關於 單位向量 ，我們在網路上蒐集到這些相關的討論、資訊與評價

每天整理國際疫情的 derekhsu 也被列入名單
derekhsu：『恭喜恭喜，我竟然也被當成中共同路人之一了，這應該算是一個榮譽嗎？是不是該換用了十幾年的暱稱了？我們來對於這種垃圾報告沒有打算看看，覺得不關我的事，結果想不到我居然列名榜單之上。

於是我就想看看這些研究到底是什麼東東，不看就好，看了反而笑死，#這是什麼碩士作業等級的報告？所謂的文字雲、文字連結這些非監督式文字探勘跑出來的東西，都是簡單的工具就可以跑出來的，而且 #只要有作過文字探勘或輿情分析的人都知道這種研究的關鍵在於字典的選擇。

這裡面的研究使用了「COVID-19字典」，最好玩的是，#竟然沒有任何reference說這些字典是怎麼挑出來的。

通作這種字典有三種方法，#專家法、#統計法 跟 #參照法，專家法就是請一群訓練有素的專家透過問卷調查的方式，統計法則是利用一群有關的文章作關鍵字分析或是詞、文章向量訓練，然後再計算文章概念相似度，在挑出文章，參照法則是根據其他的研究列出字典。

我是想要看看這篇作者是誰，還有他是哪間研究所或博士畢業的，怎麼會覺得這樣的文章做出來解釋就覺得沾沾自喜開心得很，跟某些自稱認知作戰專家的政治學教授差不多，你基本的東西作不好，做出來的東西就是垃圾了啊。

還有後面有提到「刺激情緒的『情緒渲染』」在內，要知道的是，這叫做 #文章情緒分析，要說人家文章有在情緒渲染，有做完情緒分析嗎？文章內傳達的情緒，這是可以透過資料科學的方式作分析的，很多品牌會根據Twitter來作分析，這篇研究純粹也是用喊的。

說實在的，#這些NLP基本功沒作，#那剩下來的東西只有五個字，就是「#看圖說故事」。

「看圖說故事」的研究可多了，我每天貼的疫情統計大概也就是看圖說故事，不過我可沒有領研究經費，你給我一百萬去研究數據，我也可以生出來一篇圖文並茂的統計分析。

我再來看看我被歸類在哪些領域，我被列在「讚揚中國防疫措施」「排他性敘述/給我上海復星BNT」跟「抨擊國產/國內相關措施」這三點裡面。

要說我立場是這樣，這倒是沒錯的。但幹你老師綠共現在不是在抄中國防疫措施嗎？
入境驗三次，屏東封村普篩打疫苗，那個不是中國在幹過的？

給我上海復星BNT這就更是廢話了，BNT是目前世界上效果最好的疫苗之一，而且他可以打年輕人，上海復星是BNT大中華區唯一代理商，更誇張的是人家還不是代理，人家還是投資方跟研發單位，我們買的BNT可能就有5%, 3%的中國成份疫苗在內。什麼疫苗都要就是不要BNT，這政府沒有病是什麼？至於抨擊國產/國內相關措施，這更是他媽的廢話，我說要入境普篩現在有沒有？

一堆人在批評台北的相關措施，那台北就不算國內了嗎？另外，國產疫苗的處理過程好壞有眼睛的人應該都很清楚，不用我再多說什麼，我還有不只一次支持研發國產疫苗，甚至還幫國產疫苗說過話，我反對的是目前國產疫苗的過程。 https://www.ptt.cc/bbs/Gossiping/M.1621947532.A.A92.html

還有這篇文章去下定義「幫忙帶風向」跟「針砭時事」的定義作得非常之爛，因為 #他沒有作帳號的背景分析，除了IP之外，就 #驟下結論說這些帳號是在幫中共洗地，這是更是 #完全沒有遵守研究中立性的立場。甚至也不用繼續作資料探勘，你簡單查一下這些人的過去發文紀錄就知道，這些人的角度是什麼？

網軍會在股板發消息嗎？（幹你面板雙貓害我賠十幾萬） https://www.pttweb.cc/bbs/Stock/M.1626394403.A.85F

網軍會分享松島楓開微博的消息嗎？是不是因為微博要說我是中共同路人？ https://www.pttweb.cc/bbs/japanavgirls/M.1625998753.A.194

網軍會分享東奧熱身賽嗎？ https://www.pttweb.cc/bbs/NBA_Film/M.1625972483.A.39E

網軍會酸韓導酸到上自由時報嗎？ https://news.ltn.com.tw/news/politics/breakingnews/2733113

甚至還說因為這兩篇我是疫苗乞丐的發明人？ https://www.ptt.cc/bbs/Gossiping/M.1612146762.A.A76.html
拜託，這篇文章才7推耶，7推帶什麼風向？我何德何能7推就能帶風向，綠共還不請我當網軍頭子？

https://www.ptt.cc/bbs/Gossiping/M.1612181977.A.CB1.html
還有這篇，拜託，這篇也才16推，而且這兩篇都不是發文，只是回文，更好笑的是，#我這篇是在幫政府解釋以色列為什麼可以取得那麼多疫苗我們取得不了，#我是在幫政府說話，這作者是文盲嗎？#我是叫人不要事後諸葛耶？黑人問號。

#簡單來說啦，#這作者是半桶水，#而且很懶，#希望他是沒有領政府經費而是個人義務作這種研究的。』

Re: [討論] 國防安全研究院 PTT八卦板疫情輿論分析 https://disp.cc/b/163-dQvn

前情提要 laptic https://www.facebook.com/PttGossiping/posts/2374475356023448
osalucard https://www.facebook.com/PttGossiping/posts/2374418136029170
COCOCCC https://www.facebook.com/PttGossiping/posts/2374320616038922
Induction 1. https://www.facebook.com/PttGossiping/posts/2374187979385519
Induction 2. https://www.facebook.com/PttGossiping/posts/2374218949382422
DCSHK https://www.facebook.com/PttGossiping/posts/2374167766054207
CavendishJr https://www.facebook.com/PttGossiping/posts/2374128309391486

#認知作戰 #林瑋豐事件 #三級警戒 #新冠肺炎 #武漢肺炎 #COVID19 #COVID2019

機器學習識別特徵阻絕代測　上鏈回送監理資料庫防竄改

人臉辨識加酒精鎖阻酒駕　串區塊鏈上傳比對告警

2021-05-24社團法人台灣E化資安分析管理協會元智大學多媒體安全與影像處理實驗室

本文將介紹酒精防偽人臉影像辨識系統，結合了人臉辨識、酒精鎖以及區塊鏈應用，以解決酒駕問題，並透過監控系統避免代測狀況發生。且利用區塊鏈不可修改的特性，將車輛與人臉資料串上區塊鏈，以確保駕駛人的不可否認性。

長長期以來「酒駕」都是一個很嚴肅且必須被重視的議題，儘管在2019年立法院修法酒駕及拒絕酒測的罰則，但是抱持僥倖心態的人還是數不勝數，導致因酒駕釀成車禍的悲劇還是一再重演，讓不少的家庭因此破滅。

據統計，從2015年到2018年的酒駕取締件數都逾10萬件，而因為酒駕車禍的死亡人數逾百人。在2019年酒駕新制上路以後，2020年警方酒駕取締件數有明顯下降至約6萬件，雖然成功達到嚇阻效果，但是死亡人數仍與去年前年持平，可見離完全遏止酒駕還有很長的路需要努力。

立法院於2018年三讀通過了「道路交通管理處罰條例部分條文修正案」，酒駕者必須重新考照，並且只能駕駛具有酒精鎖（Alcohol Interlock）的車輛，所謂酒精鎖，屬於車輛點火自動鎖定裝置，在汽車發動前必須進行酒測，通過才能將汽車發動，而且在每45分鐘至60分鐘後酒精鎖系統就會要求駕駛人在一定時間內進行重新酒測，以便防範在行車過程中有飲酒的情況發生，若駕駛人未遵守其要求，車子就會強制熄火並鎖死，必須回酒精鎖服務中心才能將鎖解開。

由於法案的方式無法完全遏止酒駕，因此許多創新科技或是企業致力於研究相關科技來解決酒駕的問題。

其中本田（Honda）汽車與日立（Hitachi）公司研發出手持型酒精含量檢測裝置，讓駕駛人必須在駕駛之前都先進行酒測，若酒精濃度超標就會將汽車載具上鎖，藉此避免酒駕意外或事故發生，且該技術結合了智慧鑰匙功能，若偵測到酒測值超標，車輛中的顯示面板將會發出警告訊號告知駕駛人，避免酒駕上路之問題。

另一方面則是解決酒精殘值之問題，因為有許多駕駛人都會認為，休息一下後，身體也無感到不適，即駕車出門，等到駕駛人被警方臨檢時才知道酒測未通過，因此收到罰單，甚至是吊銷駕照處罰等。

根據醫學研究指出，酒精是在人體體內由肝臟代謝，實際代謝時間必須看體質以及飲酒量而定。台灣酒駕防制社會關懷協會建議，喝酒後至少要10至20小時後再駕車比較安全。多數人無具備酒精代謝時間的觀念，導致駕駛人貿然上路，待意外發生或罰單臨頭時，已經為時已晚。

背景知識說明

本文介紹的方法為酒精鎖結合攝影鏡頭進行人臉辨識，並將人臉特徵資料與車輛資料串上區塊鏈，並利用區塊鏈不可篡改的特性，來避免駕駛人在解鎖酒精鎖時發生他人代測的問題。

由於人臉辨識技術具備防偽性、身分驗證的特性，因此將酒精鎖的技術結合人臉辨識，便可確認為駕駛本人。

何謂人臉辨識

人臉辨識技術屬於生物辨識的一種，基於人工智慧、機器學習、深度學習等技術，將大量人臉的資料輸入至電腦中做為模型訓練的素材，讓電腦透過演算法學習人類的面部特徵，藉以歸納其關聯性最後輸出人臉的特徵模型。

目前人臉辨識技術已經遍佈在日常生活之中，其應用面廣泛，最為常見的應用即為智慧型手機的解鎖、行動支付如LINE Pay、Apple Pay等，其他應用還包括行動網路銀行、網路郵局、社區大樓門禁管理系統、企業監控系統、機場出入關、智能ATM、中國天眼系統等。一般來說，人臉辨識皆具備以下幾個特性：

‧ 普遍性：屬於任何人皆擁有的特徵。

‧ 唯一性：除本人以外，其他人不具相同的特徵。

‧ 永續性：特徵不易隨著短時間有大幅的改變。

‧ 方便性：人臉辨識容易實施，設備容易取得，如相機鏡頭。

‧ 非接觸性：不須直接接觸儀器，也可以進行辨識，這部分考量到衛生問題以及辨識速度。

人臉辨識透過人臉特徵的分析比對進行身分的驗證，別於其他生物辨識如虹膜辨識、指紋辨識，無須近距離接觸，也可以精準地辨識身分，且具有同時辨識多人的能力。因應新冠肺炎疫情肆虐全球，人臉辨識技術也被用來管理人來人往的人流。人臉辨識的儀器可以搭配紅外線攝影機來測量人體體溫，在門禁進出管制系統中，利於提高管理效率，有效掌握到進出人員的身分，以及幫助衛生福利部在做疫調時更容易掌握到確診病患行經的足跡。

人臉辨識的步驟

人臉辨識的過程與步驟，包括人臉偵測、人臉校正、人臉特徵值的摘取，進行機器學習與深度學習、輸出人臉模型，從影像中先尋找目標人臉，偵測到目標後會將人臉進行預處理、灰階化、校正，並摘取特徵值，接著人臉資料交給電腦進行機器學習與深度學習運算，最後輸出已訓練好的模型。相關辨識的步驟，如圖1所示。

人臉偵測

基於Haar臉部檢測器的基本思想，對於一個一般的正臉而言，眼睛周圍的亮度較前額與臉頰暗、嘴巴比臉頰暗等其他明顯特徵。基於這樣的模式進行數千、數萬次的訓練，所訓練出的人臉模型，其訓練時間可能為幾個小時甚至幾天到幾周不等。利用已經訓練好的Haar人臉特徵模型，可以有效地在影像中偵測到人臉。

Python中的Dilb函式庫提供了訓練好的人臉模型，可以偵測出人臉的68個特徵點，包括臉的輪廓、眉毛、眼睛、鼻子、嘴巴。基於這些特徵點的資料就能夠進行人臉偵測，如圖2～4所示。圖中左上角的部分是偵測到的分數，若分數越高，代表該張影像就越可能是人臉，右側括弧中的編號代表子偵測器的編號，代表人臉的方向，其中0為正面、1為左側、2為右側。

人臉的預處理

偵測到人臉後，要針對圖片進行預處理。通常訓練的影像與攝影鏡頭拍出來的照片會有很大的不同，尤其會受到燈光、角度、表情等影響，為了改善這類問題，必須對圖片進行預處理以減少這類的問題，其中訓練的資料集也很重要：

‧ 幾何變換與裁剪：將影像中的人臉對齊與校正，將影像中不重要的部分進行裁切，並旋轉人臉，並使眼睛保持水平。

‧ 針對人臉的兩側用直方圖均衡化：可以增強影像中的對比度，可以改善過曝的影像或是曝光不足的問題，更有效地顯示與取得人臉目標的特徵點。

‧ 影像平滑化：影像在傳遞的過程中若受到通道、劣質取樣系統或是受到其他干擾導致影像變得粗糙，藉由使用圖形平滑處理，可以減少影像中的鋸齒效應和雜訊。

人臉特徵摘取

關於人臉特徵摘取，相關的技術說明如下：

‧ 歐式距離：人臉辨識是一個監督式學習，利用建立好的人臉模型，將測試資料和訓練資料進行匹配，最直觀的方式就是利用歐式距離來計算所有測試資料與訓練資料之間的距離，選擇差距最小者的影像作為辨識結果。由於人臉資料過於複雜，且需要大量的訓練集資料與測試集資料，會導致計算量過大，使辨識的速度過於緩慢，因此需要透過主成分分析法（Principal Components Analysis，PCA）來解決此問題。

‧ 主成分分析法：主成分分析法為統計學中的方法，目的是將大量且複雜的人臉資料進行降維，只保留影像中的主成分，即為影像中的關鍵像素，以在維持精確度的前提下加快辨識的速度。先將原本的二維影像資料每列資料減掉平均值，並計算協方差矩陣且取得特徵值與特徵向量，接著將訓練集與測試集的資料進行降維，讓新的像素矩陣中只保留主成分，最後則將降維後的測試資料與訓練資料做匹配，選擇距離最近者為辨識的結果。由於影像資料經過了降維的步驟，因此人臉辨識的速度將會大幅度地提升。

‧ 卷積神經網路：卷積神經網路（Convolutional Neural Network，CNN）是一種神經網路的架構，在影像辨識、人臉辨識至自駕車領域中都被廣泛運用，是深度學習（Deep Learning）中重要的一部分。主要的目的是透過濾波器對影像進行卷積、池化運算，藉此來提取圖片的特徵，並進行分類、辨識、訓練模型等作業。在人臉辨識的應用中，首先會輸入人臉的影像，再透過CNN從影像提取像素特徵並轉換成特定形式輸出，並用輸出的資料集進行訓練、辨識等等。

何謂酒精鎖

酒精鎖（圖5）是一種裝置在車輛載體中的配備，讓駕駛人必須在汽車發動前進行酒測，通過後才能將車輛發動。且每隔45分鐘至60分鐘會發出要求，讓駕駛人在時間內再次進行檢測。

根據歐盟經驗，提高罰款金額以及吊銷駕照只有在短期實施有效，只有勸阻的效果，若在執法上不夠嚴謹，被吊照者會轉變成無照駕駛，因此防止酒駕最有效的方法就是強制讓駕駛人無法上路，這就是「酒精鎖」的設計精神。

在本國2020年3月1日起酒駕新制通過後，針對酒駕犯有了更明確且更嚴厲的規定，在酒駕被吊銷駕照者重考後，一年內車輛要裝酒精鎖，未通過酒測者無法啟動，且必須上15小時的教育訓練才能重考，若酒駕累犯三次，要接受酒癮評估治療滿一年、十二次才能重考。

許多民眾對於「酒精鎖」議論紛紛，懷疑是否會發生找其他人代吹酒精鎖的疑慮，為防範此問題，酒精鎖在啟動後的五分鐘內重新進行吹氣，且汽車在行駛期間的每45至60分鐘內，便會隨機要求駕駛重新進行酒測，如果沒有通過測量或是沒有測量，整合在汽車智慧顯示面板的酒精鎖便會發出警告，並勸告駕駛停止駕車。

對於酒精鎖的實施，目前無法完全普及到每一台車子，而且對於沒有飲酒習慣的民眾而言，根本是多此一舉，反而增加不少麻煩給駕駛。若還有每45～60分鐘的隨機檢測，會導致多輛汽車必須臨時停靠路邊進行檢測，可能加劇汽車違規停車的發生頻率。

認識區塊鏈

區塊鏈技術是一種不依賴於第三方，透過分散式節點（Peer to Peer，P2P）來進行網路數據的存儲、交易與驗證的技術方法。本質上就是一個去中心化的資料庫，任何人在任何時間都可以依照相同的技術標準將訊息打包成區塊並串上區塊鏈，而這些被串上區塊鏈的區塊無法再被更改。區塊鏈技術主要依靠了密碼學與HASH來保護訊息安全，也是賦予區塊鏈技術具有高安全性、不可篡改性以及去中心化的關鍵。區塊鏈相關概念，如圖6所示。

區塊鏈的原理與特性

可以將區塊鏈想像成是一個大型公開帳本，網路上的每個節點都擁有完整的帳本備份，當產生一筆交易時，會將這筆交易廣播到各個節點，而每個節點會將未驗證的交易HASH值收集至區塊內。接著，每個節點進行工作量證明，選取計算最快的節點進行這些交易的驗證，完成後會把區塊廣播給到其他節點，其他節點會再度確認區塊中包含的交易是否有效，驗證過後才會接受區塊並串上區塊鏈，此時就無法再將資料進行篡改。

關於區塊鏈的特性，可分成以下四部分做說明：

1. 去中心化：區塊鏈其中一個最重要的核心宗旨，就是「去中心化」，區塊鏈採用分散式的點對點傳輸，該概念架構中，節點與節點之中沒有所謂的中心，所有的操作都部署在分散式的節點中，而無須部署在中心化機構的伺服器，一筆交易或資料的傳輸不再需要第三方的介入，因此又可以說每個節點就是所謂的「中心」。這樣的結構也加強了區塊鏈的穩定性，不會因為其中的部分節點故障而癱瘓整個區塊鏈的結構。

2. 不可篡改性：透過密碼學與雜湊函數的運用來將資料打包成區塊並上鏈，所有區塊都有屬於它的時間戳記，並依照時間順序排序，而所有節點的帳本資料中又記錄了完整的歷史內容，讓區塊鏈無法進行更改或是更改成本很高，因此使區塊鏈具備「不可篡改性」，並且同時確保了資料的完整性、安全性以及真實性。

3. 可追溯性：區塊鏈是一種鏈式的資料結構，鏈上的訊息區塊依照時間的順序環環相扣，這便使得區塊鏈具有可追溯的特性。可追本溯源的特性適用在廣泛的領域中，如供應鏈、版權保護、醫療、學歷認證等。區塊鏈就如同記帳帳本一般，每筆交易記錄著時間和訊息內容，若要進行資料的更改，則會視為一筆新的交易，且舊的紀錄仍會存在無法更動，因此仍可依照過去的交易事件進行追溯。

4. 匿名性：在去中心化的結構下，節點與節點之間不分主從關係，且每個節點中都擁有一本完整的帳本，因此區塊鏈系統是公開透明的。此時，個人資料與訊息內容的隱私就非常重要，區塊鏈技術運用了HASH運算、非對稱式加密與數位簽章等其他密碼學技術，讓節點資料在完全開放的情況下，也能保護隱私以及用戶的匿名性。

區塊鏈與酒精鎖

由於區塊鏈的技術具備去中心化、記錄時間以及不可篡改的特性，且更加強酒精鎖的檢測需要身分驗證的保證性。當進行酒精鎖檢測解鎖時，系統記錄駕駛人吹氣時間以及車輛的相關資訊，還有人臉特徵資料打包成區塊並串上區塊鏈。因此，在同一時間當監控系統偵測到當前駕駛人與吹氣人不同時，此時區塊鏈中所記錄的資料便能成為一個強而有力的依據，同時也能讓其他的違規或違法事件可以更容易進行追溯。

酒駕防偽人臉辨識系統介紹

為了解決酒精鎖發生駕駛人代測的問題，酒精鎖產品應導入具有身分驗證性的人臉辨識技術。酒駕防偽人臉辨識系統即為駕駛人在進行酒精鎖解鎖時，要同時進行人臉辨識，來確保駕駛人與吹氣人為同一人。

在駕駛座前方的位置會安裝攝影鏡頭，作為駕駛的監控裝置。進行酒測吹氣的人臉資料將會輸入到該系統中的資料庫儲存，並將人臉資料以及酒測的時間戳記打包成區塊串上區塊鏈，當汽車已經駛動時，攝影鏡頭將會將當前駕駛人畫面傳回系統進行人臉比對驗證。如果驗證成功，會將通過的紀錄與時間戳一同上傳至區塊鏈，若是系統偵測到駕駛人與吹氣人為不同對象，系統將發出警示要求駕駛停車並重新進行檢測，並同時將此次異常的情況進行記錄上傳到區塊鏈中。

如果駕駛持續不遵循系統指示仍持續行駛，該系統會將區塊鏈的紀錄傳送回給開罰的相關單位，並同時發出警報以告知附近用路人該車輛處於異常情況，應先行迴避。且該車輛於熄火後，酒精鎖會將車輛上鎖，必須聯絡酒精鎖廠商或酒精鎖服務中心才能解鎖。相關的系統概念流程圖，如圖7所示。

區塊鏈打包上鏈模擬

在進行酒測解鎖完畢以及進行人臉資料儲存後，會透過CNN將影像轉換輸出成128維的特徵向量作為人臉資料的測量值，接著將128個人臉特徵向量資料取出，並隨著車輛資訊一起打包到同一個區塊，然後串上區塊鏈。取出的人臉特徵資料，如圖8所示。

要打包成區塊和上鏈的內容，包括了人臉特徵資料、車牌號碼、酒測解鎖時間點等相關輔助資料，接著透過雜湊函數將相關的資料打包成區塊。以車牌號碼ABC-1234為例，圖9顯示將車輛資料和人臉資料進行區塊鏈的打包，並進行HASH運算。

將人臉資料和車輛相關資料作為一次的交易內容，並打包區塊，經過HASH後的結果如圖10所示，其中prev_hash屬性代表鏈結串列指向前一筆資料，由於這是實作模擬情境，並無上一筆資料，其中messages屬性代表內容數，一筆代表車牌資料，另一筆則為人臉資料。time屬性則代表區塊上鏈的時間點，代表車輛解鎖的時間點。

情境演練說明

話說小禛是一間企業的上班族，平時以開車為上下班的交通工具，他的汽車配置了酒駕防偽影像辨識系統，以下模擬小禛下班後準備開車的情境。

已經下班的小禛今天打算從公司開車回家，當小禛上車準備發動車子時，他必須先拿起安裝在車上的酒測器進行吹氣，並將臉對準攝影鏡頭讓系統取得小禛的人臉影像。小禛在汽車發動前的人臉影像，如圖11所示。

待攝影鏡頭偵測到小禛的人臉後，接著系統便會擷取臉上五官的68個特徵點，如圖12所示。然後，相關數據再透過CNN轉換輸出成128維的特徵向量作為人臉資料的測量值，如圖13所示。

酒精鎖通過解鎖後，車輛隨之發動，解鎖成功的時間點將會記錄成時間戳記，隨著影像與相關資料串上區塊鏈。在行駛途中，設置在駕駛座前方的鏡頭將擷取目前駕駛的人臉，以取得駕駛人的128維人臉特徵向量測量值，並且與汽車發動前所存入的人臉資料進行比對，藉以判斷目前的駕駛人與剛才的吹氣人臉是否為同一位駕駛。當驗證通過後，也會再將通過的紀錄與時間戳上傳至區塊鏈中，如此一來，區塊鏈的訊息內容便完整記載了這一次駕車的紀錄，檢測通過的示意圖如圖14所示。

系統通過辨識後，便確認了駕駛人的身分與吹氣人一致。且透過時戳的紀錄和區塊鏈的輔助，也確保了駕駛的不可否認性。若有其他違規事件發生時，區塊鏈的紀錄便成為一個強而有力的依據來進行追溯。

如此一來，便可以預防小禛喝酒卻找其他人代吹酒測器的情況發生。在駕駛的途中，如果有需要更換駕駛人，必須待車輛靜止時，從車載系統發出更換駕駛要求，再重新進行酒測以及重複上述流程，才可以更換駕駛人。如果沒有按照該流程更換駕駛，系統將視為異常情況。

結語

酒駕一直是全球性的問題，將有高機率導致重大交通事故，造成人員傷亡、家庭破碎，進而醞釀後續更多的社會問題，皆是酒駕所引發的不良效益。為了解決酒駕的問題，各個國家都有不同的酒駕標準或是法律規範，但是大部分國家的規範和制度都只有嚇阻作用卻無法完全遏止。在不同的國家防止酒駕的方式不盡相同，有的國家如新加坡，透過監禁及鞭刑來遏止酒駕犯，又或者是薩爾瓦多，當發現酒駕直接判定死刑，這樣的制度雖嚇阻力極強，但是若讓其他國家也跟進，會造成違憲或是違反人權等問題。因此，各國都在酒駕的問題方面紛紛投入研究，想要達到零酒駕的社會。

為達成此理想，本文介紹了基於區塊鏈的酒駕防偽辨識系統，利用酒精鎖搭配人臉辨識技術以及區塊鏈技術，使有飲酒的駕駛人無法發動汽車。且該系統搭載在行車電腦中，結合攝影鏡頭的監控對駕駛進行酒測防制管理，將人臉資料、酒精鎖、解鎖時間點與相關資訊打包成區塊並上鏈。基於區塊鏈技術內容的不易篡改，可加強駕駛人的不可否認性，當汽車發生異常情況時，便能利用有效且可靠的依據進行追溯。人工智慧和物聯網時代已經來臨，透過酒駕防偽辨識系統來改善酒駕問題，在未來能夠普及並結合法規，智慧汽車以及智慧科技的應用將會帶給人們更安全、更便利的社會。

附圖：圖1 人臉辨識的步驟。
圖2 人臉特徵點偵測（正臉）。
圖3 人臉特徵點偵測（左側臉）。
圖4 人臉特徵點偵測（右側臉）。
圖5 酒精鎖。 （圖片來源：https://commons.wikimedia.org/wiki/File:Guardian_Interlock_AMS2000_1.jpg with Author: Rsheram）
圖6 區塊鏈分散式節點的概念圖。
圖7 系統概念流程圖。
圖8 取出人臉128維特徵向量。
圖9 儲存車輛相關資料及人臉資料到區塊。
圖10 HASH後及打包成區塊的結果。
圖11 汽車發動前小禛的人臉影像。
圖12 小禛的人臉影像特徵點。
圖13 小禛的人臉特徵向量資料。
圖14 系統通過酒測檢測者與駕駛人為同一人。

資料來源：https://www.netadmin.com.tw/netadmin/zh-tw/technology/CC690F49163E4AAF9FD0E88A157C7B9D

書評｜《我的奮鬥》卡爾．奧韋．克瑙斯高
#耗盡半生尋找一張記憶裡看似具有意義的神祕臉孔
#到頭來發現自己只是長成了一張父親的臉孔

挪威作家卡爾・奧韋・諾斯加德（Karl Ove Knausgård）於2009年至2011年間出版了6部自傳體小說《我的奮鬥》（Min Kamp），主題分別為死亡、愛情、童年、工作、夢想與思考，從生活細節中洞察出深刻反思，以樸實的日常經驗喚起讀者強烈的共鳴，素有「挪威版普魯斯特」之稱。在系列小說完成後，接連獲得挪威文學界最高榮譽布拉哥文學獎、北歐文學獎、德國《世界報》文學獎等許多重量級獎項。

木馬文化 ECUS Publishing House即將陸續出版《我的奮鬥》系列小說，其中《我的奮鬥1：父親的葬禮》是系列初始，作者以父親的死亡作為一切開端，重新憶起了自己的童年，如何在威嚴底下成長，又是如何從中找到破口學會叛逆；及至父母離婚，與父親的關係疏遠，得知父親死訊，回憶上一次談話，進入父親生前的屋子⋯⋯

本文邀請作家 #言叔夏 撰寫書評，從四處流淌散溢，彷彿沒有邊界的絮叨中，揭示了生命本身的肌理其實如同洋蔥，所有看似內核的意義都僅是外皮，層層覆蓋疊加⋯⋯


（引文）小說家懸置目標、無心插柳繞路寫就的《我的奮鬥》卻像一條長路，漫無目的地朝向看不見盡頭的地平線開展。它喻示著那些途中不見遠方、徒有腳下道路的奔跑，每一步既是懸崖，也是最小向量的「奮鬥」，指向生活裡最小單位的掙扎。書中跟隨作者一路所撿拾的，皆盡是他生命裡輾開的卑微碎片──大量無關緊要的細節，無法產生敘事連續性的情節路標……反諷的是，也正是這些缺乏組織與結構的碎片，引領他最終抵達他所懸置的。

────
👉Follow Openbook IG：https://goo.gl/Enkzy3
👉訂閱電子報，收信掌握本刊完整報導：https://lihi1.com/EbuBe

https://www.openbook.org.tw/article/p-64586

喜歡的人記得訂閱~按讚~分享 講義可以由下列粉絲團下載
沈老師全系列連結：
1.沈老師系列1:看數學史學數學 https://www.facebook.com/mathteachershen.tw/
2.沈老師系列2:從生活中學數學 https://www.facebook.com/沈老師系列2從生活中學數學-168331867170490/
3.沈老師系列3:從試題中學數學
https://www.facebook.com/沈老師系列3從定義中學數學-104011327950371/

【摘要】
從拉氏 (Laplace) 轉換的定義開始，然後計算了幾個基本函數的拉氏轉換的結果，並條列了拉氏轉換的重要運算律 (如函數微分、積分或折積以後的轉換公式)，到特殊函數 (如單位脈衝函數，Dirac function) 的拉氏轉換，最後以兩個拉氏轉換再解微分方程上的應用作結

【加入會員】
歡迎加入張旭老師頻道會員
付費定閱支持張旭老師，讓張旭老師能夠拍更多的教學影片
https://www.youtube.com/channel/UCxBv4eDVLoj5XlRKM4iWj9g/join

【會員等級說明】
博士等級：75 元 / 月
- 支持我們拍攝更多教學影片
- 可在 YT 影片留言處或聊天室使用專屬貼圖
- 你的 YT 名稱前面會有專屬會員徽章
- 可觀看會員專屬影片 (張旭老師真實人生挑戰、許願池影片)
- 可加入張旭老師 YT 會員專屬 DC 群

碩士等級：300 元 / 月
- 享有博士等級所有福利
- 每個月可問 6 題高中或大學的數學問題 (沒問完可累積)

學士等級：750 元 / 月
- 享有博士等級所有福利
- 每個月可問 15 題高中或大學的數學問題 (沒問完可累積)
- 可許願希望我們拍攝講解的主題 (高中、大學數學)
- 可免費參加張旭老師線上考衝班 (名額不可轉讓)

家長會等級：1600 元 / 月
- 享有博士等級所有福利
- 沒有解題服務，如需要，得另外購入點數換取服務
- 可許願希望我們拍攝講解的主題 (高中、大學數學)
- 可免費參加張旭老師線上考衝班 (名額可轉讓)
- 可參與頻道經營方案討論
- 可免費獲得張旭老師實體產品
- 可以優惠價報名參加張旭老師所舉辦之活動

股東會等級：3200 元 / 月
- 享有家長會等級所有福利
- 一樣沒有解題服務，如需要，得另外購入點數換取服務
- 本頻道要募資時擁有優先入股權
- 可加入張旭老師商業結盟
- 可參加商業結盟餐會
- 繳滿六個月成為終生會員，之後可解除自動匯款
- 終生會員只需要餐會費用即可持續參加餐會

【勘誤】
2:15:00 分子算錯 是s^2+6s+9 by kuokuo kuo
有任何錯誤歡迎留言告知

【習題】
無

【講義】
無

【附註】
本系列影片僅限 YouTube 會員優先觀看
非會員僅開放「單數集」影片
若想看到所有許願池影片
請加入數學老師張旭 YouTube 會員
加入會員連結 👉 https://reurl.cc/Kj3x7m

【張旭的話】
你好，我是張旭老師
這是我為本頻道會員所專門拍攝的許願池影片
如果你喜歡我的教學影片
歡迎訂閱我的頻道🔔，按讚我的影片👍
並幫我分享給更多正在學大學數學的同學們，謝謝

【學習地圖】
EP01：向量微積分重點整理 (https://youtu.be/x9Z23o_Z5sQ)
EP02：泰勒展開式說明與應用 (https://youtu.be/SByv7fMtMTY)
EP03：級數審斂法統整與習題 (https://youtu.be/qXCdZF8CV7o)
EP04：積分技巧統整 (https://youtu.be/Ioxd9eh6ogE)
EP05：極座標統整與應用 (https://youtu.be/ksy3siNDzH0)
EP06：極限嚴格定義題型 + 讀書方法分享 (https://youtu.be/9ItI09GTtNQ)
EP07：常見的一階微分方程題型及解法 (https://youtu.be/I8CJhA6COjk)
EP08：重製中
EP09：反函數定理與隱函數定理 (https://youtu.be/9CPpcIVLz7c)
EP10：多變數求極值與 Lagrange 乘子法 (https://youtu.be/XsOmQOTzdSA)
EP11：Laplace 轉換 👈 目前在這裡
EP12：Fourier 級數與 Fourier 轉換 (https://youtu.be/85q-2nInw7Y)
EP13：換變數定理與 Jacobian 行列式 (https://youtu.be/7z4ad1I0b7o)
EP14：Cayley-Hamilton 定理 & 極小多項式 (https://youtu.be/9c-lCLV4F0M)
EP15：極限、微分和積分次序交換的條件 (https://youtu.be/QRkGLK7Iw4c)
EP16：機率密度函數 (上) (https://youtu.be/PR1NSAOP_Z0)
EP17：機率密度函數 (下) (https://youtu.be/tDQ3o8uQ_Ks)

持續更新中...

【版權宣告】
本影片版權為張旭 (張舜為) 老師所有
嚴禁用於任何商業用途⛔
如果有學校老師在課堂使用我的影片的話
請透過以下聯絡方式通知我讓我知道，謝謝

【張旭老師其他頻道或社群平台】
FB：https://www.facebook.com/changhsu.math
IG：https://www.instagram.com/changhsu.math
Twitch：https://www.twitch.tv/changhsu_math
Bilibili：https://space.bilibili.com/521685904

【其他贊助管道】
歐付寶：https://payment.opay.tw/Broadcaster/Donate/E1FDE508D6051EA8425A8483ED27DB5F (台灣境內用這個)
綠界：https://p.ecpay.com.tw/B3A1E (台灣境外用這個)

#拉氏轉換 #拉氏反轉換 #解微分方程

我是JC老師

電腦相關課程授課超過6000小時的一位 Photoshop 課程講師
由於實在太多同學像我反映希望可以有線上課程學習
所以就決定錄製一系列的 Photoshop 線上影片教學
而且不加密、不設限、不販售，就是純分享
希望可以幫助到有需要的朋友們

這系列 Photoshop 教學影片
是由初學到深入，專為初學者設計
後半部進階內容與範例並非一般商業用途
而是針對 Photoshop 與 3ds Max 之間的整合教學
包含無縫貼圖製作、建築合成調色、室內設計合成調色、遊戲貼圖製作方面

如果這部影片對你有幫助的話，請幫我按個讚，給我點鼓勵
也多分享給需要的朋友們喔~

Photoshop CC 2020 線上教學影片目錄：http://bitly.com/2u0WwWG
Photoshop CC 2020 線上教學影片範例下載：http://bitly.com/2FTNygJ
JC-Design 網站：http://jc-d.net/
JC-Design 粉絲團：https://www.facebook.com/jcdesigntw/
JC-Design LINE ID：@umd7274k

---------------------------------------------------------------------------------------------------

解析度
　● DPI (Dot Per Inch) 指的是一英寸中有幾個像素
　　▲ 解析度的大小關係到影像的清析與否，一般電腦螢幕的解析度為72DPI，搭配高階一點的顯示卡則可到96DPI。如果是要印刷用的影像檔案，則至少要300DPI 以上才不會有馬賽克的模糊現像產生。若是要使用在網頁上的影像檔案，則只要72DPI 就足夠了。
　　▲ 影像的解析度會影響列印時，影像的列印品質及大小，但不會影響它在螢幕上所呈現的品質。而且，影像解析度是可以透過 PhotoImpact 、 PhotoShop 、 PaintShop Pro… 等影像處理軟體加以改變！
　● 每英寸像素，ppi 或 PPI （Pixels Per Inch）
　　▲ 像素密度(pixel density)單位，即每英寸的長度中所具有的像素。由解析度中X或Y軸的數字除以該軸的長度(英寸)，可得該軸的像素每英寸密度。一般的像素是方形或接近方形，X與Y軸像素密度相同，但也有不相同的顯示器。
　　▲ 掃描圖片時的度量單位：掃描圖片時，我們在原稿的每一英吋範圍內要產生多少畫素值pixel，經過掃描後，同一張原稿，它的 ppi 值越大時，所得到的圖像也越大，通常我們在掃描時，對於較大的正片或圖像，可以採用較大的 ppi 值，對較小的正片或照片採用較小的 ppi 值，ppi 與 dpi 是不同的！

介紹常見影像格式（BMP、GIF、JPEG、PNG、向量圖）
　● BMP：Windows的標準影像格式，支援RGB、索引色、灰階和點陣色彩模式。
　● GIF：翻譯為圖形交換格式，是一種LZW壓縮格式，設計用於最小化檔案大小和電子傳輸時間。優點為可以做動畫和透明背景圖，缺點是色彩數少，只支援256色、易失真。
　● JPEG：是利用離散餘弦轉換壓縮技術來儲存靜態影像的檔案格式。支援CMYK、RGB、灰階色彩模式，不同於GIF的是JPEG會保留RGB影像中的所有色彩資訊，但會選擇性的丟棄資料以壓縮檔案容量，是一種破壞性的壓縮。
　● PNG：是免專利的一種替代GIF的圖形格式，支援灰階、含Alpha的RGB色彩、點陣圖、無含Alpha的RGB色彩模式，利用Alpha色版來定義檔案中的透明度，所以可以產生無鋸齒邊緣的背景透明圖。
　● 向量圖：以數學函式來描述螢幕上的圖形、色彩，就算是改變圖形的外觀，也只是改變了數學函式的某些參數值，讓電腦重新計算而已，因此不會有點陣圖失真和鋸齒狀的情形發聲，而且因為只是記錄數學函式的參數值，所以檔案遠小於點陣圖。

---------------------------------------------------------------------------------------------------

==延伸線上教學聯結==
Photoshop CC 2017 線上教學影片目錄：http://bit.ly/2A9PH3B
3ds Max 2015 線上教學影片目錄：http://bitly.com/2dUGqn3
AutoCAD 2015 2D 線上教學影片目錄：http://bitly.com/2dUGm6Y
TQC AutoCAD 2008 2D 線上教學影片目錄：http://bitly.com/2dUGQtB