KR20220016529A - 응시자 단말의 정면 카메라와 보조 카메라를 사용하여 부정행위를 방지하는 안면윤곽선 인식 인공지능을 사용한 온라인 시험 시스템 및 그 방법 - Google Patents
응시자 단말의 정면 카메라와 보조 카메라를 사용하여 부정행위를 방지하는 안면윤곽선 인식 인공지능을 사용한 온라인 시험 시스템 및 그 방법 Download PDFInfo
- Publication number
- KR20220016529A KR20220016529A KR1020200096514A KR20200096514A KR20220016529A KR 20220016529 A KR20220016529 A KR 20220016529A KR 1020200096514 A KR1020200096514 A KR 1020200096514A KR 20200096514 A KR20200096514 A KR 20200096514A KR 20220016529 A KR20220016529 A KR 20220016529A
- Authority
- KR
- South Korea
- Prior art keywords
- test
- terminal
- cheating
- face
- online
- Prior art date
Links
- 238000012360 testing method Methods 0.000 title claims abstract description 688
- 238000000034 method Methods 0.000 title claims abstract description 51
- 238000013473 artificial intelligence Methods 0.000 claims abstract description 91
- 230000002265 prevention Effects 0.000 claims abstract description 32
- 238000001514 detection method Methods 0.000 claims abstract description 29
- 230000033001 locomotion Effects 0.000 claims abstract description 25
- 230000000007 visual effect Effects 0.000 claims abstract description 8
- 230000001815 facial effect Effects 0.000 claims description 143
- 238000005516 engineering process Methods 0.000 claims description 39
- 238000004422 calculation algorithm Methods 0.000 claims description 31
- 238000004891 communication Methods 0.000 claims description 31
- 210000001747 pupil Anatomy 0.000 claims description 21
- 230000006399 behavior Effects 0.000 claims description 19
- 210000005069 ears Anatomy 0.000 claims description 17
- 238000012544 monitoring process Methods 0.000 claims description 12
- 101100460844 Mus musculus Nr2f6 gene Proteins 0.000 claims description 11
- 238000012545 processing Methods 0.000 claims description 11
- 238000000605 extraction Methods 0.000 claims description 9
- 206010000117 Abnormal behaviour Diseases 0.000 claims description 6
- 210000003128 head Anatomy 0.000 claims description 6
- 210000000887 face Anatomy 0.000 claims description 5
- 230000004886 head movement Effects 0.000 claims description 5
- 238000006243 chemical reaction Methods 0.000 claims description 4
- 101100225058 Mus musculus Ear2 gene Proteins 0.000 claims description 3
- 101150003469 Nr2f6 gene Proteins 0.000 claims description 3
- 238000012797 qualification Methods 0.000 claims description 2
- 230000008569 process Effects 0.000 description 21
- 238000013528 artificial neural network Methods 0.000 description 16
- 238000010586 diagram Methods 0.000 description 16
- 230000006870 function Effects 0.000 description 15
- 238000012790 confirmation Methods 0.000 description 13
- 238000011156 evaluation Methods 0.000 description 11
- 238000012937 correction Methods 0.000 description 8
- 239000000284 extract Substances 0.000 description 8
- 238000010606 normalization Methods 0.000 description 7
- 230000008859 change Effects 0.000 description 6
- 238000010801 machine learning Methods 0.000 description 6
- 238000012706 support-vector machine Methods 0.000 description 6
- 230000036541 health Effects 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 3
- 238000013145 classification model Methods 0.000 description 3
- 210000004709 eyebrow Anatomy 0.000 description 3
- 238000000513 principal component analysis Methods 0.000 description 3
- 238000012795 verification Methods 0.000 description 3
- 238000013527 convolutional neural network Methods 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 210000003127 knee Anatomy 0.000 description 2
- 238000010295 mobile communication Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000003909 pattern recognition Methods 0.000 description 2
- 238000012805 post-processing Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 102100031290 E3 UFM1-protein ligase 1 Human genes 0.000 description 1
- 101100155298 Homo sapiens UFL1 gene Proteins 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000005856 abnormality Effects 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000007635 classification algorithm Methods 0.000 description 1
- 230000001149 cognitive effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 229940079593 drug Drugs 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000008921 facial expression Effects 0.000 description 1
- 238000013100 final test Methods 0.000 description 1
- 238000007730 finishing process Methods 0.000 description 1
- 210000001061 forehead Anatomy 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 230000003760 hair shine Effects 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 210000002414 leg Anatomy 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 230000001131 transforming effect Effects 0.000 description 1
- 238000011179 visual inspection 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
- G06Q50/205—Education administration or guidance
-
- 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
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/51—Indexing; Data structures therefor; Storage structures
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06K—GRAPHICAL DATA READING; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
- G06K19/00—Record carriers for use with machines and with at least a part designed to carry digital markings
- G06K19/06—Record carriers for use with machines and with at least a part designed to carry digital markings characterised by the kind of the digital marking, e.g. shape, nature, code
- G06K19/06009—Record carriers for use with machines and with at least a part designed to carry digital markings characterised by the kind of the digital marking, e.g. shape, nature, code with optically detectable marking
- G06K19/06037—Record carriers for use with machines and with at least a part designed to carry digital markings characterised by the kind of the digital marking, e.g. shape, nature, code with optically detectable marking multi-dimensional coding
-
- G06K9/62—
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G06N3/0454—
-
- 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
-
- 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
- G06Q50/50—Business processes related to the communications industry
-
- 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
- G06V40/161—Detection; Localisation; Normalisation
-
- 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
- G06V40/161—Detection; Localisation; Normalisation
- G06V40/164—Detection; Localisation; Normalisation using holistic features
-
- 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
- G06V40/161—Detection; Localisation; Normalisation
- G06V40/167—Detection; Localisation; Normalisation using comparisons between temporally consecutive images
-
- 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
- G06V40/168—Feature extraction; Face representation
-
- 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
- G06V40/20—Movements or behaviour, e.g. gesture recognition
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
- G08B21/18—Status alarms
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
- G08B21/18—Status alarms
- G08B21/182—Level alarms, e.g. alarms responsive to variables exceeding a threshold
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L15/00—Speech recognition
- G10L15/06—Creation of reference templates; Training of speech recognition systems, e.g. adaptation to the characteristics of the speaker's voice
- G10L15/065—Adaptation
- G10L15/07—Adaptation to the speaker
- G10L15/075—Adaptation to the speaker supervised, i.e. under machine guidance
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30196—Human being; Person
- G06T2207/30201—Face
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Tourism & Hospitality (AREA)
- Multimedia (AREA)
- Strategic Management (AREA)
- Human Computer Interaction (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- General Business, Economics & Management (AREA)
- Software Systems (AREA)
- Social Psychology (AREA)
- Educational Administration (AREA)
- Educational Technology (AREA)
- General Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Computer Security & Cryptography (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Data Mining & Analysis (AREA)
- Emergency Management (AREA)
- Signal Processing (AREA)
- Acoustics & Sound (AREA)
- Computational Linguistics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Computer Hardware Design (AREA)
- Image Analysis (AREA)
- Operations Research (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
Abstract
응시자 단말의 정면 카메라와 보조 카메라를 사용하여 부정행위를 방지하는 안면윤곽선 인식 인공지능을 사용한 온라인 시험 시스템 및 그 방법이 개시된다. 상기 시스템은, 시험 응시자 정보와 정면 얼굴 사진을 등록받고 QR 코드를 발급하며, 온라인 시험 또는 UBT 시험을 실시하기 위한 시험 프로그램을 제공하는 온라인 시험 또는 UBT 시험 서버; 상기 온라인 시험 또는 UBT 시험 서버에 접속하여 시험 프로그램을 구동하며, AI 안면인식/동작인식/소리인식 기술을 사용하여 응시자 단말의 정면 카메라를 사용하여 인공지능 안면인식/동작인식, 소리인식을 통해 부정행위를 감시하는 응시자 단말; 및 온라인 시험 또는 UBT 시험 시에, 상기 온라인 시험 또는 UBT 시험 서버를 통해 복수의 응시자 단말의 얼굴 사진과 부정행위 정보를 수신받고 해당 응시자 단말로 부정행위 방지 알람 또는 경고 메시지를 전송하는 감독관 단말을 포함한다.
상기 응시자 단말은 상기 안면인식 모듈과 상기 부정행위 방지 모듈을 구비하며, 상기 부정행위 방지 모듈은 실시간으로 AI 기반 시각적인 응시자 단말의 카메라의 영상 데이타의 시각적인 부정행위 검출 모듈과 음성 인식 모듈을 더 구비한다.
상기 응시자 단말은 상기 안면인식 모듈과 상기 부정행위 방지 모듈을 구비하며, 상기 부정행위 방지 모듈은 실시간으로 AI 기반 시각적인 응시자 단말의 카메라의 영상 데이타의 시각적인 부정행위 검출 모듈과 음성 인식 모듈을 더 구비한다.
Description
본 발명은 인공지능을 사용한 온라인 시험 시스템 및 그 방법에 관한 것으로, 보다 상세하게는 비대면 온라인 시험과 UBT 시험 시에, AI 안면인식/동작인식/소리인식 기술을 사용하여 응시자 단말의 정면 카메라와 보조 카메라를 사용한 인공지능 안면인식 모듈과 얼굴의 특징점 5점 척도 부정행위 방지 모듈이 탑재되는 태블릿 PC, 스마트폰, PC 기반의 온라인 시험과 UBT 시험에서, 얼굴 인식 시에 응시자 단말의 정면 카메라와 보조 카메라를 사용하여 응시자 단말의 얼굴 인식에 의해 대리 시험 여부를 검출하고, 실시간으로 AI 기반 안면윤곽선을 인식하여 얼굴의 행동 패턴을 검출하여 부정행위를 방지하는, 응시자 단말의 정면 카메라와 보조 카메라를 사용하여 부정행위를 방지하는 안면윤곽선 인식 인공지능을 사용한 태블릿 PC, 스마트폰, PC 기반 온라인 시험 시스템 및 그 방법에 관한 것이다.
얼굴인식(Face Recognition) 기술은 형상 기반 매칭 방법(appearance based matching method), 및 특징(faeture) 기반의 얼굴 인식이 주로 사용된다. 얼굴인식은 카메라의 촬영 각도, 조명의 방향, 자세, 표정의 변화 및 시간에 따른 얼굴의 변화에 따라 다르게 인식된다.
특징(faeture) 기반의 얼굴 인식은 디지털 카메라, IoT 디바이스의 카메라 또는 스마트폰의 카메라로 촬영된 영상 데이터를 haar-like feature를 이용한 검출 방법과 MCT(Modified Census Transform) 영상을 이용한 검출 방법이 사용된다. 스마트폰의 카메라의 입력 영상에서 Haar-like feature로 학습된 얼굴 및 눈 검출기를 사용하여 얼굴의 윤곽선과 이마/눈/코/입을 검출하고, 원형의 눈동자를 검출하기 위해 관심 영역(ROI, Region of Interest)으로 설정된 눈 영역을 grayscale로 변환하며, 눈 영역에서 눈동자와 눈의 외곽선 영역이 추출되는 실험에 의한 통계적인 임계값(threshold)을 사용하여 눈 이미지의 histogram[x축 각 픽셀의 화소값, y축 해당 화소 값의 갯수]을 구하고 눈의 이미지를 이진화(binarization)한 후, 히스토그램 평활화(histogram equalization)를 통해 눈 영역의 사진의 전처리를 수행하며, 얼굴 영역에서 눈썹과 눈, 코, 입, 윤곽선의 얼굴 특징 얼굴데이터를 검출하고, 텍스처 특징(Texture Faetures)과 형상 특징(Shape Features)을 추출하여 얼굴 인식 DB에 저장된 얼굴 사진의 특징점들과 유사도를 비교하여 얼굴이 인식된다.
얼굴 영역의 눈썹과 눈, 코, 입, 턱의 특징 값은 Haar-like feature의 흰 영역에서 포함되는 픽셀들의 합에서 검은 영역에서 포함되는 픽셀의 합의 차로 표현된다.
예를들면, 가로와 세로 표준 크기의 얼굴 영역 사진에서 검출된 눈 영역에서 오른쪽과 왼쪽 눈의 양쪽 끝점 까지의 거리, 허프 원 변환(hough circle transform) 알고리즘을 사용하여 추출된 눈동자(iris)의 크기 값이 특징 값으로 사용된다.
이와 관련된 선행기술1로써, 특허 공개번호 10-2017-0050465에서는 "얼굴 인식 장치 및 방법"을 개시하고 있습니다.
본 실시예에 의하면, 기계학습을 이용하여 입력영상으로부터 얼굴을 인식함에 있어, 얼굴포즈 및 원근감을 정규화하여 얼굴인식률을 향상시키고, 얼굴 학습 데이터로서 가상 얼굴 영상을 자동으로 생성하여 얼굴 학습 데이터를 획득하는데 드는 비용 및 시간을 절약하는 얼굴 인식 장치 및 방법을 제공한다.
도 1은 기존 얼굴인식장치의 구성도이다.
얼굴인식장치(100)는 영상 표시 장치, 영상 촬영 장치, 얼굴인식서버, 태블릿 PC, 랩톱(Laptop), 개인용 PC, 스마트폰, 개인휴대용 정보단말기(PDA: Personal Digital Assistant), 이동통신 단말기, 및 지능로봇(Intelligence Robot) 등 중 어느하나일 수 있다.
얼굴 인식 장치(100)는 카메라로부터 입력되는 입력영상을 획득하는 입력영상 획득부(112); 상기 입력영상에서 얼굴영역을 검출하여 얼굴포즈(Pose)를 정규화함으로써 정면포즈 영상을 생성하고, 상기 카메라와 피사체 간의 거리에 따른 원근왜곡(Perspective Distortion)을 제거하기 위하여 상기 정면포즈 영상의 원근감(Perspective)을 정규화하여 정규화 영상을 생성하는 정규화부(114); 상기 정규화 영상으로부터 상기 피사체의 얼굴을 표현하는 특징벡터(Feature Vector)를 추출하는 특징벡터 추출부(116); 및 기 학습된 분류모델에 상기 특징벡터를 적용하여 상기 입력영상에 포함된 상기 피사체의 얼굴을 인식하는 얼굴인식부(118)를 포함한다.
입력영상 획득부(112)는 카메라로부터 입력되는 입력영상을 획득한다. 카메라는 깊이인식 카메라, 스테레오 카메라, 및 컬러 카메라일 수 있다(예를 들면, 키넥트(Kinect) 카메라 등) 또한, 입력영상은 인식대상이 되는 피사체의 얼굴이 포함된 영상으로서 2차원 정지영상 및 동영상을 포함한다. 입력영상은 컬러영상, 깊이영상, 및 컬러-깊이(RGB-D) 영상을 포함할 수 있다.
정규화부(114)는 입력영상으로부터 얼굴영역을 검출하고 얼굴포즈(Pose) 및 원근감(Perspective)을 정규화하여 정규화 영상을 생성한다. 얼굴포즈에 변화가 있는 경우, 그레이 스케일, 형상, 특징점의 위치 등이 달라지기 때문에 얼굴인식률이 저하된다. 또한, 카메라와 피사체 간의 거리가 달라지면 동일한 피사체라 하더라도 촬영된 위치마다 원근왜곡(Perspective Distortion, (예시) 뒤틀림)이 다르게 발생하므로, 다른 피사체를 촬영한 것처럼 보이기도 한다. 따라서 얼굴인식률을 향상시키기 위해서는 입력영상의 얼굴포즈 및 원근감을 정규화할 필요가 있다.
정규화부(114)는, 다양한 포즈의 학습용 얼굴영상을 제1 인공신경망의 입력층에 입력하고, 정면포즈의 학습용 얼굴영상이 상기 제1 인공신경망의 출력층에서 출력되도록 상기 제1 인공신경망을 학습시키는 얼굴포즈 정규화 학습부; 및 상기 제1 인공신경망의 출력층에서 출력된 데이터를 제 2 인공신경망의 입력층에 입력하고, 원근왜곡이 없는 학습용 얼굴영상이 상기 제 2 인공신경망의 출력층에서 출력되도록 상기 제2 인공신경망을 학습시키는 원근감 정규화 학습부를 포함한다.
상기 정규화부는, 학습이 완료된 상기 제1 인공신경망과 상기 제2 인공신경망을 통합한 통합 인공신경망의 입력층에 다양한 원근 왜곡이 있는 다양한 포즈의 학습용 얼굴영상을 입력하고, 정면 포즈의 원근왜곡이 없는 학습용 얼굴영상이 상기통합 인공신경망의 출력층에서 출력되도록 상기 통합 인공신경망을 학습시킨다.
특징벡터 추출부(116)는 기계학습(Machine Learning)을 통해 결정되며, 정규화 영상으로부터 피사체의 얼굴을 표현하는 특징벡터(Feature Vector)를 추출한다.
특징벡터는 얼굴인식에 사용되는 특징값들을 원소로 가지는 벡터이다. 특징벡터를 추출하는데 사용되는 필터로써 Gabor 필터, Haar 필터, LBP(Local Binary Pattern) - DLBP(Discriminative LBP), ULBP(Uniform LBP), NLBP(Number LBP) 등을 포함 - 등이 있으나, 반드시 이에 한정되지 않으며 그 밖의 다른 필터가 사용될 수 있다.
얼굴 인식부(118)는 기 학습된 분류모델에 특징벡터 추출부(116)에서 추출된 특징벡터를 적용하여 입력영상에 포함된 피사체의 얼굴을 인식한다. 기 학습된 분류모델은 서포트 벡터 머신(Support Vector Machine, SVM), 선형판별분석(Linear Discriminant Analysis, LDA), 및 Softmax 등을 포함할 수 있으나, 반드시 이에 한정되는 것은 아니다.
가상 얼굴영상 생성부(124)는 정규화부(114), 특징벡터 추출부(116), 및 얼굴 인식부(118)가 학습하는데 사용되는 복수의 가상 얼굴영상을 생성할 수 있다.
복수의 가상 얼굴영상은 가상 얼굴영상 생성부(124)가 카메라로부터 획득된 하나 이상의 2차원 기준영상을 이용하여 합성한 3차원 얼굴모델을 변형시킴으로써생성되는 얼굴영상을 의미한다.
* 얼굴인식시스템의 특징
조명이나 카메라와의 거리에 따라 인식률이 변한다
얼굴의 각도, 표정, 나이에 따라 안면의 모양은 계속 변하며, 눈썹, 안경 및 화장 등과 같은 외관의 변형에 따른 달리 인식될 수도 있다.
* 얼굴 인식 시스템의 구성 단계
- 영상 획득 : CCD 또는 CMOS Image Sensor 카메라로부터 영상 획득
- 전처리 : 잡음제거 영상처리 및 분할
- 얼굴 검출 : 입력영상으로부터 ROI 영역의 얼굴영역 검출
- 얼굴 표준화 : 표준 크기, 특징 추출, 밝기 및 기하학적 표준화
- 얼굴 인식 : 검출된 영상과 데이터베이스 영상의 비교 및 인식
* 기하학적 방법
- 특징 : 얼굴의 기하학적 특징점을 추출하여 일치여부를 판단하여 인식
- 성능 : 얼굴은 3차원이고 회전이 가능하기 때문에 적용에 한계가 있다.
* Eigenfaces: 1991년 Pentland에 의해 개발 되었음.
- 특징 : 특징점 추출로 PCA(Principal Component Analysis)를 적용하고 유사도 측정으로 Euclidean 거리 적용.
- 성능 : 조명이나 환경변화에 민감하게 반응하지만 널리 사용되고 있어 그 성능이 검증된 대표적인 얼굴인식 방법.
* Fisherfaces
- 특징 : FLD(Fisher Linear Discriminant)를 분류 알고리즘으로 적용한 얼굴인식 방법.
- 성능 : 사람 개개인의 특성을 학습함으로써 보다 정확하고 환경변화에 둔감한 특성을 지니고 있으며 on-line 상태에서 실시간으로 적용 가능한 알고리즘.
* SVM(Support Vector Machine)에 기초한 방법
- 특징 : PCA와 SVM(Support Vector Machine)알고리즘을 사용한 알고리즘.
- 성능 : 비교적 높은 인식률을 높지만 얼굴인식과 같은 멀티 클래스에 적용하기에는 시간과 메모리가 많이 소모되는 알고리즘. 현재 연구되는 얼굴인식 알고리즘의 대표적인 알고리즘.
* 신경회로망
- 특징 : 흑백의 정지영상에서 슬라이딩 윈도우를 사용해 학습된 얼굴모양을 검색
- 성능 : 두 개 이상의 다수 얼굴의 추출도 가능하나 속도가 느리며 학습이 어려움.
* 퍼지 + 신경망
- 특징 : 신경회로망회로의 입력으로 픽셀의 밝기 값 대신 퍼지 소속함수를 사용
- 성능 : 신경회로망만을 이용한 방법보다 성능은 향상되나 처리속도는 떨어짐.
* Wavelet + Elastic Matching
- 특징 : 주파수 변환을 사용하며, 자세 및 표정의 변화를 처리에 효과적.
- 성능 : 인식률에 비해 연산량이 많음.
이와 관련된 선행기술로써, 특허등록번호 10-1765770에서는 영상 처리를 이용한 온라인 시험의 부정행위 검출 시스템 및 그 방법과 이를 구현하기 위한 프로그램이 저장된 기록매체"가 등록되어 있다.
온라인 시험의 부정행위 검출 시스템 및 그 방법은 영상 처리를 이용하여 온라인 시험시 수험자의 부정행위가 의심되는 행위를 검출함으로써, 온라인 시험의 부정행위를 감독할 수 있으며, 온라인 시험의 신뢰성 및 진정성을 확보할 수 있는 영상 처리를 이용한 온라인 시험의 부정행위 검출 시스템 및 그 방법과 이를 구현하기 위한 프로그램이 저장된 기록매체를 제공한다.
도 1은 종래의 온라인 시험의 부정행위 검출 시스템을 포함하는 온라인 평가 시스템의 구성도이다.
온라인 평가 시스템은, 수험자가 온라인시험을 응시하기 위한 수험자 단말기(110); 상기 수험자 단말기에 부착되거나 스마트기기에 구비되어 해당 수험자의 정면을 촬영하기 위한 카메라(120); 상기 카메라로부터 수험자를 촬영한 영상정보를 프레임 단위로 전달받고, 영상 처리를 통해 부정행위를 검출하는 부정행위 검출 서버(100); 상기 부정행위 검출 서버에서 시험응시자의 부정행위가 의심되는 경우로 판정하는 경우, 감독관에게 이를 알려주기 위한 감독관 단말기(130); 및 상기 수험자가 응시하는 온라인 시험의 문제를 출제하기 위한 온라인 평가 서버(140)를 포함한다.
부정행위 검출 서버(100)는, 상기 수험자의 영상정보를 통신망을 통해 수신하고, 부정행위가 의심되는 경우로 판정하는 경우, 감독관에게 부정행위 검출 메시지를 송신하고, 이를 온라인 평가 서버(140)에 알려주어 온라인 시험을 중지하도록 하기 위한 송수신부(101); 상기 송수신부(101)를 통해 수신한 수험자의 영상 정보 및 좌표 정보들을 저장하기 위한 저장부(102); 상기 수신한 수험자의 영상정보로부터 얼굴 영역을 포함하는 사각형 영역을 정의하기 위한 얼굴 인식부(103); 상기 사각형 영역을 기준으로 한 좌표시스템에서 양쪽 눈의 형상과 명암을 영상 처리하여 양쪽 눈의 동공 좌표를 설정하는 동공 좌표 획득부(104); 상기 양쪽 눈의 동공 좌표의 중간 좌표를 결정하는 중간 좌표 획득부(105), 상기 수험자의 몸과 얼굴 영역을 제외한 모든 영역에 대하여 백그라운드로 설정하는 배경 인식부(106), 및 상기 얼굴 인식부(103)에서 획득되는 얼굴 영역이 2개 이상인지 아닌지 여부, 상기 동공 좌표 획득부(104)로부터 전달받은 기준 동공 좌표값과 실시간 동공 좌표 평균값을 비교하여 상기 기준 동공 좌표값을 기준으로 상기 실시간 동공 좌표 형균값이 기 설정된 오차 범위를 벗어나는지 여부, 상기 중간 좌표 획득부(105)로부터 전달받은 중간 좌표의 이동 거리가 기 설정된 오차 범위를 벗어나는지 여부, 및 상기 배경 인식부(106)로부터 전달받은 백그라운드 영역의 변화가 감지되는지 여부를 판단하기 위한 부정행위 판단부(107)를 포함함다.
실시예에서는, 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.
상기 부정행위 검출 서버(100)는,
수험자가 촬영된 프레임 단위의 영상정보에서 수험자의 얼굴 영역을 포함하는 사각형 영역을 정의하고, 상기 사각형 영역을 기준으로 한 좌표시스템에서 양쪽 눈의 형상과 명암을 영상 처리하여 양쪽 눈의 양 끝점(310, 320)을 인식하고 그 사이에 위치한 검은색 영역(330, 340)의 중심점(350, 360)을 양쪽 눈의 동공 좌표로설정하고, 시험 시작 전 일정시간 동안 상기 수험자의 동공 좌표의 평균값을 계산하여 기준 동공 좌표값을 획득하고, 시험이 시작되면 일정시간 단위로 상기 수험자 양쪽 눈의 동공 좌표 평균값을 계산하여 실시간 동공 좌표 평균값을 획득하고 상기 기준 동공 좌표값을 기준으로 상기 실시간 동공 좌표 평균값이 기 설정된 오차범위를 벗어날 경우, 상기 감독관 단말기로 이를 알려주고,
상기 양쪽 눈의 동공 좌표의 중심점(370)을 중간 좌표로 결정하며,
상기 중간 좌표의 이동 방향 및 이동 거리를 프레임 단위로 추적하여, 상기 중간 좌표의 이동 거리가 기 설정된 오차범위를 벗어날 경우, 상기 수험자의 머리 회전 방향 또는 이동 방향을 알려주고, 상기 수험자의 프레임 단위 영상정보에서 획득되는 얼굴 영역이 2개 이상이면, 이를 상기 감독관 단말기로 알려주고,
상기 수험자의 몸과 얼굴 영역을 제외한 모든 영역에 대하여 백그라운드로 설정하고, 시험시간 동안 상기 백그라운드의 변화를 감지하면, 이를 상기 감독관 단말기로 알려주는 것을 특징으로 하며,
상기 부정행위 검출 서버(100)는,
상기 수험자의 영상정보를 통신망을 통해 수신하고, 부정행위가 의심되는 경우로 판정하는 경우, 상기 감독관 단말기(130)로 부정행위 검출 메시지를 송신하고, 이를 상기 수험자가 응시하는 온라인 시험의 문제를 출제하는 온라인 평가 서버(140)에 알려주어 온라인 시험을 중지하도록 한다.
상기 온라인 평가 서버(140)는, 상기 수험자가 응시하는 온라인 시험의 문제를 출제하는 도중에, 상기 부정행위 검출 서버(100)로부터 부정행위 의심 동작이 감지되었음을 알리는 메세지를 받으면, 상기 수험자의 온라인 시험의 문제 출제를 중지하고, 상기 감독관 단말기(130) 또는 상기 부정행위 검출 서버(100)로부터 문제를 재시작해도 된다는 메세지를 받은 후에, 온라인 시험 문제를 출제를 재시작하는 것을 특징으로 한다.
최근, 얼굴 인식 기술은 기존에 주류를 이루던 Hand-crafted Feature인 HOG, LBP, Gabor 특징 추출 알고리즘을 사용하는 머리/눈/코/입 특징이 딥러닝(Deep Learning) 기반의 특징으로 얼굴 검출, CNN(Convolutional Neural Network) 알고리즘을 사용한 얼굴 랜드마크 검출 및 얼굴 특징 추출 및 분류 기술을 사용하여 인간 인식 수준이 97.53%와 유사한 결과를 제공한다.
2014년에 페이스북의 DeepFace 등의 인공지능 얼굴 인식 기술이 출시되었다. CVPR에서 발표된 DeepID1["Deep Learning Face Representation from Predicting 10,000 Classes,” CVPR 2014 ]의 경우는 DeepFace의 입력 해상도 152x152 픽셀보다 작은 39x31 픽셀을 사용한다.
또한, AlexNet을 기반으로한 얼굴 검출기, ImageNet 학습 데이터들로 사전에 학습된 AlexNet을 얼굴 영상으로 Tine-tuning하여 아직까지 검출 성능이 높지 않으며 최종 단에 SVM 분류기(SVM classfier)를 사용하여 얼굴을 검출하고 있다.
상기 문제점을 해결하기 위한 본 발명의 목적은 비대면 온라인 시험과 UBT 시험 시에, AI 안면인식/동작인식/소리인식 기술을 사용하여 응시자 단말에 인공지능 안면인식 모듈과 눈/코/귀 얼굴 특징점 5점 척도 부정행위 방지 모듈이 탑재되는 태블릿 PC, 스마트폰, PC 기반의 온라인 시험과 UBT 시험에서, 응시자 단말의 정면 카메라와 보조 카메라를 사용한 얼굴 인식 시에 대리 시험이나 부정행위를 방지하도록 AI 기반 안면윤곽선 인식 기술(posenet 알고리즘)을 사용하여 응시자 단말에서 시험 응시자의 얼굴의 객체를 검출하고 얼굴의 윤곽선과 눈2/코/귀2 특징점을 추출하며, 부정행위 방지 모듈에 의해 눈/코 3점이 양 끝 귀 2점에 가까워지는 지에 따라 오른쪽/왼쪽으로 머리 이동을 감지하고 추적하여 얼굴의 행동 패턴을 검출하는 인공지능 안면인식 모듈과 얼굴의 특징점 5점 척도 부정행위 방지 모듈이 탑재되며, 얼굴 인식시에 안면윤곽선 인식이 안되는 경우, 태블릿 PC의 카메라 영상이 촬영되는 시험 화면으로부터 벗어난 경우(눈/코 3점이 양 끝 귀 2점에 가까워지는 지에 따라 눈/귀의 거리, 코/귀의 거리의 해당 방향의 거리가 일정 수치를 넘는 경우) 경고 메시지 또는 알람을 출력하거나 또는 해당 응시자 단말의 정보 기기에 저장후 시험 종료시 시험 서버로 전송하고 응시자들에게 채점 결과를 제공하는, 응시자 단말의 정면 카메라와 보조 카메라를 사용한 부정행위를 방지하는 안면윤곽선 인식 인공지능을 사용한 태블릿 PC, 스마트폰, PC 기반 온라인 시험 시스템을 제공한다.
본 발명의 다른 목적은 응시자 단말의 정면 카메라와 보조 카메라를 사용한 안면윤곽선 인식 인공지능을 사용한 태블릿 PC, 스마트폰, PC 기반 온라인 시험 제공 방법을 제공한다.
본 발명의 목적을 달성하기 위해, 응시자 단말의 정면 카메라와 보조 카메라를 사용한 부정행위를 방지하는 안면윤곽선 인식 인공지능을 사용한 온라인 시험 시스템은, 온라인 시험 또는 UBT 시험 시에, 시험 프로그램을 제공하는 온라인 시험 또는 UBT 시험 서버; 상기 온라인 시험 또는 UBT 시험 서버에 접속하여 시험 프로그램을 구동하며, AI 안면인식/동작인식/소리인식 기술을 사용하여 응시자 단말의 정면 카메라를 사용하여 인공지능 안면인식/동작인식, 소리인식을 통해 부정행위를 감시하는 응시자 단말; 및 온라인 시험 또는 UBT 시험시에, GPS 수신기와 Wi-Fi 통신부를 구비한 응시자 단말의 정면 카메라와 응시자 모니터링 사각지대를 감시하며, 각각의 응시자 단말의 후단 열의 거치대에 구비되는 보조 카메라; 및 상기 온라인 시험 또는 UBT 시험 서버를 통해 복수의 응시자 단말의 얼굴 사진과 부정행위 정보를 수신받고 해당 응시자 단말로 부정행위 방지 알람 또는 경고 메시지를 전송하는 감독관 단말을 포함한다.
본 발명의 응시자 단말의 정면 카메라와 보조 카메라를 사용한 부정행위를 방지하는 안면윤곽선 인식 인공지능을 사용한 온라인 시스템 및 방법은 비대면 온라인 시험과 UBT 시험 시에, AI 안면인식/동작인식/소리인식 기술을 사용하여 응시자 단말의 정면 카메라로 촬영된 동영상의 인공지능 안면인식 모듈과 눈/코/귀 얼굴의 특징점 5점 척도 부정행위 방지 모듈이 응시자 단말(태블릿 PC, 스마트폰, PC)에 탑재되고, 부정행위 사각지대를 모니터링하기 위해 각각의 응시자 단말당 하나 또는 두 개의 보조 카메라를 통해 영상 저장 서버(NVR)에 저장되어 시험 서버를 통해 감독관 단말이 모니터링하며, 얼굴 인식 시에 응시자 단말의 정면 카메라와 보조 카메라를 사용하여 부정행위 사각지대를 모니터링하고, 얼굴 인식과 얼굴 행동 패턴을 검출하여 대리 시험이나 부정행위를 방지하게 되었다.
응시자 단말에서 인공지능 안면인식 모듈과 눈/코/귀 얼굴특징점 5점 척도 활용 부정행위 방지 모듈을 결합한 대리시험 방지 및 시험중 부정행위 방지 기법을 구현하였다.
응시자 단말의 안면인식 모듈과 눈/코/귀 얼굴특징점 5점 척도 활용 부정행위 방지 모듈에서 사용하는 AI 기반 안면윤곽선 인식 기술은 태블릿 PC의 카메라 영상의 안면윤곽선 인식을 위해 posenet 알고리즘을 사용하였다. 온라인 시험 또는 UBT 시험시에, AI 기반의 얼굴인식 기술을 사용하여 시험 서버에 연동된 감독관 단말을 통해 태블릿 PC 응시자 본인을 확인하고 대리 시험을 방지하며, 온라인 시험 또는 UBT 시험에서 응시자 얼굴 인식에 의해 대리 시험이나 부정 행위를 방지하는 효과가 있다.
도 1은 기존 얼굴인식장치의 구성도이다.
도 2는 종래의 온라인 시험의 부정행위 검출 시스템을 포함하는 온라인 평가 시스템의 구성도이다.
도 3a는 어학, 보건의료교육 온라인 시험/UBT 시험시에 태블릿 PC, 스마트폰, PC 기반 시험 온라인 시험/UBT 시험 서버를 구비하는 안면윤곽선 인식 인공지능 플랫폼 개념을 보인 도면이다.
도 3b는 유비쿼터스 기반 학습(UBL) 및 유비쿼터스 기반 시험(UBT) NSDAI 플랫폼 상의 얼굴 인식 기능을 보인 도면이다.
도 3c, 3d는 온라인 시험/UBT 시험시에 태블릿 PC, 스마트폰, PC에서 사용하는 UBI cloud App, NS facere platform의 목표와 User Experience(1.사용자 등록->2.학습-> 3. QR 코드 생성 -> 4. UBT App/Web 로그인(QR code/passwd, ID/passwd) -> 5. 감독자 확인과 시험-> 6.7 UBT App/Web 카메라의 얼굴의 안면윤곽선 인식 8. 시험 종료)를 보인 그림이다.
도 4는 응시자 등록부터 시험 응시부의 과정, 1)응시자 등록, 2)학습, 3)QR 코드 발급, 4) QR 코드 및 얼굴 인식, 5) 감독관 확인(응사자 얼굴/응시자 정보), 6) 시험응시 - 프로세스를 보인 그림이다.
도 5는 등록된 응시자 얼굴 기계학습 및 학습 결과를 바탕으로 응시자-얼굴 매칭 코드 발급부 - 온라인 시험/UBT 시험시에 응시자 등록/학습/QR 코드 발급 화면이다.
도 6은 시험 응시자 얼굴의 AI 기반 안면윤곽선 인식을 통해 유사도(similarity)를 측정한 UBT 시스템에서 응시자 확인부 화면이다.
도 7은 응시자 판정시 규칙 사용자 정의부, 프로그램 테스트 화면이다.
도 8은 온라인 시험 또는 UBT 시험 시에 시험 서버 접속/로그인/왼쪽- QR 코드 인식/QR 코드 인식 시에 인사말 들림(TTS)/오른쪽-얼굴 인식(스마트폰/태블릿PC 전면 카메라)/배경에서 얼굴 영역 인식 시작/인식율 표시 과정을 포함하는 시연 화면 - 생성된 사용자 코드 활용 UBT 인증 프로세스 사용자 정의부 -이다.
도 9는 본 발명에 따른 응시자 단말의 정면 카메라와 보조 카메라를 사용한 부정행위를 방지하는 안면윤곽선 인식 인공지능을 사용한 태블릿 PC, 스마트폰, PC 기반 온라인 시험 시스템 구성도이다.
도 10은 온라인 시험 또는 UBT 시험시에, AI 기반 안면 인식 모듈과 부정행위 방지 모듈의 기능을 설명한 도면이다.
도 11은 본 발명에 따른 응시자 단말의 정면 카메라와 보조 카메라를 사용한 부정행위를 방지하는 안면윤곽선 인식 인공지능을 사용한 태블릿 PC, 스마트폰, PC 기반 온라인 시험 제공 방법을 나타낸 순서도이다.
도 12는 본 발명의 제2 실시예에 따른 온라인 시험 또는 UBT 시험시에, 안면 인식/동작 인식/소리 인식 기술을 사용하는 응시자 단말의 정면 카메라와 보조 카메라를 사용한 부정행위를 방지하는 안면윤곽선 인식 인공지능을 사용한 태블릿 PC, PC 기반 온라인 시험의 개념도이다.
도 13 내지 도 17은 온라인 시험 또는 UBT 시험시에, GPS 수신기와 Wi-Fi 통신부를 구비한 응시자 단말의 정면 카메라와 응시자 모니터링 사각지대를 감시하는 후방 거치대에 구비된 하나 또는 두 개의 보조 카메라 사용 예를 보인 도면이다.
도 2는 종래의 온라인 시험의 부정행위 검출 시스템을 포함하는 온라인 평가 시스템의 구성도이다.
도 3a는 어학, 보건의료교육 온라인 시험/UBT 시험시에 태블릿 PC, 스마트폰, PC 기반 시험 온라인 시험/UBT 시험 서버를 구비하는 안면윤곽선 인식 인공지능 플랫폼 개념을 보인 도면이다.
도 3b는 유비쿼터스 기반 학습(UBL) 및 유비쿼터스 기반 시험(UBT) NSDAI 플랫폼 상의 얼굴 인식 기능을 보인 도면이다.
도 3c, 3d는 온라인 시험/UBT 시험시에 태블릿 PC, 스마트폰, PC에서 사용하는 UBI cloud App, NS facere platform의 목표와 User Experience(1.사용자 등록->2.학습-> 3. QR 코드 생성 -> 4. UBT App/Web 로그인(QR code/passwd, ID/passwd) -> 5. 감독자 확인과 시험-> 6.7 UBT App/Web 카메라의 얼굴의 안면윤곽선 인식 8. 시험 종료)를 보인 그림이다.
도 4는 응시자 등록부터 시험 응시부의 과정, 1)응시자 등록, 2)학습, 3)QR 코드 발급, 4) QR 코드 및 얼굴 인식, 5) 감독관 확인(응사자 얼굴/응시자 정보), 6) 시험응시 - 프로세스를 보인 그림이다.
도 5는 등록된 응시자 얼굴 기계학습 및 학습 결과를 바탕으로 응시자-얼굴 매칭 코드 발급부 - 온라인 시험/UBT 시험시에 응시자 등록/학습/QR 코드 발급 화면이다.
도 6은 시험 응시자 얼굴의 AI 기반 안면윤곽선 인식을 통해 유사도(similarity)를 측정한 UBT 시스템에서 응시자 확인부 화면이다.
도 7은 응시자 판정시 규칙 사용자 정의부, 프로그램 테스트 화면이다.
도 8은 온라인 시험 또는 UBT 시험 시에 시험 서버 접속/로그인/왼쪽- QR 코드 인식/QR 코드 인식 시에 인사말 들림(TTS)/오른쪽-얼굴 인식(스마트폰/태블릿PC 전면 카메라)/배경에서 얼굴 영역 인식 시작/인식율 표시 과정을 포함하는 시연 화면 - 생성된 사용자 코드 활용 UBT 인증 프로세스 사용자 정의부 -이다.
도 9는 본 발명에 따른 응시자 단말의 정면 카메라와 보조 카메라를 사용한 부정행위를 방지하는 안면윤곽선 인식 인공지능을 사용한 태블릿 PC, 스마트폰, PC 기반 온라인 시험 시스템 구성도이다.
도 10은 온라인 시험 또는 UBT 시험시에, AI 기반 안면 인식 모듈과 부정행위 방지 모듈의 기능을 설명한 도면이다.
도 11은 본 발명에 따른 응시자 단말의 정면 카메라와 보조 카메라를 사용한 부정행위를 방지하는 안면윤곽선 인식 인공지능을 사용한 태블릿 PC, 스마트폰, PC 기반 온라인 시험 제공 방법을 나타낸 순서도이다.
도 12는 본 발명의 제2 실시예에 따른 온라인 시험 또는 UBT 시험시에, 안면 인식/동작 인식/소리 인식 기술을 사용하는 응시자 단말의 정면 카메라와 보조 카메라를 사용한 부정행위를 방지하는 안면윤곽선 인식 인공지능을 사용한 태블릿 PC, PC 기반 온라인 시험의 개념도이다.
도 13 내지 도 17은 온라인 시험 또는 UBT 시험시에, GPS 수신기와 Wi-Fi 통신부를 구비한 응시자 단말의 정면 카메라와 응시자 모니터링 사각지대를 감시하는 후방 거치대에 구비된 하나 또는 두 개의 보조 카메라 사용 예를 보인 도면이다.
이하, 본 발명의 바람직한 실시예를 첨부된 도면을 참조하여 발명의 구성 및 동작을 상세하게 설명한다. 본 발명의 설명에 있어서 관련된 공지의 기능 또는 공지의 구성에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우 그 자세한 설명을 생략한다. 또한, 첨부된 도면 번호는 동일한 구성을 표기할 때에 다른 도면에서 동일한 도면번호를 부여한다.
도 3a는 어학, 보건의료교육 온라인 시험/UBT 시험시에 태블릿 PC, 스마트폰, PC 기반 시험 온라인 시험/UBT 시험 서버를 구비하는 안면윤곽선 인식 인공지능 플랫폼 개념을 보인 도면이다.
비대면 온라인 시험 또는 UBT 시험은 초중고 시험, 대학 시험, 공인 시험과 비공인 시험을 포함하며, 어학, 보건의료교육 온라인 시험/UBT 시험을 예들 들어 설명한다.
도 3b는 유비쿼터스 기반 학습(UBL) 및 유비쿼터스 기반 시험(UBT) NSDAI 플랫폼 상의 얼굴 인식 기능을 보인 도면이다.
도 3c, 3d는 온라인 시험/UBT 시험시에 태블릿 PC, 스마트폰, PC에서 사용하는 UBI cloud App, NS facere platform의 목표와 User Experience(1.사용자 등록->2.학습-> 3. QR 코드 생성 -> 4. UBT App/Web 로그인(QR code/passwd, ID/passwd) -> 5. 감독자 확인과 시험-> 6.7 UBT App/Web 카메라의 얼굴의 안면윤곽선 인식 8. 시험 종료)을 보인 그림이다.
도 4는 응시자 등록부터 시험 응시부의 과정, 1)응시자 등록, 2)학습, 3)QR 코드 발급, 4) QR 코드 및 얼굴 인식, 5) 감독관 확인(응사자 얼굴/응시자 정보), 6) 시험응시 - 프로세스를 보인 그림이다.
도 5는 등록된 응시자 얼굴 기계학습 및 학습 결과를 바탕으로 응시자-얼굴 매칭 코드 발급부 - 온라인 시험/UBT 시험시에 응시자 등록/학습/QR 코드 발급 화면이다.
온라인 시험/UBT 시험시에 응시자 등록/학습/QR 코드 발급 화면이다.
도 6은 시험 응시자 얼굴의 AI 기반 안면윤곽선 인식을 통해 유사도(similarity)를 측정한 UBT 시스템에서 응시자 확인부 화면이다.
도 7은 응시자 판정시 규칙 사용자 정의부, 프로그램 테스트 화면이다.
도 8은 온라인 시험 또는 UBT 시험 시에 시험 서버 접속/로그인/왼쪽- QR 코드 인식/QR 코드 인식 시에 인사말 들림(TTS)/오른쪽-얼굴 인식(스마트폰/태블릿PC 전면 카메라)/배경에서 얼굴 영역 인식 시작/인식율 표시 과정을 포함하는 시연 화면 - 생성된 사용자 코드 활용 UBT 인증 프로세스 사용자 정의부 -이다.
(1) 응시자 단말은 인공지능 안면인식 모듈과 5점 척도 활용 부정행위 방지 모듈을 결합한 대리시험 방지 및 시험중 부정행위 방지 방법이 탑재됨
응시자 등록 사진을 학습한 인공지능이 사용자별 인식코드(QR코드)를 생성하고, 응시자는 해당 인식코드(QR코드)가 부착된 응시표를 시험장 PC/태블릿 PC의 카메라에 비춘후 사용자 인식한 AI가 해당 응시자 정보와 사진으로 학습한 결과모델을 비교, 얼굴인식의 특징점의 유사도(similarity)를 계산하여 일정 수치가 넘으면 본인으로 인식하고, 시험 화면으로 이동, 시험 응시함. 일정 수치 미달인 경우(완전 미달, 판정 보류)의 경우 감독관 기기에 정보를 전달하여 감독관의 개인 정보 확인을 거쳐 시험을 실시한다. 시험 중에는 안면인식 모듈 또는 안면윤곽선/5점척도 인식 부정행위 방지 모듈의 인공지능이 프로그램이 백그라운드 또는 시험 화면 아래 다른 레이어 또는 시험 화면과 같으나 다른 좌표값 위치에 존재하며, 기기에 부착되거나 내장된 카메라를 활용하여 사용자를 시험종료시까지 인식하다가 이상 패턴이 인식되면 사용자에게 주의를 주거나 지정된 패턴에 따라 액션을 일으켜 시험을 중단시키거나, 사용자에게 아무런 정보를 주지 않고, 기기에 해당 이상 현상과 정상응시 현황 정보를 이미지 또는 텍스트/수치로 저장하여 시험 종료 후 시험 서버로 전송하여 대리시험 여부/부정행위 여부에 대하여 시험 감독관/시험 책임자의 결정을 지원한다. 응시자의 부정행위에 대하여 사전 경고를 주는 경우 시험 감독관 또는 책임자에게 경고 메시지 또는 알람 형태로 제공되며 SMS 전송 등 다양한 방법으로 통지한다.
온라인 시험 또는 UBT 시험은, 부정행위, 대리시험 방지, 그리고 시험 감독관의 수를 줄일 수 있어 획기적으로 시험 비용을 낮추는 동시에 감독관이 없는 온라인 평가에서도 최소한의 시험 신뢰성을 보장할 수 있다.
<시스템 구성>
1) 온라인 활용시 : 사용자 프로그램 (PC/스마트폰/태블릿) > 유무선 통신망(WAN, LTE 4G/5G) 및 내부망(LAN, Wi-Fi) > 서버(시험정보/응시자정보)와 인식정보를 교환하여 필요한 정보를 확인하여, 맞으면 True/틀리면 False 반환되며, 반환된 값에 따라 지정된 액션을 사용자 프로그램이 실행된다. 해당 응시자의 인식정보와 결과는 감독관 프로그램(PC/스마트폰/태블릿)으로도 전송된다. (프로그램으로 전송 또는 SNS/SMS/이메일로 전송)
2) 오프라인 활용시 : 사용자 프로그램 (PC/핸드폰/태블릿)에 인공지능 학습 모듈 탑재, 자체적으로 응시자 얼굴의 안면윤곽선 인식 후, 최종 얼굴 안면인식 결과만 시험 서버로 전송한다. 응시자 단말로부터 시험 서버로 최종 인식 결과 전송시 해당 정보를 서버 프로그램(dashboard)에 띄우고, 감독관 또는 시험 관리자 단말로 해당 정보 프로그램으로 전송하거나 또는 SNS/SMS/이메일을 전송한다.
<실제 개발중인 앱 프로토타입 일부 APK - 안드로이드용 첨부>
https://we.tl/t-wFdXexsors 파일 다운로드 암호: nsdevil
안드로이드 스마트폰 또는 태블릿 PC에 앱(App)을 설치하여 위 기능 일부를 직접 확인 가능.
<웹 버전 기능 주소>
1) 안면인식 모듈 : https://facere.nsdai.org (id: nsdevil, passwd: nsdevil) > QR 코드를 스마트폰으로 찍어 PC 카메라에 인식 화면에 대면 동작됨.
2) 얼굴윤곽선의 5점 척도 부정행위 방지 모듈- 안면윤곽선 인식 모듈 : https://headpos.ublrandd.com.np (id: nsdevil, passwd: nsdevil), 눈/코/귀 얼굴 특징점 5점 척도 부정해위 방지 모듈
도 9는 본 발명에 따른 응시자 단말의 정면 카메라와 보조 카메라를 사용한 부정행위를 방지하는 안면윤곽선 인식 인공지능을 사용한 태블릿 PC, 스마트폰, PC 기반 온라인 시험 시스템 구성도이다.
도 10은 온라인 시험 또는 UBT 시험시에, AI 기반 안면 인식 모듈과 부정행위 방지 모듈의 기능을 설명한 도면이다.
본 발명의 안면윤곽선 인식 인공지능을 사용한 UBT 시스템은 응시자 단말의 정면 카메라와 보조 카메라를 사용한 인공지능 안면인식 모듈과 눈/코/귀 얼굴의 특징점 5점 척도 부정행위 방지 모듈이 탑재되는 응시자 단말(태블릿 PC, 스마트폰, PC)의 비대면 온라인 시험과 UBT 시험에서, AI 안면인식/동작인식/소리인식 기술을 사용하여 얼굴 인식 시에 대리 시험이나 부정행위를 방지하도록 AI 기반 안면윤곽선 인식 기술(posenet 알고리즘, machine learning model which allows for real-time face pose estimation)을 사용하여 응시자 단말에서 정면 카메라로 촬영되는 시험 응시자의 얼굴의 객체를 추출하고 얼굴의 윤곽선과 눈2/코/귀2 특징점을 추출하며, 부정행위를 방지하기 위해 실시간으로 얼굴의 행동 패턴을 추출한다. 부정행위 방지 모듈에 의해 얼굴의 특징점 눈/코 3점이 양 끝 귀 2점에 가까워지는 지에 따라 오른쪽/왼쪽으로 머리 이동을 감지하고 추적하여 얼굴의 행동 패턴을 검출하는 인공지능 안면인식 모듈과 얼굴의 특징점 5점 척도 부정행위 방지 모듈이 탑재되며, FACE RECOGNITION/FACE MOTION RECOGNITION/RESULT ANLAYSIS를 통해 얼굴 인식시에 안면윤곽선 인식이 안되는 경우, 태블릿 PC의 카메라 영상이 촬영되는 시험 화면으로부터 벗어난 경우(눈/코 3점이 양 끝 귀 2점에 가까워지는 지에 따라 눈/귀의 거리, 코/귀의 거리의 해당 방향의 거리가 일정 수치를 넘는 경우) 경고 메시지 또는 알람을 출력하거나 또는 해당 응시자 단말의 정보 기기에 저장후 시험 종료시 시험 서버로 전송하며, 응시자들에게 채점 결과를 제공한다.
응시자 단말에서 AI 안면인식/동작인식/소리인식 기술을 사용하여 인공지능 안면인식 모듈과 얼굴의 특징점 5점 척도 활용 부정행위 방지 모듈을 결합한 대리시험 방지 및 부정행위 방지 기법을 구현하였다.
응시자 단말의 안면인식 모듈과 5점 척도 활용 부정행위 방지 모듈에서 사용하는 AI 기반 안면윤곽선 인식 기술은 태블릿 PC의 카메라 영상의 안면윤곽선 인식을 위해 posenet 알고리즘을 사용하였다. 온라인 시험 또는 UBT 시험시에, AI 기반의 얼굴인식 기술을 사용하여 시험 서버에 연동된 감독관 단말을 통해 태블릿 PC 응시자 본인을 확인하고 대리 시험을 방지하며, 온라인 시험 또는 UBT 시험에서 응시자 얼굴 인식에 의해 대리 시험이나 부정 행위를 방지한다.
시험 프로그램(App)의 시험지 문항은 각 문항마다 텍스트 및 이미지 뿐만아니라 텍스트, 이미지, VR/AR 콘텐츠, 음성과 동영상이 포함된 멀티미디어 시험 문항이 출제되어 디스플레이 된다.
1. 인공지능 허브 플랫폼
인공지능 안면윤곽선 인식을 사용한 태블릿 PC, 스마트폰, PC 기반 온라인 시험 시스템은 온라인 시험 또는 UBT 시험 서버(100), 감독관 단말(200), 및 PC와 스마트폰 및 태블릿 PC를 사용하며, 안면인식 모듈과 얼굴의 특징점 5점 척도 활용 부정행위 방지 모듈을 구비하는 응시자 단말(300,310,311)을 포함한다.
부정행위를 방지하는 안면윤곽선 인식 인공지능을 사용한 온라인 시험 시스템은
시험 응시자 정보와 정면 얼굴 사진을 등록받아 저장하고 QR 코드를 발급하며, 응시자별 QR 코드 인식 후 TTS 변환 기술을 통해 인사말을 제공하며, 온라인 시험지와 온라인 시험 또는 UBT 시험을 실시하기 위한 시험 프로그램을 제공하는 온라인 시험 또는 UBT 시험 서버(100);
상기 온라인 시험 또는 UBT 시험 서버(100)에 유무선 통신망(LAN, Wi-Fi, LTE 4G/5G)을 통해 연결되며, AI 안면인식/동작인식/소리인식 기술을 사용하여 응시자 단말의 정면 카메라(C)를 사용하여 인공지능 안면인식, 소리인식을 통해 부정행위를 감시하고 정면 카메라(C)를 통해 촬영된 얼굴의 인공지능 안면인식 모듈과, 정면 카메라로 촬영되는 얼굴 행동 패턴을 인식하여 얼굴의 특징점을 구성하는 눈2/코/귀2의 5점 척도 부정행위 방지 모듈, 소리 인식을 통해 청각적인 부정행위를 검출하는 음성인식 모듈을 구비하는 응시자 단말(300,310,311);
비대면 온라인 시험 또는 UBT 시험시에, GPS 수신기와 Wi-Fi 통신부를 구비한 응시자 단말의 정면 카메라와 응시자 모니터링 사각지대를 감시하며, 각각의 응시자 단말의 후단 열의 지지대의 거치대에 구비되는 하나 또는 두 개의 보조 카메라(C1, C2, C3, C4,.. Ck-1, Ck); 및
상기 온라인 시험 또는 UBT 시험 서버(100)에 유무선 통신망을 통해 연결되며, 온라인 시험 또는 UBT 시험 시에 상기 온라인 시험 또는 UBT 시험 서버(100)를 통해 복수의 응시자 단말의 얼굴 사진과 부정행위 정보를 수신받고 해당 응시자 단말로 부정행위 방지 알람 또는 메시지를 전송하는 감독관 단말(200)을 포함한다.
상기 보조 카메라는 각각의 응시자 단말과 Wi-Fi 통신되는 스마트폰 내장 카메라 또는 별도의 Wi-Fi 통신부 또는 LTE 4G/5G 통신부 내장 IP 카메라(통신부, 제어부, 저장부를 구비하는 IoT 디바이스) 또는 영상 저장 서버(NVR)와 연동되는 케이블 연결부를 구비한 유선 CCTV 카메라를 사용하며, 각각의 응시자 단말당 응시자 후면에 하나 또는 두 개의 보조 카메라를 사용하며,
상기 영상 저장 서버는 시험 시간 동안에 부정행위와 관련된 얼굴 방향의 좌측 또는 우측 회전 관련된 응시자의 후면 촬영 동영상을 저장하는 영상 저장 서버(NVR)와 스토리지를 사용하며, 상기 온라인 시험 또는 UBT 시험 서버에 연결되고, 이를 통해 감독관 단말에서 모니터링된다.
하나 또는 두 개의 보조 카메라(C1, C2, C3, C4,.. Ck-1, Ck)는 응시자 어깨선 후면의 좌우에서 동영상이 촬영되어 NVR 서버를 통해 시험 서버로 전송된다.
상기 응시자 단말(300,310,311)은 온라인 시험 또는 UBT 시험 서버와 유무선 통신을 연결되는 태블릿 PC, 스마트폰, PC 중 어느 하나를 사용하며, 시험 프로그램(App)이 설치되고, 인공지능 안면인식 모듈과 얼굴의 특징점 5점 척도 부정행위 방지 모듈을 구비한다.
상기 응시자 단말(300,310,311)은 안면인식 모듈과 부정행위 방지 모듈을 구비하며, 상기 부정행위 방지 모듈은 실시간으로 AI 기반 시각적인 응시자 단말의 카메라 비젼 영상 데이타의 시각적인 부정행위 검출 모듈과 음성 인식 모듈을 구비한다.
상기 부정행위 방지 모듈은 응시자 단말에 응시자의 청각적인 부정행위를 방지하기 위해 응시자의 말소리를 인식하는 음성 인식 모듈을 더 구비하며, 온라인 시험 또는 UBT 시험 시에 부정행위와 관련된 응시자의 말소리가 들리는 경우 이를 즉시 온라인 시험 또는 UBT 시험 서버로 부정행위 얼굴 사진과 소리 파형 데이터를 전송하여 저장하며, 이를 감독관 단말(200)로 전송하여 감독관이 해당 응시자 단말이 부정행위를 방지하도록 시험 서버(100)를 통해 해당 응시자 단말로 알람을 발생하거나 메시지를 전송하며 부정행위를 방지하게 한다.
상기 안면인식 모듈에 사용된 상기 AI 기반 안면윤곽선 인식 기술은 posenet 알고리즘(machine learning model which allows for real-time face pose estimation)을 사용한다.
실시예에서는, 온라인 시험 또는 UBT 시험 시에, 응시자 단말은 태블릿 PC를 사용하였다.
상기 응시자 단말(300,310,311)은 안면인식 모듈과 눈/코/귀 얼굴특징점 5점 척도 부정행위 방지 모듈이 구비된다.
상기 응시자 단말(300,310,311)은 온라인 시험 또는 UBT 시험 시에, 응시자 단말의 정면 카메라로 실시간으로 촬영된 얼굴 영상의 ROI를 검출하여 크기 보정/각도 보정된 표준 크기의 얼굴 사진에 대하여 정면 얼굴인식 알고리즘을 사용하여 얼굴 객체를 추출하고 얼굴 행동 패턴을 인식하여(pattern recognition) 응시자의 얼굴의 윤곽선과 눈/코/귀의 특징점들을 추출하며, 특징 추출과 분류를 통해 눈/코/귀의 얼굴의 특징점들의 각각 좌측/우측 귀와 좌측/우측 눈의 중심점(동공)과의 유클리디안 거리(d)와 유사도(similarity)를 계산하고, 온라인 시험 또는 UBT 시험 서버(100)의 얼굴사진 DB와 비교하여 대리 시험 여부를 확인하며, 온라인 시험 또는 UBT 시험시에 응시자 단말의 카메라로 촬영되는 얼굴 행동 패턴을 인식하여 전면 얼굴이 좌우로 돌아간 각도에 따라 우측 눈과 우측 귀의 거리와 좌측눈과 좌측 귀의 거리가 달라지므로 부정행위를 판단하여 상기 서버(100)로 전송하고, 상기 서버(100)에 연동된 감독관 단말이 확인하고 해당 응시자 단말로 알람 또는 경고메시지를 발생한다.
상기 응시자 단말(300,310,311)은 안면인식 모듈과 눈/코/귀 얼굴특징점 5점 척도 부정행위 방지 모듈에 의해 카메라 영상에 대하여 AI 기반 안면윤곽선 인식 기술(posenet 알고리즘)을 사용하여 눈/코 3점이 양 끝 귀 2점에 가까워지는 지에 따라 오른쪽/왼쪽으로 머리 이동을 감지하고 부정행위와 관련된 얼굴의 이상행동 패턴을 검출하며, 얼굴 인식시에 안면윤곽선 인식이 안되는 경우, 응시자 단말의 시험 화면으로부터 벗어난 경우(눈/코 3점이 양끝 귀 2점에 가까워지는 지에 따라 눈/귀의 거리, 코/귀의 거리의 해당 방향의 거리가 일정 기준치를 넘는 경우) 부정행위를 방지하도록 경고 메시지 또는 알람이 출력된다.
(실시예)
Posenet 모델을 사용하여 태블릿 PC의 Android에서 사람의 얼굴의 포즈 추정을 위한 TensorFlow를 사용하였다. 참고로, Posenet 알고리즘은 주요 인체의 부위의 위치를 감지하여 이미지나 동영상으로 부터 사람의 포즈를 추정하는 비전 모델이다. TensorFlow Lite는 응시자 단말의 카메라를 활용하여 사람의 주요 인체 부위를 실시간으로 감지하고 표시하는 Android 샘플 애플리케이션을 제공한다. 이 모델은 이미지에서 사람의 팔꿈치 및/또는 무릎 위치를 추정할 수 있으며, 실시예에서는 얼굴인식 시에 실시간으로 눈/코/귀를 식별하여 안면안곽선 포즈 추정 모델을 구현하였다.
인공지능 안면인식 모듈에 사용된 posebet 알고리즘은 좌측 눈(leftEye), 우측 눈(rightEye), 코(nose), 왼쪽 귀(leftEar), 오른쪽 귀(rightEar)의 5점 척도 부정행위 방지 모듈을 사용하여 구현하였으며,
leftEar의 x,y좌표와 rightEar의 x,y좌표를 구한 후 이를 기반으로 원의 직경(diameter)을 구하고 ellipse()로 천사 고리를 만들 수 있다. diameter는 피타고라스 정리를 굳이 쓰지 않아도 p5js에서 dist()로 쉽게 구할 수 있다.
<ml5js 및 웹캠 연결하기>
<script src="https://unpkg.com/ml5@0.3.1/dist/ml5.min.js"></script>
let video;
let poseNet;
function setup() {
createCanvas(400, 400);
video = createCapture(VIDEO);
//비디오가 2번 안나오게 해주는 용도
video.hide();
poseNet = ml5.poseNet(video,modelLoaded);
poseNet.on('pose',gotPoses);
console.log(ml5);
}
// 포즈 관련 콜백들이 들어감
function gotPoses(poses) {
}
// 로딩이 잘됐는지 확인하는 용도
function modelLoaded() {
console.log('Model Loaded');
}
function draw() {
//0,0위치에 웹캠을 그려준다.
image(video,0,0);
}
응시자 단말의 전면 카메라 얼굴 영상으로부터 실시간으로 얼굴 영역을 추출하고, 코의 꼭지점을 기준으로 크기 보정/회전/각도 보정을 통해 얼굴 사진의 표준 크기로 맞추며, 시험 서버의 기 저장된 표준 크기의 얼굴 사진 DB의 학습 데이터와 비교 -> 얼굴 사진의 학습 모델 -> 눈2/코/귀2의 윤곽선의 특징점들을 추출하고 분류하며, 얼굴 인식 데이터의 윤곽선, 눈2/코/귀2의 윤곽선의 특징점들의 그룹 clustering(클러스터의 중심 k-means 알고리즘) density estimation하며, 얼굴의 특징점들의 거리(유클리디안 거리)와 유사도(similarity)를 계산하여 온라인 시험 또는 UBT 시험 서버의 얼굴 사진 DB에 저장된 표준 크기의 응시자 사진의 얼굴 특징점들의 거리와 유사도를 비교하여 응시자 사진 본인이 확인하여 대리 시험이 방지되며, 온라인 시험 또는 UBT 시험 시에 부정행위를 판단하게 된다.
예를들면, 응시자 단말(태블릿 PC)의 시험 화면으로 응시자 단말의 전면 카메라로 촬영되는 얼굴이 향하는 방향이 바뀌거나 응시자가 얼굴을 돌리면 얼굴 사진의 눈/코/입 윤곽선의 특징점들이 인식이 안되거나 사용자의 얼굴과 스마트폰의 유효 거리(20~30cm)내에서 시험 프로그램을 향하는 각도가 달라지게 되면, 부정행위로 인식하며, 부정행위 감지 결과를 온라인 시험 또는 UBT 시험 서버(100)로 전송하고, 이를 감독관 단말(200)로 전송하여 감독관이 해당 응시자 단말이 부정행위를 방지하도록 서버를 통해 해당 응시자 단말로 알람을 발생하거나 메시지를 전송하며 부정행위를 방지하게 한다.
또한, [텍스트 A] 데이터 참조 미리 정의된 응시자 프로그램에서 설정된 경고 임계치가 0이 되는 순간 서버 연결 없이 응시자에게 경고 메시지를 표시하고, 감독관/부정행위 검출 서버/기타 시험 관리 서버로 역 전송할 수 있고, 또는 시험 종료 후 해당 RAW DATA를 후처리를 위해 부정행위 검출 서버/기타 시험 관리 서버로 전송한다.
또한, 응시자 단말은 안면 인식 모듈과 부정행위 방지 모듈을 구비하며, 상기 부정행위 방지 모듈은 응시자 단말에 응시자의 부정행위를 방지하기 위해 응시자의 말소리를 인식하는 음성 인식 모듈을 더 구비하며, 온라인 시험 또는 UBT 시험 시에 응시자 단말의 마이크를 통해 입력된 부정행위와 관련된 응시자의 말소리가 들리는 경우 음성인식하고 이를 즉시 온라인 시험 또는 UBT 시험 서버로 전송하여 저장하며, 이를 감독관 단말(200)로 전송하여 감독관이 해당 응시자 단말이 부정행위를 방지하도록 서버를 통해 해당 응시자 단말로 알람을 발생하거나 메시지를 전송하며 부정행위를 방지하게 한다. 또는, 눈/귀의 거리, 코/귀의 거리 등의 정의된 거리의 임계치를 참조하여 서버 명령 없이 응시자 프로그램에서 직접 해당 응시자 단말로 경고 메시지를 표시하고, 감독관 단말 또는 부정행위 검출 서버, 또는 기타 시험 관리 서버로 전송한다.
온라인 시험 또는 UBT 시험 서버(100)는 WWW 서버(101), 제어부(102), 회원 등록부(103), 사용자 인증부(104), 시험 공지부(105), QR 코드 관리부(106), 인사말 제공부(TTS)(107), 감독자 확인부(108), 얼굴 인식부(109), 부정행위 처리부(110), 시험 관리부(111), 시험 정보DB(120), 응시자DB(121), 및 얼굴사진 DB(123)를 포함한다.
상기 온라인 시험 또는 UBT 시험 서버(100)는
태블릿 PC, 스마트폰, PC 중 어느 하나를 사용하는 응시자 단말과 감독관 단말과 유무선 통신을 통해 연결되는 WWW 서버(101);
유무선 통신망을 통해 태블릿 PC, 스마트폰, PC의 응시자 단말과 감독관 단말로 온라인 또는 유비쿼터스 기반 학습(UBL)과 유비쿼터스 기반 시험(UBT)의 응용 서비스를 제공하도록 제어하는 제어부(102);
상기 제어부(102)에 연결되며, 응시자의 회원 정보를 등록받아 ID/Paaswd를 저장하여 관리하는 회원 등록부(103);
상기 제어부(102)에 연결되며, QR 코드/Passwd 또는 ID/Passwd를 사용하여 사용자를 인증하는 사용자 인증부(104);
상기 제어부(102)에 연결되며, 태블릿 PC, 스마트폰, PC 기반 온라인 학습(Learning)과 시험(Test) 또는 유비쿼터스 기반 온라인 학습(UBL)과 시험(UBT) 일정과 장소를 제공하는 시험 공지부(105);
상기 제어부(102)에 연결되며, 시험 응시자들에게 응시자 정보에 대응하는 QR 코드를 발급하고, 이를 관리하는 QR 코드 관리부(106);
QR 코드 인식 후 TTS 변환 기술을 통해 인사말을 제공하는 인사말 제공부(TTS)(107);
상기 제어부(102)에 연결되며, 응시자 단말로부터 카메라의 응시자의 촬영 사진을 수신받아 데이터베이스에 저장된 응시자 정보와 응시자 사진을 비교하여 감독관 단말에서 감독관이 확인하여 대리 시험 여부를 체크하고 시험 응시 자격을 확인하는 감독관 확인부(108);
상기 제어부(102)에 연결되며, 응시자 단말에서 안면인식 모듈을 사용하여 시험 응시자의 얼굴의 윤곽선과 눈2/코/귀2 특징점을 인식하고, 응시자 단말로부터 얼굴 인식 결과를 수신받는 얼굴 인식부(109);
상기 제어부(102)에 연결되며, 응시자 단말에서 안면인식 모듈과 부정행위 방지 모듈에 의해 전면 카메라 영상에 대하여 안면윤곽선 인식 기술(posenet 알고리즘)을 사용하여 눈/코 3점이 양 끝 귀 2점에 가까워지는 지에 따라 오른쪽/왼쪽으로 머리 이동을 감지하고 컨닝 페이퍼를 보는 부정행위와 관련된 얼굴의 이상행동 패턴을 검출하며, 얼굴 인식시에 안면윤곽선 인식이 안되는 경우, 시험 화면으로부터 벗어난 경우(눈/코 3점이 양 끝 귀 2점에 가까워지는 지에 따라 눈/귀의 거리, 코/귀의 거리의 해당 방향의 거리가 일정 기준치를 넘는 경우) 부정행위를 방지하도록 경고 메시지 또는 알람이 출력되면, 해당 응시자 단말로부터 경고 메시지 또는 알람을 수신하는 부정행위 처리부(110);
상기 제어부(102)에 연결되며, 상기 응시자 단말과 상기 감독관 단말로 시험 프로그램(App)과 시험지를 제공하며, 응시자 정보들과 응시자의 현장 얼굴 사진, 감독관 정보를 관리하며, 온라인 시험 또는 UBT 시험시에 일정 시험 시간 이내에 각각의 응시자 단말에 시험지 작성 답안을 저장후 시험 종료시 시험 서버로 전송되며, 응시자들의 시험지 작성 답안, 채점 결과, 감독관 정보와 응시자 현황 정보를 저장하여 관리하는 시험 관리부(111);
응시자들의 시험지와 작성 답안, 채점 결과를 저장하는 시험 정보DB(120); 응시자 정보와 표준 크기의 정면 얼굴 사진을 저장하는 응시자DB(121)와 얼굴 DB(123)를 포함한다.
응시자 단말은 온라인 시험(IBT ; Internet Based Test) 또는 유비쿼터스 기반 시험(UBT; Ubiquitous-based Test)를 위한 스마트폰, 태블릿 PC 뿐만 아니라, 인터넷 접속이 가능한 이동통신 단말, 노트북을 포함한다.
응시자 단말은 시험 프로그램(App)이 설치되는 태블릿 PC, 스마트폰, PC 중 어느 하나를 사용하며, 응시자 단말의 카메라 영상의 인공지능 안면인식 모듈과 눈/코/귀의 얼굴의 특징점 5점 척도 부정행위 방지 모듈이 구비되며, 온라인 시험 또는 UBT 시험 서버(100)로부터 다운로드 받은 시험 프로그램(App)이 설치되며,
상기 안면인식 모듈에 사용된 상기 AI 기반 안면윤곽선 인식 기술은 posenet 알고리즘을 사용한다.
응시자 단말은 안면인식 모듈과 부정행위 방지 모듈을 구비하며, 부정행위 방지 모듈은 실시간으로 AI 기반 시각적인 응시자 단말의 카메라 비젼 영상의 부정행위 검출 모듈과 음성인식 모듈을 구비한다.
온라인 시험 또는 UBT 시험 서버(100)는 의과대학/치과대학/약학 대학/공과 대학 등의 대학 시험, TOEIC/TOEFL 시험, 어학 시험, 공무원 시험, 자격증 시험, 보건의료교육 학습과 시험지를 제공하는 문제 은행의 각종 공인 인증 시험 또는 비공인 시험을 시험 일정과 장소를 공지하고 시험 서버의 데이터베이스의 시험 프로그램을 사용하여 유무선 통신망을 통해 응시자 단말들에게 온라인 시험 또는 오프라인 상에서 저장된 시험 문제를 활용하여 시험을 치를 수 있는 모든 형태의 PC/스마트기기를 활용하는 UBT 시험을 제공한다.
제어부(102)는 시험일정과 장소가 확정되면, 감독관을 선임하여 감독관에게 감독관선임정보를 제공하고, 응시자들에게 문자 메시지/웹페이지를 통해 시험 일정과 장소를 공지하며, 시험 당일 시험장소의 감독관 단말(200)로 시험 정보와 시험지 정보를 송수신하여 시험을 진행 관리하며, 자동채점결과부(124) 및 검수관리부(125)의 결과로부터 채점결과를 해당 응시자 단말들로 제공한다.
시험정보 데이터베이스(120)에 저장되는 시험정보는 시험 제목, 시험 일정과 장소, 시험 시간, 시험 장소의 위치 정보, 할당된 시험실별 감독관 정보와 응시자들 명단, 시험실별 좌석수, 감독관 정보, A/B 유형별 시험지의 문제 정보, 답안 정보, 채점 정보, 감독관 정보를 포함한다.
그리고, 응시자 데이터베이스(121)는 이름, 주민등록번호, 집주소, 이동전화번호, 이메일 등을 포함하는 응시자 정보, 응시자 사진(표준 크기의 얼굴 정면 사진) 및 QR 코드/passwd, ID/passwd 식별 정보와 시험 관련 정보, 응시자 신청 현황이 저장된다.
도 11은 본 발명에 따른 응시자 단말의 정면 카메라와 보조 카메라를 사용한 부정행위를 방지하는 안면윤곽선 인식 인공지능을 사용한 태블릿 PC, 스마트폰, PC 기반 온라인 시험 제공 방법을 나타낸 순서도이다.
응시자 단말의 정면 카메라와 보조 카메라를 사용한 부정행위를 방지하는 안면윤곽선 인식 인공지능을 사용한 태블릿 PC, 스마트폰, PC 기반 온라인 시험 제공 방법은
회원 정보를 등록받고, 로그인/사용자 인증 후에, 응시자 정보와 정면 얼굴 사진을 온라인 시험 또는 UBT 시험 서버가 등록받아 저장하는 단계(S10);
응시자 정보와 정면 얼굴 사진에 대응하는 QR 코드를 발급하는 단계(S20);
상기 온라인 시험 또는 UBT 시험 서버가 주관 시험에 따라 시험 일정과 장소를 공지하는 단계(S30);
QR 코드를 스마트폰으로 찍어 응시자 단말(PC, 태블릿 PC 등)의 카메라에 인식 화면에 대면 동작되며, QR 코드 인식 후, TTS(Text To Speech) 기능을 통해 인사말을 제공하는 단계(S40);
AI 기반 안면윤곽선 인식 기술(posenet 알고리즘)을 사용하는 안면인식 모듈을 구비하는 응시자 단말에서 정면 얼굴인식 알고리즘을 사용하여 카메라의 정면 얼굴 사진의 인식 결과를 온라인 시험 또는 UBT 시험 서버로 수신받아 감독관 단말이 응시자 정보와 사진과 그 특징점들을 비교하여 응시자 본인 여부를 확인하여 대리 시험을 방지하며 시험 응시 여부를 결정하는 단계(S50);
응시자 단말의 안면인식 모듈에 의해 응시자 단말의 전면 카메라로 촬영되는 얼굴 행동 패턴을 인식하여 얼굴 객체를 추출하고 눈2/코/귀2의 5점 척도 얼굴의 특징점들을 추출하며, 응시자의 얼굴의 윤곽선과 눈2/코/귀2 특징점을 인식하며, 눈/코/귀 얼굴의 특징점들의 각각 좌측/우측 귀와 좌측/우측 눈의 중심점(동공)과의 유클리디안 거리(d)와 유사도(similarity)를 계산하고, 눈/코 3점이 양 끝 귀 2점에 가까워지는 지에 따라 오른쪽/왼쪽으로 머리 이동을 감지하여 부정행위와 관련된 얼굴의 이상행동 패턴을 검출하며, 얼굴 인식시에 안면윤곽선 인식이 안되는 경우, 응시자 단말의 시험 화면으로부터 벗어난 경우(눈/코 3점이 양 끝 귀 2점에 가까워지는 지에 따라 눈/귀의 거리, 코/귀의 거리의 해당 방향의 거리가 일정 기준치를 넘는 경우) 부정행위를 방지하도록 부정행위와 관련된 얼굴 사진 및/또는 응시자의 음성 데이터를 상기 온라인 시험 또는 UBT 시험 서버로 전송하고, 시험 서버를 통해 감독관 단말로 출력되며, 상기 서버로부터 해당 응시자 단말로 경고 메시지 또는 알람을 수신하는 단계(S60);
응시자 단말과 감독관 단말로 시험 프로그램(App)과 온라인 시험지를 제공하며, 응시자 정보들과 응시자의 현장 얼굴 사진, 감독관 정보를 시험 서버의 데이터베이스에 저장하여 관리하며, 온라인 시험 또는 UBT 시험시에 일정 시험시간 동안 각각의 응시자 단말에 시험지 작성 답안을 저장후 시험 종료시 응시자 단말로부터 시험 서버로 전송받아 저장하며(S70), 응시자들의 시험지 작성 답안의 채점 결과를 응시자 단말로 제공하는 단계(S80)를 포함한다.
응시자 단말은 인공지능(AI) 기반 안면윤곽선 인식 기술은 태블릿 PC의 카메라 영상의 안면윤곽선 인식을 위해 posenet 알고리즘을 사용하였다. 온라인 시험 또는 UBT 시험시에, AI 기반의 얼굴인식 기술을 사용하여 시험 서버에 연동된 감독관 단말을 통해 태블릿 PC 응시자 본인을 확인하고 대리 시험을 방지하며, 온라인 또는 UBT 시험장의 응시자 얼굴의 안면인식 출입통제 시스템으로 활용 가능하며, 온라인 시험과 UBT 시험에서 대리 시험이나 부정 행위를 방지한다.
상기 응시자 단말은 시험 프로그램(App)이 설치되는 태블릿 PC, 스마트폰, PC 중 어느 하나를 사용하며, 상기 시험 프로그램이 설치되고, 상기 인공지능 안면인식 모듈과 눈2/코/귀2의 5점 척도 부정행위 방지 모듈을 구비한다.
상기 안면인식 모듈에 사용된 상기 AI 기반 안면윤곽선 인식 기술은 posenet 알고리즘을 사용한다.
상기 응시자 단말(300,310,311)은 안면인식 모듈과 눈2/코/귀2의 얼굴특징점 5점 척도 부정행위 방지 모듈이 구비되며,
온라인 시험 또는 UBT 시험시에 응시자 단말의 전면 카메라로 실시간으로 촬영된 얼굴 영상의 ROI를 검출하여 크기 보정/각도 보정된 표준 크기의 얼굴 사진에 대하여 정면 얼굴인식 알고리즘을 사용하여 얼굴 행동 패턴을 인식하여 응시자의 얼굴의 윤곽선과 눈2/코/귀2의 특징점들을 추출하고, 특징 추출과 분류를 통해 눈2/코/귀2의 5점 척도의 얼굴의 특징점들의 각각 좌측/우측 귀와 좌측/우측 눈의 중심점(동공)과의 유클리디안 거리(d)와 유사도(similarity)를 계산하며, 온라인 시험 또는 UBT 시험 서버(100)의 얼굴사진 DB와 비교하여 대리 시험 여부를 확인하며, 온라인 시험 또는 UBT 시험시에 전면 얼굴이 좌우로 돌아간 각도에 따라 우측 눈과 우측 귀의 거리와 좌측눈과 좌측 귀의 거리가 달라지므로 부정행위를 판단하여 상기 시험 서버(100)로 전송하고, 시험 서버(100)에 연동된 감독관 단말(200)이 확인하고 해당 응시자 단말로 알람 또는 경고 메시지를 발생한다.
응시자 단말(300,310,311)은 온라인 시험 또는 UBT 시험 서버(100)에 유무선 통신망(LAN, Wi-Fi, LTE 4G/5G)을 통해 연결되며, 인공지능 안면인식 모듈과 얼굴의 특징점을 구성하는 눈2, 코, 귀2의 5점 척도 부정행위 방지 모듈을 구비하며, 온라인 시험 또는 UBT 시험 시에 응시자 단말의 전면 카메라로 실시간으로 촬영된 얼굴 영상의 ROI(Region of Interest)를 검출하여 코의 꼭지점을 기준으로 크기 보정/각도 보정된 표준 크기의 얼굴 사진을 생성하며, 얼굴 객체와 눈/코/귀의 특징점들을 추출하고, 가로x세로 표준 크기의 얼굴 사진의 얼굴의 윤곽선과 눈2/코/귀2 얼굴 특징점들의 특징 벡터 x를 구하며, 눈2,코, 귀2의 특징 추출과 분류를 통해 얼굴의 특징점들의 유클리디안 거리(d)와 유사도(similarity)를 계산하고, 온라인 시험 또는 UBT 시험 서버의 얼굴사진 DB와 비교하여 대리 시험 여부를 확인하게 하며, 온라인 시험 또는 UBT 시험 시에 응시자 단말의 카메라로 촬영된 전면 얼굴이 좌우로 돌아간 각도에 따라 부정행위를 판단하여 얼굴 사진의 부정행위 정보를 서버로 전송하고, 감독관 단말이 부정행위 정보가 확인되면 서버로부터 수신된 부정행위 방지 알람을 발생하거나 메시지를 출력한다.
상기 응시자 단말은 안면인식 모듈과 부정행위 방지 모듈에 의해 카메라 영상에 대하여 안면윤곽선 인식 기술(posenet 알고리즘)을 사용하여 눈/코 3점이 양 끝 귀 2점에 가까워지는 지에 따라 오른쪽/왼쪽으로 머리 이동을 감지하고 부정행위와 관련된 얼굴의 이상행동 패턴을 검출하며, 얼굴 인식시에 안면윤곽선 인식이 안되는 경우, 시험 화면으로부터 벗어난 경우(눈/코 3점이 양 끝 귀 2점에 가까워지는 지에 따라 눈/귀의 거리, 코/귀의 거리의 해당 방향의 거리가 일정 기준치(수치)를 넘는 경우) 부정행위를 방지하도록 경고 메시지 또는 알람이 출력된다.
상기 QR 코드를 스마트폰으로 찍어 응시자 단말의 카메라에 인식 화면에 대면 동작되며, 상기 QR 코드 인식 후, TTS(Text To Speech) 기능을 통해 인사말을 제공하는 단계를 더 포함한다.
시험 프로그램의 시험지 문항은 각 문항마다 단지 텍스트 및 이미지 뿐만아니라 텍스트, 이미지, VR/AR 콘텐츠, 음성과 동영상이 포함된 멀티미디어 시험 문항이 출제되어 디스플레이 된다.
안면윤곽선 인식 인공지능을 사용한 온라인 시험 제공 방법은,
상기 응시자 단말은 시험 프로그램(App)이 설치되는 태블릿 PC, 스마트폰, PC 중 어느 하나를 사용하며, 상기 시험 프로그램이 설치되고, 상기 인공지능 안면인식 모듈과 눈/코/귀의 얼굴의 특징점 5점 척도 부정행위 방지 모듈을 구비한다.
상기 응시자 단말은 상기 안면인식 모듈과 상기 부정행위 방지 모듈을 구비하며, 상기 부정행위 방지 모듈은 실시간으로 AI 기반 시각적인 응시자 단말의 카메라 비젼 영상 데이타의 시각적인 부정행위 검출 모듈과 음성 인식 모듈을 구비하며,
상기 음성 인식 모듈은 상기 응시자 단말에 응시자의 부정행위를 방지하기 위해 응시자의 말소리를 인식하는 음성 인식 모듈이 구비되며, 온라인 시험 또는 UBT 시험 시에 부정행위와 관련된 응시자의 말소리가 들리는 경우 상기 응시자 단말의 마이크를 통해 입력된 응시자의 음성 데이터를 즉시 온라인 시험 또는 UBT 시험 서버로 전송하여 저장하며, 이를 감독관 단말로 전송하여 감독관이 해당 응시자 단말이 부정행위를 방지하도록 서버를 통해 해당 응시자 단말로 알람을 발생하거나 메시지를 전송하는 단계를 더 포함한다.
상기 응시자 단말은 비대면 온라인 시험 또는 UBT 시험시에 응시자 단말의 전면 카메라로 실시간으로 촬영된 얼굴 영상의 ROI를 검출하여 크기 보정/각도 보정된 표준 크기의 얼굴 사진에 대하여 정면 얼굴인식 알고리즘을 사용하여 얼굴 객체를 추출하고 얼굴 행동 패턴을 인식하여 응시자의 얼굴의 윤곽선과 눈/코/귀의 특징점들을 추출하며, 특징 추출과 분류를 통해 눈/코/귀의 얼굴의 특징점들의 각각 좌측/우측 귀와 좌측/우측 눈의 중심점(동공)과의 유클리디안 거리(d)와 유사도(similarity)를 계산하고, 온라인 시험 또는 UBT 시험 서버의 얼굴사진 DB와 비교하여 대리 시험 여부를 확인하며, 온라인 시험 또는 UBT 시험시에 응시자 단말의 카메라로 촬영되는 얼굴 행동 패턴을 인식하여 전면 얼굴이 좌우로 돌아간 각도에 따라 우측 눈과 우측 귀의 거리와 좌측눈과 좌측 귀의 거리가 달라지므로 부정행위를 판단하여 상기 서버로 전송하고, 서버에 연동된 감독관 단말이 확인하고 해당 응시자 단말로 알람 또는 경고메시지를 발생한다.
또한, 상기 방법은 응시자 단말의 카메라 영상의 사용자의 얼굴 움직임을 [텍스트 A]와 같이 프레임 단위로 저장하면서 정의된 일정 프레임 또는 시간 또는 횟수를 차감하다가 0이 되는 시점에 응시자 단말로 경고 메시지를 표출/노출하거나, 감독관 기기 또는 부정행위 검출 이미지를 서버로 보낸 후, 경고 트리거 횟수를 초기화하여 다음 움직임부터 다시 차감을 시작하는 단계를 포함한다.
[텍스트 A] - 응시자 단말의 태블릿 PC에 저장되는 얼굴의 행동 패턴 정보 (예시. 서울대학교 치과대학 응시자의 얼굴 패턴 데이터): 일자, 시간, 움직인 각도/거리 및 위상(좌우) 등의 정보를 매 프레임 또는 시간당 저장하고, 이를 바탕으로 사용자에게 경고 메시지를 보이고, 감독관 확인 및 응시자 얼굴인식 부정행위 검출 - 온라인 시험 또는 UBT 시험 서버 및 메인 온라인 시험 또는 UBT 서버의 시스템에 해당 RAW Data를 전송하여 후처리 한다.
200519094106,0.02,R
200519094111,0.03,R
200519094120,0.42,R
200519094148,0.01,R
200519094150,0.21,R
200519094155,0.22,R
200519094158,0.09,R
200519094209,0.11,L
200519094214,0.09,R
200519094216,0.10,R
200519094219,0.09,R
200519094224,0.01,L
실시예에서는, 응시자 단말은 유무선 통신망을 통해 시험 서버에 접속하여 온라인 또한 UBT 시험응시를 신청하게 되면, 응시자의 시험신청정보를 시험 서버에 응시자의 시험접수를 수행하는 시험신청접수과정과; 시험 일정과 시간과 장소가 결정되면 해당 시험의 응시자들에게 시험일정과 시간과 장소 정보를 포함하는 시험정보를 공지하는 시험정보 공지과정; 시험장소 및 시간이 설정되면, 설정된 시험의 일시와 장소의 시험실별 감독관을 설정하고 감독관에게 선임사실을 알리는 감독관선임정보를 제공하고 해당 감독관으로부터 시험 서버로 선임확인정보를 수신하여 감독관설정과정을 완료하는 감독관 설정과정; 시험당일 해당 시험장소의 감독관으로부터 시험장소 셋팅정보의 입력을 대기하고, 감독관으로부터의 시험장소 셋팅정보가 입력되면 시험프로그램(어플, App)을 제공하여 응시자들의 스마트 폰에 설치하도록 하고, 응시자들의 스마트 폰에 설치된 시험프로그램을 통해 접속된 응시자들에게 시험접속확인을 요청하는 시험장 셋팅과정, 시험장소셋팅이 완료되면 설정되어 있는 문제의 유형과 문제선택설정정보(난이도)를 참조하여 등록저장 되어있는 시행될 문제리스트 중 어느 하나를 선택하고, 설치된 응시자들의 시험프로그램과 통신하여 시험문제를 제공하며, 응시자 단말은 시험프로그램을 통해 시험지의 답안정보를 시험 서버로 수신하여 응시자별로 저장하는 시험진행과정과, 모든 시험문제가 출제되고, 시험이 종료되면 감독관의 종료확인정보 입력을 대기하고, 감독관의 종료확인정보가 입력되면 응시자들의 태블릿PC에 설치된 응용프로그램을 자동 삭제시키는 시험마무리과정; 시험 서버로 수신 저장된 각 응시생들의 작성 답안을 채점답안정보와 비교하여 채점하며, 그 채점결과정보를 공지하는 시험발표과정으로 이루어진다.
감독관선임은 미리 등록된 감독관 중에서 선택하게 되며, 이들 감독관은 미리 계약된 감독관들이며, 시험 서버의 시험정보 데이터베이스에 등록관리 한다.
감독관이 선임되면, 시험 서버를 통해 감독관선임정보를 제공하고 감독관으로부터 선임확인정보를 수신하여 감독관설정과정을 완료하게 된다.
감독관선임정보는 시험장소, 시험시간, 응시인원정보를 포함한다.
응시인원정보는 각 응시자들의 사진과 이름, 성별, 주소를 포함하는 인적정보와, 연락정보를 포함한다.
시험 셋팅과정은 시험당일 미리 설정되어 있는 준비시간 전 시험에 필요한 부분들을 점검하고 시험을 진행하기 위한 장치를 셋팅하기 위한 과정이다.
시험장이 응시자들을 감독관이 응시자 정보와 얼굴사진을 확인하고 이에 대한 확인정보인 시험장소 셋팅정보를 입력하면, 시험 서버로부터 시험에 필요한 시험프로그램(App)을 제공하게 되며, 응시자들이 시험프로그램을 태블릿 PC에 설치하며, 시험프로그램을 통해 데이터를 송수신하여 응시자들이 신청정보 입력 시 입력한 식별정보를 입력하여 응시자들의 시험접속확인을 완료하는 과정이다.
감독관의 시험셋팅정보는 시험에 참가한 응시자수 정보를 포함하고, 응시자들의 식별정보는 응시자들이 신청정보 입력 시 입력한 이름, 주민등록번호와 같은 인적정보 중 어느 하나 또는 회원 아이디로 이루어진다.
시험 프로그램(App)은 시스템에 접속하여 식별정보를 입력하여 시험프로그램을 내려받아(download) 설치(install)하도록 하는 과정으로 이루어지거나, 시스템에서 감독관이 시험셋팅정보를 입력하면, 감독관에서 시험프로그램의 경로를 제공하고, 그 경로에 따라 응시자들이 시험프로그램을 설치하도록 하는 과정을 포함할 수 있다.
도 12는 본 발명의 제2 실시예에 따른 온라인 시험 또는 UBT 시험시에, AI 안면 인식/동작 인식/소리 인식 기술을 사용하는 응시자 단말의 정면 카메라와 보조 카메라를 사용한 부정행위를 방지하는 안면윤곽선 인식 인공지능을 사용한 태블릿 PC, PC 기반 온라인 시험의 개념도이다.
도 13 내지 도 17은 온라인 시험 또는 UBT 시험시에, GPS 수신기와 Wi-Fi 통신부를 구비한 응시자 단말의 정면 카메라와 응시자 모니터링 사각지대를 감시하는 후방 거치대에 구비된 하나 또는 두 개의 보조 카메라(WiFi 스마트폰 카메라) 사용 예를 보인 도면이다.
비대면 온라인 시험 또는 UBT 시험 시에, 응시자 단말의 정면 카메라와 마이크와 음성 인식 모듈을 사용하고, 후면 보조 카메라를 사용하여 AI 안면인식/동작인식/소리인식 기술을 사용하여 응시자 행동 기반 부정행위를 방지한다.
상기 보조 카메라는 각각의 응시자 단말과 Wi-Fi 통신되는 스마트폰 내장 카메라 또는 별도의 Wi-Fi 통신부 또는 LTE 4G/5G 통신부 내장 IP 카메라(통신부, 제어부, 저장부를 구비하는 IoT 디바이스) 또는 영상 저장 서버(NVR)와 연동되는 케이블 연결부를 구비한 유선 CCTV 카메라를 사용하며, 각각의 응시자 단말당 응시자 후면에 하나 또는 두 개의 보조 카메라를 사용하며,
상기 영상 저장 서버는 시험 시간 동안에 부정행위와 관련된 얼굴 방향의 좌측 또는 우측 회전 관련된 응시자의 후면 촬영 동영상을 저장하는 영상 저장 서버(NVR)와 스토리지를 사용하며, 상기 온라인 시험 또는 UBT 시험 서버에 연결되고, 이를 통해 감독관 단말에서 모니터링된다.
[보조 카메라] (off-line 또는 on-line 연결)
ㆍ 보조 카메라 기술 : 핸드폰 내장 카메라, 보조 카메라 활용 응시자 촬영/소리 녹음 (offline), 또는 전용 프로그램을 활용하여 응시자가 접속한 순간부터 카메라 온라인 연결되어 모니터링 시작.
ㆍ 해결 : 응시자 후면 하나 또는 두 개의 보조 카메라를 사용하여 응시자 모니터링 사각지대 해소(쪽지 모니터 부착, 정면에 부착, 무릎위 부착 및 사각지대에 서의 부정행위 거의 전반 카메라 촬영)
ㆍ부가효과 : 온라인 시험/UBT 시험의 부정행위 방지와 신뢰성을 증대하기 위한 근거 자료로 최종 시험 종료시 시험결과와 함께 시험 서버로 전송, 후처리, 채점.
보조카메라의 위치는 사용자 현장에 맞춰 가이드를 제공하고, 사용자는 이에 맞춰 카메라 위치를 조정한다. 카메라 정위치에 대한 확인은 감독관의 원격 육안검사, AI 또는 시스템의 화면 인식 기능을 활용하여 수동/자동으로 수행할 수 있다.
현재 비대면 온라인 시험 또는 UBT 시험 시 가장 최적의 위치는 응시자 어깨선 좌/우측 측면, 한뼘 뒤에서 대각선으로 응시자 다리/상체전부/정면벽면이 보이는 위치가 가장 적절함을 알 수 있다.
360도를 커버하는 2개 렌즈 장착 어안식 카메라의 경우 천정설치/응시자 좌위 측면 설치도 가능하므로 카메라의 특성과 현장 상황, 응시자 자세 및 책상 배치에 따라 그 최적의 위치는 사용자가 정의하는 것이 필요하다.
- 통신부가 포함된 카메라를 시험전 가이드에 따라 정위치에 놓는다.
- 응시자 단말의 시험 프로그램 구동 전후 또는 사용자 로그인 시 시험기기와 통신하거나, 시험 서버/영상 저장 서버(NVR)와 직접 통신하는 보조카메라가 초기화/세팅된다(통신 속도, 안정성 파악하여 최적화, 필요한 정보는 시험 서버로 전송).
- 온라인(인터넷 또는 LAN 또는 통신기능) 시험 관리 서버의 명령/시험 감독자 명령에 따라 응시자 촬영을 시작한다. 시험 서버는 응시자 단말과 보조 카메라의 통신 유무를 지속적으로 체크한다.
- 보조 카메라의 응시자 어깨선 후면의 좌우에서 실시간 동영상 촬영과 동시에 NVR 서버를 통해 시험 서버에 전송하거나, 막대한 통신 사용량을 줄이기 위해 스냅샷만 일정 시간 또는 관리자 명령에 따라 전송하거나, 시험 종료 후 응시자 영상과 녹음된 소리를 시험 서버로 전송한다.
- 시험 서버로 전송전 개인정보 보호를 위해 암호화를 수행할 수 있다.
- 시험 서버로 전송 성공 후, 영상 파일은 자동 삭제한다.
[위치정보]
ㆍ위치 측위 기술 : 태블릿PC 내장 GPS, WIFI 위치정보 등 위치정보 기술
ㆍ해결 : 응시자 시험 현황 파악 용이, 모여서 응시하는 응시자 초기 위치 확인 가능, 시험 시작 시점/시험 종료 시점의 위치 정보를 제공하며, 이동하는 응시자에 대한 판단 근거 확보
1) 응시자 로그인 시 응시자 단말에서 위치/시간 정보를 시험 서버로 전송
2) 응시자 단말의 위치를 지도에 표시, 모니터링 시작
3) 응시자 시험 중 일정 시간 마다 위치정보 전송
4) 응시자 답안-> 시험 서버로 제출 시 최종 위치/시간 정보를 전송한다.
5) 시험 서버에서 최종 분석하여 이동거리 과다, 응시자 군집 분석 시 응시자 이상유무 판정. (이상현상으로 판정시 경고 메시지 표시, 검증 실시)
인공지능 안면인식 모듈과 눈/코/귀 얼굴특징점 5점 척도 부정행위 방지 모듈이 탑재되는 응시자 단말(태블릿 PC, 스마트폰, PC) 비대면 온라인 시험과 UBT 시험에서, 대리 시험이나 부정행위를 방지하도록 AI 기반 안면 인식/동작 인식/소리 인식 기술을 사용하여 응시자 단말에서 시험 응시자의 얼굴의 윤곽선과 눈2/코/귀2 특징점을 인식하고 눈/코 3점이 양 끝 귀 2점에 가까워지는 지에 따라 오른쪽/왼쪽으로 머리 이동을 감지하여 추적하여 얼굴의 행동 패턴을 검출하며, 얼굴 인식시에 안면윤곽선 인식이 안되는 경우, 태블릿 PC의 카메라 영상이 촬영되는 시험 화면으로부터 벗어난 경우(눈/코 3점이 양 끝 귀 2점에 가까워지는 지에 따라 눈/귀의 거리, 코/귀의 거리의 해당 방향의 거리가 일정 수치를 넘는 경우) 경고 메시지 또는 알람을 출력하거나 또는 해당 응시자 단말의 정보 기기에 저장후 시험 종료시 시험 서버로 전송하고, 응시자들에게 채점 결과를 제공하며, 온라인 시험과 UBT 시험에서 대리 시험이나 부정 행위를 방지한다.
본 발명에 따른 실시예들은 다양한 컴퓨터 수단을 통해 수행될 수 있는 프로그램 명령 형태로 구현되고 컴퓨터 판독 가능 기록 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능 기록 매체는 프로그램 명령, 데이터 파일, 데이터 구조를 단독으로 또는 조합하여 포함할 수 있다. 컴퓨터 판독 가능 기록 매체는 스토리지, 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 저장 매체에 프로그램 명령을 저장하고 수행하도록 구성된 하드웨어 장치가 포함될 수 있다. 프로그램 명령의 예는 컴파일러에 의해 만들어지는 것과, 기계어 코드뿐만 아니라 인터프리터를 사용하여 컴퓨터에 의해 실행될 수 있는 고급 언어 코드를 포함할 수 있다. 상기 하드웨어 장치는 본 발명의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로써 작동하도록 구성될 수 있다.
이상에서 설명한 바와 같이, 본 발명의 방법은 프로그램으로 구현되어 컴퓨터의 소프트웨어를 이용하여 읽을 수 있는 형태로 기록매체(CD-ROM, RAM, ROM, 메모리 카드, 하드 디스크, 광자기 디스크, 스토리지 디바이스 등)에 저장될 수 있다.
본 발명의 구체적인 실시예를 참조하여 설명하였지만, 본 발명은 상기와 같이 기술적 사상을 예시하기 위해 구체적인 실시 예와 동일한 구성 및 작용에만 한정되지 않고, 본 발명의 기술적 사상과 범위를 벗어나지 않는 한도 내에서 다양하게 변형하여 실시될 수 있다. 따라서, 그와 같은 변형은 본 발명의 범위에 속하는 것으로 간주되어야 하며, 본 발명의 범위는 후술하는 특허청구범위에 의해 결정되어야 한다.
100: 온라인 시험 또는 UBT 시험 서버
101: WWW 서버 102: 제어부
103: 회원 등록부 104: 사용자 인증부
105: 시험 공지부 106: QR 코드 관리부
107: 인사말 제공부(TTS) 108: 감독관 확인부
109: 얼굴 인식부 110: 부정행위 처리부
111: 시험 관리부 120: 시험 정보DB
121: 응시자DB 123: 얼굴사진 DB
200: 감독관 단말 300,310,311: 응시자 단말
101: WWW 서버 102: 제어부
103: 회원 등록부 104: 사용자 인증부
105: 시험 공지부 106: QR 코드 관리부
107: 인사말 제공부(TTS) 108: 감독관 확인부
109: 얼굴 인식부 110: 부정행위 처리부
111: 시험 관리부 120: 시험 정보DB
121: 응시자DB 123: 얼굴사진 DB
200: 감독관 단말 300,310,311: 응시자 단말
Claims (11)
- 온라인 시험 또는 UBT 시험 시에, 시험 프로그램을 제공하는 온라인 시험 또는 UBT 시험 서버;
상기 온라인 시험 또는 UBT 시험 서버에 접속하여 시험 프로그램을 구동하며, AI 안면인식/동작인식/소리인식 기술을 사용하여 응시자 단말의 정면 카메라를 사용하여 인공지능 안면인식/동작인식, 소리인식을 통해 부정행위를 감시하는 응시자 단말;
온라인 시험 또는 UBT 시험시에, GPS 수신기와 Wi-Fi 통신부를 구비한 응시자 단말의 정면 카메라와 응시자 모니터링 사각지대를 감시하며, 각각의 응시자 단말의 후단 열의 거치대에 구비되는 보조 카메라; 및
상기 온라인 시험 또는 UBT 시험 서버를 통해 복수의 응시자 단말의 얼굴 사진과 부정행위 정보를 수신받고 해당 응시자 단말로 부정행위 방지 알람 또는 경고 메시지를 전송하는 감독관 단말;
을 포함하는 응시자 단말의 정면 카메라와 보조 카메라를 사용하여 부정행위를 방지하는 안면윤곽선 인식 인공지능을 사용한 온라인 시험 시스템. - 제1항에 있어서,
상기 응시자 단말은 태블릿 PC, 스마트폰, PC 중 어느 하나를 사용하며, 시험 프로그램이 설치되고, 상기 인공지능 안면인식 모듈과 얼굴의 행동 패턴을 인식하여 얼굴의 특징점을 구성하는 눈2, 코, 귀2의 5점 척도 부정행위 방지 모듈을 구비하는, 응시자 단말의 정면 카메라와 보조 카메라를 사용하여 부정행위를 방지하는 안면윤곽선 인식 인공지능을 사용한 온라인 시험 시스템. - 제1항에 있어서,
상기 응시자 단말은
온라인 시험 또는 UBT 시험시에 응시자 단말의 전면 카메라로 실시간으로 촬영된 얼굴 영상의 ROI를 검출하여 크기 보정/각도 보정된 표준 크기의 얼굴 사진에 대하여 정면 얼굴인식 알고리즘을 사용하여 얼굴 객체를 추출하고 얼굴 행동 패턴을 인식하여 응시자의 얼굴의 윤곽선과 눈2/코/귀2의 특징점들을 추출하며, 특징 추출과 분류를 통해 눈2/코/귀2의 얼굴의 특징점들의 각각 좌측/우측 귀와 좌측/우측 눈의 중심점(동공)과의 유클리디안 거리(d)와 유사도(similarity)를 계산하고, 온라인 시험 또는 UBT 시험 서버의 얼굴사진 DB와 비교하여 대리 시험 여부를 확인하며, 온라인 시험 또는 UBT 시험시에 응시자 단말의 카메라로 촬영되는 얼굴 행동 패턴을 인식하여 전면 얼굴이 좌우로 돌아간 각도에 따라 우측 눈과 우측 귀의 거리와 좌측눈과 좌측 귀의 거리가 달라지므로 부정행위를 판단하여 상기 서버로 전송하고, 서버에 연동된 감독관 단말이 확인하고 해당 응시자 단말로 알람 또는 경고메시지를 발생하는, 응시자 단말의 정면 카메라와 보조 카메라를 사용하여 부정행위를 방지하는 안면윤곽선 인식 인공지능을 사용한 온라인 시험 시스템. - 제2항에 있어서,
상기 응시자 단말은 상기 안면인식 모듈과 상기 부정행위 방지 모듈을 구비하며, 상기 부정행위 방지 모듈은 실시간으로 AI 기반 시각적인 응시자 단말의 카메라 비젼 영상 데이타의 시각적인 부정행위 검출 모듈과 음성 인식 모듈을 구비하며,
상기 음성 인식 모듈은 상기 응시자 단말에 응시자의 부정행위를 방지하기 위해 응시자의 말소리를 인식하는 음성 인식 모듈이 구비되며, 온라인 시험 또는 UBT 시험 시에 부정행위와 관련된 응시자의 말소리가 들리는 경우, 상기 응시자 단말의 마이크를 통해 입력된 응시자의 음성 데이터를 즉시 온라인 시험 또는 UBT 시험 서버로 전송하여 저장하며, 이를 감독관 단말로 전송하여 해당 응시자 단말이 부정행위를 방지하도록 서버를 통해 해당 응시자 단말로 알람을 발생하거나 메시지를 전송하는, 응시자 단말의 정면 카메라와 보조 카메라를 사용하여 부정행위를 방지하는 안면윤곽선 인식 인공지능을 사용한 온라인 시험 시스템. - 제2항에 있어서,
상기 안면인식 모듈에 사용된 상기 AI 기반 안면윤곽선 인식 기술은 posenet 알고리즘을 사용하며, 응시자 단말의 정면 카메라와 보조 카메라를 사용하여 부정행위를 방지하는 안면윤곽선 인식 인공지능을 사용한 온라인 시험 시스템. - 제1항에 있어서,
상기 응시자 단말은 상기 안면인식 모듈과 상기 부정행위 방지 모듈에 의해 카메라 영상에 대하여 안면윤곽선 인식 기술(posenet 알고리즘)을 사용하여 눈/코 3점이 양 끝 귀 2점에 가까워지는 지에 따라 오른쪽/왼쪽으로 머리 이동을 감지하고 부정행위와 관련된 얼굴의 이상행동 패턴을 검출하며, 얼굴 인식시에 안면윤곽선 인식이 안되는 경우, 시험 화면으로부터 벗어난 경우(눈/코 3점이 양 끝 귀 2점에 가까워지는 지에 따라 눈/귀의 거리, 코/귀의 거리의 해당 방향의 거리가 일정 기준치를 넘는 경우) 부정행위를 방지하도록 경고 메시지 또는 알람이 출력되는, 응시자 단말의 정면 카메라와 보조 카메라를 사용하여 부정행위를 방지하는 안면윤곽선 인식 인공지능을 사용한 온라인 시험 시스템. - 제1항에 있어서,
상기 보조 카메라는 각각의 응시자 단말과 Wi-Fi 통신되는 스마트폰 내장 카메라 또는 별도의 Wi-Fi 통신부 또는 LTE 4G/5G 통신부 내장 IP 카메라(통신부, 제어부, 저장부를 구비하는 IoT 디바이스) 또는 영상 저장 서버(NVR)와 연동되는 유선 CCTV 카메라를 사용하며, 각각의 응시자 단말당 응시자 후면에 하나 또는 두 개의 보조 카메라를 사용하며,
상기 영상 저장 서버는 시험 시간 동안에 부정행위와 관련된 얼굴 방향의 좌측 또는 우측 회전 관련된 응시자의 후면 촬영 동영상을 저장하는 영상 저장 서버(NVR)와 스토리지를 사용하며, 상기 온라인 시험 또는 UBT 시험 서버에 연결되고, 이를 통해 감독관 단말에서 모니터링되는, 응시자 단말의 정면 카메라와 보조 카메라를 사용하여 부정행위를 방지하는 안면윤곽선 인식 인공지능을 사용한 온라인 시험 시스템. - 제1항에 있어서,
상기 온라인 시험 또는 UBT 시험 서버는
상기 응시자 단말과 상기 감독관 단말과 유무선 통신을 통해 연결되는 WWW 서버;
유무선 통신망을 통해 상기 응시자 단말과 상기 감독관 단말로 온라인 또는 유비쿼터스 기반 학습(UBL)과 시험(UBT)을 제공하도록 제어하는 제어부;
상기 제어부에 연결되며, 응시자의 회원 정보를 등록받아 ID/Paaswd를 저장하여 관리하는 회원 등록부;
상기 제어부에 연결되며, QR 코드/Passwd 또는 ID/Passwd를 사용하여 사용자를 인증하는 사용자 인증부;
상기 제어부에 연결되며, 태블릿 PC, 스마트폰, PC 기반 온라인 학습(Learning)과 시험(Test) 또는 유비쿼터스 기반 온라인 학습(UBL)과 시험(UBT) 일정과 장소를 제공하는 시험 공지부;
상기 제어부에 연결되며, 시험 응시자들에게 응시자 정보에 대응하는 QR 코드를 발급하고, 이를 관리하는 QR 코드 관리부;
상기 제어부에 연결되며, 응시자 단말로부터 카메라의 응시자의 촬영 사진을 수신받아 데이터베이스에 저장된 응시자 정보와 응시자 사진을 비교하여 감독관 단말에서 감독관이 확인하여 대리 시험 여부를 체크하고 시험 응시 자격을 확인하는 감독관 확인부;
상기 제어부에 연결되며, 응시자 단말에서 안면인식 모듈을 사용하여 시험 응시자의 얼굴의 윤곽선과 눈2/코/귀2 특징점을 인식하고 응시자 단말로부터 얼굴 인식 결과를 수신받는 얼굴 인식부;
상기 응시자 단말에서 카메라 영상에 대하여 안면윤곽선 인식 기술(posenet 알고리즘)을 사용하여 눈/코와 귀의 거리를 측정하여 눈/코 3점이 양 끝 귀 2점에 가까워지는 지에 따라 오른쪽/왼쪽으로 머리 이동을 감지하고 부정행위와 관련된 얼굴의 이상행동 패턴을 검출하며, 얼굴 인식시에 안면윤곽선 인식이 안되는 경우, 시험 화면으로부터 벗어난 경우(눈/코 3점이 양 끝 귀 2점에 가까워지는 지에 따라 눈/귀의 거리, 코/귀의 거리의 해당 방향의 거리가 일정 기준치를 넘는 경우) 부정행위를 방지하도록 경고 메시지 또는 알람이 출력되면, 해당 응시자 단말로부터 경고 메시지 또는 알람을 수신하는 부정행위 처리부;
상기 응시자 단말과 상기 감독관 단말로 시험 프로그램(App)과 시험지를 제공하며, 응시자 정보들과 응시자의 현장 얼굴 사진, 감독관 정보를 관리하며, 온라인 시험 또는 UBT 시험시에 일정 시험 시간 이내에 각각의 응시자 단말에 시험지 작성 답안을 저장후 시험 종료시 시험 서버로 전송되며, 응시자들의 시험지 작성 답안, 채점 결과, 감독관 정보와 응시자 현황 정보를 저장하여 관리하는 시험 관리부; 및
응시자 단말들의 시험지와 작성 답안, 채점 결과를 저장하는 시험 정보DB; 응시자 정보와 표준 크기의 정면 얼굴 사진을 저장하는 응시자DB와 얼굴 DB;
를 포함하는 응시자 단말의 정면 카메라와 보조 카메라를 사용하여 부정행위를 방지하는 안면윤곽선 인식 인공지능을 사용한 온라인 시험 시스템. - 제8항에 있어서,
상기 온라인 시험 또는 UBT 시험 서버는
상기 QR 코드 인식 후 TTS 변환 기술을 통해 인사말을 제공하는 인사말 제공부(TTS)를 더 포함하는 응시자 단말의 정면 카메라와 보조 카메라를 사용하여 부정행위를 방지하는 안면윤곽선 인식 인공지능을 사용한 온라인 시험 시스템. - 제1항에 있어서,
상기 시험 프로그램(App)의 시험지 문항은 각 문항마다 텍스트 및 이미지 뿐만아니라 텍스트, 이미지, VR/AR 콘텐츠, 음성과 동영상이 포함된 멀티미디어 시험 문항이 출제되어 디스플레이 되는, 응시자 단말의 정면 카메라와 보조 카메라를 사용하여 부정행위를 방지하는 안면윤곽선 인식 인공지능을 사용한 온라인 시험 시스템. - 제1항에 있어서,
상기 응시자 단말은
1) 응시자 로그인 시 응시자 단말에서 위치/시간 정보를 시험 서버로 전송하며, 2) 응시자 단말의 위치를 지도에 표시, 모니터링되기 시작하고, 3) 응시자 단말의 시험 중 일정 시간 마다 응시자 단말의 위치정보를 전송하며, 4) 응시자 답안을 시험 서버로 제출 시 최종 위치/시간 정보를 전송하는, 응시자 단말의 정면 카메라와 보조 카메라를 사용하여 부정행위를 방지하는 안면윤곽선 인식 인공지능을 사용한 온라인 시험 시스템.
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020200096514A KR20220016529A (ko) | 2020-08-03 | 2020-08-03 | 응시자 단말의 정면 카메라와 보조 카메라를 사용하여 부정행위를 방지하는 안면윤곽선 인식 인공지능을 사용한 온라인 시험 시스템 및 그 방법 |
| KR1020230072407A KR20230110681A (ko) | 2020-08-03 | 2023-06-05 | 응시자 단말의 정면 카메라와 보조 카메라를 사용하여 부정행위를 방지하는 안면윤곽선 인식 인공지능을 사용한 온라인 시험 시스템 및 그 방법 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020200096514A KR20220016529A (ko) | 2020-08-03 | 2020-08-03 | 응시자 단말의 정면 카메라와 보조 카메라를 사용하여 부정행위를 방지하는 안면윤곽선 인식 인공지능을 사용한 온라인 시험 시스템 및 그 방법 |
Related Child Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020230072407A Division KR20230110681A (ko) | 2020-08-03 | 2023-06-05 | 응시자 단말의 정면 카메라와 보조 카메라를 사용하여 부정행위를 방지하는 안면윤곽선 인식 인공지능을 사용한 온라인 시험 시스템 및 그 방법 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR20220016529A true KR20220016529A (ko) | 2022-02-10 |
Family
ID=80253630
Family Applications (2)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020200096514A KR20220016529A (ko) | 2020-08-03 | 2020-08-03 | 응시자 단말의 정면 카메라와 보조 카메라를 사용하여 부정행위를 방지하는 안면윤곽선 인식 인공지능을 사용한 온라인 시험 시스템 및 그 방법 |
| KR1020230072407A KR20230110681A (ko) | 2020-08-03 | 2023-06-05 | 응시자 단말의 정면 카메라와 보조 카메라를 사용하여 부정행위를 방지하는 안면윤곽선 인식 인공지능을 사용한 온라인 시험 시스템 및 그 방법 |
Family Applications After (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020230072407A KR20230110681A (ko) | 2020-08-03 | 2023-06-05 | 응시자 단말의 정면 카메라와 보조 카메라를 사용하여 부정행위를 방지하는 안면윤곽선 인식 인공지능을 사용한 온라인 시험 시스템 및 그 방법 |
Country Status (1)
| Country | Link |
|---|---|
| KR (2) | KR20220016529A (ko) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102486979B1 (ko) * | 2022-07-04 | 2023-01-10 | 주식회사 데이터메이커 | 인공지능 학습용 라벨 데이터 정확도 계산 방법 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20170050465A (ko) | 2015-10-30 | 2017-05-11 | 에스케이텔레콤 주식회사 | 얼굴 인식 장치 및 방법 |
| KR101765770B1 (ko) | 2016-02-29 | 2017-08-07 | 손부경 | 영상 처리를 이용한 온라인 시험의 부정행위 검출 시스템 및 그 방법과 이를 구현하기 위한 프로그램이 저장된 기록매체 |
-
2020
- 2020-08-03 KR KR1020200096514A patent/KR20220016529A/ko not_active IP Right Cessation
-
2023
- 2023-06-05 KR KR1020230072407A patent/KR20230110681A/ko not_active Application Discontinuation
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20170050465A (ko) | 2015-10-30 | 2017-05-11 | 에스케이텔레콤 주식회사 | 얼굴 인식 장치 및 방법 |
| KR101765770B1 (ko) | 2016-02-29 | 2017-08-07 | 손부경 | 영상 처리를 이용한 온라인 시험의 부정행위 검출 시스템 및 그 방법과 이를 구현하기 위한 프로그램이 저장된 기록매체 |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102486979B1 (ko) * | 2022-07-04 | 2023-01-10 | 주식회사 데이터메이커 | 인공지능 학습용 라벨 데이터 정확도 계산 방법 |
Also Published As
| Publication number | Publication date |
|---|---|
| KR20230110681A (ko) | 2023-07-25 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR102593624B1 (ko) | 부정 행위를 방지하는 안면윤곽선 인식 인공지능을 사용한 온라인 시험 시스템 및 그 방법 | |
| CN109359548B (zh) | 多人脸识别监控方法及装置、电子设备及存储介质 | |
| CN108470169A (zh) | 人脸识别系统及方法 | |
| CN106850648B (zh) | 身份验证方法、客户端和服务平台 | |
| CN112328999B (zh) | 双录质检方法、装置、服务器及存储介质 | |
| KR102615709B1 (ko) | 녹음 녹화 프로그램이 구비된 응시자 단말의 정면 카메라와 보조 카메라를 사용하여 부정 행위를 방지하는 안면윤곽선 인식 인공 지능을 사용한 온라인 시험 시스템 및 그 방법 | |
| US9892315B2 (en) | Systems and methods for detection of behavior correlated with outside distractions in examinations | |
| CN109858375B (zh) | 活体人脸检测方法、终端及计算机可读存储介质 | |
| CN108549854A (zh) | 一种人脸活体检测方法 | |
| US10824890B2 (en) | Living body detecting method and apparatus, device and storage medium | |
| US11341222B1 (en) | System and method for securely viewing, editing and sharing documents and other information | |
| KR20230053553A (ko) | 웹 브라우저 기반의 비대면 학습에서 인공지능을 사용한 주의집중 학습 시스템 및 방법 | |
| CN208351494U (zh) | 人脸识别系统 | |
| KR102581415B1 (ko) | 부정행위를 방지하는 안면윤곽선 인식 인공지능을 사용한 ubt 시스템 및 그 방법 | |
| KR20230110681A (ko) | 응시자 단말의 정면 카메라와 보조 카메라를 사용하여 부정행위를 방지하는 안면윤곽선 인식 인공지능을 사용한 온라인 시험 시스템 및 그 방법 | |
| KR20230017454A (ko) | 비대면 평가에서의 부정행위 방지 방법, 장치 및 프로그램 | |
| KR20230169880A (ko) | 웹 브라우저 기반의 비대면 학습에서 인공지능을 사용한 주의집중 학습 시스템 및 방법 | |
| CN107368817A (zh) | 人脸识别方法和装置 | |
| KR20230007250A (ko) | 안면윤곽선 인식 인공지능을 사용한 ubt 시스템 및 그 방법 | |
| KR20230013236A (ko) | 음성인식을 사용한 부정행위를 방지하는 안면윤곽선 인식 인공지능을 사용한 온라인 시험 시스템 및 그 방법 | |
| WO2022222957A1 (zh) | 一种目标识别的方法和系统 | |
| CN111222374A (zh) | 测谎数据处理方法、装置、计算机设备和存储介质 | |
| Sakthivel et al. | Online Education Pedagogy Approach | |
| Santoso et al. | Development of an online exam security system using ensemble method | |
| JP2016095817A (ja) | 自動受験システム及びこれに用いる受験不正行為検出装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| AMND | Amendment | ||
| AMND | Amendment | ||
| E902 | Notification of reason for refusal | ||
| AMND | Amendment | ||
| E601 | Decision to refuse application | ||
| AMND | Amendment | ||
| X601 | Decision of rejection after re-examination |