KR20200049262A - 온라인 블라인드 채용 시험 제공 시스템 및 그 방법 - Google Patents

온라인 블라인드 채용 시험 제공 시스템 및 그 방법 Download PDF

Info

Publication number
KR20200049262A
KR20200049262A KR1020180132296A KR20180132296A KR20200049262A KR 20200049262 A KR20200049262 A KR 20200049262A KR 1020180132296 A KR1020180132296 A KR 1020180132296A KR 20180132296 A KR20180132296 A KR 20180132296A KR 20200049262 A KR20200049262 A KR 20200049262A
Authority
KR
South Korea
Prior art keywords
test
blind
area
pupil
recruitment
Prior art date
Application number
KR1020180132296A
Other languages
English (en)
Inventor
손부경
Original Assignee
(주)포세듀
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 (주)포세듀 filed Critical (주)포세듀
Priority to KR1020180132296A priority Critical patent/KR20200049262A/ko
Publication of KR20200049262A publication Critical patent/KR20200049262A/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
    • G06Q10/00—Administration; Management
    • G06Q10/10—Office automation; Time management
    • G06Q10/105—Human resources
    • G06Q10/1053—Employment or hiring
    • G06K9/00302—
    • G06K9/00597—
    • 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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G06V40/174—Facial expression recognition
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/18—Eye characteristics, e.g. of the iris

Abstract

본 발명은 블라인드 채용을 위한 기업회원 및 응시자회원의 가입 후, 온라인으로 채용 시험을 수행하는데 있어서, 상기 채용 시험을 응시하기 위해 단말기 화면을 바라보는 응시자의 영상(안면 데이터)을 처리하여 응시자의 부정행위가 의심되는 행위를 검출함으로써, 온라인 시험의 부정행위를 감독하여 시험의 신뢰성 및 공정성을 확보할 수 있고, 집중도를 분석하는 알고리즘을 이용하여 해당 응시자의 문제읽기 및 답변풀이에 소요되는 소요시간을 확인함으로써, 해당 문제의 정답률에 근거한 난이도를 도출하여 분석결과에 따른 문제은행을 구축하고, 상기 기업회원에게 상위 기설정 비율의 지원자(응시자)의 부정행위 의심 동작 감지 횟수를 포함한 이력서 및 상기 채용 시험에 포함된 각 문제에 대한 집중도 분석결과를 포함한 블라인드 채용 시험 결과 제공이 가능한 온라인 블라인드 채용 시험 제공 시스템 및 그 방법을 제공한다.

Description

온라인 블라인드 채용 시험 제공 시스템 및 그 방법{SYSTEM FOR PROVIDING ONLINE BLINDED EMPLOYMENT EXAMINATION AND A METHOD THEREOF}
본 발명은 온라인 블라인드 채용 시험 제공 시스템 및 그 방법에 관한 것으로서, 더욱 상세하게는, 블라인드 채용을 위한 기업회원 및 응시자회원의 가입 후, 온라인으로 채용 시험을 수행하는데 있어서, 상기 채용 시험을 응시하기 위해 단말기 화면을 바라보는 응시자의 영상(안면 데이터)을 처리하여 응시자의 부정행위가 의심되는 행위를 검출함으로써, 온라인 시험의 부정행위를 감독하여 시험의 신뢰성 및 공정성을 확보할 수 있고, 집중도를 분석하는 알고리즘을 이용하여 해당 응시자의 문제읽기 및 답변풀이에 소요되는 소요시간을 확인함으로써, 해당 문제의 정답률에 근거한 난이도를 도출하여 분석결과에 따른 문제은행을 구축하고, 상기 기업회원에게 상위 기설정 비율의 지원자(응시자)의 부정행위 의심 동작 감지 횟수를 포함한 이력서 및 상기 채용 시험에 포함된 각 문제에 대한 집중도 분석결과를 포함한 블라인드 채용 시험 결과 제공이 가능한 온라인 블라인드 채용 시험 제공 시스템 및 그 방법에 관한 것이다.
전통적인 채용 구조는 차별, 지나친 스펙 중심의 채용 프로세스로 지나친 취업사교육 비용 문제로 연결되어 채용 시장에서도 빈익빈부익부 형상이 발생됨에 따라 심각한 사회문제로 인식되고 있다.
또한, 기존의 채용 프로세스는 기업-구직자 간의 정보 및 이해 부족 등의 문제를 발생시키며, 결과적으로 취업자의 이직, 기업의 재교육 비용 등의 새로운 문제를 발생시킴에 따라 기업, 구직자 모두에게 경제적, 시간적 낭비를 초래한다.
한국경영자협회에 따르며, 1년 이하 신입사원 이직율은 27.7%이고, 이직을 희망하는 신입사원 비율은 80%로 높은 편이다.
전통적인 오프라인 중심의 채용방식은 시간적, 경제적 비용이 발생하고 효과적인 인재 선별이 어렵다는 한계점이 있어, 블라인드 채용 방식이 확대되고 있다.
먼저 정부 공공기관을 중심으로 블라인드 채용 제도를 시행하고 있으며, 민간에서도 실무 역량 중심 채용 프로세스가 점차 확대되고 있다.
한편, 온라인 시험은, 전통적인 면대면 상황과는 다르게 PC나 스마트폰 등의 디스플레이 수단이 있으면 시간과 장소의 제한없이 편리하게 응시할 수 있는 장점이 있어 널리 이용되고 있다.
그러나, 오프라인 시험과 달리 관리가 이루어지지 않아 응시자의 부정행위가 발생될 가능성이 많다.
한편, 강의, 영화나 드라마, 게임 등과 같은 영상컨텐츠의 경우 수강자 또는 시청자, 게이머 등의 사용자를 대상으로 해당 영상컨텐츠에 대한 정성적 가치를 판단하기 위해 컨텐츠 제공중에 얼마나 집중해서 수강 또는 시청(게임)했는지를 조사하여 컨텐츠 보완 및 개발에 필요한 데이터를 확보하려는 시도가 있으나, 종래의 컨텐츠 집중도에 대한 조사는 설문조사 형식을 취하기 때문에 영상컨텐츠의 전체적인 집중도에 대한 평가만이 이루어지게 되며 주관적인 의사가 반영되어 객관화된 결과를 얻지 못하는 문제점이 있었다.
한편, 대한민국 등록특허 10-0978091에는, 학습자의 로그인 정보와 개인 정보, 수험 정보를 저장하는 학습자 정보 데이터베이스, 온라인 테스트를 위한 평가 문항을 저장하는 문제 은행 데이터베이스, 온라인 테스트 시험 화면을 통하여 온라인 테스트를 수행할 때 학습자가 온라인 테스트에 출력된 문제들에 대한 보기 입력순서, 보기 변경 클릭회수, 보기 선택 후 보기 입력에 걸린 반응시간 데이터를 수집하는 온라인 테스트부, 및 상기 온라인 테스트부로부터 수집된 학습자의 온라인 테스트 데이터를 분석하여 학습자의 학습수준과 학습능력, 수험 행태를 평가하고 진단하여 온라인으로 학습자 단말 또는 교수자 단말로 보고하는 반응패턴 분석부를 포함하고, 보기 선택순서, 클릭회수, 반응시간을 학습자의 평가결과에 반영하여 효율적으로 학습자의 학습수 준과 학습능력, 성향을 평가하고 진단할 수 있도록 하는 온라인 테스트 평가 관리 시스템 및 방법을 개시하고 있다.
한편, 대한민국 공개특허 10-2017-0110350에는, 학습, 검사 등에서 카메라 영상을 이용한 측정 대상자의 집중도 측정 장치 및 방법에 관한 것으로서, 특히, 개인화 모델 기술을 활용하여 측정 대상자 개인의 데이터를 기반으로 개인화 특성을 고려해 정확한 측정 집중도 측정이 가능한, 집중도 측정 장치 및 방법을 개시하고 있다.
한편, 대한민국 공개특허 10-2017-0051385에는, 영상컨텐츠를 시청하는 피평가자의 시청모습을 촬영한 영상데이터의 영상분석을 통해 피평가자가 영상 컨텐츠를 시청하는 중에 얼마만큼 몰입했는지에 대한 집중도를 정량화하여 평가데이터로 산정할 수 있는 집중도 평가장치를 개시하고 있다.
한편, 대한민국 공개특허 10-2016-0137135에는, 인재를 채용하고자 하는 기업에 맞는 채용 사이트를 주문 제작할 수 있게 하는 맞춤형 채용 사이트 생성을 통한 온라인 채용 방법 및 이를 기록한 컴퓨터로 판독가능한 기록매체를 개시하고 있다.
한국등록특허[10-0978091](등록일자:2010. 08. 19) 한국공개특허[10-2017-0110350](공개일자:2017. 10. 11) 한국공개특허[10-2017-0051385](공개일자:2017. 06. 11) 한국공개특허[10-2016-0137135](공개일자:2016. 11. 30)
따라서, 본 발명은 상기한 바와 같은 문제점을 해결하기 위하여 고안된 것으로, 본 발명의 목적은 블라인드 채용을 위한 기업회원 및 응시자회원의 가입 후, 온라인으로 채용 시험을 수행하는데 있어서, 상기 채용 시험을 응시하기 위해 단말기 화면을 바라보는 응시자의 영상(안면 데이터)을 처리하여 응시자의 부정행위가 의심되는 행위를 검출함으로써, 온라인 시험의 부정행위를 감독하여 시험의 신뢰성 및 공정성을 확보할 수 있고, 집중도를 분석하는 알고리즘을 이용하여 해당 응시자의 문제읽기 및 답변풀이에 소요되는 소요시간을 확인함으로써, 해당 문제의 정답률에 근거한 난이도를 도출하여 분석결과에 따른 문제은행을 구축하고, 상기 기업회원에게 상위 기설정 비율의 지원자(응시자)의 부정행위 의심 동작 감지 횟수를 포함한 이력서 및 상기 채용 시험에 포함된 각 문제에 대한 집중도 분석결과를 포함한 블라인드 채용 시험 결과 제공이 가능한 온라인 블라인드 채용 시험 제공 시스템 및 그 방법을 제공한다.
본 발명의 실시예들의 목적은 이상에서 언급한 목적으로 제한되지 않으며, 언급되지 않은 또 다른 목적들은 아래의 기재로부터 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 명확하게 이해될 수 있을 것이다.
상기한 바와 같은 목적을 달성하기 위한 본 발명의 일 실시예에 따른 온라인 블라인드 채용 시험 제공 시스템은, 응시자가 블라인드 채용 시험에 응시하기 위한 응시자 단말기(210); 상기 응시자 단말기에 부착되거나 스마트기기에 구비되어 해당 응시자의 정면을 촬영하기 위한 카메라(220); 기업회원의 블라인드 채용 정보 및 채용 시험 문제를 입력받고, 블라인드 채용 시험 결과를 제공받기 위한 기업회원 단말기(230); 상기 카메라로부터 상기 응시자를 촬영한 영상정보를 프레임 단위로 전달받아 영상처리를 통해 획득한 다수의 동공좌표를 클러스터링 및 분석하여 해당 응시자의 부정행위 의심 동작 횟수 및 집중도를 산출하는 안면 데이터 분석 서버(200); 및 온라인 블라인드 채용 시험 서비스를 제공하는데 있어서, 상기 산출한 집중도에 기반하여 해당 응시자의 문제읽기 및 답변풀이에 소요되는 소요시간을 확인함으로써, 해당 문제의 정답률에 근거한 난이도를 도출하여 난이도 분석결과에 따른 문제은행을 구축하고, 상기 기업회원의 요청에 따라 채용 시험 문제를 제공하고, 상기 채용 시험 문제를 채점하여 분석한 채용 시험 결과 및 상기 응시자의 부정행위 의심 동작 횟수를 제공하기 위한 블라인드 채용 시험 제공 서버(240)를 포함하는 것을 특징으로 한다.
상기 안면 데이터 분석 서버(200)는, 상기 응시자의 영상정보로부터 얼굴 영역을 포함하는 사각형 영역을 정의하기 위한 얼굴 인식부(303); 상기 사각형 영역을 기준으로 한 좌표시스템에서 양쪽 눈의 형상과 명암을 영상 처리하여 양쪽 눈에 대한 영상분석영역 및 동공좌표를 획득하는 동공좌표 획득부(304); 상기 양쪽 눈의 동공 좌표의 중간 좌표를 결정하는 중간 좌표 획득부(305); 상기 응시자의 몸과 얼굴 영역을 제외한 모든 영역에 대하여 백그라운드로 설정하는 배경 인식부(306); 상기 얼굴 인식부에서 획득되는 얼굴 영역이 2개 이상인지 아닌지 여부, 상기 동공 좌표 획득부로부터 전달받은 기준 동공 좌표값과 실시간 동공 좌표 평균값을 비교하여 상기 기준 동공 좌표값을 기준으로 상기 실시간 동공 좌표 평균값이 기 설정된 오차 범위를 벗어나는지 여부, 상기 중간 좌표 획득부로부터 전달받은 중간 좌표의 이동 거리가 기 설정된 오차 범위를 벗어나는지 여부, 및 상기 배경 인식부로부터 전달받은 백그라운드 영역의 변화가 감지되는지 여부를 판단하기 위한 부정행위 판단부(307); 초기 기설정 시간 동안 획득한 샘플 동공좌표에 대한 클러스터링 및 클러스터링 품질평가를 통해 집중도 평가에 사용할 영역을 다수개의 영역으로 구분하는 캘리브레이션부(308); 및 상기 동공좌표 획득부에서 획득한 다수의 동공좌표가 상기 캘리브레이션부에서 구분한 다수의 각 영역 중 어느 영역에 속하는지 판단하여 각 영역의 집중도 인덱스를 증가시키거나 감소시켜 해당 응시자의 각 문제별 문제영역 및 풀이영역의 집중도를 계산하는 집중도 산출부(309)를 포함하는 것을 특징으로 한다.
상기 캘리브레이션부(308)는, 상기 영상분석영역을 기설정 개수의 그리드로 구분하고, 소정의 개수 미만의 샘플 동공좌표를 포함하는 그리드를 상기 영상분석영역에서 제외하는 비분석영역 소거부(801); 상기 영상분석영역에서 상기 비분석영역을 제외한 나머지 영역에 포함된 샘플 동공좌표에 대하여 K-평균 알고리즘을 이용하여 소정 횟수의 클러스터링을 수행하는 클러스터링부(802); 상기 소정 횟수의 각 클러스터링 결과에 따른 상기 샘플 동공좌표의 군집정도를 평가하여 적어도 2개 이상의 클러스터링 결과를 결정하는 내부평가부(803); 상기 결정된 클러스터링 결과 내 클러스터별 밀집도를 계산하여 각 클러스터를 재평가하는 클러스터 재평가부(804); 및 상기 비분석영역은 비집중영역으로 결정하고, 상기 비분석영역이 제외된 영상분석영역에서 상기 클러스터 재평가부에서 계산한 밀집도에 따라 기설정 개수 이상의 클러스터를 포함하는 최대집중영역을 결정하고, 그 외의 영역에 대해서는 집중영역으로 결정하는 집중도분석영역 결정부(805)를 포함하는 것을 특징으로 한다.
상기 온라인 블라인드 채용 시험 제공 시스템은, 상기 온라인 블라인드 채용 시험 진행시, 상기 안면 데이터 분석 서버(200)로부터 부정행위 의심 동작이 기설정 횟수 이상 감지됨에 따라 이를 수신하는 감독관 단말기(250)를 더 포함하는 것을 특징으로 한다.
또한, 본 발명의 일 실시예에 따른 온라인 블라인드 채용 시험 제공 방법은, 기업회원 단말기를 통해 기업회원으로 응시자 단말기를 통해 일반회원으로 블라인드 채용 시험 제공 시스템에 회원으로 가입하는 단계(S1410); 상기 기업회원이 채용공고를 함에 따라, 상기 일반회원은 입사지원을 하는 단계(S1420); 상기 채용 공고에 따른 시험문제를 등록하는 단계(S1430); 블라인드 채용 시험이 치러지는 동안, 부정행위 감지 및 응시자의 집중도 분석이 수행되는 단계(S1440); 시험이 종료됨에 따라, 채점하는 단계(S1450); 상기 기업회원에게 상기 블라인드 채용 시험의 고득점자 이력서를 제공하는 단계(S1460); 각 문제별 집중도 및 정답률에 따른 문제 난이도를 분석하여 문제은행을 구축하는 단계(S1470); 및 상기 채용 시험 응시자에게 본인의 부정행위 의심 동작 횟수를 제공하는 단계(S1480)를 포함하는 것을 특징으로 한다.
상기 채용 공고에 따른 시험문제를 등록하는 단계(S1430)는, 상기 기업회원의 직접 등록에 따른 무료 등록 및 전문가 대행에 따른 유료 등록을 포함하고, 상기 전문가 대행에 따른 유료 등록은, 검증된 전문가를 매칭을 통해 선택하는 단계(S1530); 기설정된 비용을 청구하는 단계(S1540); 상기 기업회원의 인재상 및 요구되는 직무역량을 포함한 요구사항을 분석하는 단계(S1550); 및 시험 문제가 출제됨에 따라, 상기 기업회원 단말기를 통해 승인을 받는 단계(S1560)를 포함하는 것을 특징으로 하고, 상기 채점하는 단계(S1450)는, 상기 기업회원이 시험 문제를 직접 등록한 경우, 상기 기업회원이 채점을 진행하되, 상기 전문가가 시험 문제를 등록한 경우, 상기 전문가가 채점을 진행하는 단계(S1570)를 포함하는 것을 특징으로 한다.
상기 부정행위 감지가 수행되는 단계는, 응시자의 동공 움직임의 변화에 따른 부정행위를 검출하는 단계; 상기 응시자 머리의 움직임 변화에 따른 부정행위를 검출하는 단계(S714); 상기 응시자 외 인물 검출에 따른 부정행위를 검출하는 단계(S704); 및 백그라운드의 변화로 부정행위를 검출하는 단계(S707)를 포함하고, 상기 응시자의 동공 움직임의 변화에 따른 부정행위를 검출하는 단계는, 카메라로부터 영상 데이터를 프레임 단위로 전달받는 영상획득단계(S701); 응시자의 영상정보로부터 얼굴 영역을 포함하는 사각형 영역을 정의하는 얼굴인식단계(S702); 상기 사각형 영역을 기준으로 한 좌표시스템에서 양쪽 눈의 형상과 명암을 영상 처리하여 양쪽 눈에 대한 영상분석영역 및 동공좌표를 획득하는 동공좌표 획득단계(S708); 시험 시작 전 일정시간 동안의 동공 좌표의 평균값을 계산하여 기준 동공 좌표값을 획득하는 기준동공좌표값획득단계(S709); 시험이 시작되면 일정시간 단위로 각 응시자 양쪽 눈의 동공 좌표 평균값을 계산하여 실시간 동공 좌표 평균값을 획득하는 동공좌표평균값획득단계(S710); 및 상기 기준 동공 좌표값과 상기 실시간 동공 좌표 평균값과의 차이가 기설정된 오차범위를 넘어감에 따라, 부정행위 의심 동작이 감지됨을 카운트하는 단계(S712)를 포함하고, 상기 응시자 머리의 움직임 변화에 따른 부정행위를 검출하는 단계(S714)는, 상기 양쪽 눈의 동공 좌표의 중심점을 기준 중간 좌표값로 결정하는 기준중간좌표값결정단계; 상기 실시간 동공 좌표 평균값으로부터 실시간 중간 좌표 평균값을 획득하는 중간좌표평균값획득단계; 및 상기 기준 중간 좌표값과 상기 실시간 중간 좌표 평균값과의 차이가 기설정된 오차범위를 넘어감에 따라, 부정행위 의심 동작이 감지됨을 카운트하는 단계(S714)를 포함하는 것을 특징으로 한다.
상기 온라인 블라인드 채용 시험 제공 방법은, 부정행위 의심 동작 횟수가 기설정 회수를 초과함에 따라, 상기 감독관에게 이를 알려주고, 상기 온라인 블라인드 채용 시험을 종료하는 단계(S716)를 더 포함하는 것을 특징으로 한다.
상기 집중도 분석이 수행되는 단계는, 카메라로부터 영상 데이터를 프레임 단위로 전달받는 영상획득단계(S1010); 응시자의 영상정보로부터 얼굴 영역을 포함하는 사각형 영역을 정의하는 얼굴인식단계(S1020); 상기 사각형 영역을 기준으로 한 좌표시스템에서 양쪽 눈의 형상과 명암을 영상 처리하여 양쪽 눈에 대한 영상분석영역 및 동공좌표를 획득하는 동공좌표 획득단계(S1030); 초기 기설정 시간 동안 획득한 샘플 동공좌표에 대한 클러스터링 및 클러스터링 품질평가를 통해 집중도 평가에 사용할 영역을 다수개의 영역으로 구분하는 캘리브레이션단계(S1040); 및 상기 캘리브레이션단계 이후 획득한 다수의 동공좌표가 상기 구분한 다수의 각 영역 중 어느 영역에 속하는지 판단하여 각 영역의 집중도 인덱스를 증가시키거나 감소시켜 해당 응시자의 각 문제별 문제영역 및 풀이영역의 집중도를 계산하는집중도 산출단계(S1050)를 포함하고, 상기 캘리브레이션단계(S1040)는, 상기 영상분석영역을 기설정 개수의 그리드로 구분하고, 소정의 개수 미만의 샘플 동공좌표를 포함하는 그리드는 상기 영상분석영역에서 제외하는 비분석영역 소거단계(S1041); 상기 영상분석영역에서 상기 비분석영역을 제외한 나머지 영역에 포함된 샘플 동공좌표에 대하여 K-평균 알고리즘을 이용하여 소정 횟수의 클러스터링을 수행하는 클러스터링단계(S1042); 상기 소정 횟수의 각 클러스터링 결과에 따른 상기 샘플 동공좌표의 군집정도를 평가하여 적어도 2개 이상의 클러스터링 결과를 결정하는 내부평가단계(S1043); 상기 결정된 클러스터링 결과 내 클러스터별 밀집도를 계산하여 각 클러스터를 재평가하는 클러스터재평가단계(S1044); 및 상기 비분석영역은 비집중영역으로 결정하고, 상기 비분석영역이 제외된 영상분석영역에서 상기 클러스터 재평가단계에서 계산한 밀집도에 따라 기설정 개수 이상의 클러스터를 포함하는 최대집중영역을 결정하고, 그 외의 영역에 대해서는 집중영역으로 결정하는 집중도분석영역 결정단계(S1045)를 포함하는 것을 특징으로 한다.
상기 고득점자 이력서를 제공하는 단계(S1460)는, 전체 응시자 중 기설정된 비율 이내의 응시자 정보를 무료로 열람하는 단계(116); 및 전체 응시자 중 기설정된 비율 이상의 응시자 정보를 유료로 열람하는 단계(117)를 포함하는 것을 특징으로 한다.
또한, 본 발명의 일 실시예에 따르면, 상기 온라인 블라인드 채용 시험 제공 방법을 구현하기 위한 프로그램이 저장된 컴퓨터 판독 가능한 기록매체가 제공되는 것을 특징으로 한다.
본 발명의 일 실시예에 따른 온라인 블라인드 채용 시험 제공 시스템 및 그 방법에 의하면, 온라인으로 채용 시험을 수행하는데 있어서, 상기 채용 시험을 응시하기 위해 단말기 화면을 바라보는 응시자의 영상(안면 데이터)을 처리하여 응시자의 부정행위가 의심되는 행위를 검출함으로써, 온라인 시험의 부정행위를 감독하여 시험의 신뢰성 및 공정성을 확보할 수 있는 효과가 있다.
또한, 본 발명의 일 실시예에 따른 온라인 블라인드 채용 시험 제공 시스템 및 그 방법에 의하면, 집중도를 분석하는 알고리즘을 이용하여 해당 응시자의 문제읽기 및 답변풀이에 소요되는 시간을 확인함으로써, 해당 문제의 정답률에 근거한 난이도를 도출하여 분석결과에 따른 문제은행을 구축할 수 있어, 구축된 문제은행을 수익모델로 활용할 수 있는 효과가 있다.
또한, 본 발명의 일 실시예에 따른 온라인 블라인드 채용 시험 제공 시스템 및 그 방법에 의하면, 상기 기업회원에게 블라인드 채용 시험 이후, 상위 기설정 비율의 지원자(응시자)의 부정행위 의심 동작 감지 횟수를 포함한 이력서 및 상기 채용 시험에 포함된 각 문제에 대한 집중도 분석결과를 포함한 블라인드 채용 시험 결과 제공이 가능하므로, 효율적인 인재 선별과 동시에 기업의 시간적 경제적 비용을 최소화 할 수 있는 효과가 있다.
또한, 본 발명의 일 실시예에 따른 온라인 블라인드 채용 시험 제공 시스템 및 그 방법에 의하면, 전문가를 통해 시험문제 출제 및 채점 대행 따른 수수료 부과 및 응시자의 이력서 열람 방법과 열람 횟수에 따른 수수료 부과로 수익 창출이 가능한 효과가 있다.
또한, 본 발명의 일 실시예에 따른 온라인 블라인드 채용 시험 제공 시스템 및 그 방법에 의하면, 응시자에게 블라인드 채용 시험 이후, 본인의 부정행위 의심 동작 감지 횟수 정보를 제공함으로써, 부정행위 의심 동작을 주의하도록 하는 효과가 있어 온라인 블라인드 시험의 신뢰도를 높일 수 있다.
또한, 본 발명의 일 실시예에 따른 온라인 블라인드 채용 시험 제공 시스템 및 그 방법에 의하면, 해당 응시자의 샘플 동공좌표에 대하여 캘리브레이션을 수행함으로써, 응시자 맞춤형 집중도 분석이 가능한 효과가 있다.
도 1은 본 발명의 일실시예에 따른 온라인 블라인드 채용 시험 제공 방법 및 절차를 설명하기 위한 설명도.
도 2는 본 발명에 따른 온라인 블라인드 채용 시험 제공 시스템의 일 실시예 구성도.
도 3a는 도 2의 안면 데이터 분석 서버의 상세 구성도.
도 3b는 도 2의 블라인드 채용 시험 제공 서버의 상세 구성도.
도 4는 본 발명의 일 실시예에 따른 블라인드 채용 시험 응시를 위한 응시자의 촬영 방법에 대한 설명도.
도 5는 본 발명의 일 실시예에 따른 온라인 블라인드 채용 시험 제공 방법에 있어서, 영상분석영역 및 동공좌표 획득 방법에 대한 설명도.
도 6a 및 6b는 본 발명의 일 실시예에 따른 온라인 블라인드 채용 시험 제공 방법에 있어서, 영상 처리에 따라 동공좌표 획득 방법에 대한 설명도.
도 7은 본 발명의 일 실시예에 따른 온라인 블라인드 채용 시험 제공 방법에 있어서, 부정행위 감지 방법의 상세 흐름도.
도 8은 본 발명에 따른 안면 데이터 분석 서버의 캘리브레이션부의 일 실시예 상세 구성도이다.
도 9a 내지 도 9e는 본 발명에 따른 샘플 동공좌표의 캘리브레이션 과정을 설명하기 위한 도면이다.
도 10은 본 발명의 일 실시예에 따른 블라인드 채용 시험 제공 방법에 있어서, 집중도 분석 방법의 상세 흐름도.
도 11는 본 발명의 일 실시예에 따른 온라인 블라인드 채용 시험 제공 방법에 있어서, 전문가 대행에 의한 유료 서비스 제공 방법에 대한 설명도.
도 12a 및 12b는 본 발명의 일 실시예에 따른 온라인 블라인드 채용 시험 제공 방법에 있어서, 고득점자 이력서 제공시 유료 서비스 제공 방법에 대한 설명도.
도 13은 본 발명의 일 실시예에 따른 온라인 블라인드 채용 시험 제공 방법에 있어서, 문제의 난이도 분석 방법에 대한 설명도.
도 14는 본 발명의 일실시예에 따른 온라인 블라인드 채용 시험 제공 방법 의 흐름도.
도 15는 본 발명의 일실시예에 따른 온라인 블라인드 채용 시험 제공 방법에 있어서, 전문가 대행에 의한 시험문제 등록 및 채점 단계의 상세 흐름도.
본 발명은 다양한 변경을 가할 수 있고 여러 가지 실시예를 가질 수 있는바, 특정 실시예들을 도면에 예시하고 상세하게 설명하고자 한다. 그러나 이는 본 발명을 특정한 실시 형태에 대해 한정하려는 것이 아니며, 본 발명의 사상 및 기술 범위에 포함되는 모든 변경, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다.
어떤 구성요소가 다른 구성요소에 "연결되어" 있다거나 "접속되어" 있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결되어 있거나 또는 접속되어 있을 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다.
반면에, 어떤 구성요소가 다른 구성요소에 "직접 연결되어" 있다거나 "직접 접속되어" 있다고 언급된 때에는, 중간에 다른 구성요소가 존재하지 않는 것으로 이해되어야 할 것이다.
본 명세서에서 사용되는 용어는 단지 특정한 실시예를 설명하기 위해 사용된 것으로, 본 발명을 한정하려는 의도가 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 출원에서, "포함하다" 또는 "가지다" 등의 용어는 명세서상에 기재된 특징, 숫자, 공정, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 공정, 동작, 구성요소, 부품 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 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미가 있다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥상 가지는 의미와 일치하는 의미가 있는 것으로 해석되어야 하며, 본 출원에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.
이하, 첨부된 도면을 참조하여 본 발명을 더욱 상세하게 설명한다. 이에 앞서, 본 명세서 및 청구범위에 사용된 용어나 단어는 통상적이거나 사전적인 의미로 한정하여 해석되어서는 아니 되며, 발명자는 그 자신의 발명을 가장 최선의 방법으로 설명하기 위해 용어의 개념을 적절하게 정의할 수 있다는 원칙에 입각하여, 본 발명의 기술적 사상에 부합하는 의미와 개념으로 해석되어야만 한다. 또한, 사용되는 기술 용어 및 과학 용어에 있어서 다른 정의가 없다면, 이 발명이 속하는 기술분야에서 통상의 지식을 가진 자가 통상적으로 이해하고 있는 의미를 가지며, 하기의 설명 및 첨부 도면에서 본 발명의 요지를 불필요하게 흐릴 수 있는 공지 기능 및 구성에 대한 설명은 생략한다. 다음에 소개되는 도면들은 당업자에게 본 발명의 사상이 충분히 전달될 수 있도록 하기 위해 예로서 제공되는 것이다. 따라서, 본 발명은 이하 제시되는 도면들에 한정되지 않고 다른 형태로 구체화될 수도 있다. 또한, 명세서 전반에 걸쳐서 동일한 참조번호들은 동일한 구성요소들을 나타낸다. 도면들 중 동일한 구성요소들은 가능한 한 어느 곳에서든지 동일한 부호들로 나타내고 있음에 유의해야 한다.
도 1은 본 발명의 일실시예에 따른 온라인 블라인드 채용 시험 제공 방법의절차를 설명하기 위한 설명도이다.
도 1에 도시된 바와 같이, 일반회원 또는 기업회원은 온라인 블라인드 채용 시험을 제공하는 웹사이트에 접속하여 회원 유형(101)에 따라, 정보입력을 한다.
일반회원(구직자)인 경우, 개인정보 및 이력서를 등록하고(102), 기업회원인 경우, 기업정보, 채용정보 및 채용시험을 등록할 수 있다(103).
이후, 기업회원의 채용정보에 따라 채용공고가 웹사이트에 올라오면, 일반회원(구직자)은 채용정보를 확인하고 기입력된 이력서를 수정하거나 제출하여 입사지원을 할 수 있다(104).
기업회원이 직접 시험문제를 출제 및 등록할 수 있으며, 이는 무료로 진행된다.
한편, 전문가 대행(106)으로 시험문제를 출제 및 시험문제를 등록하는 것이 가능하며, 이는 유료로 진행된다. 이에 대해서는 도 x를 참조하여 상세히 설명하기로 한다.
이후, 개인정보가 블라인드 된 상태로, 온라인 시험이 시작되며(107), 온라인 채용시험이 진행되는 동안, 부정행위 감지 방법 및 집중도 분석 방법을 적용하여 온라인 채용시험의 부정행위 의심 행위를 감지하여, 시험의 공정성이 보장되도록 한다.
예를 들어, 부정행위 의심 행위 횟수를 카운트하여, 시험을 응시하는 동안, 부정행위 의심 행위가 기설정 횟수 감지되면, 시험을 중지할 수 있다. 부정행위 감지 방법에 대해서는 도 7을 참조하여 상세히 설명하기로 한다.
이후, 온라인 시험이 종료된 후(109), 기업회원이 자체 채점(110)을 할 수 있으며 이는 무료로 진행된다.
한편, 전문가 대행(111)으로 시험문제를 채점하는 것이 가능하며, 이는 유료로 진행된다.
이후, 채점 결과(112)가 나오면, 채점 결과에 따라, 문제 집중도 및 정답률에 따른 문제 난이도가 분석되고, 문제 정답률 및 난이도 정보를 문제은행의 해당문제에 저장한다(114). 집중도 분석 방법에 대해서는 도 9a 내지 9e 및 10을 참조하여 상세히 설명하기로 한다.
한편, 채점 결과에 따라, 고득점자의 이력서를 기업회원에게 제공한다(115).
여기서, 기업회원은 무료로 전체 응시자중 기설정 비율 이내의 응시자 정보(이력서)를 제공받을 수 있다(116).
한편, 기업회원은 기설정 비율 이상의 응시자 정보를 열람하는 것이 가능하며, 이는 유료로 진행된다(117).
이후, 기업회원은 온라인 또는 오프라인으로 고득점자에게 면접을 요청할 수 있다(118).
도 2는 본 발명에 따른 온라인 블라인드 채용 시험 제공 시스템의 일 실시예 구성도이다.
도 2를 참조하면, 본 발명에 따른 온라인 블라인드 채용 시험 제공 시스템은, 응시자가 블라인드 채용 시험에 응시하기 위한 응시자 단말기(210), 상기 응시자 단말기(210)에 부착되거나 스마트기기에 구비되어 해당 응시자의 정면을 촬영하기 위한 카메라(220), 기업회원의 블라인드 채용 정보 및 채용 시험 문제를 입력받고, 블라인드 채용 시험 결과를 제공받기 위한 기업회원 단말기(230), 및 상기 카메라(230)로부터 상기 응시자를 촬영한 영상정보를 프레임 단위로 전달받아 영상처리를 통해 획득한 다수의 동공좌표를 클러스터링 및 분석하여 해당 응시자의 부정행위 의심 동작 횟수 및 집중도를 산출하는 안면 데이터 분석 서버(200), 및 온라인 블라인드 채용 시험 서비스를 제공하는데 있어서, 상기 산출한 집중도에 기반하여 해당 응시자의 문제읽기 및 답변풀이에 소요되는 소요시간을 확인함으로써, 해당 문제의 정답률에 근거한 난이도를 도출하여 난이도 분석결과에 따른 문제은행을 구축하고, 상기 기업회원의 요청에 따라 채용 시험 문제를 제공하고, 상기 채용 시험 문제를 채점하여 분석한 채용 시험 결과 및 상기 응시자의 부정행위 의심 동작 횟수를 제공하기 위한 블라인드 채용 시험 제공 서버(240)를 포함한다.
여기서, 통신 네트워크는 유선 및 무선 등과 같은 그 통신 양태를 가리지 않고 구성될 수 있으며, 근거리 통신망(LAN; Local Area Network), 도시권 통신망(MAN; Metropolitan Area Network), 광역 통신망(WAN; Wide Area Network) 등 다양한 통신망으로 구성될 수 있다. 바람직하게는, 본 발명에서 말하는 통신 네트워크는 공지의 월드와이드웹(WWW; World Wide Web)일 수 있다.
상기 안면 데이터 분석 서버(200)는 통신 네트워크를 통하여 응시자 단말기(210) 및 기업회원 단말기(230)와 통신하며, 응시자 단말기(210)로부터 해당 응시자의 부정행위 검출 및 집중도를 분석하는데 필요한 데이터를 전송/수신한다. 상기 안면 데이터 분석 서버(200)는 온라인 블라인드 채용 시험 제공 시스템의 운영 서버에 포함될 수 있다.
상기 응시자 단말기(210)는 블라인드 채용 시험을 응시하거나 채용 시험 응시 결과를 수신하기 위해서 응시자가 통신 네트워크를 통하여 블라인드 채용 시험 제공 서버(240) 및 안면 데이터 분석 서버(200)에 접속한 후 통신할 수 있도록 하는 기능을 포함하는 디지털 기기로서, 개인용 컴퓨터(예를 들어, 데스크탑 컴퓨터, 노트북 컴퓨터 등), 워크스테이션, PDA, 웹 패드, 이동 전화기 등과 같이 메모리 수단을 구비하고 마이크로 프로세서를 탑재하여 연산 능력을 갖춘 디지털 기기라면 얼마든지 본 발명에 따른 응시자 단말기(210)로서 채택될 수 있다.
또한, 상기 기업회원 단말기(230)는 블라인드 채용 시험 제공 서버(240)가 기업회원의 블라인드 채용 정보 및 채용 시험 문제를 입력받고, 블라인드 채용 시험 제공 서버(240)로부터 블라인드 채용 시험 결과를 제공받기 위한 단말기로서, 응시자 단말기(210)와 마찬가지의 속성을 갖는다.
또한, 상기 감독관 단말기(250)는 상기 안면 데이터 분석 서버(200)로부터 온라인 블라인드 채용 시험시, 부정행위 의심 동작이 기설정 횟수 이상 감지됨에 따라 이를 수신하는 단말기로서, 응시자 단말기(210)와 마찬가지의 속성을 갖는다.
상기 블라인드 채용 시험 제공 서버(240)는, 상기 안면 데이터 분석 서버(200)로부터 응시자의 캘리브레이션 과정이 진행된 이후, 온라인 블라인드 채용 시험이 가능하다는 메시지(확인)를 받은 후에야, 채용 시험을 플레이 할 수도 있다.
한편, 상기 카메라(220)가 부착된 상기 응시자 단말기(210) 또는 스마트기기는, 상기 카메라(220)로부터 전달받은 영상 정보를 1차 영상 처리하여, 1차 영상 처리된 영상 정보를 프레임 단위로 상기 안면 데이터 분석 서버(200)로 전송할 수 있다. 이에 따라, 상기 안면 데이터 분석 서버(200)의 연산 속도를 빠르게 하고, 시스템 부하를 줄일 수 있다. 상기 1차 영상 처리된 영상 정보는, 그레이 스케일의 영상 데이터, 양쪽 눈의 동공좌표 등을 포함할 수 있다.
상기 감독관 단말기(250)는 온라인 블라인드 채용 시험이 치러지는 동안에, 응시자의 부정행위 의심 동작이 기설정 횟수 이상 감지됨에 따라 이에 대한 영상 정보를 수신하여, 시험을 중지시키거나 시험을 재시작 시킬 수 있다.
도 3a는 도 2의 안면 데이터 분석 서버의 상세 구성도이고, 도 3b는 도 2의 블라인드 채용 시험 제공 서버의 상세 구성도이다.
도 3a를 참조하면, 본 발명에 따른 온라인 블라인드 채용 시험 제공 시스템의 안면 데이터 분석 서버(200)는, 상기 응시자의 영상정보를 통신망을 통해 수신하고, 부정행위가 의심되는 경우로 판정하는 경우, 감독관에게 부정행위 검출 메시지를 송신하고, 이를 온라인 블라인드 채용 서버(440)에 알려주어 온라인 블라인드 채용 시험을 중지하도록 하기 위한 송수신부(301), 상기 송수신부(301)를 통해 수신한 응시자의 영상 정보 및 좌표 정보들을 저장하기 위한 저장부(302), 상기 수신한 응시자의 영상정보로부터 얼굴 영역을 포함하는 사각형 영역을 정의하기 위한 얼굴 인식부(303), 상기 사각형 영역을 기준으로 한 좌표시스템에서 양쪽 눈의 형상과 명암을 영상 처리하여 양쪽 눈의 동공 좌표를 설정하는 동공 좌표 획득부(304), 상기 양쪽 눈의 동공 좌표의 중간 좌표를 결정하는 중간 좌표 획득부(305), 상기 응시자의 몸과 얼굴 영역을 제외한 모든 영역에 대하여 백그라운드로 설정하는 배경 인식부(306), 상기 얼굴 인식부(303)에서 획득되는 얼굴 영역이 2개 이상인지 아닌지 여부, 상기 동공 좌표 획득부(304)로부터 전달받은 기준 동공 좌표값과 실시간 동공 좌표 평균값을 비교하여 상기 기준 동공 좌표값을 기준으로 상기 실시간 동공 좌표 평균값이 기 설정된 오차 범위를 벗어나는지 여부, 상기 중간 좌표 획득부(305)로부터 전달받은 중간 좌표의 이동 거리가 기 설정된 오차 범위를 벗어나는지 여부, 및 상기 배경 인식부(306)로부터 전달받은 백그라운드 영역의 변화가 감지되는지 여부를 판단하기 위한 부정행위 판단부(307), 초기 기설정 시간 동안 획득한 샘플 동공좌표에 대한 클러스터링 및 클러스터링 품질평가를 통해 집중도 평가에 사용할 영역을 다수개의 영역으로 구분하는 캘리브레이션부(308), 및 상기 동공좌표 획득부에서 획득한 다수의 동공좌표가 상기 캘리브레이션부에서 구분한 다수의 각 영역 중 어느 영역에 속하는지 판단하여 각 영역의 집중도 인덱스를 증가시키거나 감소시켜 해당 응시자의 각 문제별 문제영역 및 풀이영역의 집중도를 계산하는 집중도 산출부(309) 등을 포함함다.
상기 송수신부(301), 상기 저장부(302), 상기 얼굴 인식부(303), 상기 동공좌표 획득부(304), 상기 캘리브레이션부(305), 및 상기 집중도 산출부(306)는 그 중 적어도 일부가 안면 데이터 분석 서버(200)와 통신하는 프로그램 모듈들일 수 있다. 이러한 프로그램 모듈들은 운영 시스템, 응용 프로그램 모듈 및 기타 프로그램 모듈의 형태로 안면 데이터 분석 서버(200)에 포함될 수 있으며, 물리적으로는 여러 가지 공지의 기억 장치 상에 저장될 수 있다. 또한, 이러한 프로그램 모듈들은 안면 데이터 분석 서버(200)와 통신 가능한 원격 기억 장치에 저장될 수도 있다. 한편, 이러한 프로그램 모듈들은 본 발명에 따라 후술할 특정 업무를 수행하거나 특정 추상 데이터 유형을 실행하는 루틴, 서브루틴, 프로그램, 오브젝트, 컴포넌트, 데이터 구조 등을 포괄하지만, 이에 제한되지는 않는다.
한편, 본 발명에서 설명하고 있는 얼굴 영역을 포함하는 사각형 영역은 논문 "Robust Real-Time Face Detection Using Face Certainty Map" (Volume 4642 of the series Lecture Notes in Computer Science pp. 29-38)에 개시된 내용에 근거하여 정의하였다.
도 3b를 참조하면, 통신 네트워크를 통하여 응시자 단말기(210), 기업회원 단말기(230) 및 감독관 단말기(250)와 통신하는 블라인드 채용 시험 제공 서버(240)는 인터페이스부(311), 제어부(312), 처리부(313) 및 데이터베이스 관리부(314) 등을 포함한다. 상기 인터페이스부(311), 상기 제어부(312), 상기 처리부(313) 및 상기 데이터베이스 관리부(314)는 그 중 적어도 일부가 블라인드 채용 시험 제공 서버(240) 및 안면 데이터 분석 서버(200)와 통신하는 프로그램 모듈들일 수 있다. 이러한 프로그램 모듈들은 운영 시스템, 응용 프로그램 모듈 및 기타 프로그램 모듈의 형태로 블라인드 채용 시험 제공 서버(240) 및 안면 데이터 분석 서버(200)에 포함될 수 있으며, 물리적으로는 여러 가지 공지의 기억 장치 상에 저장될 수 있다. 또한, 이러한 프로그램 모듈들은 블라인드 채용 시험 제공 서버(240) 및 안면 데이터 분석 서버(200)와 통신 가능한 원격 기억 장치에 저장될 수도 있다. 한편, 이러한 프로그램 모듈들은 본 발명에 따라 후술할 특정 업무를 수행하거나 특정 추상 데이터 유형을 실행하는 루틴, 서브루틴, 프로그램, 오브젝트, 컴포넌트, 데이터 구조 등을 포괄하지만, 이에 제한되지는 않는다.
한편, 상기 인터페이스부(311)는 블라인드 채용 시험 제공 서버(240)가 상기 응시자 단말기(210), 기업회원 단말기(230) 및 감독관 단말기(250)와 통신을 수행할 수 있도록 인터페이싱하며, 회원가입시, 채용공고 업로드시, 입사지원시, 온라인 블라인드 채용 시험시, 채용 시험 결과 출력시, 데이터의 전송 및 수신을 위해 필요한 그래픽 응시자 인터페이스를 상기 응시자 단말기(210), 기업회원 단말기(230) 및 감독관 단말기(250)에 제공할 수 있다.
상기 제어부(312)는 상술한 바와 같은 인터페이스부(311)와, 후술할 처리부(313) 및 데이터베이스 관리부(314) 간의 데이터의 흐름을 제어하는 기능을 수행한다.
상기 처리부(313)는 인터페이스부(311)를 통하여 송수신되는 데이터에 기초하여 온라인 블라인드 채용 시험 서비스 제공을 위한 각종 처리를 수행한다. 본 발명에 따른 이러한 처리 과정은 후술하기로 한다.
상기 데이터베이스 관리부(314)는, 일반회원을 회원으로 가입시켜 그 인적 정보를 관리하기 위한 일반회원 데이터베이스(314a), 기업회원의 정보를 관리하기 위한 기업회원 데이터베이스(314b), 채용 시험에 출제되는 문제의 정답률 및 정답자의 집중도 분석 정보를 누적하여 관리하기 위한 문제은행 데이터베이스(314c), 및 상기 기업회원에게 유료서비스를 제공함에 있어 관련된 내역을 저장 및 관리하기 위한 비용내역 데이터베이스(314d) 등을 포함할 수 있다.
예를 들면, 일반회원 데이터베이스(314a)는 회원이 로그인하기 위하여 사용하는 로그인 ID 및 패스워드 등의 식별 정보와, 이름, 주민등록번호, 연락처 등에 관한 정보를 포함할 수 있다. 또한, 채용 시험 제공 시스템에서 서비스하는 채용 시험에 응시하는데 필요한 사진, 이력서, 자기소개서 등에 관한 정보를 포함할 수 있다. 또한, 블라인드 채용 시험 이후, 부정행위 의심 행위 횟수, 시험 결과, 면접진행여부 등에 관한 정보가 포함될 수 있다. 이러한 일반회원 데이터베이스(314a)는 처리부(313)에 의해 참조되어 그 정보 중 적어도 일부가 인터페이스부(311)를 통해 외부 장치로 전송될 수 있다.
기업회원 데이터베이스(314b)는 기업에서 위임받은 담당자가 기업회원으로 로그인하기 위하여 사용하는 로그인 ID 및 패스워드 등의 식별 정보와, 기업명, 법인등록번호, 연락처 등에 관한 정보를 포함할 수 있다. 이러한 기업회원 데이터베이스(314b)는 처리부(313)에 의해 참조될 수 있다.
상기 문제은행 데이터베이스(314c)는, 채용 시험에 출제되는 문제의 정답, 정답률 및 정답자의 집중도 분석 정보 등에 등에 관한 정보를 포함할 수 있다. 이러한 문제은행 데이터베이스(314c)는 처리부(313)에 의해 참조되어, 추후 채용 문제를 선택 및 출제가 가능하여 수익모델로 활용될 수 있다.
상기 비용 내역 데이터베이스(314d)는 기업회원이 이용하는 유료 서비스와 관련된 비용 내역을 저장하고 있다.
상기 실시예에서는, 본 발명의 구현을 위한 정보를 저장하는 데이터베이스를일반회원 데이터베이스(314a), 기업회원 데이터베이스(314b), 문제은행 데이터베이스(314c), 및 비용 내역 데이터베이스(314d)의 네 가지 데이터베이스로 분류하였지만, 이러한 분류를 포함한 데이터베이스의 구성은 당업자의 필요에 따라 변경될 수 있다.
한편, 본 발명에 있어서, 데이터베이스란, 협의의 데이터베이스뿐만 아니라, 컴퓨터 파일 시스템에 기반을 둔 데이터 기록 등을 포함하는 넓은 의미의 데이터베이스까지 포함하는 개념으로서, 단순한 연산 처리 로그의 집합이라도 이를 검색하여 소정의 데이터를 추출할 수 있다면 본 발명에서 말하는 데이터베이스에 포함될 수 있음이 이해되어야 한다.
이하, 도 4 내지 10을 참조하여 블라인드 채용 시험 제공 방법에 있어서, 부정행위 감지 방법 및 집중도 분석 방법에 대하여 설명하기로 한다.
도 4는 본 발명의 일 실시예에 따른 블라인드 채용 시험 응시를 위한 응시자의 촬영 방법에 대한 설명도이다.
도 4를 참고하면, 응시자(400)는 응시자 단말기(210)를 통해 블라인드 채용 시험에 지원하는 응시자이다.
응시자 단말기(210)에 부착된 카메라가 없을 경우, 스마트폰에 구비된 카메라(220)를 사용하여 온라인 블라인드 채용 시험에 지원하는 응시자(400)의 영상정보를 블라인드 채용 시험 제공 서버(240)로 전송할 수 있다.
이를 위해, 카메라(220)를 구비하는 스마트폰은 상기 블라인드 채용 시험 제공 서버(240)로 응시자를 촬영한 영상정보를 보내기 전, 상기 블라인드 채용 시험 제공 서버(240)로 전송할 영상 정보의 크기 및 전송 주기 등을 제어할 수 있는 애플리케이션을 미리 설치할 수 있다.
응시자 단말기(210)에 부착된 카메라가 있는 경우에도, 응시자 단말기(210)는 상기 블라인드 채용 시험 제공 서버(240)로 전송할 영상 정보의 크기 및 전송 주기 등을 제어할 수 있는 애플리케이션을 미리 설치할 수 있다.
한편, 본 발명이 요구하는 카메라(220)의 성능은, 초당 프레임수는(frame per second) 20~30 fps 정도이고, 해상도는 640*480 정도이다.
한편, 응시자(400)와 카메라 (220) 사이의 거리(d)는 45cm ㅁ 5cm 정도를 권장한다. 또한, 초기 캘리브레이션을 위해 화면의 특정 지점을 봐야만 하는 상황을 유도하는 컨텐츠를 출력한다. 예를 들어, 본인 확인 질문 또는 유의사항/약관 동의 될 수 있다. 또한, 해당 컨텐츠가 출력되는 영역은 온라인 블라인드 채용 시험시 제공되는 시험 문제가 출력되는 영역의 위치 및 크기가 유사하거나 같게 디스플레이되는 것이 바람직하다. 또한, 캘리브레이션을 위한 충분한 샘플 데이터를 가지기 위하여 약 1분 이상 응시 할 수 있도록 준비되어야 한다.
도 5는 본 발명의 일 실시예에 따른 온라인 블라인드 채용 시험 제공 방법에 있어서, 영상분석영역 및 동공좌표 획득 방법에 대한 설명도이다.
도 5를 참조하면, 카메라(220)로부터 얻은 프레임 단위 영상 정보에서 얼굴 영역의 사각형 영역을 정의한 이후, 사각형 영역을 기준으로 한 좌표시스템에서 양쪽 눈의 형상과 명암을 영상 처리하여 양쪽 눈의 양 끝점(510, 520)을 인식하고 그 사이에 위치한 검은색 영역(530, 540)의 중심점(550, 560)을 양쪽 눈의 동공좌표로 설정한다.
한편, 상기 설명한 방법 이외에도, 다른 여러 가지 영상 처리 방법을 사용하여 양쪽 눈의 동공좌표를 획득할 수도 있다. 또한, 상기 사각형 영역 내에 포함되는 영상분석영역(570)을 정의할 수 있다. 상기 영상분석영역(570)은 양쪽 눈 영역을 기준으로 영역이 설정될 수 있다.
또한, 사각형 영역 또는 영상분석영역(570)에 대한 정의에 따라 지속적으로 변하는 동공좌표의 상대적 좌표값을 알 수 있다.
일반적으로, 응시자가 온라인 채용 시험을 응시하기 위해서 컴퓨터나 노트북의 화면을 바라볼 때, 응시자의 양쪽 동공은 그 움직임이 크게 변하지 않는 것을 알 수 있다.
눈 깜빡임의 시간은 대략 100~300 ms 정도로 매우 짧으며, 시선이 화면을 향해 있을 때, 동공 좌표는 거의 움직이지 않는다. 따라서, 응시자(400)가 부정행위 의심 동작을 한다고 판단될 수 있는 동공 좌표의 오차 범위는 상기 정의한 사각형 영역의 크기에 비례하여 x축으로 ㅁ 1.0 ~ 1.25 % 미만, y 축으로 ㅁ 0.75 ~ 1.0 % 미만으로 설정될 수 있다. 예를 들어, 상기 사각형 영역의 가로 ㅧ 세로 사이즈가 200 픽셀 ㅧ 200 픽셀인 경우에, 응시자가 부정행위 의심 동작을 한다고 판단될 수 있는 동공 좌표의 오차 범위는 x축으로 ㅁ 2.0 ~ 2.5 픽셀 미만, y 축으로 ㅁ 1.5 ~ 2.0 픽셀 미만으로 설정될 수 있다.
그리고, 상기 양쪽 동공 좌표의 중심점(570)을 중간 좌표로 설정한다.
시험 시작 전 획득한 기준 동공 좌표값의 중간 좌표를 기준 중간 좌표값으로 하고, 이후, 실시간으로 상기 기준 중간 좌표값의 이동 방향 및 이동 거리를 프레임 단위로 추적할 수 있다.
일반적으로, 응시자가 온라인 시험을 응시하기 위해서 컴퓨터나 노트북의 화면을 바라볼 때, 응시자의 머리의 움직임도 크게 변하지 않는 것을 알 수 있다. 따라서, 응시자(400)가 부정행위 의심 동작을 한다고 판단될 수 있는 중간 좌표 이동 거리의 오차 범위는 상기 정의한 사각형 영역의 크기에 비례하여 x축으로 ㅁ 1.75 ~ 2.0 % 미만, y 축으로 ㅁ 1.5 ~ 1.75 % 미만으로 설정될 수 있다. 예를 들어, 상기 사각형 영역의 가로 ㅧ 세로 사이즈가 200 픽셀 ㅧ 200 픽셀인 경우에, 응시자(400)가 부정행위 의심 동작을 한다고 판단될 수 있는 중간 좌표 이동 거리의 오차 범위는 x축으로 ㅁ 3.5 ~ 4.0 픽셀 미만, y 축으로 ㅁ 3.0 ~ 3.5 픽셀 미만으로 설정될 수 있다.
상기 중간 좌표가 x축으로 + 방향으로 변경이 감지되면, 응시자가 머리를 왼쪽 방향으로 움직였음을 알 수 있으며, 상기 중간 좌표가 x축으로 - 방향으로 변경이 감지되면, 응시자가 머리를 오른쪽 방향으로 움직였음을 알 수 있다. 따라서, 부정행위 의심 동작이 감지되면, 응시자의 머리 회전 방향까지 감독관 단말기()로 알려줄 수도 있다.
도 6a 및 6b는 본 발명의 일 실시예에 따른 온라인 블라인드 채용 시험 제공 방법에 있어서, 영상 처리에 따라 동공좌표 및 중간좌표 획득 방법에 대한 설명도이다.
도 6a 및 6b를 참고하면, 응시자가 촬영된 프레임 단위의 영상 정보(610)는 일정 시간 간격으로 안면 데이터 분석 서버(200)로 전달되며, 컬러 영상(610)은 그레이 스케일의 영상(620)으로 변환되고, 응시자의 얼굴 영역을 포함하는 사각형 영역(630)이 정의된다. 또한, 상기 사각형 영역 내에 포함되는 영상분석영역(631)을 정의할 수 있다. 사각형 영역(630)을 기준으로 한 좌표 시스템에서 도 5에서 설명한 방법을 참고하여, 양쪽 눈의 동공좌표(640)를 획득할 수 있다.
예를 들어, 획득된 왼쪽 동공좌표는 (57, 64)이고, 오른쪽 동공좌표는 (123, 66)이다.
그리고, 상기 동공 좌표들로부터 획득되는 중간 좌표는 (90, 65)이다.
한편, 상기 컬러 영상(610)에서 얼굴 영역을 포함하는 사각형 영역(630)을 먼저 정의하고, 얼굴 영역에 대해서만 그레이 스케일로 변환시켜, 동공좌표를 획득할 수도 있다.
한편, 상기 응시자 단말기(210) 또는 카메라(220)를 구비한 스마트기기는 상기 응시자가 촬영된 프레임 단위의 영상 정보(610)를 일정 시간 단위(예: 0.5초 간격)로 상기 안면 데이터 분석 서버(200)로 전달할 수 있으며, 0.5초 동안에 촬영된 프레임들(약 10~15개)로부터 얻어지는 동공좌표값의 평균값 및 중간 좌표값의 평균값을 함께 전달할 수도 있다.
도 7은 본 발명의 일 실시예에 따른 온라인 블라인드 채용 시험 제공 방법에 있어서, 부정행위 감지 방법의 상세 흐름도이다.
도 7을 참조하면, 온라인 블라인드 채용 시험의 부정행위 감지 방법은, 크게 응시자의 동공 움직임의 변화에 따른 부정행위 검출, 상기 응시자의 머리의 움직임 변화에 따른 부정행위 검출 및 상기 응시자 외 인물 검출에 따른 부정행위 검출을 위한 단계들을 포함한다.
먼저, 카메라(220)로부터 영상 데이터(영상 정보)를 프레임 단위로 전달받는다(S701). 상기 프레임 단위의 영상 데이터로부터 얼굴 영역을 포함하는 사각형 영역을 정의한다(S702).
이후, 얼굴 영역이 2개 이상으로 감지되는가를 판단한다(S703).
상기 판단 단계(S703)의 판단 결과, 얼굴 영역이 2개 이상이면, 응시자 외 인물 출현으로 부정행위 의심 동작이 감지됨을 카운트하고(S704), 부정행위 의심 동작 감지 횟수가 기설정된 횟수를 넘는지 판단한다(S715).
상기 판단 단계(S715)의 판단 결과, 부정행위 의심 동작 감지 횟수가 기설정된 횟수를 넘지 않았으면, "S701" 단계로 진행하여 계속해서 부정행위 감지를 위한 영상 처리를 수행한다.
한편, 상기 판단 단계(S715)의 판단 결과, 부정행위 의심 동작 감지 횟수가 기설정된 횟수를 넘었으면, 온라인 채용 시험을 중지하고, 관리자 단말기로 이를 알려주고, 종료한다.
한편, 상기 판단 단계(S703)의 판단 결과, 얼굴 영역이 2개 이상이 아니면, 얼굴 및 몸을 제외한 모든 영역을 백그라운드로 설정한다(S705).
이후, 상기 백그라운드의 변화가 감지되는지를 판단한다(S706).
상기 판단 단계(S706)의 판단 결과, 상기 백그라운드의 변화가 감지되었으면, 백그라운드의 변화로 부정행위 의심 동작이 감지됨을 카운트하고(S704), 부정행위 의심 동작 감지 횟수가 기설정된 횟수를 넘는지 판단한다(S715).
상기 판단 단계(S715)의 판단 결과, 부정행위 의심 동작 감지 횟수가 기설정된 횟수를 넘지 않았으면, "S701" 단계로 진행하여 계속해서 부정행위 감지를 위한 영상 처리를 수행한다.
한편, 상기 판단 단계(S715)의 판단 결과, 부정행위 의심 동작 감지 횟수가 기설정된 횟수를 넘었으면, 온라인 채용 시험을 중지하고, 관리자 단말기로 이를 알려주고, 종료한다.
한편, 상기 판단 단계(S706)의 판단 결과, 상기 백그라운드의 변화가 감지되지 않으면, 영상 처리를 통해 양쪽 눈의 동공 좌표를 설정한다(S708).
시험 시작 전, 일정시간 동안 동공 좌표의 평균값을 계산하여 기준 동공 좌표값 및 기준 중간 좌표값을 획득한다(S709).
시험 시작 후, 일정 시간 단위로 응시자 양쪽 눈의 동공 좌표 평균값을 계산하여 실시간 동공 좌표 평균값 및 실시간 중간 좌표 평균값을 획득한다(S710).
이후, 기준 동공 좌표값과 실시간 동공 좌표 평균값과의 차이가 기 설정된 오차범위를 넘는지를 판단한다(S711). 여기서, 기 설정된 동공 좌표의 오차 범위는 상기 정의한 사각형 영역의 크기에 비례하여 x축으로 ㅁ 1.0 ~ 1.25 % 미만, y 축으로 ㅁ 0.75 ~ 1.0 % 미만으로 설정될 수 있다. 예를 들어, 상기 사각형 영역의 가로 ㅧ 세로 사이즈가 200 픽셀 ㅧ 200 픽셀인 경우에, 기 설정된 동공 좌표의 오차 범위는 x축으로 ㅁ 2.0 ~ 2.5 픽셀 미만, y 축으로 ㅁ 1.5 ~ 2.0 픽셀 미만으로 설정될 수 있다.
상기 판단 단계(S711)의 판단 결과, 상기 기준 동공 좌표값과 실시간 동공 좌표 평균값과의 차이가 기 설정된 오차범위를 넘으면, 동공의 움직임에서 부정행위 의심 동작이 감지됨을 카운트하고(S704), 부정행위 의심 동작 감지 횟수가 기설정된 횟수를 넘는지 판단한다(S715).
상기 판단 단계(S715)의 판단 결과, 부정행위 의심 동작 감지 횟수가 기설정된 횟수를 넘지 않았으면, "S701" 단계로 진행하여 계속해서 부정행위 감지를 위한 영상 처리를 수행한다.
한편, 상기 판단 단계(S715)의 판단 결과, 부정행위 의심 동작 감지 횟수가 기설정된 횟수를 넘었으면, 온라인 채용 시험을 중지하고, 관리자 단말기로 이를 알려주고, 종료한다.
한편, 상기 판단 단계(S711)의 판단 결과, 상기 기준 동공 좌표값과 상기 실시간 동공 좌표 평균값과의 차이가 기 설정된 오차범위를 넘지 않았으면, 상기 기준 중간 좌표값과 상기 실시간 중간 좌표 평균값과의 차이(중간 좌표의 이동 거리)가 기 설정된 오차범위를 넘는지를 판단한다(S713). 여기서, 상기 기준 중간 좌표값과 실시간 중간 좌표 평균값과의 차이(중간 좌표의 이동 거리)의 오차 범위는 상기 정의한 사각형 영역의 크기에 비례하여 x축으로 ㅁ 1.75 ~ 2.0 % 미만, y 축으로 ㅁ 1.5 ~ 1.75 % 미만으로 설정될 수 있다. 예를 들어, 상기 사각형 영역의 가로 ㅧ 세로 사이즈가 200 픽셀 ㅧ 200 픽셀인 경우에, 상기 중간 좌표 이동 거리의 오차 범위는 x축으로 ㅁ 3.5 ~ 4.0 픽셀 미만, y 축으로 ㅁ 3.0 ~ 3.5 픽셀 미만으로 설정될 수 있다.
상기 판단 단계(S713)의 판단 결과, 상기 기준 중간 좌표값과 실시간 중간 좌표 평균값과의 차이가 기 설정된 오차범위를 넘었으면, 응시자의 회전 방향을 포함하여 부정행위 의심 동작이 감지됨을 카운트하고(S704), 부정행위 의심 동작 감지 횟수가 기설정된 횟수를 넘는지 판단한다(S715).
상기 판단 단계(S715)의 판단 결과, 부정행위 의심 동작 감지 횟수가 기설정된 횟수를 넘지 않았으면, "S701"단계로 돌아간다.
한편, 상기 판단 단계(S715)의 판단 결과, 부정행위 의심 동작 감지 횟수가 기설정된 횟수를 넘었으면, 온라인 채용 시험을 중지하고, 관리자 단말기로 이를 알려주고, 종료한다.
한편, 상기 판단 단계(S713)의 판단 결과, 상기 기준 중간 좌표값과 실시간 중간 좌표 평균값과의 차이가 기 설정된 오차범위를 넘지 않았으면, "S701" 단계로 진행하여 계속해서 부정행위 검출을 위한 영상 처리를 수행한다.
도 8은 본 발명에 따른 안면 데이터 분석 서버의 캘리브레이션부의 일 실시예 상세 구성도이다.
도 8에 도시된 바와 같이, 본 발명에 따른 안면 데이터 분석 서버(200)의 캘리브레이션부(308)는 비분석영역 소거부(801), 클러스터링부(802), 내부평가부(803), 클러스터 재평가부(804), 및 집중도분석영역 결정부(805)를 포함한다.
상기 비분석영역 소거부(801)는 양쪽 눈 각각에 대하여 해당 영상분석영역을 기설정 개수의 그리드로 구분하고, 소정의 개수 미만의 샘플 동공좌표를 포함하는 그리드를 상기 영상분석영역에서 제외한다.
상기 클러스터링부(802)는 상기 영상분석영역에서 상기 비분석영역을 제외한 나머지 영역에 포함된 샘플 동공좌표에 대하여 K-평균 알고리즘을 이용하여 소정 횟수의 클러스터링을 수행한다.
K-평균 알고리즘(K-means algorithm)은 주어진 데이터를 k개의 클러스터로 묶는 알고리즘으로, 각 클러스터와 거리 차이의 분산을 최소화하는 방식으로 동작한다.
K-평균 알고리즘은 클러스터링 방법 중 분할법에 속한다. 분할법은 주어진 데이터를 여러 파티션(그룹)으로 나누는 방법이다. 예를 들어 n개의 데이터 오브젝트(샘플 동공좌표)를 입력받았다고 가정하자. 이 때 분할법은 입력 데이터를 n보다 작거나 같은 k개의 그룹으로 나누는데, 이 때 각 군집은 클러스터를 형성하게 된다. 다시 말해, 데이터를 한 개 이상의 데이터 오브젝트로 구성된 k개의 그룹으로 나누는 것이다. 이 때 그룹을 나누는 과정은 거리 기반의 그룹간 비유사도 (dissimilarity) 와 같은 비용 함수 (cost function) 을 최소화하는 방식으로 이루어지며, 이 과정에서 같은 그룹 내 데이터 오브젝트 끼리의 유사도는 증가하고, 다른 그룹에 있는 데이터 오브젝트와의 유사도는 감소하게 된다. K-평균 알고리즘은 각 그룹의 중심 (centroid)과 그룹 내의 데이터 오브젝트와의 거리의 제곱합을 비용 함수로 정하고, 이 함수값을 최소화하는 방향으로 각 데이터 오브젝트의 소속 그룹을 업데이트 해 줌으로써 클러스터링을 수행하게 된다.
즉, n개의 데이터 오브젝트 x들의 집합이 주어졌을 때, K-평균 알고리즘은 n개의 데이터 오브젝트들을 각 집합 내 오브젝트 간 응집도를 최대로 하는 k(<=n) 개의 집합 S = {S1, S2, …, Sk} 으로 분할한다. 다시 말해, μi는 i번째 클러스터의 중심이고, Si는 i번째 클러스터에 속하는 점의 집합이라 할 때, 각 집합별 중심점~집합 내 오브젝트간 거리의 제곱합을 최소로 하는 집합 S를 찾는 것이 이 알고리즘의 목표가 된다.
즉, 하기 <수학식 1>을 만족하는 K-평균 알고리즘을 이용하여 다수의 샘플 동공좌표를 클러스터링한다.
<수학식 1>
Figure pat00001
n은 샘플 동공좌표의 개수, k는 군집(클러스터)의 개수, x는 각 샘플 동공좌표의 특징 벡터이고, μi는 i번째 클러스터의 중심, Si는 i번째 클러스터에 속하는 점의 집합이다.
상기 클러스터링부(802)는, 상기 클러스터의 개수 k가 다수의 값을 가지는 다수의 경우에 대하여 적어도 2회 이상씩 클러스터링하는 것을 특징으로 한다. 예를 들어, k 값을 12, 16, 20일 때 각각 3회식 클러스트링을 수행하면, 총 9가지의 클러스터링 결과를 얻을 수 있다.
상기 내부평가부(803)는 상기 소정 횟수의 각 클러스터링 결과에 따른 상기 샘플 동공좌표의 군집정도를 평가하여 적어도 2개 이상의 클러스터링 결과를 결정한다.
상기 내부평가부(803)는 하기 <수학식 2>를 이용하여 데이비스-보들린 인덱스(Davies-Boudlin Index)를 계산하여 각 클러스터링 결과에 따른 상기 샘플 동공좌표의 군집정도를 평가한다.
<수학식 2>
Figure pat00002
여기서, DB는 데이비스-보들린 인덱스, k는 클러스터의 개수, cp는 p번째 클러스터의 중심점, σp는 p번째 클러스터 내의 모든 요소들과 cp 까지의 평균 거리, d(cp, cq)는 cp 와 cq 간의 거리이다.
클러스터간 거리가 가깝고 즉, 높은 클러스터간 유사성을 가지고, 클러스터 내의 거리가 멀은, 즉, 낮은 클러스터내 유사성을 가지는, 클러스터들은 높은 DB 수치를 가진다. 따라서, 가장 낮은 DB 수치를 가진 클러스터 결과가 가장 군집이 잘된 클러스터링으로 평가된다.
상기 내부평가부(803)는 상기 소정 횟수의 각 클러스터링 결과에 따른 상기 샘플 동공좌표의 군집정도를 평가하여 적어도 2개 이상의 클러스터링 결과를 결정한다. 예를 들어, 상기 9가지 클러스터링 결과로부터 평가가 좋은 3가지의 클러스터링 결과를 선택한다.
상기 클러스터 재평가부(804)는 상기 결정된 클러스터링 결과 내 클러스터별 밀집도를 계산하여 각 클러스터를 재평가한다.
클러스터별 밀집도는 하기 <수학식 3>을 이용하여 계산한다.
<수학식 3>
밀집도 = 해당 클러스터에 포함된 샘플 동공좌표의 개수 ㅧ (1/ 해당 클러스터의 중심점과 각 샘플 동공좌표 간의 거리의 평균)
선택된 클러스터링 결과 3가지에 대하여 밀집도를 모두 평가하되, 예를들어, 클러스터 개수가 12개에 대하여 밀집도를 평가할 경우, 12개의 클러스터에 대하여 밀집도를 모두 계산하고, 추후 집중도분석영역 결정부(805)에서 가장 높은 값을 가지는 소정의 개수를 선택하여 최대집중영역으로 결정된다. 한편, 3가지 경우에 대하여 모두 밀집도를 평가하여, 가장 높은 밀집도를 가지는 소정의 개수의 영역을 모두 합하여 최대집중영역으로 결정할 수도 있다. 밀집도에 따라 최대집중역역으로 결정하는데 여러 가지 다양한 방법이 사용될 수 있다.
상기 집중도분석영역 결정부(805)는 상기 비분석영역은 비집중영역으로 결정하고, 상기 비분석영역이 제외된 영상분석영역에서 상기 클러스터 재평가부(804)에서 계산한 밀집도에 따라 기설정 개수 이상의 클러스터를 포함하는 최대집중영역을 결정하고, 그 외의 영역에 대해서는 집중영역으로 결정한다.
상기 집중도분석영역 결정부(805)는 상기 비분석영역이 제외된 영상분석영역을 빈틈없이 k개의 클러스터 영역으로 구분되도록 주성분 분석법, 최근접 보간법 및, 보로노이 다이어그램을 이용할 수 있다.
여기서, 주성분 분석법(PCA, Principal Component Analysis)는 높은 차원의 특징벡터를 낮은 차원의 특징 벡터로 축소하는 특징 벡터의 차원축소와 데이터 시각화와 특징 추출에도 유용하게 사용되는 데이터 처리 기법 중 하나이다. 한편, 고차원의 데이터의 분포를 2차원 혹은 3차원 공간에 데이터의 분포를 시각화(data visualization)하고자 할 때 PCA가 사용된다. 차원을 축소하기 위해 PCA를 사용하여 두 축을 구하고 이 두 축으로 차원을 축소하고 이 두축을 기준으로 추정된 데이터의 분포를 나타낼 수 있다.
한편, 보로노이 다이어그램이란 평면을 특정 점까지의 거리가 가장 가까운 점의 집합으로 분할한 그림이다. 평면 위에 여러 개의 점이 존재할 때, 가장 인접한 두 개의 점을 선택해 수직이등분선을 그리면 평면은 수직이등분선에 의해 여러 개의 다각형으로 분할된다. 이렇게 그려진 그림을 보로노이 다이어그램이라고 하고, 이때 생기는 다각형을 보로노이 다각형이라고 한다. 보로노이 다각형은 특정 점을 기준으로 가장 가까운 점들을 모은 집합이 된다. 이것이 보로노이 다이어그램이 갖는 가장 중요한 성질이다.
한편, 집중도 산출부(309)는 새로 획득한 동공좌표를 전달받아 k-NN (k-최근접 이웃) 알고리즘을 사용하여 해당 동공좌표가 어떤 클러스터에 해당되는지 결정하여 집중도를 산출할 수도 있다.
상기 k-NN (k-최근접 이웃) 알고리즘에서, 일예로, 유클리드 거리를 사용할 수 있다.
각 클러스터에 포함된 중심점(중심)과 새로 획득한 동공좌표 간의 유클리드 거리를 계산할 수 있다.
각 동공좌표는 2차원의 특징 벡터를 가지고 있으므로, 2-차원의 두 벡터 p=(p1, p2) 와 q=(q1, q2) 사이의 유클리드 거리(Lu)는 하기 <수학식 4>를 이용하여 계산한다.
<수학식 4>
Figure pat00003
여기서, p는 각 클러스터의 중심이고, q는 새로 획득한 동공좌표의 2차원 특징 벡터이다. p와 q는 서로 바뀌어도 무방하다.
따라서, i개의 클러스터 각각에 대하여 i개의 유클리드 거리를 연산한 이후, 가장 거리가 가까운 클러스터(군집)를 새로 획득한 동공좌표의 군집으로 정할 수 있다.
한편, 각 클러스터에 포함된 특징 벡터들(동공좌표들)과 새로 획득한 동공좌표의 특징 벡터 간의 유클리드 거리를 연산한 이후, 그 평균값을 계산하여, 평균값이 가장 작은 클러스터(군집)를 새로 획득한 동공좌표의 군집으로 정할 수도 있다.
각 클러스터의 유클리드 거리의 평균값(mLu)은 하기 <수학식 5>로 나타낼 수 있다.
<수학식 5>
Figure pat00004
여기서, a는 임의의 클러스터에 포함된 동공좌표의 개수, rt은 임의의 클러스터에 포함된 2-차원 특징 벡터들, q는 새로 획득한 동공좌표의 2-차원 특징 벡터이다. 따라서, k 개의 클러스터 각각에 대하여 상기 <수학식 5>의 연산으로 유클리드 거리의 평균값을 계산한 이후, 평균값이 가장 작은 클러스터(군집)를 새로 획득한 동공좌표의 클러스터로 정할 수도 있다.
한편, 집중도 산출부(309)는 새로 획득하는 동공좌표가 상기 캘리브레이션부(308)에서 구분한 다수의 각 영역 중 어느 영역에 속하는지 판단하여 각 영역의 집중도 인덱스를 증가시키거나 감소시켜 해당 응시자의 집중도를 계산하여, 해당 응시자의 집중도를 산출할 수 있으며, 저장부(302)에 기정장된 해당 응시자의 집중도와도 비교하여 분석 결과를 제공할 수도 있다.
도 9a 내지 도 9e는 본 발명에 따른 샘플 동공좌표의 캘리브레이션 과정을 설명하기 위한 도면이다. 도 9a 내지 9e에서는, 설명의 편의를 위해 한쪽 눈에 대해서만 샘플 동공좌표를 캘리브레이션 하는 과정을 설명하기로 한다. 그러나, 양쪽 눈에 대하여 각각 수행해야 한다.
도 9a에 도시된 바와 같이, 영상분석영역(901) 상에, 다수의 샘플 동공좌표를 모두 표시한다.
도 9b에 도시된 바와 같이, 상기 영상분석영역(901)을 사각형 형태의 다수의 그리드(902)로 분할한다. 소정의 개수의 행과 열을 가지도록 분할한다. 일 예로, 도면에서는, 9열 및 11행으로 구분하였다.
이후, 도 9c에 도시된 바와 같이, 각 그리드 내부에, 기설정 개수의 샘플 동공좌표가 존재하지 않는 그리드를 제외하며, 추후 비집중영역(903)으로 정의된다.
이후, 클러스터링부(802)에서의 클러스터링과정, 내부평가부(803)에서의 내부평가과정 및 클러스터 재평가부(804)에서의 클러스터 재평가 과정을 통해 최대집중영역(904)이 정의된다.
이후, 도 9e에 도시된 바와 같이, 영상분석영역(901)에서, 비집중영역(903) 및 최대집중영역(904)을 제외한 나머지 영역이 집중영역(905)으로 정의된다.
도 10은 본 발명의 일 실시예에 따른 블라인드 채용 시험 제공 방법에 있어서, 집중도 분석 방법의 상세 흐름도이다.
먼저, 카메라(220)로부터 영상 데이터(영상 정보)를 프레임 단위로 전달받는다(S1010). 상기 프레임 단위의 영상 데이터로부터 얼굴 영역을 포함하는 사각형 영역을 정의한다(S1020). 상기 사각형 영역 내에 포함되는 영상분석영역을 미리 정의할 수도 있다.
한편, 상기 사각형 영역을 기준으로 한 좌표시스템에서 양쪽 눈의 형상과 명암을 영상 처리하여 양쪽 눈에 대한 영상분석영역 및 동공좌표를 획득한다(S1030).
초기 기설정 시간 동안 획득한 샘플 동공좌표에 대한 클러스터링 및 클러스터링 품질평가를 통해 집중도 평가에 사용할 영역을 다수개의 영역으로 구분한다.(S1040)
상기 "S1040"단계(캘리브레이션단계)는 하기 상세 단계를 포함한다.
먼저, 영상분석영역을 기설정 개수의 그리드로 구분하고, 소정의 개수 미만의 샘플 동공좌표를 포함하는 그리드는 상기 영상분석영역에서 제외한다(S1041).
이후, 상기 영상분석영역에서 상기 비분석영역을 제외한 나머지 영역에 포함된 샘플 동공좌표에 대하여 하기 <수학식 6>을 만족하는 K-평균 알고리즘을 이용하여 다수의 샘플 동공좌표를 클러스터링한다(S1042).
<수학식 6>
Figure pat00005
n은 샘플 동공좌표의 개수, k는 군집(클러스터)의 개수, x는 각 샘플 동공좌표의 특징 벡터이고, μi는 i번째 클러스터의 중심, Si는 i번째 클러스터에 속하는 점의 집합이다.
여기서, 상기 클러스터의 개수 k가 다수의 값을 가지는 다수의 경우에 대하여 적어도 2회 이상씩 클러스터링하는 것을 특징으로 한다. 예를 들어, k 값을 12, 16, 20일 때 각각 3회식 클러스트링을 수행하면, 총 9가지의 클러스터링 결과를 얻을 수 있다.
이후, 상기 소정 횟수의 각 클러스터링 결과에 따른 상기 샘플 동공좌표의 군집정도를 평가하여 적어도 2개 이상의 클러스터링 결과를 결정한다(S1043).
여기서, 하기 <수학식 7>를 이용하여 데이비스-보들린 인덱스(Davies-Boudlin Index)를 계산하여 각 클러스터링 결과에 따른 상기 샘플 동공좌표의 군집정도를 평가한다.
<수학식 7>
Figure pat00006
여기서, DB는 데이비스-보들린 인덱스, k는 클러스터의 개수, cp는 p번째 클러스터의 중심점, σp는 p번째 클러스터 내의 모든 요소들과 cp 까지의 평균 거리, d(cp, cq)는 cp 와 cq 간의 거리이다.
상기 소정 횟수의 각 클러스터링 결과에 따른 상기 샘플 동공좌표의 군집정도를 평가하여 적어도 2개 이상의 클러스터링 결과를 결정한다. 예를 들어, 상기 9가지 클러스터링 결과로부터 평가가 좋은 3가지의 클러스터링 결과를 선택한다.
이후, 상기 결정된 클러스터링 결과 내 클러스터별 밀집도를 계산하여 각 클러스터를 재평가한다(S1044).
클러스터별 밀집도는 하기 <수학식 8>을 이용하여 계산한다.
<수학식 8>
밀집도 = 해당 클러스터에 포함된 샘플 동공좌표의 개수 ㅧ (1/ 해당 클러스터의 중심점과 각 샘플 동공좌표 간의 거리의 평균)
선택된 클러스터링 결과 3가지에 대하여 밀집도를 모두 평가하되, 예를들어, 클러스터 개수가 12개에 대하여 밀집도를 평가할 경우, 12개의 클러스터에 대하여 밀집도를 모두 계산하고, 추후 집중도분석영역 결정단계(S1045)에서 가장 높은 값을 가지는 소정의 개수를 선택하여 최대집중영역으로 결정될 수도 있다. 한편, 3가지 경우에 대하여 모두 밀집도를 평가하여, 가장 높은 밀집도를 가지는 소정의 개수의 영역을 모두 합하여 최대집중영역으로 결정할 수도 있다. 밀집도에 따라 최대집중역역으로 결정하는데 여러 가지 다양한 방법이 사용될 수도 있다.
이후, 상기 비분석영역은 비집중영역으로 결정하고, 상기 비분석영역이 제외된 영상분석영역에서 상기 클러스터 재평가단계(S1044)에서 계산한 밀집도에 따라 기설정 개수 이상의 클러스터를 포함하는 최대집중영역을 결정하고, 그 외의 영역에 대해서는 집중영역으로 결정한다(S1045).
한편, 집중도분석영역 결정단계(S1045)에서는, 상기 비분석영역이 제외된 영상분석영역을 빈틈없이 k개의 클러스터 영역으로 구분되도록 주성분 분석법, 최근접 보간법 및, 보로노이 다이어그램을 이용할 수 있다.
상기 캘리브레이션단계(S1040) 이후 획득한 다수의 동공좌표가 상기 구분한 다수의 각 영역 중 어느 영역에 속하는지 판단하여 각 영역의 집중도 인덱스를 증가시키거나 감소시켜 해당 응시자의 각 문제별 문제영역 및 풀이영역의 집중도를 계산한다(S1050).
한편, 집중도 산출단계(S1050)에서는 새로 획득한 동공좌표를 전달받아 k-NN (k-최근접 이웃) 알고리즘을 사용하여 해당 동공좌표가 어떤 클러스터에 해당되는지 결정하여 집중도를 산출할 수도 있다.
상기 k-NN (k-최근접 이웃) 알고리즘에서, 일예로, 유클리드 거리를 사용할 수 있다.
각 클러스터에 포함된 중심점(중심)과 새로 획득한 동공좌표 간의 유클리드 거리를 계산할 수 있다.
각 동공좌표는 2차원의 특징 벡터를 가지고 있으므로, 2-차원의 두 벡터 p=(p1, p2) 와 q=(q1, q2) 사이의 유클리드 거리(Lu)는 하기 <수학식 9>를 이용하여 계산한다.
<수학식 9>
Figure pat00007
여기서, p는 각 클러스터의 중심이고, q는 새로 획득한 동공좌표의 2차원 특징 벡터이다. p와 q는 서로 바뀌어도 무방하다.
따라서, i개의 클러스터 각각에 대하여 i개의 유클리드 거리를 연산한 이후, 가장 거리가 가까운 클러스터(군집)를 새로 획득한 동공좌표의 군집으로 정할 수 있다.
한편, 각 클러스터에 포함된 특징 벡터들(동공좌표들)과 새로 획득한 동공좌표의 특징 벡터 간의 유클리드 거리를 연산한 이후, 그 평균값을 계산하여, 평균값이 가장 작은 클러스터(군집)를 새로 획득한 동공좌표의 군집으로 정할 수도 있다.
각 클러스터의 유클리드 거리의 평균값(mLu)은 하기 <수학식 10>으로 나타낼 수 있다.
<수학식 10>
Figure pat00008
여기서, a는 임의의 클러스터에 포함된 동공좌표의 개수, rt은 임의의 클러스터에 포함된 2-차원 특징 벡터들, q는 새로 획득한 동공좌표의 2-차원 특징 벡터이다. 따라서, k 개의 클러스터 각각에 대하여 상기 <수학식 10>의 연산으로 유클리드 거리의 평균값을 계산한 이후, 평균값이 가장 작은 클러스터(군집)를 새로 획득한 동공좌표의 클러스터로 정할 수도 있다.
도 11는 본 발명의 일 실시예에 따른 온라인 블라인드 채용 시험 제공 방법에 있어서, 전문가 대행에 의한 유료 서비스 제공 방법에 대한 설명도이다.
도 11에 도시된 바와 같이, 시험문제 출제 및 채점과 관련하여, 전문가의 서비스를 제공받기 위해서는, 우선, 기업회원이 본 발명에 따른 온라인 블라인드 채용 시험 제공 시스템에 로그인을 하고(1101), 전문가 풀(Pool)에서 실무 역량을 검증할 수 있는 전문가를 매칭을 통해 선택한다(1102).
이후, 비용결제(1103)가 확인된 후, 기업회원의 인재상 또는 직무역량과 같은 요구사항을 분석하여(1104), 이에 해당하는 시험 문제를 출제한다(1105).
이후, 기업담당자가 출제된 문제를 승인하면(1106), 온라인 시험이 실시된다(1107).
온라인 시험이 종료(1108)된 이후, 전문가가 채점을 대행할 수 있다(1109).
이후, 기업담당자가 채점 결과를 확인(1110)한 후, 해당 전문가에게 수수료를 제외한 비용이 지급될 수 있다(1111).
도 12a 및 12b는 본 발명의 일 실시예에 따른 온라인 블라인드 채용 시험 제공 방법에 있어서, 고득점자 이력서 제공시 유료 서비스 제공 방법에 대한 설명도이다.
채용 시험이 종료된 후, 전체 응시자 중 기설정 비율 이내의 고득점자의 이력서를 해당 기업회원에게 제공하는데, 이는 무료이다.
도 12a 및 12b를 참조하면, 전체 응시자 중 기설정 비율 이내의 고득점자의 이력서를 제공받기 위해서는 추가되는 인원에 따라 부과 금액이 결정됨을 표로 나타내었다.
여기서는, 일예로, 전체 응시자 중 기설정 비율을 30%로 하였고, 추가되는 인원에 따라, 30명은 3만원, 50명은 5만원, 100명은 10만원 150명은 15만원을 추가비용으로 정한 예를 나타내었다.
도 13은 본 발명의 일 실시예에 따른 온라인 블라인드 채용 시험 제공 방법에 있어서, 문제의 난이도 분석 방법에 대한 설명도이다.
도 13을 참고하면, 온라인 블라인드 채용 시험시, 응시자 단말기 화면(1300)에 문제가 출제되는데, 주관식 시험인 경우, 문제영역(1301) 및 풀이영역(1302)으로 나눌 수 있다.
이를 집중도 분석 알고리즘에 따라 분석하면, 문제영역 및 풀이영역에 동공좌표가 분포할 것으로 예상되며, 각 문제별로, 문제영역에 동공좌표가 머무는 시간(집중시간) 및 풀이영역에 동공좌표가 머무는 시간(집중시간)을 카운트할 수 있다.
본 발명에서는, 동공좌표가 머무는 시간을 "집중시간"이라고 하기로 한다.
한편, 난이도는 높은 난이도부터 낮은 난이도를 9단계로 나타내기 위해, "상상, 상중, 상하, 중상, 중중, 중하, 하상, 하중, 하하"로 표시하였으나, 높은 난이도부터 낮은 난이도를 10단계로 나타내기 위해, 10부터 1까지로 표시할 수도 있다.
일 예로, 문제 A에 대하여 정답자의 문제영역 집중시간의 평균값이 1분이고, 정답자의 풀이영역 집중시간의 평균값이 15분이고, 문제의 정답률이 20%인 경우, 난이도는 "상상"으로 표시하였다. 한편, 문제 B에 대하여 정답자의 문제영역 집중시간의 평균값이 1분이고, 정답자의 풀이영역 집중시간의 평균값이 10분이고, 문제의 정답률이 80%인 경우, 난이도는 "중상"으로 표시하였다. 한편, 문제 C에 대하여 정답자의 문제영역 집중시간의 평균값이 30초이고, 정답자의 풀이영역 집중시간의 평균값이 5분이고, 문제의 정답률이 10%인 경우, 난이도는 "상중"으로 표시하였다. 한편, 문제 D에 대하여 정답자의 문제영역 집중시간의 평균값이 20초이고, 정답자의 풀이영역 집중시간의 평균값이 5분이고, 문제의 정답률이 90%인 경우, 난이도는 "하상"으로 표시하였다.
이에 따라, 각 문제의 집중도 및 난이도 정보를 포함하여 문제은행을 구축할 수 있다.
도 14는 본 발명의 일실시예에 따른 온라인 블라인드 채용 시험 제공 방법 의 흐름도이다.
먼저, 기업회원 단말기를 통해 기업회원으로 응시자 단말기를 통해 일반회원으로 블라인드 채용 시험 제공 시스템에 회원으로 가입한다(S1410).
상기 기업회원이 채용공고를 함에 따라, 상기 일반회원은 입사지원을 한다(S1420).
상기 기업회원은 상기 채용 공고에 따른 시험문제를 등록한다(S1430).
온라인 블라인드 채용 시험이 치러지는 동안, 부정행위 감지 및 응시자의 집중도 분석이 수행된다(S1440).
이후, 시험이 종료됨에 따라, 채점을 진행한다(S1450).
이후, 상기 기업회원에게 상기 블라인드 채용 시험의 고득점자 이력서를 제공한다(S1460).
이후, 각 문제별 집중도 및 정답률에 따른 문제 난이도를 분석하여 문제은행을 구축한다(S1470).
추가적으로, 상기 채용 시험 응시자에게 본인의 부정행위 의심 동작 횟수를 제공한다(S1480).
도 15는 본 발명의 일실시예에 따른 온라인 블라인드 채용 시험 제공 방법에 있어서, 전문가 대행에 의한 시험문제 등록 및 채점 단계의 상세 흐름도이다.
상기 채용 공고에 따른 시험문제를 등록하는 단계(S1430)는, 유로 서비스 인지 아닌지를 먼저 판단한다(S1510).
상기 판단 단계(S1510)의 판단 결과, 유료 서비스가 아니면, 기업회원이 직접 문제를 등록한다(S1520).
한편, 상기 판단 단계(S1510)의 판단 결과, 유료 서비스이면, 검증된 전문가를 매칭을 통해 선택한다(S1530).
이후, 기설정된 비용을 청구하여 결제를 확인한다(S1540).
결제가 확인 되면, 상기 기업회원의 인재상 및 요구되는 직무역량을 포함한 요구사항을 분석한다(S1550).
이후, 시험 문제가 출제됨에 따라, 상기 기업회원 단말기를 통해 승인을 받는다(S1560).
한편, 상기 채점하는 단계(S1450)는, 상기 기업회원이 시험 문제를 직접 등록한 경우, 상기 기업회원이 채점을 진행한다.
한편, 상기 전문가가 시험 문제를 등록한 경우, 상기 전문가가 채점을 진행할 수 있다(S1570).
도 15에서는, 전문가 대행으로 문제 등록 및 채점을 모두 진행한 것을 예로 들었으나, 전문가 대행으로 문제 등록만 하는 것도 가능하다.
이상에서 본 발명의 일 실시예에 따른 온라인 블라인드 채용 시험 제공 방법에 대하여 설명하였지만, 온라인 블라인드 채용 시험 제공 방법을 구현하기 위한 프로그램이 저장된 컴퓨터 판독 가능한 기록매체 및 온라인 블라인드 채용 시험 제공 방법을 구현하기 위한 컴퓨터 판독 가능한 기록매체에 저장된 프로그램 역시 구현 가능함은 물론이다.
즉, 상술한 온라인 블라인드 채용 시험 제공 방법은 이를 구현하기 위한 명령어들의 프로그램이 유형적으로 구현됨으로써, 컴퓨터를 통해 판독될 수 있는 기록매체에 포함되어 제공될 수도 있음을 당업자들이 쉽게 이해할 수 있을 것이다. 다시 말해, 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어, 컴퓨터 판독 가능한 기록매체에 기록될 수 있다. 상기 컴퓨터 판독 가능한 기록매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 컴퓨터 판독 가능한 기록매체에 기록되는 프로그램 명령은 본 발명을 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 상기 컴퓨터 판독 가능한 기록매체의 예에는 하드 디스크, 플로피 디스크 및 자기테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 롬(ROM), 램(RAM), 플래시 메모리, USB 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 상기 컴퓨터 판독 가능한 기록매체는 프로그램 명령, 데이터 구조 등을 지정하는 신호를 전송하는 반송파를 포함하는 광 또는 금속선, 도파관 등의 전송 매체일 수도 있다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다. 상기 하드웨어 장치는 본 발명의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.
본 발명은 상기한 실시예에 한정되지 아니하며, 적용범위가 다양함은 물론이고, 청구범위에서 청구하는 본 발명의 요지를 벗어남이 없이 다양한 변형 실시가 가능한 것은 물론이다.
200: 안면 데이터 분석 서버 210: 응시자 단말기
220: 카메라 230: 기업회원 단말기
240: 블라인드 채용 시험 제공 서버 250: 감독관 단말기
301: 송수신부 302: 저장부
303: 얼굴인식부 304: 동공좌표 획득부
305: 중간좌표 획득부 306: 배경 인식부
307: 부정행위 판단부 308: 캘리브레이션부
309: 집중도 산출부 311: 인터페이스부
312: 제어부 313: 처리부
314: 데이터베이스 관리부 801: 비분석영역 소거부
802: 클러스터링부 803: 내부평가부
804: 클러스터 재평가부 805: 집중도분석영역 결정부

Claims (10)

  1. 온라인 블라인드 채용 시험 제공 시스템에 있어서,
    응시자가 블라인드 채용 시험에 응시하기 위한 응시자 단말기(210);
    상기 응시자 단말기에 부착되거나 스마트기기에 구비되어 해당 응시자의 정면을 촬영하기 위한 카메라(220);
    기업회원의 블라인드 채용 정보 및 채용 시험 문제를 입력받고, 블라인드 채용 시험 결과를 제공받기 위한 기업회원 단말기(230);
    상기 카메라로부터 상기 응시자를 촬영한 영상정보를 프레임 단위로 전달받아 영상처리를 통해 획득한 다수의 동공좌표를 클러스터링 및 분석하여 해당 응시자의 부정행위 의심 동작 횟수 및 집중도를 산출하는 안면 데이터 분석 서버(200); 및
    온라인 블라인드 채용 시험 서비스를 제공하는데 있어서, 상기 산출한 집중도에 기반하여 해당 응시자의 문제읽기 및 답변풀이에 소요되는 소요시간을 확인함으로써, 해당 문제의 정답률에 근거한 난이도를 도출하여 난이도 분석결과에 따른 문제은행을 구축하고, 상기 기업회원의 요청에 따라 채용 시험 문제를 제공하고, 상기 채용 시험 문제를 채점하여 분석한 채용 시험 결과 및 상기 응시자의 부정행위 의심 동작 횟수를 제공하기 위한 블라인드 채용 시험 제공 서버(240)
    를 포함하는 온라인 블라인드 채용 시험 제공 시스템.
  2. 제 1항에 있어서,
    상기 안면 데이터 분석 서버(200)는,
    상기 응시자의 영상정보로부터 얼굴 영역을 포함하는 사각형 영역을 정의하기 위한 얼굴 인식부(303);
    상기 사각형 영역을 기준으로 한 좌표시스템에서 양쪽 눈의 형상과 명암을 영상 처리하여 양쪽 눈에 대한 영상분석영역 및 동공좌표를 획득하는 동공좌표 획득부(304);
    상기 양쪽 눈의 동공 좌표의 중간 좌표를 결정하는 중간 좌표 획득부(305);
    상기 응시자의 몸과 얼굴 영역을 제외한 모든 영역에 대하여 백그라운드로 설정하는 배경 인식부(306);
    상기 얼굴 인식부에서 획득되는 얼굴 영역이 2개 이상인지 아닌지 여부, 상기 동공 좌표 획득부로부터 전달받은 기준 동공 좌표값과 실시간 동공 좌표 평균값을 비교하여 상기 기준 동공 좌표값을 기준으로 상기 실시간 동공 좌표 평균값이 기 설정된 오차 범위를 벗어나는지 여부, 상기 중간 좌표 획득부로부터 전달받은 중간 좌표의 이동 거리가 기 설정된 오차 범위를 벗어나는지 여부, 및 상기 배경 인식부로부터 전달받은 백그라운드 영역의 변화가 감지되는지 여부를 판단하기 위한 부정행위 판단부(307);
    초기 기설정 시간 동안 획득한 샘플 동공좌표에 대한 클러스터링 및 클러스터링 품질평가를 통해 집중도 평가에 사용할 영역을 다수개의 영역으로 구분하는 캘리브레이션부(308); 및
    상기 동공좌표 획득부에서 획득한 다수의 동공좌표가 상기 캘리브레이션부에서 구분한 다수의 각 영역 중 어느 영역에 속하는지 판단하여 각 영역의 집중도 인덱스를 증가시키거나 감소시켜 해당 응시자의 각 문제별 문제영역 및 풀이영역의 집중도를 계산하는 집중도 산출부(309)
    를 포함하는 것을 특징으로 하는 온라인 블라인드 채용 시험 제공 시스템.
  3. 제 2항에 있어서,
    상기 캘리브레이션부(308)는,
    상기 영상분석영역을 기설정 개수의 그리드로 구분하고, 소정의 개수 미만의 샘플 동공좌표를 포함하는 그리드를 상기 영상분석영역에서 제외하는 비분석영역 소거부(801);
    상기 영상분석영역에서 상기 비분석영역을 제외한 나머지 영역에 포함된 샘플 동공좌표에 대하여 K-평균 알고리즘을 이용하여 소정 횟수의 클러스터링을 수행하는 클러스터링부(802);
    상기 소정 횟수의 각 클러스터링 결과에 따른 상기 샘플 동공좌표의 군집정도를 평가하여 적어도 2개 이상의 클러스터링 결과를 결정하는 내부평가부(803);
    상기 결정된 클러스터링 결과 내 클러스터별 밀집도를 계산하여 각 클러스터를 재평가하는 클러스터 재평가부(804); 및
    상기 비분석영역은 비집중영역으로 결정하고, 상기 비분석영역이 제외된 영상분석영역에서 상기 클러스터 재평가부에서 계산한 밀집도에 따라 기설정 개수 이상의 클러스터를 포함하는 최대집중영역을 결정하고, 그 외의 영역에 대해서는 집중영역으로 결정하는 집중도분석영역 결정부(805)
    를 포함하는 것을 특징으로 하는 온라인 블라인드 채용 시험 제공 시스템.
  4. 제 3항에 있어서,
    상기 온라인 블라인드 채용 시험 진행시, 상기 안면 데이터 분석 서버(200)로부터 부정행위 의심 동작이 기설정 횟수 이상 감지됨에 따라 이를 수신하는 감독관 단말기(250)
    를 더 포함하는 것을 특징으로 하는 온라인 블라인드 채용 시험 제공 시스템.
  5. 온라인 블라인드 채용 시험 제공 방법에 있어서,
    기업회원 단말기를 통해 기업회원으로 응시자 단말기를 통해 일반회원으로 블라인드 채용 시험 제공 시스템에 회원으로 가입하는 단계(S1410);
    상기 기업회원이 채용공고를 함에 따라, 상기 일반회원은 입사지원을 하는 단계(S1420);
    상기 채용 공고에 따른 시험문제를 등록하는 단계(S1430);
    블라인드 채용 시험이 치러지는 동안, 부정행위 감지 및 응시자의 집중도 분석이 수행되는 단계(S1440);
    시험이 종료됨에 따라, 채점하는 단계(S1450);
    상기 기업회원에게 상기 블라인드 채용 시험의 고득점자 이력서를 제공하는 단계(S1460);
    각 문제별 집중도 및 정답률에 따른 문제 난이도를 분석하여 문제은행을 구축하는 단계(S1470); 및
    상기 채용 시험 응시자에게 본인의 부정행위 의심 동작 횟수를 제공하는 단계(S1480)
    를 포함하는 온라인 블라인드 채용 시험 제공 방법.
  6. 제 5항에 있어서,
    상기 채용 공고에 따른 시험문제를 등록하는 단계(S1430)는,
    상기 기업회원의 직접 등록에 따른 무료 등록 및 전문가 대행에 따른 유료 등록을 포함하고,
    상기 전문가 대행에 따른 유료 등록은,
    검증된 전문가를 매칭을 통해 선택하는 단계(S1530);
    기설정된 비용을 청구하는 단계(S1540);
    상기 기업회원의 인재상 및 요구되는 직무역량을 포함한 요구사항을 분석하는 단계(S1550); 및
    시험 문제가 출제됨에 따라, 상기 기업회원 단말기를 통해 승인을 받는 단계(S1560)
    를 포함하고,
    상기 채점하는 단계(S1450)는,
    상기 기업회원이 시험 문제를 직접 등록한 경우, 상기 기업회원이 채점을 진행하되,
    상기 전문가가 시험 문제를 등록한 경우, 상기 전문가가 채점을 진행하는 단계(S1570)
    를 포함하는 것을 특징으로 하는 온라인 블라인드 채용 시험 제공 방법.
  7. 제 5항에 있어서,
    상기 부정행위 감지가 수행되는 단계는,
    응시자의 동공 움직임의 변화에 따른 부정행위를 검출하는 단계;
    상기 응시자 머리의 움직임 변화에 따른 부정행위를 검출하는 단계(S714);
    상기 응시자 외 인물 검출에 따른 부정행위를 검출하는 단계(S704); 및
    백그라운드의 변화로 부정행위를 검출하는 단계(S707)
    를 포함하고,
    상기 응시자의 동공 움직임의 변화에 따른 부정행위를 검출하는 단계는,
    카메라로부터 영상 데이터를 프레임 단위로 전달받는 영상획득단계(S701);
    응시자의 영상정보로부터 얼굴 영역을 포함하는 사각형 영역을 정의하는 얼굴인식단계(S702);
    상기 사각형 영역을 기준으로 한 좌표시스템에서 양쪽 눈의 형상과 명암을 영상 처리하여 양쪽 눈에 대한 영상분석영역 및 동공좌표를 획득하는 동공좌표 획득단계(S708);
    시험 시작 전 일정시간 동안의 동공 좌표의 평균값을 계산하여 기준 동공 좌표값을 획득하는 기준동공좌표값획득단계(S709);
    시험이 시작되면 일정시간 단위로 각 응시자 양쪽 눈의 동공 좌표 평균값을 계산하여 실시간 동공 좌표 평균값을 획득하는 동공좌표평균값획득단계(S710); 및
    상기 기준 동공 좌표값과 상기 실시간 동공 좌표 평균값과의 차이가 기설정된 오차범위를 넘어감에 따라, 부정행위 의심 동작이 감지됨을 카운트하는 단계(S712)
    를 포함하고,
    상기 응시자 머리의 움직임 변화에 따른 부정행위를 검출하는 단계(S714)는,
    상기 양쪽 눈의 동공 좌표의 중심점을 기준 중간 좌표값로 결정하는 기준중간좌표값결정단계;
    상기 실시간 동공 좌표 평균값으로부터 실시간 중간 좌표 평균값을 획득하는 중간좌표평균값획득단계; 및
    상기 기준 중간 좌표값과 상기 실시간 중간 좌표 평균값과의 차이가 기설정된 오차범위를 넘어감에 따라, 부정행위 의심 동작이 감지됨을 카운트하는 단계(S714)
    를 포함하는 것을 특징으로 하는 온라인 블라인드 채용 시험 제공 방법.
  8. 제 7항에 있어서,
    부정행위 의심 동작 횟수가 기설정 회수를 초과함에 따라, 상기 감독관에게 이를 알려주고, 상기 온라인 블라인드 채용 시험을 종료하는 단계(S716)
    를 더 포함하는 것을 특징으로 하는 온라인 블라인드 채용 시험 제공 방법.
  9. 제 5항에 있어서,
    상기 집중도 분석이 수행되는 단계는,
    카메라로부터 영상 데이터를 프레임 단위로 전달받는 영상획득단계(S1010);
    응시자의 영상정보로부터 얼굴 영역을 포함하는 사각형 영역을 정의하는 얼굴인식단계(S1020);
    상기 사각형 영역을 기준으로 한 좌표시스템에서 양쪽 눈의 형상과 명암을 영상 처리하여 양쪽 눈에 대한 영상분석영역 및 동공좌표를 획득하는 동공좌표 획득단계(S1030);
    초기 기설정 시간 동안 획득한 샘플 동공좌표에 대한 클러스터링 및 클러스터링 품질평가를 통해 집중도 평가에 사용할 영역을 다수개의 영역으로 구분하는 캘리브레이션단계(S1040); 및
    상기 캘리브레이션단계 이후 획득한 다수의 동공좌표가 상기 구분한 다수의 각 영역 중 어느 영역에 속하는지 판단하여 각 영역의 집중도 인덱스를 증가시키거나 감소시켜 해당 응시자의 각 문제별 문제영역 및 풀이영역의 집중도를 계산하는집중도 산출단계(S1050)
    를 포함하고,
    상기 캘리브레이션단계(S1040)는,
    상기 영상분석영역을 기설정 개수의 그리드로 구분하고, 소정의 개수 미만의 샘플 동공좌표를 포함하는 그리드는 상기 영상분석영역에서 제외하는 비분석영역 소거단계(S1041);
    상기 영상분석영역에서 상기 비분석영역을 제외한 나머지 영역에 포함된 샘플 동공좌표에 대하여 K-평균 알고리즘을 이용하여 소정 횟수의 클러스터링을 수행하는 클러스터링단계(S1042);
    상기 소정 횟수의 각 클러스터링 결과에 따른 상기 샘플 동공좌표의 군집정도를 평가하여 적어도 2개 이상의 클러스터링 결과를 결정하는 내부평가단계(S1043);
    상기 결정된 클러스터링 결과 내 클러스터별 밀집도를 계산하여 각 클러스터를 재평가하는 클러스터재평가단계(S1044); 및
    상기 비분석영역은 비집중영역으로 결정하고, 상기 비분석영역이 제외된 영상분석영역에서 상기 클러스터 재평가단계에서 계산한 밀집도에 따라 기설정 개수 이상의 클러스터를 포함하는 최대집중영역을 결정하고, 그 외의 영역에 대해서는 집중영역으로 결정하는 집중도분석영역 결정단계(S1045)
    를 포함하는 것을 특징으로 하는 온라인 블라인드 채용 시험 제공 방법.
  10. 제 5항에 있어서,
    상기 고득점자 이력서를 제공하는 단계(S1460)는,
    전체 응시자 중 기설정된 비율 이내의 응시자 정보를 무료로 열람하는 단계(116); 및
    전체 응시자 중 기설정된 비율 이상의 응시자 정보를 유료로 열람하는 단계(117)
    를 포함하는 것을 특징으로 하는 온라인 블라인드 채용 시험 제공 방법.
KR1020180132296A 2018-10-31 2018-10-31 온라인 블라인드 채용 시험 제공 시스템 및 그 방법 KR20200049262A (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020180132296A KR20200049262A (ko) 2018-10-31 2018-10-31 온라인 블라인드 채용 시험 제공 시스템 및 그 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020180132296A KR20200049262A (ko) 2018-10-31 2018-10-31 온라인 블라인드 채용 시험 제공 시스템 및 그 방법

Publications (1)

Publication Number Publication Date
KR20200049262A true KR20200049262A (ko) 2020-05-08

Family

ID=70677776

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020180132296A KR20200049262A (ko) 2018-10-31 2018-10-31 온라인 블라인드 채용 시험 제공 시스템 및 그 방법

Country Status (1)

Country Link
KR (1) KR20200049262A (ko)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112215056A (zh) * 2020-08-18 2021-01-12 五八到家有限公司 信息处理方法、设备、系统及存储介质
CN113553499A (zh) * 2021-06-22 2021-10-26 杭州摸象大数据科技有限公司 一种基于营销裂变的作弊探测方法、系统和电子设备
KR102397793B1 (ko) 2022-01-20 2022-05-13 주식회사 잡앤피플연구소 채용 시스템
WO2023243657A1 (ja) * 2022-06-15 2023-12-21 株式会社データミックス 試験システム

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100978091B1 (ko) 2010-01-07 2010-08-25 주식회사 유비온 온라인 테스트 평가 관리 시스템 및 방법
KR20160137135A (ko) 2015-05-22 2016-11-30 주식회사 마이다스아이티 맞춤형 채용 사이트 생성을 통한 온라인 채용 방법 및 이를 기록한 컴퓨터로 판독가능한 기록매체
KR20170051385A (ko) 2017-04-19 2017-05-11 노성렬 집중도 평가시스템
KR20170110350A (ko) 2016-03-23 2017-10-11 한국전자통신연구원 개인화 모델을 이용한 집중도 측정 장치 및 방법

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100978091B1 (ko) 2010-01-07 2010-08-25 주식회사 유비온 온라인 테스트 평가 관리 시스템 및 방법
KR20160137135A (ko) 2015-05-22 2016-11-30 주식회사 마이다스아이티 맞춤형 채용 사이트 생성을 통한 온라인 채용 방법 및 이를 기록한 컴퓨터로 판독가능한 기록매체
KR20170110350A (ko) 2016-03-23 2017-10-11 한국전자통신연구원 개인화 모델을 이용한 집중도 측정 장치 및 방법
KR20170051385A (ko) 2017-04-19 2017-05-11 노성렬 집중도 평가시스템

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112215056A (zh) * 2020-08-18 2021-01-12 五八到家有限公司 信息处理方法、设备、系统及存储介质
CN113553499A (zh) * 2021-06-22 2021-10-26 杭州摸象大数据科技有限公司 一种基于营销裂变的作弊探测方法、系统和电子设备
KR102397793B1 (ko) 2022-01-20 2022-05-13 주식회사 잡앤피플연구소 채용 시스템
KR102462783B1 (ko) 2022-01-20 2022-11-03 주식회사 잡앤피플연구소 온라인 지원서 작성 시스템
WO2023243657A1 (ja) * 2022-06-15 2023-12-21 株式会社データミックス 試験システム

Similar Documents

Publication Publication Date Title
Escalante et al. Modeling, recognizing, and explaining apparent personality from videos
Buolamwini Gender shades: intersectional phenotypic and demographic evaluation of face datasets and gender classifiers
Dewan et al. Engagement detection in online learning: a review
KR20200049262A (ko) 온라인 블라인드 채용 시험 제공 시스템 및 그 방법
US20190005359A1 (en) Method and system for predicting personality traits, capabilities and suggested interactions from images of a person
CN108717663B (zh) 基于微表情的面签欺诈判断方法、装置、设备及介质
US20210279668A1 (en) Method of preparing recommendations for taking decisions on the basis of a computerized assessment of the capabilities of users
US20170018030A1 (en) System and Method for Determining Credit Worthiness of a User
RU2673010C1 (ru) Способ мониторинга поведения пользователя при взаимодействии с контентом и система для его осуществления
KR101887626B1 (ko) 안면 데이터 기반 집중도 분석 시스템 및 그 방법
US20230095182A1 (en) Method and apparatus for extracting biological features, device, medium, and program product
Wei et al. How smart does your profile image look? Estimating intelligence from social network profile images
US20220318349A1 (en) Liveness detection using audio-visual inconsistencies
CN112215700A (zh) 信贷面审的审核方法及装置
US20180365784A1 (en) Methods and systems for detection of faked identity using unexpected questions and computer input dynamics
Duhaim et al. Cheating detection in online exams during COVID-19 pandemic using data mining techniques
Bekzod Face recognition based automated student attendance system
Wicaksana et al. Human-explainable features for job candidate screening prediction
WO2022005440A2 (en) A system and method for determining digital maturity level of organizations
US20220084151A1 (en) System and method for determining rank
Tran et al. performance analysis of automatic integrated long-range RFID and webcam system
Vaughan Making better use of the crowd
CN114764948A (zh) 活体检测方法、装置、设备及存储介质
KR20220017329A (ko) 녹음 녹화 프로그램이 구비된 응시자 단말의 정면 카메라와 보조 카메라를 사용하여 부정행위를 방지하는 안면윤곽선 인식 인공지능을 사용한 온라인 시험 시스템 및 그 방법
Рахметулаева et al. ANALYSIS OF THE IMPACT OF VIDEO QUALITY ON FEATURE EXTRACTION FROM A VIDEO STREAM USING CONVOLUTIONAL NEURAL NETWORKS

Legal Events

Date Code Title Description
E902 Notification of reason for refusal
E601 Decision to refuse application