肺炎疫情全球肆虐，每天打開新聞報導可以看到全球各地確診人數不斷向上攀升。一般大眾除了戴口罩常洗手之外，運用資訊科技發展非接觸式智慧辨識技術，來減少日常生活中必須和公眾設備接觸的次數，如電梯、提款機、自動販賣機、停車繳費機等公眾按鈕與觸控螢幕的操作，用非接觸式操作介面取代傳統接觸式操作介面，可以降低接觸感染的風險。

近年來人工智慧技術發展迅速，以卷積網路(Convolutional Neural Networks, CNN)為核心的深度學習(deep learning)技術已非常成熟。透過在訓練過程中自動學習能夠有效進行各式影像辨識與分類的特徵值，卷積網路模型能夠及時辨識攝影機所拍攝的人體手勢，分辨出每個手指關節關鍵點的位置，進而了解使用者透過手勢所傳達的操作意圖。

圖片來源: Google開源MediaPipe平台支援手勢辨識功能
https://google.github.io/mediapipe/solutions/hands.html

圖片來源: OpenPose 人體姿態估計, Cao, Z., et. al. (2019). OpenPose: realtime multi-person 2D pose estimation using Part Affinity Fields. IEEE transactions on pattern analysis and machine intelligence, 43(1), 172-186.

除了傳統可見光鏡頭所拍攝的影像之外，毫米波雷達(mmWave radar)是未來發展最迅速最重要的感測器科技之一。毫米波是指波長在1~10mm，頻率在30~300GHz之間的電磁波。近年來自動駕駛汽車的興起，帶動毫米波雷達的產品迅速發展，毫米波雷達感測器價格不斷下降。由於毫米波雷達可以偵測微小的人體位移，不必接觸即可感測到人體手掌與手指的移動，所以未來運用毫米波雷達結合卷積網路的AI非接觸式人體辨識技術，是未來電梯、提款機、自動販賣機、停車繳費機等非接觸式操作介面的關鍵AI技術。

此外，人體姿態估計(human pose estimation)也是人工智慧應用技術發展非常成熟的領域。如OpenPose等AI人體姿態估計方法，可以即時偵測監視器中一群人的動作行為，在保全、醫療、工業安全、製造人因分析等許多領域可以發展出創新應用。未來結合非可見光與毫米波雷達的多模式人體姿態估計，可以在保障個人隱私權的前提下，發展偵測跌倒事件、失智症早期偵測預警、危險設備操作預警等創新應用。

文 / 資訊工程學系  劉志俊主任 

圖 / https://pin.it/4BzcHpB
出版 / 2021年6月3日