世界衛生組織(WHO)於2020/01/07宣布發現新病毒，並之後命名為2019新冠肺炎(COVID-19)。隨著各國與台灣疫情升溫，在2020/12/01台灣疫情指揮中心宣布秋冬防疫專案正式啟動，規定8大類場所(醫療院所、公共運輸、生活消費、教育學習、觀展觀賽、休閒娛樂、宗教祭祀，及洽公機關等公共場所)，需強制配戴口罩且保持社交距離。
以個人健康防護及政府宣導為前提，所提出的系統將AIoT應用於人臉口罩辨識中，以判斷民眾在進入政府指定公眾場合中，是否有依規定戴上口罩。當偵測到未戴口罩之民眾，即利用LINE Notify傳送圖片並由系統發出語音警示，告知當事者與內部值班人員，目的除了可以提高民眾的自覺性與降低感染或傳染疾病的風險之外，也可減少在需要戴口罩之場所的檢查人力，本系統在長時間辨識準確率的測試方面，則以相機長時間架設於另一視訊螢幕前，播放直播新聞，在口罩配戴與否偵測準確率可高達95.5%。此外在實際環境中測試，深色口罩容易造成誤判率；我們可藉由補光改善其辨識信心度高達88%。

The World Health Organization (WHO) announced a new virus on 2020/01/07 and later named it COVID-19. In addition, from 2020/12/01 to now, it was mandatory to wear masks and keep a social distance from public places such as medical institutions, public transportation, living and consumption, education and learning, exhibition and sports, leisure and entertainment, religious ceremonies, and public institutions.
Based on the premise of personal health protection and government propaganda, the proposed system applies AIoT to face mask recognition to determine whether people wear masks under regulations when they are entering public places designated by the government. When detected, people are not wearing masks in public, and then the system sends images (Line Notify) and plays a sound to raise warnings to inform the parties and operator on duty. The purpose is not only to increase public awareness, and it can reduce the risk of infectious diseases. The system can also reduce the human resources for inspection in places where wearing masks is required.
In the mask recognition test, the camera is set up in front of another screen to capture live news frames, and it is connected to the system to perform face mask detection. This experiment proves the accuracy of face mask detection as high as 95.5%. Additionally, tested in an actual environment, the dark face masks are likely to cause misjudgment. We can improve their recognition confidence to 88% high by supplementing light.

致謝	          I
中文摘要	         II
Abstract	III
目錄	         IV
圖目錄	        VII
表目錄	         IX
第一章 緒論	                1
1.1 前言	                1
1.2 研究動機	                1
1.3 論文架構	                2
第二章 新冠肺炎防護與現有產品技術	3
2.1 新冠肺炎的傳播方式	3
2.1.1 呼吸飛沫傳染	3
2.1.2 接觸傳染	        3
2.2 新冠肺炎引起的症狀	4
2.3 新冠肺炎的自我防護	5
2.4 既有相關產品與技術	8
2.4.1 既有相關產品	8
2.4.2 既有相關技術	10
第三章 硬體組件與軟體工具	11
3.1 硬體組件	        11
3.1.1 樹莓派開發板	11
3.1.2樹莓派相機	        14
3.1.3音訊輸出裝置	15
3.2 軟體工具	        16
3.2.1 Python         	16
3.2.2 TensorFlow	17
3.2.3 Keras	        20
3.2.4 OpenCV	        21
3.2.5 MobileNet V2	22
3.2.6 LINE Notify	25
第四章 系統設計流程與架構	26
4.1系統設計流程	        26
4.1.1 系統設計	        26
4.1.2 建立模型與導入偵測	27
4.2系統架構	        30
第五章 實驗結果	        32
5.1 架設示意	        32
5.2 人臉數量計數	        33
5.3 口罩辨識準確度與運行速度	34
5.4 LINE Notify 接收	        38
5.5 語音提醒	                39
第六章 結論與未來展望	        40
6.1 結論	                40
6.2 未來展望	                41
參考文獻	                        42

圖目錄
圖 2–1 VINO2100-IDS	                8
圖 2–2 YOLO口罩辨識流程	                10
圖 3–1 樹莓派4型號B開發板主體正面	        12
圖 3–2 樹莓派4型號B開發板主體側面I	12
圖 3–3 樹莓派4型號B開發板主體側面II	12
圖 3–4 樹莓派相機V2	                14
圖 3–5 音訊輸出裝置	                15
圖 3–6 常見模型建立	                20
圖 3–7 模組架構差異	                23
圖 3–8 模型訓練結果	                24
圖 3–9 週期訓練曲線圖	                24
圖 3–10 LINE Notify 視窗	                25
圖 4–1 系統設計流程	                26
圖 4–2 模型建立程式流程	                28
圖 4–3 正確配戴口罩方法	                28
圖 4–4 系統運作流程架構方塊圖	        30
圖 4–5 系統運作流程圖	                31
圖 5–1 架設高度與偵測距離示意圖	        32
圖 5–2 人臉數量計數值：0	                33
圖 5–3 人臉數量計數值：4	                33
圖 5–4 正確戴上口罩-正面與側面	        35
圖 5–5 確認以不同顏色之口罩偵測(粉紅色、綠色)	35
圖 5–6 確認以不同顏色之口罩偵測(黑色、紫色)	35
圖 5–7 具彈力材質與N95的醫療型口罩        	36
圖 5–8 口罩配戴非正確或以手遮罩方式	        36
圖 5–9 以毛巾或圍巾遮住口鼻               	36
圖 5–10 戴上安全帽且有或無配戴口罩	                37
圖 5–11 戴上遮罩且有或無配戴口罩	                37
圖 5–12 偵測準確率驗證後的影像圖片	                37
圖5–13 LINE Notify 接收	                        38
圖 5–14 即時語音提醒	                        39

表目錄
表 2–1 各地區染疫狀況	                4
表 2–2 高感染傳播風險場所	                6
表 2–3 疫情警戒標準與因應事項	        7
表 2–4 VINO2100-IDS 產品主要規格與特色	9
表 3–1 樹莓派4型號B開發板規格	       13
表 3–2 樹莓派相機規格	               14
表 3–3 SONY SRS-X3 規格	               15
表 3–4 TensorFlow訓練流程	       18
表 3–5 TensorFlow部署應用	       19
表 3–6 OpenCV 常用領域	               21
表 3–7 各模型的性能與精準度比較	       22
表 4–1 建立模型與臉部偵測流程	       29

[1] 維基百科。2019冠状病毒病疫情。https://zh.wikipedia.org/wiki/2019冠状病毒病疫情
[2] 武漢肺炎大事記：從全球到台灣，疫情如何發展？https://www.twreporter.org/a/2019-ncov-epidemic
[3] LINE Developers. https://developers.line.biz/zh-hant/
[4] OpenCV. face_detector. https://github.com/opencv/opencv/tree/master/samples/dnn/face_detector
[5] OpenCV.py-dnn-facedetect. https://github.com/wnjsoft/py-dnn-facedetect/blob/master/dnn.py
[6] Mark Sandler, Andrew Howard, Menglong Zhu, Andrey Zhmoginov, and Liang-Chieh Chen, “MobileNetV2: Inverted Residuals and Linear Bottlenecks,” The IEEE Conference on Computer Vision and Pattern    Recognition (CVPR), 2018 pp. 4510-4520.
[7] Covid-19即時更新報告。https://covid-19.nchc.org.tw/dt_owl.php?dt_name=3
[8] python實現人臉檢測及識別（2----利用keras庫訓練人臉識別模型。https://www.itread01.com/content/1541822010.html
[9] 衛生福利部疾病管制署。嚴重特殊傳染性肺炎。https://www.cdc.gov.tw/File/Get/vnPo--okxUfjapB9vEBSGA
[10] World Health Organization. Coronavirus disease (COVID-19) Pandemic.https://www.who.int/emergencies/diseases/novel-coronavirus-2019
[11] World Health Organization. Coronavirus disease (COVID-19): Masks. https://www.who.int/emergencies/diseases/novel-coronavirus-2019/question-and-answers-hub/q-a-detail/coronavirus-disease-covid-19-masks
[12] MobileNet V2 詳解。https://perper.site/2019/03/04/MobileNet-V2-详解/
[13] Lian Hock Koh, Surendra Ranganath, and Y.V. Venkatesh, “An integrated automatic face detection and recognition system,” ScienceDirect Pattern Recognition, vol. 35, pp.1259-1273, 2002.  
[14] C. Kim and S. Son, “A Study on Big Data Cluster in Smart Factory using Raspberry-Pi,” IEEE International Conference on Big Data (Big Data), Seattle, WA, USA, 2018, pp. 5360-5362.
[15] M. H. Yang, D. J. Kriegman, and N. Ahuja, “Detecting face in images: a survey,” IEEE Transactions on Pattern Analysis and Machine Intelligence, vol. 24, 2002, pp. 34-58.
[16] MobileNetV2 論文閱讀。https://medium.com/ching-i/ mobilenetv2-論文閱讀-94f710e7fe51
[17] INO2100-IDS. https://www.ibase.com.tw/tc/ProductDetail/IndustrialPanelPC/VINO2100-IDS
[18] T. Q. Vinh and N. T. N. Anh, “Real-Time Face Mask Detector Using YOLOv3 Algorithm and Haar Cascade Classifier,” 2020 International Conference on Advanced Computing and Applications (ACOMP), 2020, pp. 146-149. 
[19] 使用tensorflow-2-0創建keras模型的3種方法。
https://medium.com/ai-academy-taiwan/使用tensorflow-2-0創建keras模型的3種方法-b87b98832f9
[20] Keras API reference.Keras Applications. https://keras.io/api/applications/
[21] A. G. Howard, M. Zhu, B. Chen, D. Kalenichenko, W. Wang, T. Weyand, M. Andreetto, and H. Adam, “MobileNets: Efficient Convolutional Neural Networks for Mobile Vision Applications,” arXiv:1704.04861v1, Apr. 2017.
[22] 衛生福利部。口罩正確戴法。https://m.facebook.com/mohw.gov.tw/photos/a.484593545040402/1468375676662179/?type=3&source=48&__tn__=EHH-R
[23] 維基百科。整流線性單位函式(Rectified Linear Unit, ReLU)。https://zh.wikipedia.org/wiki/线性整流函数
[24] 神經網路的效能調校。https://ithelp.ithome.com.tw/articles/10234059
[25] TVBS新聞直播。https://www.youtube.com/watch?v=A4FbB8UhNRs
[26] 中天新聞直播。https://www.youtube.com/watch?v=lu_BJKxqGnk
[27] TensorFlow簡介。https://www.tensorflow.org/?hl=zh-tw
[28] 衛生福利部疾病管制署。高感染傳播風險場域。https://www.cdc.gov.tw/File/Get/2-knRzul4e4bOgclKW0IBw
[29] 衛生福利部疾病管制署。疫情警戒標準與因應事項。https://www.cdc.gov.tw/Uploads/Files/cff51b12-5dfd-4953-86bb-f38027a171 75.png
[30] 朱克剛(2020)。AIOT與OpenCV實戰應用(2月初版)。碁峰資訊。
[31] Matplotlib. https://github.com/matplotlib/matplotlib
[32] OpenCV. https://opencv.org/
[33] 維基百科。樹莓派。https://zh.wikipedia.org/zh-tw/树莓派