KR20220142681A - System and method for monitoring cheating in online test - Google Patents
System and method for monitoring cheating in online test Download PDFInfo
- Publication number
- KR20220142681A KR20220142681A KR1020210049020A KR20210049020A KR20220142681A KR 20220142681 A KR20220142681 A KR 20220142681A KR 1020210049020 A KR1020210049020 A KR 1020210049020A KR 20210049020 A KR20210049020 A KR 20210049020A KR 20220142681 A KR20220142681 A KR 20220142681A
- Authority
- KR
- South Korea
- Prior art keywords
- cheating
- test
- voice
- behavior
- speaker
- Prior art date
Links
- 238000012360 testing method Methods 0.000 title claims abstract description 149
- 238000012544 monitoring process Methods 0.000 title claims abstract description 34
- 238000000034 method Methods 0.000 title claims description 51
- 230000006399 behavior Effects 0.000 claims abstract description 74
- 238000001514 detection method Methods 0.000 claims abstract description 51
- 238000012806 monitoring device Methods 0.000 claims abstract description 50
- 230000009471 action Effects 0.000 claims description 18
- 230000006870 function Effects 0.000 claims description 17
- 239000000284 extract Substances 0.000 claims description 7
- 238000006243 chemical reaction Methods 0.000 claims description 2
- 238000004891 communication Methods 0.000 description 19
- 238000010586 diagram Methods 0.000 description 16
- 238000012545 processing Methods 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 5
- 238000004590 computer program Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 3
- 230000007774 longterm Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000010998 test method Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000002604 ultrasonography 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
- 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
-
- 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
- G10L15/26—Speech to text systems
-
- 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
- G10L17/00—Speaker identification or verification techniques
- G10L17/06—Decision making techniques; Pattern matching strategies
- G10L17/14—Use of phonemic categorisation or speech recognition prior to speaker recognition or verification
-
- 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
- G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
- G10L25/48—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Human Computer Interaction (AREA)
- Multimedia (AREA)
- Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Acoustics & Sound (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computational Linguistics (AREA)
- Tourism & Hospitality (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Game Theory and Decision Science (AREA)
- Educational Administration (AREA)
- Educational Technology (AREA)
- Signal Processing (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
Description
본 발명의 실시예는 시험 부정행위 감시 시스템 및 그 방법에 관한 것으로, 특히 시험을 치르고 있는 사용자(수험자)에 대한 영상 및 오디오 정보를 활용한 온라인 시험 부정행위 감시 시스템 및 그 방법에 관한 것이다.An embodiment of the present invention relates to a test cheating monitoring system and method, and more particularly, to an online exam cheating monitoring system and method using video and audio information about a user (examinee) taking an exam.
종래의 경우, 학교 및 직장에서의 시험, 소정의 자격증 시험은 시험을 감독하는 감독관의 입회하에 종이 시험지를 통해 문제를 제시하고, 종이 답안지에 답안을 작성토록 하는 방법으로 치러지는 것이 일반적이다.In the conventional case, it is common for exams at school and workplaces, and certain certification exams, to be taken by presenting questions through a paper exam paper in the presence of a supervisor who oversees the exam, and having them write their answers on a paper answer sheet.
그러나, 최근 모바일 단말기 및 네트워크의 발달로 인해 기존의 오프라인 방식의 시험이 아닌 온라인 방식의 시험 즉, 수험자가 자신의 단말기를 통해 네트워크에 접속하여 소정의 시험을 수행하는 방식도 이용되고 있다. 이와 같은 온라인 시험 방식은 편리성이나 원거리성의 이유로 점차 활용되는 빈도가 높아질 것으로 예상되고 있다. However, due to the recent development of mobile terminals and networks, an online test rather than the existing offline test, that is, a method in which an examinee connects to a network through their terminal and performs a predetermined test, is also being used. Such an online test method is expected to be used more frequently due to convenience or remoteness.
다만, 온라인 시험 방식이 도입될 경우, 이동성, 휴대성 등의 온라인 특성으로 인해 기존의 오프라인 방식과 다른 형태의 부정행위가 발생할 수 있고, 이로 인해 시험 결과의 신뢰도를 떨어뜨릴 수 있는 문제점이 있다.However, when the online test method is introduced, due to online characteristics such as mobility and portability, a different form of cheating may occur than the existing offline method, which may reduce the reliability of the test result.
본 발명의 실시예는 사용자 단말기에 설치된 센서(예: 카메라, 마이크 등)를 이용하여 온라인 시험을 치르고 있는 수험자의 영상 및 오디오 정보를 포함한 시험 환경 정보를 수신하고 이를 분석하여 수험자의 부정행위가 의심되는 행위를 검출함으로써, 신뢰성 및 공정성이 확보된 온라인 시험 환경을 제공할 수 있는 온라인 시험 부정행위 감시 시스템 및 그 방법을 제공함을 목적으로 한다. An embodiment of the present invention uses a sensor (eg, camera, microphone, etc.) installed in a user terminal to receive test environment information including video and audio information of a test taker taking an online test and analyze it to suspect that the test taker is cheating An object of the present invention is to provide an online test cheating monitoring system and method capable of providing an online test environment in which reliability and fairness are secured by detecting the behavior that is being taken.
상기 목적을 달성하기 위하여 본 발명의 실시예에 의한 온라인 시험 부정행위 감시 시스템은, 온라인 시험 문제들을 제공하는 서버로서의 부정행위 감시장치; 상기 부정행위 감시장치에서 제공하는 온라인 시험 어플리케이션이 설치되며, 상기 부정행위 감시장치에 네트워크로 접속되는 복수 개의 사용자 단말기들을 포함하며, 상기 사용자 단말기들 각각은, 제1 및 제2 센서를 구비하고, 상기 제1 및 제2 센서를 통해 센싱되는 수험자들의 시험 환경 정보를 상기 부정행위 감시장치로 전송하고, 상기 부정행위 감시장치는, 상기 사용자 단말기들에 설치된 상기 제1 센서를 통해 센싱된 상기 수험자의 영상 정보를 수신하고, 이를 분석하여 수험자들의 부정행위 행동을 검출하는 부정행위 행동 검출부; 및 상기 사용자 단말기들에 설치된 상기 제2 센서를 통해 센싱된 상기 수험자의 오디오 정보를 수신하고, 이를 분석하여 수험자들의 부정행위 음성을 검출하는 부정행위 음성 검출부를 포함한다.In order to achieve the above object, an online exam cheating monitoring system according to an embodiment of the present invention includes: a cheating monitoring device as a server for providing online exam questions; An online test application provided by the cheating monitoring device is installed, and a plurality of user terminals connected to the cheating monitoring device through a network, each of the user terminals having a first and a second sensor, The test environment information of the test takers sensed through the first and second sensors is transmitted to the cheating monitoring device, and the cheating monitoring device is configured to transmit the test environment information of the examinees sensed through the first sensor installed in the user terminals. a cheating behavior detection unit that receives the image information and analyzes it to detect cheating behaviors of the test takers; and a fraudulent voice detector configured to receive the test taker's audio information sensed through the second sensor installed in the user terminals, and analyze it to detect the test takers' cheating voices.
상기 제1 센서는 영상 센서로서 카메라를 포함하며, 상기 제2 센서는 오디오 센서로서 마이크를 포함할 수 있다. The first sensor may include a camera as an image sensor, and the second sensor may include a microphone as an audio sensor.
상기 부정행위 감시장치는, 상기 제1 및 제2 센서들로부터 센싱된 상기 수험자들의 시험 환경 정보들은 저장하는 메모리; 및 상기 메모리에 저장되는 상기 수험자들의 시험 환경 정보들 중 상기 검출된 수험자들의 부정행위 행동 및/또는 부정행위 음성 정보를 별도로 추출하여 저장 및 유지하는 데이터베이스를 더 포함할 수 있다.The cheating monitoring device may include: a memory for storing test environment information of the examinees sensed by the first and second sensors; and a database for separately extracting, storing and maintaining the detected cheating behavior and/or cheating voice information of the test takers from among the test environment information of the test takers stored in the memory.
상기 데이터베이스는 상기 부정행위 감시장치에 접속한 사용자 단말기들의 고유 정보들 및 상기 온라인 시험 문제들을 저장 및 유지할 수 있다.The database may store and maintain unique information of user terminals connected to the cheating monitoring device and the online test questions.
상기 부정행위 행동 검출부는, 상기 수신된 수험자의 영상 정보 중에서 단일 프레임 이미지 또는 연속된 구간 프레임 이미지를 추출하고, 상기 추출된 적어도 하나의 프레임 이미지에 포함된 객체의 행동에 대해 행동 인식(Action Recognition) 기법을 이용하여 상기 객체의 행동이 부정행위 행동인지 여부를 판단하고, 상기 추출된 프레임 이미지 중 부정행위 의심 행동이 포함된 프레임 이미지를 저장할 수 있다.The cheating behavior detection unit extracts a single frame image or a continuous section frame image from the received image information of the examinee, and recognizes the behavior of an object included in the extracted at least one frame image. By using the technique, it is determined whether the behavior of the object is a cheating behavior, and a frame image including a suspected cheating behavior among the extracted frame images can be stored.
상기 행동 인식 기법은, 부정행위의 종류를 정의하고, 상기 정의된 부정 행위의 종류별로 영상을 수집하여 행동 인식기(Action Recognizer) 모델 학습을 통해 상기 부정행위의 패턴들을 미리 선정하고, 상기 미리 선정된 부정행위 패턴들과 상기 프레임 이미지에 포함된 객체의 행동을 비교하여 상기 수험자의 행동이 상기 부정행위 패턴들과 실질적으로 일치하는 지 여부를 판단할 수 있다. The behavior recognition technique defines the types of cheating, collects images for each defined type of cheating, selects the patterns of cheating in advance through action recognizer model learning, and selects the pre-selected By comparing the cheating patterns with the behavior of the object included in the frame image, it can be determined whether the examinee's behavior substantially matches the cheating patterns.
상기 부정행위 음성 검출부는, 상기 제2 센서를 통해 센싱된 수험자의 오디오 정보를 포함한 순차적인 오디오 프레임들 중에서 소리가 발생된 구간을 검출하여 저장하는 소리발생구간 검출부; 상기 저장된 소리발생 구간 데이터에서 화자별로 음성을 분리하고, 상기 분리된 화자별 음성 구간을 저장하는 화자검출부; 및 상기 화자별 음성과 수험자의 음성을 비교 분석하여 상기 수험자의 부정행위 음성을 탐지하는 음성인식부를 포함할 수 있다.The cheating voice detector may include: a sound generation section detecting section for detecting and storing a section in which a sound is generated from among sequential audio frames including audio information of the examinee sensed by the second sensor; a speaker detection unit that separates voices for each speaker from the stored sound generation section data and stores the separated voice sections for each speaker; and a voice recognition unit configured to compare and analyze each speaker's voice and the examinee's voice to detect the examinee's cheating voice.
상기 화자검출부는, 상기 저장된 소리발생 구간 데이터에서 상기 발생된 소리 데이터 중 사람의 음성 데이터가 포함되어 있는지 판단할 수 있다.The speaker detector may determine whether human voice data is included in the generated sound data in the stored sound generation section data.
상기 화자검출부는, 상기 음성 데이터가 포함되는 것으로 판단할 경우, 여러 명이 대화하여 복수의 화자가 인지되면 상기 음성 데이터를 화자별로 분리하고, 상기 분리된 화자별 음성 데이터 구간을 저장할 수 있다.When it is determined that the voice data is included, the speaker detection unit may separate the voice data for each speaker and store the separated voice data section for each speaker when a plurality of speakers are recognized through conversation.
상기 음성인식부는, 음성인식 기능을 활용하여 상기 화자별 음성데이터를 분리 추출하고, 이를 텍스트로 변환하여 저장하며, 상기 변환된 텍스트와 실제 제출된 온라인 시험 문제 텍스트를 비교하여 상기 변환된 텍스트가 실제 시험 문제 텍스트와 실질적으로 일치하는지 여부를 판별하고, 상기 변환된 텍스트가 실제 시험 문제 텍스트와 실질적으로 일치되는 것으로 판단되면 상기 추출된 화자별 음성 데이터에 해당하는 부정행위 의심 구간의 음성 데이터 및 그 변환된 텍스트 정보를 저장할 수 있다.The voice recognition unit separates and extracts the voice data for each speaker by using a voice recognition function, converts it into text and stores it, and compares the converted text with the actually submitted online test text so that the converted text is actually It is determined whether or not it substantially matches the test question text, and when it is determined that the converted text is substantially consistent with the actual test question text, the voice data of the suspected cheating section corresponding to the extracted voice data for each speaker and its conversion You can store the text information.
본 발명의 다른 실시예에 의한 온라인 시험 부정행위 감시 방법은, 온라인 시험 문제들을 제공하는 서버로서의 부정행위 감시장치 및 상기 부정행위 감시장치에서 제공하는 온라인 시험 어플리케이션이 설치되며, 상기 부정행위 감시장치에 네트워크로 접속되는 복수 개의 사용자 단말기들을 포함하는 온라인 시험 부정행위 감시 방법에 있어서, 상기 사용자 단말기들에 설치된 제1 센서를 통해 센싱된 상기 수험자의 영상 정보를 수신하고, 이를 분석하여 수험자들의 부정행위 행동을 검출하는 부정행위 행동 검출 단계; 및 상기 사용자 단말기들에 설치된 상기 제2 센서를 통해 센싱된 상기 수험자의 오디오 정보를 수신하고, 이를 분석하여 수험자들의 부정행위 음성을 검출하는 부정행위 음성 검출 단계를 포함한다.In the online test cheating monitoring method according to another embodiment of the present invention, a cheating monitoring device as a server providing online test questions and an online test application provided by the cheating monitoring device are installed, and the cheating monitoring device In an online test cheating monitoring method including a plurality of user terminals connected to a network, the image information of the examinee sensed through a first sensor installed in the user terminals is received, and the image information is analyzed to analyze the cheating behavior of the examinees. a fraudulent behavior detection step of detecting and a fraudulent voice detection step of receiving the examinee's audio information sensed through the second sensor installed in the user terminals, and analyzing it to detect the test takers' cheating voices.
상기 제1 및 제2 센서들로부터 센싱된 상기 수험자들의 시험 환경 정보들은 메모리에 저장하는 단계; 및 상기 메모리에 저장되는 상기 수험자들의 시험 환경 정보들 중 상기 검출된 수험자들의 부정행위 행동 및/또는 부정행위 음성 정보를 별도로 추출하여 데이터베이스에 저장 및 유지하는 단계를 더 포함할 수 있다. storing the test environment information of the test takers sensed by the first and second sensors in a memory; and separately extracting the detected cheating behavior and/or cheating voice information of the test takers from among the test environment information of the test takers stored in the memory, and storing and maintaining it in a database.
상기 부정행위 행동 검출 단계는, 상기 수신된 수험자의 영상 정보 중에서 단일 프레임 이미지 또는 연속된 구간 프레임 이미지를 추출하는 단계; 상기 추출된 적어도 하나의 프레임 이미지에 포함된 객체의 행동에 대해 행동 인식(Action Recognition) 기법을 이용하여 상기 객체의 행동이 부정행위 행동인지 여부를 판단하는 단계; 및 상기 추출된 프레임 이미지 중 부정행위 의심 행동이 포함된 프레임 이미지를 저장하는 단계를 포함할 수 있다.The detecting of the cheating behavior may include: extracting a single frame image or a continuous section frame image from the received image information of the examinee; determining whether the action of the object is a cheating action by using an action recognition technique with respect to the action of the object included in the extracted at least one frame image; and storing a frame image including a behavior suspected of cheating among the extracted frame images.
상기 행동 인식 기법은, 부정행위의 종류를 정의하고, 상기 정의된 부정 행위의 종류별로 영상을 수집하여 행동 인식기(Action Recognizer) 모델 학습을 통해 상기 부정행위의 패턴들을 미리 선정하고, 상기 미리 선정된 부정행위 패턴들과 상기 프레임 이미지에 포함된 객체의 행동을 비교하여 상기 수험자의 행동이 상기 부정행위 패턴들과 실질적으로 일치하는 지 여부를 판단할 수 있다.The behavior recognition technique defines the types of cheating, collects images for each defined type of cheating, selects the patterns of cheating in advance through action recognizer model learning, and selects the pre-selected By comparing the cheating patterns with the behavior of the object included in the frame image, it can be determined whether the examinee's behavior substantially matches the cheating patterns.
상기 부정행위 음성 검출 단계는, 상기 제2 센서를 통해 센싱된 수험자의 오디오 정보를 포함한 순차적인 오디오 프레임들 중에서 소리가 발생된 구간을 검출하여 저장하는 소리발생구간 검출 단계; 상기 저장된 소리발생 구간 데이터에서 화자별로 음성을 분리하고, 상기 분리된 화자별 음성 구간을 저장하는 화자검출 단계; 및 상기 화자별 음성과 수험자의 음성을 비교 분석하여 상기 수험자의 부정행위 음성을 탐지하는 음성인식 단계를 포함할 수 있다.The fraudulent voice detection step may include: a sound generation section detecting step of detecting and storing a section in which a sound is generated from among sequential audio frames including audio information of the examinee sensed through the second sensor; a speaker detection step of separating a voice for each speaker from the stored sound generation section data and storing the separated voice section for each speaker; and comparing and analyzing the voice of each speaker with the voice of the test taker to detect the test taker's cheating voice.
상기 화자검출 단계는, 상기 저장된 소리발생 구간 데이터에서 상기 발생된 소리 데이터 중 사람의 음성 데이터가 포함되어 있는지 판단하는 단계를 포함할 수 있다.The step of detecting the speaker may include determining whether human voice data is included in the generated sound data in the stored sound generation section data.
상기 화자검출 단계는, 상기 음성 데이터가 포함되는 것으로 판단할 경우, 여러 명이 대화하여 복수의 화자가 인지되면 상기 음성 데이터를 화자별로 분리하고, 상기 분리된 화자별 음성 데이터 구간을 저장하는 단계를 더 포함할 수 있다.In the speaker detection step, when it is determined that the voice data is included, if a plurality of speakers are recognized through conversation, the voice data is separated for each speaker, and the separated voice data section for each speaker is stored. may include
상기 음성인식 단계는, 음성인식 기능을 활용하여 상기 화자별 음성데이터를 분리 추출하고, 이를 텍스트로 변환하여 저장하는 단계; 상기 변환된 텍스트와 실제 제출된 온라인 시험 문제 텍스트를 비교하여 상기 변환된 텍스트가 실제 시험 문제 텍스트와 실질적으로 일치하는지 여부를 판별하는 단계; 및 상기 변환된 텍스트가 실제 시험 문제 텍스트와 실질적으로 일치되는 것으로 판단되면 상기 추출된 화자별 음성 데이터에 해당하는 부정행위 의심 구간의 음성 데이터 및 그 변환된 텍스트 정보를 저장하는 단계를 포함할 수 있다.The voice recognition step may include: using a voice recognition function to separate and extract the voice data for each speaker, convert it into text, and store it; comparing the converted text with the actual submitted online test question text to determine whether the converted text substantially matches the actual test question text; and if it is determined that the converted text is substantially consistent with the actual test question text, storing the voice data of the suspected cheating section corresponding to the extracted voice data for each speaker and the converted text information. .
이와 같은 본 발명의 실시예에 의하면, 사용자 단말기에 설치된 센서(예: 카메라, 마이크 등)를 이용하여 온라인 시험을 치르고 있는 수험자의 영상 및 오디오 정보를 포함한 시험 환경 정보를 수신하고 이를 분석하여 수험자의 부정행위가 의심되는 행위를 검출함으로써, 신뢰성 및 공정성이 확보된 온라인 시험 환경을 제공할 수 있다. According to this embodiment of the present invention, the test environment information including the video and audio information of the test taker who is taking the online test is received by using a sensor (eg, camera, microphone, etc.) installed in the user terminal, and the test environment information is analyzed and analyzed. It is possible to provide an online test environment in which reliability and fairness are secured by detecting acts suspected of cheating.
도 1은 본 발명의 실시예에 의한 온라인 시험 부정행위 감시 시스템의 전체 구성을 나타내는 블록도.
도 2는 도 1에 도시된 사용자 단말기의 구성을 나타내는 블록도.
도 3은 본 발명의 실시예에 의한 부정행위 감시장치의 구성을 나타내는 블록도.
도 4는 도 3에 도시된 프로세서의 내부 구성의 일 실시예를 나타내는 블록도.
도 5는 본 발명의 실시예에 의한 온라인 시험 부정행위 감시 시스템에 의한 부정행위 검출 동작을 개략적으로 설명하는 도면.
도 6은 도 5에 도시된 영상 정보를 이용한 부정행위 행동 검출 방법을 설명하는 순서도.
도 7은 도 5에 도시된 오디오 정보를 이용한 부정행위 음성 검출 방법을 설명하는 순서도.1 is a block diagram showing the overall configuration of an online test cheating monitoring system according to an embodiment of the present invention.
FIG. 2 is a block diagram showing the configuration of the user terminal shown in FIG. 1;
3 is a block diagram showing the configuration of a fraud monitoring apparatus according to an embodiment of the present invention.
Fig. 4 is a block diagram showing an embodiment of an internal configuration of the processor shown in Fig. 3;
5 is a diagram schematically illustrating an operation of detecting cheating by an online test cheating monitoring system according to an embodiment of the present invention.
6 is a flowchart illustrating a method of detecting a cheating behavior using the image information shown in FIG. 5 .
7 is a flowchart illustrating a method of detecting a cheating voice using the audio information shown in FIG. 5 .
위 발명의 배경이 되는 기술 란에 기재된 내용은 오직 본 발명의 기술적 사상에 대한 배경 기술의 이해를 돕기 위한 것이며, 따라서 그것은 본 발명의 기술 분야의 당업자에게 알려진 선행 기술에 해당하는 내용으로 이해될 수 없다.The contents described in the technical field of the background of the present invention are only for helping the understanding of the background of the technical idea of the present invention, and therefore it can be understood as content corresponding to the prior art known to those skilled in the art of the present invention. none.
아래의 서술에서, 설명의 목적으로, 다양한 실시예들의 이해를 돕기 위해 많은 구체적인 세부 내용들이 제시된다. 그러나, 다양한 실시예들이 이러한 구체적인 세부 내용들 없이 또는 하나 이상의 동등한 방식으로 실시될 수 있다는 것은 명백하다. 다른 예시들에서, 잘 알려진 구조들과 장치들은 다양한 실시예들을 불필요하게 이해하기 어렵게 하는 것을 피하기 위해 블록도로 표시된다. In the following description, for purposes of explanation, numerous specific details are set forth to aid in understanding various embodiments. It will be evident, however, that various embodiments may be practiced without these specific details or in one or more equivalent manners. In other instances, well-known structures and devices are shown in block diagram form in order to avoid unnecessarily obscuring the various embodiments.
첨부된 블록도의 각 블록은 컴퓨터 프로그램 인스트럭션들(실행 엔진)에 의해 수행될 수도 있으며, 이들 컴퓨터 프로그램 인스트럭션들은 범용 컴퓨터, 특수용 컴퓨터 또는 기타 프로그램 가능한 데이터 프로세싱 장비의 프로세서에 탑재될 수 있으므로, 컴퓨터 또는 기타 프로그램 가능한 데이터 프로세싱 장비의 프로세서를 통해 수행되는 그 인스트럭션들이 블록도의 각 블록에서 설명된 기능들을 수행하는 수단을 생성하게 된다. Each block of the accompanying block diagram may be executed by computer program instructions (execution engine), which may be mounted on a processor of a general-purpose computer, special-purpose computer, or other programmable data processing equipment, so that the computer or The instructions, executed by the processor of the other programmable data processing equipment, will create means for performing the functions described in each block of the block diagram.
이들 컴퓨터 프로그램 인스트럭션들은 특정 방식으로 기능을 구현하기 위해 컴퓨터 또는 기타 프로그램 가능한 데이터 프로세싱 장비를 지향할 수 있는 컴퓨터 이용 가능 또는 컴퓨터 판독 가능 메모리에 저장되는 것도 가능하므로, 그 컴퓨터 이용가능 또는 컴퓨터 판독 가능 메모리에 저장된 인스트럭션들은 블록도의 각 블록에서 설명된 기능을 수행하는 인스트럭션 수단을 내포하는 제조 품목을 생산하는 것도 가능하다.These computer program instructions may also be stored in a computer-usable or computer-readable memory that may direct a computer or other programmable data processing equipment to implement a function in a particular manner, and thus the computer-usable or computer-readable memory. It is also possible to produce an article of manufacture containing instruction means for performing the functions described in each block of the block diagram, the instructions stored in the block diagram.
그리고, 컴퓨터 프로그램 인스트럭션들은 컴퓨터 또는 기타 프로그램 가능한 데이터 프로세싱 장비 상에 탑재되는 것도 가능하므로, 컴퓨터 또는 기타 프로그램 가능한 데이터 프로세싱 장비 상에서 일련의 동작 단계들이 수행되어 컴퓨터로 실행되는 프로세스를 생성하여 컴퓨터 또는 기타 프로그램 가능한 데이터 프로세싱 장비를 수행하는 인스트럭션들은 블록도의 각 블록에서 설명되는 기능들을 실행하기 위한 기능을 제공하는 것도 가능하다. And, since the computer program instructions may be mounted on a computer or other programmable data processing equipment, a series of operating steps are performed on the computer or other programmable data processing equipment to create a computer-executed process to create a computer or other program It is also possible that instructions for performing the possible data processing equipment provide functionality for performing the functions described in each block of the block diagram.
또한, 각 블록은 특정된 논리적 기능들을 실행하기 위한 하나 이상의 실행 가능한 인스트럭션들을 포함하는 모듈, 세그먼트 또는 코드의 일부를 나타낼 수 있으며, 몇 가지 대체 실시 예들에서는 블록들 또는 단계들에서 언급된 기능들이 순서를 벗어나서 발생하는 것도 가능하다. In addition, each block may represent a module, segment, or portion of code that includes one or more executable instructions for executing specified logical functions, and in some alternative embodiments, the functions recited in the blocks or steps are ordered It is also possible to occur outside of
즉, 도시된 두 개의 블록들은 사실 실질적으로 동시에 수행되는 것도 가능하며, 또한 그 블록들이 필요에 따라 해당하는 기능의 역순으로 수행되는 것도 가능하다.That is, the two illustrated blocks may be substantially simultaneously performed, and also, the blocks may be performed in the reverse order of corresponding functions, if necessary.
여기에서 사용된 용어는 특정한 실시예들을 설명하는 목적이고 제한하기 위한 목적이 아니다. 명세서 전체에서, 어떤 부분이 어떤 구성요소를 "포함한다" 고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있는 것을 의미한다. 다른 정의가 없는 한, 여기에 사용된 용어들은 본 발명이 속하는 분야에서 통상적인 지식을 가진 자에게 일반적으로 이해되는 것과 같은 의미를 갖는다.The terminology used herein is for the purpose of describing particular embodiments and not for the purpose of limitation. Throughout the specification, when a part "includes" a certain component, it means that other components may be further included, rather than excluding other components, unless otherwise stated. Unless otherwise defined, terms used herein have the same meaning as commonly understood by one of ordinary skill in the art to which this invention belongs.
이하, 첨부된 도면을 참조하여 본 발명의 실시예를 보다 상세히 설명하도록 한다.Hereinafter, embodiments of the present invention will be described in more detail with reference to the accompanying drawings.
도 1은 본 발명의 실시예에 의한 온라인 시험 부정행위 감시 시스템의 전체 구성을 나타내는 블록도이다.1 is a block diagram showing the overall configuration of an online test cheating monitoring system according to an embodiment of the present invention.
도 1을 참조하면, 본 발명의 실시예에 의한 온라인 시험 부정행위 감시 시스템은 수험자들이 온라인 시험을 수행하는데 사용하는 복수의 사용자 단말기들(110_1, 110_2,?, 110_n), 네트워크(120), 상기 수험자들이 수행하는 온라인 시험의 부정행위를 감시하는 부정행위 감시장치(130)를 포함하여 구성된다. Referring to FIG. 1 , the online test cheating monitoring system according to an embodiment of the present invention includes a plurality of user terminals 110_1, 110_2, ?, 110_n, a
사용자 단말기들(110)에는 온라인 시험 문제를 제출하는 서버 일 예로, 상기 부정행위 감시장치(130)에서 제공하는 온라인 시험 어플리케이션이 설치될 수 있으며, 이를 통해 수험자가 자신의 단말기를 통해 네트워크에 접속하여 소정의 시험을 수행할 수 있다. 만일 사용자의 단말기에 상기 온라인 시험 어플리케이션이 설치되어 있지 않다면, 사용자는 상기 어플리케이션을 상기 부정행위 감시장치(130)로부터 다운로드(download)하여 사용자의 단말기에 설치할 수 있다.In the
상기 사용자 단말기들(110)은 사용자가 휴대하고 다닐 수 있는 모바일 기기를 포함하는 것으로, 스마트폰, 태블릿, 노트북 등이 될 수 있을 뿐 아니라, 데스크탑 컴퓨터와 같이 네트워크에 연결되어 사용될 수 있는 기기로도 구현 가능하다.The
네트워크(120)는 무선통신망 또는 유선통신망으로 구현될 수 있다. 이때, 통신 방식은 제한되지 않으며 네트워크(120)가 포함할 수 있는 통신망(예: 이동통신망, 무선랜망, 유선인터넷, 방송망)을 활용하는 통신방식 뿐 아니라 기기들간의 근거리 무선통신 역시 포함될 수 있다. The
부정행위 감시장치(130)는 온라인 시험 문제를 제출하는 서버로서의 동작을 수행함과 더불어 각각의 사용자 단말기들(110)에 설치된 센서(예: 카메라, 마이크 등)를 이용하여 온라인 시험을 치르고 있는 수험자의 영상 및 오디오 정보를 포함한 시험 환경 정보를 수신하고 이를 분석하여 수험자의 부정행위가 의심되는 행위를 검출하는 동작을 수행할 수 있다. 즉, 상기 부정행위 감시장치(130)는 적어도 하나의 서버 장치로 구성될 수 있다. The
본 발명의 실시예에 의한 부정행위 감시장치(130)는 사용자 단말기들(110)에 설치된 영상 센서(예: 카메라)를 통해 수신하는 수험자의 영상 정보를 분석하여 수험자의 부정행위 여부를 검출할 수 있을 뿐 아니라, 상기 사용자 단말기들(110)에 설치된 오디오 센서(예: 마이크)를 통해 수신하는 수험자의 오디오 정보 또한 분석하여 수험자의 부정행위 여부를 검출함으로써, 보다 신뢰성 및 공정성이 확보된 온라인 시험 환경을 제공할 수 있음을 특징으로 한다. 본 발명의 실시예에 의한 부정행위 감시장치(130)의 구체적인 구성 및 동작에 대해서는 이후 도 3 내지 도 7을 통해 보다 상세히 설명하도록 한다.The
도 2는 도 1에 도시된 사용자 단말기의 구성을 나타내는 블록도이다. FIG. 2 is a block diagram illustrating the configuration of the user terminal shown in FIG. 1 .
도 2를 참조하면, 각각의 사용자 단말기(110)는 통신모듈(111), 메모리(112), 표시모듈(113), 오디오 출력모듈(114), 제어부(116), 센서들(115a, 115b)를 포함할 수 있다. 이 때, 상기 센서들(115a, 115b)은 도시된 바와 같이 영상 센서로서의 카메라(115a)와 오디오 센서로서의 마이크(115b)를 포함할 수 있다. Referring to FIG. 2 , each
통신모듈(111)은 네트워크(120)를 통해 내부의 임의의 구성 요소 또는 외부의 임의의 적어도 하나의 기기와 통신 연결할 수 있다. 이때, 외부의 임의의 기기는 일 예로 도 1에 도시된 부정행위 감시장치(130)를 포함할 수 있다. 여기서, 무선 인터넷 기술로는 무선랜(Wireless LAN: WLAN), DLNA(Digital Living Network Alliance), 와이브로(Wireless Broadband: Wibro), 와이맥스(World Interoperability for Microwave Access: Wimax), HSDPA(High Speed Downlink Packet Access), HSUPA(High Speed Uplink Packet Access), IEEE 802.16, 롱 텀 에볼루션(Long Term Evolution: LTE), LTE-A(Long Term Evolution-Advanced), 광대역 무선 이동 통신 서비스(Wireless Mobile Broadband Service: WMBS) 등이 있으며, 상기 통신모듈(111)은 상기에서 나열되지 않은 인터넷 기술까지 포함한 범위에서 적어도 하나의 무선 인터넷 기술에 따라 데이터를 송수신하게 된다. The
또한, 근거리 통신 기술로는 블루투스(Bluetooth), RFID(Radio Frequency Identification), 적외선 통신(Infrared Data Association: IrDA), UWB(Ultra Wideband), 지그비(ZigBee), 인접 자장 통신(Near Field Communication: NFC), 초음파 통신(Ultra Sound Communication: USC), 가시광 통신(Visible Light Communication: VLC), 와이 파이(Wi-Fi), 와이 파이 다이렉트(Wi-Fi Direct) 등이 포함될 수 있다. In addition, short-range communication technologies include Bluetooth, Radio Frequency Identification (RFID), Infrared Data Association (IrDA), Ultra Wideband (UWB), ZigBee, and Near Field Communication (NFC). , Ultra Sound Communication (USC), Visible Light Communication (VLC), Wi-Fi (Wi-Fi), Wi-Fi Direct (Wi-Fi Direct), etc. may be included.
메모리(112)는 다양한 사용자 인터페이스(User Interface: UI), 그래픽 사용자 인터페이스(Graphic User Interface: GUI) 등을 저장한다. 또한, 메모리(112)는 사용자 단말기(110)가 동작하는데 필요한 데이터와 프로그램 등을 저장한다. 즉, 메모리(112)는 사용자 단말기(110)에서 구동되는 다수의 어플리케이션 프로그램(application program, 이하 '어플리케이션'), 사용자 단말기(110)의 동작을 위한 데이터들, 명령어들을 저장할 수 있다. 즉, 본 발명의 실시예에 의한 사용자 단말기(110)의 메모리(112)에는 적어도 하나 이상의 어플리케이션들(112a)이 저장되어 있다. 이러한 어플리케이션들(112a) 중 적어도 일부는 무선 통신을 통해 외부 서버로부터 다운로드 될 수 있다. 본 발명의 실시예는 도 1에 도시된 부정행위 감시장치(130)에서 제공하는 온라인 시험 어플리케이션을 포함함을 특징으로 한다. The
또한, 상기 어플리케이션들(112a)은 자동음성인식(ASR) 어플리케이션, 지도 어플리케이션, 미디어 어플리케이션(예를 들면, QuickTime, MobileMusic.app, 또는 MobileVideo.app), 소셜 네트워킹 어플리케이션(social networking applications)(예를 들면, 페이스북, 트위터 등), 인터넷 브라우징 어플리케이션 등으로 구현될 수 있다. 한편, 상기 어플리케이션들(112a)은 메모리(112)에 저장되고, 사용자 단말기(110)에 설치되어, 제어부(116)에 의하여 사용자 단말기(110)의 동작(또는 기능)을 수행하도록 구동될 수 있다. In addition, the
또한, 메모리(112)는 플래시 메모리 타입(Flash Memory Type), 하드 디스크 타입(Hard Disk Type), 멀티미디어 카드 마이크로 타입(Multimedia Card Micro Type), 카드 타입의 메모리(예를 들면, SD 또는 XD 메모리 등), 자기 메모리, 자기 디스크, 광디스크, 램(Random Access Memory: RAM), SRAM(Static Random Access Memory), 롬(Read-Only Memory: ROM), EEPROM(Electrically Erasable Programmable Read-Only Memory), PROM(Programmable Read-Only Memory) 중 적어도 하나의 저장매체를 포함할 수 있다. In addition, the
표시 모듈(113)은 제어부(116)의 제어에 의해 메모리(112)에 저장된 사용자 인터페이스 및/또는 그래픽 사용자 인터페이스를 이용하여 다양한 메뉴 화면 등과 같은 다양한 콘텐츠를 표시하고, 상기 제어부(116)의 제어에 의해 실행된 어플리케이션의 실행 결과 화면을 표시할 수 있다. 일 예로, 상기 표시 모듈(113)은 상기 온라인 시험 어플리케이션이 실행되면, 서버에서 제공하는 온라인 시험 문제들을 풀 수 있는 인터페이스를 제공할 수 있다. 표시 모듈(113)은 액정 디스플레이(Liquid Crystal Display: LCD), 유기 발광 다이오드(Organic Light-Emitting Diode: OLED), 플렉시블 디스플레이(Flexible Display), 3차원 디스플레이(3D Display), 전자잉크 디스플레이 (e-ink display), LED(Light Emitting Diode) 등으로 구현될 수 있다. The
오디오 출력모듈(114)은 제어부(116)의 제어에 의해 소정 신호 처리된 신호에 포함된 음성 정보를 출력할 수 있다. The
본 발명의 실시예는 사용자 단말기를 통해 온라인 시험을 수행하는 수험자들의 부정행위 여부를 감시하는 시스템으로서, 이를 구현하기 위해서는 각각의 사용자 단말기들(100)에 소정의 센서들(115a, 115b)이 설치되어야 하며, 상기 센서들로부터 센싱된 각 수험자의 시험 환경 정보를 부정행위 여부를 검출하는 정보로 활용함을 특징으로 한다. An embodiment of the present invention is a system for monitoring whether or not the test takers are cheating on an online test through a user terminal. In order to implement this,
보다 구체적으로 상기 센서들(115a, 115b)은 영상 센서로서의 카메라(115a)와 오디오 센서로서의 마이크(115b)를 포함할 수 있으며, 부정행위 감시장치(130)는 사용자 단말기들(110)에 설치된 카메라(115a)를 통해 센싱된 수험자의 영상 정보를 수신하고, 이를 분석하여 수험자의 부정행위 여부를 검출할 수 있을 뿐 아니라, 상기 사용자 단말기들(110)에 설치된 마이크(115b)를 통해 센싱된 수험자의 오디오 정보 또한 수신하고, 이를 분석하여 수험자의 부정행위 여부를 검출할 수 있다. More specifically, the
도 3은 본 발명의 실시예에 의한 부정행위 감시장치의 구성을 나타내는 블록도이다.3 is a block diagram showing the configuration of a fraud monitoring apparatus according to an embodiment of the present invention.
도 3을 참조하면, 상기 부정행위 감시장치(130)는 메모리(132), 데이터베이스(133) 프로세서(134), 통신모듈(136) 및 입출력 인터페이스(138)을 포함하는 서버로 구현될 수 있으며, 이는 상기 온라인 시험 어플리케이션이 설치된 사용자 단말기들(110)에 연결되어 온라인 시험 문제를 제공하는 역할 뿐 아니라 앞서 언급한 바와 같이 사용자 단말기들(110)의 센서들(115a, 115b)로부터 센싱된 각 수험자의 시험 환경 정보를 이용하여 수험자들의 부정행위 여부를 검출하는 동작을 수행할 수 있다.Referring to FIG. 3 , the
메모리(132)는 컴퓨터에서 판독 가능한 기록 매체로서, RAM, ROM 및 디스크 드라이브와 같은 비소멸성 대용량 기록장치를 포함할 수 있다. 또한, 메모리(132)에는 운영체제와 적어도 하나의 프로그램 코드가 저장될 수 있다. 이러한 소프트웨어 구성요소들은 드라이브 메커니즘을 이용하여 메모리(132)와는 별도의 컴퓨터에서 판독 가능한 기록 매체로부터 로딩될 수 있다. 이러한 별도의 컴퓨터에서 판독 가능한 기록 매체는 플로피 드라이브, 디스크, 테이프, DVD/CD-ROM 드라이브, 메모리 카드 등의 기록 매체를 포함할 수 있다. 또한, 상기 소프트웨어 구성요소들은 통신모듈(136)을 통해 메모리(132)에 로딩될 수도 있다. 본 발명의 실시예의 경우 상기 사용자 단말기들(110)의 센서들(115a, 115b)로부터 센싱된 각 수험자들의 시험 환경 정보들은 상기 메모리(132)에 저장될 수 있다. The
데이터베이스(133)는 본 발명의 실시예에 의한 부정행위 감시 장치(130)와 접속한 사용자 단말기들(110)로부터 송수신한 정보들 중 일부를 저장 및 유지할 수 있다. 일 예로, 상기 메모리(132)에 저장되는 사용자 단말기들(110)의 센서들(115a, 115b)로부터 센싱된 각 수험자의 시험 환경 정보들 중 분석 결과 부정행위 의심행위로 판단될 경우에는 이에 해당하는 수험자의 영상 정보 및/또는 음성 정보를 별도로 추출하여 데이터베이스(133)에 저장 및 유지할 수 있다. The
또한, 상기 데이터베이스(133)는 회원 정보 DB로서의 역할을 수행하여 상기 부정행위 감시장치(130)에 접속한 사용자 단말기들(110)에 대응되는 고유 정보들 및 온라인 시험 문제들 등과 같은 다양한 정보들이 저장될 수 있다. In addition, the
프로세서(134)는 기본적인 산술, 로직 및 입출력 연산을 수행함으로써, 컴퓨터 프로그램의 명령을 처리하도록 구성될 수 있다. 명령은 메모리(132) 또는 통신모듈(136)에 의해 프로세서(134)로 제공될 수 있다. 일 예로, 프로세서(134)는 메모리(132)와 같은 기록 장치에 저장된 프로그램 코드에 따라 수신되는 명령을 실행하도록 구성될 수 있다. 즉, 상기 프로세서(134)는 소프트웨어적으로 C, C++, Java, Visual Basic, Visual C 등 에 의해 구현되어 다양한 기능들을 수행하는 프로그램 모듈(Module)을 포함할 수 있다. The
본 발명의 실시예에 의한 부정행위 감시장치(130)의 프로세서(134)는 상기 사용자 단말기(110)의 카메라(115a)를 통해 센싱된 수험자의 영상 정보를 수신하고, 이를 분석하여 수험자의 부정행위 행동을 검출할 수 있는 부정행위 행동 검출부(도 4의 410)와, 사용자 단말기(110)의 마이크(115b)를 통해 센싱된 수험자의 오디오 정보를 수신하고, 이를 분석하여 수험자의 부정행위 음성을 검출할 수 있는 부정행위 음성 검출부(도 4의 420)를 포함할 수 있다. 이 때, 상기 부정행위 음성 검출부(420)는 소리발생구간 검출부(도 4의 422), 화자 검출부(도 4의 424), 음성인식부(도 4의 426)를 포함할 수 있으며, 본 발명의 실시예에 의한 부정행위 감시장치(130)의 프로세서(134)를 통해 구현되는 다양한 기능들에 대해서는 이하 도 4 내지 도 7을 통해 보다 상세히 설명하도록 한다. The
통신모듈(136)은 네트워크(120)를 통해 사용자 단말기들(110)와 부정행위 감시장치(130)가 서로 통신하기 위한 기능을 제공할 수 있다. 일 예로, 부정행위 감시장치(130)의 프로세서(134)의 제어에 따라 제공되는 제어신호, 명령, 컨텐츠, 파일 등이 통신모듈(136)을 통해 네트워크(120)을 거쳐 사용자 단말기들(110)로 전송될 수 있다. The
입출력 인터페이스(138)는 키보드 또는 마우스 등으로 구현되는 입력장치 및 디스플레이 등과 같은 출력장치 간의 인터페이스를 제공하는 역할을 할 수 있다. The input/
도 4는 도 3에 도시된 프로세서의 내부 구성의 일 실시예를 나타내는 블록도이고, 도 5는 본 발명의 실시예에 의한 온라인 시험 부정행위 감시 시스템에 의한 부정행위 검출 동작을 개략적으로 설명하는 도면이다.4 is a block diagram showing an embodiment of the internal configuration of the processor shown in FIG. 3, and FIG. 5 is a diagram schematically illustrating an operation of detecting cheating by the online test cheating monitoring system according to an embodiment of the present invention. to be.
또한, 도 6은 도 5에 도시된 영상 정보를 이용한 부정행위 검출 방법을 설명하는 순서도이고, 도 7은 도 5에 도시된 오디오 정보를 이용한 부정행위 검출 방법을 설명하는 순서도이다. Also, FIG. 6 is a flowchart illustrating a method for detecting cheating using the image information shown in FIG. 5 , and FIG. 7 is a flowchart illustrating a method for detecting cheating using the audio information shown in FIG. 5 .
이하, 도 4 내지 도 7을 통해 본 발명의 실시예에 의한 부정행위 감시장치의 각 기능블록들과 이에 따른 부정행위 감시 장치에 의해 수행되는 온라인 시험에서의 부정행위 검출 동작에 대해 보다 상세히 설명하도록 한다. Hereinafter, each functional block of the cheating monitoring device according to an embodiment of the present invention and the cheating detection operation in the online test performed by the cheating monitoring device according thereto will be described in more detail with reference to FIGS. 4 to 7 . do.
먼저 도 4를 참조하면, 부정행위 감시장치(130)의 프로세서(134)는 상기 사용자 단말기(110)의 카메라(115a)를 통해 센싱된 수험자의 영상 정보를 수신하고, 이를 분석하여 수험자의 부정행위 행동을 검출할 수 있는 부정행위 행동 검출부(410)와, 사용자 단말기(110)의 마이크(115b)를 통해 센싱된 수험자의 오디오 정보를 수신하고, 이를 분석하여 수험자의 부정행위 음성을 검출할 수 있는 부정행위 음성 검출부(420)를 포함할 수 있으며, 상기 부정행위 음성 검출부(420)는 세부적으로 소리발생구간 검출부(422), 화자 검출부(424), 음성인식부(426)를 포함할 수 있다. Referring first to FIG. 4 , the
또한, 상기 프로세서(134)는 부정행위 감시장치(130)에 접속한 수험자들의 사용자 단말기(110)을 식별함에 있어, 해당 사용자 단말기(110)에 제공되는 정보들을 저장하는 데이터베이스(133)와 연동할 수 있으며, 상기 프로세서(134)는 도 6 및 도 7에 도시된 상기 부정행위 감시장치의 동작 즉, 수험자의 영상 정보를 이용하여 부정행위 행동을 검출하는 단계들(도 6) 및 수험자의 오디오 정보를 이용하여 부정행위 음성을 검출하는 단계들(도 7)을 수행하도록 부정행위 감시장치(130)를 제어할 수 있다. In addition, in identifying the
여기서, 상기 프로세서(134)는 메모리(132)가 포함하는 운영체제의 코드와 적어도 하나의 프로그램 코드에 따른 명령(instruction)을 실행하도록 구현될 수 있다. 이 때, 프로세서(134) 내의 구성요소들 즉, 부정행위 행동 검출부(410), 부정행위 음성 검출부(420)로서의 소리발생구간 검출부(422), 화자 검출부(424), 음성인식부(426)는 부정행위 감시장치(130)에 저장된 프로그램 코드가 제공하는 제어 명령에 의해 프로세서(134)에 의해 수행되는 서로 다른 기능들을 구분하여 표현하는 것으로 이해할 수도 있다. Here, the
부정행위 행동 검출부(410)는 상기 사용자 단말기(110)의 카메라(115a)를 통해 센싱된 수험자의 영상 정보를 수신하고, 이를 분석하여 수험자의 부정행위 행동을 검출하는 동작을 수행한다. 일 예로, 본 발명의 실시예의 경우, 상기 수신된 수험자의 영상 정보를 분석함에 있어서, 상기 영상 정보에 포함된 시험 응시자가 기 등록된 수험자 본인이 맞는지 지속적으로 확인함과 함께 상기 영상 정보에 상기 수험자 이외의 다른 사람이 감지되는지 여부 등을 확인할 수 있으며, 이를 근거로 수험자의 부정행위 행동을 검출할 수 있다.The cheating
도 5를 참조하면, 수험자(200)은 앞서 도 1에 도시된 바와 같은 온라인 시험 부정행위 시스템에서 제공하는 온라인 시험 환경을 통해 본인의 사용자 단말기(110)를 이용하여 온라인 시험을 수행할 수 있다. 이에 온라인 시험을 수행중인 수험자(200)에 대하여 상기 사용자 단말기(110)의 카메라(115a)를 통해 센싱된 수험자의 영상 정보는 네트워크(도 1의 120)를 거쳐 부정행위 감시장치(도 1의 130)로 전송될 수 있다. 또한, 상기 부정행위 감시장치의 프로세서 내 기능블록인 부정행위 행동 검출부(410)는 상기 수신된 수험자의 영상 정보에 대해 단일 프레임 이미지 또는 연속된 구간 프레임 이미지를 추출하고 이를 분석하여 수험자의 부정행위 행동을 탐지하는 동작을 수행할 수 있다.Referring to FIG. 5 , the
상기 부정행위 행동 검출부(410)의 구체적인 동작을 도 6에 도시된 순서도를 통해 보다 구체적으로 설명하면 다음과 같다. 도 6은 상기 부정행위 감시장치의 동작 중 수험자의 영상 정보를 이용하여 부정행위 행동을 검출하는 단계들을 설명하는 순서도이다.A detailed operation of the cheating
도 6을 참조하면, 먼저 사용자 단말기(110)의 카메라(115a)를 통해 센싱된 수험자의 영상 정보 중에서 단일 프레임 이미지 또는 연속된 구간 프레임 이미지를 추출한다 (ST600). 이후 상기 추출된 적어도 하나의 프레임 이미지에 포함된 객체의 행동을 이미 선정되어 저장된 부정행위 패턴과 비교한다 (ST610).Referring to FIG. 6 , first, a single frame image or a continuous section frame image is extracted from the image information of the examinee sensed through the
본 발명의 실시에에서는, 상기 프레임 이미지에 포함된 객체의 행동을 행동 인식(Action Recognition) 기술을 이용하여 수험자가 어떤 행동을 하는지 판별하는 것을 특징으로 한다. 일 예로, 행동 인식 기법을 이용한 부정 행위 검출 과정을 간략히 설명하면, 먼저 부정행위의 종류 (예: 스마트폰 사용 행동, 책 사용 행동, 자리이동 행동 등)를 정의하고, 상기 정의된 부정 행위의 종류별로 영상을 수집하여 행동 인식기(Action Recognizer) 모델을 학습하는 것으로서, 이는 상기 부정행위 행동 검출부(410)가 머신 러닝 기법으로 학습될 수 있음을 의미한다.In an embodiment of the present invention, it is characterized in that the behavior of the object included in the frame image is determined by the examinee using an action recognition technology. As an example, briefly describing the cheating detection process using the behavior recognition technique, first, the types of cheating (eg, smartphone use behavior, book usage behavior, seat shift behavior, etc.) are defined, and As a method of learning an action recognizer model by collecting raw images, this means that the cheating
또한, 앞서 언급한 바와 같이, 일 예로, 상기 부정행위를 판단함에 있어서, 상기 수신된 수험자의 영상 정보에 포함된 시험 응시자가 기 등록된 수험자 본인이 맞는지 여부 및 상기 영상 정보에 상기 수험자 이외의 다른 사람이 감지되는지 여부 등을 추가로 고려할 수 있다.In addition, as mentioned above, for example, in determining the misconduct, whether the test taker included in the received image information of the examinee is the previously registered examinee, and whether the image information contains information other than the examinee. Whether or not a person is detected may be additionally considered.
따라서, 상기 기 선정된 부정행위 패턴은 지속적으로 업데이트되며, 이러한 정보들은 부정행위 감시장치(130)의 데이터베이스(133)에 저장될 수 있다. Accordingly, the predetermined cheating pattern is continuously updated, and such information may be stored in the
상기 추출된 적어도 하나의 프레임 이미지에 포함된 객체의 행동을 이미 선정되어 저장된 부정행위 패턴과 비교하여, 상기 객체의 행동이 기 선정된 부정 행위 패턴들의 종류 일 예로, 스마트폰 사용 행동, 책 사용 행동, 자리이동 행동 등에 부합되는 것인지 판별 즉, 수험자의 행동이 부정행위 행동인지 여부를 판단하고 (ST 620), 상기 객체의 행동이 상기 부정 행위 패턴들에 부합하는 것으로 판단되면 상기 추출된 프레임 이미지 중 부정행위 의심 행동이 포함된 프레임 이미지를 상기 데이터베이스(133)에 저장한다 (ST 620). By comparing the behavior of the object included in the extracted at least one frame image with the previously selected and stored cheating patterns, the behavior of the object is a pre-selected type of cheating patterns, for example, smartphone usage behavior, book usage behavior , it is determined whether the behavior of the test taker is a cheating behavior, that is, it is determined whether the behavior of the examinee is a cheating behavior (ST 620), and when it is determined that the behavior of the object conforms to the cheating patterns, among the extracted frame images A frame image including a behavior suspected of cheating is stored in the database 133 (ST 620).
본 발명의 실시예에 의한 부정행위 감시장치(130)는 상기 도 6에서 설명한 바와 같이 사용자 단말기들(110)에 설치된 영상 센서(예: 카메라)를 통해 수신하는 수험자의 영상 정보를 분석하여 수험자의 부정행위 여부를 검출할 수 있을 뿐 아니라, 상기 사용자 단말기들(110)에 설치된 오디오 센서(예: 마이크)를 통해 수신하는 수험자의 오디오 정보 또한 분석하여 수험자의 부정행위 여부를 검출함으로써, 보다 신뢰성 및 공정성이 확보된 온라인 시험 환경을 제공할 수 있음을 특징으로 한다.The cheating
이에 상기 부정행위 음성 검출부(410)는 상기 사용자 단말기(110)의 마이크(115b)를 통해 센싱된 수험자의 오디오 정보를 수신하고, 이를 분석하여 수험자의 부정행위 음성을 검출하는 동작을 수행하며, 상기 부정행위 음성 검출부(420)는 소리발생구간 검출부(422), 화자 검출부(424), 음성인식부(426)를 포함할 수 있다.Accordingly, the cheating
도 5를 참조하면, 온라인 시험을 수행중인 수험자(200)에 대하여 상기 사용자 단말기(110)의 마이크(115b)를 통해 센싱된 수험자의 오디오 정보는 네트워크(도 1의 120)를 거쳐 부정행위 감시장치(도 1의 130)로 전송될 수 있다. 또한, 상기 부정행위 감시장치의 프로세서 내 기능블록인 부정행위 음성 검출부(420)는 상기 수신된 수험자의 오디오 정보에 대해 오디오 프레임을 순차적으로 추출하고 이를 분석하여 수험자의 부정행위 음성을 탐지하는 동작을 수행할 수 있다. Referring to FIG. 5 , audio information of the examinee sensed through the
보다 구체적으로, 상기 부정행위 음성 검출부(420)의 소리발생구간 검출부(422)는 상기 추출된 오디오 프레임에서 소리가 발생된 구간을 캡쳐하여 저장하는 동작을 수행하고, 이후 화자검출부(424)는 상기 저장된 소리발생 구간 데이터에서 화자별로 음성을 분리하고, 상기 분리된 화자별 음성 구간을 저장하는 동작을 수행하며, 최종적으로 음성인식부(426)에서 상기 화자별 음성과 수험자의 음성을 비교 분석함을 통해 수험자의 부정행위 음성을 탐지하는 동작을 수행할 수 있다.More specifically, the sound
상기 부정행위 음성 검출부(420)의 구체적인 동작을 도 7에 도시된 순서도를 통해 보다 구체적으로 설명하면 다음과 같다. 도 7은 상기 부정행위 감시장치의 동작 중 수험자의 오디오 정보를 이용하여 부정행위 음성을 검출하는 단계들을 설명하는 순서도이다.The detailed operation of the cheating
도 7을 참조하면, 먼저 상기 소리발생구간 검출부(422)는 사용자 단말기(110)의 마이크(115b)를 통해 센싱된 수험자의 오디오 정보를 포함한 순차적인 오디오 프레임들 중에서 소리가 발생된 구간을 검출하여 저장한다 (ST700). 이후 상기 화자검출부(424)는 상기 저장된 소리발생 구간 데이터에서 상기 발생된 소리 데이터 중 사람의 음성 데이터가 포함되어 있는지 판단하고 (ST 710), 상기 음성 데이터가 포함되고, 여러 명이 대화하여 복수의 화자가 인지되면 상기 음성 데이터를 화자별로 분리하고, 상기 분리된 화자별 음성 데이터 구간을 저장한다 (ST720). 이후 상기 음성인식부(426)는 음성인식 기능을 활용하여 상기 화자별 음성데이터를 분리 추출하고, 이를 텍스트로 변환하여 저장하고 (ST720), 상기 변환된 텍스트와 실제 제출된 온라인 시험 문제 텍스트를 비교한다 (ST730).Referring to FIG. 7, first, the sound generation
이후 상기 변환된 텍스트와 실제 제출된 온라인 시험 문제 텍스트를 비교하여, 상기 변환된 텍스트가 실제 시험 문제 텍스트와 실질적으로 일치하는지 여부를 판별 즉, 수험자의 음성에 대응하는 변환 텍스트가 부정행위에 해당하는 것인지 여부를 판단하고 (ST 750), 상기 변환된 텍스트가 실제 시험 문제 텍스트와 실질적으로 일치되는 것으로 판단되면 상기 추출된 화자별 음성 데이터에 해당하는 부정행위 의심 구간의 음성 데이터 및 그 변환된 텍스트 정보를 상기 데이터베이스(133)에 저장한다 (ST 620). Thereafter, by comparing the converted text with the actual submitted online test question text, it is determined whether the converted text substantially matches the actual test question text, that is, the converted text corresponding to the examinee's voice corresponds to cheating. it is determined (ST 750), and when it is determined that the converted text is substantially consistent with the actual test question text, the voice data of the suspected cheating section corresponding to the extracted voice data for each speaker and the converted text information is stored in the database 133 (ST 620).
다른 실시예로서, 상기 부정행위 여부를 판단하는 단계 (ST 750)는 상기 검출된 소리에 복수의 화자별 음성이 검출되는 경우 이를 여러 명이 모여서 대화하며 온라인 시험을 수행하는 것으로 보고 이러한 행위를 부정행위로 판단할 수 있다.In another embodiment, in the step of determining whether or not there is cheating (ST 750), when a plurality of speaker-specific voices are detected in the detected sound, it is considered that several people gather and talk and conduct an online test, and this behavior is regarded as cheating. can be judged as
또한, 상기 부정행위 여부를 판단하는 단계 (ST 750)는 상기 검출된 소리에 수험자 본인의 음성이 기 설정된 시간 (예: 약 20초 이상) 이상 지속될 경우 이를 전화 통화 등을 하면서 온라인 시험에 응시하는 것으로 보고 이러한 행위를 부정행위로 판단할 수 있다.In addition, the step (ST 750) of determining whether or not cheating is performed is to take the online test while making a phone call, etc., if the examinee's own voice continues for more than a preset time (eg, about 20 seconds or more) to the detected sound. These actions may be regarded as misconduct.
이와 같은 본 발명의 실시예에 의한 온라인 시험 부정행위 감시 시스템에 의하면, 사용자 단말기에 설치된 센서(예: 카메라, 마이크 등)를 이용하여 온라인 시험을 치르고 있는 수험자의 영상 및 오디오 정보를 포함한 시험 환경 정보를 수신하고 이를 분석하여 수험자의 부정행위가 의심되는 행위를 검출함으로써, 신뢰성 및 공정성이 확보된 온라인 시험 환경을 제공할 수 있다.According to the online test cheating monitoring system according to the embodiment of the present invention, test environment information including video and audio information of an examinee taking an online test using a sensor (eg, camera, microphone, etc.) installed in a user terminal It is possible to provide an online test environment in which reliability and fairness are secured by receiving and analyzing the test taker to detect suspected misconduct.
이상과 같이 본 발명에서는 구체적인 구성 요소 등과 같은 특정 사항들과 한정된 실시예 및 도면에 의해 설명되었으나 이는 본 발명의 보다 전반적인 이해를 돕기 위해서 제공된 것일 뿐, 본 발명은 상기의 실시예에 한정되는 것은 아니며, 본 발명이 속하는 분야에서 통상적인 지식을 가진 자라면 이러한 기재로부터 다양한 수정 및 변형이 가능하다.As described above, the present invention has been described with specific matters such as specific components and limited embodiments and drawings, but these are only provided to help a more general understanding of the present invention, and the present invention is not limited to the above embodiments. , various modifications and variations are possible from these descriptions by those of ordinary skill in the art to which the present invention pertains.
따라서, 본 발명의 사상은 설명된 실시예에 국한되어 정해져서는 아니되며, 후술하는 특허청구범위뿐 아니라 이 특허청구범위와 균등하거나 등가적 변형이 있는 모든 것들은 본 발명 사상의 범주에 속한다고 할 것이다.Therefore, the spirit of the present invention should not be limited to the described embodiments, and not only the claims to be described later, but also all those with equivalent or equivalent modifications to the claims will be said to belong to the scope of the spirit of the present invention. .
Claims (20)
상기 부정행위 감시장치에서 제공하는 온라인 시험 어플리케이션이 설치되며, 상기 부정행위 감시장치에 네트워크로 접속되는 복수 개의 사용자 단말기들을 포함하며,
상기 사용자 단말기들 각각은, 제1 및 제2 센서를 구비하고, 상기 제1 및 제2 센서를 통해 센싱되는 수험자들의 시험 환경 정보를 상기 부정행위 감시장치로 전송하고,
상기 부정행위 감시장치는,
상기 사용자 단말기들에 설치된 상기 제1 센서를 통해 센싱된 상기 수험자의 영상 정보를 수신하고, 이를 분석하여 수험자들의 부정행위 행동을 검출하는 부정행위 행동 검출부; 및
상기 사용자 단말기들에 설치된 상기 제2 센서를 통해 센싱된 상기 수험자의 오디오 정보를 수신하고, 이를 분석하여 수험자들의 부정행위 음성을 검출하는 부정행위 음성 검출부를 포함하는 온라인 시험 부정행위 감시 시스템. a cheating monitor as a server that provides online exam questions;
The online test application provided by the fraud monitoring device is installed, and includes a plurality of user terminals connected to the cheating monitoring device through a network,
Each of the user terminals includes first and second sensors, and transmits test environment information of test takers sensed through the first and second sensors to the cheating monitoring device,
The fraud monitoring device,
a cheating behavior detection unit receiving the image information of the examinee sensed through the first sensor installed in the user terminals, and analyzing the image information to detect the cheating behavior of the test takers; and
and a cheating voice detector configured to receive the test taker's audio information sensed through the second sensor installed in the user terminals, and analyze the test taker's cheating voice to detect the test takers' cheating voice.
상기 제1 센서는 영상 센서로서 카메라를 포함하며, 상기 제2 센서는 오디오 센서로서 마이크를 포함하는 온라인 시험 부정행위 감시 시스템.The method of claim 1,
The first sensor includes a camera as an image sensor, and the second sensor includes a microphone as an audio sensor.
상기 부정행위 감시장치는,
상기 제1 및 제2 센서들로부터 센싱된 상기 수험자들의 시험 환경 정보들은 저장하는 메모리; 및
상기 메모리에 저장되는 상기 수험자들의 시험 환경 정보들 중 상기 검출된 수험자들의 부정행위 행동 및/또는 부정행위 음성 정보를 별도로 추출하여 저장 및 유지하는 데이터베이스를 더 포함하는 온라인 시험 부정행위 감시 시스템. The method of claim 1,
The fraud monitoring device,
a memory for storing test environment information of the test takers sensed by the first and second sensors; and
The online test cheating monitoring system further comprising a database for separately extracting, storing and maintaining the detected cheating behavior and/or cheating voice information of the test takers from among the test environment information of the test takers stored in the memory.
상기 데이터베이스는 상기 부정행위 감시장치에 접속한 사용자 단말기들의 고유 정보들 및 상기 온라인 시험 문제들을 저장 및 유지하는 온라인 시험 부정행위 감시 시스템.4. The method of claim 3,
The database is an online test cheating monitoring system for storing and maintaining unique information of user terminals connected to the cheating monitoring device and the online exam questions.
상기 부정행위 행동 검출부는,
상기 수신된 수험자의 영상 정보 중에서 단일 프레임 이미지 또는 연속된 구간 프레임 이미지를 추출하고, 상기 추출된 적어도 하나의 프레임 이미지에 포함된 객체의 행동에 대해 행동 인식(Action Recognition) 기법을 이용하여 상기 객체의 행동이 부정행위 행동인지 여부를 판단하고, 상기 추출된 프레임 이미지 중 부정행위 의심 행동이 포함된 프레임 이미지를 저장하는 온라인 시험 부정행위 감시 시스템.The method of claim 1,
The cheating behavior detection unit,
Extracting a single frame image or a continuous section frame image from the received image information of the examinee, and using an action recognition technique for the action of the object included in the extracted at least one frame image An online test cheating monitoring system for determining whether a behavior is a cheating behavior, and storing a frame image including a behavior suspected of cheating among the extracted frame images.
상기 행동 인식 기법은,
부정행위의 종류를 정의하고, 상기 정의된 부정 행위의 종류별로 영상을 수집하여 행동 인식기(Action Recognizer) 모델 학습을 통해 상기 부정행위의 패턴들을 미리 선정하고, 상기 미리 선정된 부정행위 패턴들과 상기 프레임 이미지에 포함된 객체의 행동을 비교하여 상기 수험자의 행동이 상기 부정행위 패턴들과 실질적으로 일치하는 지 여부를 판단하는 온라인 시험 부정행위 감시 시스템.6. The method of claim 5,
The behavior recognition technique is
The types of cheating are defined, and images are collected for each defined type of cheating, the patterns of cheating are selected in advance through action recognizer model learning, and the predetermined cheating patterns and the An online test cheating monitoring system that compares the behavior of the object included in the frame image to determine whether the examinee's behavior substantially matches the cheating patterns.
상기 부정행위 음성 검출부는,
상기 제2 센서를 통해 센싱된 수험자의 오디오 정보를 포함한 순차적인 오디오 프레임들 중에서 소리가 발생된 구간을 검출하여 저장하는 소리발생구간 검출부;
상기 저장된 소리발생 구간 데이터에서 화자별로 음성을 분리하고, 상기 분리된 화자별 음성 구간을 저장하는 화자검출부; 및
상기 화자별 음성과 수험자의 음성을 비교 분석하여 상기 수험자의 부정행위 음성을 탐지하는 음성인식부를 포함하는 온라인 시험 부정행위 감시 시스템.The method of claim 1,
The fraudulent voice detection unit,
a sound generation section detecting unit for detecting and storing a section in which a sound is generated from among sequential audio frames including audio information of the examinee sensed by the second sensor;
a speaker detection unit that separates voices for each speaker from the stored sound generation section data and stores the separated voice sections for each speaker; and
and a voice recognition unit configured to compare and analyze each speaker's voice and the examinee's voice to detect the test taker's cheating voice.
상기 화자검출부는, 상기 저장된 소리발생 구간 데이터에서 상기 발생된 소리 데이터 중 사람의 음성 데이터가 포함되어 있는지 판단하는 온라인 시험 부정행위 감시 시스템.8. The method of claim 7,
The speaker detection unit is an online test cheating monitoring system for determining whether human voice data is included in the generated sound data in the stored sound generation section data.
상기 화자검출부는, 상기 음성 데이터가 포함되는 것으로 판단할 경우, 여러 명이 대화하여 복수의 화자가 인지되면 상기 음성 데이터를 화자별로 분리하고, 상기 분리된 화자별 음성 데이터 구간을 저장하는 온라인 시험 부정행위 감시 시스템.9. The method of claim 8,
When it is determined that the voice data is included, the speaker detection unit separates the voice data for each speaker and stores the separated voice data section for each speaker when multiple speakers are recognized through conversation surveillance system.
상기 음성인식부는, 음성인식 기능을 활용하여 상기 화자별 음성데이터를 분리 추출하고, 이를 텍스트로 변환하여 저장하며, 상기 변환된 텍스트와 실제 제출된 온라인 시험 문제 텍스트를 비교하여 상기 변환된 텍스트가 실제 시험 문제 텍스트와 실질적으로 일치하는지 여부를 판별하고, 상기 변환된 텍스트가 실제 시험 문제 텍스트와 실질적으로 일치되는 것으로 판단되면 상기 추출된 화자별 음성 데이터에 해당하는 부정행위 의심 구간의 음성 데이터 및 그 변환된 텍스트 정보를 저장하는 온라인 시험 부정행위 감시 시스템.10. The method of claim 9,
The voice recognition unit separates and extracts the voice data for each speaker by utilizing a voice recognition function, converts it into text and stores it, and compares the converted text with the actually submitted online test text to ensure that the converted text is actually It is determined whether or not it substantially matches the test question text, and when it is determined that the converted text is substantially consistent with the actual test question text, the voice data of the suspected cheating section corresponding to the extracted voice data for each speaker and its conversion Online exam cheating monitoring system that stores text information.
상기 사용자 단말기들에 설치된 제1 센서를 통해 센싱된 상기 수험자의 영상 정보를 수신하고, 이를 분석하여 수험자들의 부정행위 행동을 검출하는 부정행위 행동 검출 단계; 및
상기 사용자 단말기들에 설치된 상기 제2 센서를 통해 센싱된 상기 수험자의 오디오 정보를 수신하고, 이를 분석하여 수험자들의 부정행위 음성을 검출하는 부정행위 음성 검출 단계를 포함하는 온라인 시험 부정행위 감시 방법. A cheating monitoring device as a server that provides online test questions and an online testing application provided by the cheating monitoring device are installed, and online exam cheating monitoring including a plurality of user terminals connected to the cheating monitoring device through a network In the method,
a cheating behavior detection step of receiving the image information of the examinee sensed through the first sensor installed in the user terminals, and analyzing the image information to detect the cheating behavior of the test takers; and
and a fraudulent voice detection step of receiving the test taker's audio information sensed through the second sensor installed in the user terminals, and analyzing the test taker's cheating voice to detect the test taker's cheating voice.
상기 제1 센서는 영상 센서로서 카메라를 포함하며, 상기 제2 센서는 오디오 센서로서 마이크를 포함하는 온라인 시험 부정행위 감시 방법.12. The method of claim 11,
The first sensor includes a camera as an image sensor, and the second sensor includes a microphone as an audio sensor.
상기 제1 및 제2 센서들로부터 센싱된 상기 수험자들의 시험 환경 정보들은 메모리에 저장하는 단계; 및
상기 메모리에 저장되는 상기 수험자들의 시험 환경 정보들 중 상기 검출된 수험자들의 부정행위 행동 및/또는 부정행위 음성 정보를 별도로 추출하여 데이터베이스에 저장 및 유지하는 단계를 더 포함하는 온라인 시험 부정행위 감시 방법. 12. The method of claim 11,
storing the test environment information of the test takers sensed by the first and second sensors in a memory; and
The online test cheating monitoring method further comprising the step of separately extracting the detected cheating behavior and/or cheating voice information of the test takers from among the test environment information of the test takers stored in the memory, storing and maintaining in a database.
상기 데이터베이스는 상기 부정행위 감시장치에 접속한 사용자 단말기들의 고유 정보들 및 상기 온라인 시험 문제들을 저장 및 유지하는 온라인 시험 부정행위 감시 방법.14. The method of claim 13,
The database is an online test cheating monitoring method for storing and maintaining unique information of user terminals connected to the cheating monitoring device and the online exam questions.
상기 부정행위 행동 검출 단계는,
상기 수신된 수험자의 영상 정보 중에서 단일 프레임 이미지 또는 연속된 구간 프레임 이미지를 추출하는 단계;
상기 추출된 적어도 하나의 프레임 이미지에 포함된 객체의 행동에 대해 행동 인식(Action Recognition) 기법을 이용하여 상기 객체의 행동이 부정행위 행동인지 여부를 판단하는 단계; 및
상기 추출된 프레임 이미지 중 부정행위 의심 행동이 포함된 프레임 이미지를 저장하는 단계를 포함하는 온라인 시험 부정행위 감시 방법.12. The method of claim 11,
The fraudulent behavior detection step includes:
extracting a single frame image or a continuous section frame image from the received image information of the examinee;
determining whether the action of the object is a cheating action by using an action recognition technique with respect to the action of the object included in the extracted at least one frame image; and
and storing a frame image including a behavior suspected of cheating among the extracted frame images.
상기 행동 인식 기법은,
부정행위의 종류를 정의하고, 상기 정의된 부정 행위의 종류별로 영상을 수집하여 행동 인식기(Action Recognizer) 모델 학습을 통해 상기 부정행위의 패턴들을 미리 선정하고, 상기 미리 선정된 부정행위 패턴들과 상기 프레임 이미지에 포함된 객체의 행동을 비교하여 상기 수험자의 행동이 상기 부정행위 패턴들과 실질적으로 일치하는 지 여부를 판단하는 온라인 시험 부정행위 감시 방법.16. The method of claim 15,
The behavior recognition technique is
The types of cheating are defined, and images are collected for each defined type of cheating, the patterns of cheating are selected in advance through action recognizer model learning, and the predetermined cheating patterns and the An online test cheating monitoring method for comparing the behavior of the object included in the frame image to determine whether the behavior of the examinee substantially matches the cheating patterns.
상기 부정행위 음성 검출 단계는,
상기 제2 센서를 통해 센싱된 수험자의 오디오 정보를 포함한 순차적인 오디오 프레임들 중에서 소리가 발생된 구간을 검출하여 저장하는 소리발생구간 검출 단계;
상기 저장된 소리발생 구간 데이터에서 화자별로 음성을 분리하고, 상기 분리된 화자별 음성 구간을 저장하는 화자검출 단계; 및
상기 화자별 음성과 수험자의 음성을 비교 분석하여 상기 수험자의 부정행위 음성을 탐지하는 음성인식 단계를 포함하는 온라인 시험 부정행위 감시 방법.12. The method of claim 11,
The fraudulent voice detection step includes:
a sound generation section detecting step of detecting and storing a section in which a sound is generated from among sequential audio frames including audio information of the examinee sensed through the second sensor;
a speaker detection step of separating a voice for each speaker from the stored sound generation section data and storing the separated voice section for each speaker; and
and a voice recognition step of detecting the test taker's cheating voice by comparing and analyzing the speaker's voice and the test taker's voice.
상기 화자검출 단계는,
상기 저장된 소리발생 구간 데이터에서 상기 발생된 소리 데이터 중 사람의 음성 데이터가 포함되어 있는지 판단하는 단계를 포함하는 온라인 시험 부정행위 감시 방법.18. The method of claim 17,
The speaker detection step is
and determining whether human voice data is included in the generated sound data in the stored sound generation section data.
상기 화자검출 단계는,
상기 음성 데이터가 포함되는 것으로 판단할 경우, 여러 명이 대화하여 복수의 화자가 인지되면 상기 음성 데이터를 화자별로 분리하고, 상기 분리된 화자별 음성 데이터 구간을 저장하는 단계를 더 포함하는 온라인 시험 부정행위 감시 방법.19. The method of claim 18,
The speaker detection step is
When it is determined that the voice data is included, if a plurality of people talk and a plurality of speakers are recognized, separating the voice data for each speaker, and storing the separated voice data section for each speaker monitoring method.
상기 음성인식 단계는,
음성인식 기능을 활용하여 상기 화자별 음성데이터를 분리 추출하고, 이를 텍스트로 변환하여 저장하는 단계;
상기 변환된 텍스트와 실제 제출된 온라인 시험 문제 텍스트를 비교하여 상기 변환된 텍스트가 실제 시험 문제 텍스트와 실질적으로 일치하는지 여부를 판별하는 단계; 및
상기 변환된 텍스트가 실제 시험 문제 텍스트와 실질적으로 일치되는 것으로 판단되면 상기 추출된 화자별 음성 데이터에 해당하는 부정행위 의심 구간의 음성 데이터 및 그 변환된 텍스트 정보를 저장하는 단계를 포함하는 온라인 시험 부정행위 감시 방법.20. The method of claim 19,
The voice recognition step is
Separating and extracting the voice data for each speaker using a voice recognition function, converting it into text and storing the same;
comparing the converted text with the actual submitted online test question text to determine whether the converted text substantially matches the actual test question text; and
When it is determined that the converted text is substantially consistent with the actual test question text, online test fraud comprising the step of storing the voice data of the suspected cheating section corresponding to the extracted speaker-specific voice data and the converted text information How to monitor behavior.
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020210049020A KR102668656B1 (en) | 2021-04-15 | 2021-04-15 | System and method for monitoring cheating in online test |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020210049020A KR102668656B1 (en) | 2021-04-15 | 2021-04-15 | System and method for monitoring cheating in online test |
Publications (2)
Publication Number | Publication Date |
---|---|
KR20220142681A true KR20220142681A (en) | 2022-10-24 |
KR102668656B1 KR102668656B1 (en) | 2024-05-27 |
Family
ID=83805654
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
KR1020210049020A KR102668656B1 (en) | 2021-04-15 | 2021-04-15 | System and method for monitoring cheating in online test |
Country Status (1)
Country | Link |
---|---|
KR (1) | KR102668656B1 (en) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR102599020B1 (en) * | 2022-11-15 | 2023-11-06 | 주식회사 에딘트 | Method, program, and apparatus for monitoring behaviors based on artificial intelligence |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002016558A (en) * | 2000-06-29 | 2002-01-18 | Yamatake Building Systems Co Ltd | Voice information transmission function confirmation system |
KR20150030887A (en) * | 2013-09-13 | 2015-03-23 | (주)휴노 | The method and system for monitoring cheating |
KR20180050968A (en) * | 2016-11-07 | 2018-05-16 | 주식회사 조인트리 | on-line test management method |
-
2021
- 2021-04-15 KR KR1020210049020A patent/KR102668656B1/en active IP Right Grant
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002016558A (en) * | 2000-06-29 | 2002-01-18 | Yamatake Building Systems Co Ltd | Voice information transmission function confirmation system |
KR20150030887A (en) * | 2013-09-13 | 2015-03-23 | (주)휴노 | The method and system for monitoring cheating |
KR20180050968A (en) * | 2016-11-07 | 2018-05-16 | 주식회사 조인트리 | on-line test management method |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR102599020B1 (en) * | 2022-11-15 | 2023-11-06 | 주식회사 에딘트 | Method, program, and apparatus for monitoring behaviors based on artificial intelligence |
WO2024106604A1 (en) * | 2022-11-15 | 2024-05-23 | 주식회사 에딘트 | Artificial intelligence-based behavior monitoring method, program, and device |
Also Published As
Publication number | Publication date |
---|---|
KR102668656B1 (en) | 2024-05-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110347524B (en) | Abnormal information feedback method and device, storage medium and electronic equipment | |
CN105930247B (en) | Processing method, device and the mobile terminal of system reboot problem | |
JP6167245B2 (en) | COMMUNICATION MESSAGE IDENTIFICATION METHOD, COMMUNICATION MESSAGE IDENTIFICATION DEVICE, PROGRAM, AND RECORDING MEDIUM | |
US20140314284A1 (en) | Data acquisition for machine perception systems | |
KR102304701B1 (en) | Method and apparatus for providng response to user's voice input | |
CN109359056A (en) | A kind of applied program testing method and device | |
WO2015188035A1 (en) | Systems and methods for detecting, identifying and tracking objects and events over time | |
KR20210039114A (en) | Mobile and operating method thereof | |
US12063321B2 (en) | Modular camera interface with context-based display elements utilizing first and second lens | |
CN112100431B (en) | Evaluation method, device and equipment of OCR system and readable storage medium | |
US20210304339A1 (en) | System and a method for locally assessing a user during a test session | |
WO2021179565A1 (en) | Method and apparatus for acquiring information | |
CN112241361A (en) | Test case generation method and device and problem scene automatic reproduction method and device | |
KR102668656B1 (en) | System and method for monitoring cheating in online test | |
US20240311277A1 (en) | Automated testing of mobile devices using visual analysis | |
US10223927B2 (en) | Contemporaneous capture and tagging of media evidence for education evaluation | |
CN109793491B (en) | Terminal equipment for color blindness detection | |
KR20240078635A (en) | Method, apparatus, and computer program for detecting macro program usage | |
KR20190118139A (en) | System for analyzing image and method thereof | |
US20210224522A1 (en) | Electronic device and control method therefor | |
KR20210017708A (en) | Mobile and operating method thereof | |
EP3677392B1 (en) | Robot and method of controlling the same | |
US9269159B2 (en) | Systems and methods for tracking object association over time | |
CN114490228B (en) | Bluetooth automatic test method and related device | |
JP4932938B1 (en) | Call system |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
E902 | Notification of reason for refusal | ||
E701 | Decision to grant or registration of patent right | ||
GRNT | Written decision to grant |