2017/07/31
這個人臉辨識系統包含人臉偵測、定位、特徵抽取與比對等四個步驟，其中人臉的偵測與定位是基於現成的方法，經修改後得到更快的計算速度與精確度。特徵抽取部份是使用深度學習技術，我們提出使用極值特徵映射作為CNN中的非線性函數，並引入殘值網路 (ResNet)，發展出一個總參數量僅有八百多萬的深度類神經網路。經使用包含一百餘萬張、約二萬的人臉影像訓練，可抽取256維的人臉特徵向量。在用於LFW人臉資料庫測試中，由人臉偵測、定位、特徵抽取到辨識，可逹到98%的正確率。
用於人臉特徵抽取之DNN架構
系統規格：
Ubuntu
nVidia Graphic Card (Compute Capability >= 2.0)
系統要求：
Intel i5 或 i7
2017/07/31
運動是維持健康生活重要的方法，但是我們總找得到各種不同的理由不運動，例如天候因素、時間或空間的限制、甚至是空氣污染，都會阻礙人們在忙碌生活中特別抽出時間運動的決心。我們設計一套實境路跑系統，讓使用者在室內跑步時可直接顯示Google Map上的街景畫面，增加室內原地跑步運動的樂趣。本系統包含三個主要部分：一是微軟公司所開發的Kinect系統負責偵測使用者的跑步動作、二是根據跑者速度顯示並移動Google Map上跑步路徑的街景畫面、以及三是蒐集世界上有名的路跑軌跡資料庫。系統運作時並不需要跑步機的配合，使用者只需在Kinect能偵測的有效範圍內原地跑步，在Kinect確認每個跑步動作時，即呼叫Google Map API以顯示使用者預先挑選的跑步軌跡街景。藉由本系統的協助，使用者可在室內很方便的進行跑步運動，同時觀看世界各地的街道實景以增加路跑的臨場感。
圖一、系統操作場景。使用者在Kinect能偵測的有效範圍內跑步，系統會偵測跑步速度後，調整Google Map街景畫面移動速度，沿著事前定義的跑步軌跡移動街景畫面
圖二、跑步時街景與對應的地圖畫面
圖三、系統蒐集世界各地的路跑GPS軌跡，圖中顯示的是日本琵琶湖段
系統規格：
(1). 系統平台：Windows 7
(2). 開發工具：C#、JavaScript、MS SQL Server
(3). 特殊硬體需求：微軟Kinect 系統
系統要求：
(1). 一般PC即可