혼합 심층 신경망을 사용한 야생 동물 활동 감지 기반 경고 메시지 생성

동물 공격 문제는 농촌 인구 및 임업 종사자들에게 점점 더 걱정되는 사안입니다. 야생 동물의 이동을 추적하기 위해 흔히 감시 카메라와 드론이 사용됩니다. 그러나 동물의 종류를 감지하고 이동을 모니터링하며 위치 정보를 제공하기 위한 효율적인 모델이 필요합니다. 이후 이를 바탕으로 사람과 임업 종사자의 안전을 보장하기 위해 경고 메시지를 보낼 수 있습니다. 컴퓨터 비전 및 기계 학습 기반의 접근 방법이 동물 탐지에 자주 사용되지만, 대개 비용이 많이 들고 복잡하여 만족스러운 결과를 얻기 어렵습니다. 본 논문은 동물을 감지하고 그 활동에 따라 경고를 생성하기 위해 Hybrid Visual Geometry Group (VGG)-19+ 양방향 장기 단기 메모리 (Bi-LSTM) 네트워크를 제안합니다. 이러한 경고는 즉각적인 대응을 위해 지역 산림 사무소로 짧은 메시지 서비스 (SMS)로 전송됩니다. 제안된 모델은 평균 분류 정확도가 98%, 평균 정밀도 (mAP)가 77.2%, 초당 프레임 (FPS)이 170인 모델 성능의 큰 향상을 보입니다. 이 모델은 25개 클래스를 가진 세 개의 서로 다른 기준 데이터 세트에서 40,000개의 이미지를 사용하여 질적 및 양적으로 테스트되었으며, 평균 정확도와 정밀도가 98%를 초과했습니다. 이 모델은 정확한 동물 기반 정보를 제공하고 인간의 생명을 보호하는 신뢰할 수 있는 솔루션입니다.