으로부터 수신한 제어 명령 처리 등을 수행하는 프로세서를 포함한다. 또한, 원격 통신을 위한 통신수단과 영상 데이터 및 대응 처리 이력 데이터 등을 저장하는 메모리를 더 포함할 수 있다. 경광등(410)은 유해동물의 접근을 알리는 조명장치이다. 카메라(420)는 로컬 장치(400) 주변으로 접근하는 동물을 촬영하는 수단이다.
경보 출력장치(430)는 청각적 또는 시각적 경보 신호를 출력하는 장치이다. 예를 들어, 경보 출력장치(430)는 유해동물의 등장을 알리는 디스플레이 장치 또는 LED 경보장치일 수 있다. 다른 예로서, 경보 출력장치(430)는 "맹견이 출몰하니 주의하십시오!", "견주는 맹견에 대한 보호조치를 실시하십시오!" 등의 음성 메시지를 출력하는 스피커일 수 있다. 또 다른 예로서, 경보 출력장치(430)는 유해동물 퇴치를 위한 음향이나 초음파 신호를 출력하는 장치일 수 있다. 또 다른 예로서, 경보 출력장치(430)는 유해동물을 유인하여 포획하는 장치이거나 펌프를 이용하여 동물 퇴치용 약액을 분사하는 장치일 수 있다.
예를 들어, 도 6에 도시된 바와 같이 보행자(450)가 반려견(460)을 데리고 산책하는 경우를 가정해보자. 로컬 장치(400)의 프로세서는 카메라(420)에서 촬영된 영상에 새로운 객체가 등장했음을 인식하고, 유해동물 관리 클라우드 서버 시스템(100)으로 유해동물인지 여부에 대하여 판정을 요청하는 신호와 함께 유해동물 판정 요청 영상을 전송한다. 유해동물 관리 클라우드 서버 시스템(100)의 인공지능 학습부(140)는 전술한 바와 같은 특징 벡터 비교를 통해 유해동물인지 여부를 판정하고 대응하는 제어 명령을 로컬 장치(400)로 전송한다. 만약, 도시된 반려견(460)이 맹견 등의 유해동물인 것으로 판정되면, 로컬 장치(400)는 제어 명령에 따라 경광등(410)과 경보 출력장치(430)를 동작시키며, 디스플레이 장치 및 스피커를 통해 유해동물을 주의할 것을 알리는 영상이나 음성을 출력할 것이다. 또한, 주인없이 거리를 배회하는 유해동물이 발견되는 경우, 유해동물 관리 클라우드 서버 시스템(100)은 동물관리 센터 서버(240) 또는 인근의 관할 소방서에 이를 알림으로써, 유해동물에 대한 처분이 신속하게 이루어지도록 할 수 있을 것이다.
위에서 개시된 발명은 기본적인 사상을 훼손하지 않는 범위 내에서 다양한 변형예가 가능하다. 즉, 위의 실시예들은 모두 예시적으로 해석되어야 하며, 한정적으로 해석되지 않는다. 따라서 본 발명의 보호범위는 상술한 실시예가 아니라 첨부된 청구항에 따라 정해져야 하며, 첨부된 청구항에 한정된 구성요소를 균등물로 치환한 경우 이는 본 발명의 보호범위에 속하는 것으로 보아야 한다.
100 : 유해동물 관리 클라우드 서버 시스템
110 : 데이터 저장 서버 120 : 데이터 관리 서버
130 : 데이터 처리 서버 140 : 인공지능 학습 서버
142 : 유해동물 분류부 144 : 특징 벡터 비교부
210 : 스마트폰 220 : 노트북
230 : PC 240 : 동물관리 센터 서버
310 : 사전 처리부 320 : 백본 네트워크
330 : 영역 제안 네트워크 340 : 중간 처리부
350 : 풀링부 360 : 사후 처리부
400 : 로컬 장치 410 : 경광등
420 : 카메라 430 : 경보 출력장치
450 : 보행자 460 : 반려견

Claims (4)

  1. 네트워크를 통해 유해동물 영상 데이터를 제공하는 사용자 단말 장치;
    카메라 및 적어도 하나의 유해동물 퇴치용 경보 신호를 출력하는 경보 출력장치를 구비한 로컬 장치; 및
    상기 사용자 단말 장치로부터 상기 유해동물 영상 데이터를 수집하고 수집된 영상 데이터를 인공지능 학습하여 유해동물을 종별로 분류한 후 유해동물 데이터베이스를 구축하며, 상기 로컬 장치로부터 상기 카메라로 촬영된 유해동물 판정 요청 영상을 입력받고 상기 유해동물 데이터베이스와 비교하여 상기 유해동물 판정 요청 영상에 유해동물이 포함되어 있는 것으로 판단되면 상기 로컬 장치로 상기 경보 출력장치를 동작시키기 위한 제어 명령을 송신하는 인공지능 학습 서버
    를 포함하는 인공지능 기반 유해동물 관리 시스템.
  2. 제1항에 있어서,
    상기 인공지능 학습 서버는,
    상기 유해동물 영상 데이터의 각 영상 프레임으로부터 특징점을 인식하여 유해동물 특징 벡터를 추출하고, 상기 유해동물 특징 벡터를 클러스터링하여 유해동물을 종별로 분류하는 유해동물 분류부; 및
    상기 로컬 장치로부터 입력된 상기 유해동물 판정 요청 영상에 포함된 특징점을 인식하여 비교 영상 특징 벡터를 추출하고, 상기 비교 영상 특징 벡터를 상기 유해동물 특징 벡터와 비교하여 상기 유해동물 판정 요청 영상에 유해동물이 포함되어 있는지를 판단하는 특징 벡터 비교부
    를 포함하는 인공지능 기반 유해동물 관리 시스템.
  3. 제2항에 있어서,
    상기 특징 벡터 비교부는 상기 유해동물 특징 벡터와 상기 비교 영상 특징 벡터의 동일한 행과 열의 함수들을 비교하고 함수들 간의 오차 범위가 미리 정해진 오차 범위 이내인 경우 상기 유해동물 특징 벡터와 상기 비교 영상 특징 벡터가 일치하는 것으로 판단하는 인공지능 기반 유해동물 관리 시스템.
  4. 제1항에 있어서,
    상기 경보 출력장치는 청각적 또는 시각적 경보 신호를 출력하는 장치인 인공지능 기반 유해동물 관리 시스템.
KR1020230027588A 2022-03-02 2023-03-02 인공지능 기반 유해동물 관리 시스템 KR20230129935A (ko)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR20220026523 2022-03-02
KR1020220026523 2022-03-02

Publications (1)

Publication Number Publication Date
KR20230129935A true KR20230129935A (ko) 2023-09-11

Family

ID=88020307

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020230027588A KR20230129935A (ko) 2022-03-02 2023-03-02 인공지능 기반 유해동물 관리 시스템

Country Status (1)

Country Link
KR (1) KR20230129935A (ko)

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102482725B1 (ko) 2021-03-09 2022-12-28 경남대학교 산학협력단 객체 감시장치

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102482725B1 (ko) 2021-03-09 2022-12-28 경남대학교 산학협력단 객체 감시장치

Similar Documents

Publication Publication Date Title
KR101984983B1 (ko) 야생동물 모니터링 시스템 및 그 방법
KR101607934B1 (ko) 전염병 모니터링 방법 및 이를 이용한 시스템, 이를 수행하기 위한 기록매체
KR20160135004A (ko) 실시간 가축 도난 감지를 위한 모듈화 기반의 지능형 영상 감시 시스템 및 그 방법
Sugumar et al. An improved real time image detection system for elephant intrusion along the forest border areas
KR101470314B1 (ko) 객체 자동 인식／분류 ｃｃｔｖ 시스템 및 그 방법
Patil et al. Intrusion detection and repellent system for wild animals using artificial intelligence of things
KR20200105558A (ko) 컴퓨터 비전을 이용한 가축 질병 예측 시스템 및 그 방법
CN114973573A (zh) 目标入侵确定方法、装置、存储介质及电子装置
KR20210053718A (ko) 반려동물 추종 모니터링 서버 및 그 동작 방법
Ravikumar et al. A layered approach to detect elephants in live surveillance video streams using convolution neural networks
Bouarara et al. New swarm intelligence technique of artificial social cockroaches for suspicious person detection using N-gram pixel with visual result mining
KR20230129935A (ko) 인공지능 기반 유해동물 관리 시스템
KR102143072B1 (ko) 야생동물 탐지를 위한 지능형 cctv 시스템
CN116307357A (zh) 动物的监测方法、装置、终端设备及存储介质
CN116308955A (zh) 一种基于ai人工智能进行康养管理的智慧社区
Harish et al. Survivalence of rouge wild animals using image processing and IOT
Ibam et al. IOT-Based Farmland Intrusion Detection System
JP7300958B2 (ja) 撮像装置、制御方法、及びコンピュータプログラム
CN114463555A (zh) 步态特征提取方法及装置
KR102265269B1 (ko) 음성인식 기반의 대화형 스마트 검색 기능을 가진 지능형 스마트 영상 관제 시스템
CN112580482A (zh) 一种动物监控方法、终端和存储介质
TW202002776A (zh) 應用於蜂箱上之虎頭蜂驅離設備
KR102581941B1 (ko) 딥러닝을 이용한 반려견의 입마개 착용 여부 감시 시스템 및 방법
Kommineni et al. Agricultural farms utilizing computer vision (ai) and machine learning techniques for animal detection and alarm systems
KR102615378B1 (ko) 행동인식 기반 위험 상황 감지 시스템 및 방법