KR20210012713A - 공부시간 측정 시스템 및 방법 - Google Patents
공부시간 측정 시스템 및 방법 Download PDFInfo
- Publication number
- KR20210012713A KR20210012713A KR1020190090894A KR20190090894A KR20210012713A KR 20210012713 A KR20210012713 A KR 20210012713A KR 1020190090894 A KR1020190090894 A KR 1020190090894A KR 20190090894 A KR20190090894 A KR 20190090894A KR 20210012713 A KR20210012713 A KR 20210012713A
- Authority
- KR
- South Korea
- Prior art keywords
- study
- user
- behavior
- study time
- pure
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 21
- 238000004458 analytical method Methods 0.000 claims abstract description 40
- 238000013528 artificial neural network Methods 0.000 claims abstract description 5
- 230000006399 behavior Effects 0.000 claims description 49
- 238000005259 measurement Methods 0.000 claims description 14
- 206010041349 Somnolence Diseases 0.000 claims description 10
- 238000000691 measurement method Methods 0.000 claims description 5
- 208000034656 Contusions Diseases 0.000 claims description 4
- 230000004424 eye movement Effects 0.000 claims description 4
- 210000001747 pupil Anatomy 0.000 claims description 4
- 238000010801 machine learning Methods 0.000 claims 2
- 238000004590 computer program Methods 0.000 claims 1
- 230000020595 eating behavior Effects 0.000 claims 1
- 239000006185 dispersion Substances 0.000 abstract 3
- 238000013135 deep learning Methods 0.000 abstract 1
- 230000001012 protector Effects 0.000 abstract 1
- 238000004891 communication Methods 0.000 description 11
- 230000006870 function Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 4
- 230000001133 acceleration Effects 0.000 description 2
- 230000037406 food intake Effects 0.000 description 2
- 235000012631 food intake Nutrition 0.000 description 2
- 208000032140 Sleepiness Diseases 0.000 description 1
- 238000010009 beating Methods 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 239000012141 concentrate Substances 0.000 description 1
- 210000005069 ears Anatomy 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 230000003370 grooming effect Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000037321 sleepiness Effects 0.000 description 1
- 210000002784 stomach Anatomy 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
- 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
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N7/00—Television systems
- H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Software Systems (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Tourism & Hospitality (AREA)
- Computing Systems (AREA)
- Health & Medical Sciences (AREA)
- Computer Security & Cryptography (AREA)
- Mathematical Physics (AREA)
- Multimedia (AREA)
- Molecular Biology (AREA)
- Biomedical Technology (AREA)
- Computer Hardware Design (AREA)
- Computational Linguistics (AREA)
- Signal Processing (AREA)
- Biophysics (AREA)
- Educational Administration (AREA)
- Educational Technology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Medical Informatics (AREA)
- Telephone Function (AREA)
Abstract
본원의 일 측면에 따른 공부시간 측정 시스템에 의해 수행되는 학습 공간에서의 공부시간 측정 방법은, 입력 모듈을 통해 사용자 인증 정보가 입력되면, 사용자 인증 정보를 이용하여 인증을 완료하고 정당한 사용자임을 인증하고, 카메라 모듈을 통해 촬영된 사용자 영상 데이터를 수신하여 사용자 행동에 기초하여 공부 자세를 분석하고, 사용자 행동의 공부 자세 분석에 기초하여 공부 분석 모델을 통해 순수 공부시간을 측정하고, 순수 공부 시간 외의 주의분산 행위를 검출하여 측정된 순수 공부 시간과 주위 분산 행위를 토대로 사용자의 공부 분석 데이터를 제공하고, 사용자의 공부 분석 데이터를 등록된 보호자 단말에 전송하는 단계를 포함한다. 공부 분석 모델은 공부 자세 관련된 학습 영상을 입력으로 인공 신경망 기반 딥러닝 기법을 이용하여 사용자의 순수 공부 행위와 주의 분산 행위를 분류하고 학습하는 것이다.
Description
본 발명은 공부시간 측정 장치 및 방법에 관한 것으로, 보다 상세하게는 카메라 등의 입력 장치를 통해 학습자의 영상 데이터를 취득하여 해당 영상을 분석하고 착석 후 순수 공부시간을 측정하는 장치 및 방법에 관한 것이다.
학습을 위해 자리에 앉아 있더라도 실제 집중해서 공부하는 시간은 큰 차이가 있다. 다양한 디지털 기기 등으로 인해 수험생의 공부시간 중 상당 부분은 무의미하게 소모되고 있다.
스마트폰 앱을 통해 공부시간을 측정할 수 있으나 사용자의 주관에 의해 측정하므로 실제 공부시간을 정확히 측정할 수 없고, 독서실 사용시간을 측정해주는 솔루션이 있지만, 단순히 독서실 사용시간만을 측정하며 핸드폰을 사용하는 등 공부하지 않는 시간을 따로 차감하여 계량해 주는 솔루션은 없다.
본 발명은 전술한 종래 기술의 문제점을 해결하기 위한 것으로서 휴대폰 사용시간 등을 제외하고, 강의 수강등 타율적인 공부시간을 별도로 계산하며, 순수하게 자율적으로 공부하는 시간을 측정하여 공부시간 통계를 분석하는 방법 및 장치를 제공하는 것을 목적으로 한다.
다만, 본 실시예가 이루고자 하는 기술적 과제는 상기된 바와 같은 기술적 과제로 한정되지 않으며, 또 다른 기술적 과제들이 존재할 수 있다.
상술한 기술적 과제를 해결하기 위한 기술적 수단으로서, 본 개시의 제 1측면에 따른 공부시간 측정 시스템에 의해 수행되는 학습 공간에서의 공부시간 측정 방법은, 입력 모듈을 통해 사용자 인증 정보가 입력되면, 사용자 인증 정보를 이용하여 인증을 완료하고 정당한 사용자임을 인증하고, 카메라 모듈을 통해 촬영된 사용자 영상 데이터를 수신하여 사용자 행동에 기초하여 공부 자세를 분석하고, 사용자 행동의 공부 자세 분석에 기초하여 공부 분석 모델을 통해 순수 공부시간을 측정하고, 순수 공부 시간 외의 주의분산 행위를 검출하여 측정된 순수 공부 시간과 주위 분산 행위를 토대로 사용자의 공부 분석 데이터를 제공하고, 사용자의 공부 분석 데이터를 등록된 보호자 단말에 전송하는 단계를 포함한다. 공부 분석 모델은 공부 자세 관련된 학습 영상을 이용하여 사용자의 순수 공부 행위와 주의 분산 행위를 분류하고 학습하는 것이다.
인증 단계에서 정당한 사용자임을 인증하기 위해, 카메라 모듈을 통한 지정된 좌석에 착석여부 확인 또는 지정된 핸드폰 번호로 인증번호를 송수신하는 단계를 더 포함할 수 있다.
학습 공간에서의 공부시간 측정 방법에서 공부시간 측정 시스템은 원격지에 설치된 하나 이상의 상기 입력 모듈 및 상기 카메라 모듈을 포함하고, 상기 입력 모듈에 인증번호를 입력하여 사용자 인증 후 계정을 연동하여 순수 공부 시간을 누적 계산할 수 있다.
카메라 모듈은 적외선이미지 센서, CCD 센서, 및 CCTV (비전) 센서 중 적어도 어느 하나를 사용하는 것이고, 기설정된 사용자의 좌석 위치를 기준으로 사용자의 귀 방향을 바라보는 측면을 촬영하도록 설치될 수 있다. 이 때 카메라 모듈은 스마트폰, 태블릿PC 또는 다양한 모바일 디바이스에 포함된 것일 수 있다.
주의분산 행위는 졸음, 기기 조작 행동, 멍 때리기, 자리 이탈 행동, 음식 섭취 행동 및 잡담 행동을 포함하는 것이고, 주의분산 행위의 판단은 사용자의 눈의 움직임, 눈동자의 크기 변화, 상체의 움직임, 손의 움직임에 대한 데이터 중 적어도 하나를 기반으로 인식되는 것일 수 있다.
사용자의 공부 분석 데이터는 순수 공부시간 데이터, 공부 자세 분석 데이터, 기간별 공부량 통계, 추이 및 패턴 분석 데이터를 포함하고, 기간별 목표 공부시간을 설정하고, 실제 공부시간과 비교하여 달성률 데이터를 제공하는 공부 스케쥴링 단계를 더 포함할 수 있다.
학교, 나이 및 성적을 포함하는 개인정보를 입력 받아 공부 분석 데이터를 비교한 결과를 제공하는 단계를 포함할 수 있다.
등록된 보호자 단말은 상기 사용자의 부모 단말, 상기 사용자의 지도교사 단말 및 상기 학습 공간의 관리자 단말 중 적어도 하나를 포함하고, 주의 분산 행위가 기설정된 시간 이상 검출된 경우, 상기 등록된 보호자 단말로 경보메시지 전송할 수 있다.
전술한 본원의 과제 해결 수단에 의하면, 자리에 앉아 있는 시간 중 순수 공부시간을 분석하여 학습에 실질적으로 도움이 될 수 있다.
또한 공부 자세를 분석하여 졸음, 스마트폰 조작 등 주의분산 행위를 검출하고, 해당 행위가 검출되는 경우 보호자에게 경보메시지를 전송하여 사용자의 학습 행위를 효과적으로 관리할 수 있다.
카메라의 위치가 사용자의 측면을 분석할 수 있도록 위치하여, 졸음 등의 주의분산 행위를 정확하게 검출 할 수 있다.
또한 공부 분석 데이터를 통해 공부 패턴을 개선할 수 있도록 도와주고, 목표 설정 및 달성률 데이터를 제공하여 동기를 부여할 수 있다.
도 1은 본 발명의 일 실시예에 따른 공부시간 측정 시스템의 사용자 단말의 구성을 도시한 블록도이다.
도 2는 본 발명의 일 실시예에 따른 공부시간 측정 시스템의 구성을 도시한 블록도이다.
도 3은 본 발명의 일 실시예에 따른 공부시간 측정 방법을 설명한 순서도이다.
도 4는 본 발명의 일 실시예에 따른 공부시간 측정 시스템에서 카메라 위치를 설명하는 도면이다.
도 2는 본 발명의 일 실시예에 따른 공부시간 측정 시스템의 구성을 도시한 블록도이다.
도 3은 본 발명의 일 실시예에 따른 공부시간 측정 방법을 설명한 순서도이다.
도 4는 본 발명의 일 실시예에 따른 공부시간 측정 시스템에서 카메라 위치를 설명하는 도면이다.
아래에서는 첨부한 도면을 참조하여 본원이 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 본원의 실시예를 상세히 설명한다. 그러나 본원은 여러 가지 상이한 형태로 구현될 수 있으며 여기에서 설명하는 실시예에 한정되지 않는다. 그리고 도면에서 본원을 명확하게 설명하기 위해서 설명과 관계없는 부분은 생략하였으며, 명세서 전체를 통하여 유사한 부분에 대해서는 유사한 도면 부호를 붙였다.
본원 명세서 전체에서, 어떤 부분이 다른 부분과 "연결"되어 있다고 할 때, 이는 "직접적으로 연결"되어 있는 경우뿐 아니라, 그 중간에 다른 소자를 사이에 두고 "전기적으로 연결"되어 있는 경우도 포함한다. 또한 어떤 부분이 어떤 구성요소를 "포함"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있는 것을 의미하며, 하나 또는 그 이상의 다른 특징이나 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
본 명세서에서 '단말'은 휴대성 및 이동성이 보장된 무선 통신 장치일 수 있으며, 예를 들어 스마트 폰, 태블릿 PC 또는 노트북 등과 같은 모든 종류의 핸드헬드(Handheld) 기반의 무선 통신 장치일 수 있다. 또한, '단말'은 네트워크를 통해 다른 단말 또는 서버 등에 접속할 수 있는 PC 등의 유선 통신 장치인 것도 가능하다. 또한, 네트워크는 단말들 및 서버들과 같은 각각의 노드 상호 간에 정보 교환이 가능한 연결 구조를 의미하는 것으로, 근거리 통신망(LAN: Local Area Network), 광역 통신망(WAN: Wide Area Network), 인터넷 (WWW: World Wide Web), 유무선 데이터 통신망, 전화망, 유무선 텔레비전 통신망 등을 포함한다.
무선 데이터 통신망의 일례에는 3G, 4G, 5G, 3GPP(3rd Generation Partnership Project), LTE(Long Term Evolution), WIMAX(World Interoperability for Microwave Access), 와이파이(Wi-Fi), 블루투스 통신, 적외선 통신, 초음파 통신, 가시광 통신(VLC: Visible Light Communication), 라이파이(LiFi) 등이 포함되나 이에 한정되지는 않는다.
이하의 실시예는 본 발명의 이해를 돕기 위한 상세한 설명이며, 본 발명의 권리 범위를 제한하는 것이 아니다. 따라서 본 발명과 동일한 기능을 수행하는 동일 범위의 발명 역시 본 발명의 권리 범위에 속할 것이다.
본 발명은 모바일 어플리케이션 형태로, IOS 및 안드로이드에서 실시될 수 있다.
이하 첨부된 도면을 참고하여 본 발명의 일 실시예를 상세히 설명하기로 한다.
도 1은 본 발명의 일 실시예에 따른 공부시간 측정 시스템의 사용자 단말의 구성을 도시한 블록도이다.
사용자 단말(100)은 통신모듈(110), 저장모듈(120), 제어모듈(130), 카메라모듈(140) 및 입력모듈(150)을 포함할 수 있다. 저장모듈과 제어모듈은 사용자 단말(100) 또는 서버(200)에 포함되는 객체일수 있다.
통신모듈(110)은 접속된 사용자 단말(100) 및 연동된 서버(200)와 각각 데이터를 통신한다. 통신모듈(110)은 다른 네트워크 장치와 유무선 연결을 통해 제어 신호 또는 데이터 신호와 같은 신호를 송수신하기 위해 필요한 하드웨어 및 소프트웨어를 포함하는 장치일 수 있다.
메모리(120)에는 공부시간 측정 프로그램이 저장된다. 이러한 메모리(120)에는 공부시간 측정 장치의 구동을 위한 운영 체제나 공부시간 측정 프로그램의 실행 과정에서 발생되는 여러 종류가 데이터가 저장된다.
이때, 메모리(120)는 전원이 공급되지 않아도 저장된 정보를 계속 유지하는 비휘발성 저장장치 및 저장된 정보를 유지하기 위하여 전력이 필요한 휘발성 저장장치를 통칭하는 것이다.
또한, 메모리(120)는 프로세서(130)가 처리하는 데이터를 일시적 또는 영구적으로 저장하는 기능을 수행할 수 있다. 여기서, 메모리(120)는 저장된 정보를 유지하기 위하여 전력이 필요한 휘발성 저장장치 외에 자기 저장 매체(magnetic storage media) 또는 플래시 저장 매체(flash storage media)를 포함할 수 있으나, 본 발명의 범위가 이에 한정되는 것은 아니다.
프로세서(130)는 메모리(120)에 저장된 프로그램을 실행하되, 공부시간 측정 프로그램의 실행에 따라 다음과 같은 처리를 수행한다.
입력 모듈을 통해 사용자 인증 정보가 입력되면, 사용자 인증 정보를 이용하여 인증을 완료하고 정당한 사용자임을 인증하고, 카메라 모듈을 통해 촬영된 사용자 영상 데이터를 수신하여 사용자 행동에 기초하여 공부 자세를 분석하고, 사용자 행동의 공부 자세 분석에 기초하여 공부 분석 모델을 통해 순수 공부시간을 측정하고, 순수 공부 시간 외의 주의분산 행위를 검출하여 측정된 순수 공부 시간과 주위 분산 행위를 토대로 사용자의 공부 분석 데이터를 제공하고, 사용자의 공부 분석 데이터를 등록된 보호자 단말에 전송한다.
공부 분석 모델은 공부 자세 관련된 학습 영상을 이용하여 사용자의 순수 공부 행위와 주의 분산 행위를 분류하고 학습하는 것이다. 유튜브 등에 업로드 된 공부하는 모습이 담긴 동영상 및 카메라모듈(140)을 통해 촬영된 공부 영상 데이터를 입력 데이터로 하고, 정의된 주의 분산 행위를 학습하여 인식할 수 있다.
예를 들어 공부 분석 모델은 VGG16과 같은 뉴럴네트워크 아키텍쳐를 통하여 유튜브 등의 인터넷에 업로드 된 공부 관련 영상을 입력으로 하여, 영상 이미지에 드러난 공부자세 관련된 특징점 기반으로 영상 이미지를 분류하고, 영상 이미지의 특징을 추출하고, 어떠한 특징적인 이미지가 수신되었을 때 어떠한 자세를 나타내는 것인지를 학습할 수 있다. 사용되는 뉴럴네트워크 아키텍쳐는 알렉스넷, 구글넷, 레스넷, VGG, Faster-RCNN, 세그넷 등을 포함할 수 있으나, 반드시 이에 한하는 것은 아니며 다양한 아키텍쳐가 활용될 수 있다.
인증 단계에서 정당한 사용자임을 인증하기 위해, 카메라 모듈을 통한 지정된 좌석에 착석여부 확인 또는 지정된 핸드폰 번호로 인증번호를 송수신하는 단계를 더 포함할 수 있다.
학습 공간에서의 공부시간 측정 방법에서 공부시간 측정 시스템은 원격지에 설치된 하나 이상의 상기 입력 모듈 및 상기 카메라 모듈을 포함하고, 상기 입력 모듈에 인증번호를 입력하여 사용자 인증 후 계정을 연동하여 순수 공부 시간을 누적 계산할 수 있다.
주의분산 행위는 졸음, 기기 조작 행동, 멍 때리기, 자리 이탈 행동, 음식 섭취 행동 및 잡담 행동을 포함하는 것이고, 주의분산 행위의 판단은 사용자의 눈의 움직임, 눈동자의 크기 변화, 상체의 움직임, 손의 움직임에 대한 데이터 중 적어도 하나를 기반으로 인식되는 것일 수 있다.
졸음, 조는 행위는 눈의 움직임을 기반하여 검출한다. 장기간 눈동자의 크기가 작거나 사용자의 움직임이 미미한 경우 졸음으로 간주한다. 엎드려 자는 행위도 졸음으로 간주한다. 졸음의 시간은 따로 스케줄러에 기록이 된다.
졸음 행위가 지속되는 경우, 연결된 번호나 계정 예를 들면 학부모의 계정이나 번호에 별도의 경보 메시지가 가게끔 조치할 수 있다. 경보의 기준은 연결된 번호나 계정의 사용자가 변경 할 수 있다.
핸드폰을 하는 행위는 학습된 모델에 따라 검출된다. 핸드폰 사용행위가 지속 되는경우, 연결된 번호나 계정, 예를 들면 학부모의 계정이나 번호에 별도의 경보 메시지가 가게끔 조치할 수 있다. 경보의 기준은 연결된 번호나 계정의 사용자가 변경 할 수 있다.
만화책을 보는 행위는 학습된 모델에 따라 검출된다. 만화책을 보는 행위가 지속 되는 경우, 연결된 번호나 계정, 예를 들면 학부모의 계정이나 번호에 별도의 경보 메시지가 가게끔 조치할 수 있다. 경보의 기준은 연결된 번호나 계정의 사용자가 변경 할 수 있다.
멍때리기는 시선의 변화가 크지 않고 손의 움직임이 미세할 때 검출된다. 멍때리기 행위가 지속되는 경우, 연결된 번호나 계정, 예를 들면 학부모의 계정이나 번호에 별도의 경보 메시지가 가게끔 조치할 수 있다. 경보의 기준은 연결된 번호나 계정의 사용자가 변경 할 수 있다.
자리비움은 즉각적으로 감지되어 공부시간에서 제외된다. 자리비움이 10분이상 지속될 경우 기기의 사용이 중단된다.
안경닦기, 기지개, 코파기, 머리 묶기, 손톱손질 등의 행위는 기타 딴짓으로 분류되어 공부시간에서 제외된다. 단 시선이 책을 향하고 한손이 적절하게 움직이면서 다른 한손으로 얼굴을 만지는 행위는 공부시간으로 측량된다. 책 페이지를 넘기는 행위도 공부시간으로 측정 된다.
상기 행위들은 카메라모듈(140)을 통해 촬영되고, 촬영된 이미지는 사용자단말(100)에서 분석되거나 서버(200)로 전송되어 분석 될 수 있다. 사용자단말(100) 또는 서버(200)는 수신받은 영상 데이터를 분석하고 상기 행위들을 검출할 수 있다.
사용자의 공부 분석 데이터는 순수 공부시간 데이터, 공부 자세 분석 데이터, 기간별 공부량 통계, 추이 및 패턴 분석 데이터를 포함하고, 개인이 공부를 자주하는 시간대의 패턴 분석을 지원할 수 있다.
기간별 목표 공부시간을 설정하고, 실제 공부시간과 비교하여 달성률 데이터를 제공하는 공부 스케쥴링 단계를 더 포함할 수 있다. 입력 모듈(150) 등을 통해 사용 종료시, 일일 목표시간을 초과 달성하는 경우 푸시알람 등을 통해 성과를 표시할 수 있다.
학교, 나이 및 성적을 포함하는 개인정보를 입력 받아 공부 분석 데이터를 비교한 결과를 제공하는 단계를 포함할 수 있다. 자신과 비슷한 연령대 사용자들의 공부 통계도 열람하여 비교하는 기능을 지원한다.
등록된 보호자 단말은 상기 사용자의 부모 단말, 상기 사용자의 지도교사 단말 및 상기 학습 공간의 관리자 단말 중 적어도 하나를 포함하고, 주의 분산 행위가 기설정된 시간 이상 검출된 경우, 상기 등록된 보호자 단말로 경보메시지 전송할 수 있다.
이러한 프로세서(130)는 데이터를 처리할 수 있는 모든 종류의 장치를 포함할 수 있다. 예를 들어 프로그램 내에 포함된 코드 또는 명령으로 표현된 기능을 수행하기 위해 물리적으로 구조화된 회로를 갖는, 하드웨어에 내장된 데이터 처리 장치를 의미할 수 있다. 이와 같이 하드웨어에 내장된 데이터 처리 장치의 일 예로써, 마이 크로프로세서(microprocessor), 중앙처리장치(central processing unit: CPU), 프로세서 코어(processor core), 멀티프로세서(multiprocessor), ASIC(application-specific integrated circuit), FPGA(field programmable gate array) 등의 처리 장치를 망라할 수 있으나, 본 발명의 범위가 이에 한정되는 것은 아니다.
카메라 모듈(140)은 사용자 단말에 포함된, 영상을 촬영하기 위한 모듈이며, 비전 카메라, 적외선 카메라, CCD 카메라, CCTV와 같은 다양한 카메라를 포함할 수 있다.
적외선 카메라를 사용하는 경우 거리인식이 가능하므로, 이를 이용하여 앞에 있는 사람과 가까운 거리의 사물만을 선별적으로 인식하고, 고속으로 처리 할 수 있다.
카메라 모듈(140)은 사용자의 측면을 기준으로 설치될 수 있다. 기설정된 사용자의 좌석 위치를 기준으로 사용자의 귀 방향을 바라보는 측면을 촬영하도록 설치될 수 있다. 사용자의 측면 영상을 인식하여, 몸의 기울어진 정도, 움직임을 파악하여 조는 행위 등을 인식할 수 있다.
입력모듈(150)은 사용자 인증 정보를 입력받기 위한 모듈로, 숫자 키패드, 지문 인식 모듈, 카드키 모듈, 홍채 인식 모듈 등을 포함 할 수 있다.
입력 모듈(150)을 통해 사용을 개시하면 회원정보에 입력된 핸드폰 번호로 인증번호가 도착하여 사용자 인증 후 사용을 시작할 수 있다.
입력 모듈(150)에는 사용종료 버튼이 있으며, 사용종료시 학부모의 계정이나 휴대전화 번호에 별도의 경보 메시지가 가도록 설정할 수 있다. 사용종료 버튼 기능의 활성화 여부를 선택 가능하다.
입력모듈(150)은 원격지에 복수개 설치 될 수 있고, 계정 연동 기능을 통해 계정 정보는 통합 관리 될 수 있다. 예를 들면, 독서실과 가정집에서 병행 사용이 가능하다.
도 2는 본 발명의 일 실시예에 따른 공부시간 측정 시스템의 구성을 도시한 블록도이다.
공부시간 측정 방법은 서버(200) 또는 사용자 단말(100)에서 실시될 수 있다.
도 3은 본 발명의 일 실시예에 따른 공부시간 측정 방법을 설명한 순서도이다.
도 4는 본 발명의 일 실시예에 따른 공부시간 측정 시스템에서 카메라 위치를 설명하는 도면이다. 카메라 모듈(140)은 사용자의 측면에 설치되어 사용자의 측면 움직임을 더 정확하게 분석할 수 있다.
한편, 추가 실시예로서, 스마트폰과 같은 단말에서 분석 등이 이루어진다고 가정할 때, 스마트폰의 각속도 센서나 가속도 센서를 기반으로 갑자기 스마트폰의 상태가 정지상태에서 급격한 이동상태로 변화된 것으로 간주되는 경우, 자리비움 상태로 인식 될 수 있다. 또는, 카메라를 통해 스마트폰 조작행위를 인지할 수도 있으나, 스마트폰의 각속도 센서나 가속도 센서를 기반으로 타자를 치는 것과 같은 정보를 추가로 수신하여, 이러한 정보가 습득이 되는 경우, 스마트폰 조작행위로 간주하고, 기설정된 시간 넘게 조작하는 것으로 간주되는 경우 경고 메시지 전송할 수 있다.
한편, 본 발명의 일 실시예에 따른 결제 처리 방법은 컴퓨터에 의해 실행되는 프로그램 모듈과 같은 컴퓨터에 의해 실행가능한 명령어를 포함하는 기록 매체의 형태로도 구현될 수 있다. 컴퓨터 판독 가능 매체는 컴퓨터에 의해 액세스될 수 있는 임의의 가용 매체일 수 있고, 휘발성 및 비휘발성 매체, 분리형 및 비분리형 매체를 모두 포함한다. 또한, 컴퓨터 판독가능 매체는 컴퓨터 저장 매체를 포함할 수 있다. 컴퓨터 저장 매체는 컴퓨터 판독가능 명령어, 데이터 구조, 프로그램 모듈 또는 기타 데이터와 같은 정보의 저장을 위한 임의의 방법 또는 기술로 구현된 휘발성 및 비휘발성, 분리형 및 비분리형 매체를 모두 포함한다. 본 발명의 방법 및 시스템은 특정 실시예와 관련하여 설명되었지만, 그것들의 구성 요소 또는 동작의 일부 또는 전부는 범용 하드웨어 아키텍쳐를 갖는 컴퓨터 시스템을 사용하여 구현될 수 있다.
전술한 본원의 설명은 예시를 위한 것이며, 본원이 속하는 기술분야의 통상의 지식을 가진 자는 본원의 기술적 사상이나 필수적인 특징을 변경하지 않고서 다른 구체적인 형태로 쉽게 변형이 가능하다는 것을 이해할 수 있을 것이다. 그러므로 이상에서 기술한 실시예들은 모든 면에서 예시적인 것이며 한정적이 아닌 것으로 이해해야만 한다. 예를 들어, 단일형으로 설명되어 있는 각 구성 요소는 분산되어 실시될 수도 있으며, 마찬가지로 분산된 것으로 설명되어 있는 구성 요소들도 결합된 형태로 실시될 수 있다.
본원의 범위는 상기 상세한 설명보다는 후술하는 특허청구범위에 의하여 나타내어지며, 특허청구범위의 의미 및 범위 그리고 그 균등 개념으로부터 도출되는 모든 변경 또는 변형된 형태가 본원의 범위에 포함되는 것으로 해석되어야 한다.
100: 사용자 단말
110: 통신 모듈
120: 저장 모듈
130: 제어 모듈
140: 카메라 모듈
150: 입력 모듈
200: 서버
110: 통신 모듈
120: 저장 모듈
130: 제어 모듈
140: 카메라 모듈
150: 입력 모듈
200: 서버
Claims (10)
- 공부시간 측정 시스템에 의해 수행되는 학습 공간에서의 공부시간 측정 방법에 있어서,
(a) 입력 모듈을 통해 사용자 인증 정보가 입력되면, 상기 사용자 인증 정보를 이용하여 인증을 완료하고 정당한 사용자임을 인증하는 단계;
(b) 카메라 모듈을 통해 촬영된 사용자 영상 데이터를 수신하여 사용자 행동에 기초하여 공부 자세를 분석하는 단계;
(c) 상기 사용자 행동의 공부 자세 분석에 기초하여 공부 분석 모델을 통해 순수 공부시간을 측정하고, 순수 공부 시간 외의 주의분산 행위를 검출하여 상기 측정된 순수 공부 시간과 주위 분산 행위를 토대로 사용자의 공부 분석 데이터를 제공하는 단계; 및
(d) 상기 사용자의 공부 분석 데이터를 등록된 보호자 단말에 전송하는 단계를 포함하되,
상기 공부 분석 모델은 공부 자세 관련된 학습 영상을 입력으로 하여 인공 신경망 기반 기계학습 기법을 기초로, 사용자의 순수 공부 행위와 주의 분산 행위를 분류하고 학습하는 것인,
학습 공간에서의 공부시간 측정 방법. - 제 1 항에 있어서,
상기 (a) 단계는, 정당한 사용자임을 인증하기 위해, 카메라 모듈을 통한 지정된 좌석에 착석여부 확인 또는 지정된 핸드폰 번호로 인증번호를 송수신하는 단계를 더 포함하는
학습 공간에서의 공부시간 측정 방법. - 제 1 항에 있어서,
상기 공부시간 측정 시스템은 원격지에 설치된 하나 이상의 상기 입력 모듈 및 상기 카메라 모듈을 포함하고, 상기 입력 모듈에 인증번호를 입력하여 사용자 인증 후 계정을 연동하여 순수 공부 시간을 누적 계산하는
학습 공간에서의 공부시간 측정 방법. - 제 1 항에 있어서,
상기 카메라 모듈은 적외선이미지 센서, CCD 센서, CCTV (비전) 센서 및 사용자 단말에 포함된 카메라 중 적어도 어느 하나를 포함하는 것이고,
상기 카메라 모듈은 기설정된 사용자의 좌석 위치를 기준으로 사용자의 귀 방향을 바라보는 측면을 촬영하도록 설치된
학습 공간에서의 공부시간 측정 방법. - 제 1 항에 있어서,
상기 주의분산 행위는 졸음, 기기 조작 행동, 멍 때리기, 자리 이탈 행동, 음식 섭취 행동 및 잡담 행동을 포함하는 것이고,
상기 주의분산 행위의 판단은 사용자의 눈의 움직임, 눈동자의 크기 변화, 상체의 움직임, 손의 움직임에 대한 데이터 중 적어도 하나를 기반으로 인식되는 것인
학습 공간에서의 공부시간 측정 방법. - 제 1 항에 있어서,
상기 사용자의 공부 분석 데이터는 순수 공부시간 데이터, 공부 자세 분석 데이터, 기간별 공부량 통계, 추이 및 패턴 분석 데이터를 포함하고
상기 (d) 단계 이후, 기간별 목표 공부시간을 설정하고, 실제 공부시간과 비교하여 달성률 데이터를 제공하는 공부 스케쥴링 단계를 포함하는
학습 공간에서의 공부시간 측정 방법. - 제 1 항에 있어서,
상기 (d) 단계 이후, 학교, 나이 및 성적을 포함하는 개인정보를 입력 받아 공부 분석 데이터를 비교한 결과를 제공하는 단계를 포함하는
학습 공간에서의 공부시간 측정 방법. - 제 1 항에 있어서,
상기 등록된 보호자 단말은 상기 사용자의 부모 단말, 상기 사용자의 지도교사 단말 및 상기 학습 공간의 관리자 단말 중 적어도 하나를 포함하고,
주의 분산 행위가 기설정된 시간 이상 검출된 경우, 상기 등록된 보호자 단말로 경보메시지 전송하는 것인
학습 공간에서의 공부시간 측정 방법. - 공부시간 측정 시스템에 있어서,
입력 모듈;
카메라 모듈;
학습 공간에서의 공부시간 측정 프로그램이 저장된 저장 모듈;
상기 저장 모듈에 저장된 프로그램을 실행하는 제어 모듈을 포함하며, 상기 제어 모듈은 상기 프로그램의 실행에 의해,
입력 모듈을 통해 사용자 인증 정보가 입력되면, 상기 사용자 인증 정보를 이용하여 인증을 완료하고 정당한 사용자임을 인증하고,
카메라 모듈을 통해 촬영된 타겟 사용자 영상 데이터를 수신하여 사용자 행동에 기초하여 공부 자세를 분석하고,
상기 사용자 행동의 공부 자세 분석에 기초하여 공부 분석 모델을 통해 순수 공부시간을 측정하고, 순수 공부 시간 외의 주의분산 행위를 검출하여 상기 측정된 순수 공부 시간과 주위 분산 행위를 토대로 사용자의 공부 분석 데이터를 제공하고,
상기 사용자의 공부 분석 데이터를 등록된 보호자 단말에 전송하되,
상기 공부 분석 모델은 공부 자세, 학습 태도 관련된 학습 영상을 입력 데이터로 하고, 인공 신경망 기반 기계학습 기법을 기초로, 순수 공부 행위와 주의 분산 행위를 분류하고 학습하는 것인,
학습 공간에서의 공부시간 측정 시스템. - 제 1 항에 따르는 방법을 수행하기 위한 컴퓨터 프로그램이 기록된 비일시적 컴퓨터 판독가능 기록매체.
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020190090894A KR20210012713A (ko) | 2019-07-26 | 2019-07-26 | 공부시간 측정 시스템 및 방법 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020190090894A KR20210012713A (ko) | 2019-07-26 | 2019-07-26 | 공부시간 측정 시스템 및 방법 |
Publications (1)
Publication Number | Publication Date |
---|---|
KR20210012713A true KR20210012713A (ko) | 2021-02-03 |
Family
ID=74571722
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
KR1020190090894A KR20210012713A (ko) | 2019-07-26 | 2019-07-26 | 공부시간 측정 시스템 및 방법 |
Country Status (1)
Country | Link |
---|---|
KR (1) | KR20210012713A (ko) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR102381941B1 (ko) * | 2021-05-18 | 2022-04-04 | 최승해 | 사용자 맞춤형 독서실 관리 시스템 |
KR102404882B1 (ko) * | 2021-06-22 | 2022-06-02 | 최성백 | 스마트 스탠드 시스템 |
KR102439446B1 (ko) * | 2021-05-07 | 2022-09-02 | 샘랩 주식회사 | 인공지능 기반 학습 관리 시스템 |
WO2023128738A1 (ko) * | 2022-01-03 | 2023-07-06 | 홍영빈 | 화상 학습 모니터링 장치 및 그 방법 |
KR102557826B1 (ko) | 2022-07-28 | 2023-07-20 | 주식회사 메타비티 | 인공지능 기반의 메타버스와 블록체인 혼합 교육시스템 |
WO2024019483A1 (ko) * | 2022-07-18 | 2024-01-25 | 주식회사 구루미 | 학원을 위한 캠스터디 관리서비스 제공방법 |
-
2019
- 2019-07-26 KR KR1020190090894A patent/KR20210012713A/ko not_active Application Discontinuation
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR102439446B1 (ko) * | 2021-05-07 | 2022-09-02 | 샘랩 주식회사 | 인공지능 기반 학습 관리 시스템 |
KR102381941B1 (ko) * | 2021-05-18 | 2022-04-04 | 최승해 | 사용자 맞춤형 독서실 관리 시스템 |
KR102404882B1 (ko) * | 2021-06-22 | 2022-06-02 | 최성백 | 스마트 스탠드 시스템 |
WO2023128738A1 (ko) * | 2022-01-03 | 2023-07-06 | 홍영빈 | 화상 학습 모니터링 장치 및 그 방법 |
WO2024019483A1 (ko) * | 2022-07-18 | 2024-01-25 | 주식회사 구루미 | 학원을 위한 캠스터디 관리서비스 제공방법 |
KR102557826B1 (ko) | 2022-07-28 | 2023-07-20 | 주식회사 메타비티 | 인공지능 기반의 메타버스와 블록체인 혼합 교육시스템 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR20210012713A (ko) | 공부시간 측정 시스템 및 방법 | |
JP6732317B2 (ja) | 顔活動検出方法および装置、ならびに電子デバイス | |
KR102251477B1 (ko) | 얼굴 인식-기반 인증 | |
US10891873B2 (en) | Method and apparatus for monitoring learning and electronic device | |
US20170109513A1 (en) | Identification, authentication, and/or guiding of a user using gaze information | |
US10192109B2 (en) | Identification and/or authentication of a user using gaze information | |
US9955349B1 (en) | Triggering a request for an authentication | |
US9607138B1 (en) | User authentication and verification through video analysis | |
US9697414B2 (en) | User authentication through image analysis | |
CN107065586B (zh) | 交互式智能家庭服务***及方法 | |
WO2018125563A1 (en) | Identification, authentication, and/or guiding of a user using gaze information | |
US10816800B2 (en) | Electronic device and method of controlling the same | |
WO2020095350A1 (ja) | 情報処理装置、情報処理方法及び記録媒体 | |
US20230343040A1 (en) | Personal protective equipment training system with user-specific augmented reality content construction and rendering | |
CN111131702A (zh) | 获取图像的方法、装置、存储介质和电子设备 | |
CN110309693B (zh) | 多层次状态侦测***与方法 | |
US20180075295A1 (en) | Detection apparatus, detection method, and computer program product | |
EP4131186A1 (en) | Machine learning assisted intent determination using access control information | |
JP2024042707A (ja) | 端末、方法、及びプログラム | |
WO2018198312A1 (ja) | 就寝異常通知システム、就寝異常通知方法、およびプログラム | |
KR20190048630A (ko) | 전자 장치 및 그 제어 방법 | |
JP2018060375A (ja) | 情報処理システム、情報処理装置およびプログラム | |
CN105608469A (zh) | 图像分辨率的确定方法及装置 | |
CN112651865A (zh) | 一种行为状态的提示方法、装置、电子设备及存储介质 | |
KR102668933B1 (ko) | 맞춤형 서비스 제공 장치 및 방법 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
E601 | Decision to refuse application |