雖然這篇主成分分析目的鄉民發文沒有被收入到精華區:在主成分分析目的這個話題中,我們另外找到其它相關的精選爆讚文章
在 主成分分析目的產品中有3篇Facebook貼文,粉絲數超過7萬的網紅iThome,也在其Facebook貼文中提到, 若資料的維度太多,人類往往難以理解資料的本質,對此,主成分分析常作為降維的手段;然而,真正的目的並不在於降維,而是透過主成分分析來理解資料於不同維度上的樣貌 #看更多 https://www.ithome.com.tw/voice/145817...
雖然這篇主成分分析目的鄉民發文沒有被收入到精華區:在主成分分析目的這個話題中,我們另外找到其它相關的精選爆讚文章
在 主成分分析目的產品中有3篇Facebook貼文,粉絲數超過7萬的網紅iThome,也在其Facebook貼文中提到, 若資料的維度太多,人類往往難以理解資料的本質,對此,主成分分析常作為降維的手段;然而,真正的目的並不在於降維,而是透過主成分分析來理解資料於不同維度上的樣貌 #看更多 https://www.ithome.com.tw/voice/145817...
... 主成分分析的目的— 即透過少數變數來描述眾多變數。此外,經過主成分分析所萃取出的主成份,重要性依序遞減,第一個所萃取出的主成份,解釋力最高。
主成分分析 經常用於減少數據集的維數,同時保留數據集當中對變異數貢獻最大的特徵。這是通過保留低維主成分,忽略高維主成分做到的。這樣低維成分往往能夠保留住數據的最 ...
在多變量分析中,主成分分析(Principal components analysis, PCA)是一種分析、簡化數據集的技術。利用原有的變數組合成新的變數,以達到資料縮減的 ...
主成分分析 (principal components analysis,PCA)又稱:主分量分析,主成分回歸分析法主成分分析也稱主分量分析,旨在利用降維的思想,把多指標轉化為少數幾個綜合 ...
主成分分析 (Principal Component Analysis, 後簡稱為PCA)在100 年前由英國數學家卡爾·皮爾森發明,是一個至今仍在機器學習與統計學領域中被廣泛用來分析 ...
化簡馭繁,一直是數學的目的,也是一百多年前卡爾·皮爾森(Karl Pearson)發明主成分分析(Principal Component Analysis, PCA)的緣由。 主成分分析是一個降低維度的方法, ...
不同於平時進行研究資料清洗多半是為了讓資料符合統計模型的假設而對資料做數據轉換,因素分析轉軸之目的是透過讓座標軸旋轉,使之在「空間中涵蓋最大 ...
在PCA中,我們會尋找特徵值大於1的主成分個數,目的就是為了找到在相同狀況下,向量被放大,作用後方向卻不變的特性,以確保這些成分對於整體的變異解釋 ...
第81 章 主成分分析Principal Component Analysis. A big computer, a complex algorithm and a long time does not equal science. Robert Gentleman. PCA lecture was ...
主成分分析 (Principal Component Analysis,後簡稱為PCA),為非監督式 ... 核心精神在於將原始數據拆解成具有代表性的主成分,達到降維的目的,並重新描述 ...
主成分分析 屬於非監督是式學習法,即處理一組沒有回應變數Y(目標變數)的一群X變數(X1,X2,…,Xn),即沒標籤的資料集(unlabeled data)。 · 目的為使用較少的 ...
2021年版本,刪掉許多冗長的部分與換一個更明確的例子。 Principal Components Analysis 以最簡單的方式了解PCA的原理與解法因為需要用到Lagrange ...
主成分分析 (Principal Component Analysis,後簡稱為PCA), ... 核心精神在於將原始數據拆解成具有代表性的主成分,達到降維的目的,並重新描述數據。
本篇目的在討論和比較探索性因素分析(Exploratory Factor Analysis, EFA)和主成份分析(Principal Component Analysis, PCA)的差異。
一個簡單的例子就是彩色圖片轉灰階,對於一個8x8像素的彩色圖片,若只考慮RGB,輸入的維度會有8x8x3=192個,如果目的只是想觀察、找出影像邊緣,可以套用 ...
主成分分析 的目的是要从一组测量变量中得到少数几个相互独立的线性组合(主成分),使用它们来捕获原始变量中尽可能多的变异性。主成分分析是一种降维方法,也是一种 ...
自從我講了factor analysis之後,就有人問我PCA和factor analysis有什麼區別。我雖然想出個視頻來介紹,但是主成分分析的原理和結構方程模型風馬牛不 ...
tags: `R` `PCA` `Principal Component Analysis` `Visualization` `尺度縮減` `主成分分析` `資料前處理` # PC.
... 主成分分析法(PCA),它的主要功能是將資料簡化(data reduction)或維度化簡(dimension reduction)。PCA的分析過程簡述如下:(1)分析變數之間的相關性,目的是要找出這些 ...
主成分分析(PCA)是一种比较基础的数据降维方法,也是多元统计中的重要部分,在数据分析、机器学习等方面具有广泛应用。主成分分析目的是用较少的变量 ...
PCA的主要思想是将n维特征映射到k维上,这k维是全新的正交特征也被称为主成分,是在原有n维特征的基础上重新构造出来的k维特征。PCA的工作就是从原始的空间中顺序地找一组 ...
顯示主成分分析或因數分析中loadings 的內容,在主成分分析中,該內容便 ... 主成分可以除去,已達到降維目的,故公式為. z∗1=−0.502∗x1∗−0.5∗x2 ...
主成份分析是由Pearson 所創用而由Hotelling 再加以發展的. 一種統計方法(林清山,1991),Pearson 將PCA 用在正交之迥歸分析(orthogonal regression)為其原意與目的( ...
簡介. principal component analysis(PCA) 主成分分析法是一種數學變換的方法, 它把給定的一組相關變數通過線性變換轉成另一組不相關的變數,這些新的變數按照方差依次遞減 ...
主成分分析 的 目的 就是要從一組變量中得到少數幾個相互獨立的線性組合(即主成分),使用它們來捕獲原始變量中盡可能多的變異性。作為一種數學降維方法 ...
機器學習主要是希望用PCA達到dimension reduction的目的,主要是為了避免Hughes 現象(Hughes Phenomenon)/ 維度詛咒(curse of dimensionality)。文. 這 ...
... 主成分正交的方向。 我− 1個{\displaystyle i-1} 最大化投影數據方差的主成分。 對於這兩個目的,我們知道主成分是數據協方差矩陣的特徵向量。因此,主成分通常通過 ...
... 主成分。在實際課題中,為了全面分析問題,往往提出很多與此有關的變量(或因素),因為每個變量都在不同程度上反映這個課題的某些信息。主成分分析 ... 原理; 應用學科 ...
主成分分析 (PCA, principal component analysis)是一种数学降维方法, 利用正交变换(orthogonal transformation)把一系列可能线性相关的变量转换为一组线性不相关的新 ...
本文主要藉文獻的考徵,探討共同因素分析與主成份分析在學理上與實徵上的差異,並從. 七個主題進行討論:(1)因素與成份的正名;(2)共同因素分析的原理;(3)主成份分析 ...
1.1 主成分分析法(PCA)的原理 ... 主成分分析法是运用“降维”思想,把多个指标变换成少数综合指标的多元统计方法,这里的综合指标就是主成分。每个主成分都是 ...
也就是說,降低維度的同時,必須能夠保留重要資訊,重要資訊的比例越高越好,因此在這之前,必須要能分析資訊來源的主成分(Principal Component)有哪些,佔了多少比例等 ...
在开始解释之前,本文提供了PCA在每一步骤的运作原理的逻辑解释,简化了其背后的数学概念,如标准化,协方差,特征向量和特征值,而暂未关注如何运算的 ...
PCA: Principal Components Analysis,主成分分析法原理1、引入. PCA算法是无监督学习专门用来对高维数据进行降维而设计,通过将高维数据降维后得到的低维数能加快 ...
以两个变量为例来说明主成分分析的基本原理。在地理上经常可以发现不同的变量呈现显著的线性相关,例如海拔与气温负相关,生长期降水与经济作物的产量 ...
主成分分析 也称主分量分析,旨在利用降维的思想,把多指标转化为少数几个综合指标(即主成分),其中每个主成分都能够反映原始 ... 主要目的; 分析步骤; MATLAB实现; 应用 ...
PCA主成分分析原理 ... 主成分分析(Principal components analysis,以下简称PCA)是最重要的降维方法之一。在数据压缩消除冗余和数据噪音消除等领域都有广泛的应用。一般 ...
主成分分析 (PCA)原理詳解. 原創 Bran-Yang 2018-08-29 15:48. 轉載原文出處:http://blog.csdn.net/zhongkelee/article/details/44064401. 一、PCA簡介. 1. 相關背景.
线性判别分析(Linear Discriminant Analysis,LDA):类间的距离(有监督). 简而言之,降维的目的就是找到能够代表原始数据的维,且此时的维数要小于原始数据的维数。
这篇文章主要带大家入门PCA,逐渐理解PCA最原始的概念和设计思路,以及简单的实现原理。 主成分分析,即Principle Component Analysis (PCA),是一种 ...
使用主成分分析可从较大数据集标识较小数量的不相关变量,其称为“主分量”。通过此分析,您可创建作为观测变量线性组合的新变量(主分量)。主分量分析的目的是为了使用 ...
它是對多個變數決定各變數權重而成. 加權平均,依此訂出總指標. 經由線性組合而得的主成份,能保有原. 來變數最多的資訊. 即主成份有最大的變異數,也就是使受.
之前也分享過兩篇文章,也非常不錯,可以結合起來一起看,加深理解。 一文讀懂PCA算法的數學原理. 講講降維算法:PCA主成分分析. PCA主成分分析算法( ...
主成分分析 (Principal Component Analysis, PCA)由Hotelling于1933年首先提出。 目的是把多个变量压缩为少数几个综合指标(称为主成分), 使得综合指标能够包含原来的多个 ...
另外,當研究目的為精簡模式變項時,. 除了可使用許多統計指標來鑑定(Peres-Neto et al.,2005) 外,亦可考慮以特徵值作為分類. 的門檻。在使用標準化資料的前提下,可採.
主成分分析 (英語:Principal components analysis,PCA)是一種分析、簡化數據集的技術。通過降維技術把多個變量化為少數幾個主成分(綜合變量)的 ...
原作者:Zakaria Jaadi翻譯:鍾勝傑這篇文章的目的是提供主成分分析的完整同時比較簡化的解釋,特別是逐步回答它是如何工作的,這樣每個人都可以理解它並利用...
此方法主要目的是縮減資料中使用的變數個數,利用尋找變數間不同的線性組合,萃取出具代表性的主成份 I ,再進一步進行其他統計分析。 I:本方法使用資料的相關矩陣為 ...
笔记的主要内容是PCA(主成分分析) 原理和基本知识,相关数学原理和核心概念。 什么是PCA分析? 主成分分析(PCA, principal component analysis)是一种 ...
PCA 的主要目的是將p個變數,縮減到m個主成份(principal components),在這同時儘量保留p個變數的variation。如果這m個主成份可以直接解讀,那就更好了。
PCA(Principal Component Analysis)是一种常用的数据分析方法。PCA通过线性变换将原始数据变换为一组各维度线性无关的表示,可用于提取数据的主要 ...
数据降维的目的:. 使得数据集更容易使用; 确保这些变量是相互独立的; 降低很多算法的计算开销; 去除噪音; 使得结果 ...
PCA(主成分分析法)原理以及应用+代码实现. fanstuck. 2022-07-28 23:20 840. 关注. 本文已参与「新人创作礼」活动,一起开启掘金创作之路。 前言. PCA多用于对数据 ...
主成分分析 (Principal Component Analysis,PCA), 是一种统计方法。通过正交变换将一组可能存在相关性的变量转换为一组线性不相关的变量, ...
... 主成分(對應大特徵值),捨棄高階主成分(對應小特徵值),達到減少數據集維度,同時保留最大數據集變異的目的。本文從線性代數觀點介紹主成分分析,並 ...
主成分分析 的一般目的是:. 变量的降维;; 主成分的解释。 一种统计方法,它对多变量表示数据点集合寻找尽 ...
主成分分析 图(Principal Component Analysis,PCA)是一组变量通过正交变换转变成另一组变量的分析方法,来实现数据降维的目的。转换后得到的这一组变量,即是我们所 ...
主成分分析 简介及主要思想主成分分析(principal components analysis ... 目的主要是用较少的综合指标来反映全部原始指标中的主要信息,因此在实际 ...
主题模型. —PCA主成分分析(一). 作者:水...琥珀. 编辑:楠楠. 目. 录. 一、数据的特点. 二、什么是主成分分析. 三、主成分分析的原理.
相关性,如果分别对每个基因进行分析,分析往往是孤立的,盲目减少指标会损失很多有用的信息。PCA(Principal Component Analysis),即主成分分析 ... 目的。在实际的生产和 ...
1 多變量分析之目的. Page 30. 18. 3.3 主成分分析(Principal component analysis) ... 7 分別為第一主成分與第二主成分分析結果所得之成分分數圖. 與成分負荷圖。由成分分數 ...
PCA和ICA是两种常用的降维方法。 PCA:principal component analysis ,主成分分析. ICA :Independent component analysis,独立成分分析. PCA,ICA都是统计理论当中的 ...
... 分析之異同;(5)主成份分析與共同因素分析結果近似;(6)共同因素分析較主成份分析爲宜;(7)目前普遍使用之因素分析方法;(8)實例分析。 執行因素分析時宜瞭解研究之目的 ...
转自:主成分分析(PCA)原理详解– 知乎(zhihu.com). 目录:. 相关背景; 数据降维; PCA原理详解. 3.1 PCA的概念. 3.2 协方差. 3.3 特征值与特征向量.
PCA 算法(Principal Component Analysis, 主成分分析). 概述. 前言. PCA 算法是数据降维中最常用的算法之一,使用降维算法的目的之一就是实现数据压缩 ...
雖然主成分分析與因子分析的分析過程,以及所求得之「綜合指標」的意義有所. 不同,但均可達到簡化遺傳多樣性結構觀測系統之目的。 (17)4. 在種原遺傳多樣性分析的相關研究 ...
主成分分析 (PCA)原理詳解. 2017/02/18 來源:計算機與網絡安全. 信息安全公益宣傳,信息安全知識啟蒙。 ... 1. 相關背景. 在許多領域的研究與應用中,往往需要對反映 ...
主成分分析 和因子分析(principal component and factor analysis,PCA 和FA)是用于研究. 个体测量指标的协方差(或相关)结构的探索性多元技术。分析的目标可以不同: ...
1.主成分分析法思想及原理1.1 什么是主成分分析法PCA(Principal Component Analysis),即主成分分析方法,是一种使用最广泛的数据降维算法(...
选择合适的. 目标(准则) 函数后, 寻找最优的投影阵A. • 主成分分析方法就是寻找d 个原来变量的线性组合, 使得它们. 保留了大部分方差波动性.
關鍵詞:主成分分析、哈盆溪、水化學、福山試驗林。 劉瓊霦、陳春雄、金恒鑣。2004 ... 本研究的目的,即在哈盆. 溪的上游到此保留區的出口,共設置7個取樣. 點,觀測此 ...
主成份分析使觀察值在這些主成份乃顯示出最大的個別差異。因素分析的目的是找出共同性。 7 11/25/09 主成份萃取的運算原理 使組合, 在 下, Var(y)=a′ ∑a 最大 ...
主成份分析(principal component analysis; PCA)現今被廣泛地應用於降低資料的維度(降維:dimension reduction),使得複雜的資料型態,能以簡單、少量的新 ...
... 主成分分析分析方. 法對北、中、南3 條流域(景美溪、大甲溪、東港溪)9 個水質監測 ... 一、研究動機與目的. 台灣地區雖然水資源豐沛,但受地. 形、地貌及降雨時空分佈不均 ...
主成份分析主要是利用原有的變數組合成新的變數,且新的變數個數比原變數個數來得少,以達到資料縮減的目的,而新變數將盡可能可以解釋原來資料大部分的變異。 主成份 ...
... 分析, 达到了数据. 分析的目的。 结论7 将主成分对应替换为相应原始变量进行数据. 分析,得出的就是客观、可靠的决策相关性分析。 3. 主成分分析法综合评价步骤. ①指标 ...
主成分分析 とは、多くの変数を持つデータを集約して主成分を作成する統計的分析手法です。 何かを予測する教師あり学習ではなく、教師なし学習にあたります。 主成分とは ...
主成分分析 法适用于哪些问题?主成分分析适用于变量间存在着一定相关关系的多变量问题,以达到使用较少的新变量来代表旧变量的目的。
主成分分析 与因子分析就属于这类降维的方法。 目的. PCA(Principal Component Analysis)是一种常用的数据分析方法。PCA通过线性变换将原始数据变换为一 ...
... 主成分分析涉及抽象的空间模型、复杂的理论计算、精细的数据转换,需要准确理解和把握主成分分析算法原理和特点。本文从主成分、主成分得分、主成分载荷、缩放与权重 ...
实际研究中,主成分目的更多在于权重计算和综合得分计算(当然这两项功能在因子分析中也有)。 2、权重计算. 权重计算是主成分的一类应用场景,其原理在于使用方差解释率 ...
主成分分析 (PCA, Principal Component Analysis),是一種應用方差分解 ... NMDS設計目的是為了克服線性模型(PCA、PCoA)的缺點,基於NMDS是非線性 ...
主成份分析法(Principal components analysis, PCA) 是一種統計分析的方法,用於將多維度的資料集簡化為較低維度的資料。
主成份分析的主要目的是压缩指标个数、简化数据,但常常与回归分析、因子分析、聚类分析、判别分析等等套用。 基本步骤计算相关系数阵,检验待分析的变量是否适合做主成份 ...
本文通过介绍主成分分析的基本原理和思想,利用SPSS和机器学习中的PCA算法进行主成分分析的介绍。
1. 猫头鹰群落演化问题 · 2. 特征值与特征向量. 2.1 相关定义; 2.2 应用到动力系统; 2.3 QR 算法 · 3. 主成分分析(PCA). 3.1 基本原理; 3.2 Stata 实操 · 4.
たくさんの変数を少ない変数に置き換え要約することで、データを理解しやすくする分析手法。 主成分分析では、データを1〜3つの変数(=主成分)に ...
「主成份分析」,它的目的是希望用較少的變數去解釋原始資料. 並獲取足夠的資訊..(P92-第二段). 圖4.6 將資料投射到長軸上.代表著新的變數.稱之為Z1. 圖 ...
所獲得. 的精簡變數即是因素(factor)。 2.因素分析目的在獲得量表在檢定 ... 因素分析與主成分分析之差異. 分析方法. 26.2 因素分析理論模式. Zj = aj1F1 ...
標題[問題] 要素分析和主成分分析的目的. 時間Thu Sep 23 06:25:56 2021. 一般在結構方程式(Structure Equation Model, SEM)當中,總是可以看到利用Factor Analysis ...
接下来我们需要创建一个函数demean目的是使得矩阵各个维度上的均值都为0 官方解释:这个函数的目的是将数据中的均值信息去除,以便更好地进行后续数据分析 ...
一、研究目的: 主要成分分析(principal component analysis)是多變數分析方法之一,以往多被 應用於生物統計。心理及行為科學等方面之研究。本研究之目的即在探討,將此種
主成分分析 法即PCA(Principal Component Analysis),由名字就可以看出来 ... 这和高考一样,高考命题的其中一个目的就是把学生区分开来。而恰恰主成分 ...
例如文献[3r4]将此方法分别运. 用于食品加工厂设备监控系统和大坝安全多测点. 数据监控得到很好的效果。在文献[5]中提出运. 用主成分原理的多元质量控制图来监测荫罩 ...
而主成分分析中則是把主成分表示成個變數的. 線性組合。 ▫ 主成分分析的重點在於 ... ▫ 區別分析(discriminate analysis)的主要目的在計. 算一組「自變項」的線性組合對 ...
主成分分析目的 在 iThome Facebook 的最讚貼文
若資料的維度太多,人類往往難以理解資料的本質,對此,主成分分析常作為降維的手段;然而,真正的目的並不在於降維,而是透過主成分分析來理解資料於不同維度上的樣貌
#看更多 https://www.ithome.com.tw/voice/145817
主成分分析目的 在 市議員李順進 Facebook 的精選貼文
市議員李順進 轉傳 [110/06/23 ~ 06/24] 衛生福利部 及 高雄市政府 要點公告
●環安、治安、交安、工安、婦幼安 代言人!
︽︽︽︽︽︽︽︽︽︽︽︽︽︽︽︽︽︽
[110/06/24] 衛生福利部 民眾使用COVID-19家用快篩試劑流程與注意事項
https://www.facebook.com/mohw.gov.tw/posts/1915637395269336
#衛福編編報報 發文時間:2021.6.24
●記者會影片:https://youtu.be/GLWFQub3yCg
●記者會影片-即時字幕:https://youtu.be/RECFjApzCCI
●記者會客語口譯直播:https://youtu.be/MRhYp5qHGkg
(週一至週五直播將於14:40進入重點整理,不會全程直播記者會)
●衛生福利部 LINE@:https://lin.ee/24imWWE
●衛生福利部 Twitter:https://twitter.com/MOHW_Taiwan
●中央流行疫情指揮中心今(24)日表示,「民眾使用COVID-19家用快篩試劑指引」已於6月19日公布(詳如新聞稿附件)。為利民眾居家正確自行檢測,指揮中心再次提醒民眾使用家用快篩試劑相關流程與注意事項。
●指揮中心指出,COVID-19家用快篩試劑可由醫療器材販賣業者、藥粧店、醫療器材行、便利商店等或藥局販售,民眾購買時,請確認產品名稱是否有「家用」、包裝是否刊載「防疫專案核准製造第XXXXXXXXXX號」或「防疫專案核准輸入第XXXXXXXXXX號」等字樣(已核准之家用快篩試劑名單可至 衛生福利部 食品藥物管理署[下稱食藥署]網站確認)、產品效期是否在有效期間或保存期限內,並依使用說明書或操作影片進行採檢及操作。對使用家用快篩試劑有任何疑問,可洽詢販售該產品之醫療器材商或藥局,或逕洽詢試劑廠商。
●指揮中心說明,居家隔離或居家檢疫者如測出結果為陽性時,請立即與當地衛生局聯繫,或撥打1922,依指示方式處理;非居家隔離且非居家檢疫者測出結果為陽性時,請戴好口罩,勿搭乘大眾運輸工具,儘速至鄰近的社區採檢院所進一步檢測,並將使用過之採檢器材用塑膠袋密封包好,一併攜帶至社區採檢院所,交予院所人員。當測出結果為陰性時,仍請遵循指揮中心的防疫規範,做好個人防護,持續自我健康管理,採檢完之家用快篩試劑及試劑棒勿任意棄置,請以塑膠袋密封包好,以一般垃圾處理。
●指揮中心提醒,若民眾已出現嚴重特殊傳染性肺炎相關症狀,不宜使用COVID-19家用快篩試劑自行在家檢測,應佩戴醫用口罩,儘速前往醫療院所就醫,且前往就醫時勿搭乘大眾運輸工具。另外,提醒居家快篩試劑測試結果可能出現偽陰性或偽陽性,仍需經認可實驗室所進行的「核酸檢測」作為診斷COVID-19感染之依據。COVID-19家用快篩試劑產品核准名單、說明書及操作影片均可至食藥署網站(http://www.fda.gov.tw)之業務專區>醫療器材>COVID-19防疫醫材專區>家用新型冠狀病毒檢驗試劑專區查詢。
#防疫最前線 #謝謝辛苦的檢疫人員
#謝謝臺灣醫護人員 #謝謝所有第一線人員 #臺灣加油
#2019nCoV
#嚴重特殊傳染性肺炎
#COVID19
#MOHW_Taiwan
~~~~~~~~~~~~~~~~~~
[110/06/24] 衛生福利部 指揮中心與相關單位持續精進「市場專案」相關措施,達到社區清零目的
https://www.facebook.com/mohw.gov.tw/posts/1915636365269439
#衛福編編報報發文時間:2021.6.24
●記者會影片:https://youtu.be/GLWFQub3yCg
●記者會影片-即時字幕:https://youtu.be/RECFjApzCCI
●記者會客語口譯直播:https://youtu.be/MRhYp5qHGkg
(週一至週五直播將於14:40進入重點整理,不會全程直播記者會)
●衛生福利部 LINE@:https://lin.ee/24imWWE
●衛生福利部 Twitter:https://twitter.com/MOHW_Taiwan
●中央流行疫情指揮中心今(24)日表示,為精進臺北農產運銷公司COVID-19群聚感染事件相關防疫作為,於昨(23)日晚間再次召開會議,與農委會、雙北市政府、雙北農產/果菜運銷公司進行專業溝通及討論「市場專案」各項細節,並於會中達成三點共識如下:
一、自6月24日零時起,雙北批發市場所有從業人員未持有陰性檢驗證明者不得進場,請雙北市協調警力於現場維持秩序;另亦設置快篩站至6月24日零時,提供尚未篩檢者快篩服務。
二、落實疫調、找出熱區:指揮中心將蒐集本案相關疫調資訊,並與雙北市政府、臺北農產運銷股份有限公司及新北市果菜運銷股份有限公司建立疫調資料交流機制,儘速釐清造成此波感染事件之問題及劃分疫情熱區,以利批發市場、零批市場及周遭傳統市場執行後續防疫因應作為。
三、考量多有跨縣市至雙北批發市場之工作者,為即時發覺潛在個案,有效阻斷傳播鏈,確診個案由居住地縣市進行精準疫調及接觸者匡列作業,其中職場接觸者匡列由職場所在縣市進行。另疾管署將成立平台協助各地方政府整合資訊,讓疫調更加完整。
●指揮中心進一步說明,考量快篩或PCR檢驗陰性僅代表個案現階段不具病毒傳播力,雙北批發市場所有從業人員亦應持續落實動線分流、人員降載等相關防疫措施,減少傳播風險;另請臺北農產運銷股份有限公司、新北市果菜運銷股份有限公司針對從業人員進行健康監測,以及早掌握可能個案,並及時進行各項防治措施。
●指揮中心強調,本專案結束後,將持續設置篩檢站三週,提供周邊攤商及社區民眾就近篩檢,達到社區清零目的。
~~~~~~~~~~~~~~~~~~
[110/06/24] 衛生福利部 真相說明:食藥署澄清,媒體報導EUA審查委員遭撤換一事與事實不符
https://www.mohw.gov.tw/cp-4343-61616-1.html
針對媒體所報導EUA審查委員遭撤換一事,與事實不符,食藥署澄清如下:
食藥署所召開疫苗專家會議,均依當次討論議題之專業邀請相關領域學者專家參與,並一併考量利益迴避事項,是以無所謂固定名單,或撤換不同立場委員之情事。
媒體所報導之兩場專家會議均在討論國產疫苗療效評估方法,討論是否以免疫橋接原則以應用於新冠疫苗申請EUA之審查。110年5月6日第一次召開會議,係為廣納專家意見,邀請實際參與新冠疫苗臨床試驗之專家;而110年5月28日第二次會議,則為進一步作細節討論並擬定審查基準,故未再邀請已知參與疫苗臨床試驗之專家,另外,考量議題涉及統計專業,則額外邀請統計領域專家參與。
專家會議的意見,作為食藥署決策參考依據,但與「審查會議」不同,此為誤解。媒體所報導相關內容與事實不符,且顯有刻意誤導之虞,特此澄清。
~~~~~~~~~~~~~~~~~~
[110/06/24] 衛生福利部 保健闢謠:味精會致癌嗎?
https://www.hpa.gov.tw/Pages/Detail.aspx?nodeid=127&pid=14057
目前沒有研究證據指出味精會致癌。
依據世界衛生組織國際癌症研究機構(IARC)針對致癌物的分類清單,味精的主成分麩胺酸鈉(monosodiumglutamate,MSG)並未被列入於清單當中。另外,美國食品藥物管理署(FDA)也指出,食品中添加味精被認定是安全的,因此目前並未證實使用味精會有致癌的風險。
但味精中含有鈉,如果攝取過多,會增加腎臟負擔及引起高血壓等風險,建議使用上應適量,另外可參考國民健康署公布的「我的餐盤」,均衡攝取各種營養素,配合口訣,更能達到健康的飲食喔。
資料來源:
1.https://monographs.iarc.fr/list-of-classifications
2.https://www.fda.gov/food/food-additives-petitions/questions-and-answers-monosodium-glutamate-msg
3.https://www.jah.org.tw/form/index-1.asp?m=3&m1=8&m2=366&gp=361&id=575
4.https://www.hpa.gov.tw/Pages/EBook.aspx?nodeid=3821
~˙~˙~˙~˙~˙~˙~˙~˙~˙
[110/06/24] 高雄市政府 0624高雄市新增本土確診個案+6
https://www.facebook.com/bravo.Kaohsiung/posts/4260156447379286
●今日新增個案均屬仁武區群聚衍生案:案14415、14416、14411、14490、14414、14491。含足跡英文版
●高雄市政府 已全面消毒,請市民朋友們安心
●市府官網查詢 https://bit.ly/3vMIXV2
●回顧本市確診個案足跡 https://reurl.cc/eEdVOx
●高雄市即日起試辦診所接種COVID-19疫苗服務,接種對象為:
○75歲以上長輩
○4/12~5/9前已接種第一劑者,且滿10-12週要打第二劑的對象
●請民眾務必先行預約,再依時間前往接種 https://bit.ly/3vKIl25
●高雄市6/26(六)起提供孕婦接種疫苗服務 https://bit.ly/3qoFU4s
●COVID-19疫苗接種注意事項 https://reurl.cc/R0zxYG
●曾出入相關場所民眾請進行自我健康監測,若出現 #發燒、 #上呼吸道、 #腹瀉、 #嗅味覺異常等症狀,應佩戴醫用口罩,儘速至就近指定社區採檢院所就醫,不得搭乘大眾運輸。
●就醫時請主動告知接觸史、旅遊史、職業暴露、周遭其他人是否有類似症狀等。
●提醒曾經於附表中時間地點活動的民眾,請進行自我健康監測,如有出現相關症狀請撥打1922、或者 #衛生局防疫專線07-7230250
●大雨過後要注意環境衛生,防止登革熱發生,請民眾不要忘記巡倒清刷,將家中容器清理乾淨,共同維護生活環境清潔。
~~~~~~~~~~~~~~~~~~
[110/06/23] 高雄市政府 高雄就是要 #高規格精準防疫,全力守護社區安全!
https://www.facebook.com/bravo.Kaohsiung/posts/4258197310908533
●疫調|匡列|隔離|三級警戒維持至7月12日
●請務必持續遵守相關防疫措施,出門全程戴口罩、勤洗手、保持社交距離 https://bit.ly/3qmDEud
●今天高雄市本土確診個案+9
●經疫調結果分析,可分為:
○1.感染源頭為新北恩主公醫院群聚事件之家庭群聚
○2.頻繁於新北傳統市場移動之案14302及其友人 均已找出感染源並加速匡列相關人員。
●0623確診個案足跡詳見 https://bit.ly/2SlntB3
●市府官網 https://bit.ly/3zS2dDZ
●回顧本市確診個案足跡 https://bit.ly/3fpUYte
●首波COVID-19疫苗合約診所名單及適用接種對象 https://bit.ly/3zPZRp3
●6/24社區長輩疫苗接種站 https://bit.ly/3d5lic0
●孕婦疫苗專診醫院 https://bit.ly/3xYUQZJ
(免費計程車接送請洽各區公所)
●棧貳庫營業時間調整 https://reurl.cc/mLd05Y #棧貳庫KW2
●新聞稿:北部醫院群聚感染延燒高雄陳其邁:疫調、匡列、隔離最重要 https://bit.ly/3j35SbR
~~~~~~~~~~~~~~~~~~
[110/06/23] 高雄市政府 工廠校正7月1日開跑 網路申報防疫又快速
https://www.kcg.gov.tw/News_Content.aspx?n=F29A02A9D36C47F0&sms=19902EF36D6B551D&s=D1293BA77A4DE7B5
為落實工廠管理並瞭解營運狀況, 高雄市政府 將配合經濟部於7月1日至8月10日期間,針對去年底前取得工廠登記的7,673家營運中工廠展開校正及營運調查作業。高雄市經發局指出,為配合防疫,今年維持通信調查為主方式辦理,包含電話、傳真、郵寄調查表及網路申報等方式,籲業者踴躍利用網路申報,防疫又快速。
高雄市經發局表示,高雄市工廠主要以金屬製品製造業與機械設備製造業為大宗,而工廠校正及營運調查乃為各級政府擬訂產業發展政策的依據,去年校正家數共7,622家,採用網路填報比例高達86.74%。目前全台疫情相對嚴峻,盼業者多多利用網路申報,降低接觸感染風險。
經發局強調,受查工廠財務資料絕對保密,且絕不作為課稅的依據,請業者務必配合據實填報109年度營業收支、產銷存量值、當年增購固定資產、技術交易、研究發展經費及智慧製造等數據,成果除將用於製作工廠名錄、協助企業拓展業務外,亦將彙整至經濟部統計處網站「經濟地理資訊系統」,供查詢各地區產業統計資訊、重點聚落分布及空間特性等,助攻投資企業掌握市場脈動。
109年工廠校正及營運調查填報網址為:https://dmz26.moea.gov.tw/IPCWEB/,業者填報如有疑問,歡迎電洽工業輔導科呂小姐07-3368333轉分機2162諮詢。
︾︾︾︾︾︾︾︾︾︾︾︾︾︾︾︾︾︾
臉書貼文連結 >>> https://www.facebook.com/LeeShunJin/posts/1283122242142858
LINE貼文連結 >>> https://timeline.line.me/post/1162452572805041894
●請持續關注並給予指教:
○LINE官方帳號〔市議員李順進顧地方大小事聯盟〕:https://lin.ee/9YhCukt
○臉書粉絲專頁〔市議員李順進〕:https://www.facebook.com/LeeShunJin
#高雄 #議員 #李順進 #環安 #治安 #交安 #工安 #婦幼安 #代言人 #轉傳 #衛生福利部 #高雄市政府 #公告
主成分分析目的 在 台灣物聯網實驗室 IOT Labs Facebook 的最佳解答
機器學習識別特徵阻絕代測 上鏈回送監理資料庫防竄改
人臉辨識加酒精鎖阻酒駕 串區塊鏈上傳比對告警
2021-05-24社團法人台灣E化資安分析管理協會元智大學多媒體安全與影像處理實驗室
本文將介紹酒精防偽人臉影像辨識系統,結合了人臉辨識、酒精鎖以及區塊鏈應用,以解決酒駕問題,並透過監控系統避免代測狀況發生。且利用區塊鏈不可修改的特性,將車輛與人臉資料串上區塊鏈,以確保駕駛人的不可否認性。
長長期以來「酒駕」都是一個很嚴肅且必須被重視的議題,儘管在2019年立法院修法酒駕及拒絕酒測的罰則,但是抱持僥倖心態的人還是數不勝數,導致因酒駕釀成車禍的悲劇還是一再重演,讓不少的家庭因此破滅。
據統計,從2015年到2018年的酒駕取締件數都逾10萬件,而因為酒駕車禍的死亡人數逾百人。在2019年酒駕新制上路以後,2020年警方酒駕取締件數有明顯下降至約6萬件,雖然成功達到嚇阻效果,但是死亡人數仍與去年前年持平,可見離完全遏止酒駕還有很長的路需要努力。
立法院於2018年三讀通過了「道路交通管理處罰條例部分條文修正案」,酒駕者必須重新考照,並且只能駕駛具有酒精鎖(Alcohol Interlock)的車輛,所謂酒精鎖,屬於車輛點火自動鎖定裝置,在汽車發動前必須進行酒測,通過才能將汽車發動,而且在每45分鐘至60分鐘後酒精鎖系統就會要求駕駛人在一定時間內進行重新酒測,以便防範在行車過程中有飲酒的情況發生,若駕駛人未遵守其要求,車子就會強制熄火並鎖死,必須回酒精鎖服務中心才能將鎖解開。
由於法案的方式無法完全遏止酒駕,因此許多創新科技或是企業致力於研究相關科技來解決酒駕的問題。
其中本田(Honda)汽車與日立(Hitachi)公司研發出手持型酒精含量檢測裝置,讓駕駛人必須在駕駛之前都先進行酒測,若酒精濃度超標就會將汽車載具上鎖,藉此避免酒駕意外或事故發生,且該技術結合了智慧鑰匙功能,若偵測到酒測值超標,車輛中的顯示面板將會發出警告訊號告知駕駛人,避免酒駕上路之問題。
另一方面則是解決酒精殘值之問題,因為有許多駕駛人都會認為,休息一下後,身體也無感到不適,即駕車出門,等到駕駛人被警方臨檢時才知道酒測未通過,因此收到罰單,甚至是吊銷駕照處罰等。
根據醫學研究指出,酒精是在人體體內由肝臟代謝,實際代謝時間必須看體質以及飲酒量而定。台灣酒駕防制社會關懷協會建議,喝酒後至少要10至20小時後再駕車比較安全。多數人無具備酒精代謝時間的觀念,導致駕駛人貿然上路,待意外發生或罰單臨頭時,已經為時已晚。
背景知識說明
本文介紹的方法為酒精鎖結合攝影鏡頭進行人臉辨識,並將人臉特徵資料與車輛資料串上區塊鏈,並利用區塊鏈不可篡改的特性,來避免駕駛人在解鎖酒精鎖時發生他人代測的問題。
由於人臉辨識技術具備防偽性、身分驗證的特性,因此將酒精鎖的技術結合人臉辨識,便可確認為駕駛本人。
何謂人臉辨識
人臉辨識技術屬於生物辨識的一種,基於人工智慧、機器學習、深度學習等技術,將大量人臉的資料輸入至電腦中做為模型訓練的素材,讓電腦透過演算法學習人類的面部特徵,藉以歸納其關聯性最後輸出人臉的特徵模型。
目前人臉辨識技術已經遍佈在日常生活之中,其應用面廣泛,最為常見的應用即為智慧型手機的解鎖、行動支付如LINE Pay、Apple Pay等,其他應用還包括行動網路銀行、網路郵局、社區大樓門禁管理系統、企業監控系統、機場出入關、智能ATM、中國天眼系統等。一般來說,人臉辨識皆具備以下幾個特性:
‧ 普遍性:屬於任何人皆擁有的特徵。
‧ 唯一性:除本人以外,其他人不具相同的特徵。
‧ 永續性:特徵不易隨著短時間有大幅的改變。
‧ 方便性:人臉辨識容易實施,設備容易取得,如相機鏡頭。
‧ 非接觸性:不須直接接觸儀器,也可以進行辨識,這部分考量到衛生問題以及辨識速度。
人臉辨識透過人臉特徵的分析比對進行身分的驗證,別於其他生物辨識如虹膜辨識、指紋辨識,無須近距離接觸,也可以精準地辨識身分,且具有同時辨識多人的能力。因應新冠肺炎疫情肆虐全球,人臉辨識技術也被用來管理人來人往的人流。人臉辨識的儀器可以搭配紅外線攝影機來測量人體體溫,在門禁進出管制系統中,利於提高管理效率,有效掌握到進出人員的身分,以及幫助衛生福利部在做疫調時更容易掌握到確診病患行經的足跡。
人臉辨識的步驟
人臉辨識的過程與步驟,包括人臉偵測、人臉校正、人臉特徵值的摘取,進行機器學習與深度學習、輸出人臉模型,從影像中先尋找目標人臉,偵測到目標後會將人臉進行預處理、灰階化、校正,並摘取特徵值,接著人臉資料交給電腦進行機器學習與深度學習運算,最後輸出已訓練好的模型。相關辨識的步驟,如圖1所示。
人臉偵測
基於Haar臉部檢測器的基本思想,對於一個一般的正臉而言,眼睛周圍的亮度較前額與臉頰暗、嘴巴比臉頰暗等其他明顯特徵。基於這樣的模式進行數千、數萬次的訓練,所訓練出的人臉模型,其訓練時間可能為幾個小時甚至幾天到幾周不等。利用已經訓練好的Haar人臉特徵模型,可以有效地在影像中偵測到人臉。
Python中的Dilb函式庫提供了訓練好的人臉模型,可以偵測出人臉的68個特徵點,包括臉的輪廓、眉毛、眼睛、鼻子、嘴巴。基於這些特徵點的資料就能夠進行人臉偵測,如圖2~4所示。圖中左上角的部分是偵測到的分數,若分數越高,代表該張影像就越可能是人臉,右側括弧中的編號代表子偵測器的編號,代表人臉的方向,其中0為正面、1為左側、2為右側。
人臉的預處理
偵測到人臉後,要針對圖片進行預處理。通常訓練的影像與攝影鏡頭拍出來的照片會有很大的不同,尤其會受到燈光、角度、表情等影響,為了改善這類問題,必須對圖片進行預處理以減少這類的問題,其中訓練的資料集也很重要:
‧ 幾何變換與裁剪:將影像中的人臉對齊與校正,將影像中不重要的部分進行裁切,並旋轉人臉,並使眼睛保持水平。
‧ 針對人臉的兩側用直方圖均衡化:可以增強影像中的對比度,可以改善過曝的影像或是曝光不足的問題,更有效地顯示與取得人臉目標的特徵點。
‧ 影像平滑化:影像在傳遞的過程中若受到通道、劣質取樣系統或是受到其他干擾導致影像變得粗糙,藉由使用圖形平滑處理,可以減少影像中的鋸齒效應和雜訊。
人臉特徵摘取
關於人臉特徵摘取,相關的技術說明如下:
‧ 歐式距離:人臉辨識是一個監督式學習,利用建立好的人臉模型,將測試資料和訓練資料進行匹配,最直觀的方式就是利用歐式距離來計算所有測試資料與訓練資料之間的距離,選擇差距最小者的影像作為辨識結果。由於人臉資料過於複雜,且需要大量的訓練集資料與測試集資料,會導致計算量過大,使辨識的速度過於緩慢,因此需要透過主成分分析法(Principal Components Analysis,PCA)來解決此問題。
‧ 主成分分析法:主成分分析法為統計學中的方法,目的是將大量且複雜的人臉資料進行降維,只保留影像中的主成分,即為影像中的關鍵像素,以在維持精確度的前提下加快辨識的速度。先將原本的二維影像資料每列資料減掉平均值,並計算協方差矩陣且取得特徵值與特徵向量,接著將訓練集與測試集的資料進行降維,讓新的像素矩陣中只保留主成分,最後則將降維後的測試資料與訓練資料做匹配,選擇距離最近者為辨識的結果。由於影像資料經過了降維的步驟,因此人臉辨識的速度將會大幅度地提升。
‧ 卷積神經網路:卷積神經網路(Convolutional Neural Network,CNN)是一種神經網路的架構,在影像辨識、人臉辨識至自駕車領域中都被廣泛運用,是深度學習(Deep Learning)中重要的一部分。主要的目的是透過濾波器對影像進行卷積、池化運算,藉此來提取圖片的特徵,並進行分類、辨識、訓練模型等作業。在人臉辨識的應用中,首先會輸入人臉的影像,再透過CNN從影像提取像素特徵並轉換成特定形式輸出,並用輸出的資料集進行訓練、辨識等等。
何謂酒精鎖
酒精鎖(圖5)是一種裝置在車輛載體中的配備,讓駕駛人必須在汽車發動前進行酒測,通過後才能將車輛發動。且每隔45分鐘至60分鐘會發出要求,讓駕駛人在時間內再次進行檢測。
根據歐盟經驗,提高罰款金額以及吊銷駕照只有在短期實施有效,只有勸阻的效果,若在執法上不夠嚴謹,被吊照者會轉變成無照駕駛,因此防止酒駕最有效的方法就是強制讓駕駛人無法上路,這就是「酒精鎖」的設計精神。
在本國2020年3月1日起酒駕新制通過後,針對酒駕犯有了更明確且更嚴厲的規定,在酒駕被吊銷駕照者重考後,一年內車輛要裝酒精鎖,未通過酒測者無法啟動,且必須上15小時的教育訓練才能重考,若酒駕累犯三次,要接受酒癮評估治療滿一年、十二次才能重考。
許多民眾對於「酒精鎖」議論紛紛,懷疑是否會發生找其他人代吹酒精鎖的疑慮,為防範此問題,酒精鎖在啟動後的五分鐘內重新進行吹氣,且汽車在行駛期間的每45至60分鐘內,便會隨機要求駕駛重新進行酒測,如果沒有通過測量或是沒有測量,整合在汽車智慧顯示面板的酒精鎖便會發出警告,並勸告駕駛停止駕車。
對於酒精鎖的實施,目前無法完全普及到每一台車子,而且對於沒有飲酒習慣的民眾而言,根本是多此一舉,反而增加不少麻煩給駕駛。若還有每45~60分鐘的隨機檢測,會導致多輛汽車必須臨時停靠路邊進行檢測,可能加劇汽車違規停車的發生頻率。
認識區塊鏈
區塊鏈技術是一種不依賴於第三方,透過分散式節點(Peer to Peer,P2P)來進行網路數據的存儲、交易與驗證的技術方法。本質上就是一個去中心化的資料庫,任何人在任何時間都可以依照相同的技術標準將訊息打包成區塊並串上區塊鏈,而這些被串上區塊鏈的區塊無法再被更改。區塊鏈技術主要依靠了密碼學與HASH來保護訊息安全,也是賦予區塊鏈技術具有高安全性、不可篡改性以及去中心化的關鍵。區塊鏈相關概念,如圖6所示。
區塊鏈的原理與特性
可以將區塊鏈想像成是一個大型公開帳本,網路上的每個節點都擁有完整的帳本備份,當產生一筆交易時,會將這筆交易廣播到各個節點,而每個節點會將未驗證的交易HASH值收集至區塊內。接著,每個節點進行工作量證明,選取計算最快的節點進行這些交易的驗證,完成後會把區塊廣播給到其他節點,其他節點會再度確認區塊中包含的交易是否有效,驗證過後才會接受區塊並串上區塊鏈,此時就無法再將資料進行篡改。
關於區塊鏈的特性,可分成以下四部分做說明:
1. 去中心化:區塊鏈其中一個最重要的核心宗旨,就是「去中心化」,區塊鏈採用分散式的點對點傳輸,該概念架構中,節點與節點之中沒有所謂的中心,所有的操作都部署在分散式的節點中,而無須部署在中心化機構的伺服器,一筆交易或資料的傳輸不再需要第三方的介入,因此又可以說每個節點就是所謂的「中心」。這樣的結構也加強了區塊鏈的穩定性,不會因為其中的部分節點故障而癱瘓整個區塊鏈的結構。
2. 不可篡改性:透過密碼學與雜湊函數的運用來將資料打包成區塊並上鏈,所有區塊都有屬於它的時間戳記,並依照時間順序排序,而所有節點的帳本資料中又記錄了完整的歷史內容,讓區塊鏈無法進行更改或是更改成本很高,因此使區塊鏈具備「不可篡改性」,並且同時確保了資料的完整性、安全性以及真實性。
3. 可追溯性:區塊鏈是一種鏈式的資料結構,鏈上的訊息區塊依照時間的順序環環相扣,這便使得區塊鏈具有可追溯的特性。可追本溯源的特性適用在廣泛的領域中,如供應鏈、版權保護、醫療、學歷認證等。區塊鏈就如同記帳帳本一般,每筆交易記錄著時間和訊息內容,若要進行資料的更改,則會視為一筆新的交易,且舊的紀錄仍會存在無法更動,因此仍可依照過去的交易事件進行追溯。
4. 匿名性:在去中心化的結構下,節點與節點之間不分主從關係,且每個節點中都擁有一本完整的帳本,因此區塊鏈系統是公開透明的。此時,個人資料與訊息內容的隱私就非常重要,區塊鏈技術運用了HASH運算、非對稱式加密與數位簽章等其他密碼學技術,讓節點資料在完全開放的情況下,也能保護隱私以及用戶的匿名性。
區塊鏈與酒精鎖
由於區塊鏈的技術具備去中心化、記錄時間以及不可篡改的特性,且更加強酒精鎖的檢測需要身分驗證的保證性。當進行酒精鎖檢測解鎖時,系統記錄駕駛人吹氣時間以及車輛的相關資訊,還有人臉特徵資料打包成區塊並串上區塊鏈。因此,在同一時間當監控系統偵測到當前駕駛人與吹氣人不同時,此時區塊鏈中所記錄的資料便能成為一個強而有力的依據,同時也能讓其他的違規或違法事件可以更容易進行追溯。
酒駕防偽人臉辨識系統介紹
為了解決酒精鎖發生駕駛人代測的問題,酒精鎖產品應導入具有身分驗證性的人臉辨識技術。酒駕防偽人臉辨識系統即為駕駛人在進行酒精鎖解鎖時,要同時進行人臉辨識,來確保駕駛人與吹氣人為同一人。
在駕駛座前方的位置會安裝攝影鏡頭,作為駕駛的監控裝置。進行酒測吹氣的人臉資料將會輸入到該系統中的資料庫儲存,並將人臉資料以及酒測的時間戳記打包成區塊串上區塊鏈,當汽車已經駛動時,攝影鏡頭將會將當前駕駛人畫面傳回系統進行人臉比對驗證。如果驗證成功,會將通過的紀錄與時間戳一同上傳至區塊鏈,若是系統偵測到駕駛人與吹氣人為不同對象,系統將發出警示要求駕駛停車並重新進行檢測,並同時將此次異常的情況進行記錄上傳到區塊鏈中。
如果駕駛持續不遵循系統指示仍持續行駛,該系統會將區塊鏈的紀錄傳送回給開罰的相關單位,並同時發出警報以告知附近用路人該車輛處於異常情況,應先行迴避。且該車輛於熄火後,酒精鎖會將車輛上鎖,必須聯絡酒精鎖廠商或酒精鎖服務中心才能解鎖。相關的系統概念流程圖,如圖7所示。
區塊鏈打包上鏈模擬
在進行酒測解鎖完畢以及進行人臉資料儲存後,會透過CNN將影像轉換輸出成128維的特徵向量作為人臉資料的測量值,接著將128個人臉特徵向量資料取出,並隨著車輛資訊一起打包到同一個區塊,然後串上區塊鏈。取出的人臉特徵資料,如圖8所示。
要打包成區塊和上鏈的內容,包括了人臉特徵資料、車牌號碼、酒測解鎖時間點等相關輔助資料,接著透過雜湊函數將相關的資料打包成區塊。以車牌號碼ABC-1234為例,圖9顯示將車輛資料和人臉資料進行區塊鏈的打包,並進行HASH運算。
將人臉資料和車輛相關資料作為一次的交易內容,並打包區塊,經過HASH後的結果如圖10所示,其中prev_hash屬性代表鏈結串列指向前一筆資料,由於這是實作模擬情境,並無上一筆資料,其中messages屬性代表內容數,一筆代表車牌資料,另一筆則為人臉資料。time屬性則代表區塊上鏈的時間點,代表車輛解鎖的時間點。
情境演練說明
話說小禛是一間企業的上班族,平時以開車為上下班的交通工具,他的汽車配置了酒駕防偽影像辨識系統,以下模擬小禛下班後準備開車的情境。
已經下班的小禛今天打算從公司開車回家,當小禛上車準備發動車子時,他必須先拿起安裝在車上的酒測器進行吹氣,並將臉對準攝影鏡頭讓系統取得小禛的人臉影像。小禛在汽車發動前的人臉影像,如圖11所示。
待攝影鏡頭偵測到小禛的人臉後,接著系統便會擷取臉上五官的68個特徵點,如圖12所示。然後,相關數據再透過CNN轉換輸出成128維的特徵向量作為人臉資料的測量值,如圖13所示。
酒精鎖通過解鎖後,車輛隨之發動,解鎖成功的時間點將會記錄成時間戳記,隨著影像與相關資料串上區塊鏈。在行駛途中,設置在駕駛座前方的鏡頭將擷取目前駕駛的人臉,以取得駕駛人的128維人臉特徵向量測量值,並且與汽車發動前所存入的人臉資料進行比對,藉以判斷目前的駕駛人與剛才的吹氣人臉是否為同一位駕駛。當驗證通過後,也會再將通過的紀錄與時間戳上傳至區塊鏈中,如此一來,區塊鏈的訊息內容便完整記載了這一次駕車的紀錄,檢測通過的示意圖如圖14所示。
系統通過辨識後,便確認了駕駛人的身分與吹氣人一致。且透過時戳的紀錄和區塊鏈的輔助,也確保了駕駛的不可否認性。若有其他違規事件發生時,區塊鏈的紀錄便成為一個強而有力的依據來進行追溯。
如此一來,便可以預防小禛喝酒卻找其他人代吹酒測器的情況發生。在駕駛的途中,如果有需要更換駕駛人,必須待車輛靜止時,從車載系統發出更換駕駛要求,再重新進行酒測以及重複上述流程,才可以更換駕駛人。如果沒有按照該流程更換駕駛,系統將視為異常情況。
結語
酒駕一直是全球性的問題,將有高機率導致重大交通事故,造成人員傷亡、家庭破碎,進而醞釀後續更多的社會問題,皆是酒駕所引發的不良效益。為了解決酒駕的問題,各個國家都有不同的酒駕標準或是法律規範,但是大部分國家的規範和制度都只有嚇阻作用卻無法完全遏止。在不同的國家防止酒駕的方式不盡相同,有的國家如新加坡,透過監禁及鞭刑來遏止酒駕犯,又或者是薩爾瓦多,當發現酒駕直接判定死刑,這樣的制度雖嚇阻力極強,但是若讓其他國家也跟進,會造成違憲或是違反人權等問題。因此,各國都在酒駕的問題方面紛紛投入研究,想要達到零酒駕的社會。
為達成此理想,本文介紹了基於區塊鏈的酒駕防偽辨識系統,利用酒精鎖搭配人臉辨識技術以及區塊鏈技術,使有飲酒的駕駛人無法發動汽車。且該系統搭載在行車電腦中,結合攝影鏡頭的監控對駕駛進行酒測防制管理,將人臉資料、酒精鎖、解鎖時間點與相關資訊打包成區塊並上鏈。基於區塊鏈技術內容的不易篡改,可加強駕駛人的不可否認性,當汽車發生異常情況時,便能利用有效且可靠的依據進行追溯。人工智慧和物聯網時代已經來臨,透過酒駕防偽辨識系統來改善酒駕問題,在未來能夠普及並結合法規,智慧汽車以及智慧科技的應用將會帶給人們更安全、更便利的社會。
附圖:圖1 人臉辨識的步驟。
圖2 人臉特徵點偵測(正臉)。
圖3 人臉特徵點偵測(左側臉)。
圖4 人臉特徵點偵測(右側臉)。
圖5 酒精鎖。 (圖片來源:https://commons.wikimedia.org/wiki/File:Guardian_Interlock_AMS2000_1.jpg with Author: Rsheram)
圖6 區塊鏈分散式節點的概念圖。
圖7 系統概念流程圖。
圖8 取出人臉128維特徵向量。
圖9 儲存車輛相關資料及人臉資料到區塊。
圖10 HASH後及打包成區塊的結果。
圖11 汽車發動前小禛的人臉影像。
圖12 小禛的人臉影像特徵點。
圖13 小禛的人臉特徵向量資料。
圖14 系統通過酒測檢測者與駕駛人為同一人。
資料來源:https://www.netadmin.com.tw/netadmin/zh-tw/technology/CC690F49163E4AAF9FD0E88A157C7B9D