【OpenVINO™教學】土炮體感控制系統

【體感互動時代興起】

2006年11月任天堂推出新一代電玩主機「Wii」，同時搭配具有「重力感測器（或稱線性加速度計）」的搖桿，讓玩電動不再只有香菇頭和按鍵，而是可以透過揮動手把來體驗更仿真的運動類遊戲，如網球、桌球等，從此開啟「體感遊戲」新世代。雖然後續有更多廠商加入，甚至加入了陀螺儀（或稱角加速度器）來偵測手把轉動角度、速度，還有利用地磁感測器來感知玩家面對的方向使得體感遊戲更加逼真，但玩家對於手上握著的那個手把仍感到有些累贅。

2010年11月微軟為了挽救Xbox360的銷售業績推出了「Kinect」，這項劃時代的產品讓玩家從此拋開手把，只需擺動肢體就能操作遊戲中的虛擬人物或物件。這項技術主要結合了一個紅外線雷射發射器（產生光斑）、一個紅外線攝影機及一個普通的彩色攝影機，經過複雜計算後就能得出場景中各項物件的深度（距離）資訊，進而分析出玩家的骨架（頭、手、腳）位置及姿勢，如此即可精準控制遊戲的進行。也正因有這項便宜（約六千多台幣）又好用的工具誕生，且可同時偵測多人（最多六人）的動作，所以有更多的互動遊戲及應用裝置產生。雖然後來微軟及其它廠商陸續推出改良產品，並將市場延伸至簡易型3D物件及室內環境掃描用途，隨著風潮淡去，2017年微軟已正式停止生產這項產品。

好姨說：「為什麼？為什麼？為什麼讓我用到一套這麼好用的體感互動工具，以後我用不到怎麼辦？」（星爺食神經典橋段），各位看倌請不用擔心，我幫大家找到了一個解決方案，只要用使用一組網路攝影機加上Inetl的OpenVINO開源軟體套件包中的human-pose-estimation預訓練模型就可以辦到了。星爺說：「只要有OpenVINO，人人都可是互動之神」。對！你沒聽錯，連Kinect這樣的深度感測器都不用，不管你是用CPU, GPU, VPU (神經運算棒)都可以一次搞定。

Fig. 1 食神橋段 vs. OpenVINO人體姿態估測模型執行結果 (OmniXRI整理繪製) (點擊圖片放大)

【課程簡報分享】Intel RealSense Dev Meetup#1_3D感測可行技術與開發工具剖析

很高興今天(2019/9/19)受Intel和MakerPro邀約參加「Intel RealSense Dev Meetup#1 3D感測新視界─技術前瞻與實務」並和大家分享「3D感測可行技術與開發工具剖析」。此次簡報主要就下列內容進行分享。

深度(3D)感測器發展史、3D感測技術簡介（被動式、主動式、類3D感測、Intel RealSense家族）、3D資料型態（深度圖、 點雲）、3D感測開發工具（OpenCV / PCL、RealSense SDK、RealSense自帶範例）、3D感測應用領域、3D感測應用實例（智慧農業─採收機器人）

此次分享時間較短，所以如有不清楚或想更進一步了解的朋友，歡迎在下方留言互動。（點擊圖片放大）

【OpenVINO™教學】土炮影像實例分割型智慧監控系統

人工智慧與安全監控

近幾年「人工智慧（AI）」相關技術已逐漸進入大家的生活中，不論食衣住行、各行各業只要加上「智慧（智能）」二字馬上就變得厲害起來，而想要實現這些，主要得靠「算力」、「算法」、「資料集」及「領域知識」等四大領域技術的完美整合。幸運地是隨著軟、硬體技術日益成熟及價格快速下降加上開放資料集及預先訓練好的深度學習模型的普及，如今創客（Maker）們想自己動手做（土炮）一些具有人工智慧的創意作品已不再是遙不可及。

去（2018）年五月英特爾（Intel）推出一項免費、跨硬體（CPU、 GPU、FPGA、VPU）、跨深度學習框架（如TensorFlow, Caffe, Mxnet, ONNX等）的開放電腦視覺推論及神經網路（深度學習）優化工具包OpenVINO （Open Visual Inference & Neural Network Optimization Toolkit）後便受到許多關注。小弟當然也不免俗的操作了一波，利用它預訓練好的影像語義分割（Semantic Segmentation）模型進行操作，還寫了一篇「運用 Intel OpenVINO 土炮自駕車視覺系統」[1]分享給大家並獲得不少迴響，所以今年想再接再厲更深入探究還有那些玩法，於是挑選了影像「實例分割（Instance Segmentation）」這項技術來實現「智慧監控系統」。

Fig. 1 (a)影像分類；(b)物件偵測；(c)語義分割；(d)實例分割；[2] (e)實例分割型監控系統[3]。 (OmniXRI整理繪製) (點擊圖片放大)