臺灣博碩士論文加值系統

摘要
近年來國軍轉型執行「精粹案」，自民國100年起至103年底依據敵情威脅、國家安全情勢、總體資源分配及募兵制推動等相關因素規劃，組建能滿足未來戰爭需求之國防組織；其中人力的精簡，造成各單位衛哨兵必須增加值班時間，傳統紙卡證件識別人員與車輛費時且易導致人員容易疲勞，進而肇生許多因值勤疏忽而遭破壞的情事，部分機關單位採上、下班制度，容易造成瞬間人潮較多時，發生盤查的疏忽及交通壅塞，導致無法落實安檢安全。本論文以人工智慧結合人臉辨識及車牌辨識技術裝設於營區門哨可以降低人力負擔、有效阻擋車輛、避免個資外洩、衛哨人員減少受傷及避免辱罵，且身份以生物辨識之人臉辨識判別、車輛以車牌辨識不用隨身攜帶感應卡片或紙張證件，不需要和受測裝置有任何接觸，僅需透過簡單的攝影照相裝置，即可取得辨識所需的資料，可防止證件遺失及偽造，具衛生、方便、迅速又安全的辨識方法，能有效提升國軍門哨安全管控。

關鍵字:人工智慧、人臉辨識、車牌辨識、門哨、營區

Abstract
In recent years, National Army has transformed and executed the "Pure Scenarios." In order to build up the defense organization, to meet the needs of possible war in the future, From 100 to 103 years of the Republic of China, according to the planning of relevant factors such as threats from the enemy, national security situation, entire resource allocation and fundraising promotion,. The streamlining of human resource has increase time of duty among all units of guards. Traditional paper identification card and vehicles are time-consuming, therefore it has caused：Firstly people in duty tiredness , secondly resulting in many accidents caused by negligence on the part of the authorities. Especially for some organization set same fixed work time, people come and leave office at the same time, the security check may not be thoroughly operate also stop the traffic in peak time at the entrance, lead to failure to implement access security. Hence, this thesis evaluates the combination of face recognition and license plate recognition technology installed in the Army camp entrance to reduce manpower burden and enhance security management control as the research case. The development of contactless access control technology has allowed the certain persons or vehicles to entry under restricted conditions. Use human faces and vehicles number plate to identify and control the access to entrance. People no longer need to carry a proximity card or paper certificate, nor have any contact with the test device. People only need to use a simple photo camera device to capture the needed information for identification. Therefore, this identification methods is convenient, efficient and safe, It can provide a reference for entrance security improvement to the national army .

Keywords: Artificial Intelligence, Face Recognition, License Plate Recognition, Entrance Guard, Army Camp

目錄
誌謝 I
摘要 II
Abstract III
目錄 IV
圖目錄 VI
表目錄 IX
第一章 緒論 1
1-1研究動機 1
1-2研究目的 3
1-3 研究範圍與內容 4
1-4 研究架構與流程 5
第二章 衛哨所現況概述 7
2-1前言 7
2-2執行方式 7
2-3配置設施 9
第三章 人工智慧 12
3-1前言 12
3-2技術原理 13
3-2-1機器學習 15
3-2-2深度學習 18
3-2-3資料科學 21
3-3演進與崛起 25
3-4應用實例 27
第四章 安檢管理系統 32
4-1 前言 32
4-2 車牌辨識 33
4-2-1影像擷取 34
4-2-2車輛辨識 35
4-2-3應用實例 36
4-3人臉辨識系統 37
4-3-1人臉偵測 39
4-3-2人臉辨識 42
4-3-3應用實例 49
第五章人工智慧安檢管理建構 51
5-1安檢管理設備概述-硬體、軟體裝置 51
5-2整體架構流程 56
5-3可行性探討 58
5-3-1海軍在人工智慧之發展 59
5-3-2獨立網路-降低個資外洩、網路攻擊 60
5-3-3提升安檢管理功能 61
5-3-4人力精簡評估 63
第六章 結論與建議 64
6-1結論 64
6-2建議 64
參考文獻 65

參考文獻
[1] 中華民國一○二年四年期國防總檢討，國防部出版，台北，2013。
[2] 海軍陸戰隊警衛勤務實施計畫(106年修訂版)，海軍陸戰隊出版，高雄，2017。
[3] 軍事演習訓練與營區安全勤務條例草案，國防部公告專區，台北，2017。
[4] 海軍區域聯防暨營區安全(含警衛勤務)與戰鬥個裝著裝示範觀摩，海軍陸戰隊，高雄，2017。
[5] http://tensorflowkeras.blogspot.tw/2017/06/blog-post_15.html (2017.6.15)。
[6] 林大貴，“Python+Spark 2.0+Hadoop機器學習與大數據分析實戰” ，博碩出版社，2016。
[7] 范秉航，“一場抵十場-人工智慧應用場景大盤點”，投資人論壇，台灣經濟研究院，台北，2017。
[8] http://hadoopspark.blogspot.tw/2016/02/blog-post.html (2016.2.20)
[9] 林大貴，“TensorFlow+Keras深度學習人工智慧實務應用”，博碩出版社，2017。
[10] 黃浚裕，“人工智慧於自行車休閒效益之研究”， 碩士論文，國立高雄海洋科技大學，高雄，2017。
[11] 陳昇瑋，“數位時代的淘金術 ─ 從大數據到人工智慧”，秋季展望科普演講，中央研究院資訊科學研究所，台北，2016。
[12] https://zh.wikipedia.org/wiki/数据(2016.1.4)。
[13] 李宏毅，“什麼是深度學習-類神經網絡的卷土重來”，數理人文第10期期刊，第20-28頁， 2016。
[14] 尹紅風，“認識人工智能”， 精彩人生講座，美國加州，2016。
[15] https://ifun01.com/NU9E8FY.html(2017.7.5)。
[16] 王志鈞，“無人商店來了　智慧新零售時代來臨”，工業技術與資訊月刊，第317期， 4月號，2018。
[17] https://technews.tw/2018/01/30/7-eleven-x-store/(2018.1.30)。
[18] 蔡宗勳，“門禁地虎與壓電技術結合”，碩士論文，國立台南大學，台南，2017。
[19] 曾士豪，“自動化車牌辨識系統”，碩士論文，國立交通大學，新竹，2016。
[20] 田智婷，“智慧型停車場的車牌辨識系統 ”，專題報告，桃園，2016。
[21] https://www.digitimes.com.tw/iot/article.asp?cat=130&id=0000493478_ldb57yci6dhurg9sj63ir(2017.5.31)。
[22] 林庭立，“基於人臉五官PCA之人臉辨識伺服器”，碩士論文，大同大學，台北，2014。
[23] 梁振升，“以 OpenCV實現即時之人臉偵測與辨識系統”，碩士論文，銘傳大學 ，台北，2010。
[24] 曾婉菁，“人臉偵測及辨識方法探究”，印刷科技期刊，第30卷，第2期，2014。
[25] I. Craw, D. Tock, and A. Bennett, "Finding Face Features," Proc. Second European Conf. Computer Vision, pp. 92-96, 1992.
[26] A. Lanitis, C.J. Taylor, and T.F. Cootes, "An Automatic Face Identification System Using Flexible Appearance Models," Image and Vision Computing, vol. 13, no. 5, pp. 393-401, 1995.
[27] G. Yang and T. S. Huang, "Human Face Detection in Complex Background, "Pattern Recognition, vol. 27, no. 1, pp. 53-63, 1994.
[28] Lin-Lin Huang, Akinobu Shimizu, Yoshihiro Hagihara, Hidefumi Kobatake, "Face detection from cluttered images using a polynomial neural network", Neurocomputting vol. 51, 2003, pp. 197-211.
[29] Lin-Lin Huang,Akinobu Shimizu, Yoshihiro Hagihara, Hidefumi Kobatake, "Gradient feature extraction for classification-based face detection", Pattern Recognition vol. 36, issue 11, 2003, pp. 2501-2511.
[30] Lin-Lin Huang, Akinobu Shimizu, Hidefumi Kobatake, "Robust face detection using Gabor filter features", Pattern Recognition Letters, vol. 26, issue 11, 2005, pp. 1641-1649.
[31] 陳筠，“以網格點雲坐標於人臉辨識研究” ，碩士論文，逢甲大學，台中，2017。
[32] 蕭皓祥、李威德、傅猷，“人臉辨識系統“，國立臺灣大學生醫工程實驗期中報告，台北，2016。
[33] https://money.udn.com/money/story/5723/3052252(2018.3.26)。