關於 流程圖圖示 ，我們在網路上蒐集到這些相關的討論、資訊與評價

導入 Appier 精準行銷，cama café 用 AI 為顧客量身打造天氣專屬咖啡！

新聞快訊
2021-08-24

【為什麼我們要挑選這則新聞】今年 5 月台灣本土疫情爆發，進入第三級警戒，也觸發商業模式的劇變，導入 AI、雲端成了企業數位轉型的大趨勢。成立於 2012 年的 Appier 是出身於台灣的獨角獸，也是唯一成功赴日 IPO 的台灣新創，它過去曾運用 AI 解決方案為家樂福、資生堂等品牌創造不少疫情新商機。這次我們來看看 Appier 怎麼在疫情下幫助 cama café 超越去年的營收？（責任編輯：陳宜伶）

以人工智慧（AI）與軟體即服務（SaaS）為核心的沛星互動科技（以下簡稱 Appier）持續協助企業化解不同類型的商業挑戰。有鑒於全球經濟模式自 2020 年起因應疫情進入新常態，實體零售業者在面對市場不確定性時也採取積極行動，強化自身的數位競爭力。

cama café（咖碼咖啡）2020 年年中便啟動一系列會員忠誠度提升計畫，並採用 Appier 解決方案，分析線上與線下數據，以實現自動化精準行銷，吸引對咖啡有不同偏好的消費者成為會員並且持續消費；而在掌握更全面的用戶輪廓與線上行為後，cama café 進一步完善其用戶旅程，提升會員訂閱數與轉換率，並利用 AI 模型和大數據發掘商業機會、強化商業決策。

截至目前 Appier 的解決方案已為 cama café 創下亮眼好成績：

網頁 / App 訂閱率提升 3 倍
站內應用程式推播 CTR 增加 4.5 倍
天氣推播 CTR 增加 2.2 倍

cama café 成立於 2006 年，為台灣知名連鎖咖啡品牌，商品涵蓋咖啡與茶類飲品、濾掛式咖啡與咖啡豆。基於會員所展現的高營收貢獻率、高消費忠誠度，cama café 於 2018 年 10 月推出 cama App，截至目前會員所貢獻的營收最高可達 6 成，cama café 陸續推出的咖啡豆訂閱制也適時滿足會員的個人化需求，獲得好評。

cama café 提前佈局數位策略，強化實體門市營收

今年五月，台灣受到新冠肺炎疫情衝擊，因全台發布三級警戒，前往實體門市消費的顧客人數大減；幸而 cama café 在去年就已提前預警，結合數位策略強化實體門市的銷售，因而在這波疫情衝擊下得以逆勢成長。根據 cama café 數據顯示，門市五月營收較去年同期提升 38.8%，自有電商平台（含訂閱制）的交易筆數成長 10 倍。

近年來 cama café 會員數量快速成長，然而會員的快速增長也讓行銷人員難以全面掌握用戶的輪廓與興趣，採取清晰且明快的行銷作為。具體而言，cama café 面臨的挑戰有兩點：

難以建立 360 度用戶輪廓：缺乏足夠的 IT 與資料科學資源與人才整合並分析大數據，全面了解用戶的興趣、交易與線上數位行為，建立全方位用戶輪廓，發掘更多的商業機會。

難以建立完整的用戶旅程：缺乏完整的用戶輪廓與自動化行銷工具，以跨渠道經營會員關係，在各個客戶接觸點精準投放行銷內容，最終提升會員訂閱數與轉換率。

運用 AI 模型、一站式平台實現精準行銷：cama café 會依天氣推薦適合的咖啡

基於 cama café 經營的型態與行銷目標，Appier 採取的做法是運用 AI 模型整合用戶興趣，並透過一站式平台實現精準行銷：

1. 部署 AI 模型，整合線上與線下數據分析用戶興趣：透過 Appier 特有 AI 技術，整合線下交易資料、線上網頁和 App 行為數據，豐富既有的 CRM 資料，建立 360 度的用戶輪廓。同時，行銷人員可以利用 AIXON 的「分析與區隔用戶 AI 模型」，客製化彈性訂定競爭者與異業合作之關鍵字，分析用戶興趣，制定以數據為導向的異業合作與線下通路策略。例如自訂卡通人物關鍵字並分析用戶喜好後，選擇用戶最喜愛且符合品牌形象之人物，作為異業合作洽談之決策依據；或自訂通路關鍵字並分析用戶喜好的線下通路後，驗證用戶最感興趣之通路，強化營運競爭力。

2. 一站式管理多元渠道，輕鬆實現精準行銷：透過 AIQUA 行銷自動化的觸發推播，cama café 能無縫進行 App 內推播與一般網頁內推播，深度與用戶溝通，投放精準的行銷內容與之互動。同時針對雙 11 大型購物檔期，多渠道、多波段設計用戶旅程，並客製化設計「倒數計時」網頁內推播吸引用戶加速購買，強化轉換率與訂閱數。根據觸發推播的概念，cama café 也利用網頁發送「天氣推播」，透過 AI 精準預測用戶位置，客製化推薦用戶適合當日/當地天氣之飲品，連結Google地圖，強化線上與線下 OMO 串聯，增加用戶到實體通路購買飲品之意願。

cama café 行銷團隊表示：「cama café 致力於提供最真誠的咖啡賞味體驗。從一顆生豆到一杯咖啡，以最透明的製作流程，端出杯杯國際級的咖啡。與 Appier 合作更能精準地與用戶做溝通。透過 AIQUA 顧客互動行銷平台不但能精準預測分眾、自動推進行銷活動，增加行銷團隊效率；運用 AIXON 資料科學平台還能將門市線下數據整合，結合線上行為數據及用戶資料，讓行銷團隊能快速了解用戶輪廓以制定商業策略並採取行動，讓 cama café 更快速實現數位轉型！」

附圖：圖一：配合當季活動，cama café 深度與用戶溝通，以提升會員忠誠度，圖片來源：Appier
圖二：cama café 利用 AI 制定以數據為導向的異業合作策略，圖片來源：Appier
圖三：透過 AI 精準預測用戶位置，客製化推薦適合該天氣之飲品，圖片來源：Appier

資料來源：https://buzzorange.com/techorange/2021/08/24/cama-cafe-appier-martech/?fbclid=IwAR2-iJn1rv7NNV8Rsx6iNV8nFP-uWMmZn5JU5CnaD8eBNoER3FLxbMO9SnY

機器學習識別特徵阻絕代測　上鏈回送監理資料庫防竄改

人臉辨識加酒精鎖阻酒駕　串區塊鏈上傳比對告警

2021-05-24社團法人台灣E化資安分析管理協會元智大學多媒體安全與影像處理實驗室

本文將介紹酒精防偽人臉影像辨識系統，結合了人臉辨識、酒精鎖以及區塊鏈應用，以解決酒駕問題，並透過監控系統避免代測狀況發生。且利用區塊鏈不可修改的特性，將車輛與人臉資料串上區塊鏈，以確保駕駛人的不可否認性。

長長期以來「酒駕」都是一個很嚴肅且必須被重視的議題，儘管在2019年立法院修法酒駕及拒絕酒測的罰則，但是抱持僥倖心態的人還是數不勝數，導致因酒駕釀成車禍的悲劇還是一再重演，讓不少的家庭因此破滅。

據統計，從2015年到2018年的酒駕取締件數都逾10萬件，而因為酒駕車禍的死亡人數逾百人。在2019年酒駕新制上路以後，2020年警方酒駕取締件數有明顯下降至約6萬件，雖然成功達到嚇阻效果，但是死亡人數仍與去年前年持平，可見離完全遏止酒駕還有很長的路需要努力。

立法院於2018年三讀通過了「道路交通管理處罰條例部分條文修正案」，酒駕者必須重新考照，並且只能駕駛具有酒精鎖（Alcohol Interlock）的車輛，所謂酒精鎖，屬於車輛點火自動鎖定裝置，在汽車發動前必須進行酒測，通過才能將汽車發動，而且在每45分鐘至60分鐘後酒精鎖系統就會要求駕駛人在一定時間內進行重新酒測，以便防範在行車過程中有飲酒的情況發生，若駕駛人未遵守其要求，車子就會強制熄火並鎖死，必須回酒精鎖服務中心才能將鎖解開。

由於法案的方式無法完全遏止酒駕，因此許多創新科技或是企業致力於研究相關科技來解決酒駕的問題。

其中本田（Honda）汽車與日立（Hitachi）公司研發出手持型酒精含量檢測裝置，讓駕駛人必須在駕駛之前都先進行酒測，若酒精濃度超標就會將汽車載具上鎖，藉此避免酒駕意外或事故發生，且該技術結合了智慧鑰匙功能，若偵測到酒測值超標，車輛中的顯示面板將會發出警告訊號告知駕駛人，避免酒駕上路之問題。

另一方面則是解決酒精殘值之問題，因為有許多駕駛人都會認為，休息一下後，身體也無感到不適，即駕車出門，等到駕駛人被警方臨檢時才知道酒測未通過，因此收到罰單，甚至是吊銷駕照處罰等。

根據醫學研究指出，酒精是在人體體內由肝臟代謝，實際代謝時間必須看體質以及飲酒量而定。台灣酒駕防制社會關懷協會建議，喝酒後至少要10至20小時後再駕車比較安全。多數人無具備酒精代謝時間的觀念，導致駕駛人貿然上路，待意外發生或罰單臨頭時，已經為時已晚。

背景知識說明

本文介紹的方法為酒精鎖結合攝影鏡頭進行人臉辨識，並將人臉特徵資料與車輛資料串上區塊鏈，並利用區塊鏈不可篡改的特性，來避免駕駛人在解鎖酒精鎖時發生他人代測的問題。

由於人臉辨識技術具備防偽性、身分驗證的特性，因此將酒精鎖的技術結合人臉辨識，便可確認為駕駛本人。

何謂人臉辨識

人臉辨識技術屬於生物辨識的一種，基於人工智慧、機器學習、深度學習等技術，將大量人臉的資料輸入至電腦中做為模型訓練的素材，讓電腦透過演算法學習人類的面部特徵，藉以歸納其關聯性最後輸出人臉的特徵模型。

目前人臉辨識技術已經遍佈在日常生活之中，其應用面廣泛，最為常見的應用即為智慧型手機的解鎖、行動支付如LINE Pay、Apple Pay等，其他應用還包括行動網路銀行、網路郵局、社區大樓門禁管理系統、企業監控系統、機場出入關、智能ATM、中國天眼系統等。一般來說，人臉辨識皆具備以下幾個特性：

‧ 普遍性：屬於任何人皆擁有的特徵。

‧ 唯一性：除本人以外，其他人不具相同的特徵。

‧ 永續性：特徵不易隨著短時間有大幅的改變。

‧ 方便性：人臉辨識容易實施，設備容易取得，如相機鏡頭。

‧ 非接觸性：不須直接接觸儀器，也可以進行辨識，這部分考量到衛生問題以及辨識速度。

人臉辨識透過人臉特徵的分析比對進行身分的驗證，別於其他生物辨識如虹膜辨識、指紋辨識，無須近距離接觸，也可以精準地辨識身分，且具有同時辨識多人的能力。因應新冠肺炎疫情肆虐全球，人臉辨識技術也被用來管理人來人往的人流。人臉辨識的儀器可以搭配紅外線攝影機來測量人體體溫，在門禁進出管制系統中，利於提高管理效率，有效掌握到進出人員的身分，以及幫助衛生福利部在做疫調時更容易掌握到確診病患行經的足跡。

人臉辨識的步驟

人臉辨識的過程與步驟，包括人臉偵測、人臉校正、人臉特徵值的摘取，進行機器學習與深度學習、輸出人臉模型，從影像中先尋找目標人臉，偵測到目標後會將人臉進行預處理、灰階化、校正，並摘取特徵值，接著人臉資料交給電腦進行機器學習與深度學習運算，最後輸出已訓練好的模型。相關辨識的步驟，如圖1所示。

人臉偵測

基於Haar臉部檢測器的基本思想，對於一個一般的正臉而言，眼睛周圍的亮度較前額與臉頰暗、嘴巴比臉頰暗等其他明顯特徵。基於這樣的模式進行數千、數萬次的訓練，所訓練出的人臉模型，其訓練時間可能為幾個小時甚至幾天到幾周不等。利用已經訓練好的Haar人臉特徵模型，可以有效地在影像中偵測到人臉。

Python中的Dilb函式庫提供了訓練好的人臉模型，可以偵測出人臉的68個特徵點，包括臉的輪廓、眉毛、眼睛、鼻子、嘴巴。基於這些特徵點的資料就能夠進行人臉偵測，如圖2～4所示。圖中左上角的部分是偵測到的分數，若分數越高，代表該張影像就越可能是人臉，右側括弧中的編號代表子偵測器的編號，代表人臉的方向，其中0為正面、1為左側、2為右側。

人臉的預處理

偵測到人臉後，要針對圖片進行預處理。通常訓練的影像與攝影鏡頭拍出來的照片會有很大的不同，尤其會受到燈光、角度、表情等影響，為了改善這類問題，必須對圖片進行預處理以減少這類的問題，其中訓練的資料集也很重要：

‧ 幾何變換與裁剪：將影像中的人臉對齊與校正，將影像中不重要的部分進行裁切，並旋轉人臉，並使眼睛保持水平。

‧ 針對人臉的兩側用直方圖均衡化：可以增強影像中的對比度，可以改善過曝的影像或是曝光不足的問題，更有效地顯示與取得人臉目標的特徵點。

‧ 影像平滑化：影像在傳遞的過程中若受到通道、劣質取樣系統或是受到其他干擾導致影像變得粗糙，藉由使用圖形平滑處理，可以減少影像中的鋸齒效應和雜訊。

人臉特徵摘取

關於人臉特徵摘取，相關的技術說明如下：

‧ 歐式距離：人臉辨識是一個監督式學習，利用建立好的人臉模型，將測試資料和訓練資料進行匹配，最直觀的方式就是利用歐式距離來計算所有測試資料與訓練資料之間的距離，選擇差距最小者的影像作為辨識結果。由於人臉資料過於複雜，且需要大量的訓練集資料與測試集資料，會導致計算量過大，使辨識的速度過於緩慢，因此需要透過主成分分析法（Principal Components Analysis，PCA）來解決此問題。

‧ 主成分分析法：主成分分析法為統計學中的方法，目的是將大量且複雜的人臉資料進行降維，只保留影像中的主成分，即為影像中的關鍵像素，以在維持精確度的前提下加快辨識的速度。先將原本的二維影像資料每列資料減掉平均值，並計算協方差矩陣且取得特徵值與特徵向量，接著將訓練集與測試集的資料進行降維，讓新的像素矩陣中只保留主成分，最後則將降維後的測試資料與訓練資料做匹配，選擇距離最近者為辨識的結果。由於影像資料經過了降維的步驟，因此人臉辨識的速度將會大幅度地提升。

‧ 卷積神經網路：卷積神經網路（Convolutional Neural Network，CNN）是一種神經網路的架構，在影像辨識、人臉辨識至自駕車領域中都被廣泛運用，是深度學習（Deep Learning）中重要的一部分。主要的目的是透過濾波器對影像進行卷積、池化運算，藉此來提取圖片的特徵，並進行分類、辨識、訓練模型等作業。在人臉辨識的應用中，首先會輸入人臉的影像，再透過CNN從影像提取像素特徵並轉換成特定形式輸出，並用輸出的資料集進行訓練、辨識等等。

何謂酒精鎖

酒精鎖（圖5）是一種裝置在車輛載體中的配備，讓駕駛人必須在汽車發動前進行酒測，通過後才能將車輛發動。且每隔45分鐘至60分鐘會發出要求，讓駕駛人在時間內再次進行檢測。

根據歐盟經驗，提高罰款金額以及吊銷駕照只有在短期實施有效，只有勸阻的效果，若在執法上不夠嚴謹，被吊照者會轉變成無照駕駛，因此防止酒駕最有效的方法就是強制讓駕駛人無法上路，這就是「酒精鎖」的設計精神。

在本國2020年3月1日起酒駕新制通過後，針對酒駕犯有了更明確且更嚴厲的規定，在酒駕被吊銷駕照者重考後，一年內車輛要裝酒精鎖，未通過酒測者無法啟動，且必須上15小時的教育訓練才能重考，若酒駕累犯三次，要接受酒癮評估治療滿一年、十二次才能重考。

許多民眾對於「酒精鎖」議論紛紛，懷疑是否會發生找其他人代吹酒精鎖的疑慮，為防範此問題，酒精鎖在啟動後的五分鐘內重新進行吹氣，且汽車在行駛期間的每45至60分鐘內，便會隨機要求駕駛重新進行酒測，如果沒有通過測量或是沒有測量，整合在汽車智慧顯示面板的酒精鎖便會發出警告，並勸告駕駛停止駕車。

對於酒精鎖的實施，目前無法完全普及到每一台車子，而且對於沒有飲酒習慣的民眾而言，根本是多此一舉，反而增加不少麻煩給駕駛。若還有每45～60分鐘的隨機檢測，會導致多輛汽車必須臨時停靠路邊進行檢測，可能加劇汽車違規停車的發生頻率。

認識區塊鏈

區塊鏈技術是一種不依賴於第三方，透過分散式節點（Peer to Peer，P2P）來進行網路數據的存儲、交易與驗證的技術方法。本質上就是一個去中心化的資料庫，任何人在任何時間都可以依照相同的技術標準將訊息打包成區塊並串上區塊鏈，而這些被串上區塊鏈的區塊無法再被更改。區塊鏈技術主要依靠了密碼學與HASH來保護訊息安全，也是賦予區塊鏈技術具有高安全性、不可篡改性以及去中心化的關鍵。區塊鏈相關概念，如圖6所示。

區塊鏈的原理與特性

可以將區塊鏈想像成是一個大型公開帳本，網路上的每個節點都擁有完整的帳本備份，當產生一筆交易時，會將這筆交易廣播到各個節點，而每個節點會將未驗證的交易HASH值收集至區塊內。接著，每個節點進行工作量證明，選取計算最快的節點進行這些交易的驗證，完成後會把區塊廣播給到其他節點，其他節點會再度確認區塊中包含的交易是否有效，驗證過後才會接受區塊並串上區塊鏈，此時就無法再將資料進行篡改。

關於區塊鏈的特性，可分成以下四部分做說明：

1. 去中心化：區塊鏈其中一個最重要的核心宗旨，就是「去中心化」，區塊鏈採用分散式的點對點傳輸，該概念架構中，節點與節點之中沒有所謂的中心，所有的操作都部署在分散式的節點中，而無須部署在中心化機構的伺服器，一筆交易或資料的傳輸不再需要第三方的介入，因此又可以說每個節點就是所謂的「中心」。這樣的結構也加強了區塊鏈的穩定性，不會因為其中的部分節點故障而癱瘓整個區塊鏈的結構。

2. 不可篡改性：透過密碼學與雜湊函數的運用來將資料打包成區塊並上鏈，所有區塊都有屬於它的時間戳記，並依照時間順序排序，而所有節點的帳本資料中又記錄了完整的歷史內容，讓區塊鏈無法進行更改或是更改成本很高，因此使區塊鏈具備「不可篡改性」，並且同時確保了資料的完整性、安全性以及真實性。

3. 可追溯性：區塊鏈是一種鏈式的資料結構，鏈上的訊息區塊依照時間的順序環環相扣，這便使得區塊鏈具有可追溯的特性。可追本溯源的特性適用在廣泛的領域中，如供應鏈、版權保護、醫療、學歷認證等。區塊鏈就如同記帳帳本一般，每筆交易記錄著時間和訊息內容，若要進行資料的更改，則會視為一筆新的交易，且舊的紀錄仍會存在無法更動，因此仍可依照過去的交易事件進行追溯。

4. 匿名性：在去中心化的結構下，節點與節點之間不分主從關係，且每個節點中都擁有一本完整的帳本，因此區塊鏈系統是公開透明的。此時，個人資料與訊息內容的隱私就非常重要，區塊鏈技術運用了HASH運算、非對稱式加密與數位簽章等其他密碼學技術，讓節點資料在完全開放的情況下，也能保護隱私以及用戶的匿名性。

區塊鏈與酒精鎖

由於區塊鏈的技術具備去中心化、記錄時間以及不可篡改的特性，且更加強酒精鎖的檢測需要身分驗證的保證性。當進行酒精鎖檢測解鎖時，系統記錄駕駛人吹氣時間以及車輛的相關資訊，還有人臉特徵資料打包成區塊並串上區塊鏈。因此，在同一時間當監控系統偵測到當前駕駛人與吹氣人不同時，此時區塊鏈中所記錄的資料便能成為一個強而有力的依據，同時也能讓其他的違規或違法事件可以更容易進行追溯。

酒駕防偽人臉辨識系統介紹

為了解決酒精鎖發生駕駛人代測的問題，酒精鎖產品應導入具有身分驗證性的人臉辨識技術。酒駕防偽人臉辨識系統即為駕駛人在進行酒精鎖解鎖時，要同時進行人臉辨識，來確保駕駛人與吹氣人為同一人。

在駕駛座前方的位置會安裝攝影鏡頭，作為駕駛的監控裝置。進行酒測吹氣的人臉資料將會輸入到該系統中的資料庫儲存，並將人臉資料以及酒測的時間戳記打包成區塊串上區塊鏈，當汽車已經駛動時，攝影鏡頭將會將當前駕駛人畫面傳回系統進行人臉比對驗證。如果驗證成功，會將通過的紀錄與時間戳一同上傳至區塊鏈，若是系統偵測到駕駛人與吹氣人為不同對象，系統將發出警示要求駕駛停車並重新進行檢測，並同時將此次異常的情況進行記錄上傳到區塊鏈中。

如果駕駛持續不遵循系統指示仍持續行駛，該系統會將區塊鏈的紀錄傳送回給開罰的相關單位，並同時發出警報以告知附近用路人該車輛處於異常情況，應先行迴避。且該車輛於熄火後，酒精鎖會將車輛上鎖，必須聯絡酒精鎖廠商或酒精鎖服務中心才能解鎖。相關的系統概念流程圖，如圖7所示。

區塊鏈打包上鏈模擬

在進行酒測解鎖完畢以及進行人臉資料儲存後，會透過CNN將影像轉換輸出成128維的特徵向量作為人臉資料的測量值，接著將128個人臉特徵向量資料取出，並隨著車輛資訊一起打包到同一個區塊，然後串上區塊鏈。取出的人臉特徵資料，如圖8所示。

要打包成區塊和上鏈的內容，包括了人臉特徵資料、車牌號碼、酒測解鎖時間點等相關輔助資料，接著透過雜湊函數將相關的資料打包成區塊。以車牌號碼ABC-1234為例，圖9顯示將車輛資料和人臉資料進行區塊鏈的打包，並進行HASH運算。

將人臉資料和車輛相關資料作為一次的交易內容，並打包區塊，經過HASH後的結果如圖10所示，其中prev_hash屬性代表鏈結串列指向前一筆資料，由於這是實作模擬情境，並無上一筆資料，其中messages屬性代表內容數，一筆代表車牌資料，另一筆則為人臉資料。time屬性則代表區塊上鏈的時間點，代表車輛解鎖的時間點。

情境演練說明

話說小禛是一間企業的上班族，平時以開車為上下班的交通工具，他的汽車配置了酒駕防偽影像辨識系統，以下模擬小禛下班後準備開車的情境。

已經下班的小禛今天打算從公司開車回家，當小禛上車準備發動車子時，他必須先拿起安裝在車上的酒測器進行吹氣，並將臉對準攝影鏡頭讓系統取得小禛的人臉影像。小禛在汽車發動前的人臉影像，如圖11所示。

待攝影鏡頭偵測到小禛的人臉後，接著系統便會擷取臉上五官的68個特徵點，如圖12所示。然後，相關數據再透過CNN轉換輸出成128維的特徵向量作為人臉資料的測量值，如圖13所示。

酒精鎖通過解鎖後，車輛隨之發動，解鎖成功的時間點將會記錄成時間戳記，隨著影像與相關資料串上區塊鏈。在行駛途中，設置在駕駛座前方的鏡頭將擷取目前駕駛的人臉，以取得駕駛人的128維人臉特徵向量測量值，並且與汽車發動前所存入的人臉資料進行比對，藉以判斷目前的駕駛人與剛才的吹氣人臉是否為同一位駕駛。當驗證通過後，也會再將通過的紀錄與時間戳上傳至區塊鏈中，如此一來，區塊鏈的訊息內容便完整記載了這一次駕車的紀錄，檢測通過的示意圖如圖14所示。

系統通過辨識後，便確認了駕駛人的身分與吹氣人一致。且透過時戳的紀錄和區塊鏈的輔助，也確保了駕駛的不可否認性。若有其他違規事件發生時，區塊鏈的紀錄便成為一個強而有力的依據來進行追溯。

如此一來，便可以預防小禛喝酒卻找其他人代吹酒測器的情況發生。在駕駛的途中，如果有需要更換駕駛人，必須待車輛靜止時，從車載系統發出更換駕駛要求，再重新進行酒測以及重複上述流程，才可以更換駕駛人。如果沒有按照該流程更換駕駛，系統將視為異常情況。

結語

酒駕一直是全球性的問題，將有高機率導致重大交通事故，造成人員傷亡、家庭破碎，進而醞釀後續更多的社會問題，皆是酒駕所引發的不良效益。為了解決酒駕的問題，各個國家都有不同的酒駕標準或是法律規範，但是大部分國家的規範和制度都只有嚇阻作用卻無法完全遏止。在不同的國家防止酒駕的方式不盡相同，有的國家如新加坡，透過監禁及鞭刑來遏止酒駕犯，又或者是薩爾瓦多，當發現酒駕直接判定死刑，這樣的制度雖嚇阻力極強，但是若讓其他國家也跟進，會造成違憲或是違反人權等問題。因此，各國都在酒駕的問題方面紛紛投入研究，想要達到零酒駕的社會。

為達成此理想，本文介紹了基於區塊鏈的酒駕防偽辨識系統，利用酒精鎖搭配人臉辨識技術以及區塊鏈技術，使有飲酒的駕駛人無法發動汽車。且該系統搭載在行車電腦中，結合攝影鏡頭的監控對駕駛進行酒測防制管理，將人臉資料、酒精鎖、解鎖時間點與相關資訊打包成區塊並上鏈。基於區塊鏈技術內容的不易篡改，可加強駕駛人的不可否認性，當汽車發生異常情況時，便能利用有效且可靠的依據進行追溯。人工智慧和物聯網時代已經來臨，透過酒駕防偽辨識系統來改善酒駕問題，在未來能夠普及並結合法規，智慧汽車以及智慧科技的應用將會帶給人們更安全、更便利的社會。

附圖：圖1 人臉辨識的步驟。
圖2 人臉特徵點偵測（正臉）。
圖3 人臉特徵點偵測（左側臉）。
圖4 人臉特徵點偵測（右側臉）。
圖5 酒精鎖。 （圖片來源：https://commons.wikimedia.org/wiki/File:Guardian_Interlock_AMS2000_1.jpg with Author: Rsheram）
圖6 區塊鏈分散式節點的概念圖。
圖7 系統概念流程圖。
圖8 取出人臉128維特徵向量。
圖9 儲存車輛相關資料及人臉資料到區塊。
圖10 HASH後及打包成區塊的結果。
圖11 汽車發動前小禛的人臉影像。
圖12 小禛的人臉影像特徵點。
圖13 小禛的人臉特徵向量資料。
圖14 系統通過酒測檢測者與駕駛人為同一人。

資料來源：https://www.netadmin.com.tw/netadmin/zh-tw/technology/CC690F49163E4AAF9FD0E88A157C7B9D

AI強勢來襲 物聯終端運算需求急遽增溫

2021-03-10 11:55 聯合新聞網 / CTimes零組件

【作者： 王岫晨】

物聯網正帶動人工智慧走向終端裝置，在後疫情時代，企業對物聯網 AI 的投資與布局動作頻頻。Arm 主任應用工程師張維良指出，我們可以很明顯看到四大趨勢如下：

新冠疫情加速 AI 部署

根據 Arm 於 2020 年 8 月與<<麻省理工學院科技評論洞察（MIT Technology Review）>>合作、針對來自 12 個不同產業的 301 位 C Level 的科技專業人士進行的訪談報告顯示，超過 62% 的受訪者表示，他們正在投資並使用 AI 技術。來自大型企業組織（年營收超過 5 億美元）受訪者的部署率較高，接近 80%。較小型的企業組織（營收低於 500 萬美元）的部署率則為 58%。1/3 的受訪者表示，2020 年新冠疫情的爆發加速了他們在 AI 策略上的部署。

企業組織正在提高對 AI 的投資

超過一半（57%）的受訪者看到他們的 AI 預算在過去三年內提升，且接近四分之一的人表示，他們在 2016 年到 2019 年間，年度 AI 支出最少增加一倍。其中，大型企業在 AI 支出的增加更多，73% 來自年營收超過 5 億美元的企業組織受訪者的預算都有增加，有近三分之一的受訪者預算甚至提升超過 100%。這些投資加碼反映 AI 對企業營運持續成長且普遍的影響。

超過半數企業將 AI 部署在終端裝置或邊緣運算

儘管對於已經使用 AI 的企業組織，雲端運算是他們最喜歡的基礎架構，不過在越來越需要極低延遲的數據存取，以及終端/邊緣處理能力的應用上，為了兼顧成本效益及運算效率，越來越多應用將往數據產生的來源靠近，邊緣運算或是將資源擺在更靠進存取它們的裝置的地方，相關的部署將急起直追。

對應軟硬體攻擊與保護個資/隱私的需求

AI 對幾乎所有商業與社會活動層面的衝擊持續擴大，讓企業領袖必須正視 AI 能否在負責任的規範下使用。消費者一方面對於交易與運作流程中藉助 AI 的接受度越來越高，但也期待企業能在公平的、高道德標準，並能顧及永續發展的條件下使用這項技術，特別在個資的搜集。因此在邊緣運算上，也衍生出對應軟硬體攻擊以及保護隱私等運算能力的強烈需求。

物聯網 AI 應用將聚焦於「3V」

根據 Arm 與 Strategy Analytics 合作的報告顯示，多數的物聯網應用聚焦在一些特定的領域：基本控制（開/關）、測量（狀態、溫度、流量、噪音與震動、濕度等）、資產的狀況（所在地點以及狀況如何？），以及安全性功能、自動化、預測性維護以及遠端遙控，可參考圖一。

而終端 AI 可以在三個核心領域提供價值，而它觸及的許多物聯網領域，遍及 B2B 與 B2C（企業對消費者）的應用：震動（Vibration），語音（Voice）與視覺（Vision）。

震動

包含來自多種感測器數據的處理，從加速計感測器到溫度感測器，或來自馬達的電氣訊號。它可將智能帶進 MCU 中的終端 AI 的進展，產生不同應用領域，包括溫、濕度、壓力檢測、物理檢測（如滑倒偵測）、物質偵測（如漏水、漏氣）、磁通量偵測與電場偵測等等。運用震動分析的預測性維護（PdM），在旋轉型機器密集的製造工廠裡相當常見，可以揭露鬆脫、不平衡、錯位與軸承磨損等狀況。此外，磁感測器利用磁性浮筒與一系列可以感應並與液體表面一起移動的感測器，測量液面的高低。

語音

語音啟動在智慧家庭應用中很常見，例如智慧音箱，而它也逐漸成為啟動智慧家庭裝置與智慧家電的語音中樞，如電視、遊戲主機與其它新的電器。在工業環境中，供車床、銑床與磨床等電腦數值控制（CNC）機器使用的電腦語音引擎正在興起。語音整合在車輛中也相當關鍵，因為語音有潛力成為最安全的輸入模式。OEM 代工廠商持續對車載娛樂系統中的語音辨識系統，進行大量投資。其他車用的應用包括語音輸入文字簡訊、輸入目的地、播放特定歌曲或歌曲子集，以及選擇廣播電台頻道，甚至拋錨服務與禮賓服務等。

視覺

終端 AI 提供視覺領域全新的機會，特別是與物件檢測及辨識相關。包括觀察生產線的製造瑕疵，以及找出自動販賣機需要補貨的庫存。其它實例包括農業應用，例如依據大小與品質為農產品分級。曳引機裝上機器視覺攝影機後可即時檢測出雜草、分類其種類、分析其對農穫的威脅、進而客製化除草解決方案。在工業上，包括利用熱顯影來監控互動機器零件的溫度，讓任何異常情況很快變得顯而易見。具備終端 AI 能力的裝置，可以長期檢測微細的變化，觸發排程系統，自動採取適當的行動來預防零件故障。

推動物聯網運算需求

隨著物聯網與 AI 的進展以及 5G 的推出，更多的終端智能意謂小型且成本敏感的裝置，會愈來愈有聰明、功能也愈來愈強，同時因為對雲端與網際網路的依賴較小，也將具備更高的隱私性與可靠度。因此，Arm對於MCU核心，也 透過新的設計為微處理器帶來智能，降低半導體與開發成本，同時為想要有效提升終端數位訊號處理（DSP）與機器學習能力（ML）的產品製造商，加快他們產品上市的速度。

TinyML

微型機器學習（TinyML）的崛起，已經催化嵌入式系統與機器學習結合。它捨棄在雲端上運行複雜的機器學習模型，過程包含在終端裝置內與微控制器上運行經過優化的圖型識別模型，耗電量只有數毫瓦特。受惠於 TinyML，微控制器搭配 AI 已經開始增添各種傳統上威力更強大的元件才能執行的功能。這些功能包括語音辨識（例如，自然語言處理）、影像處理（例如物件辨識與識別），以及動作（例如震動、溫度波動等）。啟用這些功能後，準確度與安全性更高，但電池的續航力卻不會打折扣，同時也考量到各種更微妙的應用。

簡化程式碼的轉移性

把AI函式庫整合進 MCU，將本地的 AI 訓練與分析能力插入程式碼中是可能的。這讓開發人員依據從感測器、麥克風與其它終端嵌入式裝置取得的訊號，導出數據的型樣，然後從中建立模型。Arm Cortex-M55 處理器與 Ethos U55 微神經處理器（microNPU），利用像 CMSIS-DSP 與 CMSIS-NN 等常見API來簡化程式碼的轉移性，讓 MCU 與共同處理器緊密耦合以加速 AI 功能。透過推論工具把 AI 功能放在低成本的 MCU 上實作，並符合嵌入式設計需求，如此一來，有 AI 功能的 MCU 就有機會在各種物聯網應用中，讓裝置的設計改觀。

附圖：圖一 : 多數的物聯網應用聚焦在一些特定的領域。
圖二 : 不同應用對於機器學習的採用比起以往更盛。圖為Arm運算方案的對應圖。

資料來源：https://udn.com/news/story/6903/5307140?fbclid=IwAR2eJEJFLD1DFifJHQNbTkWEAjQSKBk3UFlM3whrk9T69h9tNXIw3geMQ8U

我是JC老師
電腦相關課程授課超過6000小時的一位AutoCAD課程講師
由於實在太多同學向JC老師反映，希望可以有線上課程學習
所以就決定錄製一系列的AutoCAD線上影片教學
而且不加密、不設限、不販售，就是純分享，希望可以幫助到有需要的朋友們
如果這部AutoCAD教學影片對你有幫助的話
請幫我按個讚，給我點鼓勵，也多分享給需要的朋友們喔~

---------------------------------------------------------------------------------------------------------
出圖步驟
● 以1：1的比例在模型空間繪製圖形
● 切換至配置空間
● 對配置右鍵 / 設定頁面設定(出圖機)(每個配置可以有自己的頁面設定)
● 設定出圖圖層
● 用MVIEW(MV)開浮動視埠
● 用視埠工具列調整出圖比例
● 在配置空間繪製圖框
● 預覽列印
● 出圖

模型與配置
● 配置就像在模型上加上一層紙，並且在上面剪洞，往下看的模型
● 配置空間使用方式和模型空間一樣，可以畫標註、形狀、文字等..物件
● 在配置空間上點2下浮動模型視埠可進入模型空間；在配置空間的浮動模型視埠外點2下可回到配置空間
● 在模型空間內畫的東西，所有配置都看的到；在配置空間內畫的東西，模型空間和其他配置都看不見
● 環境選項 / 顯示 / 配置元素—前4個要打勾

實際出圖比例＝出圖比*視埠比*單位比
● 出圖比：頁面設定 / 出圖比例
● 視埠比：浮動模型框內的視埠比
● 單位比：配置空間的視埠比

出圖補充
● 可多個、並隨意放大縮小，在同一張紙上出不同比例的圖
● 「出圖型式表」選「monochrome.ctb」，可出黑線圖不是會灰階圖
● 在目前視埠凍結：只有在配置內才能使用，可以凍結視埠內的圖層，讓同一張出圖出不同圖層
● 如只是要出不需要比例的圖面，出圖內容選「視窗」，可以快速出框選範圍的圖面

---------------------------------------------------------------------------------------------------------

AutoCAD 2016 2D 線上教學影片目錄：http://bit.ly/2Y5F4Mw
AutoCAD 2016 2D 線上教學影片範例下載：https://bit.ly/3eOuKQR
AutoCAD 2D 常用快速鍵清單整理：http://bitly.com/2dUEJ9d
建築室內設計Arnold擬真呈現教學影片目錄：https://bit.ly/2VbZmmd
TQC AutoCAD 2008 2D 線上教學影片目錄：http://bitly.com/2dUGQtB
3ds Max 2015 線上教學影片目錄：http://bitly.com/2dUGqn3
JC老師個人網站：http://jc-d.net/
JC老師個人FB：https://www.facebook.com/ericjc.tw
JC-Design LINE ID：@umd7274k

Instagram tips 2021: 如何製作IG防盜貼文我的Canva 教學 | Livigrace

觀眾經常跟我說, 見到有人偷了我的圖用
我是花了很多時間心血創作, 被人抄襲當然不開心
究竟怎樣才能制作Instagram防盜貼文呢?

我在這影片中分享
✅ 制作Instagram防盜貼文貼士
✅ 以Canva設計軟件實例示範
✅ 介紹不同元素制作防盜背景圖
✅ 制作商標和公司資訊的水印
✅ 制作頭像和動畫效果的防盜貼文

如果你或有朋友經營Instagram帳戶的話
就算這刻未遇到被抄襲的事件
但預防勝於治療, 不妨分享這影片給他


收看更多免費教學影片？Share，Subscribe + Like 吧！​
更多有關創業的影片可拉到下面​
​
⚠️【中文字幕請到右下方開啓】⚠️​
================================​
?【IG發帖懶人包】https://bit.ly/ig-easy
?【IG創業速成™】課程2.0 - 不只是增粉 https://bit.ly/course-ig2
?免費下載：INSTAGRAM創業-新手必讀手冊 https://livigrace.online/free/
?Instagram 找我： IG創業話題 @livigrace.co 生活個人成長 @livigrace.online
?想發問？加入面書群組，互相支持 http://bit.ly/thebosssquadhk
?了解更多 https://livigrace.online/
================================​
?重點影片​
// 我的創業故事 （朝9晚6小資女必看）​
https://youtu.be/s1YYlpeN7iQ
//如何IG天然增粉2倍- (真人粉絲，賺真錢！)​
https://youtu.be/84MszvXeY5s
//1天內製作30天高質IG帖文（天天發帖文，不再擔心沒靈感了！）
https://youtu.be/MUkMH39MAjA
// Instagram Tips 增加客流量＋暴光 實用5招
https://youtu.be/lKuTTeI43Sw
// Niche 如何設定 "明確"目標客群​
https://youtu.be/gIuV_WV5zog
// IG愈多followers =愈多生意？（想用 IG 賺錢的人注意）​
https://youtu.be/pT6x2cxr6Es
// IG followers又升又跌點算好？如個破解？​
https://youtu.be/CQg3MOFzupQ

================================​

?Affiliate (自用覺得好才推薦給大家）

// Canva - 最愛的造圖工具(Youtube thumbnail, IG帖文限動都可）
用此連結有額外積分喔➡ https://livigrace.online/tools/
// Tubebuddy - 經營YouTube好幫手
https://livigrace.online/tools/
//拍攝工具：BOYA麥克風（性價比高，非常適合新手)
https://livigrace.online/tools/
//【 SPARKSINE 精選閱讀APP】- 發帖文沒靈感？別再"參考"別人的IG了！
高質有價值的IG帖文好幫手
https://livigrace.online/tools/
➡ 以節扣碼「LIVIGRACE」年費訂閱即減HKD30


---

免責聲明：以上某些工具已參與聯盟營銷計劃。
當閣下購買時LIVIGRACE.CO將會因此賺取佣金。
​
​
================================​
#instagram賺錢 #instagramtips2020 #創業 #90後創業 #80後創業 #副業 ​ #朝9晚6 #網路創業#businesscoaching #onlinebusiness ​ #銷售 #onlinecourse #businessowner

https://youtu.be/Wgj1iEYS0UE

我是JC老師
電腦相關課程授課超過6000小時的一位 Revit 課程講師
由於實在太多同學向JC老師反映，希望可以有線上課程學習，所以就決定錄製一系列的 Revit 線上影片教學
而且不加密、不設限、不販售，就是純分享，希望可以幫助到有需要的朋友們
如果這部 3ds Max 教學影片對你有幫助的話，請幫我按個讚，給我點鼓勵，也多分享給需要的朋友們喔~

---------------------------------------------------------------------------------------------------------
儲存Revit 檔案
● 使用「儲存」指令可將作用中的檔案以目前的名稱和資料夾進行儲存。
● 在工具列上按一下 。
● 按Ctrl+S。
● 按一下「檔案」功能表 / 「儲存」
● rvt 為專案檔、rfa 為族群檔案、rte 為樣板檔案。
---------------------------------------------------------------------------------------------------------
儲存選項
● 使用「檔案」功能表 / 「另存」時，在「另存新檔」對話方塊中按一下「選項」，然後在「檔案儲存選項」對話方塊中指定下列項目：
　◆ 備份的最大數量：指定備份檔案的最大數量。依預設，非工作共用的專案可以有 3個備份；工作共用的專案最多可以有 20 個備份。
　◆ 儲存後讓此成為中央模型：設定目前啟用工作集的檔案為中央模型。
　◆ 壓縮檔案：用於在儲存啟用工作集的檔案時使檔案變小。在正常儲存期間，Revit 只會將新元素和變更的元素寫入現有檔案。這會導致檔案變得非常大，但它可加快儲存操作的速度。壓縮過程將重新寫入整個檔案並移除舊型部分，以便節省空間。由於壓縮過程比正常儲存需要花費更多的時間，因此請在工作流程可中斷時使用壓縮選項。
　◆ 開啟工作集預設：設定從本端開啟中央模型時的工作集預設。在這個清單中，永遠將工作共用檔案儲存為下列選項的其中一個預設選項:「所有」、「可編輯」、「最近檢視的」或「指定」。使用者可以變更此選項的唯一方式，是透過選取「檔案儲存選項」對話方塊中的「儲存後讓此成為中央模型」，重新儲存新中央模型。本端模型可以使用「重新載入最新」工具來更新變更的選項。若要變更現有中央模型中的這個設定，請使用「另存」並調整「儲存選項」來重新儲存檔案。從本端開啟時，可以在每次開啟專案時取代此預設設定。這項取代只會影響該作業工作階段，且會在檔案下次開啟時回復為預設值。
　◆ 預覽：用於指定在開啟或儲存專案時顯示的預覽影像。這個選項的預設值為「作用中的視圖/圖紙」。Revit 只能從已開啟的視圖建立預覽影像。如果選取「視圖/圖紙不是最新時將重新產生」，Revit 將在開啟或儲存專案時更新預覽影像。對於複雜模型，此選項將消耗大量資源。僅當想要預覽影像經常更新時才使用此選項。
---------------------------------------------------------------------------------------------------------
設定儲存提醒
● 您可以指定 Revit Architecture 提醒您儲存已開啟專案的頻率，也可以關閉提醒。
● 設定儲存提醒
● 請按一下 / 「選項」/「一般」。
● 若要變更 Revit Architecture 提醒您儲存已開啟專案的頻率，請選取某個時間間隔作為「儲存提醒間隔」。
● 若要關閉儲存提醒，請選取「不提醒」作為「儲存提醒間隔」。
● 按一下「確定」。
---------------------------------------------------------------------------------------------------------
備份檔案
● 當您儲存非工作共用專案時，Revit Architecture 會建立前一個版本專案 (即現在儲存之前的專案檔) 的備份複本。
● 此備份複本的名稱為 project_name.nnnn.rvt，其中 nnnn 為 4 位數編號，指出該檔案已儲存的次數。備份檔案與專案檔位於同一個資料夾中。
● 您可以指定 Revit Architecture 儲存的備份檔案最大數量。當備份檔案超出最大數量時，Revit Architecture 則會清除最舊的檔案。例如，若最大數量為 3 個備份檔案，而專案資料夾包含 5 個備份檔案，則 Revit Architecture 會刪除最舊的 2 個備份檔案。
---------------------------------------------------------------------------------------------------------
指定備份檔案的數量
● 按一下「檔案」功能表 / 「另存」。
● 在「另存」對話方塊中，按一下「選項」。
● 在「檔案儲存選項」對話方塊中，對於「備份的最大數量」，指定要儲存的備份檔案數量。
● 按一下「確定」。
● 按一下「儲存」。

---------------------------------------------------------------------------------------------------------

Revit 2016 線上教學影片目錄：http://bit.ly/2vR6fgW
Revit 2016 線上教學影片範例下載：http://bit.ly/2vR0b7X
3ds Max 2015 線上教學影片目錄：http://bitly.com/2dUGqn3
AutoCAD 2015 2D 線上教學影片目錄：http://bitly.com/2dUGm6Y
TQC AutoCAD 2008 2D 線上教學影片目錄：http://bitly.com/2dUGQtB
JC-Design網站：http://jc-d.net/
JC-Design粉絲團：https://www.facebook.com/jcdesigntw/
JC-Design LINE ID：@umd7274k
JC電子信箱：[email protected]