딥러닝 기반의 객체 검출 알고리즘을 활용한 야생동물 객체인식 기초 연구 -국립공원 생태통로 무인센서카메라 영상을 중심으로- = A Study on the Object Recognition of Wildlife Using Deep Learning-based Object Detection Algorithm -A Case of Camera-trap Image of Eco-corridor in National Park -
저자
김미리 ( Mi-ri Kim ) ; 허학영 ( Hag-young Heo ) ; 유병혁 ( Byung-hyuk Yu ) ; 전세근 ( Se-kun Jeon ) ; 이임평 ( Im-pyeong Lee ) ; 함상우 ( Sang-woo Ham ) ; 송아람 ( Ah-ram Song )
발행기관
학술지명
권호사항
발행연도
2021
작성언어
-등재정보
01
자료형태
학술저널
수록면
26-26(1쪽)
제공처
국립공원공단은 무인센서카메라(Camera-trap)를 통하여 야생동물 데이터가 수집되면 직원이 육안 판독하는 방식의 야생동물 현황 모니터링 체계를 운용하고 있다. 국립공원 내 생물종 감지 카메라는 2020년 기준 322대가 설치되어 있으며 이 중국립공원 생태통로 모니터링 무인센서카메라는 73대가 설치·운용 중에 있다. 그러나 현행 야생동물 모니터링 조사방법은 직원 육안판독으로 장시간이 소요되며, 조사품질의 일관성 유지가 어려운 한계가 존재한다.
최근 딥러닝 기술은 컴퓨터 비전(Computer Vision) 분야에서 탁월한 성능으로 부각되고 있으며 딥러닝 알고리즘 중 합성곱 신경망(Convolutional Neural Network;CNN)은 객체 분류 및 탐지 기능에서 정확성 및 신속성을 인정받고 있다(이소영 등, 2019). 이러한 단순 반복적인 현행 조사방법을 개선하기 위하여 이미지나 동영상을 입력하면 데이터 패턴을 인식하여 자동으로 분류결과를 산출하는 딥러닝 기술을 활용한 연구가 필요하다.
야생동물 모니터링 체계 개선을 위한 딥러닝 활용 선행연구로 국립공원공단 소백산국립공원북부사무소에서는 2018년 딥러닝을 통한 야생동물 자동식별 시험을 진행하여 딥러닝 활용 가능성을 확인하고 제39차 아시아 원격탐사학술대회 혁신상을 수상하는 등 공단 자체 연구 수행능력을 검증하였다. 본 연구는 이전 시험결과를 바탕으로 야생동물 모니터링 업무 지원을 위한 자동화된 소프트웨어를 개발하여 야생동물 모니터링 조사시간을 단축하고 인적오류 최소화 및 정확도 향상에 기여하는데 그 목적이 있다.
본 연구에서는 야생동물 객체인식을 위하여 딥러닝 기반의 합성곱 신경망 객체 검출 알고리즘 사례 분석을 실시하였으며 2-stage 객체 검출방식인 R-CNN 기반의 MegaDetector 모델과 1-stage 객체 검출방식인 YOLOv5s 2가지 알고리즘을 선정하였다. MegaDetector 모델은 동물, 사람, 차량을 감지하도록 대규모 데이터셋이 학습되어 있으며 1-stage 객체 검출방식보다 정확도가 높으나 속도가 느리며, YOLOv5s는 backbone의 크기가 가장 작지만 2-stage 객체 검출방식보다 빠른 성능을 보이나 작은 물체에 대해 낮은 정확도를 보이는 특징이 있다.
연구지역은 국립공원 생태통로 운영·관리 현황 및 무인센서 카메라 설치현황을 토대로 소백산국립공원 죽령생태통로와 설악산국립공원 한계령생태통로 2개소를 선정하였다. 선정된 연구지역에 설치된 무인센서카메라로 쵤영 후 판독을 완료한 야생동물 모니터링 자료를 수집하였으며 야생동물 22종에 대한 총 32,213장의 학습데이터를 구축하였다. 이 중 종별 국립공원 생태통로 이용횟수와 학습데이터 구축 비율을 고려하여 딥러닝학습 대상종으로 고라니, 멧돼지, 노루, 오소리 총 4종을 선정하고 딥러닝 알고리즘 학습을 각각 수행하였으며 동영상 70개의 시험용 데이터셋을 통해 그 결과를 도출하였다.
연구결과, MegaDetector 모델은 멧돼지 95.8%, 고라니 74%의 정확도를 보였으며 YOLOv5s는 고라니 80%, 멧돼지 70%의 정확도를 보였다. 노루의 경우 고라니와 외형적 구분이 모호하여 2개 알고리즘 모두에서 정확도가 매우 낮게 나타나, 향후 특징이 명확히 드러나는 영상에 대한 학습데이터 구축 및 추가 학습을 통해 정확도를 높일 계획이다.
서지정보 내보내기(Export)
닫기소장기관 정보
닫기권호소장정보
닫기오류접수
닫기오류 접수 확인
닫기음성서비스 신청
닫기음성서비스 신청 확인
닫기이용약관
닫기학술연구정보서비스 이용약관 (2017년 1월 1일 ~ 현재 적용)
학술연구정보서비스(이하 RISS)는 정보주체의 자유와 권리 보호를 위해 「개인정보 보호법」 및 관계 법령이 정한 바를 준수하여, 적법하게 개인정보를 처리하고 안전하게 관리하고 있습니다. 이에 「개인정보 보호법」 제30조에 따라 정보주체에게 개인정보 처리에 관한 절차 및 기준을 안내하고, 이와 관련한 고충을 신속하고 원활하게 처리할 수 있도록 하기 위하여 다음과 같이 개인정보 처리방침을 수립·공개합니다.
주요 개인정보 처리 표시(라벨링)
목 차
3년
또는 회원탈퇴시까지5년
(「전자상거래 등에서의 소비자보호에 관한3년
(「전자상거래 등에서의 소비자보호에 관한2년
이상(개인정보보호위원회 : 개인정보의 안전성 확보조치 기준)개인정보파일의 명칭 | 운영근거 / 처리목적 | 개인정보파일에 기록되는 개인정보의 항목 | 보유기간 | |
---|---|---|---|---|
학술연구정보서비스 이용자 가입정보 파일 | 한국교육학술정보원법 | 필수 | ID, 비밀번호, 성명, 생년월일, 신분(직업구분), 이메일, 소속분야, 웹진메일 수신동의 여부 | 3년 또는 탈퇴시 |
선택 | 소속기관명, 소속도서관명, 학과/부서명, 학번/직원번호, 휴대전화, 주소 |
구분 | 담당자 | 연락처 |
---|---|---|
KERIS 개인정보 보호책임자 | 정보보호본부 김태우 | - 이메일 : lsy@keris.or.kr - 전화번호 : 053-714-0439 - 팩스번호 : 053-714-0195 |
KERIS 개인정보 보호담당자 | 개인정보보호부 이상엽 | |
RISS 개인정보 보호책임자 | 대학학술본부 장금연 | - 이메일 : giltizen@keris.or.kr - 전화번호 : 053-714-0149 - 팩스번호 : 053-714-0194 |
RISS 개인정보 보호담당자 | 학술진흥부 길원진 |
자동로그아웃 안내
닫기인증오류 안내
닫기귀하께서는 휴면계정 전환 후 1년동안 회원정보 수집 및 이용에 대한
재동의를 하지 않으신 관계로 개인정보가 삭제되었습니다.
(참조 : RISS 이용약관 및 개인정보처리방침)
신규회원으로 가입하여 이용 부탁 드리며, 추가 문의는 고객센터로 연락 바랍니다.
- 기존 아이디 재사용 불가
휴면계정 안내
RISS는 [표준개인정보 보호지침]에 따라 2년을 주기로 개인정보 수집·이용에 관하여 (재)동의를 받고 있으며, (재)동의를 하지 않을 경우, 휴면계정으로 전환됩니다.
(※ 휴면계정은 원문이용 및 복사/대출 서비스를 이용할 수 없습니다.)
휴면계정으로 전환된 후 1년간 회원정보 수집·이용에 대한 재동의를 하지 않을 경우, RISS에서 자동탈퇴 및 개인정보가 삭제처리 됩니다.
고객센터 1599-3122
ARS번호+1번(회원가입 및 정보수정)