KR101436235B1 - 야외학습 시 학생 행동 모니터링 시스템 및 방법 - Google Patents

야외학습 시 학생 행동 모니터링 시스템 및 방법 Download PDF

Info

Publication number
KR101436235B1
KR101436235B1 KR1020130013082A KR20130013082A KR101436235B1 KR 101436235 B1 KR101436235 B1 KR 101436235B1 KR 1020130013082 A KR1020130013082 A KR 1020130013082A KR 20130013082 A KR20130013082 A KR 20130013082A KR 101436235 B1 KR101436235 B1 KR 101436235B1
Authority
KR
South Korea
Prior art keywords
information
histogram
behavior
merged
members
Prior art date
Application number
KR1020130013082A
Other languages
English (en)
Other versions
KR20140099802A (ko
Inventor
송준화
황인석
장혁재
박태우
최아람
이영기
황찬유
Original Assignee
한국과학기술원
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 한국과학기술원 filed Critical 한국과학기술원
Priority to KR1020130013082A priority Critical patent/KR101436235B1/ko
Priority to US13/919,034 priority patent/US9218749B2/en
Publication of KR20140099802A publication Critical patent/KR20140099802A/ko
Application granted granted Critical
Publication of KR101436235B1 publication Critical patent/KR101436235B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
    • G08B21/18—Status alarms
    • G—PHYSICS
    • G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
    • G09B—EDUCATIONAL OR DEMONSTRATION APPLIANCES; APPLIANCES FOR TEACHING, OR COMMUNICATING WITH, THE BLIND, DEAF OR MUTE; MODELS; PLANETARIA; GLOBES; MAPS; DIAGRAMS
    • G09B19/00—Teaching not covered by other main groups of this subclass
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
    • G08B21/02—Alarms for ensuring the safety of persons

Abstract

야외학습 시 학생 행동 모니터링 시스템 및 방법을 공개한다. 본 발명은 단체 활동을 수행하는 복수의 구성원 각각이 보유하고, 복수개의 센서와 이미지 촬상 수단 및 데이터 저장 수단을 구비하여, 구성원의 위치 정보와 방향 정보, 시각 정보, 움직임 정보를 포함하는 행동 정보를 시간 정보와 매칭하여 수집 및 저장하는 복수개의 구성원 단말, 인솔자가 구비하며, 복수개의 구성원 단말에서 수집한 구성원 각각에 대한 행동 정보를 수신하여 저장하는 적어도 하나의 인솔자 단말, 및 적어도 하나의 인솔자 단말 및 복수개의 분석 단말로부터 행동 정보를 수신하고, 수신된 행동 정보에 포함된 위치 정보와 방향 정보, 시각 정보, 움직임 정보 각각에 대해 행동 분포를 추정하고, 추정된 행동 분포 각각에 대한 복수의 구성원의 행동 정보의 차이를 분석하여 특징 행동을 추출하는 분석 단말을 포함한다.

Description

야외학습 시 학생 행동 모니터링 시스템 및 방법{SYSTEM AND METHOD FOR MONITORING BEHAVIOR OF STUDENTS IN FIELD TRIPS}
본 발명은 학생 행동 모니터링 시스템 및 방법에 관한 것으로, 특히 야외학습 시 학생 행동 모니터링 시스템 및 방법에 관한 것이다.
최근 각급 학교 및 유치원과 같은 교육기관에서는 기존의 교과서 위주의 단순 실내 학습에서 벗어나 다양한 야외 학습을 수행하는 경우가 많다. 여기서 야외학습이라 함은 단순히 실외 활동을 의미하는 것이 아니라 박물관 견학과 같이 교실 외에서 수행하는 모든 체험 활동에 의한 학습을 의미한다.
이러한 야외학습 시에는 일반적으로 적어도 한사람의 인솔자(예를 들면 선생님)가 야외 학습을 수행하는 그룹의 다른 구성원들(학생들)을 이끄는 경우가 많다. 그러나 야외학습 시에는 교실과 같이 폐쇄된 공간이 아니라 개방된 공간에서 학습 활동을 수행함에 따라 인솔자는 미아가 발생하거나 부상을 당하지 않도록 학생들의 안전을 최우선 목표로 삼을 수밖에 없다.
야외학습 시 인솔자가 학생들의 안전을 최우선 목표로 하고, 실제 학생들의 안전 확인에만 인솔자의 주의를 집중하여도 안전사고가 발생하는 경우가 있다. 특히 인솔자가 인솔하는 학생 수가 많을수록, 그리고 학생들이 어릴수록 인솔자는 학생들의 안전에 모든 주의를 기울일 수밖에 없다.
안전 문제 외적으로도 학생들이 어린 경우에는 화장실 이용과 음식물 섭취와 같은 필요가 발생할 경우, 익숙하지 않은 야외 환경으로 인하여 인솔자가 학생들을 직접 지도해야하는 경우가 빈번하게 발생한다.
야외학습 또한 학습의 일환으로 인솔자는 학생들이 야외학습 시에 어떤 학습을 하고 있고, 어떠한 분야에 관심을 가지는지 확인할 필요성이 있다. 즉 야외학습의 학습 성취도를 확인할 필요성이 있다. 그러나 상기한 바와 같이, 야외학습 시 인솔자는 학생들의 안전 및 관리에 최대한의 주의와 노력을 기울일 수밖에 없어 실제 학생들의 학습 성과를 확인할 여유가 없다. 따라서 야외학습 시 학생들의 학습 성취도를 확인할 대안이 요구되고 있다.
본 발명의 목적은 야외학습 시 개별 학생들의 행동을 모니터링하여 저장하고, 이후 인솔자가 모니터링 된 학생들의 행동의 특이성을 확인함으로서 각 학생들의 학습 성과를 확인할 수 있는 학생 행동 모니터링 시스템 및 방법을 제공하는데 있다.
상기 목적을 달성하기 위한 본 발명의 일 예에 따른 행동 모니터링 시스템은 단체 활동을 수행하는 복수의 구성원 각각이 보유하고, 상기 구성원의 위치 정보와 방향 정보, 시각 정보, 움직임 정보를 포함하는 행동 정보를 시간 정보와 매칭하여 수집 및 저장하는 복수개의 구성원 단말; 인솔자가 구비하며, 상기 복수개의 구성원 단말에서 수집한 상기 구성원 각각에 대한 상기 행동 정보를 수신하여 저장하는 적어도 하나의 인솔자 단말; 및 상기 적어도 하나의 인솔자 단말 및 상기 복수개의 분석 단말로부터 상기 행동 정보를 수신하고, 수신된 상기 행동 정보에 포함된 상기 위치 정보와 상기 신체 방향 정보, 상기 시각 정보, 상기 움직임 정보 각각에 대응하는 행동 분포를 추정하고, 추정된 상기 행동 분포 각각에 대한 상기 복수의 구성원의 행동 정보의 차이를 분석하여 특징 행동을 추출하는 분석 단말;을 포함한다.
상기 분석 단말은 상기 복수개의 분석 단말로부터 수신된 상기 복수의 구성원 각각에 대한 상기 행동 정보에 포함된 상기 위치 정보와 상기 방향 정보, 상기 시각 정보, 상기 움직임 정보 각각을 기설정된 시간 구간 단위로 분할하여, 근접성 히스토그램, 신체 방향 히스토그램, 이미지 차이 히스토그램 및 활동 강도 히스토그램을 획득하고, 상기 복수의 구성원에 대해 획득된 근접성 히스토그램, 신체 방향 히스토그램, 이미지 차이 히스토그램 및 활동 강도 히스토그램을 상기 분할된 상기 시간 구간 단위별로 병합하여 상기 행동 분포를 추정하는 것을 특징으로 한다.
상기 분석 단말은 상기 행동 분포에 포함된 병합 신체 방향 히스토그램, 병합 활동 강도 히스토그램, 병합 근접성 히스토그램 및 병합 이미지 차이 히스토그램 각각에 대해 Lilliefors 테스트를 적용하여, 병합 신체 방향 히스토그램, 병합 활동 강도 히스토그램, 병합 근접성 히스토그램 및 병합 이미지 차이 히스토그램 각각이 정규 분포에 대응하는지 판별하고, 상기 정규 분포에 대응하는 상기 병합 신체 방향 히스토그램, 상기 병합 활동 강도 히스토그램, 상기 병합 근접성 히스토그램 및 상기 병합 이미지 차이 히스토그램 각각에 대해 상기 특징 행동을 추출하는 것을 특징으로 한다.
상기 분석 단말은 상기 복수의 구성원에 대해 획득된 근접성 히스토그램, 신체 방향 히스토그램, 이미지 차이 히스토그램 및 활동 강도 히스토그램 각각과 상기 병합 신체 방향 히스토그램, 병합 활동 강도 히스토그램, 병합 근접성 히스토그램 및 병합 이미지 차이 히스토그램의 차이를 Kullback-Leibler divergence를 적용하여 계산하고, 가장 큰 차이를 갖는 기설정된 개수의 상기 행동 정보를 특징 행동으로 추출하는 것을 특징으로 한다.
상기 분석 단말은 상기 행동 정보에 포함된 상기 위치 정보와 상기 방향 정보, 상기 시각 정보, 상기 움직임 정보 중 동일한 정보에 대해 연속된 상기 시간 구간에서 상기 특징 행동으로 추출되면, 해당 특징 행동에 가중치를 누적하여 부여하는 것을 특징으로 한다.
상기 분석 단말은 추출된 상기 특징 행동들을 상기 가중치에 따라 우선 순위를 설정하여 정렬하고, 정렬된 상기 특징 행동들 중 기설정된 개수의 상위 특징 행동들을 추출하는 것을 특징으로 한다.
상기 복수개의 구성원 단말 각각은 상기 구성원의 신체 방향 정보를 획득하기 위한 나침반 센서; 상기 구성원의 움직임 정보를 획득하기 위한 가속도 센서; 상기 구성원의 시각 정보를 이미지 정보로 획득하기 위한 이미지 센서; 상기 적어도 하나의 인솔자 단말이나 다른 구성원 단말 및 상기 분석 단말 중 적어도 하나와 통신을 수행하는 통신부; 상기 다른 구성원 단말과 라디오 주파수 대역의 신호를 송수신하여, 상기 다른 구성원 단말과의 거리를 판별하는 거리 판별부; 및 상기 위치 정보와 상기 신체 방향 정보, 상기 시각 정보, 상기 움직임 정보를 저장하는 저장부;를 포함하는 것을 특징으로 한다.
상기 적어도 하나의 인솔자 단말은 상기 복수개의 구성원 단말 각각과 라디오 주파수 대역의 신호를 송수신하여, 상기 다른 구성원 단말과의 거리를 판별하는 거리 판별부; 상기 복수개의 구성원 단말 및 상기 분석 단말 중 적어도 하나와 통신을 수행하는 통신부; 상기 복수개의 구성원 단말 각각으로부터 상기 통신부를 통해 상기 위치 정보와 상기 신체 방향 정보, 상기 시각 정보, 상기 움직임 정보 중 적어도 하나를 저장하는 저장부;를 포함하는 것을 특징으로 한다.
상기 목적을 달성하기 위한 본 발명의 일 예에 따른 야외 활동 시 학생 행동 모니터링 방법은 단체 활동을 수행하는 복수의 구성원 각각이 보유하는 복수개의 구성원 단말, 인솔자가 구비하는 적어도 하나의 인솔자 단말 및 분석 단말을 포함하는 행동 모니터링 시스템의 행동 모니터링 방법에 있어서, 상기 분석 단말은, 상기 적어도 하나의 인솔자 단말 및 상기 복수개의 분석 단말로부터 상기 행동 정보를 수신하는 단계; 상기 수신된 행동 정보에 포함된 상기 위치 정보와 상기 신체 방향 정보, 상기 시각 정보, 상기 움직임 정보 각각에 대응하는 행동 분포를 추정하는 단계; 및 추정된 상기 행동 분포 각각에 대한 상기 복수의 구성원의 행동 정보의 차이를 분석하여 특징 행동을 추출하는 단계;를 포함한다.
상기 행동 분포를 추정하는 단계는 상기 복수개의 분석 단말로부터 수신된 상기 복수의 구성원 각각에 대한 상기 행동 정보에 포함된 상기 위치 정보와 상기 방향 정보, 상기 시각 정보, 상기 움직임 정보 각각을 기설정된 시간 구간 단위로 분할하여 근접성 히스토그램, 신체 방향 히스토그램, 이미지 차이 히스토그램 및 활동 강도 히스토그램을 획득하는 단계; 및 상기 복수의 구성원에 대해 획득된 근접성 히스토그램, 신체 방향 히스토그램, 이미지 차이 히스토그램 및 활동 강도 히스토그램을 상기 분할된 상기 시간 구간 단위별로 병합하여 상기 행동 분포를 추정하는 단계;를 포함하는 것을 특징으로 한다.
상기 특징 행동을 추출하는 단계는 상기 행동 분포에 포함된 병합 신체 방향 히스토그램, 병합 활동 강도 히스토그램, 병합 근접성 히스토그램 및 병합 이미지 차이 히스토그램 각각에 대해 Lilliefors 테스트를 적용하여, 병합 신체 방향 히스토그램, 병합 활동 강도 히스토그램, 병합 근접성 히스토그램 및 병합 이미지 차이 히스토그램 각각이 정규 분포에 대응하는지 판별하는 단계; 및 상기 정규 분포에 대응하는 상기 병합 신체 방향 히스토그램, 상기 병합 활동 강도 히스토그램, 상기 병합 근접성 히스토그램 및 상기 병합 이미지 차이 히스토그램 각각에 대한 개별 특징 행동을 추출하는 단계;를 포함하는 것을 특징으로 한다.
상기 개별 특징 행동을 추출하는 단계는 상기 복수의 구성원에 대해 획득된 근접성 히스토그램, 신체 방향 히스토그램, 이미지 차이 히스토그램 및 활동 강도 히스토그램 각각과 상기 병합 신체 방향 히스토그램, 병합 활동 강도 히스토그램, 병합 근접성 히스토그램 및 병합 이미지 차이 히스토그램의 차이를 Kullback-Leibler divergence를 적용하여 계산하고, 가장 큰 차이를 갖는 기설정된 개수의 상기 행동 정보를 특징 행동으로 추출하는 것을 특징으로 한다.
상기 개별 특징 행동을 추출하는 단계는 상기 행동 정보에 포함된 상기 위치 정보와 상기 방향 정보, 상기 시각 정보, 상기 움직임 정보 중 동일한 정보에 대해 연속된 상기 시간 구간에서 상기 특징 행동으로 추출되면, 해당 특징 행동에 가중치를 누적하여 부여하는 단계;를 더 포함하는 것을 특징으로 한다.
상기 개별 특징 행동을 추출하는 단계는 추출된 상기 특징 행동들을 상기 가중치에 따라 우선 순위를 설정하여 정렬하고, 정렬된 상기 특징 행동들 중 기설정된 개수의 상위 특징 행동들을 추출하 단계를 더 포함하는 것을 특징으로 한다.
따라서, 본 발명의 야외학습 시 학생 행동 모니터링 시스템 및 방법은 야외학습 시에 학생들의 학습 과정을 모니터링하여 저장함으로서, 인솔자는 학생들의 안전에 모든 주의를 집중할 수 있고, 야외학습이 종료된 이후 인솔자가 개별 학생들의 학습 과정을 검토하여 학습 성취도를 확인할 수 있다. 뿐만 아니라 다수의 학생의 학습 과정을 모두 검토하기 어려운 점을 보완하기 위해 행동 특이점을 추출하여 인솔자에게 제시함으로서 특수한 행동들에 대해 집중적으로 관찰할 수 있도록 한다. 따라서 인솔자는 용이하게 학생들의 특징 행동에 대한 모니터링 자료를 획득할 수 있으므로, 학생들의 재능이나 문제점 등을 조기에 신속하게 파악하여 대응할 수 있다.
도1 은 본 발명의 일실시예에 따른 야외활동 교육 모니터링 시스템을 나타낸다.
도2 는 도1 의 구성원 단말의 상세 구성의 일예를 나타낸다.
도3 은 도2 의 구성원 단말의 실제 적용예를 나타낸다.
도4 는 도1 의 인솔자 단말의 상세 구성의 일예를 나타낸다.
도5 는 본 발명의 일 실시예에 따른 야외활동 교육 모니터링 방법을 나타낸다.
도6 은 도5 의 야외활동 교육 모니터링 방법의 이해를 돕기 위해 도식화한 도면이다.
도7 은 특징 행동을 추출하는 과정을 상세히 나타낸 도면이다.
본 발명과 본 발명의 동작상의 이점 및 본 발명의 실시에 의하여 달성되는 목적을 충분히 이해하기 위해서는 본 발명의 바람직한 실시예를 예시하는 첨부 도면 및 첨부 도면에 기재된 내용을 참조하여야만 한다.
이하, 첨부한 도면을 참조하여 본 발명의 바람직한 실시예를 설명함으로서, 본 발명을 상세히 설명한다. 그러나, 본 발명은 여러 가지 상이한 형태로 구현될 수 있으며, 설명하는 실시예에 한정되는 것이 아니다. 그리고, 본 발명을 명확하게 설명하기 위하여 설명과 관계없는 부분은 생략되며, 도면의 동일한 참조부호는 동일한 부재임을 나타낸다.
명세서 전체에서, 어떤 부분이 어떤 구성요소를 “포함”한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라, 다른 구성요소를 더 포함할 수 있는 것을 의미한다. 또한, 명세서에 기재된 “...부”, “...기”, “모듈”, “블록” 등의 용어는 적어도 하나의 기능이나 동작을 처리하는 단위를 의미하며, 이는 하드웨어나 소프트웨어 또는 하드웨어 및 소프트웨어의 결합으로 구현될 수 있다.
도1 은 본 발명의 일실시예에 따른 야외활동 교육 모니터링 시스템을 나타낸다.
도1 을 참조하면, 본 발명의 야외활동 교육 모니터링 시스템은 적어도 하나의 인솔자 단말(LD)과 복수개의 구성원 단말(MB1 ~ MBn) 및 분석 단말(CT)을 구비한다.
복수개의 구성원 단말(MB1 ~ MBn)은 단체 활동을 수행하는 복수의 구성원(예를 들면 학생들) 각각이 하나씩 보유하여 대응하는 구성원 각각에 대한 행동 정보를 수집 및 저장한다. 복수개의 구성원 단말(MB1 ~ MBn) 각각은 복수개의 센서와 이미지 촬상 수단 및 데이터 저장 수단을 구비하여, 야외 활동 수행 시에 대응하는 구성원의 행동 정보를 수집한다. 여기서 구성원의 행동 정보에는 야외 활동 중 각 시간별 구성원의 위치 정보와 방향 정보, 시각 정보, 움직임 정보 등이 포함될 수 있다. 그리고 복수개의 구성원 단말(MB1 ~ MBn) 각각은 저장된 구성원의 행동 정보 전체 또는 일부를 적어도 하나의 인솔자 단말(LD)로 전송한다. 이때 인솔자 단말(LD)로 전송할 행동 정보는 미리 설정될 수 있다.
적어도 하나의 인솔자 단말(LD)은 적어도 하나의 인솔자가 각각 보유하여 복수개의 구성원 단말(MB1 ~ MBn)에서 수집한 구성원 각각의 행동 정보 전체 또는 일부를 수신하여 저장한다. 적어도 하나의 인솔자 단말(LD) 각각은 복수개의 구성원 단말(MB1 ~ MBn)에 저장된 복수의 구성원 각각에 대한 행동 정보를 무선으로 수신하여 저장한다. 이때 인솔자 단말(LD)은 복수개의 구성원 단말(MB1 ~ MBn) 각각으로부터 행동 정보를 수신하므로, 복수개의 구성원 단말(MB1 ~ MBn)에 저장된 모든 행동 정보를 수신하게 되면, 전송할 데이터 용량이 급증하여 데이터를 수신하기 어려운 문제가 있을 뿐만 아니라 매우 큰 저장 용량을 필요로 하게 된다. 또한 상기한 바와 같이 야외 활동 교육 수행 중에 인솔자는 실질적으로 복수의 구성원 각각에 대한 행동을 모니터링할 시간적, 정신적 여유가 없다. 따라서 실질적으로 인솔자가 모니터링된 야외 활동 교육을 분석하는 것은 야외 활동 교육이 완료된 이후 별도로 수행되는 것이 바람직하다. 또한 야외 활동 교육이 완료된 이후에 인솔자는 복수개의 구성원 단말(MB1 ~ MBn)을 수거할 수 있으므로, 인솔자 단말(LD)이 행동 정보에 대한 모든 정보를 수신하여 저장하는 것은 합리적이지 않다. 그러므로 인솔자 단말(LD)은 복수개의 구성원 단말(MB1 ~ MBn)에 저장된 행동 정보 중 야외 활동 중 필요한 일부의 행동 정보만을 수신하는 것이 바람직하다. 그리고 인솔자 단말(LD)이 수신하는 일부의 행동 정보로는 구성원의 위치가 대표적으로 포함될 수 있다. 구성원의 위치는 야외 활동 시에 특정 구성원이 야외 활동을 수행하는 그룹에서 이탈된 경우에 인솔자가 즉각적으로 인식하고 이탈한 구성원을 찾을 수 있도록 하기 위함이다.
분석 단말(CT)은 인솔자가 야외 활동 교육을 수행한 이후 적어도 하나의 인솔자 단말(LD)과 복수개의 구성원 단말(MB1 ~ MBn)에 저장된 복수의 구성원 각각의 행동 정보를 수신하여 분석하여 복수의 구성원들 각각의 행동을 분석한다. 즉 복수의 구성원 각각에 대해 모니터링된 야외 활동 교육의 결과를 분석한다. 분석 단말(CT)는 적어도 하나의 인솔자 단말(LD)과 복수개의 구성원 단말(MB1 ~ MBn)로부터 수신된 구성원들의 행동 정보를 취합 및 분석하여 특이점을 획득함으로서, 관심 대상이 될 구성원을 판별하고, 관심 대상 구성원에 대한 행동 정보를 인솔자가 확인할 수 있도록 한다. 즉 인솔자가 야외학습 시 구성원의 행동을 용이하게 모니터링할 수 있도록 한다. 여기서 구성원들의 행동 정보로부터 특이점을 획득하는 이유는 야외 학습과 같은 단체 활동 시에 인솔자는 대다수의 구성원이 공통적으로 수행한 행동으로부터 획득할 수 있는 학습 성과보다, 하나 또는 그 이상의 소수의 구성원이 다른 구성원들과 별개로 수행한 특이한 행동들로부터 획득할 수 있는 학습 성과가 더욱 많기 때문이다. 그리고 분석 단말(CT)는 분석 결과를 인솔자 단말(LD)로 전송하여 인솔자가 분석 결과를 확인할 수 있도록 할 수 있다.
야외학습 시에 학생들은 일상의 환경과 다른 새로운 환경을 접하게 됨에 따라 동료 학생들 또는 주변 사물에 대해 기존과는 전혀 다른 상호작용을 할 수 있다. 이러한 상호 작용은 일상의 환경에서 학생들을 관찰하는 선생님과 같은 인솔자들조차 예상하지 못한 행동으로 표출될 수 있다. 그리고 이러한 행동을 인솔자가 관찰할 수 있으면, 인솔자는 그동안 인지할 수 없었던 학생들의 새로운 성향 및 재능을 발견할 수 있다.
만약 다수의 학생 중 한명의 학생이 다른 학생들과 다른 특이한 행동을 수행하였다면, 이는 특이한 행동을 수행한 학생이 특별히 관심을 갖는 대상을 발견하였거나, 집중해야하는 대상에 관심을 갖지 못한 경우인 것으로 판단할 수도 있다. 야외 학습 활동으로 박물관 관람 시를 예를 들어 설명하면, 인솔자나 박물관 가이드가 학생들에게 박물관에 전시된 전시품 중 하나를 설명하고 있을 때, 대부분의 학생들은 해당 전시품을 바라보게 될 것이다. 그러나 학생들 중 한명의 학생이 대다수의 학생들과 달리 다른 전시품을 바라보고 있다면, 이는 해당 학생이 바라보고 있는 전시품에 특별히 관심이 많거나, 현재 설명하고 있는 전시품에 관심이 없는 것으로 판단할 수 있다. 즉 해당 학생의 관심 영역을 판별할 수 있다. 즉 인솔자는 다수의 구성원이 공통적으로 수행하는 행동에 대해서는 상대적으로 관심을 적게 가져도 되는 반면, 특이한 행동에 대해서는 높은 관심을 가져야 한다.
기존에도 야외 학습 시에 비디오 촬영과 같은 기술을 적용하여 학생들의 행동을 모니터링하고자 하는 시도가 있었으나, 비디오 촬영의 경우에는 이러한 특이한 행동에 대해 검색을 수행하는 기능이 제공되지 않음에 따라, 인솔자가 다수의 구성원 전체에 대해 촬영된 비디오 전체를 직접 확인하여 분석해야 하였다. 이는 실질적으로 인솔자의 비디오 분석을 불가능하게 하였으며, 결과적으로 대부분 학습 성과에 활용되지 못하였다. 그에 비해 본 발명에서는 분석 장치(CT)가 구성원들 중 특징 행동을 한 구성원의 행동 내용을 검색하여 제공함으로서 인솔자가 용이하게 구성원의 특징 행동 내용을 분석할 수 있어, 인솔자가 용이하게 학습 성과를 용이하게 확인할 수 있다.
본 발명에서 복수개의 구성원 단말(MB1 ~ MBn)과 적어도 하나의 인솔자 단말(LD)을 구성원이나 인솔자가 직접 조작해야 한다면, 활동에 지장이 생기므로 실질적인 사용이 어렵다. 특히 학생들 중에는 나이가 어린 경우도 많으며, 야외 학습 시 새로운 환경에서 자신의 구성원 단말(MB1 ~ MBn)을 조작하는 것은 번거로운 일이다. 그리고 인솔자는 상기한 바와 같이 학생들의 안전에 많은 관심을 두어 인솔자 단말(LD)을 조작할 여유가 없다. 그러므로 복수개의 구성원 단말(MB1 ~ MBn)과 적어도 하나의 인솔자 단말(LD)은 구성원이나 인솔자의 조작없이 자동으로 구성원들의 행동을 감지하여 저장할 수 있도록 퍼베이시브 기술(Pervasive Technology)을 지향하여 구현되는 것이 바람직하다.
퍼베이시브 기술은 항상 켜 있고 언제 어디서나 이용할 수 있는 네트워크로 연결돼 있는 컴퓨팅 환경으로서 사람과 컴퓨팅기기 및 환경이 서로 상호 작용하는 기술이다. 퍼베이시브 기술에서는 컴퓨팅기기가 눈에 띄지 않으면서도 서로 호환성을 갖고 운용되며 사람과 상호 작용한다. 이 환경에서는 사람이 컴퓨팅기기에 맞춰 사용 기술을 배우고 많은 시간을 들여서 원하는 작업을 수행할 필요 없이 컴퓨팅기기가 사람의 필요사항을 알아서 처리한다. 따라서 본 발명에서 복수개의 구성원 단말(MB1 ~ MBn)과 적어도 하나의 인솔자 단말(LD)이 퍼베이시브 기술을 지향하여 구현되면, 인솔자나 복수의 구성원은 복수개의 구성원 단말(MB1 ~ MBn)과 적어도 하나의 인솔자 단말(LD)에 대해 별도의 조작을 할 필요가 없으며, 야외 학습이 완료된 이후 인솔자는 단순히 복수개의 구성원 단말(MB1 ~ MBn)과 적어도 하나의 인솔자 단말(LD)에 저장된 복수의 구성원 각각에 대한 행동 정보를 취합한다.
도2 는 도1 의 구성원 단말의 상세 구성의 일예를 나타낸다.
도2 에 도시된 바와 같이, 복수개의 구성원 단말(MB1 ~ MBn) 각각은 센서부(110), 이미지 획득부(120), 제어부(130), 저장부(140), 통신부(150) 및 거리 판별부(160)를 구비한다.
센서부(110)는 나침반 센서와 가속도 센서를 포함한다. 나침반 센서는 구성원 단말의 방향을 감지하며, 가속도 센서는 구성원 단말의 움직임을 감지하여 센싱 값을 제어부(130)로 감지 값을 전송한다. 나침반 센서와 가속도 센서는 각각 학생들의 신체의 방향 및 활동 강도를 주기적(예를 들면 20Hz)으로 수집한다. 센서부는 나침반 센서와 가속도 센서 이외에 자이로 센서와 같은 추가적인 센서를 더 구비할 수 있다.
그리고 이미지 획득부(120)는 기설정된 시간 단위(예를 들면 44초 당 1 프레임)로 구성원 단말 각각의 전방 이미지를 획득한다.
제어부(130)는 센서부(110)에서 획득한 센싱값과 이미지 획득부(120)에서 획득한 이미지를 수신하여 저장부(140)에 저장한다. 한편 거리 판별부(160)에서 획득한 구성원 단말(MB1 ~ MBn)간의 거리로부터 대응하는 구성원의 그룹 이탈이나 독자적인 행동을 판별한다.
통신부(150)는 리더 단말(LD)와 통신을 수행하여 리더 단말(LD)로 저장부(140)에 저장된 센싱 값이나 이미지 중 적어도 하나를 포함하는 행동 정보를 전송하고, 경우에 따라서 제어부(130)가 구성원 단말이 그룹에서 이탈한 것으로 판별하는 경우에, 리더 단말(LD)로 경고를 전송한다.
거리 판별부(160)는 다른 구성원 단말과 무선 전파를 송수신하고, 다른 구성원 단말로부터 수신된 무선 전파의 세기로 다른 구성원 단말들과의 거리를 판별하여 제어부(130)로 전송한다. 거리 판별부(160)는 라디오 주파수 대역(예를 들면, 2.4GHz)의 신호를 주기적(예를 들면, 2Hz)으로 다른 구성원 단말로 송수신하고, 다른 구성원 단말로부터 수신된 라디오 주파수의 신호의 세기로부터 다른 구성원 단말과의 거리를 판별한다. 수신 신호의 세기로서 송신 단말의 거리를 판별하는 방법은 잘 알려진 기술로서, 여러 가지 기법이 있으나 본 발명에서는 일예로 RSSI(Recieved Signal Strength Indicator) 기법을 적용하는 것으로 가정한다.
즉 복수개의 구성원 단말(MB1 ~ MBn) 각각은 센서부(110)에서 획득하는 센싱 값과 이미지 획득부(120)에서 획득하는 이미지를 대응하는 구성원의 행동 정보로서 저장부(140)에 저장하고, 다른 구성원 단말들과의 거리를 판별하여 센싱값과 이미지 및 다른 구성원 단말과의 판별된 거리 값 중 적어도 하나를 리더 단말(LD)로 전송할 수 있다.
도3 은 도2 의 구성원 단말의 실제 적용예를 나타낸다.
도3 에 도시된 구성원 단말은 일예로 학생들의 배낭 어깨끈에 구비되었으며, 스마트폰으로 구현되었다. 구성원 단말이 학생들의 가방에 구현된 것은 학생들 대부분이 야외 활동 시에 배낭을 구비하기 때문이다. 특히 유치원생들의 경우, 일반적으로 유치원에서 제공하는 동일한 배낭을 가지고 야외활동을 수행하기 때문에 구성원 단말을 부착하기에 더욱 적합하다. 다만 실제 학생들이 바라보는 대상의 정확한 이미지를 획득하거나 센싱 값을 획득하기 위해서는 시야 방향과 동일하도록 학생들의 머리에 고정할 수 있는 수단(예를 들면, 모자)에 구성원 단말이 부착되는 것이 바람직하지만, 이는 구성원 단말의 무게로 인해 두통을 유발할 수 있으며, 외관상으로도 학생들이 선호하지 않는 경우가 많다. 이에 도3 에서는 배낭의 어깨 끈에 구성원 단말을 부착하였다.
도3 에서 구성원 단말을 스마트폰으로 구현한 이유는 스마트폰이 이미 각종 센서와 카메라 및 통신기능을 구비함에 따라 간단한 소프트웨어를 제공함으로서 구성원 단말을 용이하게 구현할 수 있기 때문이다. 거리 판별부(160) 또한 기존의 GPS(Global Positioning System) 기반 기술을 이용하는 경우에는 스마트폰을 그대로 활용할 수 있다. 그러나 GPS 기반 위치 추적 기술은 위성 통신을 기반으로 사용하기 때문에 실내에서는 정상적으로 동작하지 못한다. 야외에서 수행되는 단체 활동이 많지만, 박물관, 공연 관람 등과 같이 실내 단체 활동 또한 야외 활동 못지않게 다양하다. 따라서 그룹 이탈자 인지 시스템은 야외 및 실내에서 모두 이탈자를 용이하게 판별할 수 있도록 라디오 주파수의 전파를 사용하는 것이 바람직하다. 거리 판별부(160)가 라디오 주파수의 전파를 사용하는 경우, 스마트폰은 라디오 주파수를 지원하지 않으므로, 도3 에 도시된 바와 같이 스마트폰과 별도의 장치로 구현될 수 있다.
도4 는 도1 의 인솔자 단말의 상세 구성의 일예를 나타낸다.
도4 의 인솔자 단말(LD)는 제어부(230), 저장부(240), 통신부(250), 거리 판별부(260) 및 경고 발생부(270)을 구비한다.
거리 판별부(260)는 도2 의 거리 판별부(260)과 동일한 장치로서 복수개의 구성원 단말(MB1 ~ MBn)과 무선 전파를 송수신하고, 구성원 단말로부터 수신된 무선 전파의 세기로 구성원 단말들 사이의 거리를 판별하여 제어부(230)로 전송한다.
제어부(230)는 통신부(250)로부터 행동 정보를 수신하고, 거리 판별부(260)에서 판별된 구성원 단말들 사이의 거리를 수신하여 저장부(240)에 저장한다. 그리고 판별된 구성원 단말들 사이의 거리로부터 복수개의 구성원 단말(MB1 ~ MBn) 중 적어도 하나의 구성원 단말이 그룹으로부터 이탈하였는지 여부를 판별하고, 그룹으로부터 이탈한 것으로 판별되면, 경고 발생부(270)로 경고 신호를 출력한다.
저장부(240)는 제어부(230)를 통해 행동 정보를 수신하여 저장한다.
경고 발생부(270)는 제어부(230)로부터 경고 신호가 수신되면, 기설정된 방식(예를 들면, 경고음 또는 해당 구성원의 이름을 시각적 또는 청각적으로 출력)으로 경고를 발생하여 인솔자가 경고를 인지할 수 있도록 한다.
도4 의 인솔자 단말(LD)에서 제어부(230), 저장부(240), 통신부(250), 거리 판별부(260)는 구성원 단말(MB)의 제어부(130), 저장부(140), 통신부(150), 거리 판별부(160)과 동일하게 구현될 수 있다. 비록 도4 에서는 인솔자 단말(LD)이 도2 의 센서부(110)와 이미지 획득부(120)에 대응하는 구성을 구비하지 않는 것으로 도시하였으나, 인솔자 단말(LD) 또한 센서부(미도시)와 이미지 획득부(미도시)를 구비하여도 무방하다. 그리고 경고 발생부(270)는 복수개의 구성원 단말(MB1 ~ MBn)에도 구비될 수 있다. 즉 인솔자 단말(LD)과 복수개의 구성원 단말(MB1 ~ MBn)은 동일한 장치로 구현될 수도 있다. 따라서 인솔자 단말(LD)과 복수개의 구성원 단말(MB1 ~ MBn)은 모두 스마트폰으로 구현될 수 있다.
도5 는 본 발명의 일 실시예에 따른 야외활동 교육 모니터링 방법을 나타내고, 도6 은 도5 의 야외활동 교육 모니터링 방법의 이해를 돕기 위해 도식화한 도면이며, 도7 은 특징 행동을 추출하는 과정을 상세히 나타낸 도면이다.
도5 의 야외활동 교육 모니터링 방법은 우선 야외 활동 교육 중 복수개의 구성원 단말(MB1 ~ MBn) 각각이 대응하는 구성원의 행동 정보를 수집하여 저장하고, 인솔자 단말(LD)로 전송한다(S110). 또한 인솔자 단말(LD)은 복수개의 구성원 단말(MB1 ~ MBn)로부터 복수의 구성원들 각각에 대한 행동 정보 전체 또는 일부를 수신하여 저장한다.
이후 야외 활동 교육이 완료되면, 분석 단말(CT)이 인솔자 단말(LD)과 복수개의 구성원 단말(MB1 ~ MBn) 각각에 저장된 행동 정보를 수신한다(S120). 분석 단말(CT)이 행동 정보를 수신하는 경우, 인솔자 단말(LD)에 저장된 행동 정보를 우선적으로 수신하여 저장하고, 이후 복수개의 구성원 단말(MB1 ~ MBn)에 저장된 행동 정보를 수신하는 것이 바람직하다. 그리고 경우에 따라서는 분석 단말(CT)가 복수개의 구성원 단말(MB1 ~ MBn)에 저장된 행동 정보는 수신하지 않고 추후 복수개의 구성원 단말(MB1 ~ MBn) 중 특정 구성원 단말의 행동 정보에 세부 분석이 필요한 경우에, 해당 구성원 단말로부터 행동 정보를 수신하여도 무방하다.
행동 정보가 수신되면, 분석 단말(CT)은 복수의 구성원 각각에 대한 행동 정보에 포함된 신체 방향 정보, 활동 강도 정보, 동료와의 근접성 정보 및 이미지 정보를 구분하여 저장한다(S130). 여기서 신체 방향과 활동 강도 정보는 각각 나침반 센서 및 가속도 센서 각각에 의해 획득된 센싱 값을 의미한다. 즉 나침반 센서에 의해 획득된 방향 감지 값을 신체 방향 정보로 구분하고, 가속도 센서에 의해 감지된 움직임 감지 값을 활동 강도 정보로 구분한다. 또한 이미지 획득부에서 획득된 이미지를 이미지 차이 정보로 구분하고, 거리 판별부에서 감지한 구성원 단말간 거리를 동료와의 근접성 정보로 구분한다.
분석 단말(CT)은 또한 관심 구간을 설정할 수 있다(S140). 관심 구간은 구성원들의 행동을 모니터링하기 위한 시간 구간이다. 야외 활동 교육을 진행 중일지라도 모든 야외 활동 교육 시간 동안 교육만 진행되지는 않는다. 많은 구성원들은 야외 활동 시에서도 개인 활동을 할 수 있기를 원한다. 그리고 실제로 야외 활동 교육 시에 구성원들의 개인 활동에 상당한 시간이 할애되기도 한다. 그리고 이러한 개인 활동 시에는 실제 교육이 수행되는 시간보다 상대적으로 모니터링할 필요성이 낮다. 또한 개인 활동 시에는 구성원들이 각자 개별적인 활동을 수행하므로 실질적으로 특정 구성원에 대한 특별한 행동을 구분하기 어렵다. 그러므로 실질적인 교육 활동이 수행된 시간 구간에 대해서만 구성원들의 행동을 모니터링 하는 것이 바람직하므로, 관심 구간(예를 들면 2시간)을 설정할 수 있다. 관심 구간은 인솔자가 야외 활동 교육 수행 스케쥴에 따라 직접 설정할 수 있다.
관심 구간이 설정되면, 구분된 행동 정보들 각각에 대해 관심 구간 내의 각 시간 구간 단위(T0 ~ Tm)(여기서, m은 자연수)로 각 구성원의 행동 정보를 추출한다(S150). 즉 복수의 구성원 각각에 대해 기설정된 시간 구간(예를 들면 60초) 단위의 신체 방향 정보, 활동 강도 정보, 동료와의 근접성 정보 및 이미지 정보를 추출한다. 즉 복수의 구성원 각각에 대해 각 시간 구간별로 신체 방향 정보, 활동 강도 정보, 동료와의 근접성 정보 및 이미지 정보의 4개의 구분된 행동 정보가 추출된다. 도6 의 스텝1(step1)을 참조하면, 구성원의 수가 n명(여기서 n은 자연수)일때, 시간 구간 T0 = [t0, t1](여기서 t1 = t0 +w(w는 윈도우 크기로서 일예로 60초))에 수집된 구성원 k(여기서 k는 1 ~ n인 자연수)의 행동 정보 히스토그램(Ck)을 획득할 수 있다.
그리고 획득된 복수의 구성원 각각 구분된 행동 정보 히스토그램들을 동일 시간 구간 별로 병합한다(S160). 즉 동일 시간 구간에 구분된 동일한 행동 정보인 신체 방향 정보, 활동 강도 정보, 동료와의 근접성 정보 및 이미지 정보 각각에 대한 복수의 구성원들의 전체 행동 정보 히스토그램을 병합한다.
여기서 행동 정보 히스토그램 병합은 일예로 합집합(Union) 함수를 이용하여 수학식 1과 같이 병합할 수 있다.
Figure 112013010922103-pat00001
(여기서 CO는 n명의 구성원들의 신체 방향 행동 정보가 병합된 병합 신체 방향 히스토그램을 나타내고, CO1, CO2, ... COn은 개별 구성원의 신체 방향 히스토그램을 나타낸다.)
수학식 1은 신체 방향(Body Orientation) 정보, 활동 강도(Activity Intensity) 정보, 동료와의 근접성(Peer Proximity) 정보 및 이미지 차이(Image Differential)의 행동 정보 중 신체 방향 정보에 대한 병합 방법만을 나타내었으나, 다른 행동 정보들에 대해서도 동일한 방식으로 병합할 수 있다. 즉 병합 활동 강도 히스토그램(CA), 병합 근접성 히스토그램(CP) 및 병합 이미지 차이 히스토그램(CD)를 획득할 수 있다.
그리고 병합된 시간 구간별 행동 정보 히스토그램에 대응하는 행동 분포를 추정한다(S170). 본 발명에서 행동 분포는 병합된 시간 구간별 정보 히스토그램(CO, CA, CP, CD)의 정규 분포(N) 형태로 도출된다고 가정하여 추정한다. 여기서 정규 분포(N)는 발견적 교수법(Heuristic)에 근거하여 샘플(즉 복수의 구성원의 행동 정보)이 최대한 수용될 수 있도록, 적어도 60% 이상 수용할 수 있도록 구성되어야 한다. 그리고 정규 분포(N)는 시간 구간별 행동 정보 히스토그램(CO, CA, CP, CD) 각각에 대한 정규 분포(NO, NA, NP, ND)로 나타난다. 즉 각각의 시간 구간에 대한 병합 신체 방향 히스토그램(CO), 병합 활동 강도 히스토그램(CA), 병합 근접성 히스토그램(CP) 및 병합 이미지 차이 히스토그램(CD) 각각이 정규 분포 형태의 신체 방향 행동 분포(NO), 활동 강도 행동 분포(NA), 근접성 행동 분포(NP) 및 이미지 차이 행동 분포(ND)로 나타난다고 가정한다.
그러나 상기에서 시간 구간별 행동 분포(NO, NA, NP, ND)가 정규 분포의 형태로 나타난다는 것은 가정에 의한 것이므로 실제 시간 구간별 행동 분포(NO, NA, NP, ND)가 정규 분포의 형태로 나타나는지에 대해 검증이 필요하다. 이에 본 발명에서는 시간 구간별 행동 분포(NO, NA, NP, ND)에 대한 평균과 분산이 미리 설정되지 않으므로, Lilliefors 테스트를 이용하여 시간 구간별 행동 분포(NO, NA, NP, ND)에 대한 정규성 검증을 수행한다. Lilliefors 테스트는 데이터가 정규 분포를 이루는 지를 검증하는 정규성 검증 방법의 하나로서, 모집단의 평균 및 분산을 모두 알 수 없는 경우에 활용되는 방법이다.
그리고 시간 구간별 행동 분포(NO, NA, NP, ND) 각각이 정규 분포에 대응하는지 판별한다. 즉 정규성을 만족하는지 판별한다.
만일 특정 시간 구간(예를 들면 T0)에 대한 행동 분포(NO, NA, NP, ND)가 정규성을 만족하지 않으면, 이 시간 구간에서 복수의 구성원에 대한 공통 행동을 찾기 어려운 것으로 판별한다. 이에 해당 시간 구간의 행동 분포(NO, NA, NP, ND)에서는 특이점을 추출하지 않고 다음 시간 구간에 대한 시간 구간별 행동 분포(NO, NA, NP, ND)가 정규성을 만족하는지 판별한다.
이렇게 행동 분포를 추청하면, 특정 시간 구간 대에 구성원들 중 다수의 구성원들에 대한 신체 방향 정보가 동일한 방향을 향하고 있는지에 대한 신체 방향 분포를 추정할 수 있다. 마찬가지로, 구성원들 중 다수가 집단으로 모여 있는지 분산되어 있는지에 대한 근접성 분포를 추정할 수 있으며, 동일한 대상을 바라보고 있는지에 대해서 이미지 차이 분포를 추정할 수 있다. 또한 구성원 대다수가 정적인 상태인지 동적인 상태인지에 대한 활동 강도 분포를 추정할 수 있다.
도6 의 스텝2(Step 2) 에서는 신체 방향 행동 분포(NO)가 추정된 히스토그램이 도시되어 있다. 도6 의 하나의 시간 구간에서의 스텝 2에는 신체 방향 행동 분포(NO)만이 도시되어 있으나, 신체 방향 행동 분포(NO)는 관심 구간의 모든 시간 구간에 대해 추정될 수 있다. 그리고 도시되지 않았으나, 모든 시간 구간에 대해 활동 강도 행동 분포(NA), 근접성 행동 분포(NP) 및 이미지 차이 행동 분포(ND)또한 추정될 수 있다.
만일 특정 시간 구간(예를 들면 T0)에 대한 행동 분포(NO, NA, NP, ND)가 각각 정규 분포(NO, NA, NP, ND)에 대응하면, 정규 분포에 대응하는 행동 분포(NO, NA, NP, ND)에 대해 각 구성원(k)의 행동별 히스토그램(COk, CAk, CPk, CDk)의 특징 행동을 분석한다(S190).
특징 행동은 구성원들 중 다수의 행동에서 추정된 행동 분포와 다르게 나타나는 구성원의 행동 정보를 의미한다. 상기한 신체 방향 분포로부터 구성원들 중 다수의 구성원이 일정 각도(예를 들면 10도)이내의 동일한 방향을 향하고 있는 것으로 분석되는 반면 특정 구성원이 다수의 구성원들과 일정 각도(예를 들면 90도) 이상의 차이로 다른 방향을 향하고 있는 것으로 판별되면, 이는 해당 구성원의 특징 행동으로 판별할 수 있다. 유사하게 다수의 구성원이 일정 거리(예를 들면 5m)이내에 분포하고 있으나, 특정 구성원이 다른 구성원들로부터 10m 이상 떨어져있다면, 이 또한 특징 행동으로 판별할 수 있다. 즉 신체 방향 분포, 활동 강도 분포, 근접성 분포 및 이미지 차이 분포 각각으로부터 특징 행동을 추출할 수 있다.
특징 행동 분석은 수학식 2로 표현되는 Kullback-Leibler divergence(DKL)를 이용하여 수행된다.
Figure 112013010922103-pat00002
(여기서 P는 관측값으로 각 구성원(k)의 행동별 히스토그램(COk, CAk, CPk, CDk)이 대입되며, Q는 모델로서, 행동 분포(NO, NA, NP, ND)가 대입된다. 그리고 i는 시간 구간으로 i = 1 ~ m 인 자연수)
Kullback-Leibler divergence(DKL)는 모든 i에 대해 P(i) = Q(i)인 경우에만 0 이고, 이외에는 DKL > 0으로 계산된다. Kullback-Leibler divergence(DKL)는 상대적 엔트로피(relative entropy)라고도 부르며, 서로 다른 두 확률 분포가 서로 얼마나 차이가 있는지를 수량적으로 나타내는 지표이다. 즉 시간 구간 별 행동 분포(NO, NA, NP, ND)에 대응하는 구성원(k)의 행동별 히스토그램(COk, CAk, CPk, CDk)의 차이를 정량적으로 분석한다.
따라서 시간 구간 단위의 각 구성원의 행동별 히스토그램(COk, CAk, CPk, CDk)의 대응하는 행동 분포(NO, NA, NP, ND)에 대한 Kullback-Leibler divergence(DKL)를 구하면, 가장 큰 차이를 갖는 기설정된 개수의 구성원의 행동 정보를 특징 행동을 추출할 수 있다.
도7 에서는 병합된 신체 방향 행동 정보와 병합된 신체 방향 행동 정보에서 추정된 특정 시간 구간의 신체 방향 행동 분포(NO) 및 1명의 구성원의 신체 방향 히스토그램(COk)를 도시하였으며, 신체 방향 행동 분포(NO) 및 1명의 구성원의 신체 방향 히스토그램(COk)으로부터 계산된 Kullback-Leibler divergence(DKL)를 나타내었다.
그리고 가장 큰 차이를 나타내는 구성원의 행동 정보를 신체 방향 특징 행동(SO), 활동 강도 특징 행동(SA), 동료와의 근접성 특징 행동(Peer Proximity : SP) 및 이미지 차이 특징 행동(Image Differential : SD)으로 추출한다.
여기서 특징 행동(SO, SA, SP, SD) 각각은 구성원 식별자(k), 시간 구간(TL) 및 Kullback-Leibler divergence 값(DKL)의 집합으로 구성된다.
상기한 특징 행동 중 근접성 특징 행동(SP)의 경우, 구성원 개개인의 특징 행동으로 표현되는 나머지 특징 행동(SO, SA, SD)과 달리 소수의 구성원이 별도로 그룹을 형성하여 행동할 수도 있다. 이에 근접성 특징 행동(Sp)은 단순히 복수의 구성원 각각에 대한 특징 행동을 상기의 방식으로 추출하지 않고, 2명 또는 3명 이상의 구성원들 간의 근접성 데이터 세트(Pij)(여기서, i, j 는 구성원 식별자로서 각각 1 ~ n 사이의 자연수)에 대한 행동 정보 히스토그램을 생성하고, 병합한 후 행동 분포를 추정함으로서, 특징 행동(SP)을 추출할 수도 있다.
그리고 각각의 시간 구간별 특징 행동 중 연속된 시간 구간에 대해 동일한 행동 정보가 특징 행동으로 나타나는 구성원이 존재하면 동일한 행동 정보에 대한 특징 행동을 조합하여 가중치를 부여한다.
즉 동일한 특징 행동이 나타나는 연속 시간 구간으로 나타나는 시간이 길수록 해당 특징 행동의 가중치가 높아진다.
그리고 조합된 특징 행동들을 가중치가 높은 순서로 정렬하여, 특징 행동들의 우선 순위를 설정한다(S200). 특징 행동들의 우선 순위가 설정되면, 분석 단말(CT)는 디스플레이 장치를 구비하는 경우, 우선 순위가 높은 상위 기설정개수의 특징 행동을 직접 디스플레이할 수 있다. 또한 분석 단말(CT)는 우선 순위가 높은 상위 기설정개수의 특징 행동을 인솔자 단말(LD) 또는 인솔자가 보유한 다른 단말(미도시)로 전송하여 인솔자에게 보고할 수 있다.
이에 인솔자는 야외 학습 활동 시에 구성원인 학생들의 행동을 특징 행동을 기준으로 용이하게 파악할 수 있다.
이에 인솔자 또는 교사는 특징 행동으로 보고된 구성원의 행동을 통해 다른 구성원과 차별화되는 구성원의 행동을 용이하게 발견할 수 있고, 분석 단말(CT), 인솔자 단말(LD) 및 복수개의 구성원 단말(MB1 ~ MBn) 중 적어도 하나에 저장된 행동 정보를 확인함으로 인해 구성원의 특징을 판단할 수 있다. 이는 특정 분야에 대한 관심도와 같은 긍정적인 특징일 수도 있으며, 주의력 산만과 같은 부정적 특징일 수도 있으나, 이 모두는 인솔자 또는 교사가 해당 구성원에 대해 확인해야 할 부분으로 본 발명의 야외학습 시 학생 행동 모니터링 시스템 및 방법은 학습 활동의 성취도 평가 및 개별 구성원(학생)들의 특성을 이해하고 교육적 도움을 주는데 큰 효과를 발휘할 수 있다.
본 발명에 따른 방법은 컴퓨터로 읽을 수 있는 기록매체에 컴퓨터가 읽을 수 있는 코드로서 구현하는 것이 가능하다. 컴퓨터가 읽을 수 있는 기록매체는 컴퓨터 시스템에 의하여 읽혀질 수 있는 데이터가 저장되는 모든 종류의 기록장치를 포함한다. 기록매체의 예로는 ROM, RAM, CD-ROM, 자기 테이프, 플로피 디스크, 광데이터 저장장치 등이 있으며, 또한 캐리어 웨이브(예를 들어 인터넷을 통한 전송)의 형태로 구현되는 것도 포함한다. 또한 컴퓨터가 읽을 수 있는 기록매체는 네트워크로 연결된 컴퓨터 시스템에 분산되어 분산방식으로 컴퓨터가 읽을 수 있는 코드가 저장되고 실행될 수 있다.
본 발명은 도면에 도시된 실시예를 참고로 설명되었으나 이는 예시적인 것에 불과하며, 본 기술 분야의 통상의 지식을 가진 자라면 이로부터 다양한 변형 및 균등한 타 실시예가 가능하다는 점을 이해할 것이다.
따라서, 본 발명의 진정한 기술적 보호 범위는 첨부된 등록청구범위의 기술적 사상에 의해 정해져야 할 것이다.

Claims (14)

  1. 단체 활동을 수행하는 복수의 구성원 각각이 보유하고, 상기 구성원의 위치 정보와 신체 방향 정보, 시각 정보, 움직임 정보를 포함하는 행동 정보를 시간 정보와 매칭하여 수집 및 저장하는 복수개의 구성원 단말;
    인솔자가 구비하며, 상기 복수개의 구성원 단말에서 수집한 상기 구성원 각각에 대한 상기 행동 정보를 수신하여 저장하는 적어도 하나의 인솔자 단말; 및
    상기 적어도 하나의 인솔자 단말 및 상기 복수개의 구성원 단말로부터 상기 행동 정보를 수신하고, 수신된 상기 행동 정보에 포함된 상기 위치 정보와 상기 신체 방향 정보, 상기 시각 정보, 상기 움직임 정보 각각에 대응하는 행동 분포를 추정하고, 추정된 상기 행동 분포 각각에 대한 상기 복수의 구성원의 행동 정보의 차이를 분석하여 특징 행동을 추출하는 분석 단말;을 포함하는 행동 모니터링 시스템.
  2. 제1 항에 있어서, 상기 분석 단말은
    상기 복수개의 분석 단말로부터 수신된 상기 복수의 구성원 각각에 대한 상기 행동 정보에 포함된 상기 위치 정보와 상기 신체 방향 정보, 상기 시각 정보, 상기 움직임 정보 각각을 기설정된 시간 구간 단위로 분할하여, 근접성 히스토그램, 신체 방향 히스토그램, 이미지 차이 히스토그램 및 활동 강도 히스토그램을 획득하고, 상기 복수의 구성원에 대해 획득된 근접성 히스토그램, 신체 방향 히스토그램, 이미지 차이 히스토그램 및 활동 강도 히스토그램을 상기 분할된 상기 시간 구간 단위별로 병합하여 상기 행동 분포를 추정하는 것을 특징으로 하는 행동 모니터링 시스템.
  3. 제2 항에 있어서, 상기 분석 단말은
    상기 행동 분포에 포함된 병합 신체 방향 히스토그램, 병합 활동 강도 히스토그램, 병합 근접성 히스토그램 및 병합 이미지 차이 히스토그램 각각에 대해 Lilliefors 테스트를 적용하여, 병합 신체 방향 히스토그램, 병합 활동 강도 히스토그램, 병합 근접성 히스토그램 및 병합 이미지 차이 히스토그램 각각이 정규 분포에 대응하는지 판별하고, 상기 정규 분포에 대응하는 상기 병합 신체 방향 히스토그램, 상기 병합 활동 강도 히스토그램, 상기 병합 근접성 히스토그램 및 상기 병합 이미지 차이 히스토그램 각각에 대해 상기 특징 행동을 추출하는 것을 특징으로 하는 행동 모니터링 시스템.
  4. 제3 항에 있어서, 상기 분석 단말은
    상기 복수의 구성원에 대해 획득된 근접성 히스토그램, 신체 방향 히스토그램, 이미지 차이 히스토그램 및 활동 강도 히스토그램 각각과 상기 병합 신체 방향 히스토그램, 병합 활동 강도 히스토그램, 병합 근접성 히스토그램 및 병합 이미지 차이 히스토그램의 차이를 Kullback-Leibler divergence를 적용하여 계산하고, 가장 큰 차이를 갖는 기설정된 개수의 상기 행동 정보를 특징 행동으로 추출하는 것을 특징으로 하는 행동 모니터링 시스템.
  5. 제4 항에 있어서, 상기 분석 단말은
    상기 행동 정보에 포함된 상기 위치 정보와 상기 신체 방향 정보, 상기 시각 정보, 상기 움직임 정보 중 동일한 정보에 대해 연속된 상기 시간 구간에서 상기 특징 행동으로 추출되면, 해당 특징 행동에 가중치를 누적하여 부여하는 것을 특징으로 하는 행동 모니터링 시스템.
  6. 제5 항에 있어서, 상기 분석 단말은
    추출된 상기 특징 행동들을 상기 가중치에 따라 우선 순위를 설정하여 정렬하고, 정렬된 상기 특징 행동들 중 기설정된 개수의 상위 특징 행동들을 추출하는 것을 특징으로 하는 행동 모니터링 시스템.
  7. 제1 항에 있어서, 상기 복수개의 구성원 단말 각각은
    상기 구성원의 신체 방향 정보를 획득하기 위한 나침반 센서;
    상기 구성원의 움직임 정보를 획득하기 위한 가속도 센서;
    상기 구성원의 시각 정보를 이미지 정보로 획득하기 위한 이미지 센서;
    상기 적어도 하나의 인솔자 단말이나 다른 구성원 단말 및 상기 분석 단말 중 적어도 하나와 통신을 수행하는 통신부;
    상기 다른 구성원 단말과 라디오 주파수 대역의 신호를 송수신하여, 상기 다른 구성원 단말과의 거리를 판별하는 거리 판별부; 및
    상기 위치 정보와 상기 신체 방향 정보, 상기 시각 정보, 상기 움직임 정보를 저장하는 저장부;를 포함하는 것을 특징으로 하는 행동 모니터링 시스템.
  8. 제1 항에 있어서, 상기 적어도 하나의 인솔자 단말은
    상기 복수개의 구성원 단말 각각과 라디오 주파수 대역의 신호를 송수신하여, 상기 다른 구성원 단말과의 거리를 판별하는 거리 판별부;
    상기 복수개의 구성원 단말 및 상기 분석 단말 중 적어도 하나와 통신을 수행하는 통신부;
    상기 복수개의 구성원 단말 각각으로부터 상기 통신부를 통해 상기 위치 정보와 상기 신체 방향 정보, 상기 시각 정보, 상기 움직임 정보 중 적어도 하나를 저장하는 저장부;를 포함하는 것을 특징으로 하는 행동 모니터링 시스템.
  9. 단체 활동을 수행하는 복수의 구성원 각각이 보유하는 복수개의 구성원 단말, 인솔자가 구비하는 적어도 하나의 인솔자 단말 및 분석 단말을 포함하는 행동 모니터링 시스템의 행동 모니터링 방법에 있어서, 상기 분석 단말은,
    상기 적어도 하나의 인솔자 단말 및 상기 복수개의 구성원 단말로부터 행동 정보를 수신하는 단계;
    상기 수신된 행동 정보에 포함된 위치 정보와 신체 방향 정보, 시각 정보, 움직임 정보 각각에 대응하는 행동 분포를 추정하는 단계; 및
    추정된 상기 행동 분포 각각에 대한 상기 복수의 구성원의 행동 정보의 차이를 분석하여 특징 행동을 추출하는 단계;를 포함하는 행동 모니터링 방법.
  10. 제9 항에 있어서, 상기 행동 분포를 추정하는 단계는
    상기 복수개의 분석 단말로부터 수신된 상기 복수의 구성원 각각에 대한 상기 행동 정보에 포함된 상기 위치 정보와 상기 신체 방향 정보, 상기 시각 정보, 상기 움직임 정보 각각을 기설정된 시간 구간 단위로 분할하여 근접성 히스토그램, 신체 방향 히스토그램, 이미지 차이 히스토그램 및 활동 강도 히스토그램을 획득하는 단계; 및
    상기 복수의 구성원에 대해 획득된 근접성 히스토그램, 신체 방향 히스토그램, 이미지 차이 히스토그램 및 활동 강도 히스토그램을 상기 분할된 상기 시간 구간 단위별로 병합하여 상기 행동 분포를 추정하는 단계;를 포함하는 것을 특징으로 하는 행동 모니터링 방법.
  11. 제10 항에 있어서, 상기 특징 행동을 추출하는 단계는
    상기 행동 분포에 포함된 병합 신체 방향 히스토그램, 병합 활동 강도 히스토그램, 병합 근접성 히스토그램 및 병합 이미지 차이 히스토그램 각각에 대해 Lilliefors 테스트를 적용하여, 병합 신체 방향 히스토그램, 병합 활동 강도 히스토그램, 병합 근접성 히스토그램 및 병합 이미지 차이 히스토그램 각각이 정규 분포에 대응하는지 판별하는 단계; 및
    상기 정규 분포에 대응하는 상기 병합 신체 방향 히스토그램, 상기 병합 활동 강도 히스토그램, 상기 병합 근접성 히스토그램 및 상기 병합 이미지 차이 히스토그램 각각에 대한 개별 특징 행동을 추출하는 단계;를 포함하는 것을 특징으로 하는 행동 모니터링 방법.
  12. 제11 항에 있어서, 상기 개별 특징 행동을 추출하는 단계는
    상기 복수의 구성원에 대해 획득된 근접성 히스토그램, 신체 방향 히스토그램, 이미지 차이 히스토그램 및 활동 강도 히스토그램 각각과 상기 병합 신체 방향 히스토그램, 병합 활동 강도 히스토그램, 병합 근접성 히스토그램 및 병합 이미지 차이 히스토그램의 차이를 Kullback-Leibler divergence를 적용하여 계산하고, 가장 큰 차이를 갖는 기설정된 개수의 상기 행동 정보를 특징 행동으로 추출하는 것을 특징으로 하는 행동 모니터링 방법.
  13. 제12 항에 있어서, 상기 개별 특징 행동을 추출하는 단계는
    상기 행동 정보에 포함된 상기 위치 정보와 상기 신체 방향 정보, 상기 시각 정보, 상기 움직임 정보 중 동일한 정보에 대해 연속된 상기 시간 구간에서 상기 특징 행동으로 추출되면, 해당 특징 행동에 가중치를 누적하여 부여하는 단계;를 더 포함하는 것을 특징으로 하는 행동 모니터링 방법.
  14. 제13 항에 있어서, 상기 개별 특징 행동을 추출하는 단계는
    추출된 상기 특징 행동들을 상기 가중치에 따라 우선 순위를 설정하여 정렬하고, 정렬된 상기 특징 행동들 중 기설정된 개수의 상위 특징 행동들을 추출하는 단계;를 더 포함하는 것을 특징으로 하는 행동 모니터링 방법.
KR1020130013082A 2013-02-05 2013-02-05 야외학습 시 학생 행동 모니터링 시스템 및 방법 KR101436235B1 (ko)

Priority Applications (2)

Application Number Priority Date Filing Date Title
KR1020130013082A KR101436235B1 (ko) 2013-02-05 2013-02-05 야외학습 시 학생 행동 모니터링 시스템 및 방법
US13/919,034 US9218749B2 (en) 2013-02-05 2013-06-17 System and method for monitoring behavior of students in field trips

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020130013082A KR101436235B1 (ko) 2013-02-05 2013-02-05 야외학습 시 학생 행동 모니터링 시스템 및 방법

Publications (2)

Publication Number Publication Date
KR20140099802A KR20140099802A (ko) 2014-08-13
KR101436235B1 true KR101436235B1 (ko) 2014-08-29

Family

ID=51259504

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020130013082A KR101436235B1 (ko) 2013-02-05 2013-02-05 야외학습 시 학생 행동 모니터링 시스템 및 방법

Country Status (2)

Country Link
US (1) US9218749B2 (ko)
KR (1) KR101436235B1 (ko)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101522506B1 (ko) * 2014-10-15 2015-05-21 홍명기 무선단말기를 이용하는 인원체크시스템
KR101658378B1 (ko) * 2016-04-14 2016-09-21 (주)클라루스코리아 정보 전달을 위한 조명체계 통합 시스템

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20100050616A (ko) * 2008-10-24 2010-05-14 (주)브이아이소프트 생체 신호 등을 기반으로 한 경계 근무 실시간 모니터링 시스템
KR101050500B1 (ko) 2009-06-09 2011-07-20 경기대학교 산학협력단 센서 네트워크에서 이동노드의 이동방법, 이동노드 및 이동장치
KR20120013762A (ko) * 2010-08-06 2012-02-15 주식회사 루키스 사용자 장치 및 부가 정보 제공 방법
KR20120043845A (ko) * 2010-10-27 2012-05-07 삼성에스디에스 주식회사 사용자 장치 및 그의 사용자의 상황 인지 방법

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6569011B1 (en) * 2000-07-17 2003-05-27 Battlepaint, Inc. System and method for player tracking
US9811639B2 (en) * 2011-11-07 2017-11-07 Nike, Inc. User interface and fitness meters for remote joint workout session

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20100050616A (ko) * 2008-10-24 2010-05-14 (주)브이아이소프트 생체 신호 등을 기반으로 한 경계 근무 실시간 모니터링 시스템
KR101050500B1 (ko) 2009-06-09 2011-07-20 경기대학교 산학협력단 센서 네트워크에서 이동노드의 이동방법, 이동노드 및 이동장치
KR20120013762A (ko) * 2010-08-06 2012-02-15 주식회사 루키스 사용자 장치 및 부가 정보 제공 방법
KR20120043845A (ko) * 2010-10-27 2012-05-07 삼성에스디에스 주식회사 사용자 장치 및 그의 사용자의 상황 인지 방법

Also Published As

Publication number Publication date
KR20140099802A (ko) 2014-08-13
US20140220524A1 (en) 2014-08-07
US9218749B2 (en) 2015-12-22

Similar Documents

Publication Publication Date Title
Elmannai et al. Sensor-based assistive devices for visually-impaired people: Current status, challenges, and future directions
Ashiq et al. CNN-based object recognition and tracking system to assist visually impaired people
Meliones et al. Blind MuseumTourer: A system for self-guided tours in museums and blind indoor navigation
Ahmetovic et al. Achieving practical and accurate indoor navigation for people with visual impairments
Riehle et al. Indoor magnetic navigation for the blind
JP4282091B1 (ja) 端末装置、情報処理方法及びプログラム
Kasebzadeh et al. IMU dataset for motion and device mode classification
CN110945522B (zh) 一种学习状态的判断方法、装置及智能机器人
Messaoudi et al. Review of navigation assistive tools and technologies for the visually impaired
KR101933279B1 (ko) IoT환경에서 관람객의 활동 기반 전시 서비스 제공 방법 및 시스템
Komai et al. Elderly person monitoring in day care center using Bluetooth Low Energy
Kuriakose et al. DeepNAVI: A deep learning based smartphone navigation assistant for people with visual impairments
Belka et al. BLE-based indoor tracking system with overlapping-resistant IoT solution for tourism applications
Hersh Mobility technologies for blind, partially sighted and deafblind people: Design issues
Apu et al. IoT-based smart blind stick
KR101436235B1 (ko) 야외학습 시 학생 행동 모니터링 시스템 및 방법
JP7027792B2 (ja) 出席状況管理装置、出席状況管理方法、及び出席状況管理プログラム
JP4474585B2 (ja) 関係検知システム
Long et al. Using a mobile application to help visually impaired individuals explore the outdoors
KR20140069411A (ko) 그룹 내 외톨이 인지 시스템 및 방법
Gandhi et al. A CMUcam5 computer vision based arduino wearable navigation system for the visually impaired
Kandil et al. AmIE: An ambient intelligent environment for blind and visually impaired people
Stephens et al. Development of a smartphone application serving pavement management engineers
KR20190143742A (ko) 학습 집중도 향상 장치
Hussain et al. Design of a navigation system for the blind/visually impaired

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
FPAY Annual fee payment

Payment date: 20180725

Year of fee payment: 5