• 學位論文

以管線化GHA電路實作棘波分類之硬體架構設計

本論文針對快速棘波分類設計了一套專用的架構，並於硬體中實現此架構。本論文採用Generalized Hebbian Algorithm (GHA) 來擷取棘波的特徵值，搭配Fuzzy C-Means (FCM) 演算法將擷取到的棘波特徵值進行分類。GHA演算法可高速計算主成分特徵值供後續分群演算法進行運算。同時，利用FCM演算法對於初始質心選取好壞不敏感的特性可獲得較佳的分類結果。為了加速執行時間與運算速度，針對GHA架構進行了管線化設計，使各單元運算能併行運作，提升產能輸出，而FCM採用逐步增量計算權重係數與質量中心點，這可以避免原本需要大量儲存空間儲存權重係數矩陣所造成的空間消耗。因此，本論文所提出的架構同時擁有低資源消耗(area cost)與高輸出產能(throughput)的優點。為了驗證本論文所提出的架構有效性，我們於現場可程式邏輯閘陣列 (Field Programmable Gate Array , FPGA) 中實作出本架構，並於嵌入式System-On-Programmable-Chip (SOPC) 平台中進行實際效能量測。實驗結果證明針對棘波分類本論文所提出的架構同時具有低判斷錯誤率、低資源消耗與高速計算的優點。

• 學位論文

基於自動建置的社群網路之電影中的人臉分群研究

傳統基於視覺的低階臉部特徵（Low-Level Face Descriptor）用於人臉分群（Face Clustering）的研究已有局限，主要的困難在於人臉在拍攝角度或亮度有差異的情況下，如何適當地衡量它們之間的相似程度，以避免在執行人臉分群的工作時，將同一個人的人臉影像分至不同人的人臉群集之中。為了解決角度亮度及人臉分群的問題，直覺的做法是需要人力的介入去檢視所有的人臉群集，並手動將相同的人臉群集合併在一起。在本篇論文中，我們提出藉由聯想預測模型（Associate-Predict Model）的方法與社群網路的特徵來解決這兩個問題。我們提出自動的方法，從電影中建立角色間的社群網路，再者，我們獲取社群網路內在所蘊含有意義的社群資訊，將這些資訊用於人臉分群的工作上以提升其準確率。我們實驗證明藉由角色間的社群關係確實可以增進人臉分群及社群網路建置的效能。

• 學位論文

應用於棘波分類之硬體架構實現

本論文針對快速棘波分類設計了一套專用的架構，並於硬體中實現此架構。本論文採用Generalized Hebbian Algorithm (GHA) 來擷取棘波的特徵值，搭配Fuzzy C-Means (FCM) 演算法將擷取到的棘波特徵值進行分類。GHA演算法可高速計算主成分特徵值供後續分群演算法進行運算，同時利用FCM演算法對於初始質心選取好壞不敏感的特性可獲得較佳的分類結果。為了減少硬體資源的消耗，GHA架構中在計算調整不同組權重值時皆共享相同一塊計算電路，而FCM採用逐步增量計算權重係數與質量中心點，這可以避免原本需要大量儲存空間儲存權重係數矩陣所造成的空間消耗。因此，本論文所提出的架構同時擁有低area cost與高輸出產量的優點。為了驗證本論文所提出的架構有效性，我們於現場可程式邏輯閘陣列 (Field Programmable Gate Array , FPGA) 中實作出本架構，並於嵌入式System-On-Programmable-Chip (SOPC) 平台中進行實際效能量測。實驗結果證明針對棘波分類本論文所提出的架構同時具有低判斷錯誤率、低area cost與高速計算的優點。

• 學位論文

使用台北市政府公開資料平台 建構HTML5標準行動裝置網頁服務

在資訊爆發的現在，智慧型手機發展速度遠超過數年前的情況，而平板裝置的戰場也隨之展開廝殺，行動裝置的軟體開發成為業界當中最火紅的趨勢之一，不論是遊戲、資訊提供、產品推銷或是應用加值方面，無不利用軟體作為延伸的方式，提供使用者另一種體驗。 開發行動應用服務，以目前的環境而言，就有如Android、iOS、Windows Phone等數家作業系統可以選擇，但由於環境原生語言的支援各異，使得開發者必須在同一套軟體上，針對不同的系統同時維護多個版本的開發，除了徒增開發及維護成本以外，也必須因應各系統自身的改版，隨時修正軟體內的功能。 本研究利用目前正逐漸成形的HTML5標準，撰寫適用於行動裝置平台上的網路應用程式，由於遵循同一套標準，能大幅減少開發上的成本；而除了善用手持裝置的行動定位優勢外，也整合了Google Maps的地圖平台，實作使用者多人定位等功能，呈現出多彩的地理資訊應用，並利用目前能見度逐漸增加的node.js技術，以JavaScript語言統整伺服器端與使用者端的開發環境，提升開發應用服務的效率。 而台北市政府於2011年開放了公開資料平台的服務，這是政府便民的一種趨勢，本研究也利用此資料平台，強化地理資訊服務的附加功能，透過即時資訊服務的更新，再配合使用者角色的情境變化，獲得適用於各種使用者的生活資訊。

• 學位論文

分群演算法之超大型積體電路架構研究

本論文對於c-平均值(c-means)、競爭式學習(competitive learning)、模糊c-平均值(fuzzy c-means)，以及帶空間約束之模糊c-平均值(fuzzy c-means with spatial constraint)等多種分群演算法分別提出硬體架構。這些架構皆已在場域可程式化閘陣列(Field Programmable Gate Array，FPGA)裝置上實作建構出適用於分群(clustering)的可程式化系統晶片(System on Programmable Chip，SOPC)系統。 由於分割(partitioning)與質心計算(centroid computation)等運算全為管線化運作，故本文所提出的c-平均值架構可同時處理多筆訓練向量(training vector)。查表式除法器(lookup table based divider)則用以減少面積成本及質心計算的延遲。 文中另提出兩種針對k贏家全取(k-winners-take-all，kWTA)操作的硬體實現。第一種架構，經由在小波域(wavelet domain)中執行部分距離搜尋(partial distance search，PDS)來找出關於每一個輸入向量的k個贏家。一種單純利用查表來做計算的硬體除法器則用以構成神經元的更新程序。部分距離搜尋模組及除法器均採取有限精度計算(finite precision calculation)來降低部分距離搜尋及硬體除法器的面積成本。另採用子空間搜尋(subspace search)及多係數累積(multiple-coefficient accumulation)等技巧來降低PDS的運算延遲。第二種則是一個高效率的管線化架構，可同時進行不同訓練向量的kWTA競賽。此管線化架構使用了一個嶄新的碼字交換機制(codeword swapping scheme)，使那些在競賽過程中落敗的神經元可立即投入後續訓練向量的競賽。 文中所提出的模糊c-平均值架構是個高效率的平行計算方案。此架構利用查表式除法來降低計算權重值(membership coefficient)與質心的面積成本及計算複雜度。為了避開龐大的儲存需求，權重矩陣(membership coefficient matrix)及質心的更新，從過去慣用的迭代法，改為合併成單一步驟。這樣的架構還延伸到帶空間約束之模糊c-平均值的實現。並採用查表法來處理開根號運算，以便放寬模糊度(degree of fuzziness)的限制。 實驗結果顯示文中所提出的架構具有成本效益(cost-effective)，且在面對龐大的資料集合及/或眾多的群集數時，較其他軟硬體實現能有更高的加速(speedup)。

• 學位論文

三個變數之硬幣問題之延伸研究

硬幣問題又叫找錢問題或換硬幣問題，是一個十分著名的問題。硬幣問題是求由給定不同幣值的硬幣，其最大不能湊出來的金額。在三個變數下，此問題尚未有通解，但已知在某些情況下有解或是上限值。在2007年吳京達的論文「三個變數之硬幣問題之研究」證明三個變數下最小數為6以下的解。本論文繼續在三個變數的情況做討論，以填表法加上設計程式猜測，證明最小數為7的解規則，猜測最小數為16以下的解規則，並且整理出證明的原則，和實作出部分的機械證明。期望將機械證明完成，破解最小數為16以下的三個變數硬幣問題，未來進一步破解大量三個變數下的硬幣問題。

• 學位論文

基於軌跡辨識技術之人體姿勢自定與分辨研究

鍵盤、滑鼠，是操作電腦不可或缺的設備，而隨著時代的進步，輸入設備不再侷限在此之上，如眼動儀的使用，運用眼球追蹤技術來控制滑鼠；語音輸入、辨識系統，能使較不熟悉鍵盤操作的使用者，能夠利用語音輸入設備達到打字的效果；觸控螢幕，讓手機、電腦的操作在手指滑動間即可達成，這些科技的發明，都讓電腦的操作更為人性化。而本研究係使用的微軟Kinect做為輸入端，讓使用者能自行輸入姿勢後再經本系統進行辨識，讓使用者以最直覺且習慣的方式操作電腦。本系統係以軌跡辨識為基礎，收集Kinect所提供的骨架資訊，再以決策樹的方式對使用者所輸入的姿勢進行儲存、分類與辨識，並在不造成使用者負擔的前提之下，以少量的事前訓練姿勢達到一定的辨識效果。

• 學位論文

基於Histogram of Oriented Gradients之課堂舉手辨識研究

在現今教學環境中，以科技融入教學的e化教室越來越普遍，教師希望可以透過各類的e化工具來了解學生的學習情況。而在種種學生的動作中，舉手是最容易在課堂上與老師互動的，因此本研究提供了學生舉手辨識系統，希望借由該系統讓老師可以即時快速的掌握學生的情況。本研究使用少量攝影機在多人且複雜背景的情況下進行辨識，希望可以降低環境因素的影響。為了達到此一目的，本研究主要分為二個部份：複雜背景人物辨識分割與舉手判斷。 在複雜背景人物辨識與分割部分，使用了k-means clustering與motion的結合，將膚色取出來加上motion資訊能夠完整的抓出人物。在舉手判斷的部份，使用了Histogram of Oriented Gradient(HOG)製作出edge的feature進行舉左手、正常狀態、舉右手的辨識。實驗中也交叉比對了不同人物在場景的辨識、光線影響圖片的辨識。其正確率在同一日當model的情況下平均高達91%，而在不同日的情況下也有7-8成的水準。

• 學位論文

基於高斯混合模型之課堂舉手辨識研究

人體姿勢辨識技術是一項熱門的研究議題，在過去利用影像處理來辨識人體姿勢的辨識系統已經發展一段時間，在學術領域或專業應用上使用這類的辨識系統需要龐大的運算量以及昂貴的設備，使得這類的系統無法普及於一般大眾使用。 因此，在這篇論文中本研究經由偵測與辨識學生舉手的動作設計了一套即時 互動或應用的系統。在假設已知上半身範圍的情況下再針對這個範圍採用連續影像差異法 (temporal differencing)，利用時間上連續的影像做一對一的像素相減，得到一個移動物件的影像，此影像再透過高斯混合模型 (Gaussian Mixture Model)，利用多個高斯函數來描述反覆出現的多種背景值，並透過函數參數值的調適，以適應光線所產生的變化，此目的是為了在複雜的環境中擷取前景 (foreground) 的影像，並使用尺度不變特徵轉換 (Scale-invariant feature transform，SIFT) 擷取特徵，將擷取到的特徵套入支持向量機 (Support Vector Machine，SVM) 對姿勢動作進行辨識。發展此系統的目的在於可以使用方便取得的器材來取代昂貴的設備，使得人體姿勢辨識可以普及於一般大眾所使用。

• 學位論文

自動化演講錄製系統

遠距教學系統可替偏遠地區的孩子達到跟都市孩子一樣的學習條件，所以近年來遠距教學系統正在蓬勃發展中，而錄製乃為遠距較學系統的一個重要環節。我們的目的是建置一套自動化演講錄製系統，有多台ptz網路攝影機拍攝。與傳統遠距教學系統不同的是，我們的系統會擁有兩個顯示畫面，其一是由多台ptz網路攝影機的取景，攝影機的拍攝建立於攝影學的基礎上，鏡頭的切換可使觀看者不易感到無聊，進而增進學習效率。另一顯示畫面為清楚的投影片內容，由於直接透過網路傳輸，觀眾於觀看時不會受到講者阻擋、光影變化等狀況導致模糊不清。 　　本文的系統架構根據實際拍攝場景分成虛擬導播（Virtual director）、虛擬攝影師(Virtual cameraman)、投影片即時取像(Slide capture) 三個部分，虛擬導播一共分為兩個部分，場景分析(Scene analyzer)、時空分析(Spatio-temporal analyzer)。場景分析以場上狀況決定適合切換的鏡頭，並利用有限狀態機來描述自動化演講錄製系統。時空分析使用攝影學的角度分析出三部攝影機當中人眼看起來最具有美感的鏡頭，配合場景分析決策出切換的鏡頭。虛擬攝影師則一共由三個攝影機所構成，拍攝演講者(speaker)、觀眾(audience)、全景(overview)。投影片即時取像則將顯示畫面利用網路傳輸到虛擬導播，並且使用jpeg圖片壓縮法。 　　本文將實作所提出之系統架構，最終輸出畫面為虛擬導播選鏡完後的結果與投影片內容，實現自動化錄製演講系統。