객체 인식을 활용한 반려동물 행동 분류 모델 연구

• Published in: 한국콘텐츠학회 논문지, 24(5) Vol. 24; no. 5; pp. 65 - 72
• Main Authors: 백종우(Jong-Woo Baek), 권보순(Bo-Sun Kwon), 이승은(Seung-Eun Lee), 정회경(Hoe-Kyung Jung)
• Format: Journal Article
• Language: Korean
• Published: 한국콘텐츠학회 01.05.2024
• Subjects: 학제간연구; Object Detection; 객체 탐지; LSTM; 반려동물; YOLOv8; Time Series; 시계열; Pet
• ISSN: 1598-4877; 2508-6723
• DOI: 10.5392/JKCA.2024.24.05.065

2022년 기준 우리나라 전체 가구 중 반려동물을 키우는 가정이 25.7%에 달하는 것으로 나타났다. 반려동물을 키우는 1인 가구에서 느끼는 가장 큰 어려운 점은 집에 반려동물을 혼자 두고 외출하는 경우가 많은 것으로 나타났다. 이에, 본 논문에서는 객체 인식 기반 반려동물에 대한 행동을 분석, 인식하고 이상한 징후가 발생할 때 모니터링이 가능한 모델을 제안한다. 한국지능정보사회진흥원의 반려동물 행동 영상에 대한 데이터셋인 갱의 영상을 이용하였다. 15가지 행동 중 대표적인 5가지 행동에 대해 분류를 수행하였으며, 객체 인식 모델은 YOLOv8을 활용하였다. 이를 활용하여 개의 객체를 인식하고, 키포인트를 추출하여 이 데이터를 시계열 데이터로 전처리한 후 GRU와 LSTM을 실험하여 최종적으로 LSTM으로 행동 분류에 대한 결과를 보였다. YOLOv8에서 키포인트 예측은 mAP 78.4%, 객체 인식 정확도는 mAP 99.4%을 보였으며. LSTM은 2계층 모델을 선정해 70.9%의 검증 정확도와 87.6%의 훈련 정확도를 보였다. As of 2022, the pet market showed that households raising pets amounted to 25.7% of all households in Korea. The biggest difficulty faced by single-person households raising pets is leaving their pets at home alone. Therefore, in this paper, we propose a model that analyzes the behavior of companion animals based on object recognition to recognize behavior and monitor when strange signs occur. We used dog videos, which are a dataset of companion animal behavior videos from the Korea Intelligence Information Society Promotion Agency. Classification was performed on five representative behaviors out of 15, and YOLOv8 was used as the object recognition model. Using this, we recognized dog objects, extracted key points, preprocessed this data into time series data, and then experimented with GRU and LSTM, and finally showed the results of behavior classification using LSTM. In YOLOv8, keypoint prediction showed mAP 78.4% and object recognition accuracy showed mAP 99.4%. LSTM selected a two-layer model and showed a verification accuracy of 70.9% and a training accuracy of 87.6%. KCI Citation Count: 1