지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 자료유형
- 학위논문
- 저자정보
- 지도교수
- 김광수
- 발행연도
- 2022
- 저작권
- 성균관대학교 논문은 저작권에 의해 보호받습니다.
이용수126
이 논문의 연구 히스토리 (2)
- 이 논문의 후속연구가 궁금하신가요?
- 연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
- 이 논문의 연구 히스토리 확인하기
초록· 키워드
오류제보하기
반려견의 행동을 이해하기 위해 정의한 카밍시그널은 개 행동 분석학 분야에서 상당한 진보를 이루었다. 하지만 개 행동 분석학과 관련된 연구는 전문가가 아닌 일반인이 이해하기 어렵다. 또한 기존 연구는 고품질의 웨어러블 디바이스를 반려견의 신체 부위에 부착하여 얻은 데이터를 통해 몸짓 언어와 울음소리를 개별적으로 분석했다. 그러나 디바이스를 부착하는 것은 반려견에게 스트레스를 유발할 수 있고, 반려견이 활동하면서 센서가 움직여 잘못된 데이터가 수집될 수 있다. 또한 반려견의 행동을 보다 유의미하게 이해하기 위해서는 몸짓과 울음소리를 함께 분석해야 한다. 따라서 본 논문에서는 카메라 외의 별도의 장치 없이 반려견이 연속적으로 보여준 자세와 울음소리를 동시에 고려하는 반려견 행동 분석 프레임워크를 소개한다. 본 프레임워크는 영상에서 반려견이 취한 자세 변화를 딥러닝 기반의 컴퓨터 비전 기술과 기계학습 알고리즘을 활용하여 프레임 단위로 분류하고, 이와 동시에 인공지능 신경망 모델을 사용하여 반려견의 울음소리를 초 단위로 분류한다. 그리고 분류된 자세 변화와 울음소리를 카밍시그널에 근거하여 정의한 그래프 모델을 통해 반려견의 최종 행동을 분석한다. 이와 더불어 본 논문에서는 누구나 휴대하고 있는 스마트폰을 통해 반려견 행동 분석 프레임워크를 사용할 수 있는 모바일 아키텍처를 제시한다.
목차
제1장 서 론 1제2장 기존 연구 32.1 반려견의 자세를 분석하기 위한 연구 32.2 반려견의 울음소리를 분석하기 위한 연구 5제3장 적용 기술 63.1 객체 탐지 (Object Detection) 63.1.1 초기 객체 탐지 63.1.2 Two-Stage 기법의 객체 탐지 73.1.3 One-Stage 기법의 객체 탐지 83.2 음성 신호 특징 추출 알고리즘 93.2.1 푸리에 변환 (Fourier Transform) 103.2.2 STFT (Short-Time Fourier Transform) 113.2.3 MFCC (Mel-Frequency Cepstral Coefficient) 12제4장 반려견 행동 분석 프레임워크 134.1 반려견 자세 분석 부 144.1.1 딥러닝을 활용한 반려견 신체 부위 탐지 144.1.2 기계학습 알고리즘을 통한 반려견 자세 분류 154.2 반려견 울음소리 분석 부 164.2.1 음성 신호 샘플링 164.2.2 인공지능 신경망 모델을 통한 음성 분류 174.3 반려견 행동 분석 부 184.3.1 반려견 행동 분석을 위한 그래프 모델 생성 184.3.2 그래프 모델을 사용한 반려견 행동 분석 19제5장 실험 215.1 반려견 신체 부위 탐지 모델 215.1.1데이터 수집 및 훈련 방법 215.1.2 성능 평가 225.2. 반려견 자세 분류 모델 235.2.1 데이터 수집 및 훈련 방법 245.2.2 성능 평가 255.3. 반려견 울음소리 분류 모델 265.3.1 데이터 수집 및 훈련 과정 275.3.2 성능 평가 275.4 그래프 모델을 통한 반려견 행동 분석에 관한 실험 285.4.1 정의 295.4.2 다양한 영상에서의 실험 29제6장 모바일 아키텍처(MOBILE ARCHITECTURE) 326.1 아키텍처 설계 326.2. 프로토타입 (Prototype) 35제7장 결론 36참 고 문 헌 37ABSTRACT 40
최근 본 자료
댓글(0)
0