(576,936) 難過 plurk居家照護寵物機 否 是否可行是 是否在 鏡頭內 … · (二)...
TRANSCRIPT
Plurk居家照護寵物機
介紹
方法
結果
結論
學生:徐煥傑,陳育楷,李培暐指導老師: 沈祖望 老師
Department of Medical Informatics, Tzu Chi University, Hualien, Taiwan.
製造機器人的技術在近年中已經成長飛速,而不是像以前只是夢想論,韓國政府也打算在2012年將機器人配置到各個學校內當作助教,工作是檢查課文背誦或作業,因此,本研究基於機器人產業的前瞻性,便著手將機器人開發在居家照護的方面,並且藉由噗浪來表達病人的狀況或者指揮機器人,再經由人工智慧的方法讓機器人更進一步擬人化,以便達到人性化的照顧病人。
情緒則是一個人在受到外界刺激時直接反映,或者是經由大腦思考後所產生的想法,當一個人開心時,也許說話聲音會變大,音調會變高,頻率會變快,心跳變快,肌肉放鬆,生氣或心情不好時也許反之,但是所表現出來的方式每個人並不完全相同,一般來說,情緒的判別可以大約分成幾種方式,分析腦電波訊號,肌電圖,心電圖,聲音訊號等等,而本研究所用來分析情緒的方法,則是使用聲音訊號來判別。
一、系統架構
二、系統設計本研究主要著重於受測者的心情分析, 並藉由Lego NXT機
器人用互動的方式將偵測到的情緒表現出來,當使用者無法在機器人附近操作時,利用噗浪來進行遠端遙控機器人進行指令動作
(一)經由類神經網路Holdfield方式擷取聲波有效的範圍,並積分求其與模板差異值
Figure 1-系統架構圖
Figure 2A-較佳擷取範圍 Figure 2B-快速傅立葉轉換
快速傅立葉轉換(Fast Fourier Transform,FFT),是離散傅立葉轉換的快速演算法,也可用於計算離散傅立葉轉換的逆轉換。快速傅立葉轉換有廣泛的應用,如數位訊號處理、計算大整數乘法、求解偏微分方程等等。對於複數序列 ,離散傅立葉轉換公式為
Figure 3-三原色tracking
(三)偵測顏色形狀相似物體位置及個數
Figure 4-手指相似顏色與數量判別
首先請使用者讀入一張圖片,接著以紅框框圈出想偵測範圍,接著在按下判斷,系統會自動判斷出大小及顏色相近的位置範圍,數目和相似度的選擇可以自訂。
趨於台灣少子化的關係,未來台灣年輕人力會越來越少,而老年人口會越來越多,而電子寵物的特點就是可以遠距離的裡用webcam照護,裡用噗浪控制機器人,或者是提供病人跌倒時的警報等,未來居家照護不再需要太多人力,也不需要在現場照護病人,我們只要利用噗浪下指令,機器人來動作,即可完成遠距離的居家照護,只要一個人在電腦前,也能夠同時照護數個病人,隨著科技不斷進步,我們將來也可以利用人工智慧的技術,讓機器人學習,未來甚至可以不需人力就能夠照護病人,一切都交由機器人來達成。
A君(開心)
B君(難過)
あ(805,1610)
難過(437,367)
開心
い(474,183)
開心(111,402)
難過
う(9,69)難過
(15,213)難過
え(243,167)
開心(100,23)開心
お(236,124)
開心(576,936)
難過
(576,936)
難過
(576,936)
難過
(四)二維條碼產生及解讀
啟動WEBCAM
掃描QR Code
鎖定定位區塊
Micro QR codeQR code
是否在webcam鏡頭內
Start
判斷QR Code之matrix size
讀取QR Code的Pixel
QR Code 解碼顯示內容
QR Code之讀取處理
Webcam掃描
掃描成功
是
否
輸入字串
計算字元及二進制表示
資料定位
是否可行
Start
根據資料長短生成2種code
masking
QR Code
QR Code之產生處理
產生二進制數據
製造成功
是
否
Figure 5A-二維條碼產生 Figure 5B-二維條碼解讀
將情緒測試做了實驗,在兩個受測者分別為開心及難過的情況下,一次做五個音的情形,結果如左表可得知,本程式的準確率大約為六成,2位受測者的資料皆在模板中,但因為模板為多位受測者的資料所平均而成,因此準確率會比只有一筆資料的模板還稍低一些,但在受測者資料不在模板的情形下,卻會比只有一個人的資料的模板還準確。
(二) NXT cam 顏色偵測功能
本研究可藉由catcan公司所生產nxtcam來偵測物體,nxtcam可經由撰寫程式使之可以感應到紅,綠,藍三原色物體,並偵測其位置及距離,藉由此功能,只要病患身上穿著帶有三原色的衣服,機器人便可追蹤,但前提是必須在nxtcam可支援範圍之內。
本研究中的二維條碼為QR CODE以下為QR CODE的來源QR CODE是二維條碼的一種, 是由1994年的日本Denso Wave公司發明。QR是 Quick Response的縮寫,即快速反應的意思,源自發明者希望QR Code可讓其內容可以被快速解碼。QR CODE的日本標準為JIS X 0510,發佈於1999年1月的ISO國際標準,ISO/IEC 18004是在2000年6月被認可,最新的標準則是2006年。
引用文獻[1] 姚步慎: 人工智慧與專家系統導論, 碁峯資訊出版,1991/9初版[2]S.Russell and P.Norvig,Eds,Artifical Intelligence:A Modern Approach.
Prentice Hall,2003,p^pp.Pages[3] N. Brenner and C. Rader, 1976, A New Principle for Fast Fourier Transformation, IEEE Acoustics, Speech & Signal Processing 24: 264-266