#### 回到 [`教學大綱`](https://md.kingkit.codes/s/siSKyknlU) / [`Web:AI 程式積木`](https://md.kingkit.codes/s/X4vMmbtp_)
<style>
blockquote.announcement {
background-color: #f4aa14;
height: 50px;
width: 100%;
display: flex;
justify-content: center;
border-left: none;
}
blockquote.announcement p {
color: white;
height: 100%;
align-items: center;
display: flex;
}
.announcement a {
background-color: rgba(0, 0, 0, 0.2);
text-decoration: none;
padding: 6px 16px;
border: 1px;
border-radius: 8px;
color: #fff;
line-height: 30px;
}
</style>
<blockquote class="announcement">
<p>
Webduino 學習手冊網站即將改版，提供您更好的閱讀體驗！<a
href="https://resource.webduino.io/docs/webai"
target="_blank"
rel="noopener"
>搶先試用</a
>
</p>
</blockquote>
# 物件追蹤
Web:AI 影像辨識分為 **影像分類** 以及 **物件追蹤**，可以使用 Web:AI 開發板拍攝影像上傳至 Webduino 影像訓練平台進行影像訓練，將訓練完成的模型下載，再使用程式積木執行影像辨識。
本章節將會介紹「物件追蹤」積木的使用方式。
## 下載物件追蹤模型
在使用物件追蹤前，需要先訓練好模型，並下載至開發板中，訓練流程歡迎參考：[三、影像訓練](https://md.kingkit.codes/s/mopjgVaZU)。按照步驟下載後，就可以使用「物件追蹤」積木進行操作了。
另外，也可以直接使用已經訓練完成的「小怪獸模型」，內建在開發板中不需要重新訓練及下載模型。
## 設定物件追蹤模型
在操作物件追蹤前，需要先使用「設定物件追蹤模型」積木對模型作設定。
- 模型：物件追蹤使用的模型。
- 分類：模型中的分類，使用半形逗號「,」分隔。
- 辨識門檻：物件追蹤的精準度，門檻越高代表偵測越像才會辨識成功，預設為 0.5。
- 鏡頭反轉：在使用特定外殼時會有前後鏡頭功能，因此需要勾選讓鏡頭反轉，避免畫面上下顛倒。
> 如果是使用無外殼的 Web:AI 開發板，使用預設的不勾選。
- 寬高：影像的尺寸大小。
1. 內建「小怪獸模型」，使用的尺寸：
- 寬：320
- 高：224
2. [Webduino 影像訓練平台](https://vision.webduino.io/) 訓練的模型，使用的尺寸：
- 寬：224
- 高：224
3. 使用自行訓練的模型，需要手動輸入。
在「設定物件追蹤模型」積木中可以選擇要使用的模型，選擇的模型必須和下載到開發板中的板子一致，才能順利進行辨識。
選擇模型方式又會依據使用的平台及建立方式而不同，如下：
- ### 選擇模型 ( 線上版 )
點擊「模型」，可以從下拉選單中選擇想使用的模型，選單中的模型會根據 [Webduino 影像訓練平台](https://vision.webduino.io/) 列出可使用的影像分類模型，也可以選擇開發板內建的 **小怪獸模型 ( 預設模型 )**。
- ### 選擇模型 ( 安裝版 )
在「模型」中手動輸入，並將「分類」反白複製後貼上。
> 因為分類的順序會影像到是否能正常辨識，為確保順序正確，建議直接將分類反白複製。
- 使用小怪獸模型 ( 預設模型 )
1. 使用「設定模型積木」。在「模型」中手動輸入模型名稱 monster
2. 在「分類」中手動輸入分類 green,yellow,red,blue
2. 辨識門檻：0.1 ( 建議 )
3. 鏡頭反轉：在使用特定外殼時會有前後鏡頭功能，因此需要勾選讓鏡頭反轉，避免畫面上下顛倒。
> 如果是使用無外殼的 Web:AI 開發板，使用預設的不勾選。
5. 寬高：影像的尺寸大小。寬：320；高：224。
填寫範例：
- 使用 Webduino 影像訓練平台訓練的模型
1. 使用「自訂模型積木」。
2. 填寫分類：在影像訓練平台選擇欲使用的模型，將「分類」反白複製後貼上。
> 因為分類的順序會影像到是否能正常辨識，為確保順序正確，建議直接將分類反白複製。
3. 填寫 anchor 資訊：在影像訓練平台點擊欲使用的模型，選擇「模型資訊」>「複製」。將複製的內容，填入積木的「anchor」欄位。
3. 辨識門檻：0.5 ( 建議 )
4. 鏡頭反轉：在使用特定外殼時會有前後鏡頭功能，因此需要勾選讓鏡頭反轉，避免畫面上下顛倒。
> 如果是使用無外殼的 Web:AI 開發板，使用預設的不勾選。
6. 寬高：影像的尺寸大小。寬：224；高：224。
填寫範例：
- ### 選擇模型 ( 新增自訂模型 )
如果是自行將模型燒錄進開發板，或是將模型檔案放在 SD 卡中，就需要使用「新增自訂模型」，如下方步驟：
1. 點擊「新增自訂模型」。
2. 輸入模型名稱，按下確定。
3. 模型選單中出現自訂模型，後方會標示 **( 自訂 )**
4. 在「分類」填入自訂模型的分類順序
## 開始偵測物件
使用「開始偵測物件」積木來觸發影像辨識的進行。
因為這塊積木代表觸發 1 次物件追蹤，如果需要重複觸發，就需要在外層放上「無限重複」積木。
## 取得所有物件
當開始辨識時，使用「取得所有物件」積木來取得偵測到的物件。
積木裡面需要填入分類的名稱。
使用時可以搭配「變數」積木，讓後續程式更方便撰寫，如下方程式為：將偵測到的「分類 green」用變數命名為「objGroup」。
## 物件資訊
當開始辨識時，可以使用「物件資訊」積木來顯示辨識到的資訊，包含：x 座標、y 座標、寬、高、信心度。( 信心度最高為 1、最低為 0，若信心度越高，代表偵測錯誤的可能性越低。)
> 因為影像訓練辨識的結果會落在一個區間範圍內，若信心度為 90%，代表有 90% 的機率真正的結果會落在這個區間範圍內。
## 範例：物件追蹤內建小怪獸模型
#### ➤ 前往 [`範例連結`](https://ai-blockly.webduino.io/?hashid=vzYQQQZjm6#/)
1. 先選擇要使用的模型，如範例是使用開發板內建的小怪獸模型「monster ( 預設模型 )」。
> 如果不使用內建模型，就需要先從 [Webduino 影像訓練平台](https://vision.webduino.io/) 下載。
> 有關如何訓練影像模型，歡迎參考：[三、影像訓練](https://md.kingkit.codes/s/mopjgVaZU)。
2. 使用「設定物件追蹤模型」積木，選擇使用的模型。
3. 使用「無限重複」積木，放入「開始偵測物件」積木，代表不斷觸發物件追蹤。
4. 使用「變數」積木，將偵測到的所有「分類 green」命名為「greenGroup」。
5. 使用「邏輯」積木及「陣列長度」積木，當偵測到的「green」數量 ≥ 1，會執行後方程式。
> 當鏡頭偵測到的綠色小怪獸數量 ≥ 1，就會執行後方程式。
6. 在執行後方放入「變數」積木，將「陣列 greenGroup」的第一項命名為「green」。
> 因為物件追蹤可以同時追蹤多個物件，但是只能同時顯示單一物件的資訊，所以設定為「陣列 greenGroup」中的第一個。
7. 在後方放入「顯示文字」積木，顯示「變數 green」的資訊。
> 當偵測到綠色小怪獸時，顯示「Green Monster!( x 座標,y 座標 )」
8. 將積木組合後，按下部署即可追蹤小怪獸，並顯示綠色小怪獸的座標位置。
9. 另外再重複步驟 4~7，將放入其它 3 隻小怪獸的程式，按下部署後即可追蹤 4 隻小怪獸，並顯示座標位置。
> 因為程式設計方式，所以同時追蹤 4 隻小怪獸時只會顯示綠色小怪獸的資訊。