KR20210145512A - 온라인 교육 기반의 안면 인식을 이용한 출석체크 및 집중도 분석 시스템, 그리고 그 방법 - Google Patents
온라인 교육 기반의 안면 인식을 이용한 출석체크 및 집중도 분석 시스템, 그리고 그 방법 Download PDFInfo
- Publication number
- KR20210145512A KR20210145512A KR1020200062491A KR20200062491A KR20210145512A KR 20210145512 A KR20210145512 A KR 20210145512A KR 1020200062491 A KR1020200062491 A KR 1020200062491A KR 20200062491 A KR20200062491 A KR 20200062491A KR 20210145512 A KR20210145512 A KR 20210145512A
- Authority
- KR
- South Korea
- Prior art keywords
- client terminal
- online education
- image
- facial
- login
- Prior art date
Links
- 230000001815 facial effect Effects 0.000 title claims abstract description 119
- 238000004458 analytical method Methods 0.000 title claims abstract description 41
- 238000000034 method Methods 0.000 title claims abstract description 37
- 230000008859 change Effects 0.000 claims description 53
- 230000033001 locomotion Effects 0.000 claims description 30
- 238000001514 detection method Methods 0.000 claims description 23
- 230000009467 reduction Effects 0.000 claims description 18
- 230000005540 biological transmission Effects 0.000 claims description 13
- 238000000605 extraction Methods 0.000 claims description 7
- 238000012795 verification Methods 0.000 claims description 5
- 230000004044 response Effects 0.000 claims description 4
- 230000008569 process Effects 0.000 claims description 3
- 239000000284 extract Substances 0.000 claims description 2
- 238000012546 transfer Methods 0.000 claims description 2
- 238000012549 training Methods 0.000 description 18
- 238000004891 communication Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 238000010295 mobile communication Methods 0.000 description 4
- 230000002265 prevention Effects 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 2
- 230000007123 defense Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000004397 blinking Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 210000005069 ears Anatomy 0.000 description 1
- VJYFKVYYMZPMAB-UHFFFAOYSA-N ethoprophos Chemical compound CCCSP(=O)(OCC)SCCC VJYFKVYYMZPMAB-UHFFFAOYSA-N 0.000 description 1
- 210000000887 face Anatomy 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/20—Education
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F21/30—Authentication, i.e. establishing the identity or authorisation of security principals
- G06F21/31—User authentication
- G06F21/32—User authentication using biometric data, e.g. fingerprints, iris scans or voiceprints
-
- G06K9/00221—
-
- G06K9/6201—
-
- 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
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
- H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
- H04N21/43—Processing of content or additional data, e.g. demultiplexing additional data from a digital video stream; Elementary client operations, e.g. monitoring of home network or synchronising decoder's clock; Client middleware
- H04N21/441—Acquiring end-user identification, e.g. using personal code sent by the remote control or by inserting a card
- H04N21/4415—Acquiring end-user identification, e.g. using personal code sent by the remote control or by inserting a card using biometric characteristics of the user, e.g. by voice recognition or fingerprint scanning
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
- H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
- H04N21/43—Processing of content or additional data, e.g. demultiplexing additional data from a digital video stream; Elementary client operations, e.g. monitoring of home network or synchronising decoder's clock; Client middleware
- H04N21/442—Monitoring of processes or resources, e.g. detecting the failure of a recording device, monitoring the downstream bandwidth, the number of times a movie has been viewed, the storage space available from the internal hard disk
- H04N21/44213—Monitoring of end-user related data
- H04N21/44218—Detecting physical presence or behaviour of the user, e.g. using sensors to detect if the user is leaving the room or changes his face expression during a TV program
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N5/00—Details of television systems
- H04N5/14—Picture signal circuitry for video frequency region
- H04N5/144—Movement detection
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Business, Economics & Management (AREA)
- Multimedia (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Signal Processing (AREA)
- Social Psychology (AREA)
- Computer Security & Cryptography (AREA)
- Tourism & Hospitality (AREA)
- Human Computer Interaction (AREA)
- General Engineering & Computer Science (AREA)
- Biomedical Technology (AREA)
- Data Mining & Analysis (AREA)
- Educational Administration (AREA)
- Educational Technology (AREA)
- Computer Hardware Design (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Software Systems (AREA)
- Computer Networks & Wireless Communication (AREA)
- Databases & Information Systems (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Electrically Operated Instructional Devices (AREA)
Abstract
본 발명은 온라인 교육 기반의 안면 인식을 이용한 출석체크 및 집중도 분석 시스템, 그리고 그 방법에 관한 것이다. 본 발명은, 복수의 클라이언트 단말(100)로 이루어진 클라이언트 단말 그룹(100g), 각 클라이언트 단말(100)과 데이터 라인으로 연결된 웹카메라(110)로 이루어진 웹카메라 그룹(110g), 네트워크(200), 온라인 교육 서버(300)를 포함하는 온라인 교육 기반의 안면 인식을 이용한 출석체크 및 집중도 분석 시스템(1)에 있어서, 온라인 교육 서버(300)는, 클라이언트 단말(100)에 의한 네트워크(200)를 통한 온라인 교육 서버(300)에서 제공한 온라인 교육 웹사이트로의 액세스(access)에 따라, 클라언트 단말(100)로 클라이언트 단말(100)과 연결된 웹카메라(100g)에 대한 구동 명령을 전송하는 액세스 모듈(321); 및 클라이언트 단말(100)로부터 웹카메라(100a)에 의해 촬영된 촬영 이미지를 수신한 뒤, 데이터베이스(330)에 사전에 저장된 클라이언트 단말(100)을 운영하는 사용자의 기초 안면 이미지와, 클라이언트 단말(100)로부터 수신된 촬영 이미지에서 안면 이미지를 추출한 뒤, 추출된 안면 이미지에 대한 비교를 통해 일치 또는 유사로 매칭되는 경우 로그인 허용 여부를 결정하는 안면 인식 로그인 모듈(322); 을 포함하는 것을 특징으로 할 수 있다.
이에 의해, 온라인 교육의 확대로 많은 부분이 온라인으로 이루어지고 있으므로, 학교 교육, 학원 교육뿐만 아니라 직장내 교육, 민방위 훈련까지도 온라인 교육으로 이루어지고 있는 상황에서 실제로 교육을 받는 피교육자 자신이 교육을 받는지, 웹사이트의 영상만 틀어놓는지 파악이 어려운 문제점을 해결할 뿐만 아니라, 대리출석 등의 경우에도 아이디/패스워드만 공유하면 가능하는 문제점을 해결할 수 있는 효과를 제공한다.
이에 의해, 온라인 교육의 확대로 많은 부분이 온라인으로 이루어지고 있으므로, 학교 교육, 학원 교육뿐만 아니라 직장내 교육, 민방위 훈련까지도 온라인 교육으로 이루어지고 있는 상황에서 실제로 교육을 받는 피교육자 자신이 교육을 받는지, 웹사이트의 영상만 틀어놓는지 파악이 어려운 문제점을 해결할 뿐만 아니라, 대리출석 등의 경우에도 아이디/패스워드만 공유하면 가능하는 문제점을 해결할 수 있는 효과를 제공한다.
Description
본 발명은 온라인 교육 기반의 안면 인식을 이용한 출석체크 및 집중도 분석 시스템, 그리고 그 방법에 관한 것으로, 보다 구체적으로는, 기존의 온라인 교육이 시간과 장소에 관계없이 교육을 할 수 있다는 장점이 있으나, 아이디/패스워드 만으로 본인을 인증하므로 아이디 대여 및 대리출석에 취약한 문제점이 있으므로, 본인 인증에 대한 문제점을 해결하도록 하기 위한 온라인 교육 기반의 안면 인식을 이용한 출석체크 및 집중도 분석 시스템, 그리고 그 방법에 관한 것이다.
카메라를 이용한 안면 인식 기술은 다양하게 발전하여 왔으며, 다방면에 사용되고 있다. 최근에는 화상 회의 등의 발전으로 인해 PC 등과 같은 유선 단말에 카메라가 구비된 경우도 있고, 노트북 등과 스마트폰 등 모바일 단말에도 카메라가 구비되어 있으며, 특히 스마트폰에서는 전면 카메라를 이용해 셀피(Selfie)를 위해서 사용하고 있다.
최근의 동영상 혹은 온라인 교육에서는 양방향으로 교감하며 교육을 하는 방식이 발전되고 있으며, 심지어 영상통화를 통한 1:1 교육도 진행되고 있다.
온라인 교육에서 출석여부를 체크하는 방법은 본인의 아이디/패스워드로 로그인을 하는 것이 현재로서는 유일하며, 타인에게 아이디/패스워드를 알려주어 대리 출석이나 대리 수강을 할 경우 제지할 방법이 없는 상황이다.
한편, 많은 학교 및 직장 등에서 온라인 교육은 증가하고 있으며, 더욱 확대될 전망이다.
이에 따라 해당 기술분야에 있어서는 PC, 노트북, 스마트폰 등으로 온라인 교육을 할 때에 본인 얼굴을 등록하고, 카메라를 통하여 안면 인식으로 로그인되고 교육 중에 얼굴의 집중도를 판단하여 교육의 효과를 판단함으로써, 더욱 효율적인 교육이 이루어지도록 하기 위한 기술개발이 요구되고 있다.
본 발명은 상기의 문제점을 해결하기 위한 것으로, 온라인 교육의 확대로 많은 부분이 온라인으로 이루어지고 있으므로, 학교 교육, 학원 교육뿐만 아니라 직장 내 교육, 민방위 훈련까지도 온라인 교육으로 이루어지고 있는 상황에서 실제로 교육을 받는 피교육자 자신이 교육을 받는지, 웹사이트의 영상만 틀어놓는지 파악이 어려운 문제점을 해결할 뿐만 아니라, 대리출석 등의 경우에도 아이디/패스워드만 공유하면 가능하는 문제점을 해결하도록 하기 위한 온라인 교육 기반의 안면 인식을 이용한 출석체크 및 집중도 분석 시스템, 그리고 그 방법을 제공하기 위한 것이다.
또한, 본 발명은 온라인 교육의 단점을 보완하기 위해 사용자 본인의 얼굴을 이용한 집중도 분석 및 본인 인증을 하는 경우, 필수 교육에 대한 참여도를 높일 수 있도록 하기 위한 온라인 교육 기반의 안면 인식을 이용한 출석체크 및 집중도 분석 시스템, 그리고 그 방법을 제공하기 위한 것이다.
또한, 본 발명은 학교 교육과 같은 필수 교육에서 안면 인식을 통한 출석체크 및 중간 점검으로 대리출석 및 부정을 방지할 수 있도록 하기 위한 온라인 교육 기반의 안면 인식을 이용한 출석체크 및 집중도 분석 시스템, 그리고 그 방법을 제공하기 위한 것이다.
그러나 본 발명의 목적들은 상기에 언급된 목적으로 제한되지 않으며, 언급되지 않은 또 다른 목적들은 아래의 기재로부터 당업자에게 명확하게 이해될 수 있을 것이다.
상기의 목적을 달성하기 위해 본 발명의 실시예에 따른 온라인 교육 기반의 안면 인식을 이용한 출석체크 및 집중도 분석 시스템은, 복수의 클라이언트 단말(100)로 이루어진 클라이언트 단말 그룹(100g), 각 클라이언트 단말(100)과 데이터 라인으로 연결된 웹카메라(110)로 이루어진 웹카메라 그룹(110g), 네트워크(200), 온라인 교육 서버(300)를 포함하는 온라인 교육 기반의 안면 인식을 이용한 출석체크 및 집중도 분석 시스템(1)에 있어서, 온라인 교육 서버(300)는, 클라이언트 단말(100)에 의한 네트워크(200)를 통한 온라인 교육 서버(300)에서 제공한 온라인 교육 웹사이트로의 액세스(access)에 따라, 클라언트 단말(100)로 클라이언트 단말(100)과 연결된 웹카메라(100g)에 대한 구동 명령을 전송하는 액세스 모듈(321); 및 클라이언트 단말(100)로부터 웹카메라(100a)에 의해 촬영된 촬영 이미지를 수신한 뒤, 데이터베이스(330)에 사전에 저장된 클라이언트 단말(100)을 운영하는 사용자의 기초 안면 이미지와, 클라이언트 단말(100)로부터 수신된 촬영 이미지에서 안면 이미지를 추출한 뒤, 추출된 안면 이미지에 대한 비교를 통해 일치 또는 유사로 매칭되는 경우 로그인 허용 여부를 결정하는 안면 인식 로그인 모듈(322); 을 포함하는 것을 특징으로 할 수 있다.
이때, 액세스 모듈(321)은, 클라이언트 단말(100)로부터 아이디/패스워드를 수신하여 1차 인증을 수행하거나, 1차 인증을 생략한 상태로 클라언트 단말(100)로 상기 구동 명령을 전송하는 것을 특징으로 할 수 있다.
또한, 인식 로그인 모듈(322)은, 추출된 안면 이미지를 미리 설정된 축소 배율로 축소하여 생성된 썸네일 이미지 형태로 사후 검증을 위해 데이터베이스(330) 상에 1차 로그인시의 아이디를 메타데이터로 로그인 썸네일 이미지로 저장하는 것을 특징으로 할 수 있다.
또한, 온라인 교육 서버(300)는, 로그인 허용이 된 상태에서 클라이언트 단말(100) 상에서 온라인 교육 서비스가 진행되는 과정에서 클라이언트 단말(100)과 연결된 웹카메라(100a)로부터 미리 설정된 촬영 주기에 따라 촬영 이미지를 생성하고, 생성된 촬영 이미지에 대한 안면 이미지를 추출이 완료됨에 따라, 클라이언트 단말(100)로부터 로그인 썸네일 이미지에 대한 요청에 따라 썸네일 이미지와 함께 축소 비율 정보를 네트워크(200)를 통해 클라이언트 단말(100)로 제공하는 집중도 탐지 모듈(323); 을 더 포함하는 것을 특징으로 할 수 있다.
또한, 집중도 탐지 모듈(323)은, 클라이언트 단말(100) 상에서 로그인 썸네일 이미지 생성시와 동일한 축소 비율에 대해 원본 이미지 형태로 만들기 위한 확대 비율에 따라 로그인 안면 이미지를 생성하고, 실시간으로 촬영되는 촬영 이미지에서 추출된 안면 이미지와 비교를 통해 안면과 웹카메라(100g) 상의 거리 변화 정보를 생성하고, 로그인 썸네일 이미지를 중심으로 안면의 움직임 변화를 감지하여 움직임 변화량 정보를 생성하는 경우, 온라인 교육 서버(300)가 네트워크(200)를 통해 거리 변화 정보 및 움직임 변화량 정보를 미리 설정된 촬영 주기에 따라 클라이언트 단말(100)로부터 수신하는 것을 특징으로 할 수 있다.
또한, 집중도 탐지 모듈(323)은, 거리 변화 정보 및 움직임 변화량 정보에 대해서 빅데이터 기반으로 집중도 정보를 생성하여 생성된 집중도 정보를 시간에 따른 집중도 그래프로 생성하고, 각 클라이언트 단말(100)의 아이디를 메타데이터로 데이터베이스(330)에 저장하는 것을 특징으로 할 수 있다.
상기의 목적을 달성하기 위해 본 발명의 실시예에 따른 온라인 교육 기반의 안면 인식을 이용한 출석체크 및 집중도 분석 방법은, 온라인 교육 서버(300)가 클라이언트 단말(100)에 의한 네트워크(200)를 통한 온라인 교육 서버(300)에서 제공한 온라인 교육 웹사이트로의 액세스(access)에 따라, 클라언트 단말(100)로 클라이언트 단말(100)과 연결된 웹카메라(100g)에 대한 구동 명령을 전송하는 제 1 단계; 및 온라인 교육 서버(300)는 클라이언트 단말(100)로부터 웹카메라(100a)에 의해 촬영된 촬영 이미지를 수신한 뒤, 데이터베이스(330)에 사전에 저장된 클라이언트 단말(100)을 운영하는 사용자의 기초 안면 이미지와, 클라이언트 단말(100)로부터 수신된 촬영 이미지에서 안면 이미지를 추출한 뒤, 추출된 안면 이미지에 대한 비교를 통해 일치 또는 유사로 매칭되는 경우 로그인 허용 여부를 결정하는 제 2 단계; 를 포함하는 것을 특징으로 할 수 있다.
이때, 상기 제 1 단계는, 온라인 교육 서버(300)가 클라이언트 단말(100)로부터 아이디/패스워드를 수신하여 1차 인증을 수행하거나, 1차 인증을 생략한 상태로 클라언트 단말(100)로 상기 구동 명령을 전송하는 것을 특징으로 할 수 있다.l
또한, 상기 제 2 단계 이후, 온라인 교육 서버(300)가 상기 제 2 단계에서 추출된 안면 이미지를 미리 설정된 축소 배율로 축소하여 생성된 썸네일 이미지 형태로 사후 검증을 위해 데이터베이스(330) 상에 1차 로그인시의 아이디를 메타데이터로 로그인 썸네일 이미지로 저장하는 제 3 단계; 를 더 포함하는 것을 특징으로 하는 할 수 있다.
또한, 상기 제 3 단계 이후, 온라인 교육 서버(300)가 로그인 허용이 된 상태에서 클라이언트 단말(100) 상에서 온라인 교육 서비스가 진행되는 과정에서 클라이언트 단말(100)과 연결된 웹카메라(100a)로부터 미리 설정된 촬영 주기에 따라 촬영 이미지를 생성하고, 생성된 촬영 이미지에 대한 안면 이미지를 추출이 완료됨에 따라, 클라이언트 단말(100)로부터 로그인 썸네일 이미지에 대한 요청에 따라 썸네일 이미지와 함께 축소 비율 정보를 네트워크(200)를 통해 클라이언트 단말(100)로 제공하는 제 4 단계; 를 더 포함하는 것을 특징으로 할 수 있다.
또한, 상기 제 4 단계 이후, 클라이언트 단말(100) 상에서 로그인 썸네일 이미지 생성시와 동일한 축소 비율에 대해 원본 이미지 형태로 만들기 위한 확대 비율에 따라 로그인 안면 이미지를 생성하고, 실시간으로 촬영되는 촬영 이미지에서 추출된 안면 이미지와 비교를 통해 안면과 웹카메라(100g) 상의 거리 변화 정보를 생성하고, 로그인 썸네일 이미지를 중심으로 안면의 움직임 변화를 감지하여 움직임 변화량 정보를 생성하는 경우, 온라인 교육 서버(300)가 네트워크(200)를 통해 거리 변화 정보 및 움직임 변화량 정보를 미리 설정된 촬영 주기에 따라 클라이언트 단말(100)로부터 수신하는 제 5 단계; 를 더 포함하는 것을 특징으로 할 수 있다.
또한, 상기 제 5 단계 이후, 온라인 교육 서버(300)가 거리 변화 정보 및 움직임 변화량 정보에 대해서 빅데이터 기반으로 집중도 정보를 생성하여 생성된 집중도 정보를 시간에 따른 집중도 그래프로 생성하고, 각 클라이언트 단말(100)의 아이디를 메타데이터로 데이터베이스(330)에 저장하는 제 6 단계; 를 더 포함하는 것을 특징으로 할 수 있다.
또한, 상기 제 6 단계 이후, 온라인 교육 서버(300)가 생성된 집중도 정보에 대해서 각 클라이언트 단말(100)의 아이디 별로 설정된 미리 설정된 제 1 집중도 임계치 이하인 경우, 네트워크(200)를 통해 클라이언트 단말(100)에 대해서 네트워크(200)를 통해 알람음 정보, 알람진동 정보, 알람화면 정보 중 적어도 하나 이상을 전송하는 제 7 단계; 를 더 포함하는 것을 특징으로 할 수 있다.
또한, 상기 제 6 단계 이후, 온라인 교육 서버(300)가 생성된 집중도 정보에 대해서 각 클라이언트 단말(100)의 아이디 별로 제 1 집중도 임계치 보다 정량적 수치가 작게 설정된 미리 설정된 제 2 집중도 임계치 이하인 경우, 네트워크(200)를 통해 클라이언트 단말(100)로 온라인 교육 웹사이트를 통해 전송되는 온라인 교육 서비스에 해당하는 스트리밍 방식의 교육 동영상에 대한 전송을 중지할 뿐만 아니라, 클라이언트 단말(100)에 대한 네트워크(200)를 통한 원격제어를 통해 교육 동영상에 대한 PAUSE 명령을 전송하는 제 7 단계; 를 더 포함하는 것을 특징으로 할 수 있다.
또한, 상기 제 7 단계 이후, 온라인 교육 서버(300)가 제 2 집중도 임계치 이하가 된 이후, 다시 제 2 집중도 임계치를 초과하는 경우, 중지된 온라인 교육 서비스에 해당하는 스트리밍 방식의 교육 동영상에 대한 전송을 재개할 뿐만 아니라, 클라이언트 단말(100)에 대한 네트워크(200)를 통한 원격제어를 통해 교육 동영상에 대한 PAUSE 명령이 전송된 시점으로부터 다시 교육을 정상화하는 PLAY 명령을 전송하는 제 8 단계; 를 더 포함하는 것을 특징으로 할 수 있다.
또한, 상기 제 3 단계 이후, 온라인 교육 서버(300)가 클라이언트 단말(100)의 웹카메라(100a)에 의해 촬영된 촬영 이미지에서 안면 인식 기반의 캡처 프로그램에 의해 캡처된 안면 이미지를 네트워크(200)를 통해 클라이언트 단말(100)로부터 수신한 뒤, 캡처된 안면 이미지에 대해서 데이터베이스(330) 상에 저장된 로그인 썸네일 이미지와 동일한 배율로 축소 및 확대를 수행한 상태에서 캡처된 안면 이미지와 로그인 썸네일 이미지와 비교를 수행하여 일치하거나 유사한 경우 동일한 사용자에 의한 온라인 교육 서비스를 수행하는 것으로 인식을 수행하고, 일치하거나 유사하지 않은 경우 대리출석으로 분석하여 데이터베이스(330) 상에 대리출석 내용을 저장하거나 클라이언트 단말(100)에 대한 네트워크(200)를 통한 원격제어를 통해 교육 동영상에 대한 PAUSE 명령을 전송하는 제 3 단계; 를 더 포함하는 것을 특징으로 할 수 있다.
본 발명의 실시예에 따른 온라인 교육 기반의 안면 인식을 이용한 출석체크 및 집중도 분석 시스템, 그리고 그 방법은, 온라인 교육의 확대로 많은 부분이 온라인으로 이루어지고 있으므로, 학교 교육, 학원 교육 뿐만 아니라 직장내 교육, 민방위 훈련까지도 온라인 교육으로 이루어지고 있는 상황에서 실제로 교육을 받는 피교육자 자신이 교육을 받는지, 웹사이트의 영상만 틀어놓는지 파악이 어려운 문제점을 해결할 뿐만 아니라, 대리출석 등의 경우에도 아이디/패스워드만 공유하면 가능하게 되는 문제점을 해결할 수 있는 효과를 제공한다.
또한, 본 발명의 다른 실시예에 따른 온라인 교육 기반의 안면 인식을 이용한 출석체크 및 집중도 분석 시스템, 그리고 그 방법은, 온라인 교육의 단점을 보완하기 위해 사용자 본인의 얼굴을 이용한 집중도 분석 및 본인 인증을 하는 경우, 필수 교육에 대한 참여도를 높일 수 있는 효과를 제공한다.
뿐만 아니라, 본 발명의 다른 실시예에 따른 온라인 교육 기반의 안면 인식을 이용한 출석체크 및 집중도 분석 시스템, 그리고 그 방법은, 학교 교육과 같은 필수 교육에서 안면 인식을 통한 출석체크 및 중간 점검으로 대리출석 및 부정을 방지할 수 있도록 하는 효과를 제공할 수 있다.
도 1은 본 발명의 실시예에 따른 온라인 교육 기반의 안면 인식을 이용한 출석체크 및 집중도 분석 시스템(1)을 나타내는 도면이다.
도 2는 본 발명의 실시예에 따른 온라인 교육 기반의 안면 인식을 이용한 출석체크 및 집중도 분석 시스템(1) 중 온라인 교육 서버(300)의 구성요소를 나타내는 블록도이다.
도 3은 본 발명의 실시예에 따른 온라인 교육 기반의 안면 인식을 이용한 출석체크 및 집중도 분석 시스템(1) 중 온라인 교육 서버(300)에 의해 클라이언트 단말(100)에게 제공되는 집중도 정보를 나타내는 UI 화면이다.
도 4는 본 발명의 실시예에 따른 온라인 교육 기반의 안면 인식을 이용한 출석체크 및 집중도 분석 방법을 나타내는 흐름도이다.
도 2는 본 발명의 실시예에 따른 온라인 교육 기반의 안면 인식을 이용한 출석체크 및 집중도 분석 시스템(1) 중 온라인 교육 서버(300)의 구성요소를 나타내는 블록도이다.
도 3은 본 발명의 실시예에 따른 온라인 교육 기반의 안면 인식을 이용한 출석체크 및 집중도 분석 시스템(1) 중 온라인 교육 서버(300)에 의해 클라이언트 단말(100)에게 제공되는 집중도 정보를 나타내는 UI 화면이다.
도 4는 본 발명의 실시예에 따른 온라인 교육 기반의 안면 인식을 이용한 출석체크 및 집중도 분석 방법을 나타내는 흐름도이다.
이하, 본 발명의 바람직한 실시예의 상세한 설명은 첨부된 도면들을 참조하여 설명할 것이다. 하기에서 본 발명을 설명함에 있어서, 관련된 공지 기능 또는 구성에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우에는 그 상세한 설명을 생략할 것이다.
본 명세서에 있어서는 어느 하나의 구성요소가 다른 구성요소로 데이터 또는 신호를 '전송'하는 경우에는 구성요소는 다른 구성요소로 직접 상기 데이터 또는 신호를 전송할 수 있고, 적어도 하나의 또 다른 구성요소를 통하여 데이터 또는 신호를 다른 구성요소로 전송할 수 있음을 의미한다.
도 1은 본 발명의 실시예에 따른 온라인 교육 기반의 안면 인식을 이용한 출석체크 및 집중도 분석 시스템(1)을 나타내는 도면이다. 도 1을 참조하면, 온라인 교육 기반의 안면 인식을 이용한 출석체크 및 집중도 분석 시스템(1)은 복수의 클라이언트 단말(100)로 이루어진 클라이언트 단말 그룹(100g), 각 클라이언트 단말(100)과 데이터 라인으로 연결된 웹카메라(110)로 이루어진 웹카메라 그룹(110g), 네트워크(200), 온라인 교육 서버(300) 및 빅데이터 서버(400)를 포함할 수 있다.
클라이언트 단말(100)은 전면으로 사용자를 바라보는 웹카메라(100a)가 형성된 PC, 노트북, 스마트탭, 모바일폰 등에 해당하며, 네트워크(200)를 통해 온라인 교육 서버(300)의 온라인 교육 웹사이트에서 제공하는 온라인 교육 서비스에 액세스(access)할 수 있다.
클라이언트 단말(100)은 웹카메라(100a)를 지원하는 브라우저(웹브라우저 또는 모바일브라우저) 및 어플리케이션이 설치되어 웹카메라(100a)에 대한 제어에 따라 사용자의 안면으로 네트워크(200)를 통한 온라인 교육 서버(300)에 대한 인증을 수행하고, 안면의 틀어짐, 각도, 실시간 움직임을 판단하여 집중도를 분석할 수 있다.
웹브라우저는 HTML5(HyperText Markup Language version 5) 및 웹카메라 기술을 지원하는 구글의 크롬, 사파리, 파이어폭스, 엣지 등일 수 있으며, 모바일브라우저는 대다수의 브라우저들이 HTML5 및 웹카메라 기술을 지원하고 있으며, 별도의 어플리케이션을 이용해서도 웹카메라를 제어할 수 있다.
각 클라이언트 단말(100)은 온라인 교육 서버(300)에서 제공하는 온라인 서비스에 등록할 아이디 및 패스워드 이외에 웹카메라(100a)를 이용하여 생성된 사용자의 기초 안면 이미지를 생성한 뒤, 네트워크(200)를 통해 온라인 교육 서버(300)로 전송하도록 송수신부(310)를 제어함으로써, 온라인 교육 서버(300) 상의 데이터베이스(330)에 등록할 수 있다.
이에 따라, 각 클라이언트 단말(100)은 로그인시에 아이디 및 패스워드의 대체 수단 또는 복합 인증 수단으로 안면 인식을 통한 온라인 교육 서버(300) 상에 로그인을 수행함으로써, 자연스럽게 본인임을 인증하게 되는 출석체크가 가능할 수 있다.
또한, 각 클라이언트 단말(100)은 사용자의 동의 하에 온라인 교육 서비스를 하는경우, 지속적으로 웹카메라(100a)를 통해 브라우저에 내장된 안면 인식 자바스크립트 함수 또는 자체 어플리케이션을 통하여 안면의 각도 및 움직임, 눈깜빡임을 탐지하여 일정 시간 간격으로 네트워크(200)를 통해 온라인 교육 서버(300)로 전송함으로써 온라인 교육 서버(300)에 의한 온라인 교육에 대한 집중도를 판단할 수 있도록 할 수 있다.
네트워크(200)는 대용량, 장거리 음성 및 데이터 서비스가 가능한 대형 통신망의 고속 기간 망인 통신망이며, 인터넷(Internet) 또는 고속의 멀티미디어 서비스를 제공하기 위한 차세대 유선 및 무선 망일 수 있다. 네트워크(200)가 이동통신망일 경우 동기식 이동 통신망일 수도 있고, 비동기식 이동 통신망일 수도 있다. 비동기식 이동 통신망의 일 실시 예로서, WCDMA(Wideband Code Division Multiple Access) 방식의 통신망을 들 수 있다. 이 경우 도면에 도시되진 않았지만, 네트워크(200)는 RNC(Radio Network Controller)을 포함할 수 있다. 한편, WCDMA망을 일 예로 들었지만, 3G LTE망, 4G망 그 밖의 5G 등 차세대 통신망, 그 밖의 IP를 기반으로 한 IP망일 수 있다. 네트워크(200)는 복수의 클라이언트 단말(100)로 이루어진 클라이언트 단말 그룹(100g), 온라인 교육 서버(300) 및 빅데이터 서버(400), 그 밖의 시스템 상호 간의 신호 및 데이터를 상호 전달하는 역할을 한다.
도 2는 본 발명의 실시예에 따른 온라인 교육 기반의 안면 인식을 이용한 출석체크 및 집중도 분석 시스템(1) 중 온라인 교육 서버(300)의 구성요소를 나타내는 블록도이다. 도 3은 본 발명의 실시예에 따른 온라인 교육 기반의 안면 인식을 이용한 출석체크 및 집중도 분석 시스템(1) 중 온라인 교육 서버(300)에 의해 클라이언트 단말(100)에게 제공되는 집중도 정보를 나타내는 UI 화면이다.
먼저, 도 2를 참조하면, 온라인 교육 서버(300)는 송수신부(310), 제어부(320) 및 데이터베이스(330)를 포함할 수 있으며, 제어부(320)는 액세스 모듈(321), 안면 인식 로그인 모듈(322), 집중도 탐지 모듈(323), 교육 중지/재개 모듈(324), 부하 제어 모듈(325) 및 대리출석 방지 모듈(326)을 포함할 수 있다.
액세스 모듈(321)은 클라이언트 단말(100)에 의한 네트워크(200)를 통한 온라인 교육 서버(300)에서 제공한 온라인 교육 웹사이트로의 액세스(access)에 따라, 클라이언트 단말(100)로부터 아이디/패스워드를 수신하여 1차 인증을 수행하거나, 1차 인증을 생략한 상태로, 클라언트 단말(100)로 클라이언트 단말(100)과 연결된 웹카메라(100g)에 대한 구동 명령을 제공하도록 송수신부(310)를 제어할 수 있다.
안면 인식 로그인 모듈(322)은 액세스 모듈(321)을 통해 클라이언트 단말(100)의 액세스가 수행되고 1차 인증이 수행되거나 생략된 클라이언트 단말(100)로부터 웹카메라(100a)에 의해 촬영된 촬영 이미지를 수신하도록 송수신부(310)를 제어한 뒤, 데이터베이스(330)에 사전에 저장된 클라이언트 단말(100)을 운영하는 사용자의 기초 안면 이미지와, 클라이언트 단말(100)로부터 수신된 촬영 이미지에서 안면 이미지를 추출한 뒤, 추출된 안면 이미지에 대한 비교를 통해 일치 또는 유사로 매칭되는 경우 로그인 허용 여부를 결정할 수 있다.
일치 또는 유사 매칭 여부 분석시 안면 인식 로그인 모듈(322)은 데이터베이스(330)에 저장된 기초 안면 이미지 외에 기초 안면 이미지에 대해서 미리 설정된 각도 별로 기울어진 것, 역으로 된 것, 좌우 대칭된 것 등을 적어도 하나 이상 조합하여 추출된 안면 이미지와 비교하여 형태가 미리 일치로 설정된 임계 픽셀 이상이 일치하면 일치로 판별하고, 미리 유사로 설정된 임계 픽셀 이상이 일치하면 유사로 판별할 수 있다. .
또한, 안면 인식 로그인 모듈(322) 추출된 안면 이미지에 포함된 화소의 특정, 즉, 화소의 명암, 화소의 색상, 화소가 형성하는 선, 및 화소가 시간의 흐름에 따라서 변화하는 형태 등으로부터 화소의 특성을 추출하고, 화소의 특성과 유사한 특성을 포함하는 화소를 유사범위로 판단한다.
한편, 안면 인식 로그인 모듈(322)은 추출된 안면 이미지를 미리 설정된 축소 배율로 축소하여 생성된 썸네일 이미지 형태로 사후 검증을 위해 데이터베이스(330) 상에 1차 로그인시의 아이디를 메타데이터로 로그인 썸네일 이미지로 저장할 수 있다.
이에 따라, 안면 인식 로그인 모듈(322)에 의한 최종 로그인이 허용된 클라이언트 단말(100)은 온라인 교육 웹사이트 상에서 온라인 교육 서비스를 제공받을 수 있다.
집중도 탐지 모듈(323)은 클라이언트 단말(100) 상에서 온라인 교육 서비스가 진행되는 과정에서 클라이언트 단말(100)과 연결된 웹카메라(100a)로부터 미리 설정된 촬영 주기에 따라 촬영 이미지를 생성하고, 생성된 촬영 이미지에 대한 안면 이미지의 추출이 완료됨에 따라, 클라이언트 단말(100)로부터 안면 인식 로그인 모듈(322)에 의해 데이터베이스(330) 상에 저장된 로그인 썸네일 이미지에 대한 요청에 따라 썸네일 이미지와 함께 축소 비율 정보를 네트워크(200)를 통해 클라이언트 단말(100)로 제공할 수 있다.
이에 따라, 클라이언트 단말(100) 상에서 로그인 썸네일 이미지 생성시와 동일한 축소 비율에 대해 원본 이미지 형태로 만들기 위한 확대 비율에 따라 로그인 안면 이미지를 생성하고, 실시간으로 촬영되는 촬영 이미지에서 추출된 안면 이미지와 비교를 통해 안면과 웹카메라(100g) 상의 거리 변화 정보를 생성하고, 로그인 썸네일 이미지를 중심으로 안면의 움직임 변화를 감지하여 움직임 변화량 정보를 생성하는 경우, 집중도 탐지 모듈(323)은 네트워크(200)를 통해 거리 변화 정보 및 움직임 변화량 정보를 미리 설정된 촬영 주기에 따라 클라이언트 단말(100)로부터 수신한 뒤, 집중도 정보를 생성하여 생성된 집중도 정보를 시간에 따른 집중도 그래프로 생성하고, 각 클라이언트 단말(100)의 아이디를 메타데이터로 데이터베이스(330)에 저장할 수 있다.
여기서 "거리 변화 정보"는 인식된 안면 윤곽의 크기 변화인 로그인 안면 이미지의 안면이 차지하는 윤곽 크기 또는 안면을 모두 포함하는 도형(사각형)의 크기를 중심으로, 집중도 탐지 모듈(323)에 의해 추출된 안면 이미지의 윤곽 크기의 확대 및 축소를 분석하여, 윤곽 또는 도형이 커지는 경우 웹카메라(110)를 기준으로 사용자가 근접하는 것으로 분석하여 거리 변화 정보로 증가된 윤곽의 면적에 비례하는 음의 정수를 생성하고, 윤곽 또는 도형이 작아지는 경우, 웹카메라(110)를 기준으로 사용자가 멀어지는 것으로 분석하여 거리 변화 정보로 증가된 윤곽의 면적에 비례하는 양의 정수를 집중도 탐지 모듈(323)이 생성할 수 있다.
집중도 탐지 모듈(323)은 네트워크(200)를 통해 웹카메라(110)의 제품명 및 모델식별번호를 클라이언트 단말(100)로부터 수신한 뒤, 수신된 제품명 및 모델식별번호를 네트워크(200)를 통해 빅데이터 서버(400)로 전송하여, 각 웹카메라(110)와 촬영 객체에 대한 영상 이미지 픽셀 수 변화에 따른 증가된 윤곽의 면적 정보를 빅데이터 서버(400)로부터 반환받도록 송수신부(310)를 제어할 수 있다. 이를 위헤 빅데이터 서버(400)는 제품명 및 모델식별번호를 갖는 각 웹카메라(110)에 대한 사전에 웹카메라(110) 제조사, 동일한 제품에 해당하는 웹카메라(1100)를 운영하는 클라이언트 단말(100)에 대한 테스트 요청을 통해 각 웹카메라(110)와 촬영 객체에 대한 영상 이미지 픽셀 수 변화에 따른 증가된 윤곽의 면적 정보를 수집할 수 있다.
또한, "안면의 움직임 변화량 정보"는 로그인 안면 이미지인 2차원 영상에 대해서 안면을 구성하는 각 구성요소(눈, 코, 입, 귀 등)에 대한 N(N>1) 개의 초점위치와 초점수를 결정하고, 결정된 N(N>1)개의 초점위치와 초점수에 대응하는 N(N>1)개 다중 초점 2차원 영상 데이터가 획득되면, N(N>1)개 다중 초점 2차원 영상 데이터에 대한 N(N>1)개의 초점거리를 연산하고, 각 초점거리에 대한 X, Y 좌표에 대한 변화량에 대한 집중도 탐지 모듈(323)에 의한 합산된 정량적 수치로 연산됨으로써, 안면의 각도 변화, 그리고 각 구성요소의 움직임(예, 눈깜빡임, 시선처리 등)에 대한 요소를 추출할 수 있다.
이후, 집중도 탐지 모듈(323)은 "거리 변화 정보" 및 "안면의 움직임 변화량 정보"에 대한 정량적 수치를 합산함으로써, "집중도 정보"를 생성한 뒤, 도 3과 같이 네트워크(200)를 통해 클라이언트 단말(100)에 제공할 수 있다.
즉, 집중도 탐지 모듈(323)은 클라이언트 단말(100)에 대해서 안면의 정면에 가까운 정도, 인식된 안면의 X, Y 좌표 및 인식된 사각형의 크기 변화 등을 이용하여 안면의 움직임과 멀어짐과 가까워짐, 시선처리 등을 유추할 수 있다.
이후, 집중도 탐지 모듈(323)은 생성된 집중도 그래프를 해당되는 각 클라이언트 단말(100)로 네트워크(200)를 통해 전송하도록 송수신부(310)를 제어할 뿐만 아니라, 각 클라이언트 단말(100)의 요청에 따라 지인으로 등록되거나 온라인 교육 웹사이트의 동일한 온라인 교육 서비스에 해당하는 그룹으로 설정된 적어도 하나 이상의 다른 클라이언트 단말(100)의 집중도 그래프와 함께 각 클라이언트 단말(100)의 집중도 그래프를 네트워크(200)를 통해 각 클라이언트 단말(100)로 전송하도록 송수신부(310)를 제어함으로써, 사용자 본인의 온라인 교육 집중 여부와 타 사용자와의 비교 등을 통해 교육 의지를 고취할 수 있도록 할 수 있다.
교육 중지/재개 모듈(324)은 집중도 탐지 모듈(323)에 의해 생성된 집중도 정보에 대해서 각 클라이언트 단말(100)의 아이디 별로 설정된 미리 설정된 제 1 집중도 임계치 이하인 경우, 네트워크(200)를 통해 클라이언트 단말(100)에 대해서 네트워크(200)를 통해 알람음 정보, 알람진동 정보, 알람화면 정보 중 적어도 하나 이상을 전송하도록 송수신부(310)를 제어할 수 있다.
또한, 교육 중지/재개 모듈(324)은 집중도 탐지 모듈(323)에 의해 생성된 집중도 정보에 대해서 각 클라이언트 단말(100)의 아이디 별로 제 1 집중도 임계치 보다 정량적 수치가 작게 설정된 미리 설정된 제 2 집중도 임계치 이하인 경우, 네트워크(200)를 통해 클라이언트 단말(100)로 온라인 교육 웹사이트를 통해 전송되는 온라인 교육 서비스에 해당하는 스트리밍 방식의 교육 동영상에 대한 전송을 중지할 뿐만 아니라, 클라이언트 단말(100)에 대한 네트워크(200)를 통한 원격제어를 통해 교육 동영상에 대한 PAUSE 명령을 전송하도록 송수신부(310)를 제어할 수 있다.
또한, 교육 중지/재개 모듈(324)은 제 2 집중도 임계치 이하가 된 이후, 다시 제 2 집중도 임계치를 초과하는 것으로 집중도 탐지 모듈(323)에 의해 생성되는 경우, 중지된 온라인 교육 서비스에 해당하는 스트리밍 방식의 교육 동영상에 대한 전송을 재개할 뿐만 아니라, 클라이언트 단말(100)에 대한 네트워크(200)를 통한 원격제어를 통해 교육 동영상에 대한 PAUSE 명령이 전송된 시점으로부터 다시 교육을 정상화하는 PLAY 명령을 전송하도록 송수신부(310)를 제어할 수 있다.
즉, 교육 중지/재개 모듈(324)은 제 1 집중도 임계치를 통해 집중도가 떨어진 경우 경고를 통해 클라이언트 단말(100) 사용자의 집중을 독려할 수 있고, 제 2 집중도 임계치를 통해 클라이언트 단말(100) 사용자가 자리비움 상태에서 교육 동영상에 대한 일시 중지를 수행하고 사용자가 돌아온 경우 교육 동영상을 재개할 수 있다.
부하 제어 모듈(325)은 온라인 교육 서버(300)의 클라이언트 단말 그룹(100g)을 구성하는 각 클라이언트 단말(100)로부터의 트래픽 부하를 줄이기 위한 클라이언트 단말(100)에서 안면 이미지에 대한 처리 및 전송을 제어할 수 있다.
보다 구체적으로, 각 클라이언트 단말(100) 상에서 로그인 썸네일 이미지 생성시와 동일한 축소 비율에 대해 원본 이미지 형태로 만들기 위한 확대 비율에 따라 로그인 안면 이미지를 생성하고, 실시간으로 촬영되는 촬영 이미지에서 추출된 안면 이미지와 비교를 통해 안면과 웹카메라(100g) 상의 거리 변화 정보를 생성하고, 로그인 썸네일 이미지를 중심으로 안면의 움직임 변화(예, 얼굴각도 변화량)를 감지하여 움직임 변화량 정보를 생성하여, 거리 변화 정보 및 움직임 변화량 정보를 온라인 교육 서버(300)의 집중도 탐지 모듈(323)로 전송하는 경우, 부하 제어 모듈(325)은 각 클라이언트 단말(100)의 각 브라우저에서 초당 수 십 프레임의 연산이 수행 가능하므로, 거리 변화 정보 및 움직임 변화량 정보에 대해서 각 브라우저의 프레임 연산량에 따른 미리 설정된 집중도 탐지 주기로 거리 변화 정보 및 움직임 변화량 정보가 생성되도록 제어할 수 있다.
또한, 부하 제어 모듈(325)은 생성된 거리 변화 정보 및 움직임 변화량 정보를 포함하는 시계열 데이터에 대해서 미리 설정된 집중도 탐지 주기에 반비례하는 미리 설정된 전송 주기에 따라 네트워크(200)를 통해 수신하도록 요청하는 전송 요청을 네트워크(200)를 통해 각 클라이언트 단말(100)로 전송하도록 송수신부(310)를 제어함으로써, 각 클라이언트 단말(100)에 대한 데이터 연산 및 전송을 위한 부하 뿐만 아니라, 각 클라이언트 단말(100)로부터 데이터 수신에 따른 온라인 교육 서버(300) 상의 트래픽 부하를 해소할 수 있다.
한편, 미리 설정된 집중도 탐지 주기에 반비례하게 미리 설정된 전송 주기를 설정하는 이유는 제 1 클라이언트 단말(100)의 브라우저의 처리 속도가 정량적 수치가 2이고, 제 2 클라이언트 단말(100)의 경우 1인 경우, 제 1 클라이언트 단말(100)에 대해서는 2개의 처리된 내용에 대해서 하나의 시간 단위에서 1번만 수신하도록 설정하고, 제 2 클라이언트 단말(100)에 대해서는 1개의 처리된 내용에 대해서 동일한 시간 단위에서 2번을 수신하는 방식으로, 기존의 제 2 클라이언트 단말(100)을 기준으로 일률적으로 2번을 수신함으로써, 네트워크(200) 상의 온라인 교육 서버(300)로의 트래픽 부하가 과도하게 몰리는 것을 방지할 수 있다.
대리출석 방지 모듈(326)은 네트워크(200)를 통해 클라이언트 단말(100)의 브라우저의 자바스크립트 또는 클라이언트 단말(100)에 설치된 어플리케이션에 의해 미리 설정된 전송 주기에 따라 일정 시간 동안의 거리 변화 정보 및 움직임 변화량 정보를 제공받는 경우, 클라이언트 단말(100)의 웹카메라(100a)에 의해 촬영된 촬영 이미지에서 안면 인식 기반의 캡처 프로그램에 의해 캡처된 안면 이미지를 네트워크(200)를 통해 클라이언트 단말(100)로부터 수신하도록 송수신부(310)를 제어한 뒤, 캡처된 안면 이미지에 대해서 데이터베이스(330) 상에 저장된 로그인 썸네일 이미지와 동일한 배율로 축소 및 확대를 수행한 상태에서 캡처된 안면 이미지와 로그인 썸네일 이미지와 비교를 수행하여 일치하거나 유사한 경우 동일한 사용자에 의한 온라인 교육 서비스를 수행하는 것으로 인식하 수 있다.
즉, 각 클라이언트 단말(100) 상에서 사용자 본인이 자신의 안면을 기초로 로그인 한 경우라고 하더라도 중간에 다른 사람으로 변경함으로써 온라인 교육을 받거나 대리 출석을 할 수 있으므로, 대리출석 방지 모듈(326)은 대리 출석을 예방할 수 있다.
도 4는 본 발명의 실시예에 따른 온라인 교육 기반의 안면 인식을 이용한 출석체크 및 집중도 분석 방법을 나타내는 흐름도이다. 도 4를 참조하면, 온라인 교육 서버(300)는 클라이언트 단말(100)에 의한 네트워크(200)를 통한 온라인 교육 서버(300)에서 제공한 온라인 교육 웹사이트로의 액세스(access)에 따라, 클라이언트 단말(100)로부터 아이디/패스워드를 수신하여 1차 인증을 수행하거나, 1차 인증을 생략한 상태로, 클라언트 단말(100)로 클라이언트 단말(100)과 연결된 웹카메라(100g)에 대한 구동 명령을 전송할 수 있다(S11).
단계(S11) 이후, 온라인 교육 서버(300)는 클라이언트 단말(100)로부터 웹카메라(100a)에 의해 촬영된 촬영 이미지를 수신한 뒤, 데이터베이스(330)에 사전에 저장된 클라이언트 단말(100)을 운영하는 사용자의 기초 안면 이미지와, 클라이언트 단말(100)로부터 수신된 촬영 이미지에서 안면 이미지를 추출한 뒤, 추출된 안면 이미지에 대한 비교를 통해 일치 또는 유사로 매칭되는 경우 로그인 허용 여부를 결정할 수 있다(S12).
단계(S12) 이후, 온라인 교육 서버(300)는 단계(S12)에서 추출된 안면 이미지를 미리 설정된 축소 배율로 축소하여 생성된 썸네일 이미지 형태로 사후 검증을 위해 데이터베이스(330) 상에 1차 로그인시의 아이디를 메타데이터로 로그인 썸네일 이미지로 저장할 수 있다(S13).
단계(S13) 이후, 온라인 교육 서버(300)는 클라이언트 단말(100) 상에서 온라인 교육 서비스가 진행되는 과정에서 클라이언트 단말(100)과 연결된 웹카메라(100a)로부터 미리 설정된 촬영 주기에 따라 촬영 이미지를 생성하고, 생성된 촬영 이미지에 대한 안면 이미지를 추출이 완료됨에 따라, 클라이언트 단말(100)로부터 로그인 썸네일 이미지에 대한 요청에 따라 썸네일 이미지와 함께 축소 비율 정보를 네트워크(200)를 통해 클라이언트 단말(100)로 제공할 수 있다(S14).
단계(S14) 이후, 클라이언트 단말(100) 상에서 로그인 썸네일 이미지 생성시와 동일한 축소 비율에 대해 원본 이미지 형태로 만들기 위한 확대 비율에 따라 로그인 안면 이미지를 생성하고, 실시간으로 촬영되는 촬영 이미지에서 추출된 안면 이미지와 비교를 통해 안면과 웹카메라(100g) 상의 거리 변화 정보를 생성하고, 로그인 썸네일 이미지를 중심으로 안면의 움직임 변화를 감지하여 움직임 변화량 정보를 생성하는 경우, 온라인 교육 서버(300)는 네트워크(200)를 통해 거리 변화 정보 및 움직임 변화량 정보를 미리 설정된 촬영 주기에 따라 클라이언트 단말(100)로부터 수신한 뒤, 집중도 정보를 생성하여 생성된 집중도 정보를 시간에 따른 집중도 그래프로 생성하고, 각 클라이언트 단말(100)의 아이디를 메타데이터로 데이터베이스(330)에 저장할 수 있다(S15).
단계(S15) 이후, 온라인 교육 서버(300)는 생성된 집중도 정보에 대해서 각 클라이언트 단말(100)의 아이디 별로 설정된 미리 설정된 제 1 집중도 임계치 이하인 경우, 네트워크(200)를 통해 클라이언트 단말(100)에 대해서 네트워크(200)를 통해 알람음 정보, 알람진동 정보, 알람화면 정보 중 적어도 하나 이상을 전송하며, 집중도 정보에 대해서 각 클라이언트 단말(100)의 아이디 별로 제 1 집중도 임계치 보다 정량적 수치가 작게 설정된 미리 설정된 제 2 집중도 임계치 이하인 경우, 네트워크(200)를 통해 클라이언트 단말(100)로 온라인 교육 웹사이트를 통해 전송되는 온라인 교육 서비스에 해당하는 스트리밍 방식의 교육 동영상에 대한 전송을 중지할 뿐만 아니라, 클라이언트 단말(100)에 대한 네트워크(200)를 통한 원격제어를 통해 교육 동영상에 대한 PAUSE 명령을 전송할 수 있다(S16).
단계(S16) 이후, 온라인 교육 서버(300)는 제 2 집중도 임계치 이하가 된 이후, 다시 제 2 집중도 임계치를 초과하는 경우, 중지된 온라인 교육 서비스에 해당하는 스트리밍 방식의 교육 동영상에 대한 전송을 재개할 뿐만 아니라, 클라이언트 단말(100)에 대한 네트워크(200)를 통한 원격제어를 통해 교육 동영상에 대한 PAUSE 명령이 전송된 시점으로부터 다시 교육을 정상화하는 PLAY 명령을 전송할 수 있다(S17).
한편, 단계(S13) 이후, 단계(S14) 내지 단계(S17)의 과정과 별도로 온라인 교육 서버(300)는 클라이언트 단말(100)의 웹카메라(100a)에 의해 촬영된 촬영 이미지에서 안면 인식 기반의 캡처 프로그램에 의해 캡처된 안면 이미지를 네트워크(200)를 통해 클라이언트 단말(100)로부터 수신한 뒤, 캡처된 안면 이미지에 대해서 데이터베이스(330) 상에 저장된 로그인 썸네일 이미지와 동일한 배율로 축소 및 확대를 수행한 상태에서 캡처된 안면 이미지와 로그인 썸네일 이미지와 비교를 수행하여 일치하거나 유사한 경우 동일한 사용자에 의한 온라인 교육 서비스를 수행하는 것으로 인식을 수행하고, 일치하거나 유사하지 않은 경우 대리출석으로 분석하여 데이터베이스(330) 상에 대리출석 내용을 저장하거나 클라이언트 단말(100)에 대한 네트워크(200)를 통한 원격제어를 통해 교육 동영상에 대한 PAUSE 명령을 전송할 수 있다(S13a).
본 발명은 또한 컴퓨터로 읽을 수 있는 기록매체에 컴퓨터가 읽을 수 있는 코드로서 구현하는 것이 가능하다. 컴퓨터가 읽을 수 있는 기록매체는 컴퓨터 시스템에 의하여 읽혀질 수 있는 데이터가 저장되는 모든 종류의 기록 장치를 포함한다.
컴퓨터가 읽을 수 있는 기록매체의 예로는 ROM, RAM, CD-ROM, 자기테이프, 플로피 디스크, 광 데이터 저장장치 등이 있으며, 또한 캐리어 웨이브(예를 들어, 인터넷을 통한 전송)의 형태로 구현되는 것도 포함한다.
또한 컴퓨터가 읽을 수 있는 기록매체는 네트워크로 연결된 컴퓨터 시스템에 분산되어, 분산방식으로 컴퓨터가 읽을 수 있는 코드가 저장되고 실행될 수 있다. 그리고 본 발명을 구현하기 위한 기능적인(functional) 프로그램, 코드 및 코드 세그먼트들은 본 발명이 속하는 기술 분야의 프로그래머들에 의해 용이하게 추론될 수 있다.
이상과 같이, 본 명세서와 도면에는 본 발명의 바람직한 실시예에 대하여 개시하였으며, 비록 특정 용어들이 사용되었으나, 이는 단지 본 발명의 기술 내용을 쉽게 설명하고 발명의 이해를 돕기 위한 일반적인 의미에서 사용된 것이지, 본 발명의 범위를 한정하고자 하는 것은 아니다. 여기에 개시된 실시예 외에도 본 발명의 기술적 사상에 바탕을 둔 다른 변형 예들이 실시 가능하다는 것은 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에게 자명한 것이다.
1 : 온라인 교육 기반의 안면 인식을 이용한 출석체크 및 집중도 분석 시스템
100 : 클라이언트 단말
100g : 클라이언트 단말 그룹
110 : 웹카메라
110g : 웹카메라 그룹
200 : 네트워크
300 : 온라인 교육 서버
310 : 송수신부
320 : 제어부
321 : 액세스 모듈
322 : 안면 인식 로그인 모듈
323 : 집중도 탐지 모듈
324 : 교육 중지/재개 모듈
325 : 부하 제어 모듈
326 : 대리출석 방지 모듈
330 : 데이터베이스
400 : 빅데이터 서버
100 : 클라이언트 단말
100g : 클라이언트 단말 그룹
110 : 웹카메라
110g : 웹카메라 그룹
200 : 네트워크
300 : 온라인 교육 서버
310 : 송수신부
320 : 제어부
321 : 액세스 모듈
322 : 안면 인식 로그인 모듈
323 : 집중도 탐지 모듈
324 : 교육 중지/재개 모듈
325 : 부하 제어 모듈
326 : 대리출석 방지 모듈
330 : 데이터베이스
400 : 빅데이터 서버
Claims (15)
- 복수의 클라이언트 단말(100)로 이루어진 클라이언트 단말 그룹(100g), 각 클라이언트 단말(100)과 데이터 라인으로 연결된 웹카메라(110)로 이루어진 웹카메라 그룹(110g), 네트워크(200), 온라인 교육 서버(300)를 포함하는 온라인 교육 기반의 안면 인식을 이용한 출석체크 및 집중도 분석 시스템(1)에 있어서, 온라인 교육 서버(300)는,
클라이언트 단말(100)에 의한 네트워크(200)를 통한 온라인 교육 서버(300)에서 제공한 온라인 교육 웹사이트로의 액세스(access)에 따라, 클라언트 단말(100)로 클라이언트 단말(100)과 연결된 웹카메라(100g)에 대한 구동 명령을 전송하는 액세스 모듈(321); 및
클라이언트 단말(100)로부터 웹카메라(100a)에 의해 촬영된 촬영 이미지를 수신한 뒤, 데이터베이스(330)에 사전에 저장된 클라이언트 단말(100)을 운영하는 사용자의 기초 안면 이미지와, 클라이언트 단말(100)로부터 수신된 촬영 이미지에서 안면 이미지를 추출한 뒤, 추출된 안면 이미지에 대한 비교를 통해 일치 또는 유사로 매칭되는 경우 로그인 허용 여부를 결정하는 안면 인식 로그인 모듈(322); 을 포함하는 것을 특징으로 하는 온라인 교육 기반의 안면 인식을 이용한 출석체크 및 집중도 분석 시스템.
- 청구항 1에 있어서, 상기 액세스 모듈(321)은,
상기 클라이언트 단말(100)로부터 아이디/패스워드를 수신하여 1차 인증을 수행하거나, 1차 인증을 생략한 상태로 클라언트 단말(100)로 상기 구동 명령을 전송하는 것을 특징으로 하는 온라인 교육 기반의 안면 인식을 이용한 출석체크 및 집중도 분석 시스템.
- 청구항 1에 있어서, 상기 인식 로그인 모듈(322)은,
추출된 안면 이미지를 미리 설정된 축소 배율로 축소하여 생성된 썸네일 이미지 형태로 사후 검증을 위해 데이터베이스(330) 상에 1차 로그인시의 아이디를 메타데이터로 로그인 썸네일 이미지로 저장하는 것을 특징으로 하는 온라인 교육 기반의 안면 인식을 이용한 출석체크 및 집중도 분석 시스템.
- 청구항 3에 있어서, 상기 온라인 교육 서버(300)는,
로그인 허용이 된 상태에서 클라이언트 단말(100) 상에서 온라인 교육 서비스가 진행되는 과정에서 클라이언트 단말(100)과 연결된 웹카메라(100a)로부터 미리 설정된 촬영 주기에 따라 촬영 이미지를 생성하고, 생성된 촬영 이미지에 대한 안면 이미지의 추출이 완료됨에 따라, 클라이언트 단말(100)로부터 로그인 썸네일 이미지에 대한 요청에 따라 썸네일 이미지와 함께 축소 비율 정보를 네트워크(200)를 통해 클라이언트 단말(100)로 제공하는 집중도 탐지 모듈(323); 을 더 포함하는 것을 특징으로 하는 온라인 교육 기반의 안면 인식을 이용한 출석체크 및 집중도 분석 시스템.
- 청구항 4에 있어서, 상기 집중도 탐지 모듈(323)은,
클라이언트 단말(100) 상에서 로그인 썸네일 이미지 생성시와 동일한 축소 비율에 대해 원본 이미지 형태로 만들기 위한 확대 비율에 따라 로그인 안면 이미지를 생성하고, 실시간으로 촬영되는 촬영 이미지에서 추출된 안면 이미지와 비교를 통해 안면과 웹카메라(100g) 상의 거리 변화 정보를 생성하고, 로그인 썸네일 이미지를 중심으로 안면의 움직임 변화를 감지하여 움직임 변화량 정보를 생성하는 경우, 온라인 교육 서버(300)가 네트워크(200)를 통해 거리 변화 정보 및 움직임 변화량 정보를 미리 설정된 촬영 주기에 따라 클라이언트 단말(100)로부터 수신하는 것을 특징으로 하는 온라인 교육 기반의 안면 인식을 이용한 출석체크 및 집중도 분석 시스템.
- 온라인 교육 서버(300)가 클라이언트 단말(100)에 의한 네트워크(200)를 통한 온라인 교육 서버(300)에서 제공한 온라인 교육 웹사이트로의 액세스(access)에 따라, 클라언트 단말(100)로 클라이언트 단말(100)과 연결된 웹카메라(100g)에 대한 구동 명령을 전송하는 제 1 단계; 및
상기 온라인 교육 서버(300)는 상기 클라이언트 단말(100)로부터 웹카메라(100a)에 의해 촬영된 촬영 이미지를 수신한 뒤, 데이터베이스(330)에 사전에 저장된 클라이언트 단말(100)을 운영하는 사용자의 기초 안면 이미지와, 상기 클라이언트 단말(100)로부터 수신된 촬영 이미지에서 안면 이미지를 추출한 뒤, 추출된 안면 이미지에 대한 비교를 통해 일치 또는 유사로 매칭되는 경우 로그인 허용 여부를 결정하는 제 2 단계; 를 포함하는 것을 특징으로 하는 온라인 교육 기반의 안면 인식을 이용한 출석체크 및 집중도 분석 방법.
- 청구항 6에 있어서, 상기 제 1 단계에서,
상기 온라인 교육 서버(300)는 클라이언트 단말(100)로부터 아이디/패스워드를 수신하여 1차 인증을 수행하거나, 1차 인증을 생략한 상태로 클라언트 단말(100)로 상기 구동 명령을 전송하는 것을 특징으로 하는 온라인 교육 기반의 안면 인식을 이용한 출석체크 및 집중도 분석 방법.
- 청구항 6에 있어서, 상기 제 2 단계 이후,
상기 온라인 교육 서버(300)가 상기 제 2 단계에서 추출된 안면 이미지를 미리 설정된 축소 배율로 축소하여 생성된 썸네일 이미지 형태로 사후 검증을 위해 데이터베이스(330) 상에 1차 로그인시의 아이디를 메타데이터로 로그인 썸네일 이미지로 저장하는 제 3 단계; 를 더 포함하는 것을 특징으로 하는 온라인 교육 기반의 안면 인식을 이용한 출석체크 및 집중도 분석 방법.
- 청구항 8에 있어서, 상기 제 3 단계 이후,
상기 온라인 교육 서버(300)가 로그인 허용이 된 상태에서 클라이언트 단말(100) 상에서 온라인 교육 서비스가 진행되는 과정에서 클라이언트 단말(100)과 연결된 웹카메라(100a)로부터 미리 설정된 촬영 주기에 따라 촬영 이미지를 생성하고, 생성된 촬영 이미지에 대한 안면 이미지를 추출이 완료됨에 따라, 클라이언트 단말(100)로부터 로그인 썸네일 이미지에 대한 요청에 따라 썸네일 이미지와 함께 축소 비율 정보를 네트워크(200)를 통해 클라이언트 단말(100)로 제공하는 제 4 단계; 를 더 포함하는 것을 특징으로 하는 온라인 교육 기반의 안면 인식을 이용한 출석체크 및 집중도 분석 방법.
- 청구항 9에 있어서, 상기 제 4 단계 이후,
상기 클라이언트 단말(100) 상에서 로그인 썸네일 이미지 생성시와 동일한 축소 비율에 대해 원본 이미지 형태로 만들기 위한 확대 비율에 따라 로그인 안면 이미지를 생성하고, 실시간으로 촬영되는 촬영 이미지에서 추출된 안면 이미지와 비교를 통해 안면과 웹카메라(100g) 상의 거리 변화 정보를 생성하고, 로그인 썸네일 이미지를 중심으로 안면의 움직임 변화를 감지하여 움직임 변화량 정보를 생성하는 경우, 온라인 교육 서버(300)가 네트워크(200)를 통해 거리 변화 정보 및 움직임 변화량 정보를 미리 설정된 촬영 주기에 따라 클라이언트 단말(100)로부터 수신하는 제 5 단계; 를 더 포함하는 것을 특징으로 하는 온라인 교육 기반의 안면 인식을 이용한 출석체크 및 집중도 분석 방법.
- 청구항 10에 있어서, 상기 제 5 단계 이후,
상기 온라인 교육 서버(300)가 거리 변화 정보 및 움직임 변화량 정보에 대해서 빅데이터 기반으로 집중도 정보를 생성하여 생성된 집중도 정보를 시간에 따른 집중도 그래프로 생성하고, 각 클라이언트 단말(100)의 아이디를 메타데이터로 데이터베이스(330)에 저장하는 제 6 단계; 를 더 포함하는 것을 특징으로 하는 온라인 교육 기반의 안면 인식을 이용한 출석체크 및 집중도 분석 방법.
- 청구항 11에 있어서, 상기 제 6 단계 이후,
상기 온라인 교육 서버(300)가 생성된 집중도 정보에 대해서 각 클라이언트 단말(100)의 아이디 별로 설정된 미리 설정된 제 1 집중도 임계치 이하인 경우, 네트워크(200)를 통해 클라이언트 단말(100)에 대해서 네트워크(200)를 통해 알람음 정보, 알람진동 정보, 알람화면 정보 중 적어도 하나 이상을 전송하는 제 7 단계; 를 더 포함하는 것을 특징으로 하는 온라인 교육 기반의 안면 인식을 이용한 출석체크 및 집중도 분석 방법.
- 청구항 11에 있어서, 상기 제 6 단계 이후,
상기 온라인 교육 서버(300)가 생성된 집중도 정보에 대해서 각 클라이언트 단말(100)의 아이디 별로 제 1 집중도 임계치 보다 정량적 수치가 작게 설정된 미리 설정된 제 2 집중도 임계치 이하인 경우, 네트워크(200)를 통해 클라이언트 단말(100)로 온라인 교육 웹사이트를 통해 전송되는 온라인 교육 서비스에 해당하는 스트리밍 방식의 교육 동영상에 대한 전송을 중지할 뿐만 아니라, 클라이언트 단말(100)에 대한 네트워크(200)를 통한 원격제어를 통해 교육 동영상에 대한 PAUSE 명령을 전송하는 제 7 단계; 를 더 포함하는 것을 특징으로 하는 온라인 교육 기반의 안면 인식을 이용한 출석체크 및 집중도 분석 방법.
- 청구항 13에 있어서, 상기 제 7 단계 이후,
상기 온라인 교육 서버(300)가 제 2 집중도 임계치 이하가 된 이후, 다시 제 2 집중도 임계치를 초과하는 경우, 중지된 온라인 교육 서비스에 해당하는 스트리밍 방식의 교육 동영상에 대한 전송을 재개할 뿐만 아니라, 클라이언트 단말(100)에 대한 네트워크(200)를 통한 원격제어를 통해 교육 동영상에 대한 PAUSE 명령이 전송된 시점으로부터 다시 교육을 정상화하는 PLAY 명령을 전송하는 제 8 단계; 를 더 포함하는 것을 특징으로 하는 온라인 교육 기반의 안면 인식을 이용한 출석체크 및 집중도 분석 방법.
- 청구항 8에 있어서, 상기 제 3 단계 이후,
상기 온라인 교육 서버(300)가 클라이언트 단말(100)의 웹카메라(100a)에 의해 촬영된 촬영 이미지에서 안면 인식 기반의 캡처 프로그램에 의해 캡처된 안면 이미지를 네트워크(200)를 통해 클라이언트 단말(100)로부터 수신한 뒤, 캡처된 안면 이미지에 대해서 데이터베이스(330) 상에 저장된 로그인 썸네일 이미지와 동일한 배율로 축소 및 확대를 수행한 상태에서 캡처된 안면 이미지와 로그인 썸네일 이미지와 비교를 수행하여 일치하거나 유사한 경우 동일한 사용자에 의한 온라인 교육 서비스를 수행하는 것으로 인식을 수행하고, 일치하거나 유사하지 않은 경우 대리출석으로 분석하여 데이터베이스(330) 상에 대리출석 내용을 저장하거나 클라이언트 단말(100)에 대한 네트워크(200)를 통한 원격제어를 통해 교육 동영상에 대한 PAUSE 명령을 전송하는 제 3 단계; 를 더 포함하는 것을 특징으로 하는 온라인 교육 기반의 안면 인식을 이용한 출석체크 및 집중도 분석 방법.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020200062491A KR20210145512A (ko) | 2020-05-25 | 2020-05-25 | 온라인 교육 기반의 안면 인식을 이용한 출석체크 및 집중도 분석 시스템, 그리고 그 방법 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020200062491A KR20210145512A (ko) | 2020-05-25 | 2020-05-25 | 온라인 교육 기반의 안면 인식을 이용한 출석체크 및 집중도 분석 시스템, 그리고 그 방법 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR20210145512A true KR20210145512A (ko) | 2021-12-02 |
Family
ID=78867175
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020200062491A KR20210145512A (ko) | 2020-05-25 | 2020-05-25 | 온라인 교육 기반의 안면 인식을 이용한 출석체크 및 집중도 분석 시스템, 그리고 그 방법 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR20210145512A (ko) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102404925B1 (ko) * | 2021-12-14 | 2022-06-02 | 한예주 | 학습자의 온라인 교육 참여 확인을 위한 ai 멀티포커싱 시스템 및 이의 실행 방법 |
| KR102547421B1 (ko) * | 2022-11-04 | 2023-06-23 | 국방과학연구소 | 사용자 접근 제어 방법 및 상기 방법에 의해 사용자 접근이 제어되는 단말 |
-
2020
- 2020-05-25 KR KR1020200062491A patent/KR20210145512A/ko not_active Application Discontinuation
Non-Patent Citations (2)
| Title |
|---|
| Republic of Korea Patent Application No. 10-2003-0061786 (2003.09.04) "Online ATTENDANCE AND CURRICULUM MANAGEMENT SYSTEM ON INTERNET WITH MOBILE PHONE AND METHOD THEREOF |
| Republic of Korea Patent Application No. 10-2012-0010479 (2012.02.01) "Method and system for checking attendance at online lectures using markers in the online lecture screen (METHOD FOR CHECKING ATTENDANCE OF LERANER AND SYSTEM FOR CHECKING ATTENDANCE OF LERANER)" |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102404925B1 (ko) * | 2021-12-14 | 2022-06-02 | 한예주 | 학습자의 온라인 교육 참여 확인을 위한 ai 멀티포커싱 시스템 및 이의 실행 방법 |
| KR102547421B1 (ko) * | 2022-11-04 | 2023-06-23 | 국방과학연구소 | 사용자 접근 제어 방법 및 상기 방법에 의해 사용자 접근이 제어되는 단말 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110049324B (zh) | 视频编码方法、系统、设备及计算机可读存储介质 | |
| CN103606310B (zh) | 教学方法及系统 | |
| KR101859433B1 (ko) | 영상 모자이크 처리 방법 및 이를 위한 장치 | |
| CN112613780B (zh) | 一种学习报告生成的方法、装置、电子设备及存储介质 | |
| WO2021180004A1 (zh) | 视频分析方法、视频分析的管理方法及相关设备 | |
| KR20210145512A (ko) | 온라인 교육 기반의 안면 인식을 이용한 출석체크 및 집중도 분석 시스템, 그리고 그 방법 | |
| KR102297217B1 (ko) | 영상들 간에 객체와 객체 위치의 동일성을 식별하기 위한 방법 및 장치 | |
| CN113762107B (zh) | 对象状态评估方法、装置、电子设备及可读存储介质 | |
| CN114679607B (zh) | 一种视频帧率控制方法、装置、电子设备及存储介质 | |
| CN111464819A (zh) | 直播图像检测方法、装置、设备及存储介质 | |
| KR20160105872A (ko) | 비디오 회의 강화 | |
| CN113194281A (zh) | 视频解析方法、装置、计算机设备和存储介质 | |
| CN113642519A (zh) | 一种人脸识别系统和人脸识别方法 | |
| US10764634B1 (en) | Presence and authentication for media measurement | |
| CN111881740A (zh) | 人脸识别方法、装置、电子设备及介质 | |
| CN108647613B (zh) | 一种应用于考场的考生查验方法 | |
| CN109492388B (zh) | 裂变传播方法、裂变传播装置和计算机可读存储介质 | |
| CN111274925A (zh) | 推荐视频的生成方法、装置、电子设备及计算机存储介质 | |
| KR102438501B1 (ko) | 프레임 최적화를 이용한 고화질 실시간 관제 서비스 제공 시스템 | |
| CN110602405A (zh) | 拍摄方法和装置 | |
| CN110177332B (zh) | 数据传输方法及装置 | |
| CN113709401A (zh) | 视频通话方法、设备、存储介质及程序产品 | |
| JP6148785B1 (ja) | 情報処理システム、情報処理装置及びプログラム | |
| CN111488190A (zh) | 屏幕分享方法、装置、计算机设备和存储介质 | |
| WO2024029675A1 (ko) | Ｑｒ 코드를 이용한 사적영상 관리 서비스 제공 시스템 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E902 | Notification of reason for refusal | ||
| E601 | Decision to refuse application |