AI요약

기존 행동 분류 AI는 임베딩 공간 품질 평가의 어려움으로 신뢰성 확보에 한계가 있었습니다. 본 발명은 이러한 문제 해결을 위해 시간적 및 운동학적 특징을 모두 고려한 혁신적인 인간 및 동물 행동 분류 장치 및 방법을 제시합니다. 마우스 관절 데이터를 통해 스켈레톤 데이터를 추출하고, 웨이블릿 변환, PCA, 비선형 차원 축소를 거쳐 최적의 임베딩 공간을 생성합니다. 특히, 클러스터 간 시간적 연결성(PTI)과 운동학적 특징 유사도를 기반으로 임베딩 공간의 신뢰도를 극대화합니다. 이 기술은 서브 클러스터 및 미래 예측이 가능한 슈퍼 클러스터 생성을 통해 행동 상태를 정밀하게 분류합니다. 결과적으로 행동 임베딩 공간의 성능 평가를 자동화하고, 유사 행동 상태 클러스터링의 신뢰도를 획기적으로 향상시킵니다. 정밀한 행동 분석이 필요한 다양한 분야에서 이 기술이 활용될 수 있습니다.