研究內容 | 1101676

研究動機

我們去圖館念書時，常常會繞了一大圈卻找不到座位，造成圖書館的座位區常發生無法掌握座位的使用狀況。隨著圖書館使用人數的增加，座位的即時監控與管理變得越來越重要。本研究旨在利用先進的影像辨識技術，使用攝影機偵測座位，利用即時影像，清楚顯示可使用的座位情形。

研究目的

本研究旨在開發一套自動化圖書館座位管理系統，利用YOLO模型進行座位及人員的偵測，並採用 TensorFlow 框架負責推理（inference）。系統透過 OpenCV 獲取即時影像數據進行預處理與分析，以實現即時座位監控。其主要目的是準確判斷座位的使用狀態，並向使用者提供即時的座位資訊，從而協助圖書館提升管理效率。

研究進行步驟

準備工作
- 環境設置
  - 建立虛擬環境，並安裝所需的軟體和套件，包括Tensor-Flow、OpenCV、YOLOv4模型和python等相關的資料。
設置初始框架
- 設定綠框(座位)
  - 管理員設定座位區域的綠框。這些綠框代表座位的預設位置，將在後續的偵測中用來計算重疊。
  - 使用web camera捕捉即時畫面，並手動選擇每個座位的綠色框位置，然後將這些框的座標保存到一個配置文件中。
即時影像偵測
- 使用web camera捕捉即時畫面
  - 啟動主程式，並捕捉即時影像畫面。
- 應用YOLOv4進行人員偵測
  - 使用YOLOv4模型進行即時人員偵測，提取出每個偵測到的人員的邊界框（bounding box）並顯示在畫面上。
計算重疊率（Overlap Calculation）
- 讀取綠框座標
  - 主程式讀取之前設置的綠框座標，用於後續的重疊計算。
- 計算偵測框與綠框的重疊
  - 編寫Python代碼來計算每個偵測到人的邊界框與每個綠色框之間的重疊率
註冊 LINE Developer
- 申請 LINE Developer 帳戶
  - 註冊一個 LINE Developer 帳戶，並建立一個新頻道。
- 設定環境變數
LINE Bot 連接測試
- 建立 LINE Bot API:
  - 使用從 LINE Developer 取得的 line_channel_access_token 和 line_channel_secret在程式中設置與 LINE 伺服器的連接。
- 測試與 LINE 伺服器的連接:
  - 通過發送一個簡單的文字訊息來測試連接，確保 LINE Bot 已經成功連接到 LINE 伺服器。
- 處理可能的錯誤:
  - 如果測試訊息未能成功發送或用戶未接收到訊息，需檢查環境變數、憑證設置以及網絡連接，確保整體順暢。
最終測試
- 綜合測試:
  - 在整個系統中進行端到端的綜合測試，確保所有部分（包括影像辨識、訊息傳送等）都能正常運行而且沒有錯誤。