학습자와 교수자간의 효율적인 학습을 지원하고 학습자의 편의성과 공간 시간적으로 제안된 학습 환경을 개선하기 위해 이러닝 기술이 다각도로 연구되고 있다. 그러나 학업 성취도를 포함한 학습 과정에서 오프라인 수업에 못 미치는 결과를 초래하고 있다. 즉, 대리인이 학습에 참여한 출석, 학습에 집중력이 부족한 형식적인 학습, 학습자의 학습태도 관리 등의 영역에 문제를 가지고 있으므로 당연한 결과라 할 수 있다. 이러한 환경적인 문제가 해결되어야 시간 공간의 제안을 받지 않는 이러닝 시스템의 장점을 살릴 수 있을 것이다. 본 논문에서는 이러한 문제를 해결하고자 학습자의 얼굴 인증 컴퓨팅 기술을 이용하여 학습자 인증과 학습 진행이 될 수 있는 기술을 제안한다. 학습자의 얼굴을 실시간으로 감시하여 학습자의 자리 비움 및 학습 이외의 행위, 대리인에 대한 제한을 방지할 수 있는 기능을 제공한다.
학습자와 교수자간의 효율적인 학습을 지원하고 학습자의 편의성과 공간 시간적으로 제안된 학습 환경을 개선하기 위해 이러닝 기술이 다각도로 연구되고 있다. 그러나 학업 성취도를 포함한 학습 과정에서 오프라인 수업에 못 미치는 결과를 초래하고 있다. 즉, 대리인이 학습에 참여한 출석, 학습에 집중력이 부족한 형식적인 학습, 학습자의 학습태도 관리 등의 영역에 문제를 가지고 있으므로 당연한 결과라 할 수 있다. 이러한 환경적인 문제가 해결되어야 시간 공간의 제안을 받지 않는 이러닝 시스템의 장점을 살릴 수 있을 것이다. 본 논문에서는 이러한 문제를 해결하고자 학습자의 얼굴 인증 컴퓨팅 기술을 이용하여 학습자 인증과 학습 진행이 될 수 있는 기술을 제안한다. 학습자의 얼굴을 실시간으로 감시하여 학습자의 자리 비움 및 학습 이외의 행위, 대리인에 대한 제한을 방지할 수 있는 기능을 제공한다.
E-learning technology which effectively supports the learning methodologies between students and professors and which provides location and time benefits to students is being researched now a days. However, E-learning classes produce bad effects comparing with offline classes in learning procedures ...
E-learning technology which effectively supports the learning methodologies between students and professors and which provides location and time benefits to students is being researched now a days. However, E-learning classes produce bad effects comparing with offline classes in learning procedures including scholastic achievements. Bad effects of E-learning system could be proxy attendance, lack of concentration, and bad attitude of students. These environmental problems must be solved first to achieve the advantages of E-learning technology. To get rid of these problems, in this paper, we proposed a mechanism which provides effective learning progress by using face authentication method. This mechanism supervise the student by using real time face recognition which prevents proxy attendance, illegal activities, and student's absences.
E-learning technology which effectively supports the learning methodologies between students and professors and which provides location and time benefits to students is being researched now a days. However, E-learning classes produce bad effects comparing with offline classes in learning procedures including scholastic achievements. Bad effects of E-learning system could be proxy attendance, lack of concentration, and bad attitude of students. These environmental problems must be solved first to achieve the advantages of E-learning technology. To get rid of these problems, in this paper, we proposed a mechanism which provides effective learning progress by using face authentication method. This mechanism supervise the student by using real time face recognition which prevents proxy attendance, illegal activities, and student's absences.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
본 논문은 이러닝 시스템 환경에서 학습강화를 위해 학습자 얼굴인증 기술을 적용한 이러닝 시스템을 제안하였다. 학습자의 얼굴인식을 통해 시스템 로그인 식별과 인증정보로 활용하여 이러닝 학습에 실시간 학습자 인증 기능을 제공한다.
웹캠을 이용하여 학습자의 얼굴을 인식하여 콘텐츠를 구성하여 흥미를 유발 시킬 수 있도록 하여 학습효과를 높이고자 고안된 기술이다. 학습자의 얼굴 표정을 인식하여 다음과 같이 감성상태를 추출하여 대응한다.
교사자와 학습자간의 상호 인터페이스에 의한 학습 효과 증대 기술인 실시간 질의/응답 및 학습자 감성 인식 기술은 대리인의 학습과 실시간 콘텐츠 구성에 문제를 가지고 있다. 이러한 문제를 보완하고 이러닝의 요구사항을 만족시키기 위해 본 논문에서는 학습자의 얼굴 인증 기술을 제안하여 이러닝의 학업 참여와 성취도를 증대시키고자 하였다.
이러한 문제를 해결하고자 본 논문에서는 학습자의 학습강화를 위해 실시간으로 학습자의 얼굴인식 및 인증 기술을 제안하였다.
제안 방법
AdaBoost는 Freund[7]가 제안한 학습 알고리즘으로 성능이 좋지 않은 여러 개의 약한 분류기들로부터 강한 분류 기를 구성하는 boosting 방법 중의 하나이다. Viola는 AdaBoost 를 얼굴검출에 이용하였고 특히 Haar-like feature와 cascade 구조를 사용하여 빠른 얼굴 검출 속도와 검출률을 높였다.
따라서 연속되는두 프레임간의 엔트로피 차이를 사용하면 조명 변화로 인한잘못된 장면검출을 막을 수 있다. 그래서 컬러 히스토그램과 엔트로피 비교 방법을 함께 사용하여 두 프레임간의 컬러 히스토그램과 엔트로피의 차이를 계산하여, Dtotal이 임계값을 넘을 때에 장면전환으로 간주한다.
또한 학습자를 실시간으로 감시하여 얼굴인증이 불가능한 상태를 판단하여 학습 콘텐츠의 진행을 정지 또는 동작하도록 학습 진행 제어 기능을 제공하였다. 또한 부수적으로 학습 콘텐츠의 정지 또는 작동 상태의 상황정보를 활용하여 학습자의 학습태도 및 학습 성향을 파악하여 교수자의 오프라인 수업시 학습자 지도 정보로 활용할 수 있다.
또한, 학습자의 이미지를 이용한 대리인의 학습의 경우, DH의 값이 일정시간 같은 값이 추출이 되는 특징이 있으므로 이러닝을 제어하도록 한다.
제안 시스템은 로그인시에 학습자 고유 식별 정보(ID)와 패스워드, 얼굴 인증에 의해 사용자를 인증한다. 인증이 완료되면 이러닝 시스템에서 제공하는 콘텐츠 학습이 가능하다.
학습자의 얼굴 인증 기술영역만을 추출하여 실험한 결과는 의 A영역과 학습중인 학습자의 실시간 얼굴인식 영역인 의 B영역 이미지를 비교하여 A/B/C 경우로 시나리오를 만들어 테스트하였다.
본 논문은 이러닝 시스템 환경에서 학습강화를 위해 학습자 얼굴인증 기술을 적용한 이러닝 시스템을 제안하였다. 학습자의 얼굴인식을 통해 시스템 로그인 식별과 인증정보로 활용하여 이러닝 학습에 실시간 학습자 인증 기능을 제공한다.
이론/모형
얼굴 인식을 위해 AdaBoost를 이용하여 Haar-like feature 중에 얼굴을 가장 잘 표현한 영역을 선택하였다. AdaBoost 학습 알고리즘을 사용하면 학습을 거듭 할수록 얼굴을 잘 표현하는 특징 값을 많이 뽑아낼 수 있어 강력한 인식 알고리즘을 만들 수 있다.
학습자의 얼굴인식은 AdaBoost를 이용하여 Haar- like feature에서 추출한 영역으로 얼굴을 인식한다. 이렇게 인식된 얼굴영역은 학습자 인증을 위한 프레임으로 구성한다.
성능/효과
DCT 계수의 특성상 AC 계수를 이용하여 복원하는 경우보다 더 정확한 에지 영상을 얻을 수 있고 따라서 장면전환검출 결과가 좋은 장점이 있다.
학습자의 로그인 인증은 기존 시스템에서 필수 사항 기능으로 제공한다. 그러나 본 제안 시스템은 사용자의 얼굴 인증을 통해 학습자를 인증하므로 기존 시스템에서 대리인을 통한 시스템 로그인이 발생할 수 있는 문제점을 보완한 결과를 갖는다.
제안 시스템은 학습자를 실시간으로 감시하여 대리인에 의한 학습이 불가하고 학습자의 자리 비움 및 집중력 저해에 의한 학습의 미진한 부분을 보강하였다. 그러나 제안 시스템에 적용한 Haar-like feature와 AdaBoost 알고리즘은 특정변수에 의한 검출오류가 발생하는 것이 문제가 있다. 이러한 얼굴인식 기술을 보강한 알고리즘을 적용한다면 효율적인 이러닝 학습 강화 시스템을 제공할 것으로 판단된다.
제안 시스템은 학습자를 실시간으로 감시하여 대리인에 의한 학습이 불가하고 학습자의 자리 비움 및 집중력 저해에 의한 학습의 미진한 부분을 보강하였다. 그러나 제안 시스템에 적용한 Haar-like feature와 AdaBoost 알고리즘은 특정변수에 의한 검출오류가 발생하는 것이 문제가 있다.
후속연구
그러나 제안 시스템에 적용한 Haar-like feature와 AdaBoost 알고리즘은 특정변수에 의한 검출오류가 발생하는 것이 문제가 있다. 이러한 얼굴인식 기술을 보강한 알고리즘을 적용한다면 효율적인 이러닝 학습 강화 시스템을 제공할 것으로 판단된다.
학습자의 학습상황 정보는 교사자가 학습자의 성향을 분석 하는 부수적인 정보로 활용하여 추후 학습 지도에 참고자료로 활용할 수 있을 것이다.
질의응답
핵심어
질문
논문에서 추출한 답변
AdaBoost 학습 알고리즘은 다양한 얼굴 영상을 검출하기 위해 무엇을 사용하는가?
Haar-like feature와 AdaBoost 학습 알고리즘은 전형적인 얼굴 검출 알고리즘이다. Haar-like feature는 얼굴 검색에서 주로 사용하는 기법으로 특징 값을 추출하는 방법이고 AdaBoost 학습 알고리즘은 인식률을 높이는 방법으로 다양한 얼굴 영상을 검출하기 위해 다중해상도 피라미드를 사용한다[4,5].
Haar-like feature는 무엇인가?
Haar-like feature와 AdaBoost 학습 알고리즘은 전형적인 얼굴 검출 알고리즘이다. Haar-like feature는 얼굴 검색에서 주로 사용하는 기법으로 특징 값을 추출하는 방법이고 AdaBoost 학습 알고리즘은 인식률을 높이는 방법으로 다양한 얼굴 영상을 검출하기 위해 다중해상도 피라미드를 사용한다[4,5].
Haar-like feature를 얼굴 검출에서 사용하면 어떤 현상이 일어나는가?
이를 얼굴 검출에서 사용하면 얼굴을 배경으로 판단할 확률이 1%보다 작아진다. 뿐만 아니라 특징 값을 구하는데 요구되는 계산량은 단순히 합 연산으로 빠른 얼굴 검출을 요하는 응용분야에서 사용될 수 있다.
참고문헌 (8)
박정현, 김인옥, 정상목, 송기상, 김종백, "감성 인식 컴퓨팅 기술을 적용한 이러닝 상호작용 기술 연구," 한국컴퓨터교육학회, 제11권, 제2호, 2008년 3월.
정인성, "구성주의에 기초한 온라인 가상대학 모델 개발," 교육공학연구, 제13권, 제2호, 315-338쪽, 1997년
송복섭.권수갑, "교육혁신 e-Learning 개념 및 동향," 주간기술동향 통권 1305호, 2007.
이상윤, "얼굴인식 최신 기술 및 표준화 동향," IT Standard weekly 2005권, 36호, 2005.
P. Viola and M.J. Jones, "Robust real-time object detection", Technical Report Series, Compaq Cambridge research Laboratory, CRL 2001.
Alexander Kuranov, Rainer Lienhart, and Vadim Pisarevsky, "An Empirical Analysis of Boosting Algorithms for Rapid Objects With an Extended Set of Haar-like Features," Intel Technical Report MRL-TR-July 02-01, 2002.
Y. Freund and R. E. Schapire, "A Decision-Theor etic Generalization of On-Line Learning and an Appli I cation to Boosting," Proc. Second European Conference on Computational Learning Theory, LNCS, 1995.
장은겸, "UCC 환경에서 디지털콘텐츠 지적재산권 보호를 위한 인증 메커니즘," 박사학위논문, 대전대학교, 2007.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.