因應最近疫情的問題，目前較有效的防範方式就是與他人保持1米以上的距離以及戴口罩來降低傳染機率，目前最好的防範方式當然還是人與人之間保持適當的距離，但根據南安普頓大學指出口罩能夠提供某種程度的防護降低傳染率，尤其是在人群眾多的地方像是公共場所、百貨公司以及醫院等，戴口罩就變成是一件相對重要的事情。因此本應用與嘉義大林慈濟醫院院方合作，設置口罩辨識系統放置於院方大門門口，攝像頭朝向門口的方式進行檢測並同步顯示在螢幕上面，有正確配戴口罩的民眾將會由綠色的方框進行標記及圈選出來，如有未戴口罩的民眾則系統將會給予提示音，並且以紅色的方框進行圈選以利提醒管控的館員來提醒民眾需要戴上口罩。

此系統結合大數據、影像處理與深度學習透過收用戶戴口罩的影像資訊，將影像進行前處理雜訊濾除、特徵強化等方式，並以約1萬張左右的訓練資料照片進行模型的訓練，目前在辨識的準確度上能達到95%以上的準確度，比較特別的部分包含了民眾如果用手來摀住口鼻試圖欺騙模型，這個部份因為系統已經特別處理過還是能夠準確的辨識出來，另外模型對於特別口罩的辨識目前還需要新增更多的資料來提升準確度，在實際院方的應用上因為部分民眾使用的口罩比較特殊像是皮膚色口罩、非傳統口罩(醫療用)或者是一些口罩上面有特別的圖案，這些案例在辨識上所需要的特徵會比較多，目前的情況並不是辨識不出來而是需要辨識物出現在攝像頭上面占較大的面積才有較好的準確率，目前團隊正在著手修正這方面問題，一邊利用院方實際場域的測試並優化模型的辨識能力。

目前我們利用這套辨識系統與院方結合創造出可以快速對大量範圍的民眾進行快速的口罩辨識，並且找出未配戴口罩的民眾加以提醒來降低傳染的風險，系統還有需要完善的部分不過確實也為院方帶來不少便利以及更好的提醒模式。因大林慈濟醫院內每天進出人口眾多，為落實防疫目的需要求每位民眾進入之前配戴口罩，故本應用主要為了解決這個問題，利用大數據、影像處理以及深度學習的方式來檢測進出民眾並給出一個提示來提醒未戴口罩的民眾，此方案在執行的過程中主要遇到的問題在於資料的收集，當初找到的大部分的開放資料都是歐美臉孔方面的資料集，在我們亞洲國家臉孔上面以及一些特徵上面的不同，需要進行額外的調教模型才能提高目前的辨識準確度。

因我們在這方面領域已經有很多的經驗，關於資料的前處理格式、模型的架構以及如何讓模型有效的收斂，這提供我們在這次應用的成果有不少的幫助，也能夠很快速的達到我們需要的成果。在這次的經驗中值得分享的是，畢竟我們在研究模型的過程中通常都會以準確率來去判斷模型的好壞，但實際到場域底下會有一些無法預期的結果，像是上面提到的不同類型口罩的問題，我們在初期就已經對這方面進行處理但是還是會出現不可預期的情況。這種問題的發生對我們的模型來說是件好事，能夠補足模型在其他類別下的口罩辨識準確度，也能夠更完善系統的建置。