| 現有利用物聯網技術設計的監控裝置多利用感測器、RFID、Wi-Fi或iBeacon定位以進行特定目標追蹤，然而欲掌握特定目標較詳細的資訊必須耗費較高的裝置成本來達成，對於其實際狀態的掌握較不直接且沒效率。因此我們實作了一套結合iBeacon定位、以卷積式類神經網路建構之人臉辨識模型及辨識錄影機制為核心的智慧校園關懷導尋系統，幫助師長可以透過網頁或是手機掌握高關懷學生的狀態，並利用系統中的導尋功能即刻給予援助。我們不僅利用深度學習理論達到高精確的人臉辨識率，更考量在過往監視器影像中欲找出關於某些學生的關鍵錄像相當費力且耗時，以人臉偵測之「事件觸發」與辨識錄影之「可分類」的性質，期望能協助師長有效率地透過網頁及手機平台觀看分類處理過的關鍵影像，掌握學生的確切動態。而為了有效提升系統的可靠性與可用性，我們以實測調整了人臉偵測的檢測矩形大小、連續偵測成功的可靠指標，並透過Google TensorFlow 機器學習框架中的卷積式類神經網路模型實作人臉辨識，有效增加了較過往OpenCV為佳的辨識準確度，同時經實測評估亦驗證了我們的效能改善。 |
