Presentacin de un modelo biomtrico multimodal para el seguimiento de
estudiantes en clases virtuales
1. Resumen: El propsito principal de este trabajo es presentar un nuevo modelo de e-learning basado en aplicaciones web con capacidad de control de asistencia. El modelo biomtrico basado multimodal presentado, se utiliza para la identificacin, la autenticacin y el seguimiento de los usuarios. En este modelo se utilizan dos caractersticas; comportamiento biomtrico (movimientos de ratn y pulsaciones de teclas dinmicas) y una fsica (caractersticas de la cara). Este nuevo algoritmo se presenta para juntar el uso de estas tres tecnologas biomtricas. Como resultados, los experimentos muestran, que estos procesos de verificacin y control de la asistencia, necesita de un nivel ms bajo de la colaboracin de los estudiantes. Despus de la aplicacin de este modelo, se puede aadir a los LMS (sistema de control de aprendizaje) existentes de tal forma que se vuelven compatibles con la misma. Por lo tanto, este modelo puede ser utilizado para realizar un seguimiento de la asistencia continua de los usuarios en las fases sensibles del proceso de e-learning. 2. Introduccin: Los sistemas de aprendizaje electrnico representan una nueva forma de educacin y se estn volviendo ms y ms populares cada da; por lo tanto, la necesidad de seguridad en este sistema es muy tangible. La falta de herramientas adecuadas para seguir correctamente al usuario 'el comportamiento es uno de los problemas ms importantes de LMS ' (sistemas de gestin de aprendizaje). Las soluciones tradicionales a los problemas de asistencia de los usuarios no puede garantizar que el usuario es quin l o ella dice ser y tambin ellos no pueden saber si el usuario se encuentra en frente de la computadora o no. La informacin que se registra en los sistemas tradicionales 'archivos de registro, slo contienen el inicio o cierre de sesin de los estudiantes (Gonzlez- Agulla et al, 2006; Kornelije Rabuzin et al 2008). Un usuario puede iniciar sesin en los LMS y dejar el sistema despus de unos minutos y volver cerca del final de la clase slo para cerrar la sesin. Sin embargo, est claro que este acto no se refleja en los archivos de registro. Hay muchos situaciones similares a la descrita anteriormente, donde las soluciones tradicionales no pueden especificar la duracin del tiempo real que el usuario pasa delante del ordenador. En este trabajo se presenta una solucin biomtrica basada multimodal para autenticar a los usuarios y controlar su asistencia. La biometra multimodales es til en la mejora de la fiabilidad de la autenticacin biomtrica cuando un solo mtodo biomtrico de autenticacin no puede satisfacer un nivel de fiabilidad requerido (Gonzlez-Agulla et al., 2008; Gonzlez-Agulla et al., 2009; L. Hong et al., 2005).
Este trabajo est estructurado de la siguiente manera: despus de esta introduccin, en la seccin 2 se expresan obras relacionadas. Seccin 3 explica la biometra multimodal. Tecnologas y soluciones biomtricas Propuestas utilizadas en el modelo se analizan en la seccin 4. La arquitectura del sistema se muestra en la quinta seccin. La seccin 6 presenta Implementacin de la solucin propuesta. El resultado experimental se muestra en la seccin 7. Por ltimo, la conclusin y las obras futuras se presentan en la seccin 8.
3. Trabajos relacionados: Hay mucha investigacin en la combinacin de las tecnologas biomtricas en varios campos, incluyendo E -learning. Aqu estn varias de las investigaciones ms importantes relacionados con este caso: Detalle de los archivos de registro se combinan con la informacin biomtrica obtenida de los usuarios (JL Alba Castro et al. 2009). Estos detalles incluyen: cuando el usuario comienza a trabajar, los acontecimientos del navegador y el estado del navegador de enfoque. Sin embargo, algunos problemas como la mala iluminacin condiciones en sala de estudiantes que pueden resultar en una reduccin del rendimiento de los mtodos de verificacin facial y del iris pueden suceder. Adems, los factores humanos pueden reducir seriamente el rendimiento del sistema. Por ejemplo: algunos usuarios no tienen posicionamiento apropiado durante la mayor parte del tiempo de clase para la verificacin facial para trabajar. Otra solucin es presentada por T.MJ Auernheimer (2007) que el sistema autentica a los usuarios por los medios de ambos rasgos faciales y huellas dactilares caractersticas. Es evidente que este sistema necesita la colaboracin de los usuarios, por lo que el seguimiento continuo con este mtodo causa |interferencia a las actividades de los usuarios. Las huellas digitales pueden ser fcilmente falsificadas de superficies que se tocan, utilizando una delgada capa de gelatina o de silicio. Como otro mtodo, el seguimiento de los estudiantes se hace slo con base en el reconocimiento facial (Gonzlez Agulla et al. 2008). Aunque esto se puede hacer de 2 maneras: de colaboracin y no de colaboracin y reducir el probabilidad de abuso, tambin tiene sus problemas probables. Por ejemplo, un estudiante puede poner su imagen o de vdeo frente a a cmara web y luego dejar el sistema.
En general, si queremos utilizar un sistema que contiene slo una caracterstica biomtrica podra causar algunos problemas que no pueden resolverse con facilidad, por lo que un sistema biomtrico multimodal que consiste en tres caractersticas biomtricas se ofrece en este documento. Estos tres son: rasgos faciales, la dinmica del golpe de teclado y movimientos del ratn. Lo Es de destacar que ninguna de las ltimas investigaciones se ha centrado en la combinacin de estas tres tecnologas biomtricas mencionado en el presente documento.
4. Biomtrica multimodal: En este estudio, hemos tratado de minimizar el nmero de errores posibles en las etapas de autenticacin y seguimiento por la combinacin de varias caractersticas biomtricas de cada usuario. Esta combinacin se realiza por estadstica o mtodos lgicos. Los mtodos lgicos realizan cada proceso de autenticacin de una manera independiente y aplican una lgica AND u un OR lgica de sus resultados para obtener el resultado final. En los mtodos estadsticos una autentificacin multimodal se realiza utilizando cada una de las caractersticas biomtricas y luego funciones estadsticas determinan el resultado final (Kornelije Rabuzin et al., 2008; L. Hong et al, 2005;.. Bharati, S. et al, 2008). La fiabilidad de los sistemas biomtricos multimodales es evaluada utilizando una funcin de densidad de usuarios engaosos y honestos, junto con 'FAR' (Tasa de Aceptacin Falsa) y 'FRR' (Tasa de Falso Rechazo).
5. Propuesta de solucin: En la solucin se proponen: un sistema fsico biomtrico (caractersticas de la cara) y dos de comportamiento (ratn movimientos y la dinmica de pulsacin de tecla) se utilizan para autenticar, rastrear y controlar la asistencia de los estudiantes. El sistema de control de asistencia ha sido diseado como un sistema de monitoreo continuo que recoge del estudiante, informacin sobre su comportamiento durante las sesiones de aprendizaje. Este sistema se divide en tres subsistemas: (a) verificacin de la facial, (b) verificacin de los movimientos del ratn, (c) verificacin de la dinmica de pulsacin de teclas. Estos subsistemas se describen en detalle, en las secciones 5.3 a 5.5
5.1. Asistencia algoritmo de control de E-learning En este trabajo, proponemos un algoritmo para controlar la asistencia de los estudiantes en la clase virtual llamada 'ACT' (Control de Asistencia tracker). Para este fin, ACT utiliza tres caractersticas biomtricas. El ACT est diseado de una manera que cualquier caracterstica biomtrica puede reemplazar a las que se usan en este documento. El ACT se expresa en el proceso de control de asistencia y tambin describe el papel de las caractersticas biomtricas mencionadas. El ACT se realiza en el siguiente manera: En la primera etapa, para autenticar a los estudiantes, se recibe sus datos biomtricos y se enva a la al mdulo de autenticacin biomtrica en el servidor. En la siguiente etapa el mdulo de autenticacin compara esta informacin con el patrn del usuario en la base de datos y calcula el resultado como un valor numrico. Para obtener el resultado de la autenticacin, este nmero se compara con un umbral a continuacin, si el resultado es positivo, el estudiante puede entrar en el aula virtual. Despus de la entrada del estudiante, su informacin biomtrica se enva continuamente a la Asistencia el control de procedimiento. Este procedimiento calcula el tiempo real que el estudiante asisti a la clase virtual y lo compara en el expediente del estudiante en la base de datos. Tambin permite al instructor acceder a esta informacin al mismo tiempo. El Pseudo cdigo para el algoritmo propuesto se presenta en la figura 1.
Pasos del algoritmo de ACT son los siguientes:
Paso 1. Inscripcin: en este paso, varios patrones de la cara del estudiante, la dinmica del golpe de teclado y movimientos del ratn se reciben y se almacenan en la base de datos del sistema. Paso 2. Autenticacin Biomtrica: en cada inicio de sesin, el proceso de autenticacin se lleva a cabo ya sea slo por mtodos biomtricos o una combinacin de caractersticas biomtricas con otros mtodos. Paso 3. Control de asistencia mediante el reconocimiento facial: despus de la entrada de los estudiantes a la clase virtual, se realiza un seguimiento continuamente durante la clase y sus rasgos faciales son comparados con la informacin de la base de datos. Cualquier deteccin de cara tiene su propio tiempo de expiracin especificada, por ejemplo n segundos; despus de n segundos transcurridos se da una nueva verificacin cara. Paso 4. Control de asistencia con el teclado y el ratn: la informacin sobre el comportamiento del mouse y el teclado est continuamente almacenada en archivos biomtricos del usuario, durante su tiempo de participacin en clase, esta informacin se utiliza para el seguimiento del estudiante, si las imgenes capturadas de la cara no son adecuadas para el reconocimiento facial. Paso 5. Control de asistencia en colaboracin: si el sistema no puede identificar a los usuarios con uso de imgenes de la cara o la informacin del ratn y el teclado, empleara el sistema de verificacin por colaboracin. En esta etapa, el sistema le pedir al usuario poner su cara en una posicin adecuada y tomar nuevas imgenes. En esta etapa, el usuario dispone de una cantidad limitada de tiempo para hacer las acciones pedidas por el sistema al termino del mismo si no se han efectuado las acciones necesarias el programa proceder con el cierre de la sesin. Paso 6. Medicin de la tasa de asistencia: si el resultado de la verificacin de los estudiantes es positiva, el sistema registra una marca de asistencia para l o ella de otra manera l o ella se marcar ausente. Al final de la clase, el tiempo global que el usuario ha asistido a la clase se calcular utilizando estas marcas. Cabe mencionar que el tiempo de caducidad en el tercer y quinto paso depende de los siguientes factores: ancho de banda de la red, servidor o poder de procesamiento del cliente y el nivel de precisin esperado. En una situacin ideal, el tiempo de caducidad se establece por el instructor a fin de determinar el nivel de atencin y el orden en la clase.
5.2. Toma de decisiones y combinacin de mtodos En la solucin presentada, el uso simultneo de los tres subsistemas biomtricos no es esencial y es suficiente emplear la deteccin de rostros o el detector biomtrico si con la informacin suministrada de los mismos es verificable. Se inicia proceso correcto seguimiento basado en los rasgos faciales despus que el estudiante ingrese, sin su colaboracin. Mientras el usuario puede seguir usando caractersticas faciales, los datos brutos recogidos por los subsistemas biomtricos de comportamiento se almacenan en archivos de registro del estudiante. Los procesos de autenticacin y seguimiento de los estudiantes se realizan con movimientos del ratn y los subsistemas de dinmica de pulsacin de tecla slo si es imposible que puedan ser realizados por los medios de deteccin facial. Las ventajas de este mtodo incluyen reducida nmero de clculos para la autenticacin de un usuario y proporcionar una fiabilidad deseable para el sistema. En el modelo propuesto, si es necesario autenticar al estudiante por los dos subsistemas biomtricos conductuales mencionados, sus procesos de autenticacin se debe hacer de forma independiente y el resultado final se obtendr mediante la aplicacin de una lgica y en sus resultados independientes. La aceptacin o rechazo de un estudiante en este proceso depende del sistema de vigilancia.
5.3. Subsistema de reconocimiento facial El sistema de reconocimiento de cara se basa en el algoritmo de Viola-Jones (B.Penteado y A.Marana, 2007). El mdulo de autenticacin de rostro y seguimiento, se ha desarrollado empleando el entorno de desarrollo Matlab. Este mdulo utiliza un detector de cara para rastrear y seguir el rostro de los nuevos usuarios. Con el usuario a la vista, el sistema detecta su cara y comprueba el posicionamiento de la misma. Seguimiento de la cara contina durante el tiempo que el usuario est a la vista y su cara no est cubierta. En este trabajo, la deteccin de rostros se realizar por el mtodo "-video-a-imagen". En este mtodo, en la fase de registro, dos muestras de video del usuario se registran y el proceso de autenticacin de las conexiones futuras ser realizado mediante la comparacin de una imagen con estos dos videos. En este mtodo se graban vdeos del usuario durante la fase de registro en las posiciones siguientes: (a) La lectura de un texto de 200 palabras de longitud, (b) Al escribir un texto. Cada vdeo recodificado es de tres segundos de duracin con el nmero de cuadros en funcin de la velocidad de fotogramas de la cmara web. La cuadros de vdeo de primer caso se pondrn en vector T1 y fotogramas de vdeo segundo caso se pondrn en vector T2. Para el seguimiento el usuario en los futuros inicios de sesin, un video de tres segundos de que el usuario se registrar y su mejor marco en trminos de la cara expresiones, la iluminacin y la resolucin sern seleccionados por una aplicacin previamente instalada en el sistema del cliente, este marco se llama V. Este marco ser enviado a la parte del servidor y no se puede comparar con T1 y T2. La principal estrategia de comparar marco V con dos marcos de patrones (T1 y T2) es compararlo con todo el marco en estos dos vectores. Estas comparaciones se traducirn en S1 y S2 vectores de valor.
Para la autenticacin o el seguimiento de los usuarios en los futuros inicios de sesin, un video de tres segundos en el que el usuario se registra y su mejor marco en trminos de expresiones de la cara, la iluminacin y la resolucin ser seleccionado por una aplicacin previamente instalado en la parte cliente del sistema, este marco se llama V. Este marco ser enviado a la parte del servidor y all se compararn con T1 y T2. La principal estrategia de comparar marco V con dos marcos de patrones (T1 y T2) es compararlo con todas las tramas en estos dos vectores. Estas comparaciones se traducirn en S1 y S2 vectores de valor:
En estas dos ecuaciones, el programa expresa el nivel de similitud entre las tramas I y V. El resultado final de la comparacin de T1y T2 con V se calcula en la ecuacin (3):
Si S m es mayor que el umbral especificado el resultado es positivo de lo contrario considera negativa. El umbral anterior se determina de acuerdo con la precisin esperada del sistema, y puede variar.
5.4. Ratn, subsistema de deteccin de movimientos Patrn de movimiento del ratn es una firma que se extrae de los movimientos del ratn y otras acciones. Extrayendo patrn de movimiento del ratn no necesita ningn hardware especial, sino que se puede hacer de forma no interactiva durante toda la clase o en cualquier momento particular de la clase. Los movimientos del ratn tienen muchas caractersticas que se extraen para uso los nuevos anlisis. Los elementos siguientes son algunos ejemplos de estas caractersticas: la velocidad y la aceleracin del puntero del ratn, la direccin del ratn, amplitud del temblor de manos, uso de la rueda de desplazamiento, hacer clic derecho e izquierdo del ratn, en la frecuencia y el tiempo de inactividad. El puntero del ratn, la velocidad es distancia a la recorrida por el puntero durante un perodo fijo de tiempo. La aceleracin se calcula como la diferencia entre la velocidad actual y la velocidad medida durante el perodo de tiempo anterior. La recoleccin de datos es realizada por medio de un procedimiento sub fondo oculto. Cuando el usuario utiliza el ratn, el movimiento patrn y el tiempo dedicado al uso del ratn se calculan en milisegundos, y se guarda en un registro de base de datos especfica para cada usuario. A continuacin, los datos se procesan y se muestran en varios grficos. Con el fin de modelar el movimiento del ratn, se consideran ocho direcciones. Estas direcciones se numeran del uno al ocho. Cada uno de estas ocho direcciones, que se extiende 45 grados, abarca un conjunto de movimientos del ratn. Supongamos que el usuario mueve el ratn en el primer sector (0 a 45 grados). Se calcula la velocidad media de la distancia recorrida. En total, estas piezas de informacin constituyen los componentes del patrn de movimiento del ratn del usuario (ATM Auernheimer et al, 2007; Seno, S. Sadakane et al ,2003).
5.5. Subsistema de reconocimiento dinmico de la de pulsacin de teclas La dinmica de pulsacin de teclas es un mtodo biomtrico de comportamiento que no requiere ningn hardware adicional para recoger la informacin. Para obtener el patrn dinmico de pulsacin, los intervalos de digitacin entre las teclas se calculan, considerandolos como la firma de esa persona. Este mtodo se utiliza en combinacin con otros mtodos biomtricos, juega un papel complementario. Los siguientes factores son algunas de las caractersticas dinmicas de teclas: el tiempo que la tecla se mantiene presionada, los intervalos de pulsar cada tecla, la velocidad total de escribir etc A veces es necesaria la creacin de ms de un patrn para cada estudiante, ya que estos patrones dependen de los diseos, el humor, entornos y el trabajo del estudiante. Existen varios mtodos para el anlisis de la dinmica de pulsacin de teclas, por ejemplo: tcnicas de lgica difusa, mtodos estadsticos y redes neuronales. Los mtodos estadsticos tienen el nivel de precisin ms alto (Haider , S. et al. , 2004) . Hay dos caractersticas principales que se consideran como el resultado de acciones de los estudiantes, estas son: (a) Cdigo de la llave: el cdigo ASCII de cada tecla pulsada y (b) Duracin de la pausa entre las acciones: este factor indica el intervalo de tiempo entre la pulsacin de dos teclas. Este intervalo de tiempo se le llama dgrafo. Este factor depende de la disposicin del teclado y el hardware utilizado para recopilar datos (I.Sogukpinar et al, 2007. Haider, S. et al, 2004.) . Por lo tanto, el objetivo principal de esta estrategia es elegir un modelo de arquitectura, que contiene tanto las caractersticas del software y factores ambientales que afectan el estado de nimo del usuario de para analizar la dinmica de pulsacin de teclas. As, se obtienen los siguientes resultados: sea R = (r1, r2, ..., rn) un vector que consiste en N dgrafos generadas cuando un usuario escribe una palabra de gran magnitud 1 N durante el proceso de recogida de los patrones de los usuarios. Este conjunto se llama el vector de referencia. Sea U = (u1, u2, ...,) un vector que consiste en N dgrafos, se genera cuando un usuario escribe una palabra extensa 1 N mientras que, es autenticado y seguido durante el proceso de escritura. Este vector se denomina el vector de prueba. Estos dos Los vectores se comparan teniendo en cuenta ciertos criterios, la explicacin est fuera del alcance de este documento. Estos criterios se eligen de manera que minimizan FAR y FRR nivel que resulta ms precisin y menos errores. Esta comparacin de resultados se utilizar en la identificacin del usuario.
6. Arquitectura del sistema Como se mencion anteriormente, este mtodo se obtienen mejores resultados en materia de seguridad, y capacidad de adaptacin (flexibilidad) adems del procesamiento de energa. La autenticacin y el mdulo de control de asistencia son dos sistemas separados y ambos estn del lado del servidor. Este sistema slo requiere un ordenador personal y una cmara web. Entonces los tres sistemas de recopilacin de datos mencionados anteriormente pueden ser recibidos desde el ordenador del usuario. El modelo propuesto puede adaptarse a Open Source CMS, por lo que se puede agregar a estos CMS. La Figura 3 muestra la arquitectura del modelo propuesto.
7. Implementacin En este trabajo, el control de acceso y asistencia se realizan a travs del "BioWebAuth '(Biometrics for Web Autenticacin) marco. BioWebAuth es un framework Java de cdigo abierto que se utiliza basado en la web para la autenticacin (Seno, S. Sadakane et al., 2003). BioWebAuth presenta un mecanismo de control de acceso basado en biometra y ayuda LMS para autenticar a los alumnos y controlar su asistencia. BioWebAuth nos permite utilizar una amplia variedad de modalidades biomtricas combinaciones para controlar el acceso de los estudiantes. En este trabajo, el control de acceso y el seguimiento de estudiante se llevan a cabo por mecanismos BioWebAuth. Nuestra eleccin final para la autenticacin y control de asistencia son dos patrones biomtricos de comportamiento y un proceso fsico. El cdigo abierto LMS como Moodle, ILIAS y Claroline son programas de aplicacin web de renombre que son capaces de autenticar a travs BioWebAuth. En estos sistemas, Claroline Ilias se utilizan para demostrar la facilidad de uso del sistema desarrollado propuesto.
8. Resultados experimentales Este modelo se desarroll en un ambiente experimental y un LMS, llamado Claroline, se utiliz para probar el algoritmo propuesto. Ocho grandes estudiantes de informtica participaron en una clase virtual de una hora en un aula equipada con Claroline. Cada estudiante tena un ordenador y una cmara web conectada a la misma. Para evaluar el mtodo propuesto, dos videos de tres segundos de cada alumno fueron los patrones faciales y otros dos patrones se obtuvieron mediante grabar los movimientos del ratn y las dinmicas de pulsaciones de teclas. Los resultados del algoritmo propuesto para sesenta minutos de clase se presentan en la Tabla 1. En este experimento, slo uno de los ocho estudiantes necesita biomtrica multimodal para su autenticacin. Esta tasa es de alrededor de 12.5 por ciento de todos. Mientras que en la propuesta de solucin presentada por Gonzlez- Agulla et al. (2009) sobre el 18,5 por ciento de todos los usuarios, necesitan autenticacin biomtrica multimodal. Adicin de los dos mtodos, mencionados, biometra de comportamiento (movimientos de ratn y pulsaciones de teclas dinmicas) en esta solucin, se reduce la necesidad de multimodal de autenticacin biomtrica por rasgos faciales. As, en este modelo se aumenta la comodidad del usuario. Otra ventaja de este modelo propuesto en comparacin con otras soluciones es que no necesita gran ancho de banda.
9. Conclusiones y futuros trabajos Mediante el uso de los modelos de las tareas importantes propuestas como el control de asistencia, evaluacin del estudiante del estudiante y de seguimiento se llevan a cabo con mayor precisin y tambin de forma ms completa, la solucin propuesta garantiza que el estudiante mantenga su asistencia frente a la computadora y este el 100% de la clase virtual, sin embargo, la posibilidad de abuso sigue siendo probable teniendo en cuenta factores humanos. Hoy en da la seguridad perfecta slo se puede lograr por medio de los mtodos de monitoreo humanos. Como una actividad de futuro para mejorar el desempeo de los sistemas podemos mencionar la presentacin de un nuevo modelo para el control de los estudiantes durante una prueba electrnica para minimizar los malos usos. Para llegar a esta meta, la informacin fsica y de comportamiento de los estudiantes adems del estado mental deben ser monitorizados y procesados.