1.
物件識別攝影機
組長: 陳O芳
組員: 羅O全、鄭O嚀、鄭O峯、李O
指導老師: Joseph chen & Alan chen

2.
目錄
contents
1 專題動機
2 專題目標
3 系統架構
4 實現方式 & Demo
5 後續發展

3.
專題動機
thematic motivation

4.
專題動機
某一天….差不多八月中，我們小組在課堂休息時間聊天哈啦，突然聊到
9月底的專題彼此AI題目想做什麼?
A : 能幫助社會的機器人，B : 聊天機器人，C : 眼睛解鎖器，這時組長說~
我倒是想做一個，可以幫我記錄時間、標記事物的攝影機，為什麼?因為我
家有一個魚池，但每天起床都會發現魚死在魚池周圍，我想查詢魚兒們死
因，偏偏我家錄影機比較老舊，老舊就算了還會自動關機日期會跳回1970
年1月1日，變得我要查詢都要一個一個檔案抓出來，一個一個重頭看到
尾….如果有一個紀錄時間、標記事物，我看一眼就能知道原因的攝影機多
好?

5.
專題目標
Thematic goals

6.
專題目標
一. 紀錄時間
三. 警報功能
二. 能分辨人與動物
四. 亮燈號
五. 能截圖
六. 寄E-mail

7.
物件識別結構
影像抓取
Gstreamer
Object detection
TFLite模型推理
亮燈 蜂鳴器 發出警報 傳送E-mail
人類
Human
動物
Animal
框住物件
截圖

8.
系統架構
system structure

9.
硬體配置
蜂鳴器
燈
WIFI Coral AI TPU
攝影鏡頭
Raspberry Pi 3
B+
Raspberry Pi 3 B+
擴充版

10.
SSD模型
SSD結合了YOLO中的回歸思想和Faster-RCNN中的Anchor機制，使用
全圖各個位置的多尺度區域進行回歸，既保持了YOLO速度快的特性，也
保證了窗口預測的跟Faster-RCNN一樣比較精準。

11.
MobileNet SSD v2
MobileNet V2的SSDLite 在COCO 數據
集上超過了YOLO v2，並且大小 小10倍
速度快20倍
可以說是又小又快又好。另外，應用在
目標檢測任務上，也能得到很好的效果。

12.
實現方式
Method to realize

13.
物件識別功能
1. 發現目標：紀錄時間、截取關鍵影像、註記目標物
2. Detect目標：使用MobileNet SSD v2
3. 目標物為人：發出燈號(亮燈)、蜂鳴器製造噪音(長)
4. 目標物為動物：發出燈號(亮燈)、蜂鳴器製造噪音(指定的動物聲)
5. 有網路時，即時發送E-mail

14.
物件辨識流程
Video source
640 x 480
Gstreamer
pipeline
Object Detection模型
(MobileNet SSD v2)
類別
座標
信心值
1.
2.
3.
Rescale 300 x 300

15.
物件辨識流程
1.警報
2.截圖
3.亮燈
4.發送E-mail
類別
座標
信心值
Object Detection模型
(MobileNet SSD v2)
Gstreamer
pipeline
信心值>50
信心值>80
1.
2.
3.

16.
Object Detection
模型

17.
有偵測到
沒偵測到
物件辨識畫面

18.
物件辨識
警報、亮燈、寄E-maill

19.
傳送E-mail

20.
Sink
物件辨識流程
Video source
640 x 480
Gstreamer
pipeline
Object Detection
模型
Rescale 300 x 300
Rescale 640 x 480
信心值>50%
Ximage
1.警報
2.截圖
3.亮燈
4.發送E-mail
信心值>80%
97% person

21.
現場Demo

22.
後續發展
Follow-up development

23.
錄影存檔
Flask

24.
Thank Everyone
Have A Nice Day