若分類的對象是線性可分，我們可以使用感知器，若想以感知器處理線性不可分問題，基本上，也可以模仿支持向量機，透過核方法（Kernel method）的方式來處理。

但是，感知器就像個神經元，不如將一堆感知器組合為神經網路，就可以進行深度學習，達成複雜的任務，只不過在原理上，認識龐雜的數學推導過程雖是必要，但是，也容易令人忽視個別運算間可組合的本質

#看更多 https://www.ithome.com.tw/voice/146527

疫情，對你們的生活造成什麼樣的影響呢？

停班停課帶來的不便與經濟壓力是必然的，但眼下無法立即回到過去的日子，已經是眾人心知肚明的事實；延長一次、兩次、第三次......。我們都知道，這可能也不是最後一次。

但生活還是得過，如同我昨天發的《老人與海》；再困難的日子也不要認輸，別去看你又失去了多少，去想想你現在擁有的可以用來做什麼。

最近在讀一本書《像我這樣的一個記者》，裡面是作者房慧真所撰寫人物專訪。

附帶一提，房老師過去是壹週刊的記者，現在則是非營利網路媒體《報導者》資深記者。若不是因為閱讀這本書， #壹週刊、 #蘋果日報，在我既定的印象裡，就只是會報導藝人花邊新聞的垃圾媒體而已；若不是因為閱讀這本書，我不會知道原來自己那麼膚淺。

離題了，心情隨筆可不能寫太長啊（笑）

《像我這樣的一個記者》第一篇人物專訪，是香港知名作家 西西；她現在已經高齡83歲，從初中起就開始撰寫小說、散文或新詩等作品。

在我出生的前一年，1989年，西西老師因罹患乳癌而住院接受治療，但手術的後遺症是讓她的右手失靈，從此無法再寫字；那個年代當然不會有電腦可以打字，全部的作品都是她自己手寫。

右手失靈後，西西老師開始練習用左手寫字，並且繼續出書；為了幫助右手復健，西西老師也開始學習手工藝縫製玩偶，在她後期的著作中可以看見縫紉的元素。（留言附上維基百科查來的著作）

西西老師的右手失靈多少可說是醫療疏失，當年也有些朋友建議西西老師向醫院求償，畢竟對作家而言，不能提筆寫字那是多麽大的創傷。

但西西老師只是一句：「無所謂囉～」

我不是當事人，我只能夠去猜測不求償是為什麼。一但決定求償，可能要面對的就是走法律途徑，那絕對不會是三五天就能了事的，且最後的判決也不一定會得到賠償。

更重要的是，即使獲得賠償金，能換回健康靈活的右手嗎？

那太費時，也太損耗精神了；我若是西西老師，我想我也會選擇不求償吧。

右手不能寫字，那就先暫時用左手寫吧！可能是醜了點，但還是寫得出來的；畢竟手只是工具，用來創作的腦袋沒有受損就不用擔心無法寫文章。

反正都是得復健的，縫製一個玩偶就創造出一則故事、集結成一本著作；右手壞是壞了，但也因此獲得了許多不是嗎？

我自幼喜歡閱讀，特別是長篇小說，可打從我17歲生下我們家長子後，我就一直不斷地工作賺錢養自己；忙碌於生活，就為了那一口飯吃。閱讀變成了奢侈的休閒娛樂。

最初是沒有閒錢能夠替自己買書，而我的社交障礙也讓我始終不願意踏進圖書館；隨著收入提高，開始每個月能多個幾百塊錢閒錢購書了。但因為當時的興趣是健身，所以每次入手的也都是健身相關書籍居多。

接著我成了一名自由教練，那兩年可說是我整個人生中經濟壓力最小的階段，只是當時我正處在躁鬱症最嚴重的時期，工作以外的大半時間都是在發呆中度過；當時買了不少心靈勵志類型的書籍，希望自己能夠走出躁鬱症，但最後那些書都是被放在書櫃上長灰塵。

透過個體心理學走出躁鬱症這段故事講過多次了，今天就先不說了，我只是想跟大家分享自己走出精神疾病靠的就是像西西老師這樣的心態：「無所謂囉～」

困境，你就是遇到了。你閉著眼睛它還是在你面前；你辱罵它也還是在你面前，唯有你去試著解決它，才有可能逆轉它。

從我開始實踐個體心理學後，我就很努力的讓自己活在當下；我把每一天所要面對的問題都分類好，立即能解決的為優先；得花上一段時間才能完成的次之；今天肯定處理不了的問題就擱著明天再說。

好比說當時的我還在持續服用精神疾病的藥物，醫師曾經說過我必須一輩子吃藥，因為精神疾病藥物不是用來治療，而是用來控制的；我曾經為此感到很絕望，好像註定要當一輩子的神經病了，越是這麼想，我的行為就越像一個神經病。

「什麼時候能停藥」，這不是今天能夠解決的問題，先放著等明天再來思考；「訓練課表是練腿」，這是今天能就解決的問題，但因為訓練時間是固定的，時間還早所以繼續想想在這之前我還能做什麼。

「把今天來信的合作廠商邀約全部回覆完」
「把今天要上課的學生課表先拿出來準備」
「明天要煮的食材先拿到冷藏退冰」
「先把中午跟晚餐要帶的便當煮好」
「補一下廁所的衛生紙」
「挖貓砂」

以上這些就是立即可以做的事情，躁鬱症的期間我每天都很不開心，不管做什麼事情都不順利，我認為生活總在跟我作對。好不容易才鼓起勇氣，回信給那一個月前來信的廠商說我願意合作，結果廠商說他們找到其他合適的人選了。

想準備中午跟晚上的便當，打開冰箱裡頭只有幾條有點乾掉的紅蘿蔔，冷凍庫裡頭的肉放室溫退冰來不及，走水退冰又會變難吃；說好要飲食控制，結果最後又吃麥當勞，難怪瘦不下來，妳真是個廢物。

騎了半小時的車到教課地點，學生已經自動自發地在熱身，但我卻忘記帶到她的課表，只能憑印象去回想到底開了什麼給她。教課一整天身心俱疲，亂吃了一天又腸胃不適，趕回到家上完廁所才發現沒有衛生紙了。

諸事不順的一天終於要結束了，我現在只想躺在床上放空，我真的好累。結果走進房間就看見床單上面有一條貓大便，那是我的貓在抗議著他們的廁所太髒了。

真的是生活在跟我作對嗎？

這些小事明明都是我可以避免掉的，但我在能做這些事情的時候都在幹麼呢？

我在煩惱著自己的躁鬱症什麼時候才會康復；我在煩惱著什麼時候才能夠完全不用吃藥；我在煩惱著當時的男友為什麼要一直跟其他女孩那麼曖昧；我在煩惱著自己究竟要表現出多麽的不開心，男友才會明白他讓我多生氣。

我把時間全都浪費在無法解決的大問題上，以至於那些可以解決的小問題全部累積成巨大的負面能量，最終把我壓垮。

我現在是怎麼走出躁鬱症，甚至在醫師的同意下，已經超過三年沒再繼續服藥了？

我只是不再去想自己的病什麼時候才會好，不再去想自己的藥什麼時候才能停，不再去想為什麼他人總要做出讓我難受的行為；時間到了我就回診，時間到了我就吃藥，不想再繼續互相傷害下去了所以我提出分手。

就這樣而已。

躁鬱症是躁和鬱的兩種極端，鬱期階段我會情緒低落到做什麼事情都提不起勁，而到了躁期又會因為過度的亢奮與衝動做出一些不明智的決策；過去我從來沒有想過如何去善用自己的疾病，我只想擺脫它們，但能不能擺脫精神疾病根本就不是我自己的意志力有辦法控制的。

所以現在我是跟躁鬱症和平共處，利用躁症期間的精神體力大量創作，在這個階段裡我每天只需要睡四五個小時就足夠，且腦海會有源源不絕的靈感讓我創作。

鬱期的情緒低落與悲觀就拿來處理合作邀約，這個階段的我會比平常想得更加深入；我接下這個產品對我的形象會不會造成影響？我的粉絲們能夠接受我推薦這個品牌嗎？廠商提供的合約當中是否有些條文不合理？

這些問題如果是在躁症期間想的話，我可能就是直接簽名蓋章把自己賣掉了。

不論是精神疾病也好，或是現在的疫情哪都不能去也好，總有自己當下可以做的事情；除了怨天尤人罵藍綠怪政府詛咒那些不聽話至今還在群聚的人之外，你一定還有其他事情能做。

只要在這無法工作的期間、損失金錢是必然的期間，你有獲得其他過去沒有的收穫，那這些時間就不算浪費掉了。

那麼，這期間我都在幹麼呢？

我都在看小說啊。

前面就說了我很喜歡看小說，但以前有時間看時沒錢買，後來有錢買了沒心情看，現在這可是難得的大好機會啊！

除此之外，還有每天不厭其煩地向香吉士提出邀約，他也受到疫情影響休假變多了；我們這兩個月的相處時間，可能比這兩年交往期間還要多，反正今天拒絕了我就明天再問嘛，他明天休假喔～

楊梅香吉士 今晚咩修幹謀？

#花花的心情隨筆

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

歡迎收看范琪斐的寰宇漫遊，今天的琪斐大放送我們要來談談，2020美國總統大選民調一面倒的說拜登贏川普一大截，川貴人，這次別選了吧?乖～我待會給你買個....樓?大家好，我是范琪斐。中間偏右的《華爾街日報》（Wall Street Journal）聯手中間偏左的《國家廣播公司》（NBC），在「川拜」首場辯論後，到川普確診前這段時間，所做的民調顯示，拜登的支持率高達53%，足足領先川普14個百分點（53%：39%）。真的假的啦～這個幅度也太誇張，我們再參考一下別的。

（10/11公布）美國ABC News和《華盛頓郵報》（The Washington Post），在川普出院後做的最新民調，有54%的選民說會把票投給拜登，大幅領先川普12個百分點（54%：42%）。專門統計各家民調數據的Five Thirty Eight指出，拜登的平均支持率勝過川普10.4個百分點（52.2%：41.9%， 10/10數據）。另一個民調數據集合網站「真清晰政治」（Real Clear Politics）的網站顯示，從10月以來每一家主要民調公司統計出的結果，都是拜登遙遙領先川普，差距在5到16個百分點不等，其中不乏立場較為中間的The Hill和經濟學人。所以平均下來拜登的支持率領先9.8個百分點。（10/9公布）美國權威智庫與民調機構「皮尤研究中心」（Pew Research Center）做出來的結果是，52%的選民打算把票投給拜登，領先川普10個百分點（52%：42%）。

我們找了很多民調,可是只有很少數的說，川普領先拜登， 說很少數，是怕我們川貴人傷心，其實找來找去只有一個。 （10/5公布）英國《每日快報》聯手英美智庫Democracy Institute做的民調顯示，川普支持率在46%，小勝拜登1個百分點（46%：45%）。不過我還是註明一下，這個《每日快報》是英國的右翼八卦報，民主研究所的民調，也沒有被民調界公信力很高的538列入參考的近500家民調就是了， 所以現在大多數民調都顯示，拜登會獲得壓倒性勝利，但川貴人當然不認為他會選輸啊，最近又在那邊「Fake news」、「Fake polls」喊來喊去，民調統統都是假的！這都是幻覺～嚇不倒我的！

先不要笑，川貴人說的是真的，4年前一直到投票日當天早上，民調都還顯示希拉蕊一定會凍蒜，《紐約時報》做了大半年的民調，到選舉當天早上，還在說希拉蕊有80%以上的勝選機會，結果最後被「逆轉」，搖擺州統統被川貴人拿下！2016年的民調，被很多人認為是「壞掉了」、「走鐘了」，完全無法反映出真實民意，今年隨著大選日逼近，也有越來越多人開始質疑，真的假的啊?這幾年來專家們一直試圖釐清，當年的「希拉蕊慘案」到底是怎麼出現的，總之過去四年民調專家就很努力的要找出，民調為什麼會跟開出來的票差那麼多，但真的非常困難，因為變數實在太多了，我們今天就幫大家整理出幾個專家們認為可能的原因。

（一）手機的普及
還記得去年台灣不是在吵「手機民調要不要納入總統初選民調」嗎？美國其實也有類似的問題。美國現在就跟台灣「人手一機」一樣，有時候還兩三機，越來越少人使用家用電話了，而且年輕人、低收入者以及少數族群，都只用手機而已；反觀年長者和白人族群，就會比較依賴室內電話。大數據分析網站《Datanami》就指出，25歲左右的年輕人看到不認識的電話，幾乎都會pass不接；但70歲的長輩們則是每通必接，因此這樣進行的電話民調就很容易往某一族群傾斜。

那用手機民調不行嗎？根據1991年的《電話消費者保護法》（Telephone Consumer Protection Act of 1991；TCPA），美國是禁止「自動撥號系統」打電話給手機用戶的，所以如果要打手機做民調，就必須派出「真人」撥號，這有多麻煩呢？數據顯示，你想獲得1,000個回答，就至少得隨機撥號2萬次，其中大部分是空號，因為手機號碼是私人的，根本不會刊登在電話簿上，這實在太勞民傷財了，很想幫做民調的人馬殺雞一下耶，你們辛苦了。

（二）沉默的多數
每次選舉我都很期待接到民調電話，但大多數美國人可不是這麼想的，可能是因為擔憂個資和隱私外洩，導致選民接電話不敢說出真實意見，或者是覺得，蛤～民調很久欸，老娘才沒空理你。1970年代左右，美國「民調回應率」（Polls response rate）高達80%，你只要打過去人家多半都會回答你，但是根據「皮尤研究中心」最新報告，2018年美國「民調回應率」已經暴跌到6%，等於你打100通電話就只有6個人不掛你電話、願意花時間跟你聊兩句，但你也不知道他是不是講真話。

像2016年的大選，支持川普的選民中，就有一群選前不願意表態的，或者在接受民調時故意說謊的，有些甚至不告訴鄰居他們其實支持川普。《Datanami》表示，這些選民會讓調查的結果失準2%到6%，6%很多欸，根本就是超出誤差範圍了。

（三）網路民調難
啊現在網路那麼發達，用網路做民調不就統統搞定了嗎？事實上恐怕剛好相反。數據顯示美國18-29歲的年輕人，有98%都使用網路，但偏偏這個年齡層的人最不愛投票，拿美國總統大選風向球：2018年美國期中選舉為例，雖然這群年輕人投票率比前一次大幅提高15.7個百分點，但仍是所有年齡層中最低的（35.6%），也就是說，每個人都是「鍵盤投手」，大家網路上搖旗吶喊超熱情，結果投票日當天大家都覺得不差我這一票。另一方面，你在網路上想填幾歲就幾歲，想變性就變性，別國網軍想來帶風向，也不是那麼困難，因此網路民調也非常容易失準。

（四）早期民調誇大
另一個大變數是「早期民調」的準確度很低，因為選民還沒有足夠時間去瞭解候選人到底在幹嘛，但早期民調卻是媒體報導所仰賴的主要資訊來源，結果就是候選人拿來造勢、媒體見獵心喜誇大報導，進而影響到後續選民對候選人表示支持的聲量。例如看到拜登領先，那支持拜登的人講話就會比較大聲，因為他們是「主流」，反之支持川普的人，可能就會比較不敢表達意見，形成「沉默螺旋」。

「皮尤研究中心」也加碼解釋，事實上2016年的全國民調還算準確，（預測希贏3.3%最後贏2.1%），但美國總統大選是以選舉人票為單位，希拉蕊全國總票數高於川普也沒屁用，最後川普拿下所有的搖擺州，入主白宮。而選前的州民調也無法反映出搖擺州的真實民意，地方往往沒有全國性民調那種資源，四年前他們就忽略了在最後關頭，投給川普的搖擺選民數量，也沒有準確掌握未受過大學教育的白人選民，他們到底支持誰，種種因素導致了中西部上演「大驚奇」。還有就是民調公司往往有特定的政黨傾向，最後很可能導向「護主」的結果，讓民調不盡然客觀。

那這些問題2020年還會再重演嗎？老實說，有些變數還是很難避免，《紐約時報》就整理了，和四年前相比，哪些因素可能讓美國民調更精準或更失準。

更精準的第一點就是，搖擺選民減少了。

四年前民調失準的一大因素就是搖擺選民，但今年跟民調人員說：嗯～我還沒想好，的搖擺選民數量變少了，四年前的這個時候，大概還有20%的選民說他們還沒決定要投誰，或是打算投給小黨候選人，但今年這群人的數量只剩一半，而且其中支持川普的人也老早就表態，尤其是搖擺州的白人工人階級選民。

更精準的第二點是，選民教育程度的加權。
大家要有個概念，民調準不準確，完全取決於你抽樣有沒有做到「隨機」，也就是每個族群的意見都要被採納進來，但這真的非常難做到，最後很容易讓民調結果出現偏差。例如在美國，如果你跑去郊區教堂裡做民調，那幾乎可以篤定會獲得一個偏共和黨的結果；但如果你對大學生進行抽樣，最後很可能獲得一個偏民主黨的結果。另外的數據又顯示，受過高等教育的選民，比較願意接受民調訪問，每個都是選我選我～而那些較保守、教育程度較低的選民，他們的聲音就很難反映在民調上，所以如果你沒有按照「教育程度」來做加權，民調就會充斥太多年輕大學生的意見，導致結果偏向民主黨。先前民調機構都不怎麼重視教育程度對選情的影響，結果導致2016「爆冷門」。

有鑑於4年前的「教訓」，今年有越來越多民調機構，把選民教育程度的權重提高了，簡單來說就是把教育程度較高的受訪者音量降低一點，把教育程度較低的受訪者音量調高一點，讓他們各自符合在總人口中所佔的比例。今年從3月以來，美國各家民調機構做的幾十個調查中，已經有半數增加教育程度的權重，是先前的兩倍多（約20%）。

可能比2016年更糟糕的是，網路民調的增加。我們剛剛已經提過網路民調的準確度有待商榷，但過去幾個月來，越來越多機構採用網路民調的方式，比例佔地方民調總數的一半。他們採用的方法可能太過簡單，就是直接抓一群網路群組成員，然後再根據受訪者的人口統計資料進行分類加權，這樣的作法成本很低又很方便，但非常容易有樣本代表性不足的結果，而且最後民調可能左傾。 （最好的方式是結合電話民調和網路民調，例如AP/NORC/VoteCast的民調，電訪4萬人外加隨機抽樣11萬網友，結果可能較為客觀。

另一個可能不太客觀的做法是：請選民「回想投票」。
目前有越來越多投票機構採取這個方式，也就是要求受訪者回想2016年他把票投給誰，是希拉蕊還是川普呢？然後再依據他們的回答去做選舉意向的加權。這樣做可以讓民調數字看起來比較漂亮，也可以減少錯誤，但卻很難避免系統偏差，導致結果傾向某一政黨。再加上通常大家都會傾向回答，自己是投給獲勝的那一方，沒有人會想承認自己投給輸家嘛！再說這四年來誕生不少首投族，又有不少人往生，像是疫情導致那麼多人死亡，也有很多人搬到別的地方去，硬把2016年的投票意向套用到今年，恐怕不太合適。

所以這個民調到底是能不能看啊?你要是問我,我覺得就別看了 ,這是我們媒體想要預測選舉的結果, 或研究單位拿來做選民行為分析. 但一般選民還是把政策看清楚點比較要緊,你管別人怎麼投
今天琪斐大放送的關鍵字是：
#美民調失準
#選情霧茫茫

--------------------------------------
《#范琪斐的寰宇漫遊》每周四晚間8點55分在 #寰宇新聞台 播出，沒跟上的也沒關係，歡迎訂閱我們的 YouTube 頻道 🔔#范琪斐的寰宇漫遊 🔔https://reurl.cc/ZvKM3 1000pm準時上傳完整版！

喵喵俠一路以來都有一個病，由細路到大，就是脊柱側彎，即是背部最重要條脊骨有側彎的現像，年青的我暫時都未有因為側彎問題影響，但將來一定會有麻煩，所以現在年青，為了健康，有機會的話真的要試試，現在就找到一名有信心治療好喵喵俠的師父去為喵喵俠治療，我們會一連幾集，由喵喵俠的從未治療過實錄到師父治療到好返，絕對是真實個案，這部實錄了希望幫到我之餘又幫到大家，如果大家想了解更多，不防可以來喵喵俠專頁贊好，以及PM訊息我，分享你的問題，互相交流。

#脊柱側彎 #Scoliosis #實錄 #治療 #健康 #人生 #脊骨側彎 #側灣 #脊椎側彎 #脊骨問題 #脊彎

脊椎側彎可能會造成的問題：明顯的脊椎彎曲、脊椎旋轉導到肋骨旋轉、脊椎兩側的肌肉對稱、姿勢體態的歪斜、可能全身柔軟度不佳、可能全身過度柔軟、大腦缺乏對正確姿勢的認知、可能出現疼痛、內臟受到壓，透過了解這些問題，在下個章節中去試著判斷，那些才是有效的脊椎側彎治療方式。

喵喵俠專頁
https://www.facebook.com/catcatcatman/

#脊骨側彎 #脊柱側彎 #脊椎側彎 #健康2.0 #運動 #側凸 #脊骨側凸 #脊椎側凸 #脊柱側彎問題 #脊骨側彎問題 #脊椎側彎問題 #選擇脊椎側彎治療 #選擇脊骨側彎治療 #選擇脊椎側彎治療 #實証 #案例 #側彎例子 #側彎案例 #治療案例 #護脊有方法

脊椎側彎 (scoliosis)是指患者的脊椎有不正常的側向曲線（#有時會伴隨脊椎旋轉 ）的一種症狀。通常令患者進行由後向前的X光檢查時可以看到X光片中的脊椎呈現S型、C型等的形狀而非一條直線。常見的分類包括先天性脊椎側彎、好發於青少年時期的原發性脊椎側彎以及因為其他因素（如：#外傷 、#腦性麻痺 ）所產生的次發性脊椎側彎。

#脊椎側彎的種類
#結構性脊椎側彎症
結構性脊椎側彎症（structural scoliosis）是指患者躺下來的時候側彎現象不會消失。此類脊椎側彎患者中有80%患者為原發性脊椎側彎，其次為次發性脊椎側彎。
非結構性脊椎側彎症[編輯]
#非結構性脊椎側彎症 （non-structural scoliosis）是指患者躺下來的時候側彎現象會消失。常見的因素則是因為神經肌肉病變、脊椎左右兩側肌肉張力不平衡、兩腳長度不等（長短腳）等因素產生。此類患者往往能在病因消失後改善其脊椎側彎的症狀。
結構性脊柱側彎症： 又分為特發性及非特發性兩種。原因在於脊椎本身，只有治療脊椎本身才能改善。不同於非結構性的脊柱側彎症，病人在躺下來時側彎不會消失。特發性脊柱側彎：佔百分之80%，通常開始於10到13歲兒童，好發於身體快速發育成長的青少年時期。非特發性脊柱側彎：則起因於某一特定原因，例如神經肌肉病變、退化、感染、腫瘤等。
#治療方法
#姿勢矯正及運動治療
側彎角度小於20度的患者需要在物理治療師的指導下接受姿勢矯正及運動治療，同時每半年追蹤檢查一次，觀察角度是否有惡化的情況。
#穿戴背架
側彎角度介於20度～40度或50度之間的患者，除了運動治療之外，必須穿背架矯正，避免惡化，同時每三至六個月追蹤檢查一次。通常大於30度建議開刀，除了容易治療，恢復力也較快
手術治療
側彎角度若大於40度或50度，就不建議按照上面方法矯正，持續惡化的速度會加快，#強烈建議手術治療 。

#喵喵俠專頁
https://www.facebook.com/catcatcatman/

健康人生治療實錄完成編: 脊柱側彎 Scoliosis （首次免費）

喵喵俠一路以來都有一個病，由細路到大，就是脊柱側彎，即是背部最重要條脊骨有側彎的現像，年青的我暫時都未有因為側彎問題影響，但將來一定會有麻煩，所以現在年青，為了健康，有機會的話真的要試試，現在就找到一名有信心治療好喵喵俠的師父去為喵喵俠治療，我們會一連幾集，由喵喵俠的從未治療過實錄到師父治療到好返，絕對是真實個案，這部實錄了希望幫到我之餘又幫到大家，如果大家想了解更多，不防可以來喵喵俠專頁贊好，以及PM訊息我，分享你的問題，互相交流。

#脊柱側彎 #Scoliosis #實錄 #治療 #健康 #人生 #脊骨側彎 #側灣 #脊椎側彎 #脊骨問題 #脊彎

脊椎側彎可能會造成的問題：明顯的脊椎彎曲、脊椎旋轉導到肋骨旋轉、脊椎兩側的肌肉對稱、姿勢體態的歪斜、可能全身柔軟度不佳、可能全身過度柔軟、大腦缺乏對正確姿勢的認知、可能出現疼痛、內臟受到壓，透過了解這些問題，在下個章節中去試著判斷，那些才是有效的脊椎側彎治療方式。



#脊骨側彎 #脊柱側彎 #脊椎側彎 #健康2.0 #運動 #側凸 #脊骨側凸 #脊椎側凸 #脊柱側彎問題 #脊骨側彎問題 #脊椎側彎問題 #選擇脊椎側彎治療 #選擇脊骨側彎治療 #選擇脊椎側彎治療 #實証 #案例 #側彎例子 #側彎案例 #治療案例 #護脊有方法

脊椎側彎 (scoliosis)是指患者的脊椎有不正常的側向曲線（#有時會伴隨脊椎旋轉 ）的一種症狀。通常令患者進行由後向前的X光檢查時可以看到X光片中的脊椎呈現S型、C型等的形狀而非一條直線。常見的分類包括先天性脊椎側彎、好發於青少年時期的原發性脊椎側彎以及因為其他因素（如：#外傷 、#腦性麻痺 ）所產生的次發性脊椎側彎。

#脊椎側彎的種類
#結構性脊椎側彎症
結構性脊椎側彎症（structural scoliosis）是指患者躺下來的時候側彎現象不會消失。此類脊椎側彎患者中有80%患者為原發性脊椎側彎，其次為次發性脊椎側彎。
非結構性脊椎側彎症[編輯]
#非結構性脊椎側彎症 （non-structural scoliosis）是指患者躺下來的時候側彎現象會消失。常見的因素則是因為神經肌肉病變、脊椎左右兩側肌肉張力不平衡、兩腳長度不等（長短腳）等因素產生。此類患者往往能在病因消失後改善其脊椎側彎的症狀。
結構性脊柱側彎症： 又分為特發性及非特發性兩種。原因在於脊椎本身，只有治療脊椎本身才能改善。不同於非結構性的脊柱側彎症，病人在躺下來時側彎不會消失。特發性脊柱側彎：佔百分之80%，通常開始於10到13歲兒童，好發於身體快速發育成長的青少年時期。非特發性脊柱側彎：則起因於某一特定原因，例如神經肌肉病變、退化、感染、腫瘤等。
#治療方法
#姿勢矯正及運動治療
側彎角度小於20度的患者需要在物理治療師的指導下接受姿勢矯正及運動治療，同時每半年追蹤檢查一次，觀察角度是否有惡化的情況。
#穿戴背架
側彎角度介於20度～40度或50度之間的患者，除了運動治療之外，必須穿背架矯正，避免惡化，同時每三至六個月追蹤檢查一次。通常大於30度建議開刀，除了容易治療，恢復力也較快
手術治療
側彎角度若大於40度或50度，就不建議按照上面方法矯正，持續惡化的速度會加快，#強烈建議手術治療 。