KR20200068771A - An attendance check system using deep learning based face recognition - Google Patents

An attendance check system using deep learning based face recognition Download PDF

Info

Publication number
KR20200068771A
KR20200068771A KR1020180149197A KR20180149197A KR20200068771A KR 20200068771 A KR20200068771 A KR 20200068771A KR 1020180149197 A KR1020180149197 A KR 1020180149197A KR 20180149197 A KR20180149197 A KR 20180149197A KR 20200068771 A KR20200068771 A KR 20200068771A
Authority
KR
South Korea
Prior art keywords
face
attendance
deep learning
image
lecture
Prior art date
Application number
KR1020180149197A
Other languages
Korean (ko)
Other versions
KR102177235B1 (en
Inventor
김웅섭
정욱
조성재
김성현
김호영
Original Assignee
동국대학교 산학협력단
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 동국대학교 산학협력단 filed Critical 동국대학교 산학협력단
Priority to KR1020180149197A priority Critical patent/KR102177235B1/en
Publication of KR20200068771A publication Critical patent/KR20200068771A/en
Application granted granted Critical
Publication of KR102177235B1 publication Critical patent/KR102177235B1/en

Links

Images

Classifications

    • G—PHYSICS
    • G07—CHECKING-DEVICES
    • G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
    • G07C9/00—Individual registration on entry or exit
    • G07C9/30—Individual registration on entry or exit not involving the use of a pass
    • G07C9/32—Individual registration on entry or exit not involving the use of a pass in combination with an identity check
    • G07C9/37—Individual registration on entry or exit not involving the use of a pass in combination with an identity check using biometric data, e.g. fingerprints, iris scans or voice recognition
    • G06K9/00221—
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • 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
    • 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
    • G—PHYSICS
    • G07—CHECKING-DEVICES
    • G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
    • G07C9/00—Individual registration on entry or exit
    • G07C9/30—Individual registration on entry or exit not involving the use of a pass
    • G07C9/38—Individual registration on entry or exit not involving the use of a pass with central registration

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Tourism & Hospitality (AREA)
  • Human Computer Interaction (AREA)
  • Software Systems (AREA)
  • Computational Linguistics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biophysics (AREA)
  • Educational Administration (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Educational Technology (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • General Business, Economics & Management (AREA)
  • Biomedical Technology (AREA)
  • Artificial Intelligence (AREA)
  • Molecular Biology (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Multimedia (AREA)
  • Collating Specific Patterns (AREA)
  • Image Analysis (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

The present invention relates to an attendance check system using deep learning based face recognition and, more particularly, to a system which is provided in a university lecture room and manages attendance information of students participating in a lecture. The system includes at least one camera in a classroom to acquire an image of a participant through the camera, recognizes the face of the participant through analysis of the acquired image, and checks the attendance through comparison with a student face image stored in advance. The system analyzes the images repeatedly captured through the camera at predetermined time intervals to grasp the situation in the classroom, such as the lateness or unauthorized departure of the participant, and repeatedly analyzes the image to continuously and additionally store and update the recognized face image of the participant in the database, so that a recognition rate is increased through image learning using deep learning, thereby enabling attendance check with increased accuracy and reliability.

Description

딥러닝 기반 얼굴 인식 출석체크 시스템{An attendance check system using deep learning based face recognition} Deep attendance check system using deep learning based face recognition

본 발명은 딥러닝 기반 얼굴 인식 출석체크 시스템으로서, 더욱 상세하게는 대학 강의실 등에 구비되어 강의에 참여하는 수강생들의 출결사항을 관리하는 시스템을 구축함에 있어서, 강의실 내에 적어도 하나 이상의 카메라를 구비하여, 카메라를 통해 참석자의 영상을 획득하고, 획득한 영상의 분석을 통해 참석자의 얼굴을 파악하여, 미리 저장되어 있는 수강생의 얼굴 이미지와의 비교를 통해 출석 여부를 확인하되, 정해진 시간 간격에 따라 카메라를 통해 반복적으로 촬영되는 영상을 분석하여, 참석자의 지각이나 무단이탈 등 강의실 내의 상황을 파악할 수 있고, 영상을 반복적으로 분석하여 인식된 참석자의 얼굴 이미지를 지속적으로 데이터베이스에 추가 저장하여 업데이트함으로써, 딥러닝을 이용한 이미지 학습을 통해 인식률을 높여, 정확도와 신뢰도가 향상된 출석체크가 가능한 딥러닝 기반 얼굴 인식 출석체크 시스템에 관한 것이다.The present invention is a deep learning-based face recognition attendance check system, and more specifically, it is equipped with at least one camera in a lecture room to construct a system that is provided in a university classroom, etc. and manages attendance information of students participating in the lecture. Acquiring the attendee's video through and analyzing the acquired video to identify the participant's face, and checking the attendance through comparison with the pre-stored student's face image. Deep learning is performed by analyzing images that are repeatedly photographed, grasping the situation in the classroom, such as the attendees' perception or unauthorized departure, and analyzing and repeatedly analyzing the images to continuously store and update the recognized participants' face images in the database. The present invention relates to a deep learning-based face recognition attendance check system capable of increasing attendance checking through improved image recognition and improved accuracy and reliability.

일반적으로 대학 강의 등에서 수강생들의 출석 관리는 교수가 출석부를 통해 명단을 일일이 호명하여, 그에 대한 대답 여부로 직접적으로 출석 여부를 확인하는 방식이 이용되었다. 그러나, 이와 같은 방식을 통한 출석 관리는 강의에 참여하는 수강생이 많은 경우, 번거로움은 물론, 상당한 시간이 소요되어 강의 시간을 낭비하게 되는 단점이 있다.In general, the attendance management of students in college lectures, etc., was a method in which a professor called the list through the attendance department and checked the attendance directly by answering it. However, attendance management through this method has a disadvantage in that when there are many students participating in the lecture, it is not only cumbersome, but also takes a considerable amount of time to waste the lecture time.

이를 해결하기 위해 RFID 카드, 생체인식, 종이 카드 등을 이용한 출석 관리 시스템이 이용되고 있으나, 이러한 출석 관리 방식 역시 출석 대상자가 많을 경우에는 출석을 인증하기 위해 소요되는 시간이 오래 걸리고, RFID 카드 및 종이 카드를 이용한 출석 관리 시스템은 출석 대상자마다 별도의 카드를 발급해야 하는 번거로움이 있으며, 출석 대상자가 항시 카드를 소지해야 하는 불편함이 있고, 유지비가 많이 소요되며, 타인의 대리 출석을 확인할 수 없다는 등의 문제점들이 있다.To solve this, an attendance management system using RFID cards, biometrics, paper cards, and the like is used, but when attendance management methods are large, it takes a long time to authenticate attendance, and RFID cards and paper The attendance management system using cards has the hassle of issuing a separate card for each attendee, there is the inconvenience that the attendee must have a card at all times, it takes a lot of maintenance costs, and it is impossible to check the proxy attendance of others And other problems.

이에 따라, 최근에는 보다 효율적인 출석 관리 시스템을 구축하고자 하는 시도가 이루어지고 있으며, 비근한 예로, 한국등록특허 제10-1439348호에서는 얼굴인식을 이용한 출입통제 및 근태관리 시스템이 개시되어 있다.Accordingly, in recent years, attempts have been made to construct a more efficient attendance management system, and for example, Korean Patent Registration No. 10-1439348 discloses an access control and time and attendance management system using face recognition.

상기 선행기술은 출입문 바깥쪽에 구비된 얼굴인식장치를 통해 사용자의 얼굴을 비접촉식으로 촬영하여, 촬영한 영상에서 사용자의 얼굴을 검출하고, 검출된 얼굴을 데이터베이스에 기 등록된 얼굴 이미지와 비교하여, 유사도 분석을 통해 얼굴이 일치하는지 판단함으로써, 얼굴 일치 여부에 따라 출입문의 개폐가 가능하고, 사용자의 얼굴인식을 통한 출입기록을 근간으로 근태를 관리하여 근태 관리의 편의성을 제공할 수 있다. The prior art photographs a user's face non-contactly through a face recognition device provided outside the door, detects the user's face from the captured image, compares the detected face with a face image previously registered in the database, and similarity By determining whether the faces match through analysis, it is possible to open and close the door according to whether the faces match, and to manage the time and attendance based on the access record through the user's face recognition, thereby providing the convenience of time and attendance management.

그러나, 상기 선행기술은 얼굴인식장치가 출입문 바깥쪽에 구비되어, 사용자가 출입문을 통해 특정한 장소로 입장할 때에만 얼굴인식을 수행하므로, 선행기술이 대학 등의 강의실에 적용될 경우, 수업 시작 전, 학생들이 반드시 얼굴인식장치가 구비된 출입문을 통해서 입장하여야 하는 불편함이 있을 뿐만 아니라, 많은 학생들이 일시에 강의실로 입실할 경우, 얼굴인식을 위해 출입문 근처에서 대기하는 등의 혼잡이 야기되는 문제가 있으며, 얼굴인식장치를 통해 해당 강의의 출석이 인정된 수강생이 강의가 완료되기 전에 무단으로 강의실을 나가는 경우가 발생하여도 이를 확인하여 적발할 수 있는 방법이 전혀 없다.However, in the prior art, since the face recognition device is provided outside the door, the face recognition is performed only when the user enters a specific place through the door. If the prior art is applied to a classroom such as a university, before the class starts, students Not only does this have the inconvenience of entering through a door equipped with a face recognition device, but also when many students enter the classroom at once, congestion such as waiting near the door for face recognition is caused. However, there is no way to check and detect students who have been recognized for attendance through the face recognition system even if they leave the classroom without permission before the lecture is completed.

또한, 학생들의 경우, 안경을 착용하거나 수시로 헤어스타일을 변화시키는 등의 외모 변화가 종종 발생되고, 이 경우 데이터베이스에 최초 등록된 이미지와는 상당한 차이를 보일 수 있으며, 이에 따라 인식률이 매우 낮아져, 잦은 인식 오류로 인해 여러 번 재촬영해야하는 번거로움과 불편함이 발생될 여지가 많아지게 된다.In addition, in the case of students, appearance changes, such as wearing glasses or changing hairstyles from time to time, often occur, and in this case, there may be a significant difference from the image initially registered in the database. Due to the recognition error, there is much room for inconvenience and inconvenience to be retaken several times.

1. 한국등록특허 제10-1439348호(등록일 : 2014. 9. 2)"얼굴인식을 이용한 출입통제 및 근태관리 시스템"1. Korean Registered Patent No. 10-1439348 (Registration Date: September 2, 2014) "Access control and time and attendance management system using face recognition"

본 발명은 상기와 같은 문제점을 해결하기 위해 안출된 것으로서, 본 발명에서는 대학 강의실 등에 구비되어 강의에 참여하는 수강생들의 출결사항을 관리하는 시스템을 구축함에 있어서, 강의실 내에 적어도 하나 이상의 카메라를 구비하여, 카메라를 통해 참석자의 영상을 획득하고, 획득한 영상의 분석을 통해 참석자의 얼굴을 파악하여, 미리 저장되어 있는 수강생의 얼굴 이미지와의 비교를 통해 출석 여부를 확인하되, 정해진 시간 간격에 따라 카메라를 통해 반복적으로 촬영되는 영상을 분석하여, 참석자의 지각이나 무단이탈 등 강의실 내의 상황을 파악할 수 있고, 영상을 반복적으로 분석하여 인식된 참석자의 얼굴 이미지를 지속적으로 데이터베이스에 추가 저장하여 업데이트함으로써, 딥러닝을 이용한 이미지 학습을 통해 인식률을 높여, 정확도와 신뢰도가 향상된 출석체크가 가능한 딥러닝 기반 얼굴 인식 출석체크 시스템을 제공하는데 그 목적이 있다.The present invention has been devised to solve the above problems, and in the present invention, at least one camera is provided in the classroom to construct a system provided in a university classroom or the like to manage attendance of students participating in the lecture. Acquiring the video of the participant through the camera, analyzing the acquired video to identify the participant's face, and checking the attendance through comparison with the pre-stored student's face image. Through the analysis of the images repeatedly shot, it is possible to grasp the situation in the classroom such as the perception of attendees or unauthorized departure, and by repeatedly analyzing and re-recording the images, the face images of the recognized participants are continuously stored and updated in the database to deep learning The purpose of the present invention is to provide a deep learning based face recognition attendance check system capable of increasing the recognition rate through image learning using, and improving attendance checking with improved accuracy and reliability.

상기의 목적을 달성하기 위하여 본 발명은, 강의실 내에 구비되어 강의실 내 참석자를 촬영하는 적어도 하나 이상의 카메라 및 상기 카메라로부터 촬영된 영상을 전송받아, 전송받은 영상의 분석을 통해 참석자의 얼굴을 인식하고, 인식된 얼굴을 미리 저장되어 있는 수강생 얼굴 이미지와 비교하여, 강의에 참여하는 수강생들의 출결사항을 확인하는 관리서버를 포함하여 구성되어, 강의에 참여하는 참석자들의 얼굴 인식을 통해 수강생들의 출결사항을 확인하도록 구성되되, 촬영되는 개별 수강생들의 얼굴 이미지를 지속적으로 데이터베이스에 추가 저장하여 업데이트하고, 업데이트된 이미지 데이터들을 바탕으로 딥러닝 알고리즘을 통해 반복 학습함으로써 수강생들의 얼굴 인식 정확도를 향샹시키도록 구성된 것을 특징으로 하는 딥러닝 기반 얼굴 인식 시스템을 제공한다.In order to achieve the above object, the present invention is provided in the classroom, at least one or more cameras for shooting attendees in the classroom and images received from the cameras are transmitted, and the faces of the participants are recognized through analysis of the transmitted images, It consists of a management server that checks the attendance of attendees participating in the lecture by comparing the recognized face with the face image of the learner who is stored in advance, and confirms the attendance of the learners through face recognition of participants participating in the lecture It is configured to be configured to improve the facial recognition accuracy of students by continuously storing and updating the face images of individual students being photographed in the database and repeatedly learning through a deep learning algorithm based on the updated image data. Provides a deep learning-based face recognition system.

본 발명에 따른 딥러닝 기반 얼굴 인식 출석체크 시스템은, 강의실 내에 구비된 하나 이상의 카메라를 통해 참석자의 영상을 획득하고, 획득한 영상의 분석을 통해 참석자의 얼굴을 파악하여, 데이터베이스에 미리 저장되어 있는 수강생의 얼굴 이미지와 비교함에 따라 수강생의 출석 여부를 확인할 수 있고, 미리 정해진 시간 간격에 따라 카메라를 통해 반복적으로 촬영되는 강의실 내 참석자 영상을 분석하여, 강의 도중 발생하는 참석자의 지각이나 무단이탈 등 강의실 내의 상황을 파악하여 출결사항을 최종 확인할 수 있다.The deep learning-based face recognition attendance check system according to the present invention acquires an image of an attendee through one or more cameras provided in a classroom, recognizes an attendee's face through analysis of the acquired image, and is previously stored in a database By comparing with the student's face image, it is possible to check whether the student is present or not, and by analyzing the video of the participants in the classroom repeatedly photographed through the camera at predetermined time intervals, the lecture room such as perception or unauthorized departure of participants during the lecture You can finally check the attendance by grasping the situation within.

또한, 반복적인 영상 분석을 통해 인식된 참석자의 얼굴 이미지들을 지속적으로 데이터베이스에 추가 저장하여 업데이트함으로써, 딥러닝을 이용한 이미지 학습을 통해 얼굴 인식률을 높여, 보다 정확하고 신뢰도가 향상된 얼굴 인식 출석체크가 가능한 효과가 있다.In addition, by continuously storing and updating the face images of the participants recognized through repetitive video analysis, it increases the face recognition rate through image learning using deep learning, enabling more accurate and reliable face recognition attendance check It works.

도 1은 본 발명의 일실시예에 따른 딥러닝 기반 얼굴 인식 출석체크 시스템의 개략적인 구성도.
도 2는 본 발명의 일실시예에 따른 딥러닝 기반 얼굴 인식 출석체크 시스템 관리서버의 구성을 설명하기 위한 블록도.
도 3 및 도 4는 본 발명에 따른 딥러닝 기반 얼굴 인식 출석체크 시스템을 이용하여 출석체크하는 방법을 보여주는 순서도.1 is a schematic configuration diagram of a deep learning-based face recognition attendance check system according to an embodiment of the present invention.
Figure 2 is a block diagram for explaining the configuration of a deep learning-based face recognition attendance check system management server according to an embodiment of the present invention.
3 and 4 are flow charts showing a method for checking attendance using a deep learning-based face recognition attendance check system according to the present invention.

이하, 본 발명의 실시예에 대하여 상세히 설명하지만, 본 발명은 그 요지를 이탈하지 않는 한 이하의 실시예에 한정되지 않는다.Hereinafter, examples of the present invention will be described in detail, but the present invention is not limited to the following examples unless the gist is deviated.

도 1은 본 발명의 일실시예에 따른 딥러닝 기반 얼굴 인식 출석체크 시스템의 개략적인 구성도이다.1 is a schematic configuration diagram of a deep learning-based face recognition attendance check system according to an embodiment of the present invention.

도 1에 도시된 바와 같이, 본 발명의 일실시예에 따른 딥러닝 기반 얼굴 인식 출석체크 시스템은, 각 강의실 내에 적어도 하나 이상 구비되어 관리서버(200)와 유무선 통신으로 연결되는 카메라(100) 및 상기 카메라(100)로부터 전송받은 영상을 분석하여 참석자의 얼굴을 파악하고, 미리 저장되어 있는 얼굴 이미지와 비교를 통해 출석 여부를 확인하는 관리서버(200)를 포함하여 구성되며, 상기 관리서버(200)는 유/무선 통신을 통해 관리자 단말기(300) 및 수강생 단말기(400)와 연결될 수 있다.As shown in FIG. 1, a deep learning-based face recognition attendance check system according to an embodiment of the present invention is provided with at least one in each classroom, and the camera 100 connected to the management server 200 through wired/wireless communication, and Comprising a management server 200 that analyzes the video received from the camera 100 to identify the participant's face, and confirms whether or not attendance through comparison with a previously stored face image, and includes the management server 200 ) May be connected to the manager terminal 300 and the student terminal 400 through wired/wireless communication.

카메라(100)는 강의가 시작된 후 미리 정해진 일정 시간 간격으로, (예로서, 강의 시작 시점부터 매 10분 간격으로), 강의실 내부를 스캔하여 참석자들을 촬영하고, 촬영을 통해 획득한 영상을 관리서버(200)로 전송한다.After the lecture starts, the camera 100 scans the inside of the lecture room at predetermined predetermined time intervals (for example, every 10 minutes from the start of the lecture), photographs the attendees, and manages the image obtained through the shooting (200).

관리서버(200)는 카메라(100)를 통해 촬영된 참석자들의 영상을 전송받아, 영상을 분석하여 참석자의 얼굴 이미지를 검출하고, 얼굴이 검출된 참석자의 얼굴 이미지와 관리서버(200)의 데이터베이스에 미리 저장되어 있는 수강생들의 얼굴 이미지를 비교하여 수강생들의 출결여부를 확인한다. 또한, 일정 시간 간격에 따라 전송받은 영상을 분석함에 따라, 강의 중 강의실 내에서 변동되는 참석자의 출석 상태를 확인하여 출결사항을 관리할 수 있다. The management server 200 receives the video of the attendees photographed through the camera 100, analyzes the video to detect the face image of the attendee, and detects the face image of the attendee whose face is detected and the database of the management server 200 Check the attendance of students by comparing the face images of the students who have been saved in advance. In addition, by analyzing the received video at regular time intervals, attendance can be managed by checking the attendance status of attendees who change in the classroom during the lecture.

이에 따라, 교수 및 강사 등의 출석 관리자가 관리자 단말기(300)를 통해 관리서버(200)에 접속하여 수강생들의 출결사항을 확인하고자 하는 강의를 선택하는 경우, 해당 강의에 출석한 참석자들의 명단과 출석 시간 기록을 확인할 수 있으며, 수강생 또한 수강생 단말기(400)를 통해 자신이 수강하는 강의의 본인 출결사항을 확인할 수 있다.Accordingly, when an attendance manager, such as a professor and an instructor, selects a lecture to check attendance information of attendees by accessing the management server 200 through the administrator terminal 300, a list and attendance of attendees attending the lecture The time record can be checked, and the learner can also check his/her attendance information of the class he/she is taking through the student terminal 400.

이를 위해, 본 발명에 따른 관리자 단말기(300) 및 수강생 단말기(400)에는 출석체크 확인을 위한 별도의 어플리케이션이 설치될 수 있으며, 이러한 어플리케이션은 사전에 어플리케이션 스토어 등에 등록되어 단말기 사용자가 해당 어플리케이션을 다운로드 받아 설치하는 등의 방식으로 이용할 수 있다.To this end, separate applications for checking attendance can be installed in the administrator terminal 300 and the student terminal 400 according to the present invention, and these applications are registered in an application store or the like before the terminal user downloads the application It can be used in ways such as receiving and installing.

또한, 본 발명에 따른 관리자 단말기(300) 및 수강생 단말기(400)는 스마트폰, 태블릿PC, 스마트워치, PC 등과 같이 유/무선통신이 가능한 다양한 디바이스가 적용될 수 있다.In addition, various devices capable of wired/wireless communication such as a smart phone, a tablet PC, a smart watch, and a PC may be applied to the manager terminal 300 and the student terminal 400 according to the present invention.

도 2는, 도 1에 도시된 관리서버의 구성을 설명하기 위한 블록도이다.FIG. 2 is a block diagram for explaining the configuration of the management server shown in FIG. 1.

도 2에 도시된 바와 같이, 본 발명의 일실시예에 따른 얼굴 인식 출석체크 시스템의 관리서버(200)는 카메라 관리부(210), 얼굴검출부(220), 얼굴인식부(230), 출석관리부(240), 통신부(250), 카메라 관리 데이터베이스(211), 얼굴정보 데이터베이스(231) 및 출석관리 데이터베이스(241)를 포함하여 구성된다.2, the management server 200 of the face recognition attendance check system according to an embodiment of the present invention includes a camera management unit 210, a face detection unit 220, a face recognition unit 230, and an attendance management unit ( 240), a communication unit 250, a camera management database 211, a face information database 231, and an attendance management database 241.

카메라 관리부(210)는 각 강의실마다 한 개 이상 구비된 카메라 각각의 고유정보가 저장되어 있는 카메라 관리 데이터베이스(211)를 저장 및 관리하기 위한 수단이다.The camera management unit 210 is a means for storing and managing a camera management database 211 in which unique information of each camera provided in each classroom is stored.

얼굴검출부(220)는 각 강의실에 구비된 카메라(100)로부터 촬영된 참석자들의 영상을 전송받아, 영상의 분석을 통해 참석자의 얼굴 이미지를 검출한다. 이러한 얼굴 이미지를 검출함에 있어서는 다양한 얼굴 검출 알고리즘 방식이 사용될 수 있으며, 이에 관한 기술은 이미 널리 알려진 기술들로서 구체적인 설명은 생략하기로 한다.The face detection unit 220 receives the images of the participants photographed from the camera 100 provided in each classroom, and detects the face image of the participants through the analysis of the images. Various face detection algorithm methods may be used to detect such a face image, and a detailed description thereof will be omitted as the related technologies are well-known techniques.

얼굴인식부(230)는 수강생들에 대한 얼굴 이미지 및 정보가 저장된 얼굴정보 데이터베이스(231)를 저장 관리하기 위한 수단으로서, 얼굴검출부(220)를 통해 검출된 참석자의 얼굴 이미지와 얼굴정보 데이터베이스(231)에 미리 저장된 수강생의 얼굴 이미지를 비교하여 수강생들의 출결사항을 확인한다.The face recognition unit 230 is a means for storing and managing the face information database 231 in which face images and information about students are stored, and the face image and face information database 231 of the participants detected through the face detection unit 220 ) To compare students' face images stored in advance to check attendance information.

이때, 얼굴정보 데이터베이스(231)에는 매 학기 강의가 개시되기 전에 학교의 학생기록부 등으로부터 강의를 수강하는 학생들의 얼굴 이미지를 제공받거나, 또는, 수강생들이 수강생 단말기(400) 또는 PC 등을 통해 관리서버(200)에 접속하여 자신의 얼굴 이미지를 직접 등록하는 등의 다양한 방법으로 각 강의별 수강생들의 이미지를 사전에 등록하여 데이터베이스를 구축할 수 있다.At this time, the face information database 231 is provided with a face image of students taking a lecture from the school's student record book or the like before each semester begins, or the students can manage the server through the student terminal 400 or a PC. By connecting to (200) and registering a face image of one's own, various images such as registering each student's images in advance can be established to build a database.

이에 따라, 얼굴인식부(230)는 얼굴정보 데이터베이스(231)와 참석자의 얼굴 이미지 간의 비교 및 확인을 통해 해당 참석자의 출결사항을 확인하고, 얼굴정보 데이터베이스(231)에 얼굴 이미지가 미리 저장되어 있지 않은 참석자가 강의실 내에 존재할 경우에는, 해당 참석자의 얼굴을 인식하지 못함에 따라 해당 참석자를 외부인으로 판단할 수 있으며, 출석 관리자는 관리자 단말기(300)를 통해 관리서버(200)에 접속하여 해당 강의에 등록되어 있지 않은 외부인의 강의 참석 여부를 확인할 수도 있다. Accordingly, the face recognition unit 230 confirms attendance of the attendee through comparison and confirmation between the face information database 231 and the face image of the attendee, and the face image is not previously stored in the face information database 231. If an unattended attendee exists in the lecture room, the attendee can be judged as an outsider because the face of the attendee is not recognized, and the attendance manager accesses the management server 200 through the manager terminal 300 to access the lecture. You can also check whether or not the outsider's lecture has been registered.

더불어, 얼굴인식부(230)는 개강 후, 얼굴이 인식되어 확인된 참석자들의 이미지를 얼굴정보 데이터베이스(231)에 지속적으로 추가 저장하여 업데이트함으로써, 충분한 학습 데이터 확보를 통해, 얼굴 인식률과 신뢰도가 향상된 딥러닝 기법을 이용한 얼굴 인식을 수행할 수 있다. In addition, the face recognition unit 230 continues to store and update the images of the participants who have been identified and recognized in the face information database 231 after the start of the course, thereby improving the recognition rate and reliability of the face by securing sufficient learning data. Face recognition can be performed using deep learning techniques.

이러한 얼굴 인식 기술은 다양한 얼굴 인식 알고리즘을 통해 수행될 수 있으며, 일실시예로서 딥러닝 알고리즘 중에서 합성곱 신경망(CNN, Convolutional Neural Network) 알고리즘을 이용할 수 있다. 합성곱 신경망(CNN)은, 사람이 물체를 인식할 때 물체의 기본적인 특징들을 추출한 후, 뇌 내에서 복잡한 계산을 거쳐 그 결과를 기반으로 물체를 인식한다는 가정으로 만들어진 모델로서, 최근 영상 인식이나 음성 인식 분야에 많이 활용되고 있으며, 이는 이미 널리 알려진 기술로서 더욱 구체적인 설명은 생략하도록 한다.The face recognition technology may be performed through various face recognition algorithms, and as one embodiment, a deep learning algorithm may use a convolutional neural network (CNN) algorithm. The convergence neural network (CNN) is a model created by assuming that when a person recognizes an object, it extracts the basic features of the object, and then performs complex calculations in the brain to recognize the object based on the result. It is widely used in the field of recognition, and this is a well-known technology, so a more detailed description will be omitted.

출석관리부(240)는 각 강의 수강생들의 명단이 저장되고 수강생들의 출결사항이 기록되는 출석관리 데이터베이스(241)를 저장 관리하기 위한 수단으로서, 얼굴인식부(230)를 통해 확인된 수강생들의 출결사항을 출석관리 데이터베이스(241)에 기록한다.The attendance management unit 240 is a means for storing and managing the attendance management database 241 in which the list of learners of each lecture is stored and attendance records of the learners are recorded, and the attendance checks of the learners identified through the face recognition unit 230 are displayed. Record in the attendance management database 241.

즉, 출석관리부(240)는 강의가 시작됨에 따라 출석관리 데이터베이스(241)에 저장되어 있는 수강생들을 강의에 출석한 참석자와 강의에 출석하지 않은 결석자로 구분하되, 강의 시작과 동시에 최초로 촬영된 영상에서 얼굴인식부(230)를 통해 얼굴이 인식되지 않아 결석으로 판단되었으나, 2회 또는 3회 재촬영 시에 얼굴이 인식된 참석자를 지각으로 처리하고, 반대로 강의 시작과 동시에 최초로 촬영된 영상의 분석을 통해, 얼굴이 인식되어 출석으로 판단되었으나, 미리 정해진 일정 시간 간격으로 재촬영 되는 과정에서 얼굴이 인식되지 않는 참석자, 예를 들면, 10분 간격으로 재촬영되는 동안 두번 이상 연속으로 얼굴이 재인식되지 않는 참석자에 대해서는 출석 상태를 출석 후 무단이탈 등으로 구분하여 수강생들의 출결사항을 기록할 수 있다. That is, as the lecture starts, the attendance management unit 240 classifies the students who are stored in the attendance management database 241 as attendees who are not present in the lecture and the attendees who are stored in the attendance management database 241. Although the face was not recognized through the face recognition unit 230, it was judged to be absent, but when the video is retaken twice or three times, the participant whose face is recognized is processed as perception, and conversely, analysis of the first image captured at the start of the lecture is performed. Through, the face was recognized and judged to be present, but the participant whose face is not recognized in the process of being re-photographed at a predetermined time interval, for example, the face is not recognized more than once during the re-photographing at 10-minute intervals For attendees, attendance status can be classified by attendance, etc. after attendance, and students' attendance can be recorded.

통신부(250)는 각 강의실 마다 각각 적어도 하나 이상씩 구비되는 카메라(100)와 유/무선 통신을 수행한다.The communication unit 250 performs wired/wireless communication with the camera 100 provided in at least one of each classroom.

이하에서는 본 발명의 일실시예에 따른 딥러닝 기반 얼굴 인식 출석체크 시스템을 이용한 출석체크 방법에 대해 설명한다.Hereinafter, an attendance check method using a deep learning-based face recognition attendance check system according to an embodiment of the present invention will be described.

도 3 및 도 4는 본 발명에 따른 딥러닝 기반 얼굴 인식 출석체크 시스템을 이용하여 출석체크하는 방법을 보여주는 순서도이다.3 and 4 are flowcharts showing a method of checking attendance using a deep learning-based face recognition attendance check system according to the present invention.

도 3 및 도 4를 참조하면, 관리서버는 강의 시작과 동시에 각 강의실 내부에 구비된 하나 이상의 카메라를 통해 최초로 촬영된 강의실 내 참석자들의 영상을 전송받는다.(S310)3 and 4, the management server receives the video of the participants in the lecture room, which was first photographed through one or more cameras provided in each lecture room at the same time as the lecture starts. (S310)

이후, 관리서버는 전송받은 영상을 분석하여 강의실 내에 존재하는 참석자들의 얼굴 이미지를 검출하여(S320), 검출된 얼굴 이미지와 얼굴정보 데이터베이스에 미리 저장된 수강생들의 얼굴 이미지 간의 비교를 통해(S330), 참석자들이 해당 강의에 출석한 것으로 출결사항을 확인하고(S340), 이후 출석관리 데이터베이스에 수강생들의 출결사항을 기록한다.(S350)Subsequently, the management server analyzes the transmitted image and detects the face images of the participants present in the classroom (S320), and compares the detected face images with the face images of the students previously stored in the face information database (S330). They confirm attendance by attending the lecture (S340), and then record the attendance of students in the attendance management database (S350).

계속해서, 관리서버는 강의가 시작된 이후에도 각 강의실에 구비된 하나 이상의 카메라로부터 미리 정해진 일정 시간 간격에 따라 촬영되는 강의실 내 참석자 영상을 전송받아(S410), 전송받는 영상의 분석을 통해 강의실 내 참석자들의 얼굴 이미지를 검출하여(S420), 검출된 얼굴 이미지와 얼굴정보 데이터베이스에 미리 저장된 수강생들의 얼굴 이미지 간의 비교를 통해(S430), 수강생들의 출결사항을 확인하고 (S440), 이후 출석관리 데이터베이스에 수강생들의 출결사항을 기록한다.(S450)Subsequently, even after the lecture starts, the management server receives video of attendees in the classroom, which is photographed at predetermined predetermined time intervals, from one or more cameras provided in each classroom (S410), and analyzes the received video to show attendees in the classroom. By detecting the face image (S420), through the comparison between the detected face image and the face images of the learners previously stored in the face information database (S430), the attendance information of the learners is checked (S440), and then the attendance management database Record attendance information (S450)

이때, 관리서버가 출결사항을 확인하는데 있어서(S430), 강의 시작 후 강의실에 늦게 입장한 참석자에 대해서는, 강의 시작과 동시에 이루어진 최초 촬영 시 얼굴이 인식되지 않아 출석 상태를 결석으로 구분하였으나, 재촬영 시에 해당 참석자의 얼굴을 인식함에 따라, 해당 참석자의 출석 상태를 지각으로 변경하고, 반대로, 최초 촬영 시 얼굴이 인식된 참석자에 대하여, 재촬영 시 얼굴이 인식되지 않는 경우, 미리 설정된 일정 기준에 따라 해당 참석자의 출석 상태를 강의실 무단이탈 또는 조퇴로 구분하며(S460), 강의가 종료될 때까지(S460) 강의에 참석하지 않아 얼굴이 검출되지 않은 수강생에 대해서는 출석 상태를 결석으로 구분함으로써(S470) 수강생들의 출결사항을 최종 확인한다.At this time, when the management server checks attendance matters (S430), for attendees who enter the lecture room late after the lecture starts, the attendance status is classified as absent because the face is not recognized during the first shooting made at the same time as the lecture start, but retakes Upon recognition of the face of the participant in the city, the attendance status of the participant is changed to perception, and conversely, for the participant whose face was recognized at the time of the first shooting, if the face is not recognized at the time of re-taking, the predetermined schedule criteria Accordingly, the attendance status of the attendees is classified as unauthorized departure or departure from the classroom (S460), and the attendance status is divided into absences for students whose faces are not detected because they did not attend the lecture until the lecture ends (S460) (S470) ) Confirm the attendance of students.

이상에서 설명한 바와 같이, 본 발명에 따른 딥러닝 기반 얼굴 인식 출석체크 시스템은 강의실 내에 구비된 하나 이상의 카메라를 통해 강의실 내 참석자를 촬영하여 영상을 획득하고, 영상 분석을 통해 참석자의 얼굴을 파악하여, 데이터베이스에 미리 저장되어 있는 수강생의 얼굴 이미지와 비교함에 따라 수강생들의 출결사항을 기록하여 관리할 수 있다. As described above, the deep learning-based face recognition attendance check system according to the present invention acquires an image by capturing a participant in a lecture room through one or more cameras provided in the lecture room, and grasps a participant's face through image analysis, By comparing with the student's face image stored in the database in advance, the attendance of students can be recorded and managed.

또한, 카메라를 통해 반복적으로 촬영된 영상을 분석하여, 참석자의 지각, 강의실 무단이탈, 조퇴 등 수업 도중 발생하는 강의실 내 참석자의 출석 상태 변화을 파악할 수 있으며, 반복적으로 영상을 분석하여 인식된 참석자의 얼굴 이미지를 지속적으로 데이터베이스에 추가 저장하여 업데이트함으로써, 딥러닝을 이용한 이미지 학습을 통해 얼굴 인식률을 높여 보다 정확하고 신뢰도가 향상된 얼굴 인식 출석체크가 가능하다.In addition, by repeatedly analyzing the images captured through the camera, it is possible to grasp the change in attendance status of attendees in the classroom, such as perception of attendees, unauthorized departure from the classroom, early departure, etc. By continuously storing and updating the images in the database, it is possible to check face recognition attendance by increasing the face recognition rate through image learning using deep learning.

100 : 카메라 200 : 관리서버
210 : 카메라 관리부 211 : 카메라 관리 데이터베이스
220 : 얼굴검출부 230 : 얼굴인식부
231 : 얼굴정보 데이터베이스 240 : 출석관리부
241 : 출석관리 데이터베이스 250 : 통신부
300 : 관리자 단말기 400 : 수강생 단말기100: camera 200: management server
210: camera management unit 211: camera management database
220: face detection unit 230: face recognition unit
231: face information database 240: attendance management department
241: attendance management database 250: Ministry of Communications
300: administrator terminal 400: student terminal

Claims (10)

얼굴 인식 출석체크 시스템에 있어서,
강의실 내에 구비되어 강의실 내 참석자를 촬영하는 적어도 하나 이상의 카메라; 및
상기 카메라로부터 촬영된 영상을 전송받아, 전송받은 영상의 분석을 통해 참석자의 얼굴을 인식하고, 인식된 얼굴을 미리 저장되어 있는 수강생 얼굴 이미지와 비교하여, 강의에 참여하는 수강생들의 출결사항을 확인하는 관리서버;
를 포함하여 구성되어,
강의에 참여하는 참석자들의 얼굴 인식을 통해 수강생들의 출결사항을 확인하도록 구성되되, 촬영되는 개별 수강생들의 얼굴 이미지를 지속적으로 데이터베이스에 추가 저장하여 업데이트하고, 업데이트된 이미지 데이터들을 바탕으로 딥러닝 알고리즘을 통해 반복 학습함으로써 수강생들의 얼굴 인식 정확도를 향샹시키도록 구성된 것을 특징으로 하는 딥러닝 기반 얼굴 인식 시스템.
In the face recognition attendance check system,
At least one camera provided in the classroom to photograph attendees in the classroom; And
Receiving an image captured from the camera, recognizing the participant's face through analysis of the transmitted image, comparing the recognized face with a pre-stored student's face image, and confirming attendance of students participating in the lecture Management server;
It consists of,
It is configured to check attendees' attendance through face recognition of attendees participating in the lecture, but continuously stores and updates the face images of individual students being photographed in the database, and uses deep learning algorithms based on the updated image data. Deep learning-based face recognition system, characterized by being configured to improve the face recognition accuracy of students by repeating learning.
제 1항에 있어서,
상기 카메라는,
강의가 시작되면, 미리 설정된 일정 시간 간격으로 강의실 내부를 촬영하여, 촬영을 통해 획득된 영상을 관리서버로 실시간 전송하는 것을 특징으로 하는 딥러닝 기반 얼굴 인식 시스템.
According to claim 1,
The camera,
A deep learning-based face recognition system characterized in that when the lecture starts, the inside of the lecture room is photographed at predetermined time intervals, and images acquired through the shooting are transmitted in real time to the management server.
제 2항에 있어서,
상기 관리서버는,
상기 카메라로부터 일정 시간 간격으로 전송되는 영상들에 대한 분석 결과를 종합하여 수강생들의 출결사항을 최종 확인하는 것을 특징으로 하는 딥러닝 기반 얼굴 인식 시스템.
According to claim 2,
The management server,
A deep learning-based face recognition system, characterized by finally confirming attendance information of students by synthesizing analysis results of images transmitted from the camera at regular time intervals.
제 3항에 있어서,
상기 관리서버는,
강의 시작 후, 상기 카메라로부터 최초 전송된 영상에서는 얼굴이 확인되지 않았으나, 이후 전송되는 영상에서 얼굴이 확인되는 수강생에 대해서는 해당 강의에 지각한 것으로 출결사항을 최종 확인하는 것을 특징으로 하는 딥러닝 기반 얼굴 인식 시스템.
According to claim 3,
The management server,
Deep learning-based face characterized by the final confirmation of attendance as late for the lecture, for the learner whose face is not identified in the first image transmitted from the camera after the lecture starts. Recognition system.
제 3항에 있어서,
상기 관리서버는,
강의 시작 후, 상기 카메라로부터 최초 전송된 영상에서 얼굴이 확인되었으나, 이후 전송되는 영상에서 미리 설정된 일정 횟수 이상 얼굴이 확인되지 않는 참석자에 대해서는 해당 강의를 무단이탈 또는 조퇴한 것으로 출결사항을 최종 확인하는 것을 특징으로 하는 딥러닝 기반 얼굴 인식 시스템.
According to claim 3,
The management server,
After the lecture starts, faces are identified in the first video transmitted from the camera, but for attendees whose faces are not identified for more than a predetermined number of times in the later transmitted video, the attendance is confirmed as unauthorized departure or withdrawal. Deep learning based facial recognition system, characterized in that.
제 1항에 있어서,
상기 관리서버는,
각 강의실 마다 각각 적어도 하나 이상씩 구비되는 카메라를 관리하는 카메라 관리부;
상기 카메라로부터 전송받은 영상을 분석하여 참석자의 얼굴을 검출하는 얼굴검출부;
상기 얼굴검출부에서 검출된 참석자의 얼굴 이미지와 얼굴정보 데이터베이스에 저장된 수강생 얼굴 이미지를 비교하여, 수강생들의 출결사항을 확인하는 얼굴인식부;
상기 얼굴인식부를 통해 확인된 수강생들의 출결사항을 출석관리 데이터베이스에 기록하는 출석관리부;
각 강의실마다 적어도 하나 이상씩 구비되는 각각의 개별 카메라에 대한 고유정보가 저장되는 카메라 관리 데이터베이스;
강의를 수강하는 수강생들에 대한 얼굴 이미지 정보가 저장되는 얼굴정보 데이터베이스;
강의를 수강하는 수강생들의 명단이 저장되고 수강생들의 출결사항이 기록되는 출석관리 데이터베이스; 및
상기 카메라와 유/무선 통신을 수행하는 통신부;
를 포함하여 구성되는 것을 특징으로 하는 딥러닝 기반 얼굴 인식 시스템.
According to claim 1,
The management server,
Camera management unit for managing at least one camera provided for each classroom;
A face detection unit that analyzes an image transmitted from the camera to detect a participant's face;
A face recognition unit that compares the face image of the participant detected by the face detection unit with the student face image stored in the face information database to confirm attendance information of the learners;
An attendance management unit that records attendance information of students identified through the face recognition unit in an attendance management database;
A camera management database that stores unique information about each individual camera provided in at least one for each classroom;
A face information database that stores face image information for students taking a lecture;
A attendance management database in which a list of learners taking a lecture is stored and attendance information of the learners is recorded; And
A communication unit performing wired/wireless communication with the camera;
Deep learning-based face recognition system, characterized in that comprises a.
제 6항에 있어서,
상기 관리서버는,
개강 후, 촬영되는 개별 수강생들의 얼굴 이미지를 상기 얼굴정보 데이터베이스에 지속적으로 업데이트하여 저장함으로써, 딥러닝 알고리즘을 통한 학습 데이터로 이용하는 것을 특징으로 하는 딥러닝 기반 얼굴 인식 시스템.
The method of claim 6,
The management server,
A deep learning-based face recognition system characterized by using facial data of individual learners who are photographed after the course starts and continuously updating and storing them in the face information database as learning data through a deep learning algorithm.
제 6항에 있어서,
상기 관리서버는,
상기 통신부를 통해 관리자 단말기 또는 수강생 단말기와 유/무선 통신으로 연결되는 것을 특징으로 하는 딥러닝 기반 얼굴 인식 시스템.
The method of claim 6,
The management server,
Deep learning-based face recognition system characterized in that it is connected to the administrator terminal or the student terminal via wired/wireless communication through the communication unit.
제 8항에 있어서,
상기 관리서버는,
매 학기 강의가 개시되기 전, 학교의 학생기록부를 통해 강의를 수강하는 학생들의 얼굴 이미지를 제공받거나, 또는 상기 통신부를 통해 연결되는 수강생 단말기를 통해 수강생 각각의 개별 이미지를 직접 등록받아 얼굴정보 데이터베이스에 저장하는 것을 특징으로 하는 딥러닝 기반 얼굴 인식 시스템.
The method of claim 8,
The management server,
Before the lecture starts every semester, the face image of the students who take the lecture is provided through the student record book of the school, or the individual image of each learner is directly registered in the face information database through the student terminal connected through the communication unit. Deep learning based face recognition system characterized by storing.
제 1항에 있어서,
상기 딥러닝 알고리즘은,
합성곱 신경망(CNN, Convolutional Neural Network) 알고리즘인 것을 특징으로 하는 딥러닝 기반 얼굴 인식 시스템.According to claim 1,
The deep learning algorithm,
A deep learning-based face recognition system characterized by a convolutional neural network (CNN) algorithm.
KR1020180149197A 2018-11-28 2018-11-28 An attendance check system using deep learning based face recognition KR102177235B1 (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020180149197A KR102177235B1 (en) 2018-11-28 2018-11-28 An attendance check system using deep learning based face recognition

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020180149197A KR102177235B1 (en) 2018-11-28 2018-11-28 An attendance check system using deep learning based face recognition

Publications (2)

Publication Number Publication Date
KR20200068771A true KR20200068771A (en) 2020-06-16
KR102177235B1 KR102177235B1 (en) 2020-11-11

Family

ID=71141775

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020180149197A KR102177235B1 (en) 2018-11-28 2018-11-28 An attendance check system using deep learning based face recognition

Country Status (1)

Country Link
KR (1) KR102177235B1 (en)

Cited By (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112200924A (en) * 2020-09-30 2021-01-08 广东技术师范大学 Class attendance checking method and system based on face recognition
CN112347856A (en) * 2020-10-13 2021-02-09 广东电网有限责任公司培训与评价中心 Non-perception attendance system and method based on classroom scene
CN112418814A (en) * 2020-12-02 2021-02-26 杭州吉光文化创意有限公司 Teaching training and training checking system and method in unmanned mode
CN112489268A (en) * 2020-10-28 2021-03-12 中通服和信科技有限公司 Campus safety protection platform
CN112562137A (en) * 2020-12-25 2021-03-26 珠海格力电器股份有限公司 Unlocking instruction synchronization method and device, electronic equipment and storage medium
KR102244630B1 (en) 2020-11-30 2021-04-27 라온화이트햇 주식회사 Method, device and computer program for verifying of watching content
CN113269903A (en) * 2021-05-24 2021-08-17 上海应用技术大学 Face recognition class attendance system
KR20220019403A (en) * 2020-08-10 2022-02-17 숭실대학교산학협력단 Attendance check system using face recognition and attendance check method using same
CN114581994A (en) * 2022-03-09 2022-06-03 南京邮电大学 Class attendance management method and system
KR20220099661A (en) * 2021-01-07 2022-07-14 주식회사 뉴젠피앤피 Early childhood learning management device for early childhood education institutions
KR102428382B1 (en) * 2021-10-28 2022-08-02 주식회사 엔스마트솔루션 Device for verifying contents access based on face recognition and method thereof
CN115410304A (en) * 2022-08-26 2022-11-29 山东大佳机械有限公司 Self-learning-based chicken house breeding safety prevention and control method and system
CN116092208A (en) * 2022-10-25 2023-05-09 四川君逸数码科技股份有限公司 Campus attendance system and method based on AI artificial intelligent recognition technology
KR102575307B1 (en) * 2023-03-21 2023-09-06 (주)쿨스쿨 Student management system and method using face recognition

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20130109777A (en) * 2012-03-28 2013-10-08 삼성전자주식회사 Apparatus and method for managing attendance based on face recognition
KR101439348B1 (en) 2012-12-11 2014-11-04 주식회사 글로비트 Attendance management system using face recognitionaccess control unit
KR101710200B1 (en) * 2015-11-05 2017-02-24 광운대학교 산학협력단 Automatic Attendance System Using Face Recognition and method thereof
KR101793510B1 (en) * 2017-03-27 2017-11-06 한밭대학교 산학협력단 System for learning and recognizing face and thereof method

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20130109777A (en) * 2012-03-28 2013-10-08 삼성전자주식회사 Apparatus and method for managing attendance based on face recognition
KR101439348B1 (en) 2012-12-11 2014-11-04 주식회사 글로비트 Attendance management system using face recognitionaccess control unit
KR101710200B1 (en) * 2015-11-05 2017-02-24 광운대학교 산학협력단 Automatic Attendance System Using Face Recognition and method thereof
KR101793510B1 (en) * 2017-03-27 2017-11-06 한밭대학교 산학협력단 System for learning and recognizing face and thereof method

Cited By (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20220019403A (en) * 2020-08-10 2022-02-17 숭실대학교산학협력단 Attendance check system using face recognition and attendance check method using same
CN112200924A (en) * 2020-09-30 2021-01-08 广东技术师范大学 Class attendance checking method and system based on face recognition
CN112347856A (en) * 2020-10-13 2021-02-09 广东电网有限责任公司培训与评价中心 Non-perception attendance system and method based on classroom scene
CN112489268A (en) * 2020-10-28 2021-03-12 中通服和信科技有限公司 Campus safety protection platform
KR102244630B1 (en) 2020-11-30 2021-04-27 라온화이트햇 주식회사 Method, device and computer program for verifying of watching content
CN112418814A (en) * 2020-12-02 2021-02-26 杭州吉光文化创意有限公司 Teaching training and training checking system and method in unmanned mode
CN112562137A (en) * 2020-12-25 2021-03-26 珠海格力电器股份有限公司 Unlocking instruction synchronization method and device, electronic equipment and storage medium
KR20220099661A (en) * 2021-01-07 2022-07-14 주식회사 뉴젠피앤피 Early childhood learning management device for early childhood education institutions
CN113269903A (en) * 2021-05-24 2021-08-17 上海应用技术大学 Face recognition class attendance system
KR102428382B1 (en) * 2021-10-28 2022-08-02 주식회사 엔스마트솔루션 Device for verifying contents access based on face recognition and method thereof
CN114581994A (en) * 2022-03-09 2022-06-03 南京邮电大学 Class attendance management method and system
CN115410304A (en) * 2022-08-26 2022-11-29 山东大佳机械有限公司 Self-learning-based chicken house breeding safety prevention and control method and system
CN116092208A (en) * 2022-10-25 2023-05-09 四川君逸数码科技股份有限公司 Campus attendance system and method based on AI artificial intelligent recognition technology
KR102575307B1 (en) * 2023-03-21 2023-09-06 (주)쿨스쿨 Student management system and method using face recognition

Also Published As

Publication number Publication date
KR102177235B1 (en) 2020-11-11

Similar Documents

Publication Publication Date Title
KR102177235B1 (en) An attendance check system using deep learning based face recognition
CN110910549A (en) Campus personnel safety management system based on deep learning and face recognition features
CN109598809A (en) A kind of check class attendance method and system based on recognition of face
CN110009789A (en) System is picked in a kind of kindergarten, the middle and primary schools campus based on biological identification technology
CN110070469A (en) A kind of middle and primary schools' kindergarten's Intelligent campus system based on biological identification technology
JPWO2020115890A1 (en) Information processing equipment, information processing methods, and programs
KR100814510B1 (en) Entrance and exit certifying system and method thereof
Yasmeen et al. Intelligent systems powered hourly attendance capturing system
CN113160442A (en) Management method and system for field education
Dmello et al. Automated facial recognition attendance system leveraging iot cameras
Rosa et al. Online Classroom Attendance System Based on RFID Technology and Cloud Computing
Bhagat et al. Face recognition attendance system
JP2005267355A (en) Attendance management system
Ali et al. Framework for Location Based Attendance System by Using Fourth Industrial Revolution (4IR) Technologies
KR20200056845A (en) Attendance authentication method
Saxena et al. Three stage robust attendance recording and monitoring using social media platform, image processing and cloud computing
NS et al. Fingerprint based attendance system using IoT
KR20200056840A (en) Attendance authentication method
KR20200056858A (en) Attendance authentication method
KR20200056837A (en) Attendance authentication method
KR102710336B1 (en) Student attendance management system and method using facial recognition and integrated management of educational content
Asha et al. The Face Sync-Smart Attendance System
Dhokne et al. Real Time Attendance System using Face Recognition
CN108806050A (en) Room entry/exit management method and system
HANDE et al. Smart attendance system based on facial recognition using raspberry pi

Legal Events

Date Code Title Description
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant