科技發展日新月異，科技結合圖像處理的應用案例雨后春筍般地冒出，甚至融入我們的日常生活，使生活質量和效率大幅提升。本文就分享一些生活中的影像辨識應用，剖析計算機視覺與開放原始碼的運用以及其帶來的效益。

開源系統讓影像辨識成真

人腦在進行影像辨識時，從眼睛接收圖像，到大腦計算，這個過程共需經過七層關卡，其中包含影像亮度／色彩／邊界的擷取、可識別的對象的組合、大腦 30％～40％ 的部位執行視覺運算與分析，最后才由大腦告訴你，這個影像是什么。

而關于計算機影像辨識，Intel 所發起的開源影像辨識系統 OpenCV 便是不可或缺的主角。這套開源系統讓開發人員在進行相關辨識系統的開發時更加容易，同時促進相關技術的進展。若計算機辨識系統要仿效人腦得到相近的視覺感受，則必須經過復雜的運算，以當紅的虛擬現實（VR）、擴增實境（AR）或是結合兩者的混合實境（MR）來說，都必須計算出影像中各個對象的運動狀況、環境的影像復原和重建等。

計算機視覺系統基本架構

OpenCV 可以在許多平臺上執行，以Webduino 為例，其運行Google Tensorflow．js后，讓硬件的開發者可以更簡單的使用網頁開發AI服務。這個云端平臺，整合了從硬件到軟件、軟件到云端、云端到行動裝置，充分展現 OpenCV 跨平臺的能力！

將 OpenCV 結合攝影機，擷取物體顏色，經過設定特定色彩范圍后，OpenCV 也可以被來偵測熱區、對物體顏色進行萃取，甚至能將這項影像辨識技術結合機械手臂，應用在更多領域中。此外，這項技術也能夠在攝影鏡頭偵測到的指定對象上畫上笑臉，再利用 Google 大腦團隊開發的 Tensorflow．js 進行深度學習，提升其偵測物體技術及準確度。目前 Webduino也正將這些程序信息整合成一個平臺，在瀏覽器上就能直接進行對象的分類及偵測。

Webduino 示意圖

另外一個應用是農業。在一望無際的西紅柿園里，果實的顏色與大小總是參差不齊，通過設計蜂巢農研影像，利用 OpenCV 和 YOLO 進行物體檢測，將偵測到的西紅柿果實進行框架并標示，以作為自動采收系統中的視覺模塊核心。經過開發者不斷地嘗試與檢測、調整程序，這套物體偵測系統能增快篩選速度并減輕人力負擔，有效提升工作效率！

UGV 西紅柿采收項目中的物體偵測

車牌辨識知多少？

影像辨識技術日趨成熟，應用領域也更為廣泛。在車牌辨識系統領域中，由于攝影機質量大幅躍升，現在已經進入車牌辨識乃至影像辨識的戰國時代！傳統 2D 平面辨識系統，辨識度低且分析速度慢，而最新研發的 3D 立體辨識系統篩選速度快，即使畫面中傾斜的車牌號碼也能清楚掌握。

為了追求更高的效率，設計者不斷嘗試讓系統能一次偵測「多車」的辨識程序。目前 3D 立體辨識系統已能在相同時間內，辨識出多個車牌，并普遍應用在壓線拍照的停車場、學校小區的柵欄感應辨識、測速的高畫素多車偵測、辨識側邊路旁車牌的車載等領域。未來，若車牌辨識技術結合超高清（Ultra HD）攝影機，將賦予講究效率和質量的「動態、多車、多車道」辨識系統，達到能夠運用到更廣泛的生活層面。

影像辨識結合醫療

為了解決偏鄉長者對于藥物服用、辨別較不熟悉的問題，已經有團隊研發出 AI 自動給藥系統— UTOPIL，設計團隊以長者最常服用的 15 種藥物進行辨識實驗，辨識結果正確率高達99．1％！

起初設計團隊利用機械手臂來旋轉藥物，進行多角度拍攝，擷取藥物影像。如此作法雖然提升實驗速度，機械手臂卻經常捏碎藥丸，甚至有污染的風險，因此改以「真空吸取藥丸」的方式進行辨識，如此一來，藥物的形狀大小也不會受限制，團隊也將藥物辨識后的結果建立成數據庫，并依照長者需求，定時發放藥物供長者服用，以達到按時吃藥、吃對藥物的目的。

這樣一個有系統性的藥物辨識技術，除了能協助居家長者服藥，未來也盼能協助藥局快速分藥，或在鄉里間公共場所定期提供給藥服務，讓影像辨識技術發揮最大效益，造福更多人群。

小結

從身邊的 iPhone X 所搭載的臉部辨識系統，到隨處可見的車牌辨識，影像辨識技術已融入我們的日常生活。為了應用在不同的場景，影像辨識所著重的技術重點也各不相同，藉由結合特殊的算法，或其他硬件輔助，便能快速應用在不同領域，以協助改善人類生活，讓生活質量大幅提升。相信未來的影像辨識應用將會更加寬廣，讓辨識算法更加精進、使影像辨識技術更上一層樓。