← 목록으로
Animal Behavior

Multi-level Hierarchical Complex Behavior Monitoring System for Dog Psychological Separation Anxiety Symptoms

정리일 2026-07-16

Multi-level Hierarchical Complex Behavior Monitoring System for Dog Psychological Separation Anxiety Symptoms

  • 저자: Huasang Wang; Othmane Atif; Jirong Tian; Jonguk Lee; Daihee Park; Yongwha Chung
  • 출처: Sensors (MDPI) (2022)
  • DOI/링크: https://doi.org/10.3390/s22041556
  • 연구 계열: Topics/Animal Behavior
  • 투고일: 2022-01-07

TL;DR

혼자 집에 있는 개의 분리불안 증상을 목과 등에 단 가속도 센서로 자동 감시하는 3단계 계층 시스템(자세, 원자 행동, 증상성 복합 행동)을 제안했다. 자세는 stacked LSTM, 행동은 퍼지 규칙을 쓴 복합 사건 처리(Fuzzy-CEP)로 판정하며, 개 8마리 데이터에서 복합 행동 F1 약 0.86(평균 0.863)을 얻어 SVM, DT, RF보다 높았다.


1. 연구 배경 및 동기

  • 다루는 문제: 개를 혼자 두는 일이 늘면서 분리불안이 생길 위험이 커지는데, 분리불안은 가장 흔한 개 정신 질환으로 과도한 파괴, 짖음 같은 복합 행동을 동반하고 유기의 주된 이유가 된다. 본문은 미국에서만 매년 약 67만 마리가 행동 문제로 안락사된다고 인용한다.
  • 기존의 공백 / 왜 필요한가: 기존 관찰법은 보호자 면담이나 영상 수작업 분석이어서 힘들고 증상을 조기에 자동으로 잡지 못한다. 기존 센서 연구는 대부분 자세나 원자 행동(예: 짖음)까지만 인식해 질환을 특정하지 못하며, 복합 행동까지 다룬 시스템은 보호자의 직접 라벨링이 필요한 1건뿐이었다.

2. 관련 연구

  • 기존 연구 흐름: 가속도계, 자이로스코프 등 센서와 SVM, 결정 트리, HMM, KNN, 신경망으로 자세와 원자 행동을 인식한 연구가 2009~2021년에 이어졌고, 원자 행동 정확도 90%를 넘긴 연구는 소수였다.
  • 이 논문의 위치: 자세에서 원자 행동, 분리불안 관련 복합 행동까지 이어지는 계층 구조를 LSTM과 퍼지 규칙 기반 CEP로 자동화한 최초의 시도라고 주장한다.

3. 핵심 기여

  1. 자세(Level 1), 원자 행동(Level 2), 증상성 복합 행동(Level 3)의 3단계 분류 체계를 정의했다.
  2. stacked LSTM과 CEP 지식 규칙을 연결하고, 모호한 정신 증상 지식을 다루기 위해 퍼지 논리를 결합한 Fuzzy-CEP를 제안했다.
  3. 임상 기준으로 모집한 개 8마리 데이터로 자세, 원자 행동, 복합 행동 각 단계에서 SVM, NB, DT, RF와 비교했다.

4. 제안 방법론

  • 전체 접근 논리: 목과 등의 가속도 신호를 1초 창으로 잘라 두 개의 병렬 stacked LSTM으로 머리·몸 자세를 분류하고, 자세 사건을 CEP 규칙으로 2초 단위 원자 행동으로, 다시 15초 단위 빈도에 퍼지 규칙을 적용해 정상 또는 과도(abnormal) 복합 행동으로 판정한다.
  • 단계:
    • 개의 목과 등에 3축 가속도 센서를 달아 50 Hz로 5~15분 자유 활동 데이터를 수집하고 영상으로 라벨을 확인했다.
    • 1초 슬라이딩 창(50 타임스텝, x,y,z 축)으로 분할하고 0~1 min-max 정규화했다.
    • 각각 64개 유닛의 LSTM 2층으로 된 두 네트워크가 머리 자세 3종과 몸 자세 6종을 softmax로 분류했다.
    • CEP 규칙으로 2초 창에서 원자 행동 8종을 만들고, 15초 창에서 빈도를 퍼지화(Seldom, Consistent, Most), 무게중심 비퍼지화, 임계값(짖음 1.0, 파괴·탐색 1.5)으로 복합 행동 3종의 정상/과도를 판정했다.

5. 실험 설정

항목 내용
대상/재료 분리불안 임상 기준으로 모집한 개 8마리(소형 5, 중형 2, 대형 1; 말티즈, 파피용, 믹스견; 연령 0.5~9세)
처리 조건 보호자 집 또는 실험실에서 5~15분 자유 활동. 센서 LPMS-B2(50 Hz)를 목과 등에 부착하고 영상 동시 촬영
대조군 비교 모델: Level 1은 SVM, NB; Level 2는 SVM, DT, NB; Level 3은 SVM, DT, RF(통계 특징 최소·최대·평균·표준편차 사용)
측정 방법 정밀도, 재현율, F1 점수. Level 1은 클래스당 500개씩 총 4500샘플, 5-fold 교차검증(학습 3600, 시험 900); Adam 학습률 0.0025, 배치 25, 50 에폭

6. 실험 결과 분석

지표 변화(Δ) 조건 · 유의성
Level 1 자세 평균 F1 0.947(정밀도 0.948, 재현율 0.946). Head down 0.997, Lie 0.990, Sit 0.992, Dig 0.889, Jump 0.876 stacked LSTM, 5-fold
Level 1 모델 비교 평균 F1 제안 0.947 대 SVM 0.890 대 NB 0.833. 다만 Head up, Dig, Jump, Lie, Walk에서는 SVM이 더 높음 동일 데이터
Level 2 원자 행동 평균 F1 0.915(정밀도 0.945, 재현율 0.886). Sitting 0.963, Escaping 0.949, Barking 0.859, Standing 0.874 1070개 원자 행동 데이터, stacked LSTM + CEP
Level 2 모델 비교 평균 F1 제안 0.915 대 SVM 0.827, DT 0.889, NB 0.760 동일 데이터
Level 3 복합 행동 평균 F1 0.863(정밀도 0.862, 재현율 0.864). 탐색 행동 과도 0.934, 짖음 과도 0.899, 파괴 과도 0.878 파괴 152, 짖음 84, 탐색 231 샘플(증강 포함 별도), stacked LSTM + Fuzzy-CEP
Level 3 모델 비교 평균 F1 제안 0.863 대 SVM 0.655, DT 0.692, RF 0.660 동일 데이터

제안 기전(인과 사슬): 목·등 가속도 신호 → LSTM 자세 분류 → CEP 원자 행동(2초) → 15초 창 빈도의 퍼지 판정 → 분리불안 관련 과도 복합 행동 검출

7. 비판적 평가

강점

  • 자세, 행동, 복합 행동으로 이어지는 지식 기반 계층 구조라 해석이 쉽고 하위 단계 결과를 재사용한다.
  • 비교 모델 대비 상위 단계로 갈수록 성능 차이가 커졌고, 보호자 집에서 자유롭게 움직이는 개의 데이터를 썼다.

한계 · 의문

  • 개 8마리, 클래스당 데이터가 적고 일부 행동은 윈도 슬라이싱으로 증강했다.
  • Level 1에서 짖음과 Head up 구분이 어렵고 헐떡임 소음, 자세 전환이 오류를 만들며, 하위 오류가 Level 3 성능 저하로 이어졌다.
  • 센서 2개만 사용했고 소리 센서가 없어 짖음 인식에 한계가 있다.

8. 향후 연구 방향

  • 센서, 영상, 소리 데이터를 결합한 더 견고한 분리불안 증상 모니터링 시스템 개발

9. 결론

제안한 계층형 Fuzzy-CEP 시스템은 개 8마리 데이터에서 증상성 복합 행동 F1 약 0.86을 달성했고 비교 모델보다 높았다. 정신 증상과 관련된 복합 행동을 센서로 자동 기술할 수 있는 현실적 방법이며 수의 분야 AI 활용을 촉진할 수 있다고 결론짓는다.

Keywords

separation-anxiety, dog-behavior, wearable-sensor, LSTM, complex-event-processing, fuzzy-logic, animal-welfare, behavior-monitoring

원문 그림

Figure 1. Proposed dog monitoring system architecture detects separation anxiety symptomatic
Figure 1. Proposed dog monitoring system architecture detects separation anxiety symptomatic
huasang2022multilevel
huasang2022multilevel
Figure 2. Structure of two parallel stacked Long Short-Term Memory (LSTM) networks for dog head
Figure 2. Structure of two parallel stacked Long Short-Term Memory (LSTM) networks for dog head
Figure 4. Complex Event Processing (CEP) hierarchy structure for dog behavior monitoring.
Figure 4. Complex Event Processing (CEP) hierarchy structure for dog behavior monitoring.
Figure 5. Fuzzy logic function structure of dog monitoring system.
Figure 5. Fuzzy logic function structure of dog monitoring system.
Figure 6. Membership Functions: (a) system input is complex behavior frequency (vocalization, ex-
Figure 6. Membership Functions: (a) system input is complex behavior frequency (vocalization, ex-
huasang2022multilevel

원문 그림 · 라이선스: cc-by

paperseparation-anxietydog-behaviorwearable-sensorLSTMmonitoringanimal-welfare