• Journal of Korea Multimedia Society
• /
• v.22 no.2
• /
• pp.136-145
• /
• 2019

The crowded environment of a domestic pig farm is highly vulnerable to the spread of infectious diseases such as foot-and-mouth disease, and studies have been conducted to automatically analyze behavior of pigs in a crowded pig farm through a video surveillance system using a camera. Although it is required to correctly separate occluding pigs for tracking each individual pigs, extracting the boundaries of the occluding pigs fast and accurately is a challenging issue due to the complicated occlusion patterns such as X shape and T shape. In this study, we propose a fast and accurate method to separate occluding pigs not only by exploiting the characteristics (i.e., one of the fast deep learning-based object detectors) of You Only Look Once, YOLO, but also by overcoming the limitation (i.e., the bounding box-based object detector) of YOLO with the test-time data augmentation of rotation. Experimental results with two-pigs occlusion patterns show that the proposed method can provide better accuracy and processing speed than one of the state-of-the-art widely used deep learning-based segmentation techniques such as Mask R-CNN (i.e., the performance improvement over Mask R-CNN was about 11 times, in terms of the accuracy/processing speed performance metrics).

• Proceedings of the Korea Information Processing Society Conference
• /
• 2018.10a
• /
• pp.833-835
• /
• 2018

최근 돼지의 상태 및 행동을 분석하기 위하여 카메라를 이용한 돈사 내 돼지에 대한 감시 시스템에 관한 연구가 활발히 진행되고 있다. 특히, 대부분의 국내 돈사는 돼지를 밀집 사육하는 방식이기 때문에 돼지의 겹침이 빈번하게 발생한다. 돼지들 간 겹침이 발생하게 되면 한 마리의 돼지로 인식하는 문제가 있기 때문에 개별 돼지의 탐지 및 추적이 불가능하다. 본 논문에서는 깊이 정보 영상을 이용하여 겹침 돼지를 탐지하고 개별 돼지로 특정 하는 방법을 제안한다. 즉, 임계 값을 설정하여 돼지와 배경을 분리함으로써 돼지들의 영역을 탐지하고, 탐지된 돼지들의 영역 크기를 비교하여 겹침 돼지를 탐지한다. 이후 탐지된 겹침 돼지의 깊이 정보를 이용하여 겹침 돼지를 두 마리의 돼지로 특정한다. 실험 결과, 겹침 돼지를 탐지하였고 탐지된 겹침 돼지에 대하여 각각 서 있는 돼지와 누워 있는 돼지로 특정 하였다.