| 室內定位可以廣泛應用於各種應用場景,例如在大型室內場域中(例如車站、醫院、shopping mall、展覽場、博物館等)的行人交通指引，人員定位服務，人流追蹤等等。此外在定位功能上也可分為主動式(由系統主動偵測，例如人流追蹤)與被動式(由使用者主動提出，例如使用者定位服務)。目前研究人員研發不同可能的室內定位技術，大多數的室內定位技術使用無線電波，且多半都需要傳感器（sensor）支援且皆要在意收訊的角度、收訊時間差、訊號強度等成本問題。本論文針對大型車站(例如台北車站)室內定位問題提出一個以車站現有設施如行人路標指示牌認識為基礎的室內定位系統，使用者僅須使用其隨身攜帶的智慧型手機(具備上網功能)即可使用。本系統具有高可用性(high availability) 、方便性 (high accessibility andeasy to use) 、低建置成本(low deployment cost) 、高定位訊號穩定習性(robust sensor signal quality)等優點。本系統的核心模組是建立在一個具有高辨識準確度的行人路標指示牌認識系統。我們利用Google 的 Tensorflow 架構平台，使用 faster rcnnresnet101深度學習訓練模型做為行人路標指示牌辨識系統。在綜合兩類由不同人、在不同時間、使用不同手機、以不同位置與角度拍攝，共3,221張測試影像測試下，綜合不同的訓練模型參數所得的不同訓練模型測試結果，平均的正確率可達99.5%。其中在更接近真實使用者的測試模擬結果其平均準確度亦可高達98.2%，這個結果讓我們相信我們所提的方法與系統架構是實際可行的。 |
