Page 10 - 國家海洋研究院111年年終成果手冊-科研巡航．鏈結世界KeeP Going

整合海洋科研資訊

水域遊憩活動安全監測技術研發

合作研究單位：海洋產業及工程研究中心 楊文榮 助理研究員
財團法人成大研究發展基金會 范揚洺、董東璟、陳朝鈞

本計畫目的為掌握 AI 深度學習技術辨識在海灘與近岸海域民眾活動型態之關鍵技術，主要辨識的兩個目
標為(1)海域遊憩活動與(2)溺水姿態，開發一個識別模式並有初步的測試與驗證，規劃海域遊憩安全監測架構，
提供未來持續建置與系統擴建之基礎。

本計畫盤點與本計畫相關的國內外技術與研究並且統計 103 年至 110 年消防機關值勤救溺勤務資料。另
外與專家顧問研討實際的溺水姿態，並且邀請一同協助現場溺水模擬。前往國內熱門的遊憩區域蒐集五種水域
遊憩活動影像，並且於實際海域模擬六種溺水樣態，水域遊憩活動與溺水姿態影像一共蒐集 2220 張。也自國

海院 GoOcean 平台盤點攝影機影像，經初步盤點共有 4 個攝影機影像可能可用於本計畫的 AI 識別模型上。
本計畫使用先進的 AI 深度學習技術遮罩區域卷積神經網路 (Mask RCNN) 來進行水域遊憩人員識別演算法
的開發，偵測遊憩區域中的遊憩人員並且辨識其活動。另外分析不同水域遊憩活動姿態影像之間的差異，以驗
證識別模型是否合理訓練以及提供模型提升辨識能力的方向。
根據水域遊憩活動與溺水姿態識別模型訓練過程的損失函數趨勢圖，發現以負責判斷物件為目標物或背景

的區域提取網路邊界框誤差影響模型的訓練效果最為顯著。水域遊憩活動識別模型測試結果的反查率為 63%。
溺水姿態識別模型測試結果顯示模型辨識能力良好，其反查率可達 77%，另外，輸入不同數量的影像資料建置
模型，發現測試結果會隨著影像數量增加而提高，故後續可增加影像資料數量來提升模型訓練效果。

本計畫根據上述模式建置結果已規劃智慧化水域安全監測架構，提出智慧化監測站應用水域遊憩區域的軟
硬體規劃。未來建議可依照本計畫建議的軟硬體規劃，並使用多台攝影機來分段拍攝整個海灘畫面，搭配高解
圖 4、多元的生物查詢功能，包含關鍵字、圖台、分類階層樹、生物種類與統計查詢
析度影像的規格，使畫面中的水域遊憩人員所佔的像素比例提高並且更加清楚，增加未來建置智慧化監測系統
應用於水域遊憩區域的成功率。

圖 1、各縣 市 近 岸海 域 海 域 溺水 意 外 事 件 與 事 故 人 數 統 計 圖
( 資 料 來 源：消 防 機 關 1 0 3 年 至 1 1 0 年 救 溺 值 勤 統 計 資 料 )

10 11