TWI825793B - 執法用穿戴裝置 - Google Patents
執法用穿戴裝置 Download PDFInfo
- Publication number
- TWI825793B TWI825793B TW111122868A TW111122868A TWI825793B TW I825793 B TWI825793 B TW I825793B TW 111122868 A TW111122868 A TW 111122868A TW 111122868 A TW111122868 A TW 111122868A TW I825793 B TWI825793 B TW I825793B
- Authority
- TW
- Taiwan
- Prior art keywords
- module
- law enforcement
- wearable device
- perform
- traffic
- Prior art date
Links
- 238000004458 analytical method Methods 0.000 claims abstract description 39
- 230000008451 emotion Effects 0.000 claims abstract description 13
- 238000000034 method Methods 0.000 claims description 11
- 230000006399 behavior Effects 0.000 claims description 10
- 238000012549 training Methods 0.000 claims description 10
- 238000010801 machine learning Methods 0.000 claims description 6
- 238000007781 pre-processing Methods 0.000 claims description 6
- 238000012360 testing method Methods 0.000 claims description 6
- 238000003708 edge detection Methods 0.000 claims description 4
- 238000013528 artificial neural network Methods 0.000 claims description 3
- 238000001514 detection method Methods 0.000 claims description 3
- 238000005516 engineering process Methods 0.000 claims description 3
- 230000004927 fusion Effects 0.000 claims description 3
- 238000005259 measurement Methods 0.000 claims description 2
- 230000006870 function Effects 0.000 claims 1
- 238000010586 diagram Methods 0.000 description 10
- 238000004891 communication Methods 0.000 description 4
- 230000008921 facial expression Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
Images
Abstract
本發明係一種執法用穿戴裝置,其特徵在於:該執法用穿戴裝置可與一行動裝置通訊,並透過該行動裝置內一第一應用程式而與一控制中心通訊,其中該控制中心包含一交通違規分析模組、一交通疏導模組、一情緒分析模組、以及一生理特徵分析模組,且該控制中心與一警政系統通訊;該控制中心在接收到該執法用穿戴裝置經由該行動裝置所傳送之一請求後,根據該請求之類別與內容而選取該些模組之一,針對該請求之內容至該警政系統獲得一參考資訊,接著該控制中心整合該請求之內容與該參考資訊後到一判斷結果,再經由該行動裝置將該判斷結果回饋至該執法用穿戴裝置,供一執法人員據以進行一適當處置。
Description
本發明係關於一種穿戴裝置,特別是一種有關於一種智慧型執法用穿戴裝置。
在日常生活中,警察等執法人員在執行勤務時,任務種類繁雜且要時時刻刻面臨突發狀況,若沒有一些科技裝備的協助,常常會面臨執法效率不彰或客觀性不足的問題。
因此,如何解決上述問題,提升警察等執法人員的執法效率、客觀性以及安全,是目前在設計執法人員輔助工具時面臨的重要課題。
鑒於上述內容,本揭露之一態樣係提供一種執法用穿戴裝置,其特徵在於:該執法用穿戴裝置可與一行動裝置通訊,並透過該行動裝置內一第一應用程式而與一控制中心通訊,其中該控制中心包含一交通違規分析模組、一交通疏導模組、一情緒分析模組、一生理特徵分析模組以及一物件辨識模組,且該控制中心與一警政系統通訊;以及該控制中心在接收到該執法用穿戴裝置經由該行動裝置所傳送之一請求後,根據該請求之類別與內容而選取該些
模組之一,針對該請求之內容至該警政系統獲得一參考資訊,接著該控制中心整合該請求之內容與該參考資訊後到一判斷結果,再經由該行動裝置將該判斷結果回饋至該執法用穿戴裝置,供一執法人員據以進行一適當處置。
根據本揭露之一個或多個實施方式,其中該執法用穿戴裝置包括:一主機板,具有一微控制器;分別與該主機板電性連接且由該微控制器控制之一影像擷取模組、一深度擷取模組、一顯示模組、一震動模組以及一觸控模組;以及一充電模組,供電給該主機板、該影像擷取模組、該深度擷取模組、該顯示模組、該震動模組以及該觸控模組;其中,該判斷結果回饋至該執法用穿戴裝置後係顯示於該顯示模組,供該執法人員據以進行該適當處置;其中該執法用穿戴裝置、該行動裝置、該控制中心以及該警政系統係組成一執法輔助系統,而該控制中心可透過該請求之內容所構成的訓練樣本進行一機器學習,以提升該判斷結果的準確率;其中該執法人員係可透過一藍芽模組使該行動裝置與該執法用穿戴裝置配對,並透過該觸控模組對該執法用穿戴裝置進行操作;其中該應用程式更可透過其他應用程式遠端操作各該模組,並藉由一驅動模組而驅動該震動模組。
根據本揭露之一個或多個實施方式,其中該物件辨識模組係透過一感測器融合技術,整合該影像擷取模組所擷取之一影像資料以及該深度擷取模組所擷取之一深度資料,且該物件辨識模組係配置以執行下列步驟,包括:在步驟S100中,向該應用程式發送該深度擷取模組辨識結果之讀取請求;在步驟S102中,接著找尋與該執法人員最接近之一物件;在步驟S104中,接著找尋與該執法人員次接近之一物件;在步驟S106中,接著確認一安全無障礙且可穿越之區域;在步驟S108中,接著輸出在步驟S106中所獲得之一結果,並透過該
震動模組16提示該執法人員;以及在步驟S110中,接著向該應用程式發送一權限終止請求。
根據本揭露之一個或多個實施方式,其中該影像擷取模組所擷取之一影像資料係供該交通疏導模組執行下列步驟,包括:在步驟S200中,將該影像擷取模組所擷取之該影像資料輸入該交通疏導模組200b;在步驟S202中,接著對該影像資料進行一灰階處理;在步驟S204中,接著對該影像資料進行一高斯模糊處理;在步驟S206中,接著對該影像資料進行一邊緣檢測處理;在步驟S208中,接著找出一感興趣區域(ROI);在步驟S210中,接著從一邊緣找出一直線車道;以及在步驟S212中,接著輸出標示已偵測車道的該影像資料。
根據本揭露之一個或多個實施方式,其中該情緒分析模組係配置以執行下列步驟,包括:在步驟S300中,標記一社交網絡語料庫;在步驟S302中,接著進行一數據預處理;在步驟S304中,接著將一數據集劃分成一訓練集與一測試集;在步驟S306中,接著利用LSTM神經網絡進行模型的搭建;在步驟S308中,接著使用該訓練集進行該機器學習;在步驟S310中,根據該模型在該測試集上的表現,調整參數以提高該模型的泛化能力;在步驟S312中,對未標記的數據執行該數據預處理;以及在步驟S314中,使用訓練好的一情感預測模型,對該未標記的數據進行一情感預測。
根據本揭露之一個或多個實施方式,其中該交通違規分析模組係配置以執行下列步驟,包括:在步驟S400中,辨識車道線顏色與種類、以及辨識車子的行為;在步驟S402中,接著判斷每一輛車的行為;在步驟S404中,透過GPS定位器定位各該車的位置而自一全台各路段資訊平台取得一所行經路段的交通規範;在步驟S406中,接著將經判斷之各該車的行為與該所行經路段的
交通規範進行比對,逐項檢查是否違規;以及在步驟S408中,接著若判斷無違規項目則結束所有步驟;若判斷有違規項目則續行步驟S410,其中,在步驟S410中,乃是將該違規項目顯示於該顯示模組並致使該影像擷取模組自動擷取一違規行為影像資料後上傳至該警政系統。
根據本揭露之一個或多個實施方式,其中該交通疏導模組係配置以執行下列步驟,包括:在步驟S500中,透過GPS定位器定位每一車輛的位置而自該警政系統取得各該車輛所行經路段的一交通即時資訊;在步驟S502中,接著根據該交通即時資訊計算一最佳紓解交通策略,並將該最佳紓解交通策略傳送並顯示於該顯示模組;以及在步驟S504中,接著該執法人員依據該顯示模組上的該最佳紓解交通策略進行一交通疏導。
根據本揭露之一個或多個實施方式,其中該生理特徵分析模組係配置以執行下列步驟,包括:在步驟S600中,在穿戴該執法用穿戴裝置之一執法人員與一目標對象對話時,保持作動;在步驟S602中,接著補捉該目標對象的複數表情特徵,並顯示於該顯示模組;在步驟S604中,接著根據該些表情特徵分析可能說謊的機率,並將一分析結果顯示於該顯示模組;以及在步驟S606中,接著該執法人員依據該顯示模組上的該分析結果,進行一綜合判斷並進行一適當處置。
根據本揭露之一個或多個實施方式,其中該生理特徵分析模組係配置以執行下列步驟,包括:在步驟S700中,會自該警政系統獲得一通緝犯名單以及各通緝犯的基本資訊,然後對一目標對象進行人臉辨識並產生一辨識結果;在步驟S702中,接著根據該辨識結果判斷該目標對象是否為通緝犯,並產生一判斷結果;若該判斷結果為否則結束所有步驟;若該判斷結果為是則續行
步驟S704;以及在步驟S704中,接著該顯示模組會顯示對應之該通緝犯的基本資訊,並將一查獲結果同步通報該警政系統。
根據本揭露之一個或多個實施方式,其中該生理特徵分析模組200d係配置以執行下列步驟,包括:在步驟S800中,該執法用穿戴裝置協助一執法人員鎖定一目標對象;在步驟S802中,接著該執法用穿戴裝置紀錄該目標對象的生理特徵;在步驟S804中,接著該執法用穿戴裝置在執法人員追蹤該目標對象的過程中,對該執法人員視野所及之不特定人進行人臉辨識;以及在步驟S806中,接著執法用穿戴裝置所擷取的影像中若有該目標對象,則會在該顯示模組上進行標示,供該執法人員據以進行一綜合判斷並進行一適當處置。
10:執法用穿戴裝置
11:主機板
12:影像擷取模組
13:深度擷取模組
14:顯示模組
15:充電模組
16:震動模組
17:觸控模組
101:第一鏡框
102:第二鏡框
104:第一鏡腿
105:第二鏡腿
141:第一顯示單元
142:第二顯示單元
161:第一震動單元
162:第二震動單元
11a:微控制器
208:藍芽模組
204:馬達驅動IC
206:通訊模組
20:行動裝置
200:控制中心
300:警政系統
1:執法輔助系統
103:連接部
200a:交通違規分析模組
200b:交通疏導模組
200c:情緒分析模組
200d:生理特徵分析模組
200e:物件辨識模組
S100~S806:步驟
圖1A係本發明一實施例之執法用穿戴裝置以及執法輔助系統的示意圖。
圖1B係本發明一實施例之執法用穿戴裝置的示意圖。
圖2係本發明一實施例之執法用穿戴裝置的硬體架構示意圖。
圖3係本發明一實施例之執法用穿戴裝置使用狀態的示意圖。
圖4~11係本發明之實施例的執法用穿戴裝置各種應用的示意圖。
以下揭露提供不同的實施例或示例,以建置所提供之標的物的不同特徵。以下敘述之成分以及排列方式的特定示例是為了簡化本公開,目的不
在於構成限制;元件的尺寸和形狀亦不被揭露之範圍或數值所限制,但可以取決於元件之製程條件或所需的特性。例如,利用剖面圖描述本發明的技術特徵,這些剖面圖是理想化的實施例示意圖。因而,由於製造工藝和/公差而導致圖示之形狀不同是可以預見的,不應為此而限定。
再者,空間相對性用語,例如「下方」、「在…之下」、「低於」、「在…之上」以及「高於」等,是為了易於描述圖式中所繪示的元素或特徵之間的關係;此外,空間相對用語除了圖示中所描繪的方向,還包含元件在使用或操作時的不同方向。
首先,請一併參考圖1A、圖1B與圖3,圖1A係本發明一實施例之執法用穿戴裝置以及執法輔助系統的示意圖;圖1B係本發明一實施例之執法用穿戴裝置的示意圖。圖3係本發明一實施例之執法用穿戴裝置使用狀態的示意圖。
如圖1所示,此實施例之執法用穿戴裝置10的特徵在於其可與一行動裝置20通訊,並透過該行動裝置20內一第一應用程式而與一控制中心200通訊。而且,該執法用穿戴裝置10、該行動裝置20、該控制中心200以及一警政系統300係組成一執法輔助系統1,用以提升一執法人員的執法效率以及正確率。
如圖3所示,在此要特別說明的是,該控制中心200包含一交通違規分析模組200a、一交通疏導模組200b、一情緒分析模組200c、一生理特徵分析模組200d以及一物件辨識模組200e,且該控制中心200與一警政系統300通訊。
如圖3所示,當該執法用穿戴裝置10發出一請求,並經由該行動裝置20傳送至該控制中心200後,該控制中心200會根據該請求之類別與內容而選取該些模組之一,針對該請求之內容至該警政系統300獲得一參考資訊,接
著該控制中心200整合該請求之內容與該參考資訊後到一判斷結果,再經由該行動裝置20將該判斷結果回饋至該執法用穿戴裝置10,供一執法人員據以進行一適當處置。
接著,請再一併參考圖1A、圖1B與圖2,根據本發明之實施例,該執法用穿戴裝置10包括:一主機板11、一影像擷取模組12、一深度擷取模組13、一顯示模組14、一充電模組15、一震動模組16以及一觸控模組17。另外,該執法用穿戴裝置10還包括:第一鏡框101、第二鏡框102、連接部103、第一鏡腿104以及第二鏡腿105。其中,第一鏡框101與第二鏡框102藉由連接部103而連接。顯示模組14包括嵌合在第一鏡框101內之第一顯示單元141以及嵌合在第二鏡框102內之第二顯示單元142。其中,第一顯示單元141及第二顯示單元142皆為透明顯示面板。充電模組15為電池,設置在第一鏡腿104內。主機板11設置於第二鏡腿105內。另外,震動模組16包括設置在第一鏡腿104內側之第一震動單元161以及設置在第二鏡腿105內側之第二震動單元162。其中第一震動單元161及第二震動單元162例如是震動馬達。觸控模組17設置在第一鏡腿104上,例如是觸控面板。其中主機板11以非同步收發傳輸器接口耦接觸控模組17。
另外,如圖2所示,主機板11具有一微控制器11a。影像擷取模組12、深度擷取模組13、觸控模組17、藍芽模組208、驅動模組(即馬達驅動IC)204、通訊模組206、顯示模組14、震動模組16分別與主機板11電性連接且由微控制器11a控制。在本發明之實施例中,充電模組15與主機板11電性連接,並透過主機板11供電給上述與主機板11電性連接之該些模組、以及其他元件或部件。例如,充電模組15供電給(包含但不限於)主機板11、微控制器11a、影像擷取模組12、深度擷取模組13、觸控模組17、藍芽模組208、驅動模組(即馬達驅動IC 204)、通訊模組206、顯示模組14、震動模組16。
另外,請再參考圖3,根據本發明之實施例,控制中心200所得之判斷結果回饋至該執法用穿戴裝置10後係顯示於該顯示模組14,供該執法人員據以進行該適當處置。另外,如前所述,該執法用穿戴裝置10、該行動裝置20、該控制中心200以及該警政系統300係組成一執法輔助系統1,而該控制中心200可透過大量由來自該執法用穿戴裝置10之該請求內容所構成的訓練樣本進行一機器學習,以提升該判斷結果的準確率。根據本發明之實施例,該執法人員係可透過一藍芽模組208使該行動裝置20與該執法用穿戴裝置10配對,並透過該觸控模組17對該執法用穿戴裝置10進行操作。而且,該行動裝置20內之該第一應用程式係可做為控制中樞,進一步透過其他應用程式遠端操作前述各該模組,並藉由一驅動模組(即圖2之馬達驅動IC)204而驅動該震動模組16。
另外,如圖4所示,在本發明之實施例中,該物件辨識模組200e係透過一感測器融合技術,整合該影像擷取模組12所擷取之一影像資料以及該深度擷取模組13所擷取之一深度資料,且該物件辨識模組200e係配置以執行下列步驟,包括:在步驟S100中,向該第一應用程式發送該深度擷取模組13辨識結果之讀取請求;在步驟S102中,接著找尋與該執法人員最接近之一物件;在步驟S104中,接著找尋與該執法人員次接近之一物件;在步驟S106中,接著確認一安全無障礙且可穿越之區域;在步驟S108中,接著輸出在步驟S106中所獲得之一結果,並透過該震動模組16提示該執法人員;以及在步驟S110中,接著向該第一應用程式發送一權限終止請求。
另外,如圖5所示,在本發明之實施例中,該影像擷取模組12所擷取之一影像資料係供該交通疏導模組200b執行下列步驟,包括:在步驟S200中,將該影像擷取模組12所擷取之該影像資料輸入該交通疏導模組200b;在步驟S202中,接著對該影像資料進行一灰階處理;在步驟S204中,接著對該影像資料進行一高斯模糊處理;在步驟S206中,接著對該影像資料進行一邊緣檢測處理;
在步驟S208中,接著找出一感興趣區域(ROI);在步驟S210中,接著從一邊緣找出一直線車道;以及在步驟S212中,接著輸出標示已偵測車道的該影像資料。
另外,如圖6所示,在本發明之實施例中,該情緒分析模組200c係配置以執行下列步驟,包括:在步驟S300中,標記一社交網絡語料庫;在步驟S302中,接著進行一數據預處理;在步驟S304中,接著將一數據集劃分成一訓練集與一測試集;在步驟S306中,接著利用LSTM神經網絡進行模型的搭建;在步驟S308中,接著使用該訓練集進行該機器學習;在步驟S310中,根據該模型在該測試集上的表現,調整參數以提高該模型的泛化能力;在步驟S312中,對未標記的數據執行該數據預處理;以及在步驟S314中,使用訓練好的一情感預測模型,對該未標記的數據進行一情感預測。
另外,如圖7所示,在本發明之實施例中,該交通違規分析模組200a係配置以執行下列步驟,包括:在步驟S400中,辨識車道線顏色與種類、以及辨識車子的行為;在步驟S402中,接著判斷每一輛車的行為;在步驟S404中,透過GPS定位器定位各該車的位置而自一全台各路段資訊平台取得一所行經路段的交通規範;在步驟S406中,接著將經判斷之各該車的行為與該所行經路段的交通規範進行比對,逐項檢查是否違規;以及在步驟S408中,接著若判斷無違規項目則結束所有步驟;若判斷有違規項目則續行步驟S410,其中,在步驟S410中,乃是將該違規項目顯示於該顯示模組14並致使該影像擷取模組12自動擷取一違規行為影像資料後上傳至該警政系統300。
另外,如圖8所示,在本發明之實施例中,該交通疏導模組200b係配置以執行下列步驟,包括:在步驟S500中,透過GPS定位器定位每一車輛的位置而自該警政系統300取得各該車輛所行經路段的一交通即時資訊;在步驟S502中,接著根據該交通即時資訊計算一最佳紓解交通策略,並將該最佳紓解交通策
略傳送並顯示於該顯示模組14;以及在步驟S504中,接著該執法人員依據該顯示模組14上的該最佳紓解交通策略進行一交通疏導。
另外,如圖9所示,在本發明之實施例中,該生理特徵分析模組200d係配置以執行下列步驟,包括:在步驟S600中,在穿戴該執法用穿戴裝置10之一執法人員與一目標對象對話時,保持作動;在步驟S602中,接著補捉該目標對象的複數表情特徵,並顯示於該顯示模組14;在步驟S604中,接著根據該些表情特徵分析可能說謊的機率,並將一分析結果顯示於該顯示模組14;以及在步驟S606中,接著該執法人員依據該顯示模組14上的該分析結果,進行一綜合判斷並進行一適當處置。
另外,如圖10所示,在本發明之實施例中,該生理特徵分析模組200d係配置以執行下列步驟,包括:在步驟S700中,會自該警政系統300獲得一通緝犯名單以及各通緝犯的基本資訊,然後對一目標對象進行人臉辨識並產生一辨識結果;在步驟S702中,接著根據該辨識結果判斷該目標對象是否為通緝犯,並產生一判斷結果;若該判斷結果為否則結束所有步驟;若該判斷結果為是則續行步驟704;以及在步驟S704中,接著該顯示模組14會顯示對應之該通緝犯的基本資訊,並將一查獲結果同步通報該警政系統300。
另外,如圖11所示,在本發明之實施例中,該生理特徵分析模組200d係配置以執行下列步驟,包括:在步驟S800中,該執法用穿戴裝置10協助一執法人員鎖定一目標對象;在步驟S802中,接著該執法用穿戴裝置10紀錄該目標對象的生理特徵;在步驟S804中,接著該執法用穿戴裝置10在執法人員追蹤該目標對象的過程中,對該執法人員視野所及之不特定人進行人臉辨識;以及在步驟S806中,接著執法用穿戴裝置10所擷取的影像中若有該目標對象,則
會在該顯示模組14上進行標示,供該執法人員據以進行一綜合判斷並進行一適當處置。
以上實施方式僅用以說明本發明的技術方案而非限制,儘管參照較佳實施方式對本發明進行了詳細說明,本領域的普通技術人員應當理解,可以對本發明的技術方案進行修改或等同替換,而不脫離本發明技術方案的精神和範圍。
10:執法用穿戴裝置
11:主機板
12:影像擷取模組
13:深度擷取模組
14:顯示模組
15:充電模組
101:第一鏡框
102:第二鏡框
103:連接部
104:第一鏡腿
105:第二鏡腿
141:第一顯示單元
142:第二顯示單元
20:行動裝置
200:控制中心
300:警政系統
1:執法輔助系統
Claims (10)
- 一種執法用穿戴裝置,其特徵在於:該執法用穿戴裝置可與一行動裝置通訊,並透過該行動裝置內一第一應用程式而與一控制中心通訊,其中該控制中心包含一交通違規分析模組、一交通疏導模組、一情緒分析模組、一生理特徵分析模組以及一物件辨識模組,且該控制中心與一警政系統通訊,其中該交通違規分析模組係配置以確認車子的違規行為並傳輸一違規行為影像資料;該交通疏導模組係配置以執行一交通疏導;該情緒分析模組係配置以執行一情感預測;該生理特徵分析模組係配置以執行一測謊或人臉辨識功能;該物件辨識模組係配置以提供一安全無障礙且可穿越之區域的訊息;以及該控制中心在接收到該執法用穿戴裝置經由該行動裝置所傳送之一請求後,根據該請求之類別與內容而選取該些模組之一,針對該請求之內容至該警政系統獲得一參考資訊,接著該控制中心整合該請求之內容與該參考資訊後到一判斷結果,再經由該行動裝置將該判斷結果回饋至該執法用穿戴裝置,供一執法人員據以進行一適當處置。
- 如請求項1所述之執法用穿戴裝置,其中該執法用穿戴裝置包括:一主機板,具有一微控制器;分別與該主機板電性連接且由該微控制器控制之一影像擷取模組、一深度擷取模組、一顯示模組、一震動模組以及一觸控模組,其中該影像擷取模組係配置以擷取一影像資料,而該深度擷取模組係配置以擷取一深度資料;以及一充電模組,供電給該主機板、該影像擷取模組、該深度擷取模組、該顯示模組、該震動模組以及該觸控模組; 其中,該判斷結果回饋至該執法用穿戴裝置後係顯示於該顯示模組,供該執法人員據以進行該適當處置;其中該執法用穿戴裝置、該行動裝置、該控制中心以及該警政系統係組成一執法輔助系統,而該控制中心可透過該請求之內容所構成的訓練樣本進行一機器學習,以提升該判斷結果的準確率;其中該執法人員係可透過一藍芽模組使該行動裝置與該執法用穿戴裝置配對,並透過該觸控模組對該執法用穿戴裝置進行操作;其中該第一應用程式更可透過其他應用程式遠端操作各該模組,並藉由一驅動模組而驅動該震動模組。
- 如請求項2所述之執法用穿戴裝置,其中該物件辨識模組係透過一感測器融合技術,整合該影像擷取模組所擷取之該影像資料以及該深度擷取模組所擷取之該深度資料,且該物件辨識模組係配置以執行下列步驟,包括:在步驟S100中,向該第一應用程式發送該深度擷取模組辨識結果之讀取請求;在步驟S102中,接著找尋與該執法人員最接近之一物件;在步驟S104中,接著找尋與該執法人員次接近之一物件;在步驟S106中,接著確認該安全無障礙且可穿越之區域;在步驟S108中,接著輸出在步驟S106中所獲得之一結果,並透過該震動模組提示該執法人員;以及在步驟S110中,接著向該第一應用程式發送一權限終止請求。
- 如請求項2所述之執法用穿戴裝置,其中該影像擷取模組所擷取之一影像資料係供該交通疏導模組執行下列步驟,包括:在步驟S200中,將該影像擷取模組所擷取之該影像資料輸入該交通疏導模組; 在步驟S202中,接著對該影像資料進行一灰階處理;在步驟S204中,接著對該影像資料進行一高斯模糊處理;在步驟S206中,接著對該影像資料進行一邊緣檢測處理;在步驟S208中,接著找出一感興趣區域(ROI);在步驟S210中,接著從一邊緣找出一直線車道;以及在步驟S212中,接著輸出標示已偵測車道的該影像資料。
- 如請求項2所述之執法用穿戴裝置,其中該情緒分析模組係配置以執行下列步驟,包括:在步驟S300中,標記一社交網絡語料庫;在步驟S302中,接著進行一數據預處理;在步驟S304中,接著將一數據集劃分成一訓練集與一測試集;在步驟S306中,接著利用LSTM神經網絡進行模型的搭建;在步驟S308中,接著使用該訓練集進行該機器學習;在步驟S310中,根據該模型在該測試集上的表現,調整參數以提高該模型的泛化能力;在步驟S312中,對未標記的數據執行該數據預處理;以及在步驟S314中,使用訓練好的一情感預測模型,對該未標記的數據進行該情感預測。
- 如請求項2所述之執法用穿戴裝置,其中該交通違規分析模組係配置以執行下列步驟,包括:在步驟S400中,辨識車道線顏色與種類、以及辨識車子的行為;在步驟S402中,接著判斷每一輛車的行為; 在步驟S404中,透過一GPS定位器定位各該車的位置而自一全台各路段資訊平台取得一所行經路段的交通規範;在步驟S406中,接著將經判斷之各該車的行為與該所行經路段的交通規範進行比對,逐項檢查是否違規;以及在步驟S408中,接著若判斷無違規項目則結束所有步驟;若判斷有違規項目則續行步驟S410,其中,在步驟S410中,乃是將該違規項目顯示於該顯示模組並致使該影像擷取模組自動擷取該違規行為影像資料後上傳至該警政系統。
- 如請求項2所述之執法用穿戴裝置,其中該交通疏導模組係配置以執行下列步驟,包括:在步驟S500中,透過一GPS定位器定位每一車輛的位置而自該警政系統取得各該車輛所行經路段的一交通即時資訊;在步驟S502中,接著根據該交通即時資訊計算一最佳紓解交通策略,並將該最佳紓解交通策略傳送並顯示於該顯示模組;以及在步驟S504中,接著該執法人員依據該顯示模組上的該最佳紓解交通策略進行該交通疏導。
- 如請求項2所述之執法用穿戴裝置,其中該生理特徵分析模組係配置以執行下列步驟,包括:在步驟S600中,在穿戴該執法用穿戴裝置之一執法人員與一目標對象對話時,保持作動;在步驟S602中,接著補捉該目標對象的複數表情特徵,並顯示於該顯示模組;在步驟S604中,接著根據該些表情特徵分析可能說謊的機率,並將一分析結果顯示於該顯示模組;以及 在步驟S606中,接著該執法人員依據該顯示模組上的該分析結果,進行一綜合判斷並進行一適當處置。
- 如請求項2所述之執法用穿戴裝置,其中該生理特徵分析模組係配置以執行下列步驟,包括:在步驟S700中,會自該警政系統獲得一通緝犯名單以及各通緝犯的基本資訊,然後對一目標對象進行人臉辨識並產生一辨識結果;在步驟S702中,接著根據該辨識結果判斷該目標對象是否為通緝犯,並產生一判斷結果;若該判斷結果為否則結束所有步驟;若該判斷結果為是則續行步驟S704;以及在步驟S704中,接著該顯示模組會顯示對應之該通緝犯的基本資訊,並將一查獲結果同步通報該警政系統。
- 如請求項2所述之執法用穿戴裝置,其中該生理特徵分析模組係配置以執行下列步驟,包括:在步驟S800中,該執法用穿戴裝置協助一執法人員鎖定一目標對象;在步驟S802中,接著該執法用穿戴裝置紀錄該目標對象的生理特徵;在步驟S804中,接著該執法用穿戴裝置在執法人員追蹤該目標對象的過程中,對該執法人員視野所及之不特定人進行人臉辨識;以及在步驟S806中,接著執法用穿戴裝置所擷取的影像中若有該目標對象,則會在該顯示模組上進行標示,供該執法人員據以進行一綜合判斷並進行一適當處置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW111122868A TWI825793B (zh) | 2022-06-20 | 2022-06-20 | 執法用穿戴裝置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW111122868A TWI825793B (zh) | 2022-06-20 | 2022-06-20 | 執法用穿戴裝置 |
Publications (2)
Publication Number | Publication Date |
---|---|
TWI825793B true TWI825793B (zh) | 2023-12-11 |
TW202401384A TW202401384A (zh) | 2024-01-01 |
Family
ID=90053069
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
TW111122868A TWI825793B (zh) | 2022-06-20 | 2022-06-20 | 執法用穿戴裝置 |
Country Status (1)
Country | Link |
---|---|
TW (1) | TWI825793B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108293187A (zh) * | 2016-02-10 | 2018-07-17 | 加拿大Bc省温哥华迷锋企业有限公司 | 利用生物识别来认证或注册可穿戴装置的用户 |
US20190138842A1 (en) * | 2017-11-06 | 2019-05-09 | Po-Wen Wang | Method of Recognizing Human Face and License Plate Utilizing Wearable Device |
US20190379925A1 (en) * | 2016-10-26 | 2019-12-12 | OrCam Technologies, Ltd. | Wearable device and methods for transmitting information based on physical distance |
CN112419661A (zh) * | 2019-08-20 | 2021-02-26 | 北京国双科技有限公司 | 一种危险识别方法及装置 |
-
2022
- 2022-06-20 TW TW111122868A patent/TWI825793B/zh active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108293187A (zh) * | 2016-02-10 | 2018-07-17 | 加拿大Bc省温哥华迷锋企业有限公司 | 利用生物识别来认证或注册可穿戴装置的用户 |
US20190379925A1 (en) * | 2016-10-26 | 2019-12-12 | OrCam Technologies, Ltd. | Wearable device and methods for transmitting information based on physical distance |
US20190138842A1 (en) * | 2017-11-06 | 2019-05-09 | Po-Wen Wang | Method of Recognizing Human Face and License Plate Utilizing Wearable Device |
CN112419661A (zh) * | 2019-08-20 | 2021-02-26 | 北京国双科技有限公司 | 一种危险识别方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
TW202401384A (zh) | 2024-01-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Yu et al. | Deep learning-based traffic safety solution for a mixture of autonomous and manual vehicles in a 5G-enabled intelligent transportation system | |
US9180887B2 (en) | Driver identification based on face data | |
CN101221621B (zh) | 警告监督用户受监视用户的行为的方法和系统 | |
CN110781798B (zh) | 一种基于树莓派和人脸识别的车载嫌疑犯锁定系统 | |
CN110602449A (zh) | 一种基于视觉的大场景下施工安全智能监控系统方法 | |
TW200523810A (en) | System and method for dynamic stand-off biometric verification | |
KR102039279B1 (ko) | 영상 인식을 이용한 경찰 업무 지원 시스템 및 그 방법 | |
CN108389392A (zh) | 一种基于机器学习的交通事故责任认定系统 | |
KR20180087530A (ko) | 모바일 기반 차량사고 처리 시스템 | |
Wang et al. | Research on key technologies of intelligent transportation based on image recognition and anti-fatigue driving | |
CN113111749A (zh) | 一种基于城市移动车辆视频监控ai分析的追踪系统 | |
CN112041862A (zh) | 用于通过自主车辆进行乘客识别的方法和车辆系统 | |
CN114343595B (zh) | 一种社区智慧养老服务系统 | |
KR20150061160A (ko) | 차량 위치 제공 로봇, 그리고 그를 이용한 주차 위치 안내 시스템 및 주차 위치 안내 방법 | |
TWI825793B (zh) | 執法用穿戴裝置 | |
CN114170272A (zh) | 一种云端环境下基于感知传感器的事故报告、储存方法 | |
CN106548627A (zh) | 一种基于车联网的rfid传感道路监控系统 | |
CN114241557A (zh) | 图像识别方法、装置及设备、智能门锁及介质 | |
CN109671181A (zh) | 一种行车记录仪、车险理赔方法及车险理赔服务系统 | |
Thevendran et al. | Deep Learning & Computer Vision for IoT based Intelligent Driver Assistant System | |
CN110803170A (zh) | 智能用户接口的驾驶辅助系统 | |
CN116233163A (zh) | 一种基于大数据的智慧校园安全管理系统及方法 | |
Paryono et al. | Detecting Vehicle Numbers Using Google Lens-Based ESP32CAM to Read Number Characters | |
CN114548216A (zh) | 基于Encoder-Decoder注意力网络与LSTM的异常驾驶行为在线识别方法 | |
CN110717377B (zh) | 人脸驾驶风险预测模型训练及其预测方法及相关设备 |