KR20240000811A - 안면 인식 패턴 분석 기반 학습 컨텐츠 제공 방법 및 장치 - Google Patents

Abstract

본 개시는 사용자 단말의 적어도 하나의 프로세서에 의해 수행되는 안면 인식 패턴 분석 기반 학습 컨텐츠 제공 방법을 제공한다. 이 방법은, 학습 컨텐츠를 사용자 단말의 디스플레이 상에 출력하는 단계, 학습 컨텐츠가 진행되는 동안, 사용자의 안면 정보를 수신하는 단계, 사용자의 안면 정보에 기초하여, 사용자의 집중도 등급을 산출하는 단계 및 사용자의 집중도 등급에 기초하여, 학습 컨텐츠의 적어도 일부를 제공하는 단계를 포함한다.

Description

안면 인식 패턴 분석 기반 학습 컨텐츠 제공 방법 및 장치{METHOD AND APPARATUS FOR PROVIDING LEARNING CONTENTS BASED ON FACIAL RECOGNITION PATTERN ANALYSIS}

본 개시는 안면 인식 패턴 분석 기반 학습 컨텐츠 제공 방법 및 시스템에 관한 것으로, 구체적으로, 학습 컨텐츠 진행 중 사용자의 안면을 인식하여 얼굴 패턴을 분석함으로써, 집중도가 낮은 구간과 연관된 학습 컨텐츠를 제공하는 안면 인식 패턴 분석 기반 학습 컨텐츠 제공 방법 및 시스템에 관한 것이다.

코로나 등 다양한 사회현상의 영향으로 비대면 수업이 늘어나고 있다. 특히, 온라인 강의는 비대면으로 이루어지는 특성상, 수강생들의 수업 태도에 대한 피드백이 이루어지지 않는다. 따라서, 온라인 강의 중 수강생들이 졸거나, 딴짓을 하더라도 온라인 강의는 계속해서 진행된다. 이에 따라, 수강생들은 수업 내용을 놓쳐 다른 수강생들과 성적의 격차가 가속화되고, 수강생들은 공부에 대한 흥미를 잃기 쉽다.

또한, 최근 AI 등을 활용한 학습이 교육산업에 나타나고 있지만, 이러한 학습은 수강생의 수준 및 필요 학습량을 제시할 뿐, 수강생이 스스로 학습에 직접 참여할 방법, 다른 수강생과의 학습능력 차이를 극복할 방안을 제시하지 못하고 있다. 특히, 수강생의 학습 태도에 대한 피드백이 전혀 반영되지 않아 수강생의 학습 능력과 학습 과정은 서로 연계되지 못하고 있다.

본 개시는 상기와 같은 문제점을 해결하기 위한 안면 인식 패턴 분석 기반 학습 컨텐츠 제공 방법 및 장치(시스템)를 제공한다.

본 개시는 방법, 장치(시스템) 또는 판독 가능 저장 매체에 저장된 컴퓨터 프로그램을 포함한 다양한 방식으로 구현될 수 있다.

본 개시의 일 실시예에 따르면, 사용자 단말의 적어도 하나의 프로세서에 의해 수행되는 안면 인식 패턴 분석 기반 학습 컨텐츠 제공 방법은, 학습 컨텐츠를 사용자 단말의 디스플레이 상에 출력하는 단계, 학습 컨텐츠가 진행되는 동안, 사용자의 안면 정보를 수신하는 단계, 사용자의 안면 정보에 기초하여, 사용자의 집중도 등급을 산출하는 단계 및 사용자의 집중도 등급에 기초하여, 학습 컨텐츠의 적어도 일부를 제공하는 단계를 포함할 수 있다.

본 개시의 일 실시예에 따르면, 사용자의 안면 정보에 기초하여, 사용자의 집중도 등급을 산출하는 단계는, 사전에 학습된 안면 인식 이미지에 기초하여, 적어도 하나 이상의 사용자의 얼굴 패턴을 분석하는 단계를 포함할 수 있다.

본 개시의 일 실시예에 따르면, 사용자의 집중도 등급은, 사용자의 얼굴 패턴의 수만큼 분할하여 산출될 수 있다.

본 개시의 일 실시예에 따르면, 사용자의 집중도 등급에 기초하여, 학습 컨텐츠의 적어도 일부를 제공하는 단계는, 사용자의 집중도 등급이 임계 등급보다 낮은 구간을 포함하는 학습 컨텐츠의 적어도 일부를 교차하여 제공하는 단계를 포함할 수 있다.

본 개시의 일 실시예에 따르면, 사용자의 집중도 등급의 그래프를 제공하는 단계를 더 포함할 수 있다.

본 개시의 일 실시예에 따르면, 학습 컨텐츠를 이용한 사용자들의 평균 집중도 등급의 그래프를 제공하는 단계를 더 포함할 수 있다.

본 개시의 일 실시예에 따르면, 학습 컨텐츠의 적어도 일부와 연관된 지문, 이미지 또는 동영상 중 적어도 하나를 추가로 제공하는 단계를 더 포함할 수 있다.

본 개시의 일 실시예에 따르면, 사용자의 집중도 등급에 기초하여, 학습 컨텐츠와 연관된 학습 가이드라인을 제공하는 단계를 더 포함할 수 있다.

본 개시의 일 실시예에 따르면, 안면 인식 패턴 분석 기반 학습 컨텐츠 제공 방법을 컴퓨터에서 실행하기 위해 컴퓨터 판독 가능한 기록 매체에 저장된 컴퓨터 프로그램이 제공될 수 있다.

본 개시의 일 실시예에 따르면, 안면 인식 패턴 분석 기반 학습 컨텐츠 제공 장치가 제공될 수 있다. 안면 인식 패턴 분석 기반 학습 컨텐츠 제공 장치는 학습 컨텐츠를 포함하는 적어도 하나의 데이터 베이스 및 적어도 하나의 제어부를 포함하고, 적어도 하나의 제어부는, 학습 컨텐츠를 사용자 단말의 디스플레이 상에 출력하고, 학습 컨텐츠가 진행되는 동안, 사용자의 안면 정보를 수신하고, 사용자의 안면 정보에 기초하여, 사용자의 집중도 등급을 산출하고, 사용자의 집중도 등급에 기초하여, 학습 컨텐츠의 적어도 일부를 제공하기 위한 명령어들을 실행하도록 구성될 수 있다.

본 개시의 다양한 실시예에 따르면, 사용자가 수업 중 딴짓을 하거나 조는 등 수업에 집중하지 못하는 경우에도, 사용자는 집중하지 못한 구간에서의 학습 컨텐츠를 제공받아 학습 능력을 향상시킬 수 있다. 또한, 사용자에게 자신의 집중도와 연관된 피드백을 제공함으로써, 사용자는 자신의 학습 태도를 인식할 수 있다. 따라서, 사용자는 사용자의 학습 컨텐츠에 보다 집중하기 위해 노력하여, 자기 주도적으로 공부할 수 있다.

본 개시의 다양한 실시예에 따르면, 사용자는 집중도 등급 그래프를 통해 강의 시간에 따른 집중도를 파악하여 집중도 하위 구간과 연관된 학습에 대해 보완할 수 있다. 또한, 학습 컨텐츠 제공자는 평균 집중도 등급 그래프를 통해 사용자들의 평균 집중도를 파악하여, 학습 컨텐츠에 어떤 구성을 추가하고 삭제할지에 대한 피드백을 얻을 수 있다.

본 개시의 다양한 실시예에 따르면, 사용자는 집중하지 못한 강의 구간을 다시 수강하여 자신의 부족한 학습 능력을 보완할 수 있다. 또한, 해당 구간과 연관된 추가적인 학습 자료를 통해 사용자는 집중하지 못했던 학습 컨텐츠에 흥미를 가질 수 있고, 집중하지 못했던 학습 컨텐츠를 쉽게 이해할 수 있다. 이에 따라, 사용자는 자신의 학습 능력을 보완하여 다른 수강생과의 성적 격차를 좁힐 수 있다.

본 개시의 효과는 이상에서 언급한 효과로 제한되지 않으며, 언급되지 않은 다른 효과들은 청구범위의 기재로부터 본 개시가 속하는 기술분야에서 통상의 지식을 가진 자(“통상의 기술자”라 함)에게 명확하게 이해될 수 있을 것이다.

본 개시의 실시예들은, 이하 설명하는 첨부 도면들을 참조하여 설명될 것이며, 여기서 유사한 참조 번호는 유사한 요소들을 나타내지만, 이에 한정되지는 않는다.
도 1은 본 개시의 일 실시예에 따라 사용자가 사용자 단말을 이용하여 학습 컨텐츠를 수강하는 예시를 나타낸다.
도 2는 본 개시의 일 실시예에 따른 학습 컨텐츠 제공 방법을 제공하기 위하여, 정보 처리 시스템이 복수의 사용자 단말과 통신 가능하도록 연결된 구성을 나타내는 개요도이다.
도 3은 본 개시의 일 실시예에 따른 학습 컨텐츠 제공 장치의 개략적인 블록도이다.
도 4는 본 개시의 일 실시예에 따라 안면 인식 패턴이 분석되는 예시를 나타낸다.
도 5는 본 개시의 일 실시예에 따라 집중도 등급 그래프와 평균 집중도 등급 그래프가 출력되는 예시를 나타낸다.
도 6은 본 개시의 일 실시예에 따라 제공되는 학습 가이드라인의 예시를 나타낸다.
도 7은 본 개시의 일 실시예에 따라 안면 인식 패턴 분석 기반 학습 컨텐츠 제공 방법의 예시를 나타내는 흐름도이다.

이하, 본 개시의 실시를 위한 구체적인 내용을 첨부된 도면을 참조하여 상세히 설명한다. 다만, 이하의 설명에서는 본 개시의 요지를 불필요하게 흐릴 우려가 있는 경우, 널리 알려진 기능이나 구성에 관한 구체적 설명은 생략하기로 한다.

첨부된 도면에서, 동일하거나 대응하는 구성요소에는 동일한 참조부호가 부여되어 있다. 또한, 이하의 실시예들의 설명에 있어서, 동일하거나 대응되는 구성요소를 중복하여 기술하는 것이 생략될 수 있다. 그러나, 구성요소에 관한 기술이 생략되어도, 그러한 구성요소가 어떤 실시예에 포함되지 않는 것으로 의도되지는 않는다.

개시된 실시예의 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 후술되어 있는 실시예들을 참조하면 명확해질 것이다. 그러나, 본 개시는 이하에서 개시되는 실시예들에 한정되는 것이 아니라 서로 다른 다양한 형태로 구현될 수 있으며, 단지 본 실시예들은 본 개시가 완전하도록 하고, 본 개시가 통상의 기술자에게 발명의 범주를 완전하게 알려주기 위해 제공되는 것일 뿐이다.

본 명세서에서 사용되는 용어에 대해 간략히 설명하고, 개시된 실시예에 대해 구체적으로 설명하기로 한다. 본 명세서에서 사용되는 용어는 본 개시에서의 기능을 고려하면서 가능한 현재 널리 사용되는 일반적인 용어들을 선택하였으나, 이는 관련 분야에 종사하는 기술자의 의도 또는 판례, 새로운 기술의 출현 등에 따라 달라질 수 있다. 또한, 특정한 경우는 출원인이 임의로 선정한 용어도 있으며, 이 경우 해당되는 발명의 설명 부분에서 상세히 그 의미를 기재할 것이다. 따라서, 본 개시에서 사용되는 용어는 단순한 용어의 명칭이 아닌, 그 용어가 가지는 의미와 본 개시의 전반에 걸친 내용을 토대로 정의되어야 한다.

본 명세서에서의 단수의 표현은 문맥상 명백하게 단수인 것으로 특정하지 않는 한, 복수의 표현을 포함한다. 또한, 복수의 표현은 문맥상 명백하게 복수인 것으로 특정하지 않는 한, 단수의 표현을 포함한다. 명세서 전체에서 어떤 부분이 어떤 구성요소를 포함한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있음을 의미한다.

또한, 명세서에서 사용되는 '모듈' 또는 '부'라는 용어는 소프트웨어 또는 하드웨어 구성요소를 의미하며, '모듈' 또는 '부'는 어떤 역할들을 수행한다. 그렇지만, '모듈' 또는 '부'는 소프트웨어 또는 하드웨어에 한정되는 의미는 아니다. '모듈' 또는 '부'는 어드레싱할 수 있는 저장 매체에 있도록 구성될 수도 있고 하나 또는 그 이상의 프로세서들을 재생시키도록 구성될 수도 있다. 따라서, 일 예로서, '모듈' 또는 '부'는 소프트웨어 구성요소들, 객체지향 소프트웨어 구성요소들, 클래스 구성요소들 및 태스크 구성요소들과 같은 구성요소들과, 프로세스들, 함수들, 속성들, 프로시저들, 서브루틴들, 프로그램 코드의 세그먼트들, 드라이버들, 펌웨어, 마이크로 코드, 회로, 데이터, 데이터베이스, 데이터 구조들, 테이블들, 어레이들 또는 변수들 중 적어도 하나를 포함할 수 있다. 구성요소들과 '모듈' 또는 '부'들은 안에서 제공되는 기능은 더 작은 수의 구성요소들 및 '모듈' 또는 '부'들로 결합되거나 추가적인 구성요소들과 '모듈' 또는 '부'들로 더 분리될 수 있다.

본 개시의 일 실시예에 따르면, '모듈' 또는 '부'는 프로세서 및 메모리로 구현될 수 있다. '프로세서'는 범용 프로세서, 중앙 처리 장치(CPU), 마이크로프로세서, 디지털 신호 프로세서(DSP), 제어기, 마이크로제어기, 상태 머신 등을 포함하도록 넓게 해석되어야 한다. 몇몇 환경에서, '프로세서'는 주문형 반도체(ASIC), 프로그램가능 로직 디바이스(PLD), 필드 프로그램가능 게이트 어레이(FPGA) 등을 지칭할 수도 있다. '프로세서'는, 예를 들어, DSP와 마이크로프로세서의 조합, 복수의 마이크로프로세서들의 조합, DSP 코어와 결합한 하나 이상의 마이크로프로세서들의 조합, 또는 임의의 다른 그러한 구성들의 조합과 같은 처리 디바이스들의 조합을 지칭할 수도 있다. 또한, '메모리'는 전자 정보를 저장 가능한 임의의 전자 컴포넌트를 포함하도록 넓게 해석되어야 한다. '메모리'는 임의 액세스 메모리(RAM), 판독-전용 메모리(ROM), 비-휘발성 임의 액세스 메모리(NVRAM), 프로그램가능 판독-전용 메모리(PROM), 소거-프로그램가능 판독 전용 메모리(EPROM), 전기적으로 소거가능 PROM(EEPROM), 플래쉬 메모리, 자기 또는 광학 데이터 저장장치, 레지스터들 등과 같은 프로세서-판독가능 매체의 다양한 유형들을 지칭할 수도 있다. 프로세서가 메모리로부터 정보를 판독하고/하거나 메모리에 정보를 기록할 수 있다면 메모리는 프로세서와 전자 통신 상태에 있다고 불린다. 프로세서에 집적된 메모리는 프로세서와 전자 통신 상태에 있다.

본 개시에서, '시스템'은 서버 장치와 클라우드 장치 중 적어도 하나의 장치를 포함할 수 있으나, 이에 한정되는 것은 아니다. 예를 들어, 시스템은 하나 이상의 서버 장치로 구성될 수 있다. 다른 예로서, 시스템은 하나 이상의 클라우드 장치로 구성될 수 있다. 또 다른 예로서, 시스템은 서버 장치와 클라우드 장치가 함께 구성되어 동작될 수 있다.

본 개시에서, '디스플레이'는 컴퓨팅 장치와 연관된 임의의 디스플레이 장치를 지칭할 수 있는데, 예를 들어, 컴퓨팅 장치에 의해 제어되거나 컴퓨팅 장치로부터 제공된 임의의 정보/데이터를 표시할 수 있는 임의의 디스플레이 장치를 지칭할 수 있다.

본 개시에서, '복수의 A의 각각' 또는 '복수의 A 각각'은 복수의 A에 포함된 모든 구성 요소의 각각을 지칭하거나, 복수의 A에 포함된 일부 구성 요소의 각각을 지칭할 수 있다.

본 개시에서, '안면 인식 패턴'은 컴퓨터 비전(computer vision) 기술을 이용한 것으로서, 카메라 또는 웹 캠 등을 통하여 수신된 화면에서 사용자의 안면을 인식하여 패턴화한 것을 지칭할 수 있다. 구체적으로, 안면 인식 패턴은 수신된 화면에서 사용자의 얼굴 영역을 검출하고, 눈, 코, 입 등의 얼굴 특징점을 정렬하여 패턴화한 것을 지칭할 수 있다. 여기서, 안면 인식 패턴은 실시간으로 형성될 수 있고, 간헐적(예를 들어, 10초)으로도 형성될 수 있다.

도 1은 본 개시의 일 실시예에 따라 사용자가 사용자 단말(110)을 이용하여 학습 컨텐츠(120)를 수강하는 예시를 나타낸다. 사용자는 사용자 단말(110)의 디스플레이 상에 출력되는 학습 컨텐츠(120)를 수강할 수 있다. 또한, 학습 컨텐츠(120)가 진행되는 동안, 사용자 단말(110)에 탑재된 카메라(130)는 사용자를 촬영할 수 있다.

일 실시예에서, 촬영된 사용자의 안면 정보에 기초하여 사용자의 안면 인식 패턴이 분석될 수 있다. 여기서, 안면 정보는 촬영된 화면 내의 사용자 얼굴을 인식하여 검출된 사용자의 눈, 코, 입 및 얼굴 외곽 등을 포함할 수 있다. 그 후, 사용자의 안면 정보에 기초하여, 사용자의 얼굴 패턴은 사용자의 얼굴 내의 특징점이 정렬되어 형성될 수 있다. 얼굴 패턴이 분석되는 예시는 도 4에서 후술된다.

일 실시예에서, 분석된 사용자의 안면 인식 패턴에 기초하여 사용자의 집중도 등급이 산출될 수 있다. 여기서, 집중도 등급은 사용자의 안면 인식 패턴의 수만큼 분할하여 산출될 수 있다. 예를 들어, 사용자의 안면 인식 패턴이 4개인 경우, 집중도 등급의 수도 4개로 분류될 수 있다. 또한, 집중도 등급은 강의시간에 따른 집중도 등급을 나타내는 집중도 등급 그래프(140)를 통하여 확인될 수 있다.

일 실시예에서, 산출된 집중도 등급에 기초하여 학습 컨텐츠의 적어도 일부는 사용자에게 제공될 수 있다. 구체적으로, 사전에 결정된 집중도 등급보다 낮은 집중도 등급 하위 구간(142)에 해당되는 학습 컨텐츠의 일부는 사용자에게 다시 제공될 수 있다. 예를 들어, 집중도 등급 하위 구간(142)에 해당하는 강의 영상의 구간이 3분에서 5분 30초인 경우, 해당 구간의 강의 영상은 사용자 단말(110)에 재생될 수 있다. 여기서, 해당 구간의 강의 영상은 배속 기능을 포함할 수 있다.

일 실시예에서, 학습 컨텐츠(130)의 구간별로 학습 컨텐츠(130)의 적어도 일부와 연관된 지문, 이미지, 음성 또는 동영상 등이 사용자에게 추가로 제공될 수 있다. 예를 들어, 사용자가 학습 컨텐츠(130)의 구간별로 연관 학습을 나타내는 아이콘을 선택하는 경우, 해당 구간과 연관된 지문, 이미지, 음성 또는 동영상이 사용자 단말의 디스플레이 상에 출력될 수 있다. 여기서, 추가로 제공되는 학습 컨텐츠는 강의 영상뿐만 아니라, 사용자의 흥미를 유발할 수 있는 미국 드라마, 뉴스 등을 포함할 수 있다.

이러한 구성에 의해, 사용자가 수업 중 딴짓을 하거나 조는 등 수업에 집중하지 못하는 경우에도, 사용자는 집중하지 못한 구간에서의 학습 컨텐츠를 제공받아 학습 능력을 향상시킬 수 있다. 또한, 사용자는 학습 컨텐츠와 연관된 추가 학습 컨텐츠를 제공받음으로써, 사용자의 집중도를 향상시키고, 사용자의 흥미를 유발할 수 있다. 추가적으로, 사용자에게 자신의 집중도와 연관된 피드백을 제공함으로써, 사용자는 자신의 학습 태도를 인식할 수 있다. 따라서, 사용자는 사용자의 학습 컨텐츠에 보다 집중하기 위해 노력하여, 자기 주도적으로 공부할 수 있다.

도 2는 본 개시의 일 실시예에 따른 학습 컨텐츠 제공 방법을 제공하기 위하여, 정보 처리 시스템(230)이 복수의 사용자 단말(210_1, 210_2, 210_3)과 통신 가능하도록 연결된 구성을 나타내는 개요도이다. 여기서, 사용자 단말(210_1, 210_2, 210_3)은 학습 컨텐츠 제공 장치와 대응될 수 있다. 정보 처리 시스템(230)은 네트워크(220)를 통해 학습 컨텐츠 제공과 관련된 서비스를 제공할 수 있는 시스템(들)을 포함할 수 있다. 일 실시예에서, 정보 처리 시스템(230)은 학습 컨텐츠 제공과 관련된 컴퓨터 실행 가능한 프로그램(예를 들어, 다운로드 가능한 어플리케이션) 및 데이터를 저장, 제공 및 실행할 수 있는 하나 이상의 서버 장치 및/또는 데이터베이스, 또는 클라우드 컴퓨팅 서비스 기반의 하나 이상의 분산 컴퓨팅 장치 및/또는 분산 데이터베이스를 포함할 수 있다. 예를 들어, 정보 처리 시스템(230)은 학습 컨텐츠 제공과 관련된 서비스를 제공하기 위한 별도의 시스템(예를 들어, 서버)들을 포함할 수 있다. 정보 처리 시스템(230)에 의해 제공되는 학습 컨텐츠와 관련된 서비스는, 복수의 사용자 단말(210_1, 210_2, 210_3)의 각각에 설치된 학습 컨텐츠 제공을 위한 어플리케이션 또는 웹 브라우저 어플리케이션을 통해 사용자(예를 들어, 사용자 등)에게 제공될 수 있다.

복수의 사용자 단말(210_1, 210_2, 210_3)(또는 학습 컨텐츠 제공 장치)은 네트워크(220)를 통해 정보 처리 시스템(230)과 통신할 수 있다. 네트워크(220)는 복수의 사용자 단말(210_1, 210_2, 210_3)과 정보 처리 시스템(230) 사이의 통신이 가능하도록 구성될 수 있다. 네트워크(220)는 설치 환경에 따라, 예를 들어, 이더넷(Ethernet), 유선 홈 네트워크(Power Line Communication), 전화선 통신 장치 및 RS-serial 통신 등의 유선 네트워크, 이동통신망, WLAN(Wireless LAN), Wi-Fi, Bluetooth 및 ZigBee 등과 같은 무선 네트워크 또는 그 조합으로 구성될 수 있다. 통신 방식은 제한되지 않으며, 네트워크(220)가 포함할 수 있는 통신망(일례로, 이동통신망, 유선 인터넷, 무선 인터넷, 방송망, 위성망 등)을 활용하는 통신 방식뿐 아니라 사용자 단말(210_1, 210_2, 210_3) 사이의 근거리 무선 통신 역시 포함될 수 있다.

도 2에서 휴대폰 단말(210_1), 태블릿 단말(210_2) 및 PC 단말 (210_3)이 사용자 단말의 예로서 도시되었으나, 이에 한정되지 않으며, 사용자 단말(210_1, 210_2, 210_3)은 유선 및/또는 무선 통신이 가능하고 이미지 센서가 탑재된 임의의 컴퓨팅 장치일 수 있다. 예를 들어, 사용자 단말은, 스마트폰, 휴대폰, 내비게이션, 컴퓨터, 노트북, 디지털방송용 단말, PDA(Personal Digital Assistants), PMP(Portable Multimedia Player), 태블릿 PC, 게임 콘솔(game console), 웨어러블 디바이스(wearable device), IoT(internet of things) 디바이스, VR(virtual reality) 디바이스, AR(augmented reality) 디바이스 등을 포함할 수 있다. 또한, 도 2에는 3개의 사용자 단말(210_1, 210_2, 210_3)이 네트워크(220)를 통해 정보 처리 시스템(230)과 통신하는 것으로 도시되어 있으나, 이에 한정되지 않으며, 상이한 수의 사용자 단말이 네트워크(220)를 통해 정보 처리 시스템(230)과 통신하도록 구성될 수도 있다. 복수의 사용자 단말(210_1, 210_2, 210_3)은 학습 컨텐츠 제공 서비스를 이용하는 사용자들의 사용자 단말일 수 있다.

도 3은 본 개시의 일 실시예에 따른 학습 컨텐츠 제공 장치(300)의 개략적인 블록도이다. 학습 컨텐츠 제공 장치(300)는 학습 컨텐츠 제공을 위한 어플리케이션, 웹 브라우저 어플리케이션 등이 실행 가능하고 유/무선 통신이 가능한 임의의 컴퓨팅 장치를 지칭할 수 있으며, 예를 들어, 도 2의 휴대폰 단말(210_1), 태블릿 단말(210_2), PC 단말(210_3) 등을 포함할 수 있다. 도시된 바와 같이, 학습 컨텐츠 제공 장치(300)는 통신부(310), 제어부(320), 디스플레이 장치(330) 및 데이터베이스(340)를 포함할 수 있다.

일 실시예에서, 학습 컨텐츠 제공 장치(300)는 도 2에 도시된 사용자 단말(210)에 대응될 수 있다. 여기서, 제어부(320)는 적어도 하나의 프로세서 및 메모리를 포함할 수 있다. 또한, 디스플레이 장치(330)는 디스플레이 이외에 오디오 출력 장치를 포함할 수 있다.

통신부(310)는 네트워크(예를 들어, 도 2의 220)를 통해 학습 컨텐츠 제공 장치(300)와 정보 처리 시스템(예를 들어, 도 2의 230)이 서로 통신하기 위한 구성 또는 기능을 제공할 수 있으며, 학습 컨텐츠 제공 장치(300) 및/또는 정보 처리 시스템이 다른 사용자 단말 또는 다른 시스템(일례로 별도의 클라우드 시스템 등)과 통신하기 위한 구성 또는 기능을 제공할 수 있다. 일례로, 학습 컨텐츠 제공 장치(300)의 제어부(320)가 데이터베이스(340) 등과 같은 기록 장치에 저장된 프로그램 코드에 따라 생성한 요청 또는 데이터(예를 들어, 학습 컨텐츠 제공을 제어하기 위한 요청, 이미지 데이터, 영상 데이터 등)는 통신부(310)의 제어에 따라 네트워크를 통해 정보 처리 시스템으로 전달될 수 있다.

학습 컨텐츠 제공 장치(300)는 통신부(310)를 통해 학습 컨텐츠 제공 서비스와 관련된 외부 서버(예를 들어, 도 2의 230) 등과 같은 외부 장치와 통신할 수 있다. 통신부(310)는 네트워크를 통해 사용자 단말이나 외부 서버 등과 같은 외부 장치와 통신하도록 구성되어 외부 장치에 제공된 학습 컨텐츠를 수신할 수 있다. 통신부(310)는 설치환경에 따라 예를 들어, 이더넷(Ethernet), 유선 홈 네트워크(Power Line Communication), 전화선 통신 장치 및 RS-serial 통신 등의 유선 네트워크 또는 WLAN(Wireless LAN), Bluetooth 및 지그비(ZigBee) 등과 같은 무선 네트워크로 다양하게 선택되어 구성될 수 있다.

제어부(320)는 기본적인 산술, 로직 및 입출력 연산을 수행함으로써, 컴퓨터 프로그램의 명령을 처리하도록 구성될 수 있다. 명령은 데이터베이스(340) 또는 통신부(310)에 의해 제어부(320)로 제공될 수 있다. 예를 들어, 제어부(320)는 데이터베이스(340)와 같은 기록 장치에 저장된 프로그램 코드에 따라 수신되는 명령을 실행하도록 구성될 수 있다.

일 실시예에 따르면, 제어부(320)는 학습 컨텐츠 제공을 위한 어플리케이션 또는 웹 브라우저 어플리케이션을 동작하도록 구성될 수 있다. 이 때, 해당 어플리케이션과 연관된 프로그램 코드가 학습 컨텐츠 제공 장치(300)의 데이터베이스(340)에 로딩될 수 있다. 어플리케이션이 동작되는 동안에, 학습 컨텐츠 제공 장치(300)의 제어부(320)는 학습 컨텐츠 제공 장치(300)와 유선/무선으로 연결된 입출력 장치(미도시)로부터 제공된 정보 및/또는 데이터를 디스플레이 장치(330)를 통해 수신할 수 있으며, 수신된 정보 및/또는 데이터(예를 들어, 사용자의 안면 정보 등)를 처리하여 데이터베이스(340)에 저장할 수 있다. 또한, 이러한 정보 및/또는 데이터는 통신부(310)를 통해 정보 처리 시스템에 제공할 수 있다.

학습 컨텐츠 제공을 위한 어플리케이션 또는 웹 브라우저 어플리케이션이 동작되는 동안에, 제어부(320)는 학습 컨텐츠 제공 장치(300)와 연결된 터치 스크린, 키보드, 오디오 센서 및/또는 이미지 센서를 포함한 카메라, 마이크로폰 등의 입력 장치를 통해 사용자 입력을 수신할 수 있으며, 사용자 입력을 기초로 제어 신호를 생성하여 디스플레이 장치(330)의 동작을 제어할 수 있다. 예를 들어, 사용자 입력을 기초로, 디스플레이 장치(330)에 학습 컨텐츠 제공과 연관된 사용자 인터페이스를 출력하거나, 이미 출력된 사용자 인터페이스에서 다른 사용자 인터페이스로 전환하여 출력할 수 있다. 다른 예로, 제어부(320)는 컴퓨팅 장치에 설치된 카메라를 통해 외부 영역의 영상을 지속적으로 또는 간헐적으로 수신할 수 있다. 다른 예를 들어, 상술한 터치 스크린, 키보드 등을 통해 수신한 사용자 입력을 기초로, 디스플레이 장치(330)에 이미지, 텍스트 등(예를 들어, 학습 컨텐츠 등)을 출력할 수 있다.

데이터베이스(340)는 비-일시적인 임의의 컴퓨터 판독 가능한 기록매체를 포함할 수 있다. 일 실시예에 따르면, 데이터베이스(340)는 ROM(read only memory), 디스크 드라이브, SSD(solid state drive), 플래시 메모리(flash memory) 등과 같은 비소멸성 대용량 저장 장치(permanent mass storage device)를 포함할 수 있다. 다른 예로서, ROM, SSD, 플래시 메모리, 디스크 드라이브 등과 같은 비소멸성 대용량 저장 장치는 메모리와는 구분되는 별도의 영구 저장 장치로서 학습 컨텐츠 제공 장치(300)에 포함될 수 있다. 또한, 데이터베이스(340)에는 운영체제와 적어도 하나의 프로그램 코드(예를 들어, 학습 컨텐츠 제공 장치(300)에 설치되어 구동되는 학습 컨텐츠 제공 어플리케이션 등을 위한 코드)가 저장될 수 있다.

이러한 소프트웨어 구성요소들은 데이터베이스(340)와는 별도의 컴퓨터에서 판독 가능한 기록매체로부터 로딩될 수 있다. 이러한 별도의 컴퓨터에서 판독 가능한 기록매체는 이러한 학습 컨텐츠 제공 장치(300)에 직접 연결가능한 기록 매체를 포함할 수 있는데, 예를 들어, 플로피 드라이브, 디스크, 테이프, DVD/CD-ROM 드라이브, 메모리 카드 등의 컴퓨터에서 판독 가능한 기록매체를 포함할 수 있다. 다른 예로서, 소프트웨어 구성요소들은 컴퓨터에서 판독 가능한 기록매체가 아닌 통신부(310)를 통해 데이터베이스(340)에 로딩될 수도 있다. 예를 들어, 적어도 하나의 프로그램은 개발자들 또는 어플리케이션의 설치 파일을 배포하는 파일 배포 시스템이 네트워크(예를 들어, 도 2의 220)를 통해 제공하는 파일들에 의해 설치되는 컴퓨터 프로그램(예를 들어, 학습 컨텐츠 제공을 위한 어플리케이션)에 기반하여 데이터베이스(340)에 로딩될 수 있다.

학습 컨텐츠 제공 장치(300)는 도 3의 구성요소들보다 더 많은 구성요소들을 포함할 수 있다. 그러나, 대부분의 종래기술적 구성요소들을 명확하게 도시할 필요성은 없다. 일 실시예에 따르면, 학습 컨텐츠 제공 장치(300)는 트랜시버(transceiver), GPS(Global Positioning system) 모듈, 카메라, 각종 센서, 데이터베이스 등과 같은 다른 구성요소들을 더 포함할 수 있다. 예를 들어, 학습 컨텐츠 제공 장치(300)가 스마트폰인 경우, 일반적으로 스마트폰이 포함하고 있는 구성요소를 포함할 수 있으며, 예를 들어, 가속도 센서, 자이로 센서, 카메라 모듈, 각종 물리적인 버튼, 터치패널을 이용한 버튼, 입출력 포트, 진동을 위한 진동기 등의 다양한 구성요소들이 학습 컨텐츠 제공 장치(300)가 더 포함되도록 구현될 수 있다.

도 4는 본 개시의 일 실시예에 따라 안면 인식 패턴이 분석되는 예시를 나타낸다. 사용자가 사용자 단말에서 출력되는 학습 컨텐츠를 수강하는 동안, 사용자 단말의 카메라는 사용자의 안면 정보가 포함된 영상을 촬영할 수 있다. 그 후, 사용자의 안면 정보에 기초하여, 사용자의 얼굴 패턴이 분석될 수 있다.

일 실시예에서, 사용자의 얼굴 영역은 사용자 단말의 카메라에 의해 촬영된 영상에서 안면 인식 기술을 통하여 검출될 수 있다. 그 후, 사용자의 얼굴 영역 내의 눈, 코, 입 등 얼굴의 특징을 나타내는 특징점은 정렬될 수 있다. 여기서, 얼굴 영역 내의 눈, 코, 입 등 얼굴의 특징은 사전에 학습된 모델을 이용하여 검출될 수 있다.

일 실시예에서, 정렬된 특징점은 적어도 하나 이상의 얼굴 패턴을 형성할 수 있다. 여기서, 패턴의 수는 사전에 결정된 수일 수 있다. 예를 들어, 얼굴 패턴의 수가 4인 경우, 촬영된 영상 내의 사용자의 얼굴 패턴들은 4가지로 분류될 수 있다. 대안적으로, 패턴의 수는 얼굴 패턴이 급격히 변경되는 것에 기초하여 결정될 수 있다. 예를 들어, 얼굴 패턴이 임계값을 넘어 변경되는 경우, 변경된 얼굴 패턴은 변경 전의 얼굴 패턴과 상이한 얼굴 패턴으로 분류될 수 있다. 이 경우, 최대 패턴의 수는 사전에 결정된 수(예를 들어, 7)일 수 있다.

일 실시예에서, 제1 패턴(410)은 집중 상태를 나타내는 패턴일 수 있다. 제1 패턴(410)은 수강이 시작될 때를 기준으로 한 사용자의 정면 얼굴의 패턴일 수 있다. 대안적으로, 제1 패턴(410)은 촬영된 영상 전체 중에서 가장 집중도 있는 사용자의 얼굴 패턴일 수 있다. 여기서, 가장 집중도 있는 사용자의 얼굴 패턴은 다른 패턴에 비교하여 얼굴이 정면이고, 눈이 크고, 얼굴 전체의 움직임이 적은 상태 등을 나타내는 패턴을 포함할 수 있다.

다른 실시예에서, 제2 패턴(420)은 졸리는 상태를 나타내는 패턴일 수 있다. 여기서, 졸리는 상태를 나타내는 패턴은 집중 상태를 나타내는 제1 패턴(410)보다 눈이 반쯤 감겨 있는 얼굴 패턴을 포함할 수 있다. 또한, 졸리는 상태를 나타내는 패턴은 사용자가 하품을 하는 등 졸림을 시사하는 얼굴 패턴을 포함할 수 있다.

다른 실시예에서, 제3 패턴(430)은 졸고 있는 상태를 나타내는 패턴일 수 있다. 여기서, 졸고 있는 상태를 나타내는 패턴은 사용자의 눈이 감겨 있는 패턴을 포함할 수 있다. 또한, 졸고 있는 상태를 나타내는 패턴은 사용자의 얼굴이 정면이 아닌 아래쪽으로 향해 있는 패턴을 포함할 수 있다.

다른 실시예에서, 제4 패턴(440)은 딴짓을 하는 상태를 나타내는 패턴일 수 있다. 여기서, 딴짓을 하는 상태를 나타내는 패턴은 사용자의 얼굴이 정면이 아닌 다른 방향을 향해 있는 패턴을 포함할 수 있다. 또한, 딴짓을 하는 상태를 나타내는 패턴은 사용자의 눈이나 입 등이 움직이는 패턴을 포함할 수 있다.

도 5는 본 개시의 일 실시예에 따라 집중도 등급 그래프(510)와 평균 집중도 등급 그래프(520)가 출력되는 예시를 나타낸다. 집중도 등급은 분석된 용자의 얼굴 패턴의 수만큼 분할되어 산출될 수 있다. 산출된 집중도 등급은 그래프 상에서 강의 시간에 따른 집중도 등급으로 출력될 수 있다.

일 실시예에서, 사용자의 집중도 등급 그래프(510)는 사용자의 집중도 등급을 나타낼 수 있다. 여기서, 사용자는 집중도 등급 그래프(510)를 통해 강의 시간에 따른 사용자의 집중도 등급을 확인하여 자신의 집중 정도를 파악할 수 있다. 또한, 사용자는 자신의 집중도 등급 하위 구간(512)을 확인할 수 있다. 추가적으로, 사용자는 이를 선택하여 집중도 등급 하위 구간(512)에 연관된 학습 컨텐츠를 제공받을 수 있다.

일 실시예에서, 평균 집중도 등급 그래프(520)는 학습 컨텐츠를 이용한 사용자들의 평균 집중도 등급을 나타낼 수 있다. 여기서, 사용자는 평균 집중도 등급 그래프(520)에서 평균 집중도 등급과 자신의 집중도 등급 그래프(510)의 집중도 등급을 비교할 수 있다. 평균 집중도 등급 그래프(520)의 평균 집중도 등급 하위 구간(522)과 사용자의 집중도 등급 그래프(510)의 집중도 등급 하위 구간(512)이 겹치는 구간은 학습 컨텐츠에 대한 피드백을 시사할 수 있다. 예를 들어, 두 집중도 등급 그래프에서 겹치는 구간은 학습 컨텐츠의 구성이 대부분의 사용자에게 지루하다는 것을 시사할 수 있으므로, 학습 컨텐츠 제공자는 이를 통해 학습 컨텐츠 제작과 연관된 피드백을 얻을 수 있다.

이와 같은 구성을 통해, 사용자는 집중도 등급 그래프를 통해 강의 시간에 따른 집중도를 파악하여 집중도 하위 구간과 연관된 학습에 대해 보완할 수 있다. 또한, 학습 컨텐츠 제공자는 평균 집중도 등급 그래프를 통해 사용자들의 평균 집중도를 파악하여, 학습 컨텐츠에 어떤 구성을 추가하고 삭제할지에 대한 피드백을 얻을 수 있다.

도 6은 본 개시의 일 실시예에 따라 제공되는 학습 가이드라인(620)의 예시를 나타낸다. 사용자는 자신의 집중도 등급 그래프(610)의 집중도 등급 하위 구간(612)을 선택하여 학습 가이드라인(620)을 제공받을 수 있다.

일 실시예에서, 학습 가이드라인(620)은 집중도 등급 하위 구간(612)과 연관된 학습 컨텐츠를 포함할 수 있다. 예를 들어, 학습 가이드라인(620)은 집중도 등급 하위 구간(612)의 강의 영상을 사용자에게 다시 제공할 수 있다. 여기서, 제공되는 강의 영상은 집중도 등급이 임계 등급보다 낮은 적어도 하나 이상의 구간의 강의 영상일 수 있다. 또한, 제공되는 강의 영상은 강의 시간에 따라 교차되어 재생될 수 있다. 대안적으로, 제공되는 강의 영상은 가장 집중도 등급이 낮은 구간에 따라 교차되어 재생될 수 있다.

일 실시예에서, 학습 가이드라인(620)은 집중도 등급 하위 구간(612)에 해당하는 강의와 연관된 지문, 이미지, 음성 또는 동영상 등을 사용자에게 추가로 제공할 수 있다. 여기서, 학습 컨텐츠의 각 구간별로 해당 학습 컨텐츠와 연관된 지문, 이미지, 음성 또는 동영상 등이 저장될 수 있다. 예를 들어, 학습 가이드라인(620)은 집중도 등급 하위 구간(612)에 해당하는 강의와 연관된 기출 문제, 변형 문제, 해당 구간에 포함된 어휘, 동영상 등을 사용자에게 추가로 제공할 수 있다.

사용자는 집중하지 못한 강의 구간을 다시 수강하여 자신의 부족한 학습 능력을 보완할 수 있다. 또한, 해당 구간과 연관된 추가적인 학습 자료를 통해 사용자는 집중하지 못했던 학습 컨텐츠에 흥미를 가질 수 있고, 집중하지 못했던 학습 컨텐츠를 쉽게 이해할 수 있다. 이에 따라, 사용자는 자신의 학습 능력을 보완하여 다른 수강생과의 성적 격차를 좁힐 수 있다.

도 7은 본 개시의 일 실시예에 따라 안면 인식 패턴 분석 기반 학습 컨텐츠 제공 방법(700)의 예시를 나타내는 흐름도이다. 일 실시예에서, 방법(700)은 사용자 단말의 적어도 하나의 프로세서에 의해 수행될 수 있다. 도시된 바와 같이, 방법(700)은 학습 컨텐츠를 사용자 단말의 디스플레이 상에 출력하는 것으로 개시될 수 있다(S710).

그 후, 프로세서는 학습 컨텐츠가 진행되는 동안, 사용자의 안면 정보를 수신할 수 있다(S720). 사용자의 안면 정보를 수신하는 것에 응답하여, 프로세서는 사용자의 안면 정보에 기초하여, 사용자의 집중도 등급을 산출할 수 있다(S730). 여기서, 사용자의 집중도 등급은, 사용자의 얼굴 패턴의 수만큼 분할하여 산출될 수 있다. 또한, 프로세서는 사전에 학습된 안면 인식 이미지에 기초하여, 적어도 하나 이상의 사용자의 얼굴 패턴을 분석할 수 있다.

그 후, 프로세서는 사용자의 집중도 등급에 기초하여, 학습 컨텐츠의 적어도 일부를 제공할 수 있다(S740). 또한, 프로세서는 사용자의 집중도 등급이 임계 등급보다 낮은 구간을 포함하는 학습 컨텐츠의 적어도 일부를 교차하여 제공할 수 있다. 추가적으로, 프로세서는 사용자의 집중도 등급에 기초하여, 학습 컨텐츠와 연관된 학습 가이드라인을 제공할 수 있다.

일 실시예에서, 프로세서는 사용자의 집중도 등급의 그래프를 제공할 수 있다. 추가적으로, 프로세서는 학습 컨텐츠를 이용한 사용자들의 평균 집중도 등급의 그래프를 제공할 수 있다.

본 개시의 방법, 동작 또는 기법들은 다양한 수단에 의해 구현될 수도 있다. 예를 들어, 이러한 기법들은 하드웨어, 펌웨어, 소프트웨어, 또는 이들의 조합으로 구현될 수도 있다. 본원의 개시와 연계하여 설명된 다양한 예시적인 논리적 블록들, 모듈들, 회로들, 및 알고리즘 단계들은 전자 하드웨어, 컴퓨터 소프트웨어, 또는 양자의 조합들로 구현될 수도 있음을 통상의 기술자들은 이해할 것이다. 하드웨어 및 소프트웨어의 이러한 상호 대체를 명확하게 설명하기 위해, 다양한 예시적인 구성요소들, 블록들, 모듈들, 회로들, 및 단계들이 그들의 기능적 관점에서 일반적으로 위에서 설명되었다. 그러한 기능이 하드웨어로서 구현되는지 또는 소프트웨어로서 구현되는 지의 여부는, 특정 애플리케이션 및 전체 시스템에 부과되는 설계 요구사항들에 따라 달라진다. 통상의 기술자들은 각각의 특정 애플리케이션을 위해 다양한 방식들로 설명된 기능을 구현할 수도 있으나, 그러한 구현들은 본 개시의 범위로부터 벗어나게 하는 것으로 해석되어서는 안 된다.

하드웨어 구현에서, 기법들을 수행하는 데 이용되는 프로세싱 유닛들은, 하나 이상의 ASIC들, DSP들, 디지털 신호 프로세싱 디바이스들(digital signal processing devices; DSPD들), 프로그램가능 논리 디바이스들(programmable logic devices; PLD들), 필드 프로그램가능 게이트 어레이들(field programmable gate arrays; FPGA들), 프로세서들, 제어기들, 마이크로제어기들, 마이크로프로세서들, 전자 디바이스들, 본 개시에 설명된 기능들을 수행하도록 설계된 다른 전자 유닛들, 컴퓨터, 또는 이들의 조합 내에서 구현될 수도 있다.

따라서, 본 개시와 연계하여 설명된 다양한 예시적인 논리 블록들, 모듈들, 및 회로들은 범용 프로세서, DSP, ASIC, FPGA나 다른 프로그램 가능 논리 디바이스, 이산 게이트나 트랜지스터 로직, 이산 하드웨어 컴포넌트들, 또는 본원에 설명된 기능들을 수행하도록 설계된 것들의 임의의 조합으로 구현되거나 수행될 수도 있다. 범용 프로세서는 마이크로프로세서일 수도 있지만, 대안으로, 프로세서는 임의의 종래의 프로세서, 제어기, 마이크로제어기, 또는 상태 머신일 수도 있다. 프로세서는 또한, 컴퓨팅 디바이스들의 조합, 예를 들면, DSP와 마이크로프로세서, 복수의 마이크로프로세서들, DSP 코어와 연계한 하나 이상의 마이크로프로세서들, 또는 임의의 다른 구성의 조합으로서 구현될 수도 있다.

펌웨어 및/또는 소프트웨어 구현에 있어서, 기법들은 랜덤 액세스 메모리(random access memory; RAM), 판독 전용 메모리(read-only memory; ROM), 비휘발성 RAM(non-volatile random access memory; NVRAM), PROM(programmable read-only memory), EPROM(erasable programmable read-only memory), EEPROM(electrically erasable PROM), 플래시 메모리, 컴팩트 디스크(compact disc; CD), 자기 또는 광학 데이터 스토리지 디바이스 등과 같은 컴퓨터 판독가능 매체 상에 저장된 명령들로서 구현될 수도 있다. 명령들은 하나 이상의 프로세서들에 의해 실행 가능할 수도 있고, 프로세서(들)로 하여금 본 개시에 설명된 기능의 특정 양태들을 수행하게 할 수도 있다.

소프트웨어로 구현되는 경우, 상기 기법들은 하나 이상의 명령들 또는 코드로서 컴퓨터 판독 가능한 매체 상에 저장되거나 또는 컴퓨터 판독 가능한 매체를 통해 전송될 수도 있다. 컴퓨터 판독가능 매체들은 한 장소에서 다른 장소로 컴퓨터 프로그램의 전송을 용이하게 하는 임의의 매체를 포함하여 컴퓨터 저장 매체들 및 통신 매체들 양자를 포함한다. 저장 매체들은 컴퓨터에 의해 액세스될 수 있는 임의의 이용 가능한 매체들일 수도 있다. 비제한적인 예로서, 이러한 컴퓨터 판독가능 매체는 RAM, ROM, EEPROM, CD-ROM 또는 다른 광학 디스크 스토리지, 자기 디스크 스토리지 또는 다른 자기 스토리지 디바이스들, 또는 소망의 프로그램 코드를 명령들 또는 데이터 구조들의 형태로 이송 또는 저장하기 위해 사용될 수 있으며 컴퓨터에 의해 액세스될 수 있는 임의의 다른 매체를 포함할 수 있다. 또한, 임의의 접속이 컴퓨터 판독가능 매체로 적절히 칭해진다.

예를 들어, 소프트웨어가 동축 케이블, 광섬유 케이블, 연선, 디지털 가입자 회선 (DSL), 또는 적외선, 무선, 및 마이크로파와 같은 무선 기술들을 사용하여 웹사이트, 서버, 또는 다른 원격 소스로부터 전송되면, 동축 케이블, 광섬유 케이블, 연선, 디지털 가입자 회선, 또는 적외선, 무선, 및 마이크로파와 같은 무선 기술들은 매체의 정의 내에 포함된다. 본원에서 사용된 디스크(disk) 와 디스크(disc)는, CD, 레이저 디스크, 광 디스크, DVD(digital versatile disc), 플로피디스크, 및 블루레이 디스크를 포함하며, 여기서 디스크들(disks)은 보통 자기적으로 데이터를 재생하고, 반면 디스크들(discs) 은 레이저를 이용하여 광학적으로 데이터를 재생한다. 위의 조합들도 컴퓨터 판독가능 매체들의 범위 내에 포함되어야 한다.

소프트웨어 모듈은, RAM 메모리, 플래시 메모리, ROM 메모리, EPROM 메모리, EEPROM 메모리, 레지스터들, 하드 디스크, 이동식 디스크, CD-ROM, 또는 공지된 임의의 다른 형태의 저장 매체 내에 상주할 수도 있다. 예시적인 저장 매체는, 프로세가 저장 매체로부터 정보를 판독하거나 저장 매체에 정보를 기록할 수 있도록, 프로세서에 연결될 수 있다. 대안으로, 저장 매체는 프로세서에 통합될 수도 있다. 프로세서와 저장 매체는 ASIC 내에 존재할 수도 있다. ASIC은 유저 단말 내에 존재할 수도 있다. 대안으로, 프로세서와 저장 매체는 유저 단말에서 개별 구성요소들로서 존재할 수도 있다.

이상 설명된 실시예들이 하나 이상의 독립형 컴퓨터 시스템에서 현재 개시된 주제의 양태들을 활용하는 것으로 기술되었으나, 본 개시는 이에 한정되지 않고, 네트워크나 분산 컴퓨팅 환경과 같은 임의의 컴퓨팅 환경과 연계하여 구현될 수도 있다. 또 나아가, 본 개시에서 주제의 양상들은 복수의 프로세싱 칩들이나 장치들에서 구현될 수도 있고, 스토리지는 복수의 장치들에 걸쳐 유사하게 영향을 받게 될 수도 있다. 이러한 장치들은 PC들, 네트워크 서버들, 및 휴대용 장치들을 포함할 수도 있다.

본 명세서에서는 본 개시가 일부 실시예들과 관련하여 설명되었지만, 본 개시의 발명이 속하는 기술분야의 통상의 기술자가 이해할 수 있는 본 개시의 범위를 벗어나지 않는 범위에서 다양한 변형 및 변경이 이루어질 수 있다. 또한, 그러한 변형 및 변경은 본 명세서에 첨부된 특허청구의 범위 내에 속하는 것으로 생각되어야 한다.

110: 사용자 단말
120: 학습 컨텐츠
130: 카메라
140: 집중도 등급 그래프
142: 집중도 등급 하위 구간

Claims (10)

1. 사용자 단말의 적어도 하나의 프로세서에 의해 수행되는 안면 인식 패턴 분석 기반 학습 컨텐츠 제공 방법에 있어서,
   학습 컨텐츠를 사용자 단말의 디스플레이 상에 출력하는 단계;
   상기 학습 컨텐츠가 진행되는 동안, 사용자의 안면 정보를 수신하는 단계;
   상기 사용자의 안면 정보에 기초하여, 사용자의 집중도 등급을 산출하는 단계; 및
   상기 사용자의 집중도 등급에 기초하여, 상기 학습 컨텐츠의 적어도 일부를 제공하는 단계를 포함하는, 안면 인식 패턴 분석 기반 학습 컨텐츠 제공 방법.
   
2. 제1항에 있어서,
   상기 사용자의 안면 정보에 기초하여, 사용자의 집중도 등급을 산출하는 단계는,
   사전에 학습된 안면 인식 이미지에 기초하여, 적어도 하나 이상의 사용자의 얼굴 패턴을 분석하는 단계를 포함하는, 안면 인식 패턴 분석 기반 학습 컨텐츠 제공 방법.
   
3. 제2항에 있어서,
   상기 사용자의 집중도 등급은, 상기 사용자의 얼굴 패턴의 수만큼 분할하여 산출되는, 안면 인식 패턴 분석 기반 학습 컨텐츠 제공 방법.
   
4. 제1항에 있어서,
   상기 사용자의 집중도 등급에 기초하여, 상기 학습 컨텐츠의 적어도 일부를 제공하는 단계는,
   상기 사용자의 집중도 등급이 임계 등급보다 낮은 구간을 포함하는 상기 학습 컨텐츠의 적어도 일부를 교차하여 제공하는 단계를 포함하는, 안면 인식 패턴 분석 기반 학습 컨텐츠 제공 방법.
   
5. 제1항에 있어서,
   상기 사용자의 집중도 등급의 그래프를 제공하는 단계를 더 포함하는, 안면 인식 패턴 분석 기반 학습 컨텐츠 제공 방법.
   
6. 제1항에 있어서,
   상기 학습 컨텐츠를 이용한 사용자들의 평균 집중도 등급의 그래프를 제공하는 단계를 더 포함하는, 안면 인식 패턴 분석 기반 학습 컨텐츠 제공 방법.
   
7. 제1항에 있어서,
   상기 학습 컨텐츠의 적어도 일부와 연관된 지문, 이미지 또는 동영상 중 적어도 하나를 추가로 제공하는 단계를 더 포함하는, 안면 인식 패턴 분석 기반 학습 컨텐츠 제공 방법.
   
8. 제1항에 있어서,
   상기 사용자의 집중도 등급에 기초하여, 상기 학습 컨텐츠와 연관된 학습 가이드라인을 제공하는 단계를 더 포함하는, 안면 인식 패턴 분석 기반 학습 컨텐츠 제공 방법.
   
9. 제1항 내지 제8항 중 어느 한 항에 따른 방법을 컴퓨터에서 실행하기 위해 컴퓨터 판독 가능한 기록 매체에 저장된 컴퓨터 프로그램.
   
10. 안면 인식 패턴 분석 기반 학습 컨텐츠 제공 장치에 있어서,
    학습 컨텐츠를 포함하는 적어도 하나의 데이터 베이스; 및
    적어도 하나의 제어부를 포함하고,
    상기 적어도 하나의 제어부는,
    학습 컨텐츠를 사용자 단말의 디스플레이 상에 출력하고,
    상기 학습 컨텐츠가 진행되는 동안, 사용자의 안면 정보를 수신하고,
    상기 사용자의 안면 정보에 기초하여, 사용자의 집중도 등급을 산출하고,
    상기 사용자의 집중도 등급에 기초하여, 상기 학습 컨텐츠의 적어도 일부를 제공하기 위한 명령어들을 실행하도록 구성된, 안면 인식 패턴 분석 기반 학습 컨텐츠 제공 장치.
    

Images