KR101570870B1 - 안구 인식 기반의 동영상 시청확인에 의한 동영상 난이도 추정 시스템 - Google Patents
안구 인식 기반의 동영상 시청확인에 의한 동영상 난이도 추정 시스템 Download PDFInfo
- Publication number
- KR101570870B1 KR101570870B1 KR1020140067539A KR20140067539A KR101570870B1 KR 101570870 B1 KR101570870 B1 KR 101570870B1 KR 1020140067539 A KR1020140067539 A KR 1020140067539A KR 20140067539 A KR20140067539 A KR 20140067539A KR 101570870 B1 KR101570870 B1 KR 101570870B1
- Authority
- KR
- South Korea
- Prior art keywords
- viewing
- video
- time
- image
- binocular
- Prior art date
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
- G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
- G06F3/011—Arrangements for interaction with the human body, e.g. for user immersion in virtual reality
- G06F3/013—Eye tracking input arrangements
Landscapes
- Engineering & Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Electrically Operated Instructional Devices (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
본 발명은 안구 인식 기반의 동영상 시청확인에 의한 동영상 난이도 추정 시스템에 관한 것이다. 본 발명은, 사용자단말(10), 시청 확인 동영상 저작 및 제공 서버(20), 그리고 시청확인 동영상 파일서버 및 DB서버(30)를 포함하는 안구 인식 기반의 동영상 시청확인에 의한 동영상 난이도 추정 시스템에 있어서, 시청 확인 동영상 저작 및 제공 서버(20)는, 시청 확인 동영상 DB 구축 모듈(21)에 의해 수집된 사용자단말(10) 상에서 수행된 동영상 별 시청시간 백분위 정보를 각 시청 확인 동영상에 대해서 SCO(Share Content Object) 재생 시간 단위로 구분하여 추출한 뒤, 응답데이터 저장 DB(40)에 저장하는 백분위 기록 수단(22a); 및 각 사용자단말(10) 상에서 시청 확인 동영상에 대한 SCO 재생 시간 단위로 구분된 전체 시청시간에 걸쳐 모두 재생이 수행된 것으로 사용자단말(10)로부터 Ack 신호를 수신한 경우, 시청 확인 동영상에 대한 난이도 추정을 통해 다수의 시청 확인 동영상에 대한 시청확인 동영상 파일서버 및 DB서버(30) 상으로의 색인 DB를 수행하는 응답데이터 분석 수단(22b); 을 포함하며, 응답데이터 분석 수단(22b)은 각 SCO 재생 시간 단위에 대한 시청시간이 미리 설정된 임계 시간 보다 길게 나타나면 해당 SCO 재생 시간 구간에서 이해도가 높은 동영상이라는 확률적 수치를 연산하며, 반대로 각 SCO 재생 시간 단위에 대한 시청시간이 미리 설정된 임계 시간 보다 짧게 나타나면 해당 SCO 재생 시간 구간에서 이해도가 낮은 동영상이라는 확률적 수치를 연산하는 것을 특징으로 한다.
이에 의해, 동영상 학습 제공을 위한 난이도를 제공자의 주관적인 입장에서 정하지 않고, 동영상을 시청하는 학습자의 양안의 안구에 대한 체계적 분석을 통해 객관성과 공정성을 확보한 분류 체계를 지정할 수 있는 효과를 제공한다.
또한, 본 발명은. 3D, 증강현실, 게임 등을 적용한 실감형·체감형 융복합 교육콘텐츠가 부각되고 있는 현실에서 스마트 디바이스의 대중화에 따라 학습에 있어서 시간과 장소의 구애는 받지 않게 되었으나, 여전히 동일한 교육 콘텐츠를 다수에게 획일적으로 제공하는 방식의 한계를 탈피할 뿐만 아니라, 학습자가 시행착오를 통해 자신에게 맞는 학습 콘텐츠를 선택할 수 밖에 없는 비효율적인 방법을 탈피할 수 있는 효과를 제공한다.
뿐만 아니라, 본 발명은, 학습자 맞춤형 스마트러닝이 활성화 되도록 할 수 있는 효과를 제공한다.
이에 의해, 동영상 학습 제공을 위한 난이도를 제공자의 주관적인 입장에서 정하지 않고, 동영상을 시청하는 학습자의 양안의 안구에 대한 체계적 분석을 통해 객관성과 공정성을 확보한 분류 체계를 지정할 수 있는 효과를 제공한다.
또한, 본 발명은. 3D, 증강현실, 게임 등을 적용한 실감형·체감형 융복합 교육콘텐츠가 부각되고 있는 현실에서 스마트 디바이스의 대중화에 따라 학습에 있어서 시간과 장소의 구애는 받지 않게 되었으나, 여전히 동일한 교육 콘텐츠를 다수에게 획일적으로 제공하는 방식의 한계를 탈피할 뿐만 아니라, 학습자가 시행착오를 통해 자신에게 맞는 학습 콘텐츠를 선택할 수 밖에 없는 비효율적인 방법을 탈피할 수 있는 효과를 제공한다.
뿐만 아니라, 본 발명은, 학습자 맞춤형 스마트러닝이 활성화 되도록 할 수 있는 효과를 제공한다.
Description
본 발명은 안구 인식 기반의 동영상 시청확인에 의한 동영상 난이도 추정 시스템에 관한 것으로, 보다 구체적으로는, IT(Information Technology) 인프라와 안구 인식을 기반으로 학습자 개개인의 실력에 따른 맞춤 학습을 위한 안구 인식 기반의 동영상 시청확인에 의한 동영상 난이도 추정 시스템에 관한 것이다.
창의력, 문제해결력, 글로벌 역량, 공동체 의식 등 21세기에 요구되는 스마트 인재 양성 강화가 필요한 현실에 비해, 여전히 주입식 위주의 교육이 이루어지고 있는 현실이다.
즉, 현재 교육의 패러다임의 변화가 학습자들의 학습 방법을 수동적인 학습방법에서 능동적인 학습방법으로, 집단적인 학습방법에서 개인별 학습 중심으로 변화됨에 따라 실시간 개인별 학습 평가 시스템이 필요한 실정이나, 현재 운영되고 있는 수준별 문제은행식 학습자 평가 시스템은 출제자의 주관적인 입장에서 난이도를 입력하여 평가의 객관성과 공정성을 확보하지 못하는 한계점이 있어 왔다.
또한, 다양한 학습능력을 가진 학습자에게 동일한 교육 콘텐츠와 동일한 방법으로 평가함으로써 개인별 맞춤 학습 평가 결과를 얻을 수 없으며, 개인별 학습능력에 맞는 최적화된 교육 콘텐츠 및 문항들을 제공하기 위하여 교육 콘텐츠 제공자의 주관적인 입장에서 지정한 난이도가 아니라 I과학적인 난이도, 변별도, 추측도를 분석하고 그 값에 의해 학습자의 정확한 학습능력 분석이 필요한 실정이다.
이에 따른 결과로 현재 수많은 학습 동영상 콘텐츠는 각각 난이도 정보를 가지고 있지 않으므로 학습자들이 각자의 수준에 맞는 학습 동영상을 시행착오 없이 바로 구하기가 어려운 상황이므로, 해당 기술 분야에 있어서는 학습 동영상 콘텐츠별 객관화된 난이도 정보 추출을 위한 기술 개발이 절실히 요구되고 있다.
[관련기술문헌]
1. 얼굴영상으로부터 안구영역을 인식하는 안구인식방법(Eye detection method from face image) (특허출원번호 제10-2009-0133708호)
2. 휴대 단말기의 안구 인식 촬영 장치 및 방법(Apparatus and method for eyeball recognition photographing of the camera in a portable terminal)(특허출원번호 제10-2007-0075290호)
본 발명은 상기의 문제점을 해결하기 위한 것으로, 동영상 학습 제공을 위한 난이도를 제공자의 주관적인 입장에서 정하지 않고, 동영상을 시청하는 학습자의 양안의 안구에 대한 체계적 분석을 통해 객관성과 공정성을 확보한 분류 체계를 지정하기 위한 안구 인식 기반의 동영상 시청확인에 의한 동영상 난이도 추정 시스템을 제공하기 위한 것이다.
또한, 본 발명은 동일한 교육 콘텐츠를 다수에게 획일적으로 제공하는 방식을 탈피할 뿐만 아니라, 학습자가 시행착오를 통해 자신에게 맞는 학습 콘텐츠를 선택할 수밖에 없는 비효율적인 방법을 탈피하여 학습자 맞춤형 스마트러닝이 활성화 되도록 하기 위한 안구 인식 기반의 동영상 시청확인에 의한 동영상 난이도 추정 시스템을 제공하기 위한 것이다.
또한, 본 발명은 개별 학습 동영상 콘텐츠에 대한 난이도를 추출하여 맞춤식 교육을 제공하도록 하기 위한 안구 인식 기반의 동영상 시청확인에 의한 동영상 난이도 추정 시스템을 제공하기 위한 것이다.
그러나 본 발명의 목적들은 상기에 언급된 목적으로 제한되지 않으며, 언급되지 않은 또 다른 목적들은 아래의 기재로부터 당업자에게 명확하게 이해될 수 있을 것이다.
상기의 목적을 달성하기 위해 본 발명의 실시예에 따른 안구 인식 기반의 동영상 시청확인에 의한 동영상 난이도 추정 시스템은, 사용자단말(10), 시청 확인 동영상 저작 및 제공 서버(20), 그리고 시청확인 동영상 파일서버 및 DB서버(30)를 포함하는 안구 인식 기반의 동영상 시청확인에 의한 동영상 난이도 추정 시스템에 있어서, 시청 확인 동영상 저작 및 제공 서버(20)는, 시청 확인 동영상 DB 구축 모듈(21)에 의해 수집된 사용자단말(10) 상에서 수행된 동영상 별 시청시간 백분위 정보를 각 시청 확인 동영상에 대해서 SCO(Share Content Object) 재생 시간 단위로 구분하여 추출한 뒤, 응답데이터 저장 DB(40)에 저장하는 백분위 기록 수단(22a); 및 각 사용자단말(10) 상에서 시청 확인 동영상에 대한 SCO 재생 시간 단위로 구분된 전체 시청시간에 걸쳐 모두 재생이 수행된 것으로 사용자단말(10)로부터 Ack 신호를 수신한 경우, 시청 확인 동영상에 대한 난이도 추정을 통해 다수의 시청 확인 동영상에 대한 시청확인 동영상 파일서버 및 DB서버(30) 상으로의 색인 DB를 수행하는 응답데이터 분석 수단(22b); 을 포함하며, 응답데이터 분석 수단(22b)은 각 SCO 재생 시간 단위에 대한 시청시간이 미리 설정된 임계 시간 보다 길게 나타나면 해당 SCO 재생 시간 구간에서 이해도가 높은 동영상이라는 확률적 수치를 연산하며, 반대로 각 SCO 재생 시간 단위에 대한 시청시간이 미리 설정된 임계 시간 보다 짧게 나타나면 해당 SCO 재생 시간 구간에서 이해도가 낮은 동영상이라는 확률적 수치를 연산하는 것을 특징으로 한다.
이때, 사용자단말(10)은, 입출력부(12)로부터 동영상 시청확인 기반의 동영상 난이도 추정 요청 신호발생에 따라 양안 인식부(15)로부터 사용자단말(10) 사용자의 얼굴 이미지를 획득한 뒤, 양안 이미지를 추출하는 양안 이미지 분석 수단(11a); 송수신부(13)를 통해 시청 확인 동영상 저작 및 제공 서버(20)로부터 수신되는 시청 확인 동영상을 입출력부(12)로 구현한 뒤, 양안 인식부(15)로부터 수신되는 비디오 영상으로부터 사용자단말(10) 사용자의 얼굴 이미지, 양안 이미지를 차례로 실시간 추출한 뒤, 양안 이미지 분석 수단(11a)에 의해 분석된 양안의 이미지와 동일 및 유사한 범위에 대한 양안에 대한 추적을 수행하는 양안 이미지 추적 수단(11b); 및 양안 이미지 추적 수단(11b)에 의해 추적되는 유사범위의 양안 이미지를 실시간 분석하여 양안 인식부(15)의 수평 및 수직 화각의 미리 설정된 각도 범위를 벗어나거나, 추적되는 양안 모두가 감긴 상태인지를 분석하여 동영상에 대한 시청 확인 판단을 수행하는 RPT(Real Play Time) 분석수단(11c); 을 포함하며, 양안 이미지 분석 수단(11a)은 획득한 얼굴 이미지의 영상정보에 포함된 화소의 특성으로 양안의 이미지를 추출하고, 추출된 양안 이미지에 대한 화소의 특성과 유사한 특성을 포함하는 화소를 유사범위로 판단하며, 화소의 특성은 화소의 명암, 화소의 색상, 화소가 형성하는 선, 및 화소의 시계열적 표시형태의 변화 중 적어도 하나 이상으로부터 수집되며, 유사범위 판단은 화소 간의 미리 설정된 명암차이 또는 양안 이미지 분석 수단(11a)에 의한 화소 간의 3차원 이미지 변환에 따른 양안을 구성하는 안구의 거리차이로부터 수행되는 것을 특징으로 한다.
또한, RPT(Real Play Time) 분석수단(11c)은, 추적되는 유사범위의 양안 이미지를 실시간 분석하여 양안 인식부(15)의 수평 및 수직 화각의 미리 설정된 각도 범위를 벗어나거나, 추적되는 유사범위의 양안 이미지에서 양안 모두가 눈꺼풀에 의해 감긴 상태인 경우, 시청 확인 동영상에 대한 입출력부(12)로의 구현을 일시 정지 기능을 수행하며, 다시 미리 설정된 각도 범위로 양안 이미지가 복귀하거나 양안 중 적어도 하나 이상의 안구가 눈꺼풀이 떠진 상태인 경우 일시 정지된 시청 확인 동영상에 대한 재생 기능을 수행하는 것을 특징으로 한다.
또한, RPT(Real Play Time) 분석수단(11c)은, 시청 확인 동영상에 대한 입출력부(12)로부터 배속 설정 기능에 의한 재생 요청에 따른 입출력부(12)로의 시청 확인 동영상에 대한 재생을 수행하는 것을 특징으로 한다.
또한, RPT(Real Play Time) 분석수단(11c)은, 추적되는 유사범위의 양안 이미지를 실시간 분석하여 양안 인식부(15)의 수평 및 수직 화각의 미리 설정된 각도 범위를 벗어나거나, 추적되는 유사범위의 양안 이미지에서 양안 모두가 눈꺼풀에 의해 감긴 상태인 경우, 배속 설정 기능에 의한 시청 확인 동영상에 대한 재생의 경우 실제시청시간(Real Play Time; RPT)에서 제외 되도록 하여 실제 집중한 시청시간만 백분율로 환산하여 저장부(14) 상에 저장하는 것을 특징으로 한다.
또한, RPT(Real Play Time) 분석수단(11c)은, 저장부(14)에 저장된 시청시간 백분위 정보를 시청 확인 동영상 저장 및 제공 서버(20)로 전송하도록 송수신부(13)를 제어하는 것을 특징으로 한다.
또한, 시청 확인 동영상 저작 및 제공 서버(20)는, 각 시청 확인 동영상에 대해 하나의 문항 또는 하나의 개념 설명으로 구분 가능한 최소학습단위(SCO: Sharable Content Object) 별로 구분된 재생(Play) 시간(이하, "SCO 재생 시간")을 색인화하여, 각 시청 확인 동영상과 매칭시켜 시청확인 동영상 파일서버 및 DB서버(30)에 저장하여, 색인 DB를 구성하는 SCO(Share Content Object) 시간 설정 수단(21a); 더 을 포함하는 것을 특징으로 한다.
또한, 응답데이터 분석 수단(22b)은, 이해도로 각 최소학습단위 동영상의 재생시간에서 실제 유효한 재생(Play) 시간이 50% 또는 설정값 이상인 경우에 한해 “1”인 사건으로 기록하고 아니면 “0”으로 기록하여 응답데이터 저장 DB(40)에 저장하며, 최소학습단위 동영상별 다수의 학습자의 이해도 응답데이터를 분석하여 다양한 학습능력에 대한 이해도 확률을 1모수 IRT(문항반응이론)에 의거하여 통계적으로 추정된 난이도를 연산하는 것을 특징으로 한다.
이때, 사용자단말(10)은, 입출력부(12)로부터 동영상 시청확인 기반의 동영상 난이도 추정 요청 신호발생에 따라 양안 인식부(15)로부터 사용자단말(10) 사용자의 얼굴 이미지를 획득한 뒤, 양안 이미지를 추출하는 양안 이미지 분석 수단(11a); 송수신부(13)를 통해 시청 확인 동영상 저작 및 제공 서버(20)로부터 수신되는 시청 확인 동영상을 입출력부(12)로 구현한 뒤, 양안 인식부(15)로부터 수신되는 비디오 영상으로부터 사용자단말(10) 사용자의 얼굴 이미지, 양안 이미지를 차례로 실시간 추출한 뒤, 양안 이미지 분석 수단(11a)에 의해 분석된 양안의 이미지와 동일 및 유사한 범위에 대한 양안에 대한 추적을 수행하는 양안 이미지 추적 수단(11b); 및 양안 이미지 추적 수단(11b)에 의해 추적되는 유사범위의 양안 이미지를 실시간 분석하여 양안 인식부(15)의 수평 및 수직 화각의 미리 설정된 각도 범위를 벗어나거나, 추적되는 양안 모두가 감긴 상태인지를 분석하여 동영상에 대한 시청 확인 판단을 수행하는 RPT(Real Play Time) 분석수단(11c); 을 포함하며, 양안 이미지 분석 수단(11a)은 획득한 얼굴 이미지의 영상정보에 포함된 화소의 특성으로 양안의 이미지를 추출하고, 추출된 양안 이미지에 대한 화소의 특성과 유사한 특성을 포함하는 화소를 유사범위로 판단하며, 화소의 특성은 화소의 명암, 화소의 색상, 화소가 형성하는 선, 및 화소의 시계열적 표시형태의 변화 중 적어도 하나 이상으로부터 수집되며, 유사범위 판단은 화소 간의 미리 설정된 명암차이 또는 양안 이미지 분석 수단(11a)에 의한 화소 간의 3차원 이미지 변환에 따른 양안을 구성하는 안구의 거리차이로부터 수행되는 것을 특징으로 한다.
또한, RPT(Real Play Time) 분석수단(11c)은, 추적되는 유사범위의 양안 이미지를 실시간 분석하여 양안 인식부(15)의 수평 및 수직 화각의 미리 설정된 각도 범위를 벗어나거나, 추적되는 유사범위의 양안 이미지에서 양안 모두가 눈꺼풀에 의해 감긴 상태인 경우, 시청 확인 동영상에 대한 입출력부(12)로의 구현을 일시 정지 기능을 수행하며, 다시 미리 설정된 각도 범위로 양안 이미지가 복귀하거나 양안 중 적어도 하나 이상의 안구가 눈꺼풀이 떠진 상태인 경우 일시 정지된 시청 확인 동영상에 대한 재생 기능을 수행하는 것을 특징으로 한다.
또한, RPT(Real Play Time) 분석수단(11c)은, 시청 확인 동영상에 대한 입출력부(12)로부터 배속 설정 기능에 의한 재생 요청에 따른 입출력부(12)로의 시청 확인 동영상에 대한 재생을 수행하는 것을 특징으로 한다.
또한, RPT(Real Play Time) 분석수단(11c)은, 추적되는 유사범위의 양안 이미지를 실시간 분석하여 양안 인식부(15)의 수평 및 수직 화각의 미리 설정된 각도 범위를 벗어나거나, 추적되는 유사범위의 양안 이미지에서 양안 모두가 눈꺼풀에 의해 감긴 상태인 경우, 배속 설정 기능에 의한 시청 확인 동영상에 대한 재생의 경우 실제시청시간(Real Play Time; RPT)에서 제외 되도록 하여 실제 집중한 시청시간만 백분율로 환산하여 저장부(14) 상에 저장하는 것을 특징으로 한다.
또한, RPT(Real Play Time) 분석수단(11c)은, 저장부(14)에 저장된 시청시간 백분위 정보를 시청 확인 동영상 저장 및 제공 서버(20)로 전송하도록 송수신부(13)를 제어하는 것을 특징으로 한다.
또한, 시청 확인 동영상 저작 및 제공 서버(20)는, 각 시청 확인 동영상에 대해 하나의 문항 또는 하나의 개념 설명으로 구분 가능한 최소학습단위(SCO: Sharable Content Object) 별로 구분된 재생(Play) 시간(이하, "SCO 재생 시간")을 색인화하여, 각 시청 확인 동영상과 매칭시켜 시청확인 동영상 파일서버 및 DB서버(30)에 저장하여, 색인 DB를 구성하는 SCO(Share Content Object) 시간 설정 수단(21a); 더 을 포함하는 것을 특징으로 한다.
또한, 응답데이터 분석 수단(22b)은, 이해도로 각 최소학습단위 동영상의 재생시간에서 실제 유효한 재생(Play) 시간이 50% 또는 설정값 이상인 경우에 한해 “1”인 사건으로 기록하고 아니면 “0”으로 기록하여 응답데이터 저장 DB(40)에 저장하며, 최소학습단위 동영상별 다수의 학습자의 이해도 응답데이터를 분석하여 다양한 학습능력에 대한 이해도 확률을 1모수 IRT(문항반응이론)에 의거하여 통계적으로 추정된 난이도를 연산하는 것을 특징으로 한다.
삭제
삭제
삭제
삭제
삭제
삭제
삭제
본 발명의 실시예에 따른 안구 인식 기반의 동영상 시청확인에 의한 동영상 난이도 추정 시스템은, 동영상 학습 제공을 위한 난이도를 제공자의 주관적인 입장에서 정하지 않고, 동영상을 시청하는 학습자의 양안의 안구에 대한 체계적 분석을 통해 객관성과 공정성을 확보한 분류 체계를 지정할 수 있는 효과를 제공한다.
또한, 본 발명의 다른 실시예에 따른 안구 인식 기반의 동영상 시청확인에 의한 동영상 난이도 추정 시스템은, 3D, 증강현실, 게임 등을 적용한 실감형·체감형 융복합 교육콘텐츠가 부각되고 있는 현실에서 스마트 디바이스의 대중화에 따라 학습에 있어서 시간과 장소의 구애는 받지 않게 되었으나, 여전히 동일한 교육 콘텐츠를 다수에게 획일적으로 제공하는 방식의 한계를 탈피할 뿐만 아니라, 학습자가 시행착오를 통해 자신에게 맞는 학습 콘텐츠를 선택할 수 밖에 없는 비효율적인 방법을 탈피할 수 있는 효과를 제공한다.
뿐만 아니라, 본 발명의 다른 실시예에 따른 안구 인식 기반의 동영상 시청확인에 의한 동영상 난이도 추정 시스템은, 학습자 맞춤형 스마트러닝이 활성화 되도록 할 수 있는 효과를 제공한다.
도 1은 본 발명의 실시예에 따른 안구 인식 기반의 동영상 시청확인에 의한 동영상 난이도 추정 시스템을 나타내는 도면이다.
도 2는 도 1의 안구 인식 기반의 동영상 시청확인에 의한 동영상 난이도 추정 시스템 중 사용자단말(10)의 구성을 나타내는 도면이다.
도 3은 도 1의 안구 인식 기반의 동영상 시청확인에 의한 동영상 난이도 추정 시스템 중 시청 확인 동영상 저작 및 제공 서버(20)의 구성을 나타내는 도면이다.
도 4는 도 3의 시청확인 동영상 파일서버 및 DB서버(30) 상의 색인 DB 구조화를 설명하기 위한 도면이다.
도 5는 본 발명에서 사용되는 IRT 모델에 기반을 특성 곡선을 나타내는 도면이다.
도 6은 본 발명의 다른 실시예에 따른 도 1의 안구 인식 기반의 동영상 시청확인에 의한 동영상 난이도 추정 시스템 중 시청 확인 동영상 저작 및 제공 서버(20)의 구성을 나타내는 도면이다.
도 2는 도 1의 안구 인식 기반의 동영상 시청확인에 의한 동영상 난이도 추정 시스템 중 사용자단말(10)의 구성을 나타내는 도면이다.
도 3은 도 1의 안구 인식 기반의 동영상 시청확인에 의한 동영상 난이도 추정 시스템 중 시청 확인 동영상 저작 및 제공 서버(20)의 구성을 나타내는 도면이다.
도 4는 도 3의 시청확인 동영상 파일서버 및 DB서버(30) 상의 색인 DB 구조화를 설명하기 위한 도면이다.
도 5는 본 발명에서 사용되는 IRT 모델에 기반을 특성 곡선을 나타내는 도면이다.
도 6은 본 발명의 다른 실시예에 따른 도 1의 안구 인식 기반의 동영상 시청확인에 의한 동영상 난이도 추정 시스템 중 시청 확인 동영상 저작 및 제공 서버(20)의 구성을 나타내는 도면이다.
이하, 본 발명의 바람직한 실시예의 상세한 설명은 첨부된 도면들을 참조하여 설명할 것이다. 하기에서 본 발명을 설명함에 있어서, 관련된 공지 기능 또는 구성에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우에는 그 상세한 설명을 생략할 것이다.
본 명세서에 있어서는 어느 하나의 구성요소가 다른 구성요소로 데이터 또는 신호를 '전송'하는 경우에는 구성요소는 다른 구성요소로 직접 상기 데이터 또는 신호를 전송할 수 있고, 적어도 하나의 또 다른 구성요소를 통하여 데이터 또는 신호를 다른 구성요소로 전송할 수 있음을 의미한다.
도 1은 본 발명의 실시예에 따른 안구 인식 기반의 동영상 시청확인에 의한 동영상 난이도 추정 시스템을 나타내는 도면이다. 도 1을 참조하면, 사용자단말(10), 시청 확인 동영상 저작 및 제공 서버(20), 시청확인 동영상 파일서버 및 DB서버(30) 및 응답데이터 저장 DB(40)를 포함한다.
본 명세서에서 DB라 함은, 각각의 데이터베이스에 대응되는 정보를 저장하는 소프트웨어 및 하드웨어의 기능적 구조적 결합을 의미할 수 있다. DB는 적어도 하나의 테이블로 구현될 수도 있으며, 데이터베이스에 저장된 정보를 검색, 저장, 및 관리하기 위한 별도의 DBMS(Database Management System)을 더 포함할 수도 있다. 또한, 링크드 리스트(linked-list), 트리(Tree), 관계형 데이터베이스의 형태 등 다양한 방식으로 구현될 수 있으며, 데이터베이스에 대응되는 정보를 저장할 수 있는 모든 데이터 저장매체 및 데이터 구조를 포함한다.
도 2는 도 1의 안구 인식 기반의 동영상 시청확인에 의한 동영상 난이도 추정 시스템 중 사용자단말(10)의 구성을 나타내는 도면이다. 도 2를 참조하면, 사용자단말(10)은 유효 시청 확인 모듈(11), 입출력부(12), 송수신부(13), 저장부(14), 양안 인식부(15) 및 제어부(16)를 포함한다. 그리고, 유효 시청 확인 모듈(11)은 양안 이미지 분석 수단(11a), 양안 이미지 추적 수단(11b), 그리고 RPT(Real Play Time) 분석수단(11c)을 구비한다.
그리고 본 명세서에서 모듈이라 함은, 본 발명의 기술적 사상을 수행하기 위한 하드웨어 및 상기 하드웨어를 구동하기 위한 소프트웨어의 기능적, 구조적 결합을 의미할 수 있다. 예컨대, 상기 모듈은 소정의 코드와 상기 소정의 코드가 수행되기 위한 하드웨어 리소스의 논리적인 단위를 의미할 수 있으며, 반드시 물리적으로 연결된 코드를 의미하거나, 한 종류의 하드웨어를 의미하는 것은 아님은 본 발명의 기술분야의 평균적 전문가에게는 용이하게 추론될 수 있다.
이하에서는 유효 시청 확인 모듈(11)의 구성을 중심으로, 사용자단말(10)에 대해서 구체적으로 살펴보도록 한다.
양안 이미지 분석 수단(11a)은 터치스크린으로 형성 가능한 입출력부(12)로부터 동영상 시청확인 기반의 동영상 난이도 추정 요청 신호에 따라, 카메라로 형성 가능한 양안 인식부(15)로부터 사용자단말(10) 사용자의 얼굴 이미지를 획득한다.
이후, 양안 이미지 분석 수단(11a)은 획득한 얼굴 이미지의 영상정보에 포함된 화소의 특성으로 양안 이미지를 추출하고, 추출된 양안 이미지에 대한 화소의 특성과 유사한 특성을 포함하는 화소를 유사범위로 판단한다.
여기서 화소의 특성은 화소의 명암, 화소의 색상, 화소가 형성하는 선, 및 화소의 시계열적 표시형태의 변화 중 적어도 하나로부터 수집될 수 있으며, 유사범위 판단은 화소 간의 미리 설정된 명암차이 또는 양안 이미지 분석 수단(11a)에 의한 화소 간의 3차원 이미지 변환에 따른 양안을 구성하는 안구의 거리차이로부터 수행될 수 있다.
보다 구체적으로, 여기서 3차원 이미지 변환에 따른 양안을 구성하는 안구의 3차원적 거리 차이 범위 내인지에 대한 분석시, 양안 이미지 분석 수단(11a)은 얼굴 이미지 영상정보를 3차원 그래픽에서 입체형상을 표현하는데 사용하는 가장 작은 단위인 폴리곤을 생성하고, 폴리곤을 여러 개를 만들어 폴리곤 집합으로 변환한다. 이후, 양안 이미지 분석 수단(11a)은 폴리곤 집합 중 양안을 구성하는 안구의 거리 차이에 대한 3차원 그래픽 상의 거리 차이를 분석하여 3차원 입체 변화에 따른 양안 사이의 거리 차이 범위 또는 3차원 변환 좌표에 해당하는 경우 유사한 특성으로 판단한다.
양안 이미지 추적 수단(11b)은 송수신부(13)를 통해 시청 확인 동영상 저작 및 제공 서버(20)로부터 수신되는 시청 확인 동영상을 입출력부(12)로 구현한 뒤, 양안 인식부(15)로부터 수신되는 비디오 영상으로부터 사용자단말(10) 사용자의 얼굴 이미지, 양안 이미지를 차례로 실시간 추출한 뒤, 양안 이미지 분석 수단(11a)에 의해 분석된 양안의 이미지와 동일 및 유사한 범위에 대한 양안에 대한 추적을 수행한다.
RPT(Real Play Time) 분석수단(11c)은 양안 이미지 추적 수단(11b)에 의해 추적되는 유사범위의 양안 이미지를 실시간 분석하여 양안 인식부(15)의 수평 및 수직 화각의 미리 설정된 각도 범위를 벗어나거나, 추적되는 양안 중 적어도 하나 이상의 안구가 감긴 상태인지를 분석한다.
또한, RPT(Real Play Time) 분석수단(11c)은 추적되는 유사범위의 양안 이미지를 실시간 분석하여 양안 인식부(15)의 수평 및 수직 화각의 미리 설정된 각도 범위를 벗어나거나, 추적되는 유사범위의 양안 이미지에서 양안 모두가 눈꺼풀에 의해 감긴 상태인 경우, 시청 확인 동영상에 대한 입출력부(12)로의 구현을 일시 정지 기능을 수행할 수 있으며, 다시 미리 설정된 각도 범위로 양안 이미지가 복귀하거나 양안 중 적어도 하나 이상의 안구가 눈꺼풀이 떠진 상태인 경우 일시 정지된 시청 확인 동영상에 대한 재생 기능을 수행할 수 있다.
뿐만 아니라, RPT(Real Play Time) 분석수단(11c)은 시청 확인 동영상에 대한 입출력부(12)로부터 배속 설정 기능에 의한 재생 요청에 따른 입출력부(12)로의 시청 확인 동영상에 대한 재생도 수행할 수 있다.
RPT(Real Play Time) 분석수단(11c)은 추적되는 유사범위의 양안 이미지를 실시간 분석하여 양안 인식부(15)의 수평 및 수직 화각의 미리 설정된 각도 범위를 벗어나거나, 추적되는 유사범위의 양안 이미지에서 양안 모두가 눈꺼풀에 의해 감긴 상태인 경우, 배속 설정 기능에 의한 시청 확인 동영상에 대한 재생의 경우 실제시청시간(Real Play Time; RPT)에서 제외 되도록 하여 실제 집중한 시청시간만 백분율로 환산하여 저장부(14) 상에 저장한다. 그리고, RPT(Real Play Time) 분석수단(11c)은 저장부(14)에 저장된 시청시간 백분위 정보를 시청 확인 동영상 저작 및 제공 서버(20)로 전송하도록 송수신부(13)를 제어한다.
이에 따라, 학습자인 사용자단말(10)의 사용자는 동일한 동영상에 대해 몇 차례에 거쳐 나누어 시청할 수 있으며, 합산된 시청시간이 하나의 사례로 간주하여 집계돌 수 있는 장점이 있다.
도 3은 도 1의 안구 인식 기반의 동영상 시청확인에 의한 동영상 난이도 추정 시스템 중 시청 확인 동영상 저작 및 제공 서버(20)의 구성을 나타내는 도면이다. 그리고 도 4는 도 3의 시청확인 동영상 파일서버 및 DB서버(30) 상의 색인 DB 구조화를 설명하기 위한 도면이다. 먼저, 도 3을 참조하면, 시청 확인 동영상 저작 및 제공 서버(20)는 시청 확인 동영상 DB 구축 모듈(21), 응답 분석 모듈(22), 그리고 맞춤 동영상 제공모듈(23)을 포함하며, 시청확인 동영상 파일서버 및 DB서버(30) 및 응답데이터 저장 DB(40)와 데이터 통신 네트워크를 통해 연결되어 데이터 송수신을 수행할 수 있다.
이하에서는 시청 확인 동영상 저작 및 제공 서버(20)의 각 구성모듈(21, 22, 23)의 구성을 중심으로, 시청 확인 동영상 저작 및 제공 서버(20)에 대해서 구체적으로 살펴보도록 한다.
먼저, 시청 확인 동영상 DB 구축 모듈(21)의 시청 확인 동영상 DB 구축 모듈(21)은 SCO(Share Content Object) 시간 설정 수단(21a) 및 색인 DB 수단(21b)을 구비한다.
SCO(Share Content Object) 시간 설정 수단(21a)은 각 시청 확인 동영상에 대해 하나의 문항 또는 하나의 개념 설명으로 구분 가능한 최소학습단위(SCO: Sharable Content Object) 별로 구분된 재생(Play) 시간(이하, "SCO 재생 시간")을 색인화하여, 각 시청 확인 동영상과 매칭시켜 시청확인 동영상 파일서버 및 DB서버(30)에 저장함으로써, 색인 DB를 구성한다.
색인 DB 수단(21b)은 시청 확인 동영상이 신규로 추가되는 동영상인 경우, 시청확인 동영상 파일서버 및 DB서버(30)로 학습내용 및 재생시간에 대한 메타정보, 그리고 분류코드 정보, 그리고 분류코드 체계정보에 대한 설정을 수행한다.
그리고 색인 DB 수단(21c)은 후술하는 응답데이터 분석 수단(22b)에 의해 분석된 각 시청 확인 동영상의 SCO 재생 시간에 대한 난이도에 따른 분류코드(1 내지 n, n은 2 이상의 자연수)를 매칭시켜 시청확인 동영상 파일서버 및 DB서버(30)에 저장한다(도 4 참조).
다음으로, 응답 분석 모듈(22)은 RPT(Real Play Time) 백분위 기록 수단(22a), 응답데이터 분석 수단(22b) 및 난이도 통계 검증수단(22c)을 구비한다.
백분위 기록 수단(22a)은 시청 확인 동영상 DB 구축 모듈(21)에 의한 수집된 백분위 정보를 각 시청 확인 동영상에 대해서 SCO 재생 시간 단위로 구분하여 추출한 뒤, 응답데이터 저장 DB(40)에 저장한다.
응답데이터 분석 수단(22b)은 각 사용자단말(10) 상에서 시청 확인 동영상에 대한 SCO 재생 시간 단위로 구분된 전체 시청시간에 걸쳐 모두 재생이 수행된 것으로 사용자단말(10)로부터 Ack 신호를 수신한 경우, 시청 확인 동영상에 대한 난이도 추정을 통해 다수의 시청 확인 동영상에 대한 시청확인 동영상 파일서버 및 DB서버(30) 상으로의 색인 DB를 수행한다.
보다 구체적으로, 응답데이터 분석 수단(22b)은 각 SCO 재생 시간 단위에 대한 시청시간이 길게 나타나면 해당 SCO 재생 시간 구간에서 이해도가 높은 동영상이라는 확률적 수치를 연산하며, 반대로 각 SCO 재생 시간 단위에 대한 시청시간이 짧게 나타나면 해당 SCO 재생 시간 구간에서 이해도가 낮은 동영상이라는 확률적 수치를 연산한다.
최종적으로, 응답데이터 분석 수단(22b)은 하나의 시청 확인 동영상 전체에 대한 각 SCO 재생 시간 단위를 종합하여 하나의 시청 확인 동영상에 대한 난이도를 연산할 수 있다.
그리고, 응답데이터 분석 수단(22b)은 실시예로 하나의 시청 확인 동영상에 대한 난이도가 0.5인 경우, 학습능력치가 0.5인 사용자단말(10) 사용자에게 가장 적합한 동영상으로 분류하여 응답데이터 저장 DB(40)에 저장한다.
여기서, 응답데이터 분석 수단(22b)은 이해도로 각 최소학습단위 동영상의 재생시간에서 실제 유효한 재생(Play) 시간이 50% 또는 설정값 이상인 경우에 한해 “1”인 사건으로 기록하고 아니면 “0”으로 기록하여 응답데이터 저장 DB(40)에 저장하는 것이 바람직하며, 최소학습단위 동영상별 다수의 학습자의 이해도 응답데이터를 분석하여 다양한 학습능력에 대한 이해도 확률을 1모수 IRT(문항반응이론)에 의거하여 통계적으로 추정된 난이도를 구한다.
여기서 IRT(Item Response Theory)은 인지진단 모형 및 심리측정학적 모형 등에 사용되며, 학습자의 학습능력치를 실시간으로 구하고 학습능력에 맞는 문항을 실시간으로 찾아줄 수 있으며, IRT 이론 모델에서 난이도, 변별도, 추측도로 구성된 3-모수 로지스틱 모델 활용하여 문항을 답을 맞힐 확률 P(Θ)는 하기의 [수학식 1]과 같다.
그리고, IRT 모델에 기반을 특성 곡선은 [도 5]와 같다. 여기서, 피험자들의 능력 수준을 이미 알고 있다고 가정하고, 배점(난이도)이 합산된 점수가 아닌 원점수(맞은 횟수)로 가정한다. [수학식 1]과 특성 곡선을 이용하여 각 시청 확인 동영상의 하나의 문항 또는 하나의 개념 설명으로 구분 가능한 최소학습단위(SCO: Sharable Content Object)에 대한 반복하여 문항특성치를 모두 구한 뒤, 구해진 문항 특성치를 이용하여 학습자의 능력치를 모두 구한다. 이에 따라, 데이터베이스 난이도, 변별도, 추측도 구간별 세부 테이블 구성이 가능한 특성을 갖는다.
난이도 통계 검증수단(22c)은 각 사용자단말(10)의 사용자에 대한 학습능력정보와 RPT로부터 이해도 응답으로 구해진 시청 확인 동영상의 난이도에 대한 통계적 검증을 실시하여 오차범위 5% 이내의 난이도를 추정한다.
맞춤 동영상 제공모듈(23)은 추정된 시청 확인 동영상 난이도에 대한 기준 ±0.5 범위의 학습능력정보를 갖는 사용자단말(10) 및 다른 사용자단말의 사용자 대한 맞춤 동영상 제공을 수행한다. 맞춤 동영상 제공모듈(23)은 즉 각 사용자단말의 사용자의 학습능력정보를 이미 선행된 다양한 학습이력으로부터 IRT 평가를 통해 연산되어 응답데이터 저장 DB(40)에 저장되므로, 학습자의 학습능력을 고려한 맞춤 동영상 제공이 가능하다.
도 6은 본 발명의 다른 실시예에 따른 도 1의 안구 인식 기반의 동영상 시청확인에 의한 동영상 난이도 추정 시스템 중 시청 확인 동영상 저작 및 제공 서버(20)의 구성을 나타내는 도면이다. 도 6을 참조하면, 시청 확인 동영상 저작 및 제공 서버(20)는 추가적으로, 학습 관리 모듈(24), 그리고 오답 노트 및 피드백 제공모듈(25)을 더 포함할 수 있다.
이상과 같이, 본 명세서와 도면에는 본 발명의 바람직한 실시예에 대하여 개시하였으며, 비록 특정 용어들이 사용되었으나, 이는 단지 본 발명의 기술 내용을 쉽게 설명하고 발명의 이해를 돕기 위한 일반적인 의미에서 사용된 것이지, 본 발명의 범위를 한정하고자 하는 것은 아니다. 여기에 개시된 실시예 외에도 본 발명의 기술적 사상에 바탕을 둔 다른 변형 예들이 실시 가능하다는 것은 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에게 자명한 것이다.
10: 사용자단말
11: 유효 시청 확인 모듈
11a: 양안 이미지 분석 수단
11b: 양안 이미지 추적 수단
11c: RPT(Real Play Time) 분석수단
12: 입출력부
13: 송수신부
14: 저장부
15: 양안 인식부
16: 제어부
20: 시청 확인 동영상 저작 및 제공 서버
21: 시청 확인 동영상 DB 구축 모듈
21a: SCO(Share Content Object) 시간 설정 수단
21b: 색인 DB 수단
22: 응답 분석 모듈
22a: RPT(Real Play Time) 백분위 기록 수단
22b: 응답데이터 분석 수단
22c: 난이도 통계 검증수단
23: 맞춤 동영상 제공모듈
24: 학습 관리 모듈
25: 오답 노트 및 피드백 제공모듈
30: 시청확인 동영상 파일서버 및 DB서버
40: 응답데이터 저장 DB
11: 유효 시청 확인 모듈
11a: 양안 이미지 분석 수단
11b: 양안 이미지 추적 수단
11c: RPT(Real Play Time) 분석수단
12: 입출력부
13: 송수신부
14: 저장부
15: 양안 인식부
16: 제어부
20: 시청 확인 동영상 저작 및 제공 서버
21: 시청 확인 동영상 DB 구축 모듈
21a: SCO(Share Content Object) 시간 설정 수단
21b: 색인 DB 수단
22: 응답 분석 모듈
22a: RPT(Real Play Time) 백분위 기록 수단
22b: 응답데이터 분석 수단
22c: 난이도 통계 검증수단
23: 맞춤 동영상 제공모듈
24: 학습 관리 모듈
25: 오답 노트 및 피드백 제공모듈
30: 시청확인 동영상 파일서버 및 DB서버
40: 응답데이터 저장 DB
Claims (8)
- 사용자단말(10), 시청 확인 동영상 저작 및 제공 서버(20), 그리고 시청확인 동영상 파일서버 및 DB서버(30)를 포함하는 안구 인식 기반의 동영상 시청확인에 의한 동영상 난이도 추정 시스템에 있어서, 시청 확인 동영상 저작 및 제공 서버(20)는,
시청 확인 동영상 DB 구축 모듈(21)에 의해 수집된 사용자단말(10) 상에서 수행된 동영상 별 시청시간 백분위 정보를 각 시청 확인 동영상에 대해서 SCO(Share Content Object) 재생 시간 단위로 구분하여 추출한 뒤, 응답데이터 저장 DB(40)에 저장하는 백분위 기록 수단(22a); 및
각 사용자단말(10) 상에서 시청 확인 동영상에 대한 SCO 재생 시간 단위로 구분된 전체 시청시간에 걸쳐 모두 재생이 수행된 것으로 사용자단말(10)로부터 Ack 신호를 수신한 경우, 시청 확인 동영상에 대한 난이도 추정을 통해 다수의 시청 확인 동영상에 대한 시청확인 동영상 파일서버 및 DB서버(30) 상으로의 색인 DB를 수행하는 응답데이터 분석 수단(22b); 을 포함하며,
응답데이터 분석 수단(22b)은 각 SCO 재생 시간 단위에 대한 시청시간이 미리 설정된 임계 시간 보다 길게 나타나면 해당 SCO 재생 시간 구간에서 이해도가 높은 동영상이라는 확률적 수치를 연산하며, 반대로 각 SCO 재생 시간 단위에 대한 시청시간이 미리 설정된 임계 시간 보다 짧게 나타나면 해당 SCO 재생 시간 구간에서 이해도가 낮은 동영상이라는 확률적 수치를 연산하는 것을 특징으로 하는 안구 인식 기반의 동영상 시청확인에 의한 동영상 난이도 추정 시스템.
- 청구항 1에 있어서, 사용자단말(10)은,
입출력부(12)로부터 동영상 시청확인 기반의 동영상 난이도 추정 요청 신호발생에 따라 양안 인식부(15)로부터 사용자단말(10) 사용자의 얼굴 이미지를 획득한 뒤, 양안 이미지를 추출하는 양안 이미지 분석 수단(11a);
송수신부(13)를 통해 시청 확인 동영상 저작 및 제공 서버(20)로부터 수신되는 시청 확인 동영상을 입출력부(12)로 구현한 뒤, 양안 인식부(15)로부터 수신되는 비디오 영상으로부터 사용자단말(10) 사용자의 얼굴 이미지, 양안 이미지를 차례로 실시간 추출한 뒤, 양안 이미지 분석 수단(11a)에 의해 분석된 양안의 이미지와 동일 및 유사한 범위에 대한 양안에 대한 추적을 수행하는 양안 이미지 추적 수단(11b); 및
양안 이미지 추적 수단(11b)에 의해 추적되는 유사범위의 양안 이미지를 실시간 분석하여 양안 인식부(15)의 수평 및 수직 화각의 미리 설정된 각도 범위를 벗어나거나, 추적되는 양안 모두가 감긴 상태인지를 분석하여 동영상에 대한 시청 확인 판단을 수행하는 RPT(Real Play Time) 분석수단(11c); 을 포함하며,
양안 이미지 분석 수단(11a)은 획득한 얼굴 이미지의 영상정보에 포함된 화소의 특성으로 양안의 이미지를 추출하고, 추출된 양안 이미지에 대한 화소의 특성과 유사한 특성을 포함하는 화소를 유사범위로 판단하며,
화소의 특성은 화소의 명암, 화소의 색상, 화소가 형성하는 선, 및 화소의 시계열적 표시형태의 변화 중 적어도 하나 이상으로부터 수집되며, 유사범위 판단은 화소 간의 미리 설정된 명암차이 또는 양안 이미지 분석 수단(11a)에 의한 화소 간의 3차원 이미지 변환에 따른 양안을 구성하는 안구의 거리차이로부터 수행되는 것을 특징으로 하는 안구 인식 기반의 동영상 시청확인에 의한 동영상 난이도 추정 시스템.
- 청구항 2에 있어서, RPT(Real Play Time) 분석수단(11c)은,
추적되는 유사범위의 양안 이미지를 실시간 분석하여 양안 인식부(15)의 수평 및 수직 화각의 미리 설정된 각도 범위를 벗어나거나, 추적되는 유사범위의 양안 이미지에서 양안 모두가 눈꺼풀에 의해 감긴 상태인 경우, 시청 확인 동영상에 대한 입출력부(12)로의 구현을 일시 정지 기능을 수행하며, 다시 미리 설정된 각도 범위로 양안 이미지가 복귀하거나 양안 중 적어도 하나 이상의 안구가 눈꺼풀이 떠진 상태인 경우 일시 정지된 시청 확인 동영상에 대한 재생 기능을 수행하는 것을 특징으로 하는 안구 인식 기반의 동영상 시청확인에 의한 동영상 난이도 추정 시스템.
- 청구항 3에 있어서, RPT(Real Play Time) 분석수단(11c)은,
시청 확인 동영상에 대한 입출력부(12)로부터 배속 설정 기능에 의한 재생 요청에 따른 입출력부(12)로의 시청 확인 동영상에 대한 재생을 수행하는 것을 특징으로 하는 안구 인식 기반의 동영상 시청확인에 의한 동영상 난이도 추정 시스템.
- 청구항 4에 있어서, RPT(Real Play Time) 분석수단(11c)은,
추적되는 유사범위의 양안 이미지를 실시간 분석하여 양안 인식부(15)의 수평 및 수직 화각의 미리 설정된 각도 범위를 벗어나거나, 추적되는 유사범위의 양안 이미지에서 양안 모두가 눈꺼풀에 의해 감긴 상태인 경우, 배속 설정 기능에 의한 시청 확인 동영상에 대한 재생의 경우 실제시청시간(Real Play Time; RPT)에서 제외 되도록 하여 실제 집중한 시청시간만 백분율로 환산하여 저장부(14) 상에 저장하는 것을 특징으로 하는 안구 인식 기반의 동영상 시청확인에 의한 동영상 난이도 추정 시스템.
- 청구항 5에 있어서, RPT(Real Play Time) 분석수단(11c)은,
저장부(14)에 저장된 시청시간 백분위 정보를 시청 확인 동영상 저장 및 제공 서버(20)로 전송하도록 송수신부(13)를 제어하는 것을 특징으로 하는 안구 인식 기반의 동영상 시청확인에 의한 동영상 난이도 추정 시스템.
- 청구항 2에 있어서, 시청 확인 동영상 저작 및 제공 서버(20)는,
각 시청 확인 동영상에 대해 하나의 문항 또는 하나의 개념 설명으로 구분 가능한 최소학습단위(SCO: Sharable Content Object) 별로 구분된 재생(Play) 시간(이하, "SCO 재생 시간")을 색인화하여, 각 시청 확인 동영상과 매칭시켜 시청확인 동영상 파일서버 및 DB서버(30)에 저장하여, 색인 DB를 구성하는 SCO(Share Content Object) 시간 설정 수단(21a); 을 더 포함하는 것을 특징으로 하는 안구 인식 기반의 동영상 시청확인에 의한 동영상 난이도 추정 시스템.
- 청구항 1에 있어서, 응답데이터 분석 수단(22b)은,
이해도로 각 최소학습단위 동영상의 재생시간에서 실제 유효한 재생(Play) 시간이 50% 또는 설정값 이상인 경우에 한해 “1”인 사건으로 기록하고 아니면 “0”으로 기록하여 응답데이터 저장 DB(40)에 저장하며, 최소학습단위 동영상별 다수의 학습자의 이해도 응답데이터를 분석하여 다양한 학습능력에 대한 이해도 확률을 1모수 IRT(문항반응이론)에 의거하여 통계적으로 추정된 난이도를 연산하는 것을 특징으로 하는 안구 인식 기반의 동영상 시청확인에 의한 동영상 난이도 추정 시스템.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020140067539A KR101570870B1 (ko) | 2014-06-03 | 2014-06-03 | 안구 인식 기반의 동영상 시청확인에 의한 동영상 난이도 추정 시스템 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020140067539A KR101570870B1 (ko) | 2014-06-03 | 2014-06-03 | 안구 인식 기반의 동영상 시청확인에 의한 동영상 난이도 추정 시스템 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR101570870B1 true KR101570870B1 (ko) | 2015-11-23 |
Family
ID=54844762
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020140067539A KR101570870B1 (ko) | 2014-06-03 | 2014-06-03 | 안구 인식 기반의 동영상 시청확인에 의한 동영상 난이도 추정 시스템 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR101570870B1 (ko) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20180117163A (ko) * | 2016-06-15 | 2018-10-26 | 구글 엘엘씨 | 모델을 이용한 콘텐츠 분포의 최적화 |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2012113450A (ja) | 2010-11-22 | 2012-06-14 | Aisin Seiki Co Ltd | 覚醒度判定装置、覚醒度判定方法及びプログラム |
-
2014
- 2014-06-03 KR KR1020140067539A patent/KR101570870B1/ko not_active IP Right Cessation
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2012113450A (ja) | 2010-11-22 | 2012-06-14 | Aisin Seiki Co Ltd | 覚醒度判定装置、覚醒度判定方法及びプログラム |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20180117163A (ko) * | 2016-06-15 | 2018-10-26 | 구글 엘엘씨 | 모델을 이용한 콘텐츠 분포의 최적화 |
| KR102141674B1 (ko) | 2016-06-15 | 2020-08-05 | 구글 엘엘씨 | 모델을 이용한 콘텐츠 분포의 최적화 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109478097B (zh) | 用于提供信息的方法和系统及计算机程序产品 | |
| US10650338B2 (en) | Automated registration and greeting process—custom queueing (security) | |
| US20190018578A1 (en) | Augmented physical and virtual manipulatives | |
| US11670055B1 (en) | Facial expression tracking during augmented and virtual reality sessions | |
| CN112613780B (zh) | 一种学习报告生成的方法、装置、电子设备及存储介质 | |
| CN112101123B (zh) | 一种注意力检测方法及装置 | |
| KR102336574B1 (ko) | 비대면 학습자의 영상 이미지를 이용하는 학습 지도 방법 및 이에 사용되는 관리 서버 | |
| KR102187741B1 (ko) | 메타데이터 크라우드 소싱 시스템 및 방법 | |
| KR20170136160A (ko) | 시청자 몰입도 평가 시스템 | |
| US20230206093A1 (en) | Music recommendation method and apparatus | |
| CN117940941A (zh) | 基于注意力确定的会议会话控制 | |
| Samonte et al. | CrowdSurge: a crowd density monitoring solution using smart video surveillance with security vulnerability assessment | |
| CN116601661A (zh) | 生成用于多因素认证的评估掩码 | |
| CN112749686B (zh) | 图像检测方法、装置、计算机设备及存储介质 | |
| CN111757140B (zh) | 一种基于直播课堂的教学方法及装置 | |
| Balasubramanian et al. | Prediction of discomfort due to egomotion in immersive videos for virtual reality | |
| KR101570870B1 (ko) | 안구 인식 기반의 동영상 시청확인에 의한 동영상 난이도 추정 시스템 | |
| CN111192305B (zh) | 用于生成三维图像的方法和装置 | |
| CN115937961A (zh) | 一种线上学习识别方法及设备 | |
| WO2022089220A1 (zh) | 图像数据处理方法、装置、设备、存储介质及产品 | |
| JP7185892B2 (ja) | データ処理装置、データ処理システム、データ処理方法、及びプログラム | |
| CN110889359A (zh) | 一种员工培训方法、装置、电子设备及存储介质 | |
| KR20200135431A (ko) | 처리 장치, 처리 방법, 데이터 처리 장치, 데이터 처리 시스템, 데이터 처리 방법 및 프로그램 | |
| Hassan et al. | Deep Learning-Based Supervision for Enhanced Self-Awareness under Widespread Video Surveillance: Psychological and Social Consequences | |
| Miller | Virtual Reality Tracking Data: Insights, Risks, Opportunities |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant | ||
| LAPS | Lapse due to unpaid annual fee |