딥러닝을 활용한 반려견 비문 이미지 품질 분류 연구 (Classification of dog nose pattern image quality using deep learning)

서지정보

· 발행기관 : 한국산학기술학회
· 수록지 정보 : 한국산학기술학회논문지 / 23권 / 4호 / 34 ~ 40페이지
· 저자명 : 김종복, 장동화, 양가영, 권경석, 하태환, 이준환

초록

반려견 수가 급격하게 증가하면서 유기‧유실 방지나 반련견 관련 산업 확장을 위해 보다 정확하고 편리한 개체 식별 방법에 대한 필요성이 커지고 있다. 이에 따라 사람 생체인식 기술을 반려견에 적용하는 연구가 이뤄지고 있으며, 그 중 대표적인 반려견 생체인식 방법으로 영상기반의 비문인식이 주목받고 있다. 하지만 반려견의 경우 사람과 달리 비협조적이기 때문에 비문 이미지 수집 과정에서 비문인식에 적합하지 않은 품질의 이미지가 상당수 수집되며, 이는 비문 인식률을 떨어뜨리는 주요 원인이 된다. 따라서 본 연구에서는 딥러닝을 활용하여 반려견 비문 인식에 사용할 이미지의 품질을 평가하고 선별하여 비문 인식 성능을 높일 수 있는 방법을 제안한다. 반려견 11마리로부터 수집된 55장의 원본 이미지를 기반으로 이미지 수집 중에 발생할 수 있는 왜곡 요소 10가지를 반영하여 5,500장의 데이터 세트를 생성하였다. VGG16을 활용하여 전이학습과 미세조정을 통해 모델을 학습하고 평가한 결과, 반려견 비문 이미지 평균 품질 분류 정확도는 86.65%로 나타났다. 이미지 왜곡 종류별 분류 성능은 밝기(91.52%), 선명도(87.65%), 명암(86.43%), 잡음(82.58%) 순으로 나타났다. 본 논문에서 제안한 방법을 통해 반려견 비문 인식 시스템의 불필요한 인식 처리 횟수를 줄이고 인식률도 향상시킬 수 있을 것으로 기대된다.

영어초록

An accurate and convenient individual identification method for dogs is required alongside the increasing number of dogs to handle the issue of abandoned and lost dogs or expand the pet dog industry with advanced technology. Specifically, some researchers have applied human biometric technology to dogs to meet these requirements. Relatedly, nose pattern image recognition is a representative method in dog biometric technology. However, since the dogs don't cooperate during imaging, many resulting images for nose pattern recognition are of low quality. Using these low-quality images results in a lower recognition rate for dog nose pattern. Therefore, this research proposes improving dog nose pattern recognition by classifying the image quality with a deep learning model. Fifty-five original images collected from 11 dogs were used to generate a dataset of 5,500 images by reelecting ten distortion factors that may occur during image collection. VGG16 was used as a deep learning classifier in this study. The deep learning classifier achieved an average quality classification accuracy of 86.65 % for the dog nose pattern images. The classification performance by image distortion type was in the order of brightness (91.52 %), sharpness (87.65 %), contrast (86.43 %), and noise (82.58 %). In conclusion, the proposed method is expected to improve the recognition rate and reduce the number of unnecessary recognition processing in dog nose pattern recognition.

참고자료

· 없음