돼지의 빠른 자세 결정과 머리 제거를 위한영상처리 및 딥러닝 기법 = Image Processing and Deep Learning Techniquesfor Fast Pig’s Posture Determining and Head Removal

다국어 초록 (Multilingual Abstract)

The weight of pig is one of the main factors in determining the health and growth state of pigs, their shipment, the breeding environment, and the ration of feed, and thus measuring the pig’s weight is an important issue in productivity perspective. In order to estimate the pig’s weight by using the number of pig’s pixels from images, acquired from a Top-view camera, the posture determining and the head removal from images are necessary to measure the accurate number of pixels. In this research, we propose the fast and accurate method to determine the pig’s posture by using a fast image processing technique, find the head location by using a fast deep learning technique, and remove pig’s head by using light weighted image processing technique. First, we determine the pig’s posture by comparing the length from the center of the pig‘s body to the outline of the pig in the binary image. Then, we train the location of pig’s head, body, and hip in images using YOLO(one of the fast deep learning based object detector), and then we obtain the location of pig’s head and remove an outside area of head by using head location. Finally, we find the boundary of head and body by using Convex-hull, and we remove pig’s head. In the Experiment result, we confirmed that the pig’s posture was determined with an accuracy of 0.98 and a processing speed of 250.00fps, and the pig’s head was removed with an accuracy of 0.96 and a processing speed of 48.97fps.

국문 초록 (Abstract)

양돈 업계에서 돼지의 무게는 돼지의 건강이나 성장 상태, 출하 여부, 사육 환경, 사료 배급을 결정하는 주요 요인 중 하나이며, 따라서 돼지의 무게를 측정하는 것은 돼지의 생산성 측면에서 중요한 문제이다. Top-view 카메라에서 획득한 영상으로부터 돼지의 픽셀 수를 이용하여 돼지의 무게를 추정하고자 할 때, 정확한 픽셀 수 측정에 영향을 주는 돼지의 자세를 결정할 필요가 있으며, 픽셀 수 측정에 영향을 주는 머리 부분을 제거할 필요가 있다. 본 논문에서는 빠른 영상처리 기법을 이용하여 돼지의 자세를 빠르게 결정하고, 딥러닝 기반의 빠른 객체탐지 기법인 YOLO를 이용하여 돼지 머리 위치를 파악한 후, 경량화된 영상처리 기법을 이용하여 돼지의 머리와 몸통 경계를 획득하고 머리를 제거하는 방법을 제안한다. 즉, 빠른 영상처리 기법으로 이진화된 돼지의 영상 데이터에서 돼지의 몸통 중심점으로부터 돼지의 외곽선까지의 길이를 비교하여 돼지의 자세를 결정한다. 또한, 돼지의 머리 위치를 탐지하기 위하여 YOLO를 이용하여 영상 데이터 내의 돼지의 머리, 몸통, 엉덩이의 위치를 학습시킨 후, 곧은 자세의 돼지 머리 위치를 획득하고 머리 바깥 영역을 제거한다. 마지막으로 Convex-hull을 이용하여 돼지의 머리와 몸통 경계를 추정한 후, 머리를 제거한다. 실험 결과, 0.98의 정확도와 250.00fps의 수행속도로 돼지의 자세를 결정하였으며, 0.96의 정확도와 48.97fps의 수행속도로 돼지의 머리탐지 및 제거가 가능함을 확인하였다.

참고문헌 (Reference)

1 J. Redmon, "YOLO9000: Better, Faster, Stronger" 7263-7271, 2017

2 M. Kashiha, "Weight Estimation of Pigs Using Top-view Image Processing" 496-503, 2014

3 Z. Cao, "OpenPose : Realtime Multi-person 2D Pose Estimation Using Part Affinity Fields"

4 "Open Source Computer Vision: ‘OpenCV’"

5 A. Pezzuoloa, "On-barn Pig Weight Estimation Based on Body Measurements by a Kinect v1 Depth Camera" 148 : 29-36, 2018

6 K. He, "Mask R-CNN" 2961-2969, 2017

7 H. Guo, "LSSA_CAU : An Interactive 3d Point Clouds Analysis Software for Body Measurement of Livestock with Similar Forms of Cows or Pigs" 138 : 60-68, 2017

8 "Korea Rural Economic Institute"

9 H. Ahn, "Image Processing for Pig’s Head Removal" 26 (26): 621-624, 2019

10 J. Sa, "Fast Pig Detection with a Top-view Camera Under Various Illumination Conditions" 11 (11): 266-, 2019

11 M. Lu, "Extracting Body Surface Dimensions from Top-view Images of Pigs" 11 (11): 182-191, 2018

12 K. Jun, "Estimating Pig Weights from Images Without Constraint on Posture and Illumination" 153 : 169-176, 2018

13 N. Brandl, "Determination of Live Weight of Pigs from Dimensions Measured Using Image Analysis" 15 (15): 57-72, 1996

14 W. Choi, "Detection of Pig’s Posture for Pig’s Head Removal" 26 (26): 625-628, 2018

15 J. Kim, "Depth-based Detection of Standing-pigs in Moving Noise Environments" 17 (17): 2757-, 2017

16 M. Kashiha, "Automatic Weight Estimation of Individual Pigs Using Image Analysis" 107 : 38-44, 2014

17 J. Lee, "Automatic Recognition of Aggressive Pig Behaviors Using Kinect Depth Sensor" 16 (16): 631-, 2016

18 C. Shi, "An Approach of Pig Weight Estimation Using Binocular Stereo System Based on LabVIEW" 129 : 37-43, 2016

19 Y. Chen, "Adversarial PoseNet : A Structure-aware Convolutional Network for Human Pose Estimation" 1212-1221, 2017

20 H. Blum, "A Transformation for Extracting New Descriptors of Shape" 19 (19): 362-380, 1967

21 N. Otsu, "A Threshold Selection Method from Gray-level Histograms" 9 (9): 62-66, 1979

22 J. Zunic, "A New Convexity Measure for Polygons" 26 (26): 923-934, 2004

23 D. McCallum, "A Linear Algorithm for Finding the Convex Hull of a Simple Polygon" 9 (9): 201-206, 1979

24 M. Ju, "A Kinect-based Segmentation of Touching-pigs for Real-time Monitoring" 18 (18): 1746-, 2018

25 M. Dillencourt, "A General Approach to Connected-component Labeling for Arbitrary Image Representations" 39 (39): 253-280, 1992

26 J. Canny, "A Computational Approach to Edge Detection" 679-698, 1986