隨著物聯網技術趨於成熟、雲端服務的變革以及智慧家庭產品持續增加，使得居家安全監控市場現在龐大的商機。
其中因為深度學習、人工智慧的發展，促使著影像處理技術的不斷進步，以及嵌入式系統逐漸電腦化，將兩者結合就能達成影像處理攝影機。現今人們已經人手一支智慧型手機，只要搭配手機應用程式就能即時掌握居家狀況。
本論文利用Raspberry Pi 3硬體實作出一套影像辨識系統，與一套Android App進行系統整合。實作上分為兩部分，第一部分為在樹莓派上實作出影像辨識系統，首先透過裝置上的攝影機讀取影像後，以影像去除背景、二值化、侵蝕及膨脹技術對於物體影像處理作為偵測，再透過影像模組作為物體辨識，並且排除居家寵物造成判別錯誤的可能性；第二部分則實作Android App功能包含帳戶管理、多方登入驗證、接收推播訊息、影像接收及影像串流，最後整合樹莓派以及Android App達到遠端啟動、接收訊息。

In recent years, thanks to the development of the Internet of Thing, advancement of cloud technology and the growth of smart home product results make the home surveillance market more business opportunities. Because of the deep learning, the development of artificial intelligence improve computer vision ability, as well as the gradual computerization of embedded systems, combine the two to achieve a computer vision camera. Nowadays, people have already got a smartphone, and they can instantly grasp the home situation with the mobile applications. This research uses Raspberry Pi 3 hardware to make an implements computer vision system, and an Android application system integration. The implementation is divided into two parts, The first part is to make a computer vision system on the Raspberry Pi. First, after reading the image through the camera on the device, the image remove background, threshold, erode and dilate techniques for object image processing as detection. Finally, through the image module as object recognition and rule out the possibility that the home pet will make a discriminating error. The second part of the implementation of Android App features account management, multi-party login verification, receiving push messages, image reception, and video streaming. Finally integrated Raspberry Pi and Android App to remotely start and receive messages.

[1] IoT Trends For Business: 2018 And Beyond. Available：https://mobidev.biz/blog/iot-trends-for-business-2018-and-beyond
[2] 深度學習促進智慧攝影機邊緣分析技術. Available：https://www.asmag.com.tw/showpost/10942.aspx
[3] GOOGLE 機器學習系統Tensorflow Lite離線辨識圖片效率大增. Available：https://www.mile.cloud/zh-hant/tensorflow-lite/
[4] 安全監控技術的發展與未來應用. Digitimes. Available：
http://www.digitimes.com.tw/iot/article.asp?cat=130&id=0000371869_9H69EHSF595BI8LWFF12D
[5] 張元翔, “Raspberry Pi嵌入式系統入門與應用實作”, 第一版, 台北市, 碁峰資訊, 2016, pp. 1-5–1-6
[6] 樹莓派（Raspberry Pi）. Available：https://www.raspberrypi.org/
[7] 黃彬華, “Android 6~5.x App開發教戰手冊”, 第一版, 台北市, 碁峰資訊, 2015, pp. 1-2–1-7
[8] Java. Wiki. Available：https://zh.wikipedia.org/wiki/Android
[9] Android Studio. Wiki. Available：https://zh.wikipedia.org/wiki/Android_Studio
[10] PHP. Wiki. Available：https://zh.wikipedia.org/wiki/PHP
[11] Apahe HTTP Server. Wiki. Available：https://zh.wikipedia.org/wiki/Apache_HTTP_Server
[12] Python. Wiki. Available：https://zh.wikipedia.org/wiki/Python
[13] OpenCV. Wiki. Available：https://zh.wikipedia.org/wiki/OpenCV
[14] 網路影像監控系統的國際標準趨勢. Available：
http://www.asmag.com.tw/article/article_detail.aspx?aid=8103
[15] Firebase. Available：https://firebase.google.com/
[16] 新版Firebase來了!Google要為App開發者打造一套萬用雲端後臺. Available：https://www.ithome.com.tw/news/106045
[17] Firebase Authentication.Oauth 2.0. Available：https://oauth.net/2/
[18] Oauth 2.0筆記(1)世界觀. Available：https://blog.yorkxin.org/2013/09/30/oauth2-1-introduction.html
[19] OpenID Connect是啥，做啥用的？. Available：https://dotblogs.com.tw/ryannote/2016/09/28/074939
[20] Oauth 2 with external OpenID Providers using Membrane. Available：https://www.membrane-soa.org/service-proxy-doc/4.4/oauth2-openid.htm
[21] Firease Realtime Database. Available：https://firebase.google.com/docs/database/
[22] Cloud Storage. Available：https://firebase.google.com/docs/storage/
[23] Firebase Cloud Messaging. Available：https://firebase.google.com/docs/cloud-messaging/
[24] 圖像處理. Available：https://zh.wikipedia.org/wiki/%E5%9B%BE%E5%83%8F%E5%A4%84%E7%90%86
[25] 阿洲的程式教學-侵蝕、膨脹. Available：http://monkeycoding.com/?p=577
[26] 深度學習. Available：https://zh.wikipedia.org/wiki/%E6%B7%B1%E5%BA%A6%E5%AD%A6%E4%B9%A0
[27] Andrew G. Howard, Menglong Zhu, Bo Chen, Dmitry Kalenichenko, Weijun Wang, Tobias Weyand, Marco Andreetto, Hartwig Adam, “MobileNets: Efficient Convolutional Neural Networks for Mobile Vision Applications” , 2017
[28] Chuanqi305/MobileNet-SSD. Available：https://github.com/chuanqi305/MobileNet-SSD
[29] Dogd Digging. Available：https://videos.pexels.com/videos/dogs-digging-855266