本論文提出一個具有人臉辨識之大專院校科系導覽系統，系統是由五個子系統所構成分別為顯示子系統、偵測子系統、拍照子系統、辨識子系統和資料庫，在顯示子系統與拍照子系統我們使用Microsoft Visual Studio進行實作與開發，偵測子系統我們使用Arduino　IDE進行開發，並且在偵測子系統中使用了超音波感測與人體紅外線感測進行實作，用於判斷使用者是否在系統前方，而辨識子系統我們使用Anaconda與Spyder進行人臉辨識的開發，最後，資料庫是使用SQL Server。整體而言，本研究結合了人臉辨識、感測等相關技術，讓使用者能更方便的操作系統，最後，我們進行系統實測，系統可以正確判斷使用者是否位於本系統前方，並且自動拍攝使用者進行辨識，當辨識完成時顯示使用者介面，讓使用者能更方便查詢所需功能。

This thesis designs and implements a multimedia kiosk for navigation in departments of universities. The system consists of five subsystems: display subsystem, detection subsystem, camera subsystem, identification subsystem, and database. Among them, the display system uses Microsoft Visual Studio as the development platform, the detection subsystem uses Arduino as a development platform, the identification subsystem uses Anaconda and Spyder as a development platform, the database uses SQL Server. On the whole, this research combines face recognition, sensing and other related technologies to allow users to operate the system more conveniently. Experimental results show that the proposed system can correctly judge the user is in front and the system can automatically take pictures, and can also automatically identify the user.

第一章 緒論 1
1.1 研究背景 1
1.2 研究動機 2
1.3 研究目的 2
1.4 論文架構 3
第二章 文獻回顧 4
2.1 多媒體資訊站（KIOSK） 4
2.2 導覽系統 4
2.2.1 NTHU App清華大學校園軟體 5
2.2.2 宜蘭大學數位校史導覽系統 6
2.3 人臉辨識技術 6
2.3.1神經網路（Neural Network） 7
2.3.2卷積神經網路（Convolutional Neural Networks） 9
第三章 系統設計 16
3.1顯示子系統 16
3.2偵測子系統 18
3.3拍照子系統 19
3.4辨識子系統 20
3.5資料庫 22
第四章 系統實作與測試 23
4.1 硬體實作 23
4.2 軟體實作 24
4.2.1 顯示子系統 24
4.2.2 偵測子系統 26
4.2.3 拍照子系統 27
4.2.4 辨識子系統 27
4.2.4 資料庫 29
4.3 系統測試 29
第五章 結論 36
參考文獻 37

[1]劉耿銘（2016）。智慧校園建置、匯流應用分析 -以新北市白雲國小為例智慧。校園暨教育創新國際研討會特刊，1（3）。取自https://tiec.wordpress.com/2016/12/27/6/
[2]湯志民（2019）。智慧校園（Smart Campus）的理念與推展。學校行政，121，125-140。doi:10.6423/HHHC.201905_（121）.0006
[3]石豐瑞（2016）。校園導覽系統以國立成功大學為例（碩士論文）。取自華藝線上圖書館系統。（系統編號U0026-2703201623553600）
[4]NTHU App清華大學校園軟體。取自http://ursusteam.blogspot.com/
[5]馬自明、劉佩修（2017）。直擊！全球最狂刷臉城，商業周刊，1562，80-89。
[6]周尚勤（2019）從金融、飲食到保險算壽命刷臉商機無國界，能力雜誌，765，46-51。
[7]王曉璿、黃昭儒、林志宏、吳浚瑋（2012）。可觸式擴增實境輔助博物館導覽效益之研究。教育資料與圖書館學，50（1），135-167。doi:10.6120/JoEMLS.2012.501/0476.RS.CM
[8]國立宜蘭大學邁向百年•致敬青春數位校史導覽系統啟用。取自https://www.niu.edu.tw/files/14-1000-20732,r43-1.php
[9]國立屏東科技大學VR校園環景導覽系統。取自https://walkinto.in/tour/ZyL8HCIQ5MbJg8LrCU7qz
[10]國立清華大學虛擬實境。取自https://www.nthu.edu.tw/hotNews/content/32
[11]廖威傑（2014）即時人臉辨識在KIOSK上之應用 （碩士論文）。取自:https://hdl.handle.net/11296/aqp7b6
[12]曾婉菁（2014）人臉偵測及辨識方法探究，印刷科技，30（2），21-40。
[13]蘇仲洋（2008）。影像辨識在全自動化系統之應用研究（碩士論文）。取自華藝線上圖書館系統。（系統編號U0006-2306200801032700）doi:10.6841/NTUT.2008.00442
[14]張志勇、廖文華、石貴平、王勝石、游國忠（2020） 。人工智慧。新北市：全華。
[15]V. Kazemi and J. Sullivan, “One Millisecond Face Alignment With an Ensemble of Regression Trees,” 2014 IEEE Conference on Computer Vision and Pattern Recognition, pp. 1867-1874, 2014.
[16]Adrian Rosebrock, “Face_Recognition,” https://github.com/ageitgey/face_recognition.
[17]W. S. Mcculloch and W. Pitts, “A Logical Calculus of The Ideas Immanent in Nervous Activity,” Bulletin of Mathematical Biophysics, Vol. 5, no. 4, pp. 115-133, Dec.1943.
[18]J. F. Kolen and S. C. Kremer, “Gradient Flow in Recurrent Nets: The Difficulty of Learning Long-Term Dependencies,” in A Field Guide to Dynamical Recurrent Networks, IEEE, pp. 237-243, 2001.
[19]LeCun Yann, Bottou Leon, Bengio Uoshua, and Haffner Patrick, “Gradient-Based Learning Applied to Document Recognition,” in Proceedings of the IEEE, Vol. 86,no. 11, pp. 2278-2324, Nov.1998.
[20]Brandon Rohrer, “How do Convolutional Neural Networks work?,” https://brohrer.github.io/how_convolutional_neural_networks_work.html, Aug.2016.
[21] F. Schroff, D. Kalenichenko and J. Philbin “FaceNet: A Unified Embedding for Face Recognition and Clustering,” IEEE Conference on Computer Vision and Pattern Recognition (CVPR), pp. 815-823, doi: 10.1109/CVPR.2015.7298682.