搭配語音/手勢辨識技術 穿戴裝置開啟智慧新生活
根據2014年6月19日美國Google I/O開發者大會中播放的微電影，可以看見未來人類生活將處處充滿網路，從電器至一般家庭用品，現在連門鎖都可以透過穿戴裝置來開關。Google希望能達成生活中隨時都有穿戴裝置的願景，並以雲端服務為核心，使用統一系統，讓該應用能擴展到使用者所有的螢幕與家用設備當中。
利用Android可讓使用者的所有生活用品都邁向智慧化與網路化，這就是最典型直觀的智慧聯網範例。當文化越來越進步，科技越來越發達，人類的需求就會從如何生存轉變為如何活得更好更幸福，因此目前一切技術的發展都是為了讓人類活得更便利、更舒適；而要讓生活變得更便利的要素就是發展穿戴式技術，讓生活中的一切用品都能連上網路。
穿戴式裝置讓生活更便利
過去人們操作電腦時，須使用滑鼠與鍵盤做為輸入裝置；而操作電器時，則大都須要親自觸控其按鈕，有些電器具備遙控器可遠端操作，如電視、冷氣機等，但對老年人與小孩而言，遙控器的操作往往過於複雜而無法直觀使用。因此，透過穿戴式裝置來輸入、控制生活的日用品，就可以讓小孩與老年人都輕鬆使用，甚至不需要太多笨重的硬體，只要一只手環，或是一副眼鏡，就能處理生活中一切的需要。
根據資策會產業情報研究所的定義，「凡搭配特殊設計之配件與掛件，將3C產品或電子工具固定掛配於身上，提供更方便自由連續性使用的隨身應用產品」可稱之為穿戴式裝置。
穿戴式裝置能透過微機電系統(MEMS)的感測器，或是攝影機來擷取使用者發出的訊號，而這些訊號經由適當運算，可達到控制生活周遭家電用品的目的。
此處所指的運算是一種稱為「訊號辨識」的技術，訊號辨識從前述的例子中可分為兩類：使用攝影機接收影像訊號的圖像辨識或物件辨識，以及MEMS感測器擷取人體運動資訊；另外也包含利用收音裝置收取語音訊號的語音辨識技術，其應用如大家最熟悉的「Ok Google」。
由於不同的訊號有不同特性，因而能用以操作具特殊需求的生活用品，如家中的保險箱，即可利用語音訊號來控制。
因為每個人的說話速度、習慣、生理狀況、性別、年齡、地域皆不同，所以語音訊號的差異性大能用來辨識使用者身分。此外，過去須要使用鑰匙解鎖，或是輸入密碼才能開啟的生活用品，也可以透過語音辨識技術讓使用者更為便利。
除此之外，需要遙控器控制的電器也往往因遙控器操作複雜，導致並非所有年齡層的使用者都易於使用。於是Logbar團隊便開發Ring智慧戒指，使用者可利用該戒指在空中畫出頻道號碼，將電視轉至指定頻道。
用戶使用手環時，也可利用MEMS感測器偵測手部往左或往右移動，做出頻道或是音量的增減，以簡化原本遙控器的複雜操作。
上述所提訊號辨識技術的發展皆累積了一段時間，然而穿戴式裝置的崛起，可幫助使用者從原先須到目標電器旁邊才能控制電器，改為只要坐在原本位置並舉起手臂在空中做手勢或向手表下指令，便能控制電器用品。
分析人體資訊 語音/手勢辨識技術便利實用
基於語音會因音高(婦女、兒童較短較薄；男人、老人較長較厚)、音質差異(每個人皆有特別的音質)有許多不同，所以語音辨識相關技術可以用在需要安全性保護的生活用品中。
人體在運動時，係利用槓桿原理，並透過肌肉收縮的方式來完成。手臂系統由手指、手腕、手肘、肩、肩帶構成，手指的動作通常以抓、收、放為主；而手腕動作則以旋轉為主，光是這些動作的排列組合就可定義出多種不同的手勢指令。
語音辨識的流程(圖1)，是先將輸入訊號做前置處理，之後再做特徵擷取，然後根據語言模型、辨識模型或樣板做出辨識動作。語音辨識的常見技術有兩個，一個是動態時間軸校準(Dyanmic Time Warping, DTW)，一個是隱藏式馬可夫模型(Hidden Markov Model)。
 |
| 圖1 語音辨識基本流程 |
動態時間軸校準分為兩階段，其一為訓練階段，會先建立各辨識單元的樣板；其二則是使用階段，將輸入語音的特徵圖樣與各樣板進行比對，最接近者即為辨識結果。這個方法雖然可以用在不同長度的圖樣比對，但是所得到的樣板卻無法反應語音訊號的差異性。
隱藏式馬可夫模型的訓練階段是在建立各辨識單元之統計模型，第二階段會先計算由各模型產生輸入語音的機率大小，再取其最大者做為辨識結果。相較於動態時間軸校準技術，隱藏式馬可夫模型能利用機率分布來描述語音的差異性，因此可得到較佳的辨識率，但模型訓練與辨識演算法就複雜許多。跟語音辨識類似，手勢影像辨識(圖2)的第一階段也是對輸入資料的前處理，包含背景分離、膚色與邊緣的偵測、手部定位、手掌偵測，以及此階段最後的影像正規化。
 |
| 圖2 以影像辨識為基礎的手勢辨識演算法流程圖 |
接著會進入辨識階段，此處以階層式時序記憶(Hierarchical Temporal Memory, HTM)演算法為例，該階段係利用機器學習的方式，進行各類別手勢模型的學習與辨識。HTM演算法以網路型態組成，包含四種性質的處理節點：
感測節點位於HTM網路最底端，能將感測到的資料轉成能用的資料格式，並傳到下一節點。
HTM節點是主要運算節點，可根據問題複雜度形成階層網路架構，各HTM節點進行非監督式學習，並生成時序相近的不變性特徵。
HTM頂層節點位於網路最高階位置，能將資料輸入種類節點進行分類。
種類節點是一個監督式分類器，可辨識輸入資料的類別。
以運動感測為基底的手勢辨識方式，最常見的是使用加速度計(Accelerometer)、陀螺儀等微機電系統(MEMS)感測器。
加速度計又稱為重力感測器(G-sensor)，可以提供線性加速度/位移的資訊。透過MEMS技術可將加速度計元件最小化。
近年來智慧型手機大都有包含此元件；穿戴裝置如智慧手環、手錶也都有加速度計，可做為移動軌跡的手勢辨識應用。利用加速度計取得加速度值後，判斷出一個軌跡動作的開始點及結束點，之後將訊號作處理動作，此處選用Hanning Filter來平滑化訊號並對訊號做正規化。
將訊號處理完的結果利用動態時間校正演算法做分類，再根據分類結果及加速度振幅大小來辨識出我們指定的指令動作。Hanning Filter可減少訊號轉換過程及降低儀器震動所造成的誤差。由於動態時間校正具有可以處理不同長度訊號的特性，所以適合用來辨識手勢訊號，它的步驟如下：
首先從已知的分類訊號內，選一筆做為樣本；接著將待比對序列輸入時，與各類樣本都做計算，找出最高相似性的樣本，本步驟最為重要；最後再根據剛剛結果挑選相似性最高樣本做為辨識結果。
穿戴式裝置搭橋 有機運算願景近在咫尺
穿戴式裝置搭橋 有機運算願景近在咫尺
在2015年國際消費性電子展(CES)中可以發現，智慧手表應用已經結合了汽車，而大陸業者採取低價策略，也加快高規智慧表的降價速度；Google也在最近宣布「完全自動駕駛的首度完整原型」會在加州開始測試。
由這些趨勢可知，智慧聯網已經悄悄從日常生活的電器用品，拓展到汽車產業；不過值得注意的是，智慧聯網的安全性問題也將更被放大，特別是當駭客有機會遠端控制用戶的車輛或甚至鎖住煞車時，後果是無法想像的。
近期的語音辨識熱潮，讓MEMS麥克風備受矚目，其在聯網汽車的應用領域占有著一席之地，此外，亞馬遜(Amazon)近期推出的智慧家庭聲控設備，也一舉導入七顆MEMS麥克風，允許使用者在家中不同位置都可控制聯網和影音操作的語音指令。當個人電腦的顯示、儲存、運算、輸入輸出等功能，由電視、家電、手機、汽車等智慧裝置取代時，這樣的智慧聯網空間所需的人機介面，將會是穿戴式裝置最能符合人們對便利性的期待。
目前市面上的智慧穿戴裝置，多內建了加速度計與陀螺儀等慣性感測器，可以推斷配戴者的動作，來發出控制指令。
如使用者將手往上舉，便能開啟房間電燈；手機來電時，點頭便能開啟擴音通話；或將食指放到嘴前，客廳的音響就會關閉。然而，往後穿戴裝置的操作技術一定不僅限於上述所說的這幾種，未來穿戴裝置可能有機會或持續發展小面積觸控、頭部動作、眼球追蹤、四肢動作、投影觸控、腦波控制等功能。
體感介面為上述操作技術的共通點，特別是在影像類型的手勢辨識中。
如工研院已利用智慧眼鏡上的3D攝影機來做感測，創造出空中觸控虛擬畫面的操作方式，智慧眼鏡商SpaceGlasses也在2014年推出內建空中手勢辨識技術的3D智慧眼鏡。
英特爾(Intel)也在2014年發表RealSense3D攝影機技術，讓個人電腦、平板電腦等資訊產品，達成臉部辨識、情緒追蹤、十指空中手勢辨識等功能。憑藉Intel在業界的力量，未來每台個人電腦都有可能會直接內建此技術，以大幅降低辨識空中手勢技術的成本。
穿戴裝置上的慣性感測器可以感知人類的四肢動作，而頭戴裝置上的3D攝影機能偵測手勢動作；另外，靠近頭部的穿戴裝置所內建的麥克風則可以接收語音指令。
當穿戴裝置已能感知人類所有身體動作的時候，人類最基本的自然訊號：口語語言與身體語言便會成為最後的人機介面。
當穿戴裝置以上述最自然的方式發出控制指令，操弄任何智慧聯網上的裝置，原本要坐在電腦前的行為，只要揮手、說話就能達成，這樣的情境稱為「有機運算」。
「有機運算」是指人類身邊大量具感測器的智慧裝置，其具自動感測數據、互相連結、主動運算與分析等功能，還能自動執行相關指令，有如人體的運作模式；而穿戴裝置在這樣的情境中將扮演關鍵的人機介面角色。雖然這樣的未來還有許多技術尚待克服，但相信憑著目前資通訊科技(ICT)產業強大的技術研發能力，定能加速實現。
