智慧型家庭的開發---子計畫五：智慧型家庭媒體中心(I)

(1)

行政院國家科學委員會專題研究計畫成果報告

智慧型家庭的開發--子計畫五：智慧型家庭媒體中心(I) 研究成果報告(精簡版)

計畫類別：整合型

計畫編號： NSC 96-2221-E-011-147-

執行期間： 96 年 08 月 01 日至 97 年 10 月 31 日執行單位：國立臺灣科技大學電機工程系

計畫主持人：陳建中

計畫參與人員：碩士班研究生-兼任助理人員：吳家彥博士班研究生-兼任助理人員：游函諺博士班研究生-兼任助理人員：蘇俊榮

報告附件：出席國際會議研究心得報告及發表論文

處理方式：本計畫涉及專利或其他智慧財產權，2 年後可公開查詢

中華民國 97 年 10 月 30 日

(2)

行政院國家科學委員會專題研究計畫成果報告

計畫編號： NSC 96-2221-E-011-147

執行期限： 96 年 8 月 1 日至 97 年 7 月 31 日

主持人：陳建中國立台灣科技大學電機系助理教授

計畫參與人員：蘇俊榮、游函諺、吳家彥國立台灣科技大學電機所 中文摘要

定位服務已是現代人生活不可或缺的一部份，舉凡個人性的消費電子產品(如：

GSM、PHS 手機、PDA)、GPS 行動車用導航系統、或者是對某些特定標的物所設計的企業級追蹤系統，都是定位服務概念的延伸與應用。無線射頻辨識技術(Radio Frequency Identification ,RFID)的應用日漸廣泛，政府與業界皆希望透過運用 RFID 技術來大幅提升日常生活作業效率，為目前討論最熱烈且被視為下一波的明星產業，即時定位系統(Real-Time Location System ,RTLS)與行動定位系統(Location-Based System ,LBS)就是在這個潮流之下應運而生的一個熱門主題，相對於目前已經非常熱門的 GPS(Global Position System)定位服務，RFID 定位主要是應用在室內，如大型建築物的內部，以彌補傳統 GPS 在室內定位會有死角的狀況發生；因此本實驗提出一個能有效完成以 RFID 為基礎的定位機制，以分群演算法解決在實際定位過程中參考點辨識不明的情形，並控制攝影機擷取實地影像讓使用者得知物體位置及狀態。而本實驗所提出之機制，經由實作證明，確實可以增加定位的效能與準確性，

並且也完成攝影機定位尋物功能。

關鍵詞：無線射頻辨識(RFID)、即時定位系統(RTLS)、PTZ 攝影機 英文摘要

The application of RFID (Radio Frequency Identification) becomes popular in recent years. It’s considered as one of the most promising technology in the next generation. The RFID technologies would help improve the working efficiency of our everyday life. In addition, the RFID-based location identification is now been widely developed. As compared to other location identification services, such as GPS, the RFID-based approach is suitable indoor applications. It would help to recover the un-covered space or region by GPS identification. We proposed to utilize multiple RFID-readers and impose different reading power to perform location identification.

We also setup PTZ cameras in the location space to provide real-time inspection of the identified object. Experiments demonstrate that the proposed location identification method yields better identification accuracy, as compared to previous approaches.

Key Words: RFID、RTLS、PTZ Camera 一、前言與研究目的

近年來，隨著RFID技術逐漸成熟，各式各樣的應用也蓬勃發展，而利用RFID 的設備與特性來建構起一個室內定位環境的想法，也被大家重視；尤其當以往大家所熟知的GPS定位技術，針對室內環境未知物的定位，可能會因為環境本身的屏障

(3)

或周遭干擾而有盲點的時候，適合用在室內定位的RFID定位就是一個相當重要的技術。

要達到所預期的室內定位目標，在室內環境下必須要有一定數量的RFID讀取器 (Reader)與許多RFID標籤當成能提供有效資訊的參考點，藉由適當的網路拓樸配置，建構一個室內定位環境，完成有效範圍內針對某個未知物件的追蹤；一般說來，

如果RFID讀取器的數量能夠越多，對未知物的追蹤也能越準確，因為其能夠有效偵測的涵蓋範圍(coverage)能夠越廣，自然從參考點收集到的回應資訊會比較精確；然而，RFID讀取器的成本向非常高，若僅為了室內定位而購買了大量的讀取器，所花費的成本相當可觀，因此我們改採用在環境內配置大量的參考標籤(reference tag)當成參考點的替代方案，延伸定位有效涵蓋範圍。

利用RFID做室內追蹤物的定位，目前已有一些可以應用的方向，例如：(1)醫院內的醫療物品追蹤; (2)大型室內環境中對於失蹤老人及孩童的搜尋; (3) 商店及製造商內部的物流管理。這些應用，多半是硬體的實作結合了軟體工程的開發，增加實用的價值，藉著系統運作定位演算法的進步，也連帶使室內定位系統的準確性與可信度大大的提昇，讓這技術在市場上或是日常生活中有更大的應用價值。

二、文獻探討

近年來，RFID愈來愈被重視，但是此技術並非是這幾年才有的。此技術早在第二次世界大戰中就已被應用，應用於敵我戰機識別上。近期開始流行的初衷是因為物流管理，一開始並沒有人就把它運用於定位的研究；不過當原本一些既有的定位技術，因為設備成本或技術限制的考量，而遭遇瓶頸的同時，主張成本低廉、可儲存大量資料的RFID設備，就開始被認為也許是可行的解決方案。

(1)、SpotON 系統

首先將這個想法融入實際應用的，是在2000年以Jeffery Hightower[1][2][3]為首的一群學者，他們認為利用自製且符合需求的RFID設備，可以完成未知座標物件的定位工作，並且在準確效能上面，期望能比以往的定位技術提升許多，它們所提到的SpotON系統，如圖2-1(a)，就因此成了定位研究初始代表。在SpotON系統中的定位方法，就是利用RFID讀取器、許多感應器(感應標籤)，建構一個有一定涵蓋範圍的室內無線感測網路環境，對於環境底下的眾多感應標籤而言，分別針對環境內某一個未知座標物件進行追蹤動作，做相對訊號強度計算的動作，這個計算動作是由 RFID讀取器端收到未知座標物與感應標籤之間相對的訊號強度資料，透過中介軟體系統加以分析，最後，以該分析資料推算出該未知追蹤目標的位置，這就是整個定位的流程。Jeffery Hightower等SpotON系統的學者，就是以上述的方式來完成未知座標物定位的目標，同時於收集訊號強度的過程中，也引入了所謂的訊號衰退模型 (signal strength regression model)估算訊號強度，期待所收集到的訊號強度數據能夠更加精確；在SpotON的方法中，未知座標物的定位並沒有經過系統中央控管的過程，而是由其他硬體規格相同的感測點，以分散式計算的方式來完成；這些分散在感測環境之中的感測點會將訊號強度資料集合起來並回報，最後以定位演算法計算出未知座標物的預測位置。但於研究中，實際上作者對於硬體上的設計比在演算法上的研究來的深入，整篇論文研究的討論也比較傾向硬體的改善與實現，不過總的

(4)

而言，整個SpotON的概念還是引起了不小的迴響。

(2)、LANDMARC 系統

於 2003 年，另一批的學者 Lionel M. Ni 等人提出了 LANDMARC(Location Identification based on Dynamic Active RFID Calibration)[4]系統的理念，如圖2-1(b)，

研究對於利用RFID設備進行室內定位，所計算出來的定位精確度，有較明確的數值與情境分析則，是近期用RFID技術定位有不錯成果的一個系統，相較於SpotON，

在硬體環境上，LANDMARC系統運用了有較大讀取範圍與回應能力的主動式感應標籤(Active Tags)[5]，作為實作過程中標籤硬體規格的選擇；另外，在演算法的採用上，既修正了傳統定位上的一些盲點，並針對各種定位系統下的情境有不同的研究，使得運用該 LANDMARC 方法所計算出來的定位數據，可信度更增加。 LANDMARC系統在實作上，還有整體的定位演算法提出，除了使用RFID設備用於定位上的準確率更高之外，在產業技術的進步與生產成本降低的同時，使該系統有更大的價值與商機應用於室內定位應用方面。

(a) RFID 無線感測環境示意圖 (b) LANDMARC 系統示意圖圖 2-1 系統環境示意圖

三、研究方法

本實驗引用 LANDMARC 觀念來實現室內定位裝置，不過，本實驗與 LANDMARC系統上有著標籤上的差異，LANDMARC系統是使用主動式感應標籤 (Active Tags)[5]，而本實驗是使用被動式感應標籤(Passive Tags)[6]，兩者標籤以功能角度視之，為以下列表3-1：

表3-1 兩種感應標籤之特性

主動式感應標籤(Active Tags) 被動式感應標籤(Passive Tags) 被稱為有源標籤被稱為無源標籤

內含電池可隨時傳送資料給讀取器電源是感應自讀取器所發射過來的射頻無線電波能量使用距離較長(33公尺以上) 使用距離較短

儲存較大的記憶體空間(32KBytes) 數位資料可攜性，如悠遊卡價格較貴，一般都用在大裝備或昂貴的物品上價格便宜

本實驗環境，是由n個RFID讀取器(reader)、m個被動標籤作為參考標籤(reference tags)和u個要追蹤的標籤(tracking tags)所組成。如圖3-1(a)、(b)，就是以這樣的思維建構而成的環境，其中：n=4、m=64、u=6，表示這個實驗環境是由4個RFID讀取器、

(5)

64個參考標籤組成，而其底下有6個的追蹤標籤是本實驗欲實際定位的目標。

(a) 本實驗環境配置圖 (b) 本實驗環境示意圖圖3-1 本實驗環境圖

一般說來，要達成未知座標物的定位，讀取器的數量越多越好，因為可互相包含以形成廣大的有效定位涵蓋範圍(coverage)；由於RFID讀取器數量有限，且又單價太高，所以我們改以利用大量且成本較低廉的設備，如：配置大量被動標籤來充當參考標籤的方式，將標籤均勻的散佈在實驗環境之中，當成是可以輔助RFID讀取器增加有效定位涵蓋範圍的參考點，以這個方法變相的讓系統內的有效定位涵蓋範圍增大，而這個參考標籤的概念，也為LANDMARC系統方法中最大特色。

在各 RFID 讀取器端會收到兩組來源不同的訊號，表示如下：定義在不同的 RFID 讀取器(i∈(1,n)) 中，會分別收到兩組訊號強度，以向量集合的觀念表示，分別為

) ,...

,

(S₁ S₂ S_m Sr=

與 θr=(θ₁,θ₂,...θ_m)

其中：S 是表示追蹤標籤，相對於讀取器_i i 所擁有的訊號強度向量。

θi是表示參考標籤，相對於讀取器 i 所擁有的訊號強度向量。

針對每個要特定追蹤的標籤p(P∈(1,u))，會得到j(J∈(1,m))個相對強度值E_j

∑= −

= ⁿ

i

i i

j S

E

1

)2

(θ (3.1) 也就是說，以這個看起來類似求尤拉距離公式(Eular Distance formula)的方法，對於每個要追蹤的標籤p，都求出一組其相對於環境中所有m個 (假設j = m)參考標籤的相對強度集合Ev=(E₁,E₂,...E_m)

。

這個相對強度的集合有著其物理意義在：當集合內的某個E^j值越小的時候，表示該欲追蹤標籤p，可能距離某個參考標籤(編號j)，實際距離是比較近的；那麼，

如果能夠找出某幾個E^j值較小的參考標籤，根據這些標籤所提供的位置來對此欲追蹤的標籤位置做定位，準確率將會大大提升，這也是LANDMARC方法中最關鍵所在。要推估追蹤標籤的位置，可以依照離追蹤物由近到遠的參考標籤的順序 (E^j值

(6)

由小到大)，來計算在每次不同的階段，也就是依序選取1~ k個較小的參考標籤，當作是實際定位時所會使用到的參考點，以此計算。

而在每一次不同的階段，所欲使用到的參考點，都會有其參考權重的計算，公式(3.2)如下：

2

2 1

1 1 .

j

j k

i i

W E

= E

=

∑

(3.2)

這個公式裡面的W 是個很重要的值，代表的是一個「權重」(weight)的概念；簡言_j 之，當某個E 值越小的參考標籤存在時，表示該標籤的座標位置要有越大的參考性_j (因為距離該追蹤物越近)，那麼其就應該擁有更高的參考權重；最後，在整體的位置估算時，參考權重越大的參考標籤所提供的位置資訊，可以確保對追蹤物的位置預測有較大的定位精確性。依照由E 值小到大的順序選了k個較小的參考標籤，根_j 據其座標位置，皆可定位出該未知座標的追蹤標籤位置(x,y)，公式(3.3)如下：

∑

=

= ^k

i

i i

i x y

W y

x

1

) , ( )

,

( (3.3)

表4-1 實作之參考標籤權重值

參考標籤相對權重參考順位參考標籤相對權重參考順位參考標籤相對權重參考順位 1 1.11E-06 32 23 3.33E-06 8 45 1.25E-06 30 2 0 50 24 0 56 46 8.33E-07 43 3 0 51 25 1.00E-06 38 47 8.33E-07 44 4 0 52 26 1.11E-06 35 48 1.43E-06 28 5 1.43E-06 22 27 2.00E-06 15 49 1.00E-06 40 6 0 53 28 1.00E-05 2 50 1.25E-06 31 7 1.11E-06 33 29 1.00E-05 3 51 2.00E-06 19 8 7.69E-07 45 30 2.00E-06 16 52 1.00E-05 4 9 1.11E-06 34 31 1.67E-06 21 53 3.33E-06 9 10 1.43E-06 23 32 2.00E-06 17 54 5.00E-06 6 11 0 54 33 2.50E-06 13 55 0 59 12 3.33E-06 7 34 8.33E-07 42 56 0 60 13 2.50E-06 11 35 5.00E-06 5 57 5.88E-07 49 14 1.43E-06 24 36 0 57 58 7.69E-07 48 15 9.09E-07 41 37 0 58 59 0 61 16 7.69E-07 46 38 2.00E-06 18 60 0 62 17 7.69E-07 47 39 1.11E-06 36 61 3.33E-06 10 18 2.50E-06 12 40 1.11E-06 37 62 0 63 19 1.43E-06 25 41 1.25E-06 29 63 2.00E-06 20 20 0.999897 1 42 1.43E-06 26 64 0 64 21 0 55 43 1.43E-06 27

22 2.00E-06 14 44 1.00E-06 39

四、實驗方法

透過上述所提的 LANDMARC 方法，先在讀取器端接收追蹤標籤與參考標籤的訊號，緊接著用這些訊號計算追蹤物與指引標籤間相對的訊號強度，進而求得較可

(7)

靠的參考點參考數目與相對權重等資訊。以公式(3.1)計算出相對訊號強度集合以後，我們將所有參考標籤都列入考量，以權重求值公式(3.2)算出各個參考標籤所應得到的參考權重。上表 4-1 的數據，為利用 LANDMARC 方法中的權重公式所計算 出來，指引標籤相對於追蹤物的參考權重。

除了可以看到各參考標籤在全部的標籤內所應有的參考權重以外，另外加上了對各參考標籤的參考順位排名，參考權重越大、代表越有參考價值，身為參考點的參考順位就會越高。接著在 LANDMARC 方法中，會在每一階段，逐一的將排名前 k 大的指引點依順序列入考量，以公式(3.3)中，各指引點的座標乘以相對參考權重的數字加總起來，就是對追蹤物件的座標推估。

下表 4-2 即為我們利用這個公式，所得出的結果，誤差距離則是以尤拉距離公式(3.4) 所計算出。

2 0 2

0) ( )

(x x y y

e= − − − (3.4) 表4-2 實作之各不同參考點的定位解

參考點數目推估座標 x 推估座標 y 誤差距離(cm)

1 3 4 69.32712

2 3.00E+00 4.00E+00 69.3269 3 3.00E+00 4.00E+00 69.32659 4 3.00E+00 4.00E+00 69.32568 5 3.00E+00 4.00E+00 69.3255 6 3.00E+00 4.00E+00 69.32496 7 3.00E+00 4.00E+00 69.32504 8 3.00E+00 4.00E+00 69.32495 9 3.00E+00 4.00E+00 69.32462 10 3.00E+00 4.00E+00 69.32422 11 3.00E+00 4.00E+00 69.32425 12 3.00E+00 4.00E+00 69.3243 13 3.00E+00 4.00E+00 69.32425 14 3.00E+00 4.00E+00 69.32422 15 3.00E+00 4.00E+00 69.32419 16 3.00E+00 4.00E+00 69.32411

實際座標 5.5 5.5

由上表 4-2 可以得知，採用所有參考點來求取未知座標點，也就是信賴全部參考點情形下，所定位下來的點會有甚大的誤差值，約 69.3 公分。因此，從上表分析，

可以清楚了解到整個 LANDMARC 方法在參考點數目的取決上、及整體的平均誤差表現上，依然有許多可探討的空間，所以對於整體的定位效能是無法保障優劣的。

本實驗提出新式定位機制的思維也就著眼於此，希望透過每個讀取器功率控制的概念引入，將先前求得的參考標籤加以分群，如圖 4-1(a)，最後再以上述公式求權重及未知物座標點，相信可以對整體的定位效能有很大的助益，所需參考點的參考數目也能很清楚的被呈現。

(8)

(a) 各讀取器功率控制涵蓋範圍 (b) 實驗取得各讀取器涵蓋範圍圖 4-1 各讀取器涵蓋範圍(功率：30dBm)

以上圖實驗，分別利用四個讀取器各讀取一遍，方可得每一讀取器的涵蓋範圍，

如有讀取到追蹤標籤(tracking tags)，即得知追蹤標籤之區域位置，再進行該讀取器之功率控制求取未知物座標，如圖 4-2。

圖4-2 讀取器功率控制示意圖

依圖 4-1(a)來證明此觀念之正確性，實作得知讀取器一與讀取器二是讀取不到追蹤標籤，讀取器三與讀取器四所得到的參考標籤與追蹤標籤如圖 4-1(b)，本實驗使用單一讀取器所讀到的標籤來作 LANDMARC 權重判定座標，非與追蹤標籤不同一區域者將不被列為參考點，依此類推得表 4-3。

表4-3 新定位方法求取未知座標及其誤差

讀取器編號功率(dBm) 求得座標誤差(cm) 讀取器編號功率(dBm) 求得座標誤差(cm) 1 30 (4.88,5.18) 19.65 3 30 (4.83,6.57) 63.21 1 25 (4.94,4.37) 15.57 3 25 (4.69,7.80) 27.44 2 30 (6.98,5.68) 25.39 4 30 (3.55,9.87) 22.14 2 25 (7.05,5.01) 17.51 4 25 (2.48,8.97) 10.51 4 20 (2.30,6.54) 31.22 實際座標 (6.0,4.5) 平均誤差 19.53 實際座標 (3.0,8.5) 平均誤差 30.90

讀取器編號功率(dBm) 求得座標誤差(cm) 讀取器編號功率(dBm) 求得座標誤差(cm) 1 30 (3.82,3.95) 24.99 2 30 (7.54,5.57) 17.47 1 25 (3.44,3.45) 29.99 2 25 (8.02,4.53) 29.55 1 20 (2.78,2.59) 3.57 3 30 (8.09,7.66) 17.45 4 30 (5.24,3.48) 44.84 3 25 (8.01,6.96) 6.90 4 25 (3.58,4.47) 35.14 3 20 (7.05,7.51) 20.80 4 20 (2.75,3.35) 13.29

實際座標 (3.0,2.5) 平均誤差 25.30 實際座標 (8.0,6.5) 平均誤差 18.43

不過，以上的數據僅得知功率控制法有較好的定位效果，但是尚未得知功率多 大及哪個讀取器來判斷較為精確。因此就以此觀念改良出進階版。以下為本實驗

(9)

「RFID 定位系統」提出新方法，將會採用 LANDMARC 與功率控制來判斷地域方式合併考量，效果比以往來得精確、誤差更小。以下圖 4-3(a)為我方提出的新方法示意圖，先以單一讀取器來解說實驗程序，圖中的大紅點為追蹤標籤，黑色長方形為參考標籤分佈，每張距離約 15 公分；而我們利用的讀取器是可以控制功率大小，

所以先以 15dBm 的功率大小進行標籤搜集的動作，以搜集到的標籤(有回傳訊號給讀取器者)來訂定區域大小，如 Area1(藍色線區域範圍)為 15dBm 搜集結果。再來，

將功率調大為 20dBm，同理將可得到 Area2(紅色線區域範圍)，依方式將可得到多個且愈大的區域範圍。搜集機制將於找到追蹤標籤時停止，如下圖為獲得 Area3(綠色線區域範圍)即停止搜集機制。依下圖得知追蹤標籤將落於 Area3 減掉 Area2 區域範圍(灰色區域範圍)當中，求其標籤的座標方法還是依照 LANDMARC 論文中提到的功率差求其權重及座標方式，本實驗是將灰色區域所搜集到的標籤座標分別乘上其權重，便所得追蹤標籤座標。

(a) 讀取器一功率控制示意圖 (b) 讀取器一功率控制標籤分佈圖

(c) 讀取器二功率控制示意圖 (d) 讀取器二功率控制標籤分佈圖圖4-3 讀取器之功率控制

圖 4-3(b)為實際實驗取得區域分佈圖將可大略取得追蹤標籤座標，誤差約於 40 公分，誤差甚大的原因是在讀取器所發出功率的邊緣地區訊號大小約一致、權重約相同，所以導致追蹤標籤的座標求取將會考慮到一些距離較遠的參考標籤。為了要克服以上誤差的問題，我們將於標籤群的右側再加上一個讀取器並完成一次上述所求的標籤搜集動作，如下圖 4-3(c)、(d)。

圖 4-4 為實際實驗所獲得之讀取區域分佈，紅色圓點追蹤標籤將被此方法所尋獲，此方法將可以拓展為四邊各有讀取器，達到搜尋範圍更為廣泛。以下為實驗環境分佈(圖 4-5)及實驗結果(表 4-4)。

(10)

圖 4-4 兩讀取器交集定位法圖 4-5 實驗環境建置表 4-4 求取未知座標及其誤差

追蹤標籤座標讀取器編號(Rx)及功率(dBm) 參考標籤數目實驗測得座標誤差(cm) 改進百分比 (6.0,4.5) R1: 25、R2: 25 4 ( 6.35,3.39 ) 17.46 10.60%

(3.0,2.5) R1: 20、R4: 20 1 (3.0,2.0) 7.50 70.36%

(3.0,8.5) R3: 25、R4: 20 3 (3.49,9.72) 19.72 36.18%

(8.0,6.5) R2: 20、R3: 25 4 (8.63,5.84) 13.68 25.77%

以上數據為定位實驗所得，誤差約為 20 公分之內，依此解可以確定此方法已解決舊方法所出現的缺失，並且也把地域性考慮於其中。不過，讀取器依序完成四個讀取器的劃分區域，也有取不到交集的情況，如下圖 4-8，此情況為本實驗有待改進的地方。

圖 4-8 待改進之缺點：無交集區域 五、結論

以上的實驗結果為無障礙空間，尚還有本實驗假設條件，如下：

1. 假設實驗的環境是無干擾的(interference free)： RFID 設備的特性之一，是其遇到金屬物屏障、或者在行人走動的室內環境中，會使讀取器端所接收到的標籤感應度及訊號強度呈現下滑的狀況，此因障礙而訊號衰退的現象，將有可能影響之後對於定位的準確性；因此，本研究基於使變動因素最少、問題複雜度最低的考量，將預設是在完全沒有干擾的前提下，進行所有的實驗。

2. 假設所有的 RFID 設備都是相同規格標準：所有的 RFID 設備，相同的規格標準是實驗最基本的假設，因此在實驗過程中，所有的 RFID 讀取器及 RFID 感應標籤，其物理表現與行為皆會預設為一致，不會有相同規格卻表現有差異、這種在

(11)

實際應用上可能發生的誤差，常見的誤差原因為標籤製程不同，導致感應度及回傳訊號能量不一。

3. 讀取器和標籤均處於靜止狀態：本實驗也假設 RFID 讀取器和所有的標籤都是處於靜止的狀態下，因為讀取器和標籤的溝通是透過無線電波，是屬於無線傳輸方式的一種，所以如果讀取器或標籤其中之一是處於移動狀態的話，就會產生移動前和移動後兩種波形的干擾，造成辨識上的困難，而移動中的標籤辨識並不在本實驗的討論範圍內。

本實驗所提出的方法，使得追蹤定位更為精確誤差更小，因為 LANDMARC 方法是參考了所有的參考標籤，並沒有提出過濾或是分群策略，使得誤差甚多，加入本實驗提出的方案，把無關的參考標籤去蕪存菁，留下真正追蹤標籤周圍的參考點。

不過，RFID 有個很重大的缺點，也就是碰撞(Collision)問題，讀取器從許多個標籤中試著讀取某一個標籤時，若有許多個標籤同時回應讀取器，然而這些互相衝突的通訊訊號可能會造成彼此間的干擾，可能會因為此碰撞而造成資料傳輸上的失敗。

因為上述原因，我們將於實驗中把未知座標物，貼上了四個標籤來避免被讀取器所忽略。本實驗所產生的誤差，我們將使用攝影機來修正該物品之正確位置，使用影像比對的方式來告知使用者，欲尋找之物品精確位置。

六、參考文獻

[1] Jeffrey Hightower, Gaetano Borriello, “SpotON:An Indoor 3D Location Sensing Technology Based on RF Signal Strength”,Feb.18, 2000

[2] Jeffrey HighTower and Gaetano Borriello, “A Survey and Taxonomy of Location Sensing Systems for Ubiquitous Computing”, CSE 01-08-03, University of Washington, Department of Computer Science and Engineering, Seattle, WA, Aug 2001

[3] Jeffery HighTower, Chris Vakili, Caetano Borriello, and Roy Want, “Design and Calibration of the SpotON AD-Hoc Location Sensing System”, UWCSE 00-02-02 University of Washington, Department of Computer Science and Engineering, Seattle, WA,2001

[4] Lionel M.Ni, Yunhao Liu, Yiu Cho Lau and Abhishek P. Patil, “LANDMARC: Indoor Location Sensing Using Active RFID”,2003

[5] 日經BP RFID技術編輯部(編),“RFID技術與應用”,2004 [6] 楊智超,羅濟群, “一個以RFID為基礎的定位機制”, June 2006

[7] 蔡穗山,梁明正,吳國棟, “可調幅功率於RFID多重標籤應用之研究”,Jan 2008

七、計畫成果自評

本研究已達成原計畫提案書所列工作項目。包含: (1)結合 RFID 定位資訊與攝影機控制;(2)RFID 閘門與攝影機監控與;(3)興趣區域即時顯示 RFID 物品資訊等。主要的重點在第一項之 RFID 定位的探討，本項定位技術比較需要有精確座標位置，RFID 所能提供的資訊僅有感應訊號強度以及標籤標號等資訊，感應標籤容易因為標籤的製程不一，造成感應訊號強度不穩定，本實驗常發現，同位置同距離的兩張標籤，

獲得的訊號強度常會不一樣，甚至差異更大，所以再這方面為了降低誤差，我們於追蹤物品上所貼上的標籤數量高達四個，以這四張來作基準找尋參考點，依我們實驗提出的方法，從小區域去尋找出我們欲追蹤物，效果確實比整個大區域的效能來得好，實驗必有誤差，不過再配合使用攝影機來進行物品比對的方式，讓此系統達到相輔相成的效果。RFID 閘門的部分，實驗時僅需要讓讀取器一直送出電磁訊號，

如果有標籤靠近，即可獲得標籤編號並可執行後置處理。

(12)

1

行政院國家科學委員會補助國內專家學者出席國際學術會議報告

97 年 10 月 24 日

報告人姓名

陳建中服務機構

及職稱國立台灣科技大學電機工程系助理教授

時間會議地點

自民國 97 年 10 月 8 日至民國 97 年 10 月 10 日澳洲凱恩斯

本會核定

補助文號 NSC 96 2221 E 011 147

會議名稱

(中文) 2008 國際電子電機之多媒體信號處理研討會 (英文) 2008 IEEE Workshop Multimedia Signal Processing 發表

論文題目

(中文) 一種對稱多解析度型態運算之影像資料庫前景物件辨識方法 (英文) A Volume Image Foreground Identification Method by Dual Multi-

Scale Morphological Operations

附件I

(13)

2

一. 參加會議經過

2008 國際電子電機多媒體信號處理討論會 (2008 IEEE Workshop Multimedia Signal Processing) IEEE MMSP 於二 0 0 八年十月六日至八日為期三天，假澳洲凱恩斯香格里拉(Shangrila Hotel)飯店舉行◦ 此會議由 IEEE Signal Processing Society 主辦，是從事多媒體研究者的重要研討會，廣受學術界及工業界的高度重視。其最主要的特色是會議是以單一議程舉行，並無同一時間多個議程同時進行，因此與會者可以專心於大會安排的所有演講和論文報告，相較於其他大型的研討會，本討論會的主題比較明確，與會者可以對專業技術有比較深入的討論與技術報告。研討會議提供之研究討論領域為: (1)生物醫學信號處理(Bio-medical Image Processing) (2)多模人機介面設計(HCI and interaction using multi-modalities); (3) 線上視訊應用(online video applications); (4) 多媒體系統設計(MultiMedia System Design); (4) 網路多媒體與安全管理 (Multimedia Networking and Security) (5)多媒體內容管理(Multimedia content Management)。大會主席由香港的 Polytechnic Univ 的 David Feng 教授擔任。IEEE MMSP 是一個以多媒體的發展為主要內容的專業國際論文發表會議，多媒體處理技術在最近十年突飛猛進，技術的升級相當快速。因此，參加此研討會的人數逐年增加。本人在會場碰到中研院、台大、清大、交大、中正、中山、工研院等多位技術先進，也藉此機會交流平日的研究成果和心得，雖然同是台灣的參與者，也因為可以不受平日事務的影響，而深入的瞭解彼此的研究內容和實驗室文化。同時也藉機檢視自己的研究方向和技術深度，獲益很多。

大會首日之多媒體通信講授課程。為多媒體醫用影像管理，由美國南加大大學教授 H. K. Huang 主講，主要是因為近來多媒體的應用普遍，醫學影像的數量也越來越多，如何有效的將醫學影像中重要的訊息有效的保存為一重要的課題。以便有效的運用醫學影像資料庫的資訊。第一天下午的研討會課程由瑞士 Geneva 大學的 Nadia Magnenat-thalmann 教授演講有關以多媒體技術應用於模擬肌肉骨骼的運動系統。Nadia 教授在這方面的研究已有多年，因此對於人體肌肉骨骼的架構和特性也有深入的認識，因此使用工程技術來模擬人體骨骼肌肉活動相當的逼真，會場上也展示很多模擬的系統，可以將真人的體態運動逼真的呈現電腦動畫的人物裡面，不為有機械控制的人為失真感覺。最後 Nadia 教授還針對所講的內容，逐一的以系統呈現出來，令人印象深刻。第一天的論文發表，有醫學影像、多模式人機介面設計、線上視訊服務、聲訊音訊號處理、二維/三維醫學影像處理等。主要的論文內

(14)

3

容配合大會的演講課程。醫學影像的應用，在本次會議上，比例稍高。這是跟以往不太一樣的地方。

第二天由北京微軟的 HongJiang Zhang 博士演講有關多媒體搜尋技術的過去和現在的趨勢。北京微軟在多媒體搜尋的研究上也有相當長的歷史，由於跟我的研究方向頗近似，我可以瞭解他的技術甚詳，主要的趨勢為網路多媒體的普遍之下，多媒體搜尋的技術要有效的運用點對點網路的平行處理架構，以配合網路的架構，有效的運用資源，達到服務最佳的目標。北京微軟的研究成果，因為其策略為要做就要做第一，不然就不要做這個領域。因此在論文和系統上，也都有不錯的成果。第二天的論文內容，也以多媒體內容管理為主，影像視訊檢索仍然是大家發展的主題。此外，影像分類、語意式視訊分段方法、另外一個重要主題就是多媒體網路和安全管理，在網路多媒體應用普遍的今日，安全管理確是提升網路多媒體應用價值的主要核心技術。相關技術如浮水印保護法、分散是編碼與加密等。我本人的論文安排在第二天發表，是有關影像前處理和檢索的研究。因為海報作得很生動，位置也不錯，對本人論文有興趣的人也相當多，我也從他們的提問中想到可以改進的地方，並且也得到很多寶貴的建議。

第三天由紐約州立大學 Chang Wen Chen 教授演講有關未來在視訊編碼上的挑戰，主要是在編碼複雜度和有限運算和有限頻寬之下，要如何設計出符合需求的視訊邊解碼器。另外則是如何有效的運用網路上強大的運算和傳輸的資源，以提供有效率的視訊通信服務。第三天的論文發表主題，以影像視訊前後級處理為主，如何在當今多元的編碼傳輸環境中，做適當的前後級處理，比補償編碼贖出過程中的誤差。另外，視訊編碼的一個潛在的發展主軸，全域動量估測將可大大的降低編碼所需的頻寬。或者有效的運用動畫拼和(sprite)的技術，這些研究在過去已經研究多年，近年似乎又成為視訊編碼降低頻寬的明日之星。結果如何尚待時間驗證。

以上是我直接與論文發表人討論的報告，因為時間有限，所能夠掌握的還是有限。不過，經由參加這次會議可以瞭解多媒體的整體發展趨勢，雖然所發表的論文在非常多樣。但是，主要還是隨著多媒體網路化的趨勢發展，這是最主要的主軸。

(15)

4

二. 與會心得

1. 多媒體編碼傳輸的技術需求以及發展，在最近十多年相當快速。有關多媒體編解碼器的發展趨勢，雖然已有相當成熟的技術，但因為運算量大，且頻寬有限，因此如何將編碼所需的運算量分配到網路上的各個運算單元，

是目前熱門的研究題材。

2. 醫學影像的發展，在多媒體進步推動下，研究的團體也增加。包括二維和三維影像的處理、醫學影像的管理、以及模擬人身運動的立體影像系統等。雖然研究者眾，但是否對醫療助診有實際上的幫忙，可能還需要一段時間才可以沈澱下來，目前仍是百家齊放的情況。要整理出一個主軸，仍需時間驗證及大家的努力。

3. 人機介面一直是接觸普羅大眾最重要的一層，因此如何整合多模式來提供模擬使用者意志的方式，是常用的方法。

4. 其它如 image registration、panoramic image generation 和 sprite coding、

scalable video coding’多媒體多模式整合等。都是相當熱門的研究項目。

三. 建議

舉辦國際研討會除了研究成果的分享與討論，還可以讓世界各國瞭解主辦地主國的歷史和文化，有助提昇國際名聲。同時，主辦單位悉心籌備議程、住宿和交通旅遊等都提供無微不至的協助。希望可以多補助校內教師參與國際研討會，以保持本校學術、研發與國際水準一致，掌握國際上科技發展的脈動，全面提升學術與業界的水準。另一方面，也希望政府可以多鼓勵學界、業界舉辦國際型研討會，除了提供學術研究和科技的交流平台，也讓世界各國瞭解本國人優秀的一面，有助提升本國的國際地位。

四. 攜回資料名稱及內容

會議的論文集之光碟片一片

五. 結語及其他

(16)

5

本人非常感謝國科會能夠補助參加此次的 IEEE MMSP 2008 之國際研討會。

除了發表計畫研究成果，並且可以來自世界各國的專家學者、以及業界先進一起討論，交換研究心得並探討未來多媒體的發展趨勢。這些交流訊息對於身為國內學術研究一員的個人，在與會後關於未來的研究方向和教學內容的選擇，有相當重要的啟發與靈感。除增廣見聞，也瞭解世界各國在多媒體研究和技術的發展趨勢與脈動。再次感謝學校補助本人出國學習，個人得以進一步將最新資訊帶進校園，為教育研究盡一己棉薄之力。