| 作品介紹 |
當災害發生時要搜尋受困人員，目前主要採用直升機進行高空大範圍的搜尋，再搭配大量的人力進行地毯式搜索的方式。然而，這種搜救方法會耗費相當大的社會資源，在人力有限的狀況下也常常因災害範圍過大導致無法把握在黃金72小時內搶救到疑似受困人員，也會同時讓搜救人員處於危險環境之中。在這個作品中，我們將提出一個基於AI邊緣之智慧搜救系統。在第一階段無人機群將於空中進行大規模的搜尋，利用卷積神經網路(Convolutional Neural Network, CNN)對即時影像進行人形物件偵測，並融合紅外線熱成像影像來降低遮蔽物和夜晚光線不足造成的問題，當偵測到疑似受困者則會察看影像中高溫區域是否超過一定比例，若是則回傳GPS資訊。然而，空中偵測很容易因距離關係而造成誤判，因此在第二階段將採用多足機器人進行地面偵測，除了同樣利用CNN進行人形偵測外，進一步透過人聲和人體紅外線感測器等綜合進行判斷，用以提高偵測時的正確率。在第三階段，搜救人員利用行動裝置連接到後端計算平台得知受困人員具體位置，並可以遠端控制多足機器人並經由其攝影機的即時影像了解受困人員目前的狀態，來決定需攜帶哪些工具前往救援。透過這樣智慧化機制，將可以大幅減少搜尋的時間，提供搜救人員精確的資訊，以增加搜救時的效率。 |