這是從網路討論的工安專案中取得的一張圖片，意思是使用CNN為基底的「AI」技術辨識出人與安全帽的目標，再看兩者之間的關係就可以知道誰沒戴好安全帽了！譬如發現有個「人」的目標，但此目標內部卻沒有「安全帽」的目標，或是有安全帽，卻不是在人的目標的頂部！就是發現違規了！

其實我也曾多次被詢問能否作類似的影像辨識專案？我不想採用CNN的解決方案，因為那就必須多花錢去買額外的程式模組，或是耗費時間「訓練」自己的模型。以資安的角度來說，我的軟體又會被懷疑有暗藏不好的東西？而我真的不知道買來的黑盒子模組裡面有沒有問題？安全承諾書我簽不下去！

但我只用以OCR為基礎的技術來評估，也是認為可以輕鬆做到的！首先是人的目標如何快速找到？只用顏色或亮度區塊切割不是很明確，但這些原始資料都是連續畫面的影片，所以用前後影格的動態變化就可以很快分出動的目標與不動的背景。

我們其實也正在研發可以追蹤動態目標路徑的自有程式模組，準備用於道路科技執法的軟體產品，如辨識出違規轉彎或逆向行駛的車輛等等。我們都實驗過的，辨識速度很快，也不需要如CNN一樣作全圖卷積運算，命中率就接近百分之百了！

安全帽呢？就比較是特徵明確的目標了！直接用OCR技術就很夠用了！但說到這邊我們也算是AI受災戶了！因為即使我們已經展示過我們的辨識軟體原型，充分證明可行性，但業主考慮之後都還是覺得「AI」應該比較厲害，沒有採用過我們的方案。

既然我的這種辨識明明可以用，都敵不過AI的集體催眠，那為什麼我們還是以自有技術繼續研究目標追蹤的軟體呢？原因就是我們已經在車牌辨識產品上獲得良好的信譽，順勢搭載的科技執法軟體也會獲得信任，警方不會在意我使用甚麼技術的？我也一向都直言我的車牌辨識就是沒用大家說的那些AI的！

目前我們公司在這類應用上面的產品或專案實績都還是零的！但這不表示我們做不到或做不好，甚至我的RD稍早讀碩士班時原本預設的論文題目就是這種動態追蹤的應用，可惜專長於動態目標追蹤技術的指導教授中途離職了，就改成我們自己原本比較熟悉的車牌辨識相關技術研究了！

所以我希望大家都知道，目前大家耳熟能詳，卻很少人知道實際底蘊的這些所謂的AI技術，並不是實作影像辨識軟體必然的唯一技術！用其他非ML、DL與CNN的技術也可以做到！甚至用心研發後可能會比目前的CNN產品更好！更無資安疑慮！你知道你買的程式模組裡面真的沒有病毒或木馬嗎？

很有可能幾年後我們公司就可以像車牌辨識一樣，用實際的優質產品證明我們不必依賴ML、DL與CNN，也能達到，甚至超越那些所謂的AI產品！大家就等著看囉！我的RD每周都會跟我報告這項研發的進度，我們不會因為車牌辨識的成功就自滿的，我是老了快退休了！我的徒弟才三十出頭，還可以再作30年，她會比我更積極的！