【從測試FSA新款功率計所延伸的期待】

FSA一直是我很喜歡的品牌，很多產品都用了十年還是一樣好用，今年三月初試用了他們自主研發的一款功率計FSA PowerBox SC，花了一個月的時間測試。原本擔心這種萬元以下的功率計會不穩定，但測了好幾次，品質出乎意料的好。雖然還是有些小問題，但在這個價格下面，已經可以造福許多功率訓練的入門車友和鐵人三項愛好者了……下面分享幾次測試的紀錄、心得、建議與對功率計的期待。優缺點都有整理出來，疫情過後有興趣入手功率計的人可以參考看看。下面是幾次測試的過程和數據：

[測試課表一] 漸速騎50公里丘陵地，兩圈鯉魚山（一圈22.3公里），第一圈輕鬆騎不管強度，第二圈加快一點點，最後5公里再放鬆騎。

◎測試目的與過程：想知道穩定踩踏時功率計的穩定性，以及兩圈鯉魚山的時間跟NP與平均功率之間的關係。
→第一圈盡量放鬆騎，不管轉速，也不看功率，以最輕鬆的方式騎完，時間是48分22秒，NP是165瓦。
→第二圈略微加快，但以氣不喘腿不酸為原則騎完，最後快了三分鐘左右，騎45分06秒，NP是191瓦。
（因為下坡有停踩，又有被紅綠燈影響，所以這邊只看NP）

◎測試數據：
→單圈距離：22.3公里
→單圈爬升：37公尺
→平均溫度：29度
→第一圈：NP 165w / 5秒平均最大功率 546w
→第二圈：NP 191w / 5秒平均最大功率 647w

◎測試結果：功率的即時顯示與最終呈現的數據都很穩定，也符合實際的表現。但在5秒平均最大功率上有誤差，出現在下坡路段，已反饋給廠商。
--

[測試課表二] 爬坡間歇✕3，一趟比一趟快 (第一趟最慢，第三趟最快)

Ⓞ測試目的與過程：因坡度的風阻影響最少，想在同樣騎姿下看「速度vs功率」是否成正比。一開始熱身騎三公里後，開始在熟悉的鯉魚山後山進行測試。為了使三趟的技術影響最小，所以皆沒有抽車，都是採坐姿爬坡。
→第一趟盡量放輕鬆騎，雖然腿還是會酸，但還算輕輕鬆，平均功率是269瓦；

→第二趟想騎得快一點就好，但沒控制好，快太多了，比第一趟快了近12秒，平均功率316瓦；

→第三趟超過九成力，雖還不到全力，但感覺上有比第二趟更用力，平均功率也達339瓦，的確是最高的一趟。

◎測試數據：
→單趟距離：430公尺
→單趟爬升：37公尺
→坡度：8.6%
→平均溫度：30度
→第一趟：平均功率 269w
→第一趟：平均功率316w
→第一趟：平均功率339w

◎測試結果分析與提問：
→平均功率跟費力程度的感覺一致，也跟實際的速度一致：同樣的坡度、在無風的狀況下，騎得愈快，NP、平均功率、最大功率的確愈高。
→NP、平均功率、最大功率的數據都是一趟比一趟高，跟實際騎乘感受和表現出來的速度很一致。想確認的問題是：「NP、平均功率、最大功率的數據是Garmin錶頭計算的？還是Garmin Connect計算的？」回覆：「都是錶頭做計算的，功率計只負責丟出數據讓Garmin接收端做處理。」

→從前一個問題所衍生的下個問題是：「Power Box SC 目前是多久傳輸一次數據給車錶的錶頭或鐵人錶？1秒傳一次數據？或2秒傳一次？……」回覆：「3秒傳一次」
—

[測試課表三] 強度3區40分鐘（穩定騎乘，想像自己在半超鐵的自行車賽段上）


◎測試目的與過程：功率計的穩定性。先花三十分鐘做一些技術和三趟短程高強度爬坡間歇當作熱身後，騎往東華大學外環道，開始今天的測試。全程都以盡量穩定的轉速與功率進行騎乘，每圈按一次錶（紀錄分配平均數據）。


◎測試數據：

→單圈距離：5.8公里，總計四圈東華外環道

→總距離：23公里

→總時間（不包含前三十分鐘熱身）：32分鐘


◎測試結果分析：從NP和平均功率來看，這四圈的功率都很穩定。但最大功率（尤其是第二圈）忽然飆高到411瓦，這個數據應是誤差，過程中沒有抽車，也沒忽然重踩。從幾次測試發現，「最大功率」這個數據有時比實際來得高。

—

[測試課表四] 強度4區20分鐘（用接近FTP的強度騎東華大學外環道兩圈）


◎測試目的：功率計的穩定性


◎測試數據：

→單圈距離：5.8公里，總計四圈東華外環道（前兩圈熱身）

→總距離：23公里

→總時間（不包含前二十分鐘熱身）：43分鐘

→第一圈：NP 122
→第二圈：NP 159
→第三圈：NP 236
→第四圈：NP 239

◎測試過程與結果：

→前兩圈熱身，主要是在第三與第四圈進行測試，結果很ok，第四圈有試著在同轉速與最小限度下再多輸出一些，功率計有反應出來。

→此次最大功率飆高的情況沒有發生。

→經過這兩次測試，在強度3區與4區穩定騎乘時，實際成績與功率計的輸出關係是十分相符的，good！
—

[優點]
● 價格親民，目前查到的網路售價是9000元。
● NP與平均功率都很穩定，就算是小幅改變輸出也能測量出來，多次測試都跟實際表現相符。
● 安裝與配對車錶與手錶的過程簡潔／方便，而且直接有轉數和功率，不用再另外黏貼磁鐵。
●「齒比」和「曲柄長」還有九種選擇，這點在許多同是大盤和屈柄功率計的產品上來看就個性化很多了，其他品牌比較少有這麼多元的選擇。

[缺點]
●雖有模擬的兩腿平衡數據，但沒有實際的功率數據。
●瞬時最大功率的數據有時會有誤差（有時正常），已回饋，這應該可以透過韌體調整。

[建議]
下面是個人提供給廠商的建議：

●可以了解為了推廣，所以9000元只有單腿數據，雖然有模擬的平衡數據，但還是期望將來有另一版本是有雙腿的「實際數據」，會比較滿足一些進階的需求。尤其是若將來可以實際分別測出兩腳在不同位置所用的「力量」與「方向」，將能幫助運動員量化踩踏效率。

●因為FSA現在有自己的APP，食望之後FSA的APP能寫好方便給其他APP串接的「API」接口（使用者同意後可以把自己數據自動導出到使用者習慣使用的APP或網站），有助於使用者把功率數據匯整到自己慣用的平台上，但希望開放「API」後能讓更多平台授權取得使用者的原始數據，做更細緻且個人化的分析。

●期待將來可以跟「電子變速」的數據整合在一起，就可以「分析/交叉比對」在不同齒比與阻力、轉數的對應關係。可以了解選手在「不同阻力」下所偏好的齒比與轉數；或是反過來，在不同齒比下，偏好處理何種大小的阻力。然而，從功率和轉速只能換算出「總踩踏阻力」，要實際知道車手「每一圈踩踏所面對的實際阻力」，則需要有「踩踏力量向量化」技術的功率計才行。我也知道這個技術門檻很高，不容易做得出來。

●如果是自主研發，我更期待的是能把踩踏的「效率」在不同轉換階段計算出來。多數騎乘在加速時直覺會想著「更用力踩踏」的方式是「肌肉更用力」，但只想著肌肉用力反而會喪失效率，但其實「肌肉用力（Effort）」跟「運動表現（Performance）」之間還有很多環節會損失功率。

Effort → Force → Torque → Power → Gross Power Released, GPR → Form and Wind Resistance → Performance

每一個箭頭處所耗損的能量愈少，代表效率愈高。肌肉用力的程度（Effort）並不等於施加在踏板上的力（Force），例如在下坡時高轉速的踏板一直踩空，肌肉感到很緊張，或是肌肉不自覺繃緊、抽車的力道過猛使全身肌肉緊繃……等，只是空緊張，皆無助於踏板上施加更多的力。此外，對踏板所施加的力量不等於力矩；功率計上的總功率也不等於GPR，這裡是未來的功率計可以多加著墨的地方，若能把箭頭「Force(→)Toruqe」 以及「Power (→) GPR」中的兩個箭頭的「效率」計算出來，更有助於自行車訓練愛好者進行更精確的科學化訓練。

新增了一個網速測試工具，用來測試連接互聯網的速度，桌面電腦、平板或手機均可支緩，歡迎試用。
https://www.jannet.hk/zh-Hant/post/internet-speed-test/

原理：測試界面會在瀏覧器通過你的網絡供應商從伺服器下載一個大容量檔案，完成時便可以通過傳輸時間計算出下載速度。同樣道理，上載速度就是通過上載檔案到伺服器計算出來。系統預設使用最近你所在城市的伺服器，因此預設測試結果是本地網速，如需測試海外網速的話，可以在選項搜尋外地城市把伺服器設定成海外再進行測試。如想了解更多關於網絡頻寬的理論，歡迎查看以下兩篇文章：End-to-end Delay 端到端延時及改善網絡效能。

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

【線上課程】《過好人生學》～除了熱情，你更需要知道的事
讓你建立迎向未來的思維與能力！
課程連結：https://pse.is/H8JXH
第一講免費試聽：https://youtu.be/-EHOn0UxMys

【哈克獨門心法工作坊】～穿越迷霧，懂一個人真正的樣子～2019/10/19開課
課程連結：https://www.koob.com.tw/contents/4022

【人際維基】桌遊體驗會～讓你一玩就懂別人的在乎～8/3(六）14:00
活動資訊課程：https://www.koob.com.tw/contents/3072

【線上課程】《時間駕訓班》～
學會提升效率，擺脫瞎忙人生，做自己時間的主人
課程連結：https://pse.is/DDDHB
第一講免費試聽：https://youtu.be/flfm52T6lE8

【線上課程】《人際斷捨離》～
讓你留下怦然心動的關係，活出輕盈自在的人生！
課程連結：https://pse.is/E5MW5
第一講免費試聽：https://youtu.be/YyLvd1cNcDw

線上課程【不用開口，就讓你擁有人際好感】
啟動人際溝通的關鍵影響力 https://goo.gl/v3ojdo

桌遊【人際維基】～一玩就懂得別人的在乎：https://goo.gl/Ej4hjQ
到蝦皮購買【人際維基】：https://goo.gl/ASruqR
=============================
以下為本段內容文稿：

在過去三天的分享當中，我從個人的角度，來看待我們的「趨勢」跟「未來」，我們要用什麼樣的思維跟能力的調整，讓我們能夠適應的更好。

而今天呢，我轉換個角度，用指向於「趨勢」與「未來」的角度，來回觀我們的個人；應該要怎麼樣去定位，或者是我們的危機跟機會各自又在哪裡？

我想喔，可以談趨勢與未來的人很多，但這一位人物，有他的獨特性跟代表性；他就是日本「軟銀集團」的創辦人～孫正義。

他在今年的6月，參與一個台灣舉辦的，叫做「全球產業秩序的結構與創新」這個論壇裡面，他做了一場公開的演講。

我在這裡喔，跟你分享一些他這個演講裡面的內容。他認為喔，全球第三波的工業革命，就是「A.I.人工智慧」正在來臨。

如果按照過去30年網路革命的歷史經驗，未來30年半導體的運算速度，記憶體的儲存容量，跟網際網路的傳輸速度，都將成長100倍。

換句話說，A.I.人工智慧的智商，會比現在聰明100倍。他也預估到了2040年，全球機器人的數量，將正式超越全球的人口數，達到100億個機器人。

然而孫正義更直接的表示說，他說不管你喜不喜歡，A.I.人工智慧的時代，它就已經來臨了。這些新科技改變人類社會的速度，會比預期的來得更快。

他以「汽車」為例，在1913年的美國福特汽車，推出第一輛汽車；當時在美國的紐約街頭上，100部交通工具裡，只有1部是汽車，99部仍然是馬車。

但是短短5年的時間裡，形勢完全逆轉；紐約街頭汽車跟馬車的比例，翻轉成為99：1。

然而時至今日，很多人會質疑，運用人工智慧的科技，進行自動行駛的車輛是不安全的；所以都覺得短期應該不會發生這樣的事。

但是我們回觀一個事實，就在美國，現在自動駕車運送處方藥、自動駕車運送網購貨品，這些都已經發生了！

而且進一步來看，網購運送貨品，如果用人工來運送，每件的成本要5美元，而自動駕駛車輛的運送成本，卻只要0.23美元。聽到這裡你想想看，5美元跟0.23美元，這個成本是差異多大啊？

如果按照「趨勢」這樣子發展，可能你現在還會看到，某些專職送貨、送外賣的這些人員，可能他只要跑得勤一點，他的收入還可以蠻不錯的；但是這種事情，可能會很快的消失不見。

其實如果我們回顧，在25年前發生的「資訊革命」來看，網際網路的流量，在25年前其實只有「180G」；但今天的流量，已經高達「156T」，這個流量成長了100萬倍。

如果用市場價值來衡量，美國華爾街網路公司的市值，過去25年的市值，也成長了1000倍。

在1994年全球股市，市值前十大的公司，唯一家的科技公司只有「IBM」。當年擠進前10名的公司，包含日本的NTT電信、美國奇異、艾克森美孚石油、可口可樂、通用、菲利普莫里森煙草，和默克製藥。

但25年後的今天，全球股市前10名裡，有7家都是網路科技公司；包含微軟、Amazon、Google、Facebook、蘋果、阿里巴巴、騰訊。

所以呢，網際網路的革命對全球社會，會產生重大的改變。而相對於網際網路，接下來的「A.I.人工智慧」的革命，在未來的30年，單單在美國，就可望創造19兆美元的產值。

如果按照孫正義的說法，A.I.人工智慧，是人類社會最大的創新改革，會比網際網路的影響來得更大。

其實如果回到人工智慧，跟人類大腦的對比，目前呢，人工智慧只有在下棋這些領域，比人類強大；但是30年後，A.I.會比現在聰明100倍。

到時候所謂的超級智慧，會在人類社會當中誕生；人類的智商平均是100左右，有人說愛因斯坦的智商190；但是未來我們人工智慧的智商，合計會到1萬！

這是什麼數字啊？他會是超級天才，也是天才中的天才。

可是聽到這裡，你千萬不要覺得很悲觀，因為A.I.並不會在所有的領域裡面，都取代人類；畢竟啊，人類在創造力跟互相尊重的能力、彼此協作的部分上。會比A.I.來的更強。

但反過來，如果在既有的資料跟數據，產生的預測跟預估這方面的話，那麼A.I.會比一般的人類強很多。

所以透過孫正義的這番說法，你聽到這邊，不知道你想到了什麼？

我常常會說一句話哦：「人工智慧的時代已經來臨了，但是很多人卻還用工人智慧的腦袋，來想自己的現在跟未來」。

事實上，如果你現在檢視你謀生、你工作、你面對生活，跟未來的方式跟態度，都是那種純粹技術性的，或者是重複性的。

甚至於，絲毫沒有任何創造力含量，這樣的工作跟生活形態。那麼我幾乎可以很確定的告訴你，在你的有生之年，你一定會被A.I.所取代。

可是反過來說，當你現在的思維開始改變，用一個更深刻且更寬廣的視角，來看待自己的工作跟生活的話；那麼你即將會擁有的，是A.I.幾乎無法取代的部分，就是你有「創造」的能力。

而這種在計算機的演算法裡，很難模擬到的像人類的情感、人類的藝術創造，這些部分回到你我的生命裡，當然不是一天、兩天就能夠具備的。

但是我可以很確定的告訴你，如果你現在面對你的工作與生活，你開始能夠有意識的，創造出一些必要的結果；並且去優化你在面對工作跟生活的流程。

而進一步提煉出你的「核心能力」，把你核心的能力跟認知。並不是托付在某些特定角色的工作裡；而是把這些部分，發展出一個生態圈，並且在面對不確定的未來，擁有一個正確決策的能力。

最後回到生命的本位裡，去創造出那個A.I.幾乎不可能模擬的東西，叫做專屬於你靈魂的意義與價值。

那麼我可以很確定的告訴你，不管這個時代怎麼樣變化，你不僅不會是那個被淘汰的人，而且你還可以透過這些科技的進步，為你如虎添翼。

你聽到這裡，你一定很好奇，那這些能力各自需要什麼呢？其實我剛才已經說出來了！

如果你想要在自己的未來，過上一個更好的人生；有四個能力，是你一定要具備的～

第一個叫做「創造結果的能力」，第二個叫做「建立生態圈的能力」，第三個叫做「正確做決定的能力」，而第四個叫做「創造意義的能力」。

然而這個部分的學習精進，讓你擺脫工人智慧的腦袋，而讓自己在人工智慧的時代裡，能夠適應良好、活出你想要的人生。

那麼我很鼓勵你，可以好好把握我們近期推出的線上課程，叫做【過好人生學】。

在這一門線上課程裡，我除了陪伴你，去建立起必要的「四個能力」之外；更結合了我多年進行個案教練的經驗，跟我個人生命轉型的一個體會，讓你能夠更深入的看清楚，自己的生命形態怎麼樣可以過得更好，並且避免掉一些迷思跟現象。

因為我必須說「思維的盲點」，它不一定是發生在那些我們所不知道的事；而是我們太僵固於我們所知道的事。

就像上個世紀的馬車夫，他之所以會被淘汰的主要原因，其實並不是在於，他不知道汽車這件事，而是他太僵固於他的謀生方法，就只有駕馬車。或者是只有透過駕馬車的交通，跟移動的意義來收錢。

所以囉，如果你渴望突破自己在生涯的思維盲點，並且建立起「過好人生」的必要能力，還有它實際的做法。

那我很鼓勵你，可以好好把握我們推出的【過好人生學】這一門線上課程。

然而無論如何，面對未來的改變跟衝擊，不管我們在主觀上喜不喜歡、想不想要，它一定會發生。而真正的關鍵在於～「你準備好了嗎」？

希望今天的分享，能夠帶給你一些啓發與幫助，我是凱宇。

如果你喜歡我製作的內容，請在影片裡按個喜歡，並且訂閱我們的頻道。別忘了訂閱旁邊的小鈴鐺，按下去；這樣子你就不會錯過，我們所製作的內容。

然而如果你對於啟點文化的商品，或課程有興趣的話，如同在我們的內容裡面提到的【過好人生學】。

相關的課程資訊，在我們的影片說明裡都有連結；我很期待能夠跟你一起在線上一起學習、一起前進，一起過上一個你想要的好人生。

謝謝你的收聽，我們再會。