近年爆發新冠肺炎疫情，為了避免染上疫情，無時無刻戴著口罩，口罩戴法分三種情況: 1.沒有戴、2.沒有戴好、3.有戴好，若利用手機進行解鎖，在口罩沒戴好和完全戴好口罩情況，有些手機可能會有辨識錯誤的情況，導致無法解鎖，須整張臉才進行辨識，相當不便，也可能脫了口罩影響到自己或其他人，本研究進行再不脫口罩或口罩戴一半時進行人臉辨識。
利用EfficientNet-B1模型開發門禁管制辨識系統，門的部分利用MG996R伺服機模擬作為門打開和關閉的動作並製作出簡易門禁模型。身份辨識錯誤時，利用MQTT推播機制將推播訊息推播到監控網頁，讓使用者可在監控網頁上看到推播的通知並可以開啟相機即時查看門外情況和從資料庫讀取人臉影像照片並儲存到本地檔案裡，身份辨識成功，大門開啟並提醒或警告口罩是否戴好
- 自適應增強演算法(AdaBoost)-偵測人臉
- 神經網路結構搜索(Neural Architecture Search)-建立EfficientNet系列模型
-
前端技術使用 1. HTML、2. CSS3、3. JavaScript、4. Bootstrap3、5. jQuery進行網頁開發
-
後端技術利用Apache Web Server作為網頁伺服器並利用PHP進行資料庫的儲存、讀取、刪除、建立數據。
主要分為三大功能
- 防盜系統功能-此功能打開，當有不明人士進行人臉解鎖時，會將警告訊息推播到網頁，當使用者看到會立馬報警處理或進行其他處理。
- 查看影像功能-當有不明人士進行人臉解鎖時，會將使用者的影像拍攝下來並儲存到本地端電腦，即使當下沒看到人，也可以查看儲存下來的影像。
- 及時觀看功能-當有不明人士進行人臉解鎖時，看到推播的警告訊息時，能夠開啟相機及時查看當前門外狀況。
利用了硬體設備MG996R伺服機[20]如圖2，利用MG996R伺服機模擬門打開，門打開的旋轉角度為0至90度，再由90至0度關上門，實作簡易門禁模型
Demo.mp4
人臉辨識和人臉偵測，主要分成四大部分，第一部份利用Data Augmentation(數據增強)使影像數據擴增，第二部分利用神經網絡結構搜索以CNN為基礎進行搜索Neural Architecture Space建立EfficientNet-B1 Model，第3部份利用EfficientNet-B1模型進行訓練，第四部分Face Detection利用了AdaBoost演算法偵測是否為人臉，並將人臉框出後，利用訓練好的EfficientNet-B1 Model進行人臉和口罩的辨識，經測試集測試後，人臉辨識部分能夠準確判斷出哪一位、 口罩辨識部分能夠準確判斷口罩的戴法(1.口罩沒帶、 2. 口罩沒帶好、3.口罩帶好)