[논문 리뷰] Automatic Identification of Animal Breeds and Species Using Bioacoustics and Artificial Neural Networks

Jaderick P. Pabico, Anne Muriel V. Gonzales외 2명|arXiv (Cornell University)|2015. 07. 20.

Animal Vocal Communication and Behavior참고 문헌 25인용 수 4

한 줄 요약

이 연구는 생물음향학과 인공신경망(ANN)을 활용한 자동화된 시스템을 제안하여 청각적으로 구별하기 어려운 소리로도 동물 품종과 종을 식별하는 데 목적이 있다. 기록된 소리에서 28개의 스펙트럼 특징을 추출한 후, 세 개의 ANN이 새, 개, 개구리에 대해 각각 71.43%, 94.44%, 90.91%의 정확도를 달성하여, 인간의 귀로는 구별하기 어려운 소리도 신뢰할 수 있는 식별자로 활용될 수 있음을 보여주었다.

ABSTRACT

In this research endeavor, it was hypothesized that the sound produced by animals during their vocalizations can be used as identifiers of the animal breed or species even if they sound the same to unaided human ear. To test this hypothesis, three artificial neural networks (ANNs) were developed using bioacoustics properties as inputs for the respective automatic identification of 13 bird species, eight dog breeds, and 11 frog species. Recorded vocalizations of these animals were collected and processed using several known signal processing techniques to convert the respective sounds into computable bioacoustics values. The converted values of the vocalizations, together with the breed or species identifications, were used to train the ANNs following a ten-fold cross validation technique. Tests show that the respective ANNs can correctly identify 71.43\% of the birds, 94.44\% of the dogs, and 90.91\% of the frogs. This result show that bioacoustics and ANN can be used to automatically determine animal breeds and species, which together could be a promising automated tool for animal identification, biodiversity determination, animal conservation, and other animal welfare efforts.

연구 동기 및 목표

• 인간의 귀로는 구별하기 어려운 소리가 동물 종과 품종을 신뢰할 수 있는 식별자로 사용될 수 있는지 조사하기 위해.
• 생물음향학적 특징을 기반으로 훈련된 인공신경망(ANN)을 개발하고 평가하기 위해.
• 시야가 확보되고 충분한 조명이 확보되어야 하는 시각 기반 식별 방법의 한계를 극복하기 위해.
• 생물다양성 모니터링, 보존 및 동물 복지 응용 분야에서 음성 기반 식별의 가능성 탐색을 위해.
• 다양한 동물의 음성 데이터셋을 대상으로 10겹 교차검증을 사용한 ANN의 성능 평가를 위해.

제안 방법

• 표준화된 오디오 기록 기술을 사용하여 13종의 새, 8종의 개 품종, 11종의 개구리 종의 음성 자료를 촬영하였다.
• MFCC, LPC, 영점교차율 등을 포함한 28개의 정량적 스펙트럼 특징을 추출하기 위해 신호 처리 기법을 적용하였다.
• 추출된 생물음향학적 특징을 사용하여 새, 개, 개구리 전용으로 별도의 인공신경망(ANN)을 훈련시켰다.
• 각 ANN의 훈련과 평가를 위해 안정성과 일반화 능력을 확보하기 위해 10겹 교차검증 기법을 사용하였다.
• 레이블이 부여된 데이터를 사용하여 각 동물을 해당 품종 또는 종으로 분류하도록, 구조적 파rameter를 최적화하고 훈련시켰다.
• 혼동 행렬과 총 정확도/오차율을 사용하여 성능을 평가하였으며, 결과는 높은 분류 신뢰성을 나타내었다.

실험 결과

연구 질문

• RQ1 인간의 귀로는 구별하기 어려운 소리가 종과 품종을 식별하는 데 신뢰할 수 있는 자료로 사용될 수 있는가?
• RQ2 인공신경망이 생물음향학적 특징을 기반으로 얼마나 정확하게 동물의 음성을 분류할 수 있는가?
• RQ3 새, 개, 개구리 등 동물군에 따라 식별 정확도에 영향을 주는 스펙트럼 특징은 어떻게 다를까?
• RQ4 음성 기반의 기계학습 모델이 관측 조건이 열악한 상황에서 전통적인 시각 기반 식별 방식을 뛰어넘을 수 있는가?
• RQ5 대규모 생물다양성 모니터링 및 보존 활동에서 자동화된 음성 기반 식별의 잠재력은 어떠한가?

주요 결과

• 새 종 식별을 위한 ANN은 총 정확도 71.43%를 기록하여 테스트한 13종의 새 중 71.43%를 정확히 분류하였다.
• 개 품종 식별을 위한 ANN은 최고의 정확도 94.44%를 달성하여 18개의 테스트 샘플 중 17개를 정확히 식별하였다.
• 개구리 종 식별을 위한 ANN은 90.91%의 정확도를 기록하여 20개의 테스트 샘플 중 18개를 정확히 식별하였으며, Pseudo 종에 대해 9.09%의 오차율을 보였다.
• 이 시스템은 자동화된 종 및 품종 분류에 활용할 수 있는 분별성 있는 스펙트럼 특징이 음성에 내재되어 있음을 입증하였다.
• 결과는 생물음향학과 ANN이 생물다양성 모니터링 및 보존에 확장 가능하고 비침습적인 도구로 기능할 수 있음을 지지한다.
• 이 연구는 스마트폰에서 수집된 커뮤니티 기반의 오디오 데이터가 자동 식별을 통해 대규모 동물 모니터링을 향상시킬 수 있음을 시사한다.