《#20道資料視覺化難題全解析》部落格文末抽書 2 本
你有沒有遇過一種情況,主管嫌你的簡報太複雜,看不懂你要表達什麼?你有沒有看過同事拿著同一份資料做簡報,但是做出來就是比你的清楚易懂?為什麼別人的簡報都一目瞭然,自己的簡報卻總是被退件?原因就在於,你沒有掌握「#資料視覺化」的技巧。
部落格圖文版 https://readingoutpost.com/data-visual-20/
.
【我為什麼推薦這本書?】
.
劉奕酉 老師一直是我非常欣賞的資料視覺化達人,他擅長將書摘精華、商務資訊轉換成好懂的「全息圖」,也是一個高效能和高產出的作者。他的前一本書《高產出的本事》曾帶給我莫大的啟發,而這次他以資料視覺化為題,推出的第三本書,讓我更加引頸期盼。
曾經,我以為自己讀過最棒的「資料視覺化」書籍,是Google前人力分析總監柯爾・娜菲克(Cole Knaflic)寫的《Google必修的圖表簡報術》。她曾經在書中講過:「即使全世界的資料就在我們的指尖,也不會讓溝通變得更容易;有時候,反而變得更難了。」資料氾濫的現在,「爛簡報」反而更加常見了。
從那本書之後,我改變了自己製作簡報的觀念,自此以為資料視覺化的頂點就是這樣了。直到我讀到了這本劉奕酉老師寫的《20道資料視覺化難題全解析》,又刷新了一次我對資料視覺化的認識,讓我知道這個領域永遠都有進步空間。所以我毫不猶豫地答應了出版社,掛名推薦這本好書。
.
【這本書在說什麼?】
.
劉奕酉老師在這本書裡,傾囊傳授他在高科技業擔任高階主管幕僚的簡報經驗,以及他成為自雇者後在各大企業培訓簡報能力的精華淬鍊。任何「資料」在被觀眾吸收之前,都只是一團混亂的雜訊,唯有懂得抓到重點、透過「視覺化」呈現出來的人,才能夠將訊息埋入對方的心裡。
我們一般在職場中,總會面臨要整理資料、製作簡報的時候,如果你沒有掌握資料視覺化的訣竅,只會把原始資料整理成冷冰冰的表格、五顏六色的柱狀圖,那麼你注定得不到能見度,也無法展現出自己在專業上的見解。作者透過這本書教我們「讓數據說話」的技巧,把龐雜的資訊,用一張圖表清楚表達、直抵人心。
這本書不只是資料視覺化的「觀念教學」和「案例解析」,更包含了簡報製作的「操作技巧」,以及眾多提升製作效率的「網路資源」。這是一本兼具理論和實戰的工具書。底下簡單介紹一下本書的架構,以及我學到的一些新東西。
.
【視覺化的觀念教學】
.
我很喜歡的第一個觀念是「不怕留白,你該學會的減法設計」,這個章節提醒了我「少即是多」的重要性。直到現在,我仍然常常犯了把許多資料擠在一起的錯,總是想要把簡報講得完整,卻忘了複雜的圖像會造成觀眾的認知負擔,反而阻礙了吸收。這裡的關鍵是要記得:「拿掉這些元素,會不會影響想要傳達的主要訊息?」
另一個實用的觀念是從英國脫歐的簡報拆解,學到的「化繁為簡的金字塔結構」。作者示範了如何拆解一篇生硬的文章,利用「拆文成段、拆段成條」的小技巧,把滿滿的文字簡化成清楚的脈絡。然後再依據簡報聽眾的程度和職級,使用不同的視覺化方式,示範了「同樣的景色,不同高度的人看到的細節與重點也不同」。
.
【視覺化的案例解析】
.
作者在書中引用了許多實戰案例來示範,說明怎麼從「資料」中整理成「資訊」,在從資訊裡挖掘出「洞見」,各式各樣的案例用法總是讓我驚嘆。例如其中一段「消費者購物態度問卷調查」,原本把兩個年度、各16項的調查結果攤在一張表格上,其實很難一眼看出有用的訊息。
接著,作者把資料整理成百分比和趨勢的表示方式,這時有用的資訊開始浮現出來。然後再善用斜線圖的方式,表示兩個年度的趨勢變化,並且將趨勢進行排序。最後,利用文字的顏色差異,凸顯出真正有價值的洞見,找出消費者最重視和相對不重視的項目。
看到這個案例,我們可以想想看,如果一個職員指懂得秀出第一張』原始資料表格」的簡報,另一個職員卻能整理出「資料視覺化」之後的簡報,哪一個能為公司能帶來更高的價值?
.
【簡報製作的操作技巧】
.
我時常追蹤作者的新文章,也喜歡看他整理的全息圖,發現許多讀者常常問他的問題是:「你的視覺化簡報是用什麼軟體做的?」他總是笑笑地說:Power Point。沒錯,就是這個大家最常用的工具,卻能做出令人印象深刻的視覺化簡報,就連全息圖也難不倒這個老牌的簡報軟體。
在這本書裡,作者不藏私地分享了好幾種 Power Point 的使用技巧,雖然我跟隨著作者的腳步許久,也算是滿熟練 Power Point 在視覺化的應用,但還是從書中學到不少新東西。例如有「聚光燈效果」的遮罩圖形,就可以用各種「合併功能」做出來。我之前一直用奇怪的方式做出遮罩,直到讀了這個章節才恍然大悟。原來我們熟悉的軟體,可以做出這麼出色的視覺化效果。
.
【網路資源素材大公開】
.
看了作者在網路上分享的全息圖、視覺化簡報,不免讓人好奇,他到底花多少時間做出這些精美作品?這些資源該去何處尋找?這一次,作者在這本書裡完整地分享出來。他把這些資源分類成:圖片素材、圖示素材、字型素材、去背軟體、視覺化圖表工具。
從他整理的分類和來源,我們也可以學著建立自己的素材庫,以利之後快速套用和重複使用。為了鼓勵大家可以去找原書來看,在這邊我就不揭露書中的資源,僅拋磚引玉我自己常用的項目。圖片素材:Unsplash。圖示素材:Flaticon。去背軟體:Remove.bg。值得注意的是,我們在使用這些素材時,也要注意授權方式和標註來源的問題,避免踩到版權的界線。
.
【後記:視覺化已是必備技能】
.
劉奕酉老師在書中強調,「資料視覺化的技能可以讓知識變得吸睛、易懂、好傳播」,人類就是偏好視覺的動物(老闆也是人……吧),懂得用視覺化的方式表達資訊,才能夠將訊息傳達到對方心坎裡。熟練這種技巧的人,在無形之中提高了自己在「外人」眼中的專業度,也會在不斷拆解、整理和製作視覺化資料的同時,提升自己「內在」本質上的專業度。
以我自己讀過的「資料視覺化」書籍當中,我推薦「必讀的兩本」就是《Google必修的圖表簡報術》和《20道資料視覺化難題全解析》。我建議先讀《Google必修的圖表簡報術》這本,書中比較強調範例的演進,以及基礎功的演練,對於新手很友善。接著再讀《20道資料視覺化難題全解析》,就會對書中進階的應用和觀念更加深刻,搭配書中多出來的操作技巧和網路資源,你就可以將前一本書的內容實際應用出來。
下一次,如果你又面臨了一份錯縱複雜的資料和表格,就可以從這兩本書中提取專家的智慧,利用化繁為簡的方式拆解資料,再透過視覺差異的表現方式凸顯重點,讓數據和圖表替自己說話。推薦資料視覺化這個「把資料變黃金」的技巧給你,希望你也能走出一條職場的黃金之道。
.
感謝 新樂園出版 與你悅讀 邀約掛名、贈書抽獎
同時也有1部Youtube影片,追蹤數超過4萬的網紅VideoCreator 咖勳Leo,也在其Youtube影片中提到,雜訊素材 https://video-creator.com/雜訊插件 The Best VLOG CAMERA!!!: http://amzn.to/2CmGUNr 室內用鏡頭:http://amzn.to/2Edaohl 戶外用鏡頭:http://amzn.to/2ClqRBK 超方便的三腳架...
「雜訊素材」的推薦目錄:
- 關於雜訊素材 在 Facebook 的最讚貼文
- 關於雜訊素材 在 台灣物聯網實驗室 IOT Labs Facebook 的最佳貼文
- 關於雜訊素材 在 Facebook 的精選貼文
- 關於雜訊素材 在 VideoCreator 咖勳Leo Youtube 的最佳貼文
- 關於雜訊素材 在 黑白雜訊特效YouTuber常用素材無版權綜藝篇- YouTube 的評價
- 關於雜訊素材 在 雜訊特效 的評價
- 關於雜訊素材 在 YouTuber影片剪輯素材- 電視檢驗圖特效雜訊特效- YouTube 的評價
- 關於雜訊素材 在 電視壞掉特效的影片 第1集 - YouTube 線上影音下載 的評價
- 關於雜訊素材 在 有關於素材畫面有雜訊,是要處理?還是不要處理?雖然是用 ... 的評價
- 關於雜訊素材 在 疑問,是紙質效果嗎?? - 插畫板 | Dcard 的評價
- 關於雜訊素材 在 iMovie輸出後有雜訊 的評價
雜訊素材 在 台灣物聯網實驗室 IOT Labs Facebook 的最佳貼文
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
雜訊素材 在 Facebook 的精選貼文
最近拍攝了一系列的素材相關的照片,不過一直沒有想到特別好切入點來發表在粉絲團中,因此就隔了一陣子沒有更新到動態。剛好昨天去拍了一些燈光相關的素材,覺得蠻多人都對燈有興趣,就來分享一下。
夜景對我來說一直是最迷人了,只是拍攝的過程中比白天稍微麻煩一點。好看的夜景人像就是燈光位置需要多花一點時間,而且角度有限,但補光本身的難度並不高,我覺得比大太陽下簡單一點。過去工作中,一是婚紗新人越來越少會選擇拍到夜景(因為一整天下來太累了),二是拍攝的限制多照片也偏少,三是熱門婚紗景點信義區的夜景並沒有太吸引到我,對我來說並沒有那種夜晚能給我的特別氛圍,因此漸漸的就幾乎沒啥在拍了。
這是我第一次夜景來到了中正陸橋,還遇到了劇組也在這拍電影。在沒有時間壓力的狀況下,總共用了四隻光棒來進行拍攝(花絮照放最後面,請點完)。並不是說一定要四隻才能做到這樣的效果,而是這樣的架構下,在有限的光線範圍中,畫面中的人物不管做怎樣的動作都能夠吃到光線。這大概是夜景跟日景最容易被忽略掉的一個問題,日景中環境有滿滿的漫射光線讓你的人物不管怎麼動怎麼低頭抬頭都有機會接收到光源,但夜景不行,光的角度就是很有方向的過來(特別是條燈),你一支燈有一支燈的拍法,不過,你的拍攝限制就很多。所以四隻燈就是在有限的範圍內讓被拍攝者可以自由的作動,當然不比日景,但效果也是好上不少。這次的拍當然並沒有要去做融入場景的補光思維,「我就是來打燈的」,因此光線的刻畫就會做得比較強烈。
其實融入現場光線或是刻畫光線都是表達的一種手法,如果是戶外的白天我比較喜歡迎合現場的光線去補燈,如果是夜景的話,就要看現場環境的光源來判斷。你說這裡能夠不補燈拍嗎?可以,就是人物的雜訊跟顏色會沒那麼討喜,但氛圍依舊是會有的。為什麼我很常會去分享這些人造的光線,最主要的就是讓每個拿起相機的人都多一點選擇權,就是你都會,只是你能選擇要怎麼用,這樣不管到哪裡都能夠有一套可以完成任務的工作方式。
以上,簡單的分享,希望近期還能去收集到一些夜景。希望大家會喜歡
EASTERN WEDDING
雜訊素材 在 VideoCreator 咖勳Leo Youtube 的最佳貼文
雜訊素材
https://video-creator.com/雜訊插件
The Best VLOG CAMERA!!!: http://amzn.to/2CmGUNr
室內用鏡頭:http://amzn.to/2Edaohl
戶外用鏡頭:http://amzn.to/2ClqRBK
超方便的三腳架:http://amzn.to/2zLseEp
你一定需要的雲台:http://amzn.to/2CiRt3T
My Vlog MIC: http://amzn.to/2CnFbYg
請別吝嗇你的讚趕快來訂閱我的頻道吧!
Video Creator 咖勳Leo頻道:https://video-creator.com/訂閱
EnjoyLife咖勳生活臉書粉絲專頁:https://video-creator.com/粉絲專頁
------------------------------------------------------------------------------------------------------------
MUSIC
♫Music By♫
●Guggenz - Next Stop
●Song - https://youtu.be/0pJOBt9TJ6U
●Follow Guggenz - http://smarturl.it/guggenz
雜訊素材 在 雜訊特效 的推薦與評價
... <看更多>
雜訊素材 在 黑白雜訊特效YouTuber常用素材無版權綜藝篇- YouTube 的推薦與評價
... <看更多>