KR102321917B1 - 온라인 시험 화상 원격 관리 및 감독 시스템 - Google Patents

온라인 시험 화상 원격 관리 및 감독 시스템 Download PDF

Info

Publication number
KR102321917B1
KR102321917B1 KR1020210035142A KR20210035142A KR102321917B1 KR 102321917 B1 KR102321917 B1 KR 102321917B1 KR 1020210035142 A KR1020210035142 A KR 1020210035142A KR 20210035142 A KR20210035142 A KR 20210035142A KR 102321917 B1 KR102321917 B1 KR 102321917B1
Authority
KR
South Korea
Prior art keywords
examinee
image
test
virtual machine
neural network
Prior art date
Application number
KR1020210035142A
Other languages
English (en)
Inventor
남수만
박영선
김해성
최상영
조경제
한승우
Original Assignee
주식회사 두두아이티
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 주식회사 두두아이티 filed Critical 주식회사 두두아이티
Application granted granted Critical
Publication of KR102321917B1 publication Critical patent/KR102321917B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/20—Education
    • G06Q50/205—Education administration or guidance
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
    • G06F21/30—Authentication, i.e. establishing the identity or authorisation of security principals
    • G06F21/31—User authentication
    • G06K9/00006—
    • G06K9/00221—
    • G06K9/6215—
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L63/00—Network architectures or network communication protocols for network security
    • H04L63/08—Network architectures or network communication protocols for network security for authentication of entities
    • H04L63/083—Network architectures or network communication protocols for network security for authentication of entities using passwords
    • H04L63/0838—Network architectures or network communication protocols for network security for authentication of entities using passwords using one-time-passwords

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • Computer Security & Cryptography (AREA)
  • Strategic Management (AREA)
  • General Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Educational Technology (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • General Health & Medical Sciences (AREA)
  • General Business, Economics & Management (AREA)
  • Economics (AREA)
  • Human Resources & Organizations (AREA)
  • Educational Administration (AREA)
  • Computer Hardware Design (AREA)
  • General Engineering & Computer Science (AREA)
  • Software Systems (AREA)
  • Computing Systems (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

온라인 시험 화상 원격 관리 및 감독 시스템을 통한 시험 관리 방법에 관한 것으로서, 수험생의 이미지 또는 생체 정보 중 적어도 하나에 기초하여 수험생의 시험장 입장 여부를 결정하기 위한 제1 인증을 수행하는 단계, 상기 제1 인증에 성공한 수험생에 대응하여 생성된 가상 머신을 통해 상기 수험생에 대응되는 사용자 단말에 시험 문제를 제공하는 단계, 및 미리 학습된 인공 신경망에 기초하여 상기 수험생의 이상행동을 모니터링하는 단계를 포함할 수 있다.

Description

온라인 시험 화상 원격 관리 및 감독 시스템{SYSTEM FOR VIDEO REMOTE MANAGEMENT AND SUPERVISION OF ONLINE TEST}
본 발명은 온라인 시험 화상 원격 관리 및 감독 시스템에 관한 것으로서, 구체적으로는 인공지능 파트로서 식별과 감시 에이전트를 포함하는 시스템에 관한 것이다.
각종 시험에 대하여 종래에는 인력에 의존하여 시험 접수 및 응시, 신분확인, 시험 감독 등의 업무를 수행해왔다.
그러나, 인력에 의존하여 수행하면 우선 적시성이 떨어지게 되고 시간이 많이 소요되며 효율성이 떨어지고, 비용 또한 막대하게 지불되기 마련이다. 특히, 부정행위 감독을 인력에 의존할 경우 신뢰성과 공정성이 떨어질 수 있다.
이에 따른 본 발명의 온라인 시험 화상 원격 관리 및 감독 시스템의 목적은 다음과 같다.
일 실시예에 따른 온라인 시험 화상 원격 관리 및 감독 시스템은 시험지가 외부에 유출되는 것을 방지하는 수단을 통해 보안성을 제공하고자 한다.
또한, 온라인 시험 화상 원격 관리 및 감독 시스템은 수험생을 빠르게 인식하고, 식별하는 수단을 제공하고자 하며, 미리 학습된 인공신경망을 이용하여 수험생의 부정행위를 보다 정확하게 수행할 수 있는 수단을 제공하고자 한다.
일 실시예에 따른 시험 관리 방법은, 수험생의 이미지 또는 생체 정보 중 적어도 하나에 기초하여 수험생의 시험장 입장 여부를 결정하기 위한 인증을 수행하는 단계; 상기 인증에 성공한 수험생에 대응하여, 상기 수험생에 고유한 프라이빗 가상 머신(Private Virtual Machine)을 생성하는 단계; 상기 프라이빗 가상 머신을 통해, 상기 수험생에 대응하여 생성된 시험 문제를 상기 수험생에 대응되는 사용자 단말에 시험 문제를 제공하는 단계; 및 미리 학습된 인공 신경망에 기초하여 상기 수험생의 이상행동을 모니터링하는 단계를 포함할 수 있다.
상기 미리 학습된 인공 신경망은, 수험생의 얼굴에 대응하는 제1 이미지 및 수험생의 얼굴 이외의 형상에 대응되는 제2 이미지에 기초하여, 수험생의 자리 유지 여부에 대한 제1 결과 정보 및 수험생의 집중도를 수치화한 제2 결과 정보를 출력하도록 학습될 수 있다.
상기 미리 학습된 인공 신경망은, 상기 제1 이미지로부터 추출되는 RGB 이미지에 대응되는 제1-1 입력, 상기 제1 이미지 내에 포함된 객체의 움직임 패턴에 대응되는 제1-2 입력, 상기 제2 이미지로부터 추출되는 RGB 이미지에 대응되는 제2-1 입력 및 상기 제2 이미지 내에 포함된 객체의 움직임 패턴에 대응되는 제2-2 입력으로부터 상기 제1 결과 정보 및 상기 제2 결과 정보를 출력하도록 미리 학습될 수 있다.
상기 미리 학습된 인공 신경망은, Convolution 연산과 Pooling 연산을 병렬적으로 수행하고, 수행 결과를 결합(Concatenation)하는 연산을 수행하는 적어도 하나의 제1 요소, 컨볼루션 연산을 수행하는 적어도 하나의 제2 요소 및, pooling 연산을 수행하는 적어도 하나의 제3 요소가 직렬 연결된 형태일 수 있다.
상기 이상행동을 모니터링하는 단계는, 상기 수험생과, 시험장 내에 위치하는 다른 수험생 사이의 상관도에 대응하는 제1 상관도에 기초하여 상기 제1 이미지 및 상기 제2 이미지에 제1 어텐션을 적용하는 단계; 상기 제1 이미지 및 상기 제2 이미지의 상관도에 대응하는 제2 상관도에 기초하여 상기 제1 이미지 및 상기 제2 이미지에 제2 어텐션을 적용하는 단계; 및 상기 제1 어텐션 및 상기 제2 어텐션의 적용 결과에 기초하여 이상행동을 모니터링하는 단계를 포함할 수 있다.
일 실시예에 따른 온라인 시험 화상 원격 관리 및 감독하기 위한 시험 관리 시스템은 통신부; 및 프로세서를 포함하고, 상기 프로세서는 수험생의 이미지 또는 생체 정보 중 적어도 하나에 기초하여 수험생의 시험장 입장 여부를 결정하기 위한 인증을 수행하고, 상기 인증에 성공한 수험생에 대응하여, 상기 수험생에 고유한 프라이빗 가상 머신(Private Virtual Machine)을 생성하고, 상기 프라이빗 가상 머신을 통해, 상기 수험생에 대응하여 생성된 시험 문제를 상기 수험생에 대응되는 사용자 단말에 시험 문제를 제공하는 단계; 및 미리 학습된 인공 신경망에 기초하여 상기 수험생의 이상행동을 모니터링할 수 있다.
도 1은 본 발명의 일 실시예에 따른 온라인 시험 관리하는 시험 관리 방법을 나타낸 순서도이다.
도 2는 일 실시예에 따른 온라인 시험을 관리 감독하는 시험 관리 방법의 동작을 설명하기 위한 도면이다.
도 3은 일 실시예에 따른 수험생에 대응하여 고유하게 생성되는 가상 머신을 통해 시험 문제가 제공되는 방식을 설명하기 위한 도면이다.
도 4a는 일 실시예에 따른 시험 관리 방법을 설명하기 위한 흐름도이다.
도 4b는 일 실시예에 따른 시험 관리 방법을 보다 상세하게 설명하기 위한 흐름도이다.
도 5a는 일 실시예에 따른 시험 관리 방법에 적용되는 인공 신경망을 설명하기 위한 도면이다.
도 5b는 일 실시예에 따른 시험 관리 방법에 적용되는 인공 신경망의 구조를 설명하기 위한 도면이다.
도 6은 일 실시예에 따른 시험 관리 시스템의 구조를 설명하기 위한 블록도이다.
실시 예들에 대한 특정한 구조적 또는 기능적 설명들은 단지 예시를 위한 목적으로 개시된 것으로서, 다양한 형태로 변경되어 실시될 수 있다. 따라서, 실시 예들은 특정한 개시형태로 한정되는 것이 아니며, 본 명세서의 범위는 기술적 사상에 포함되는 변경, 균등물, 또는 대체물을 포함한다.
제1 또는 제2 등의 용어를 다양한 구성요소들을 설명하는데 사용될 수 있지만, 이런 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 해석되어야 한다. 예를 들어, 제1 구성요소는 제2 구성요소로 명명될 수 있고, 유사하게 제2 구성요소는 제1 구성요소로도 명명될 수 있다.
어떤 구성요소가 다른 구성요소에 "연결되어" 있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결되어 있거나 또는 접속되어 있을 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다.
단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 명세서에서, "포함하다" 또는 "가지다" 등의 용어는 기재된 특징, 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것이 존재함으로 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 해당 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가진다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥상 가지는 의미와 일치하는 의미를 갖는 것으로 해석되어야 하며, 본 명세서에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.
이하, 실시예들을 첨부된 도면들을 참조하여 상세하게 설명한다. 첨부 도면을 참조하여 설명함에 있어, 도면 부호에 관계없이 동일한 구성 요소는 동일한 참조 부호를 부여하고, 이에 대한 중복되는 설명은 생략하기로 한다.
도 1은 본 발명의 일 실시예에 따른 온라인 시험 관리하는 시험 관리 방법을 나타낸 순서도이다.
일 실시예에 따른 시험 관리 시스템은 식별 에이전트(120), 디스플레이(130), 웹서버(140), 프라이빗 가상 머신(Private VM)(150) 및 감시 에이전트(미도시)를 포함할 수 있다.
식별 에이전트(120)는 수험생(110)의 신원을 식별하는 프로세스를 수행하는 요소로, 관련 프로세싱을 수행할 수 있는 컴퓨팅 장치로 구현될 수 있다. 식별 에이전트(120)는 수험생(110)의 얼굴을 촬영한 이미지와 기저장된 이미지에 기초하여 얼굴 매칭률을 산출하고(단계 161), 수험생(110)의 지문 입력과 기저장된 지문 이미지의 매칭률을 산출(단계 162)할 수 있다. 식별 에이전트(120)는 얼굴 매칭률 및 지문 매칭률이 소정의 임계값을 초과하는 경우에 한하여, 수험생(110)의 수험장 입장을 허용하는 것으로 결정할 수 있다.
식별 에이전트(120)에 기초한 인식이 완료되어 수험생이 시험장에 입장한 경우(단계 163), 시험장 내에 배치된 센서 등을 수험생(110)의 입장이 인식(단계 164)된 경우, 수험장 내에 배치된 디스플레이(130)는 수험생(110)에 대하여 미리 지정된 좌석 정보를 제공할 수 있다.
수험생(110)이 미리 지정된 좌석에 착석 후, 배치된 PC를 통해, 시험과 관련된 사이트에 접속함으로써 웹서버(140)에 접속(단계 165)하고, 수험생(110)에게 부여된 ID/PW에 따라 사이트에 접속할 수 있다. 구현례에 따라 ID/PW 외에 OTP 등 추가적인 인증 수단을 통해 시험에 응시하기 위한 웹사이트에 접속을 시도할 수 있다. 웹서버(140)는 수험생의 ID/PW 또는 OTP 등을 통해 수험생(166)을 인증할 수 있으며, 인증이 완료된 경우에 한하여, 수험생(110) 별로 생성되는 가상 머신인 프라이빗 가상 머신(Private VM)(150)에 대한 수험생(110)의 접속을 허용할 수 있다.
프라이빗 가상 머신(Private VM)(150)에 대한 접속이 완료된 경우, 수험생(110)은 PC를 통해 프라이빗 가상 머신(Private VM)(150)으로부터 제공되는 시험 문제에 기초하여 시험 응시를 진행할 수 있다(단계 167).
수험생(110)은 부정행위를 탐지하도록 미리 학습된 인공신경망을 탑재한 감시 에이전트(미도시)를 통해 응시 기간 동안 모니터링이 진행될 수 있다.
감시 에이전트(미도시)는 시험장 내 설치된 감시 카메라를 포함할 수 있고, 상기 감시 에이전트는 지능형 판단, VR 판정 또는 지능형 판단과 VR 판정의 복합 판정을 수행할 수 있다. 감시 에이전트를 구성하기 위해 딥러닝 기술인 CNN(Convolutional Neural Network)이 활용될 수 있다. 감시 에이전트는 CNN의 입력으로는 안구 움직임, 얼굴 각도, 손 움직임 등으로 부정행위를 판별할 수 있도록 미리 학습될 수 있다.
일 실시예에 따르면, 프라이빗 가상 머신(Private VM)(150)은 포트 포워딩 기술이 적용될 수 있으며, 수험생(110)별로 별도로 독립적으로 생성됨으로써, 시험 문제의 2중 보안이 제공될 수 있다. 예를 들어, 수험생(110) 별로 문제 번호의 조합을 달리하여, 컨닝 이슈를 방지할 수 있으며, 프라이빗 가상 머신(Private VM)(150)에는 웹서버(140)을 통한 접근 이외의 외부 접근을 차단함으로써, 시험 문제의 유출 이슈를 방지할 수 있다.
본 발명의 다른 실시예에 따른 온라인 시험 화상 원격 관리 및 감독 시스템은, 시험 사전 준비 단계에서 AI로 수험표 사진과 카메라 속 얼굴 매칭률을 분석하고, 시험 중 단계에서 AI로 시험 중 이상 행동(부정행위 등) 발견 시 실시간 감지(모니터링 화면에 빨강(위험), 주황(경고) 등으로 표시)할 수 있다.
도 2는 일 실시예에 따른 온라인 시험을 관리 감독하는 시험 관리 방법의 동작을 설명하기 위한 도면이다.
도 2를 참조하면, 단계(210)에서 수험생은 시험장(211)에 진입하기 전에 식별 에이전트르 통해 수험생을 식별하는 프로세스가 진행될 수 있다. 예를 들어, 수험생은 앞선 도 1에서 설명된 바와 같이, 미리 등록된 사진과 시험장 입장시 촬영한 사진의 비교를 통해 산출된 매칭률이 소정의 임계치를 초과하는 경우, 식별 에이전트는 수험생이 대한 인증이 성공한 것으로 결정할 수 있다.
또한, 식별 에이전트는 수험생의 지문이 미리 저장된 지문과 매칭률이 소정의 임계치를 초과하는 경우, 수험생에 대한 인증이 성공한 것으로 결정할 수 있다. 식별 에이전트가 수험생을 인증하기 위해 사용하는 생체 정보는 지문에 한정되는 것이 아니고, 홍채, 음성 등 임의의 생체 인증 기술이 적용될 수 있음은 통상의 기술자가 이해할 것이다.
인증이 성공하여 수험생이 시험장(211)에 입장한 경우, 단계(220)에서 디스플레이를 통해 수험생에게 할당된 자리 정보를 제공할 수 있다.
수험생은, 할당된 자리에 배치된 PC를 통해 시험을 치를 수 있고, PC를 이용하여 시험을 치르는 방식은 앞서 설명된 도 1에 제시된 방식과 동일할 수 있음은 통상의 기술자가 이해할 것이다.
단계(230)에서 감시 에이전트는 시험장(211)에 배치된 카메라를 획득한 영상에 기초하여 수험생의 부정행위를 검출할 수 있다. 보다 구체적으로, 감시 에이전트는 미리 학습된 인공신경망을 이용하는 지능형 판단 또는 관리자의 영상 모니터링을 이용하는 VR 판정 방식 중 적어도 하나에 기초하여 수험생의 부정행위를 검출할 수 있다.
도 3은 일 실시예에 따른 수험생에 대응하여 고유하게 생성되는 가상 머신을 통해 시험 문제가 제공되는 방식을 설명하기 위한 도면이다.
도 3을 참조하면, 앞서 설명된 인증 절차를 거쳐, 시험장에 입장한 수험생은 배치된 PC를 통해 웹 서버(330)에 접속할 수 있다. 웹 서버(230)는 시험 시간으로 결정된 시간대에 수험생에 대해 미리 결정된 PC의 IP 주소로만 접속이 허용될 수 있다. 수험생이 웹 서버(330)에 접속하는 경우, 수험생에 대하여 고유한 프라이빗 가상 머신(340)이 생성될 수 있다. 즉, 시험 장 내에 복수의 수험생이 존재하는 경우, 프라이빗 가상 머신은 수험생 별로 독립적으로 생성될 수 있다.
프라이빗 가상 머신(340)은 웹 서버(330)을 통해서만 접속이 가능할 수 있으며, 수험생이 프라이빗 가상 머신(340)에 접속하기 전에 웹 서버(330)는 ID/PW 등을 통한 추가 인증을 수행할 수 있으며, 이는 앞선 도 1에서 설명된 바와 동일할 수 있다.
프라이빗 가상 머신(340)는 웹 서버(330)를 통한 접속 이외의 외부 접속은 차단될 수 있으며, 사용자의 행위와 관련된 정보가 프라이빗 가상 머신(340)에 수집되고, 프라이빗 가상 머신(340)을 통해 수집된 정보가 분석될 수 있다. 실시예에 따라서, 앞서 설명된 감시 에이전트는 프라이빗 가상 머신(340)을 통해 구현될 수도 있다.
도 4a는 일 실시예에 따른 시험 관리 방법을 설명하기 위한 흐름도이다.
도 4a를 참조하면, 단계(410)에서 시험 관리 시스템은 수험생의 이미지 또는 생체 정보 중 적어도 하나에 기초하여 수험생의 시험장 입장 여부를 결정하기 위한 인증을 수행할 수 있다. 인증을 수행하는 방식은 앞선 도 1을 통해 설명된 수험생의 얼굴 사진 또는 생체 정보를 이용하는 방식에 해당할 수 있다.
단계(420)에서 시험 관리 시스템은 인증에 성공한 수험생에 대응하여 생성된 가상 머신을 통해 수험생에 대응되는 사용자 단말에 시험 문제를 제공할 수 있다. 수험생에게 시험 문제를 제공하는 방식은 앞선 도 1을 통해 설명된 바와 같이, 수험생 별로 독립적으로 생성된 가상 머신을 통해 수험생에 대응되는 사용자 단말에 시험 문제를 제공하는 방식에 대응될 수 있다.
단계(430)에서 시험 관리 시스템은 미리 학습된 인공 신경망에 기초하여 수험생의 이상행동을 모니터링하고, 모니터링 결과에 대한 정보를 외부 엔티티에 제공할 수 있다. 미리 학습된 인공 신경망은 수험생의 얼굴에 대응하는 제1 이미지 및 수험생의 얼굴 이외의 형상에 대응되는 제2 이미지에 기초하여, 수험생의 자리 유지 여부에 대한 제1 결과 정보 및 수험생의 집중도를 수치화한 제2 결과 정보를 출력하도록 학습될 수 있다. 예를 들어, 제1 결과 정보는 수험생이 본인의 자리를 유지하는 상태를 최고점으로 하고, 본인 자리를 떠난 상태를 최저점으로 하는 방식으로, 점수화되어 제공될 수 있으며, 제2 결과 정보는 수험생이 시험 문제에 집중하고 있는 정도를 수치화환 형태로 표현될 수 있다. 시험 관리 시스템은 미리 결정된 소정의 시간 단위(예를 들어, 5초~ 10초)로 제1 이미지 및 제2 이미지를 획득하고, 획득한 제1 이미지 및 제2 이미지에 기초하여 모니터링 결과를 산출할 수 있다.
보다 구체적으로, 미리 학습된 인공 신경망은 제1 이미지로부터 추출되는 RGB 이미지에 대응되는 제1-1 입력, 제1 이미지 내에 포함된 객체의 움직임 패턴에 대응되는 제1-2 입력, 제2 이미지로부터 추출되는 RGB 이미지에 대응되는 제2-1 입력 및 제2 이미지 내에 포함된 객체의 움직임 패턴에 대응되는 제2-2 입력으로부터, 위 제1 결과 정보 및 제2 결과 정보를 출력하도록 학습될 수 있다.
일 실시예에 따르면, 미리 학습된 인공 신경망은 Convolution 연산과 Pooling 연산을 병렬적으로 수행하고, 수행 결과를 결합(Concatenation)하는 연산을 수행하는 적어도 하나의 제1 요소, 컨볼루션 연산을 수행하는 적어도 하나의 제2 요소 및, pooling 연산을 수행하는 적어도 하나의 제3 요소가 직렬 연결된 형태일 수 있다.
단계(430)에서 시험 관리 시스템은 제1 결과 정보 및 제2 결과 정보에 기초하여 수험생이 이상 행동을 수행하는 지 여부를 모니터링할 수 있고, 모니터링 결과를 외부 엔티티에 제공할 수 있다. 외부 엔티티에 이상 행동 모니터링 결과를 제공하는 방식은 위험 상황의 경우, 모니터링 화면에 붉은색 또는 주황색으로 식별된 경고 메시지를 제공하는 방식일 수 있으나, 모니터링 결과를 외부 엔티티에 제공하는 방식이 이에 한정되는 것이 아님은 통상의 기술자가 이해할 것이다.
일 실시예에 따르면, 시험 관리 시스템은 수험생과, 시험장 내에 위치하는 다른 수험생 사이의 상관도에 대응하는 제1 상관도에 기초하여 상기 제1 이미지 및 상기 제2 이미지에 제1 어텐션을 적용하고, 제1 이미지 및 제2 이미지의 상관도에 대응하는 제2 상관도에 기초하여 제1 이미지 및 제2 이미지에 제2 어텐션을 적용하고, 제1 어텐션 및 제2 어텐션의 적용 결과에 기초하여 이상행동을 모니터링할 수 있다.
보다 구체적으로, 제1 상관도는 현재 수험생과 시험장에 위치한 다른 수험생 사이의 상관 관계를 수치화한 지표를 의미할 수 있다. 이를 통해, 시험장 내에 서로 다른 수험생들이 협동하여 발생할 수 있는 이상 행동의 검출 가능성을 향상시킬 수 있다. 제1 상관도는 각각의 수험생의 제1 이미지 및 제2 이미지를 통해 검출된 수험생의 표정/시선 및 행동의 상호간의 관련성을 수치화한 것으로, 상관도가 높을수록 두 수험생 사이의 행동/표정/시선의 인과 관계가 존재하는 것으로 판단될 수 있다. 시험 관리 시스템은 제1 상관도가 높게 평가될수록, 현재 수험생의 제1 이미지 및 제2 이미지에 보다 높은 가중치가 부여되도록 하는 제1 어텐션을 제1 이미지 및 제2 이미지에 적용할 수 있다.
제2 상관도는 현재 수험생의 표정/시선과 행동 사이의 상관 관계를 수치화한 지표를 의미할 수 있다. 이를 통해, 책상 밑으로 컨닝 페이퍼를 배치하는 행동과 아래 영역을 바라보는 시선 사이의 상관 관계에 기초하여 발생될 수 있는 이상 행동의 검출 가능성을 향상시킬 수 있다. 제2 상관도는 현재 수험생의 제1 이미지 및 제2 이미지를 통해 검출된 현재 수험생의 표정/시선 및 행동 사이의 관련성을 수치화한 것으로, 상관도가 높게 평가될수록 표정/시선과 행동 사이의 인과관계가 높은 것으로 판단될 수 있다. 시험 관리 시스템은 제2 상관도가 높게 평가될수록, 현재 수험생의 제1 이미지 및 제2 이미지에 보다 높은 가중치가 부여되도록 하는 제2 어텐션을 제1 이미지 및 제2 이미지에 적용할 수 있다.
인공 신경망을 학습시키기 위한 학습 데이터에서도 앞서 언급한 제1 어텐션 및 제2 어텐션을 적용하는 프로세스를 수행함으로써, 인공 신경망의 예측의 정확도를 향상시킬 수 있다.
도 4b는 일 실시예에 따른 시험 관리 방법을 보다 상세하게 설명하기 위한 흐름도이다.
앞서 설명된 제1 어텐션 및 제2 어텐션에 기초하여 이상 행동이 발생될 가능성이 높은 영역에 가중치가 부여됨으로써, 어텐션이 적용된 학습 데이터를 이용하여 훈련된 인공 신경망의 예측의 정확도는 향상될 수 있다.
보다 구체적으로, 도 4b를 참조하면, 단계(431)에서 시험 관리 시스템은 제1 상관도를 산출할 수 있고, 단계(432)에서 제2 상관도를 산출할 수 있다. 단계(431) 및 단계(432)의 동작은 앞서 설명된 상관도 산출 방식과 동일할 수 있다.
단계(433)에서 시험 관리 시스템은 제1 이미지 및 제2 이미지에 제1 상관도에 기반한 제1 어텐션 및 제2 상관도에 기초한 제2 어텐션을 적용할 수 있으며, 구체적인 방식은 앞서 설명된 바와 동일할 수 있다.
단계(434)에서 시험 관리 시스템은 어텐션이 적용된 제1 이미지 및 제2 이미지를 통해 인공 신경망을 학습시킬 수 있다.
단계(435)에서 시험 관리 시스템은 제1 어텐션 및 제2 어텐션을 통해 소정의 임계치 이상의 가중치가 부여된 영역을 추출하고, 단계(436)를 통해 추출된 영역에 기초하여 인공 신경망을 재학습시킬 수 있다. 보다 구체적으로, 시험 관리 시스템은 추출된 영역을 크롭핑(Cropping)하고, 크롭핑된 영역을 리사이징하고, 리사이징된 결과를 입력으로 하여 인공신경망에 대한 재학습을 수행할 수 있다.
도 5a는 일 실시예에 따른 시험 관리 방법에 적용되는 인공 신경망을 설명하기 위한 도면이다.
도 5a를 참고하면, 일 실시예에 따른 시험 관리 방법에 사용되는 인공 신경망은, 3차원 convolution 연산을 수행하는 제2 요소(511, 512)를 포함할 수 있다. 제2 요소(511, 512)에는 3차원 형태의 데이터가 입력될 수 있다. 보다 구체적으로, 이미지로부터 추출되는 RGB 이미지(앞서 설명된 제1-1 입력 또는 제1-2 입력)에 대응되는 입력(513) 및 이미지로부터 추출되는 객체의 움직임 패턴(Optical Flow)에 대응되는 입력(514)가 입력될 수 있고, 입력에 기초하여 이상 행동과 관련된 결과 정보가 생성될 수 있다.
도 5b는 일 실시예에 따른 시험 관리 방법에 적용되는 인공 신경망의 구조를 설명하기 위한 도면이다.
도 5b를 참조하면, 일 실시예에 따른 미리 학습된 인공 신경망은 (a)의 구조를 취할 수 있으며, 제1-1 입력 내지 제2-2 입력에 기초하여 제1 결과 정보 및 제2 결과 정보를 출력하도록 미리 학습될 수 있다.
미리 학습된 인공 신경망은 (a)에 도시된 바와 같이 Convolution 연산과 Pooling 연산을 병렬적으로 수행하고, 수행 결과를 결합(Concatenation)하는 연산을 수행하는 적어도 하나의 제1 요소(521), 컨볼루션 연산을 수행하는 적어도 하나의 제2 요소(522) 및, pooling 연산을 수행하는 적어도 하나의 제3 요소(523)가 직렬 연결된 형태일 수 있다.
제2 요소(522)의 경우, 7x7x7의 convolution 연산을 stride 2로 수행하는 제2-1 요소, 1x1x1의 convolution 연산을 수행하는 제2-2 요소, 3x3x3의 convolution 연산을 수행하는 제2-3 요소 및 1x1x1의 convolution 연산을 수행하는 제2-4 요소를 포함할 수 있다.
제3 요소(533)의 경우, 1x3x3의 Max-Pooling 연산을 stride 1,2,2로 수행하는 제3-1 요소, 1x3x3의 Max-Pooling 연산을 stride 1,2,2로 수행하는 제3-2 요소, 3x3x3의 Max-Pooling 연산을 stride 2로 수행하는 제3-3 요소, 2x2x2의 Max-Pooling 연산을 stride 2로 수행하는 제3-4 요소, 2x2x2의 Average-Pooling 연산을 수행하는 제3-5 요소를 포함할 수 있다.
제1 요소(521)은 (b)에 도시된 바와 같이, Convolution 연산을 수행하는 제2 요소와 Pooling 연산 수행하는 제3 요소를 통해 Convolution 연산과 Pooling 연산을 병렬적으로 수행하고, 수행 결과를 결합(Concatenation)하는 연산을 수행하는 구조를 취하고 있으며, 이를 통해 보다 효과적으로 입력에 대한 특징을 추출할 수 있다.
도 6은 일 실시예에 따른 시험 관리 시스템의 구조를 설명하기 위한 블록도이다.
도 6을 참조하면, 시험 관리 시스템(600)은 프로세서(620)를 포함한다. 시험 관리 시스템(600)은 메모리(610) 및 통신 인터페이스(630)를 더 포함할 수 있다. 프로세서(610), 메모리(630) 및 통신 인터페이스(650)는 통신 버스(미도시)를 통해 서로 통신할 수 있다.
앞서 설명된 식별 에이전트, 감시 에이전트, 웹서버, Private VM은 시험 관리 시스템(600)에 대응하는 단일 장치에 의해 구현될 수 있으며, 실시예에 따라서 식별 에이전트 및 구현 에이전트가 단일 장치로 구현되고, 나머지 장치는 별도의 장치를 통해 구현되는 형식으로 복수의 장치의 연동에 기초하여 시험 관리 시스템(600)이 구현될 수도 있다. 시험 관리 시스템(600)이 복수의 장치의 연동에 기초하여 구현되는 방식은 위 예시에 한정되지 않고, 임의의 변형례에 본원 발명의 권리 범위가 확장될 수 있다.
프로세서(620)는 수험생의 이미지 또는 생체 정보 중 적어도 하나에 기초하여 수험생의 시험장 입장 여부를 결정하기 위한 인증을 수행하고, 인증에 성공한 수험생에 대응하여, 수험생에 고유한 프라이빗 가상 머신(Private Virtual Machine)을 생성하고, 프라이빗 가상 머신을 통해, 상기 수험생에 대응하여 생성된 시험 문제를 상기 수험생에 대응되는 사용자 단말에 시험 문제를 제공하고, 미리 학습된 인공 신경망에 기초하여 상기 수험생의 이상행동을 모니터링할 수 있다.
메모리(610)는 휘발성 메모리 또는 비 휘발성 메모리일 수 있다.
이 밖에도, 프로세서(620)는 프로그램을 실행하고, 시험 관리 시스템(600)을 제어할 수 있다. 프로세서(620)에 의하여 실행되는 프로그램 코드는 메모리(610)에 저장될 수 있다. 시험 관리 시스템(600)은 입출력 장치(미도시)를 통하여 외부 장치(예를 들어, 퍼스널 컴퓨터 또는 네트워크)에 연결되고, 데이터를 교환할 수 있다. 시험 관리 시스템(600)은 서버에 탑재될 수 있다. 시험 관리 시스템(600)은 앞선 도면을 통해 설명된 시험 관리 방법과 관련된 일련의 프로세스를 수행할 수 있음은 통상의 기술자가 이해할 것이다.
이상에서 설명된 실시예들은 하드웨어 구성요소, 소프트웨어 구성요소, 및/또는 하드웨어 구성요소 및 소프트웨어 구성요소의 조합으로 구현될 수 있다. 예를 들어, 실시예들에서 설명된 장치, 방법 및 구성요소는, 예를 들어, 프로세서, 콘트롤러, ALU(arithmetic logic unit), 디지털 신호 프로세서(digital signal processor), 마이크로컴퓨터, FPGA(field programmable gate array), PLU(programmable logic unit), 마이크로프로세서, 또는 명령(instruction)을 실행하고 응답할 수 있는 다른 어떠한 장치와 같이, 하나 이상의 범용 컴퓨터 또는 특수 목적 컴퓨터를 이용하여 구현될 수 있다. 처리 장치는 운영 체제(OS) 및 상기 운영 체제 상에서 수행되는 하나 이상의 소프트웨어 애플리케이션을 수행할 수 있다. 또한, 처리 장치는 소프트웨어의 실행에 응답하여, 데이터를 접근, 저장, 조작, 처리 및 생성할 수도 있다. 이해의 편의를 위하여, 처리 장치는 하나가 사용되는 것으로 설명된 경우도 있지만, 해당 기술분야에서 통상의 지식을 가진 자는, 처리 장치가 복수 개의 처리 요소(processing element) 및/또는 복수 유형의 처리 요소를 포함할 수 있음을 알 수 있다. 예를 들어, 처리 장치는 복수 개의 프로세서 또는 하나의 프로세서 및 하나의 콘트롤러를 포함할 수 있다. 또한, 병렬 프로세서(parallel processor)와 같은, 다른 처리 구성(processing configuration)도 가능하다.
소프트웨어는 컴퓨터 프로그램(computer program), 코드(code), 명령(instruction), 또는 이들 중 하나 이상의 조합을 포함할 수 있으며, 원하는 대로 동작하도록 처리 장치를 구성하거나 독립적으로 또는 결합적으로(collectively) 처리 장치를 명령할 수 있다. 소프트웨어 및/또는 데이터는, 처리 장치에 의하여 해석되거나 처리 장치에 명령 또는 데이터를 제공하기 위하여, 어떤 유형의 기계, 구성요소(component), 물리적 장치, 가상 장치(virtual equipment), 컴퓨터 저장 매체 또는 장치, 또는 전송되는 신호 파(signal wave)에 영구적으로, 또는 일시적으로 구체화(embody)될 수 있다. 소프트웨어는 네트워크로 연결된 컴퓨터 시스템 상에 분산되어서, 분산된 방법으로 저장되거나 실행될 수도 있다. 소프트웨어 및 데이터는 하나 이상의 컴퓨터 판독 가능 기록 매체에 저장될 수 있다.
실시예에 따른 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 매체에 기록되는 프로그램 명령은 실시예를 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다.
이상과 같이 실시예들이 비록 한정된 도면에 의해 설명되었으나, 해당 기술분야에서 통상의 지식을 가진 자라면 상기를 기초로 다양한 기술적 수정 및 변형을 적용할 수 있다. 예를 들어, 설명된 기술들이 설명된 방법과 다른 순서로 수행되거나, 및/또는 설명된 시스템, 구조, 장치, 회로 등의 구성요소들이 설명된 방법과 다른 형태로 결합 또는 조합되거나, 다른 구성요소 또는 균등물에 의하여 대치되거나 치환되더라도 적절한 결과가 달성될 수 있다.
그러므로, 다른 구현들, 다른 실시예들 및 특허청구범위와 균등한 것들도 후술하는 특허청구범위의 범위에 속한다.

Claims (7)

  1. 컴퓨팅 장치에 의해 수행되는, 시험 관리 방법에 있어서,
    수험생의 이미지 또는 생체 정보 중 적어도 하나에 기초하여 수험생의 시험장 입장 여부를 결정하기 위한 인증을 수행하는 단계;
    상기 인증에 성공한 수험생에 대응하여, 상기 수험생에 고유한 프라이빗 가상 머신(Private Virtual Machine)을 생성하는 단계;
    상기 프라이빗 가상 머신을 통해, 상기 수험생에 대응하여 생성된 시험 문제를 상기 수험생에 대응되는 사용자 단말에 시험 문제를 제공하는 단계; 및
    미리 학습된 인공 신경망에 기초하여 상기 수험생의 이상행동을 모니터링하는 단계
    를 포함하고,
    상기 가상 머신을 생성하는 단계는,
    각각의 수험생 별로 독립적인 가상 머신을 생성함으로써, 상기 프라이빗 가상 머신을 생성하고,
    상기 시험 문제를 제공하는 단계는,
    각각의 수험생 별로 번호 조합을 달리한 시험 문제를 상기 프라이빗 가상 머신을 통해 각각의 수험생의 사용자 단말에 제공하고,
    상기 미리 학습된 인공 신경망은,
    수험생의 얼굴에 대응하는 제1 이미지 및 수험생의 얼굴 이외의 형상에 대응되는 제2 이미지에 기초하여, 수험생의 자리 유지 여부에 대한 제1 결과 정보 및 수험생의 집중도를 수치화한 제2 결과 정보를 출력하도록 학습되고,
    상기 이상행동을 모니터링하는 단계는,
    상기 수험생의 표정/시선 및 행동과 시험장 내에 위치하는 다른 수험생의 표정/시선 및 행동 사이의 관련성을 수치화한 제1 상관도에 기초하여 상기 제1 이미지 및 상기 제2 이미지에 소정의 제1 가중치를 부여하는 단계;
    상기 수험생의 표정/시선과 행동 사이의 관련성을 수치화한 제2 상관도에 기초하여 상기 제1 이미지 및 상기 제2 이미지에 소정의 제2 가중치를 부여하는 단계; 및
    상기 제1 가중치 및 제2 가중치를 부여한 결과에 기초하여 이상행동을 모니터링하는 단계
    를 포함하는, 시험 관리 방법.
  2. 삭제
  3. 제1항에 있어서,
    상기 미리 학습된 인공 신경망은,
    상기 제1 이미지로부터 추출되는 RGB 이미지에 대응되는 제1-1 입력, 상기 제1 이미지 내에 포함된 객체의 움직임 패턴에 대응되는 제1-2 입력, 상기 제2 이미지로부터 추출되는 RGB 이미지에 대응되는 제2-1 입력 및 상기 제2 이미지 내에 포함된 객체의 움직임 패턴에 대응되는 제2-2 입력으로부터 상기 제1 결과 정보 및 상기 제2 결과 정보를 출력하도록 미리 학습되는, 시험 관리 방법.
  4. 제1항에 있어서,
    상기 미리 학습된 인공 신경망은,
    Convolution 연산과 Pooling 연산을 병렬적으로 수행하고, 수행 결과를 결합(Concatenation)하는 연산을 수행하는 적어도 하나의 제1 요소, 컨볼루션 연산을 수행하는 적어도 하나의 제2 요소 및, pooling 연산을 수행하는 적어도 하나의 제3 요소가 직렬 연결된 형태인, 시험 관리 방법.
  5. 삭제
  6. 제1항의 방법을 수행하기 위한 명령어들을 포함하는 하나 이상의 프로그램을 저장한 컴퓨터 판독 가능 저장매체.
  7. 온라인 시험 화상 원격 관리 및 감독하기 위한 시험 관리 시스템에 있어서,
    통신부; 및
    프로세서
    를 포함하고,
    상기 프로세서는,
    수험생의 이미지 또는 생체 정보 중 적어도 하나에 기초하여 수험생의 시험장 입장 여부를 결정하기 위한 인증을 수행하고,
    상기 인증에 성공한 수험생에 대응하여, 상기 수험생에 고유한 프라이빗 가상 머신(Private Virtual Machine)을 생성하고,
    상기 프라이빗 가상 머신을 통해, 상기 수험생에 대응하여 생성된 시험 문제를 상기 수험생에 대응되는 사용자 단말에 시험 문제를 제공하고,
    미리 학습된 인공 신경망에 기초하여 상기 수험생의 이상행동을 모니터링하고,
    상기 프로세서는,
    각각의 수험생 별로 독립적인 가상 머신을 생성함으로써, 상기 프라이빗 가상 머신을 생성하고,
    각각의 수험생 별로 번호 조합을 달리한 시험 문제를 상기 프라이빗 가상 머신을 통해 각각의 수험생의 사용자 단말에 제공하고,
    상기 미리 학습된 인공 신경망은,
    수험생의 얼굴에 대응하는 제1 이미지 및 수험생의 얼굴 이외의 형상에 대응되는 제2 이미지에 기초하여, 수험생의 자리 유지 여부에 대한 제1 결과 정보 및 수험생의 집중도를 수치화한 제2 결과 정보를 출력하도록 학습되고,
    상기 프로세서는,
    상기 수험생의 표정/시선 및 행동과 시험장 내에 위치하는 다른 수험생의 표정/시선 및 행동 사이의 관련성을 수치화한 제1 상관도에 기초하여 상기 제1 이미지 및 상기 제2 이미지에 소정의 제1 가중치를 부여하고,
    상기 수험생의 표정/시선과 행동 사이의 관련성을 수치화한 제2 상관도에 기초하여 상기 제1 이미지 및 상기 제2 이미지에 소정의 제2 가중치를 부여하고,
    상기 제1 가중치 및 제2 가중치를 부여한 결과에 기초하여 이상행동을 모니터링하는, 시험 관리 시스템.
KR1020210035142A 2020-07-13 2021-03-18 온라인 시험 화상 원격 관리 및 감독 시스템 KR102321917B1 (ko)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR20200085936 2020-07-13
KR1020200085936 2020-07-13

Publications (1)

Publication Number Publication Date
KR102321917B1 true KR102321917B1 (ko) 2021-11-04

Family

ID=78521546

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020210035142A KR102321917B1 (ko) 2020-07-13 2021-03-18 온라인 시험 화상 원격 관리 및 감독 시스템

Country Status (1)

Country Link
KR (1) KR102321917B1 (ko)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2023113196A1 (ko) * 2021-12-16 2023-06-22 삼성전자 주식회사 지능형 영상 분석 방법을 제공하기 위한 장치 및 방법
KR102558675B1 (ko) * 2022-03-21 2023-07-25 맹진영 에이피, 에이레벨 및 국제 바칼로레아를 교육하는 교원 양성 프로그램 운영 장치 및 방법
CN117058612A (zh) * 2023-07-20 2023-11-14 北京信诺软通信息技术有限公司 一种在线考试作弊识别方法、电子设备及存储介质
KR102683405B1 (ko) * 2023-07-04 2024-07-10 주식회사 에딘트 시험 감독 결과를 제공하기 위한 방법, 프로그램 및 장치

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20020010949A (ko) * 2000-07-31 2002-02-07 최규완 온라인상에서 응시자 인증 및 감독 방법
KR20090092642A (ko) * 2008-02-27 2009-09-01 주식회사 글맥학원 책상형 학습 장치 및 이를 이용한 학습 방법
KR20140015196A (ko) * 2012-07-25 2014-02-06 주식회사 엘지씨엔에스 시험 환경 관리 방법, 이를 수행하는 시험 단말, 이를 수행하는 시험 환경 관리 시스템 및 이를 저장한 기록매체
JP2016177475A (ja) * 2015-03-19 2016-10-06 京セラドキュメントソリューションズ株式会社 監視システム
CN110909722A (zh) * 2019-12-26 2020-03-24 温州鑫锐翔科技有限公司 基于目标动作检测的防作弊摄像头
JP2020071811A (ja) * 2018-11-02 2020-05-07 深和パテントサービス株式会社 情報処理装置、情報処理システム、学習装置、学習済の推定モデル、および学習用データの収集方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20020010949A (ko) * 2000-07-31 2002-02-07 최규완 온라인상에서 응시자 인증 및 감독 방법
KR20090092642A (ko) * 2008-02-27 2009-09-01 주식회사 글맥학원 책상형 학습 장치 및 이를 이용한 학습 방법
KR20140015196A (ko) * 2012-07-25 2014-02-06 주식회사 엘지씨엔에스 시험 환경 관리 방법, 이를 수행하는 시험 단말, 이를 수행하는 시험 환경 관리 시스템 및 이를 저장한 기록매체
JP2016177475A (ja) * 2015-03-19 2016-10-06 京セラドキュメントソリューションズ株式会社 監視システム
JP2020071811A (ja) * 2018-11-02 2020-05-07 深和パテントサービス株式会社 情報処理装置、情報処理システム、学習装置、学習済の推定モデル、および学習用データの収集方法
CN110909722A (zh) * 2019-12-26 2020-03-24 温州鑫锐翔科技有限公司 基于目标动作检测的防作弊摄像头

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2023113196A1 (ko) * 2021-12-16 2023-06-22 삼성전자 주식회사 지능형 영상 분석 방법을 제공하기 위한 장치 및 방법
KR102558675B1 (ko) * 2022-03-21 2023-07-25 맹진영 에이피, 에이레벨 및 국제 바칼로레아를 교육하는 교원 양성 프로그램 운영 장치 및 방법
KR102683405B1 (ko) * 2023-07-04 2024-07-10 주식회사 에딘트 시험 감독 결과를 제공하기 위한 방법, 프로그램 및 장치
CN117058612A (zh) * 2023-07-20 2023-11-14 北京信诺软通信息技术有限公司 一种在线考试作弊识别方法、电子设备及存储介质
CN117058612B (zh) * 2023-07-20 2024-03-29 北京信诺软通信息技术有限公司 一种在线考试作弊识别方法、电子设备及存储介质

Similar Documents

Publication Publication Date Title
KR102321917B1 (ko) 온라인 시험 화상 원격 관리 및 감독 시스템
JP7004522B2 (ja) ライブネス検査方法及び装置
CN108875833B (zh) 神经网络的训练方法、人脸识别方法及装置
KR102038851B1 (ko) 신원들을 검증하기 위한 방법 및 시스템
KR20190075560A (ko) 라이브니스 검사 방법 및 장치
KR20170002892A (ko) 위조 지문 검출 방법 및 장치, 지문 인식 방법 및 장치
KR102374747B1 (ko) 객체를 인식하는 장치 및 방법
JP2019522278A (ja) 身分認証方法および装置
CN110851835A (zh) 图像模型检测方法、装置、电子设备及存储介质
Singh et al. Biometric identification system: security and privacy concern
Kumar et al. Using continuous biometric verification to protect interactive login sessions
CN107679860A (zh) 一种用户认证的方法、装置、设备和计算机存储介质
KR20060009333A (ko) 생체 인식 센서들을 선택적으로 활성화하는 시스템 및 방법
US11682236B2 (en) Iris authentication device, iris authentication method and recording medium
KR20180109664A (ko) 라이브니스 검사 방법 및 장치
KR102558741B1 (ko) 사용자 등록 장치 및 방법
US20220189212A1 (en) Authentication device, authentication method, and recording medium
CN108875509A (zh) 活体检测方法、装置和系统及存储介质
KR102261833B1 (ko) 인증 방법 및 장치, 및 인식기 학습 방법 및 장치
RU2608001C2 (ru) Система и способ для распознавания человека на основе биометрического поведенческого контекста
WO2021180001A1 (zh) 身份验证
KR20230017454A (ko) 비대면 평가에서의 부정행위 방지 방법, 장치 및 프로그램
KR20200137450A (ko) 인공지문 감지 시스템 및 이를 이용한 인공지문 감지 방법
KR20070118806A (ko) 임베디드 시스템용 안면 검출방법
CN114245204A (zh) 基于人工智能的视频面签方法、装置、电子设备及介质

Legal Events

Date Code Title Description
E701 Decision to grant or registration of patent right
GRNT Written decision to grant