메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류

추천
검색
질문

논문 기본 정보

자료유형
학술저널
저자정보
여동훈 (포항공과대학교) 라이언 (포항공과대학교) 황병일 (포항공과대학교) 김동주 (포항공과대학교) 황도경 (포항공과대학교)
저널정보
대한전자공학회 전자공학회논문지 전자공학회논문지 제60권 제1호(통권 제542호)
발행연도
2023.1
수록면
37 - 47 (11page)
DOI
10.5573/ieie.2023.60.1.37

이용수

DBpia Top 10%동일한 주제분류 기준으로
최근 2년간 이용수 순으로 정렬했을 때
해당 논문이 위치하는 상위 비율을 의미합니다.
표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색
질문

이 논문의 연구 히스토리 (2)

초록· 키워드

오류제보하기
본 논문에서는 대면·비대면 혼합 교육 환경에서 딥러닝 기반 안면 상태 감지 모델과 알고리즘을 통한 학습자 집중도 분석 시스템을 제안한다. 기존에는 학습자의 집중도 분석을 위하여 Facial emotion analysis 모델을 통한 안면 상태 감지, Image segmentation 모델을 활용한 자세 감지, Eye tracking과 뇌파 활성도를 이용한 연구들이 있었다. 이에 반해 본 논문에서 제안된 방법은 학습자의 집중도 분석을 위해 Eye blink state 감지를 통하여 Drowsiness를 인식하고 Head-turning state 감지를 통하여 Cheating을 인식한다. 딥러닝 모델 기반 집중도 분석 알고리즘은 분석 과정에서 모델이 도출하는 임의의 Confidence 값이 아닌 정량적 수치를 통하여 집중도를 산출한다. 알고리즘은 카메라를 통하여 수집된 영상 내 학습자의 안면 상태를 기반으로 Eye blink 감지를 통한 Drowsiness 인식, Head pose 감지를 통한 Cheating 인식을 수행하며 인식 데이터를 기반으로 일정 주기로 집중도 상태를 산출한다. 안면 상태 감지에는 Face landmark detector와 Object detector를 활용하였으며 정확도와 동작 속도의 비교를 통해 더 유리한 Object detector를 채택하여 시스템을 구성하였다. 그리고 시스템을 검증하기 위하여 비대면, 대면 상황에 각각 20명, 100명의 시나리오를 통하여 학습자의 집중도를 산출하였으며 90%, 93%의 정확도를 나타내었다.

목차

요약
Abstract
Ⅰ. 서론
Ⅱ. 기존 기술
Ⅲ. 학습자 집중도 분석 시스템
Ⅳ. 실험
Ⅳ. 결론
REFERENCES

참고문헌 (28)

참고문헌 신청

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

이 논문과 함께 이용한 논문

최근 본 자료

전체보기

댓글(0)

0

UCI(KEPA) : I410-ECN-0101-2023-569-000334887