Ai

1. AI 疾管家
大規模防疫下-
罩遮人臉辨識應用
17AI，在一起
AM083009安慶生、AM083045邵國智、AM083084陳映孜、AM083123廖釵秀
AM083129劉昌邦、AM083136蔣維樹、AM083145蕭明城、AM083168李治宏
1
1

2. 資料來源：Coronavirus COVID-19 Global Cases by the Center for Systems
Science and Engineering (CSSE) at Johns Hopkins University (JHU).
(2020/03/21)。
2
COVID-19擴散全球，死亡數不斷攀升
自2020/02/27升級一級開設，指揮官可以：醫
院徵用隔離收治、檢疫量能擴充、新藥或新疫苗
快速進口，協調警力助防疫維護、督導各級學校
配合停課措施、交通工具徵用、必要時軍力支援
、大量遺體處理等超前部署作業。資料來源：三
立新聞(2020/02/27)。
中央流行疫情指揮中心
升級一級開設
Why？ 「AI 疾管家」專題
係協助政府進行大規模防疫設計

3. 3
「AI 疾管家」啓動之3大核心
必要性
合法性
專業性
1
2
3圖片來源：鏡週刊(2020/02/27)。
海關係防疫最重要關卡
境外移入比例占78%
資料來源：中央重重流行疫情指揮
中心 (2020/03/21)。
33 ＋120 ＝ 153
本土病例 境外移入病例 總確診人數

4. 1.必要性：確診數上升帶來社會恐慌
既有架構上進行罩遮人臉辨識運用
4
A.悍衛國家公共衛生安全
• 台灣並未加入WHO，更需自立自強。
• 透過AI檢疫監控，將可減少人員不足和奔波壓力，解決防疫追蹤的漏洞。
B.降低病毒大量傳播風險
• 確診案例破100後，台股市值蒸發3兆，出現民生物資搶購潮恐慌。
• 物競天擇後的病原體，易造成人體防禦失效，未來病毒愈趨多元、傳播愈趨快速。
C.於政府既有架構上延伸
• 政府已實施：海關人臉辨識、健保卡勾稽移民署資料、入境健康聲明暨居家檢疫通知書等機制。

5. 2.合法性：無需修法，依傳染病防治法
實施感染風險民眾追蹤管理機制
資料來源：中央流行疫情指揮中心 (2020/03/17)。
5

6. 3.專業性：馬偕醫院係醫學中心核心 ＋
台灣人工智慧學校最懂業界需求
6
馬偕醫院
感染管制中心劉昌邦主任
資歷豐富、善盡社會責任
台灣人工智慧學校
執行長陳昇瑋
帶領台灣產業，搶得AI 時代先機
資料來源：玉見雜誌P74(2015/09)。
資料來源：台灣人工智慧學校(2020/03/21)。

7. 7
Where？資料來源
學習罩遮人臉圖像比對入境人臉圖像
項目 實際來源 專題模擬來源 備註
入境
人臉圖像
內政部
移民署
The AFAD Dataset
https://afad-dataset.github.io
15萬張以上亞洲男女人臉圖像，含：訓練、測
試、驗證資料
罩遮
人臉圖像
內政部
警政署
Medical Masks Dataset
https://www.kaggle.com/vtech6/medical-
masks-dataset
3,000張人臉圖像，共3種標記：
Good：戴好口罩 3,129個
None：露出鼻孔沒戴好口罩126個
Bad：沒戴口罩667個

8. 8
1.前期處理
步驟1
• 收集疫區旅遊
史入境人臉圖
像圖
步驟2
• 建立疫區旅遊
史口罩人臉圖
像資料庫
步驟3
• 進行截取辨識
透過遮罩矩陣調整圖像區域強度
產生同一人之口罩圖像

9. 罩遮人臉系統類別 性質 技術特點
代駕服務 乘客安全 辨識駕駛人圖像
住家門禁 社區管理 辨識住戶圖像
公司門禁 出勤管理 辨識員工圖像與體溫
AI疫管家
國家公共衛生安全
大規模防疫管理
辨識具疫區旅遊史之人臉圖像
即時監測，全視角解決防疫漏洞
9
2.競爭者分析
代駕服務 住家門禁 公司門禁

10. 10
How？專案架構和方法(待提供第2版)

11. 11
方法1(待提供第2版)

12. 12
方法2(待提供第2版)

13. 13
成果1(待提供第2版)

14. 14
成果2(待提供第2版)

15. 15
結論(待提供第2版)

16. 16
警政署：罩遮人臉圖像
Rf: Occlusion Robust Face Recognition Based on Mask Learning With Pairwise Differential Siamese Network. Provided by the Computer Vision
Foundation(P5 in open access version, August, 2019).
What？罩遮人臉辨識應用
Pairwise Differential Siamese Network
移民署：入境人臉圖像

17. 系統預測
實際狀況
防疫期間入境 非防疫期間入境
防疫期間入境
Correct
True Positive
需居家檢疫
Type I Error
False Positive
不需居家檢疫
非防疫期間入境
Type II Error
False Negative
不需居家檢疫
Correct
True Negative
不需居家檢疫
17
4種情況：
1.人員是防疫期間入境者，系統正確識別：需居家檢疫
2.人員是防疫期間入境者，系統錯誤識別：不需居家檢疫(最需避免此錯誤，將Recall數值拉高)
3.人員非防疫期間入境者，系統正確識別：不需居家檢疫
4.人員非防疫期間入境者，系統錯誤識別：不需居家檢疫
1.預測結果
二元混淆矩陣(Confusion matrix)

18. 2.結果驗證
Precision-recall curve
1.由於防疫係現今全球之重大議題，意即誤判所付
出的整體社會成本相對高之下，採「寧可錯殺，不
可 錯 放 」 策 略 ， 需 拉 高 Recall( 召 回 率 )
= TP/(TP+FN)。
(1 , 1)完美預測
18
2.但又不能過於寬鬆，以致於錯誤預測過多形成擾民；可
調降Threshold門檻，並透過調和平均數F1−score
= Precision × Recall / 2 × (Precision + Recall)形成較佳
模型

19. Who? 商業模式圖
19
• 大規模防疫
• 自移民署取得居家
隔離、檢疫者資料
• 協助政府檢疫監控• 衛生福利部：
(1)疾病管制署
(2)流行疫情指揮中心
(3)中央健康保險署
• 內政部：移民署
• 馬階醫院
• 台灣人工智慧學校
• 醫療院所
• 民政單位
• 衛政單位
• 轄區警察
「AI疾管家」提供：
1.即時檢疫監控，防堵
隱匿引起大型病毒傳播
2.突破罩遮人臉辨識，
全視角解決防疫漏洞
3. 延伸身份核銷功能，
方便通行管理和防疫物
資管控 (未來)
• 醫療院所
• 民政單位
• 衛政單位
• 轄區警察
• 交通樞紐(未來)
• 商辦大樓(未來)
由台灣人工智慧學校提供AI服務，於流行疫情指揮中心既有平台
上應用。
1.AI服務成本(含：軟硬體、傳輸、樹莓派、專案人力等)。
2.監控基礎設備成本(含：攝影機、紅外線熱顯像儀等)
，由需求單位自行配置。
1. 台灣人工智慧學校參與政府防疫之無價品牌形象，和未來
平台延伸AI應用的潛在商機。
2. AI服務收入(含：一次性建置、月租)。
3. 未來延伸收入(含：企業防疫門禁、社區進出管制、媒合服
務，如：居家關懷、外送、垃圾清運等)。

20. 未來延伸-大樓門禁防疫
(配合Part4提供第2版)
 進出大樓門禁時，納入健保卡警示及黑名單資訊，以杜絕防疫漏洞，例如案54, 有日本
和泰國旅遊史，卻欺瞞而造成辦公大樓的防疫危機…
健保卡
20

21. 21
❤️
❤️