Browsing by Author "曾永權"

Filter results by typing the first few letters
Now showing 1 - 2 of 2
  • No Thumbnail Available
    Item
    以深度學習為基礎之視覺式行人危及行車安全程度評估系統
    (2021) 曾永權; Tseng, Yung-Chuan
    交通工具的進步使往返各地越來越方便，但也帶來許多交通事故。根據台灣內政部統計年報[4]統計，諸多交通事故造成台灣每年數十萬人傷亡，其中又以道路上弱勢行人受到的傷害為大。故本研究提出以深度學習為基礎之視覺式行人危及行車安全程度評估系統。該系統利用行車紀錄器影片作為輸入，用於主動式安全駕駛輔助，辨識行人危及行車安全程度，提前警告駕駛注意行人，希望能藉此降低車禍事故發生。本研究首先對行人危及行車安全程度進行分析以及定義，將行人危及行車安全程度依據行人與攝影機距離、行人在影像中位置、行人面朝方位、行人是否移動、是否逆光5種條件分為14種情況，並將這14種情況對應到安全、低危險、中危險、高危險共4種類別。之後，本系統使用YOLOv4類神經網路模型作為骨架，進行YOLOv4的組合測試，並以前、後處理的方式進行改良。本研究最終提出Single YOLOv4、Two-stage Training YOLOv4以及Parallel YOLOv4三種流程。Single YOLOv4直接以行人危及行車安全程度進行訓練，預測時加入後處理方法刪除過度重疊的預測框。Two-stage Training YOLOv4先針對影像中「人」進行訓練，再利用此權重學習行人危及行車安全程度，預測時利用第二階段學習到的權重進行預測並刪除過度重疊的預測框。Parallel YOLOv4訓練及測試時採用兩個YOLOv4，一YOLOv4以「人」進行訓練，一YOLOv4以行人危及行車安全程度進行訓練，預測時將兩個YOLOv4各自過度重疊的預測框刪除後合併預測結果。本研究使用的測試資料庫之影片皆為作者親自拍攝，拍攝地區為新北市中永和地區，命名為Pedestrian-Endanger-Driving-Safety Evaluation Dataset。本研究所開發的行人危及行車安全程度系統將輸出一段影片，影片中含有行人的預測框，預測框上方有預測之危及行車安全程度，並根據4種不同危及行車安全類別，給予每個預測框不同顏色，用於區分危及行車安全程度。本系統以F1-measure作為正確率評估方式，最終獲得71.2%的正確率。
  • No Thumbnail Available
    Item
    融入體驗學習的健康飲食課程介入研究–以國小學童為對象
    (2024) 曾永權; ZENG, Yong-Cyuan
    本研究設計及實施一系列融入體驗學習的健康飲食課程，以新北市國小高年級學童為對象，評價此介入對於學童健康飲食知識、態度及行為之影響。採準實驗設計，介入組37人，對照組41人。研究期間為1個月共4堂課，介入組接受的課程為體驗學習的教學模組，以學習單進行反思和分享，對照組則採用講述及問答教學法。本研究使用t檢定以及廣義估計方程式進行推論統計，研究結果顯示，體驗學習之健康飲食知識前後測顯著提升，而健康飲食態度後測優於前測；講述及問答教學法之健康飲食知識、態度前後測皆顯著提升，根據廣義估計方程式進行推論統計，體驗學習課程與講述式教學在提升學生健康知識、態度及行為，兩者未有顯著差異。未來教學建議拉長體驗學習授課的時間與節數。且健康飲食可透過體驗學習或是講述式搭配問答方式進行教學，有助於學生提升健康飲食知識及態度等結果。