GuardVision Edge
將閒置 Android 手機轉化為隱私優先的 AI 空間守護裝置，並以同一套行為分析核心擴展至商辦、倉儲與公共場域。系統在裝置端分析匿名 Track、區域、移動、姿態與物品接近關係，輸出可解釋警示供人工確認。
- 切入路徑
- 舊手機
- 推論位置
- 邊緣端
- 複核方式
- 人工主導
即時風險控制台
Android 裝置 - 入口與櫃台視角
可解釋警示
Track #014 在敏感區附近停留 180 秒，並 4 次跨越限制線。系統回報行為證據，而非身份判斷。
Track #014
高敏感區停留
Risk score 72
Track #021
高快速接近櫃台
Risk score 64
Track #008
中物品接近右手
Risk score 48
感知與行為 AI
以可驗證線索支援風險複核，而非身份監視。
官方網站現在同時呈現消費級 Android App 入口與企業級場域安全平台，但維持同一套行為導向隱私邊界。
15 FPS 目標
匿名 Track 智能
人員偵測建立短期匿名 Track ID，用於移動、停留、區域進出與群聚情境，不建立身份輪廓。
33 個關鍵點
姿態感知行為訊號
姿態關鍵點與時間序列協助區分一般移動、快速接近、跌倒、推擠與舉臂等事件。
多線索
物品接近關係推理
物件偵測先作為弱訊號，需再與手部、身體、停留時間或無人看管規則交叉驗證。
AI 能力地圖
分層感知模型，輸出可複核的現場證據。
GuardVision Edge 結合偵測、姿態、物品、區域與風險評分訊號。每項能力都以可檢視證據呈現，而非身份或意圖判斷。
EfficientDet-Lite 人員框
偵測畫面中的人員，正規化 bounding box，並為短期行為分析建立匿名 Track ID 起點。
訊號
- Bounding box
- 信心分數
- 影像時間戳
- Track 起點
輸出
供追蹤使用的匿名人員觀測資料。
MediaPipe 姿態關鍵點
提取人體 landmarks 與時間序列動作線索，支援舉臂、推擠、跌倒與快速移動等事件複核。
訊號
- 33 個關鍵點
- 3D 世界座標
- 移動方向
- 姿態品質
輸出
附著於匿名 Track 的姿態特徵。
疑似物品接近關係
物件偵測先視為弱訊號，需與手部、身體、停留時間或無人看管規則交叉驗證。
訊號
- 物件類別
- 物件框
- 手部接近
- 持續時間
輸出
供人工確認的疑似物品訊號。
Geofencing 行為情境
將 Track 對齊使用者設定的區域與限制線，讓停留、跨線與接近限制區都能被說明。
訊號
- 區域多邊形
- 跨線
- 停留時間
- 進出紀錄
輸出
空間行為證據，而非身份判斷。
多線索信心模型
結合時間、空間、移動、姿態與物品線索，避免單一弱訊號直接成為高風險警示。
訊號
- 事件權重
- 模型信心
- 時間因子
- 區域敏感度
輸出
供現場分流的可解釋分數區間。
可複核事件原因
將風險輸出整理為 Track、區域、時間、證據與建議確認文字，支援稽核與現場作業。
訊號
- 原因列表
- 風險等級
- 證據摘要
- 複核狀態
輸出
管理者可讀的警示脈絡。
Frame 到風險特徵管線
所有模型輸出都會先正規化再送入分析層，讓後續模組能共用一致的產品介面。
01
影像幀完成縮放、旋轉校正並映射到模型座標。
02
模型輸出正規化為偵測、姿態與物品訊號。
03
Track 與區域情境將原始輸出轉為行為特徵。
04
風險引擎產生分數、原因列表與建議確認文字。
能力邊界
功能區塊的產品敘事需與系統設計保持一致。
- 不做人臉身份比對。
- 不以受保護屬性建立風險分數。
- 不自動處罰或自動通報執法。
- 高風險警示需要多線索證據與人工確認。
Edge AI 與隱私優先安防
手機裡的隱形 AI 守護者。
GuardVision Edge 以具體的安全產品解釋邊緣運算：影像由手機本機理解，敏感畫面不需要送往雲端辨識服務，警示描述的是可觀察行為，而不是個人身份。
0
預設需要雲端影像辨識
裝置本機
AI 推論執行位置
不建立
建立身份資料庫
手機成為本地端 AI 守衛站。
裝置不再只是顯示螢幕。CameraX、LiteRT 與 Android runtime 讓手機變成即時安全運算中心，可在敏感影像離開裝置前先理解時間、空間、移動與物品接近關係。
行為
異常行為
重複路徑、不規律移動或突然改變方向，會被轉為可複核的移動證據。
接近
危險接近
快速朝櫃台、門口、現金區或保護區移動時，會在其他線索支持下提高風險分數。
停留
長時間逗留
本機引擎會計算匿名 Track 在指定敏感區內停留的時間。
互動
危險物件互動
物件偵測先維持弱訊號，需與手部、身體、區域或無人看管時間規則交叉驗證。
隱私優先不是口號，而是架構選擇。
產品邊界很清楚：理解場域中發生了什麼事，但不蒐集人臉、不建立身份輪廓，也不依賴雲端辨識。
- On-device inference 讓影像分析留在相機來源附近。
- 不做人臉辨識、人臉 embedding 或受保護屬性評分。
- 匿名 Track ID 只在短期 session 內用於行為複核。
- 本地風險偵測與警示推理不需要雲端服務才能運作。
雲端 AI 與邊緣 AI 的差異
差異不只是速度，而是敏感資料路徑的控制權。
Android Edge AI Pipeline
Runtime 說明讓技術買家快速理解從相機畫面到可解釋警示的完整路徑。
- 01CameraX ImageAnalysis 保留最新影像幀，避免舊幀造成延遲判斷。
- 02Frame preprocessing 統一處理旋轉、縮放與模型輸入座標。
- 03LiteRT / TensorFlow Lite 在本機執行人員、姿態或物件模型，並可走 CPU、GPU 或 NPU 加速路徑。
- 04匿名 Track ID、區域規則、停留計時與移動向量被轉為行為特徵。
- 05風險引擎輸出分數區間、原因列表與本機警示，交由人工確認。
隱形守護者：Edge AI、Android Runtime 與隱私安全。
此區塊可作為技術教育、SaaS Dashboard 敘事、銷售溝通與未來官方白皮書的穩定入口，說明隱私優先安防 AI 的核心邏輯。
- 邊緣運算基礎
- 手機端 AI Runtime
- 隱私安全行為偵測
隱私優先的行為偵測
解密 GuardVision Edge：AI 如何在不認人的情況下看見危機。
GuardVision Edge 不問你是誰。系統會先把影像去識別化，轉成匿名座標、臨時 Track ID、移動向量、姿態關鍵點、區域事件與可解釋風險分數。
從「你是誰」轉向「這裡發生了什麼事」
傳統監控從人臉比對與身份資料庫開始；GuardVision Edge 將個人外貌排除在產品邊界外，把專業保全會觀察的行為數位化：徘徊、快速接近、闖入、群聚或危險物件互動。
視覺管線：從像素到隱私安全資料
CameraX 擷取最新畫面、LiteRT 在本機推論，App 只保留行為分析所需的結構化觀測資料。原始影像不會被轉為身份輪廓。
輸入
RGB 影像像素
AI 輸出
匿名 Bounding Box
定位人體形狀，不儲存人臉 embedding。
輸入
眼睛、鼻子與臉部特徵
AI 輸出
33 個姿態關鍵點
姿態被轉為數位火柴人，用於移動推理。
輸入
背景與物件
AI 輸出
區域座標與物品接近關係
敏感區與物品互動會轉為空間訊號。
去識別化：把人轉成隱私安全的數據分身
官網現在清楚說明：高隱私風險的影像內容會在風險引擎前，被降維成幾何資訊、短期 ID 與骨架關鍵點。
模組
人員偵測
原始影像內容
臉部表情與服裝細節
匿名 AI 資料
Bounding Box 中心點與大小
隱私安全邏輯
幾何資訊不包含臉部紋理或 biometric embedding。
目的與功能 定義目標在畫面中的物理覆蓋範圍。
模組
匿名追蹤
原始影像內容
姓名、帳號或身份紀錄
匿名 AI 資料
隨機 session Track ID，例如 Track #001
隱私安全邏輯
ID 具暫時性，不能形成跨日身份輪廓。
目的與功能 在單次即時 session 中追蹤同一目標。
模組
姿態估計
原始影像內容
肢體外觀、膚色或個人特徵
匿名 AI 資料
33 個骨架關鍵點與 3D 姿態座標
隱私安全邏輯
只保留關節連接關係，用於行為推理。
目的與功能 辨識跌倒、推擠或揮擊等動作模式。
臨時 Track ID 取代身份輪廓
畫面中的每個人會成為單次 session 內的 Track ID，例如 Track #101。此 ID 支援行為分析，但不連結姓名、人臉、帳號或身份資料庫。
中心點位置
畫面座標中的即時 XY 位置
移動向量
移動方向與接近趨勢
即時速度
區分一般步行與異常衝刺
停留計時
在敏感區內停留的時間
三大風險感知器支撐行為模型
分析引擎會結合移動、時間與空間。每個訊號都足夠透明，能讓管理者檢查原因。
01 / 移動路徑
分析方向、速度向量、路徑重複與路線規律，用於判斷異常移動與危險接近。
Path anomaly = 速度門檻 + 路徑重複門檻
02 / 停留時間
計算 Track 在 ATM、倉庫門、櫃台等區域靜止或反覆回到同一位置的秒數。
Dwell risk = 停留秒數 / 允許時間 x 基礎權重
03 / 空間區域
以 Bounding Box 中心點判定是否跨越虛擬禁止線或進入多邊形敏感區。
Zone risk = 是否在敏感區 x 區域優先係數
行為邏輯使用透明條件
風險引擎檢查可觀察事件，而不是猜測意圖。每個警示都能被解釋為時間、空間、移動、姿態與物品證據的組合。
- OKTrack 是否在多邊形敏感區重疊超過門檻？
- OK手臂關鍵點是否出現快速揮擊軌跡？
- OK兩個 Track ID 的移動向量是否異常一致？
- OK小範圍內 Track ID 密度是否突然激增？
- OK物品是否長時間接近手部或處於無人看管狀態？
風險分數：多線索證據，而非黑箱判斷
單一行為不會被視為定罪。系統只有在空間、時間、速度、姿態與物品線索互相支持時，才把弱訊號合成較高等級的警示。
0-30
低
僅記錄 metadata，不干擾場域秩序。
31-60
中
標記畫面並寫入事件日誌。
61-80
高
發送強訊號警示供人工確認。
81-100
緊急
保存證據時間窗並升級警示。
負責任 AI 的關鍵啟示
01
Edge AI 將推論保留在 Android 裝置端，預設避免雲端影像分析。
02
加權邏輯讓警示能被解釋為證據累積，而不是隱藏身份評分。
03
匿名姿態、移動與區域分析可支援安全守護，不必把產品變成人臉監控。
即時風險流程
從影像像素到可複核事件證據。
- 01CameraX ImageAnalysis 在 Android 裝置上永遠處理最新幀，避免警示延遲累積。
- 02LiteRT 與 ML Kit 模型將影像轉為偵測框、姿態關鍵點與物件訊號。
- 03分析規則結合停留時間、區域、移動與多線索信心分數，不做人臉身份判斷。
- 04警示包含原因、時間戳與匿名 Track ID，供管理者確認。
市場定位
先用舊手機切入個人守護，再擴展到專業場域。
GuardVision Edge 採雙路徑市場策略：初期以消費級 App 將閒置 Android 裝置變成個人空間守護鏡頭，長期則發展為商辦、倉儲、校園與公共場域的 B2B 邊緣 AI 安防平台。
商業價值不是辨識某個人是誰，而是協助使用者即時知道這裡發生了什麼事。
個人空間守護 App
以 Google Play 快速切入租屋族、獨居者、小店主與旅行臨時場景。
- 閒置 Android 手機再利用
- 簡單設定自訂守護區域
- 本機警示與在地事件證據
- Freemium 升級至 Plus / Pro
商業場域安全平台
同一套邊緣 AI 核心可擴展為專業部署、場域校準與管理者複核流程。
- 攝影機角度與區域校準
- SLA 與裝置授權
- 白牌、OEM 與通路合作
- 事件稽核與管理者工作流
技術架構
低延遲、隱私優先的 Android 邊緣 AI 技術棧。
網站整合簡報中的技術架構：CameraX 負責影像擷取、LiteRT 負責本機推論、ML Kit / MediaPipe 提供姿態與物件訊號，Room / SQLite 與 SQLCipher 路徑支援加密事件 metadata。
影像擷取
Android CameraX ImageAnalysis
Backpressure 策略確保處理最新幀，避免舊幀造成警示延遲。
AI Runtime
LiteRT / TensorFlow Lite
支援 GPU / NPU 加速，讓推論維持本機、低延遲與可離線。
感知模型
ML Kit / MediaPipe
姿態、物品與追蹤訊號可組合為可複核的行為證據。
本地儲存
Room / SQLite with SQLCipher path
事件 metadata 與證據片段可依政策加密與限期保存。
匿名追蹤
Bounding box 轉為臨時 Track ID，用於單次 session 內的移動、停留與區域推理。
行為特徵提取
速度、方向、停留時間、區域關係、姿態品質與物品接近關係會轉為結構化特徵。
風險評分引擎
多線索規則將行為特徵轉為 0-100 分數、原因列表與建議複核文字。
Overlay 與 Dashboard
偵測框、虛擬區域、警示標籤與風險卡片讓現場事件可被檢視。
行為風險類別
系統只描述可觀察、可驗證的事件。
風險來自時間、空間、移動、姿態與物品關係的交叉驗證。單一弱訊號不能被呈現為確定高風險結論。
商業模式
Freemium App 切入，企業部署擴張。
消費級 App 透過 Google Play 快速驗證需求；企業路徑則透過場域建置、每台裝置授權、SLA 維護與通路合作變現，同時沿用隱私優先的 AI 核心。
Free
NT$0
單機守護模式，適合臨時與輕量個人監看。
- 基礎移動偵測
- 單一 Android 裝置
- 24 小時本地紀錄
Plus
NT$79/月
AI 人員偵測與自訂區域守護，適合租屋族與小型空間。
- 匿名人員偵測
- 自訂守護區域
- 7 天加密事件紀錄
Pro
NT$179/月
進階 AI 事件與多裝置準備能力，適合家庭與小店。
- 姿態與物品事件等級
- 多裝置支援
- 30 天事件保存政策
B2B 擴展
商業部署可加入場域校準、規則調校、授權、SLA 維護與合作夥伴安裝服務。
產品原則
網站文案與安全設計原則保持一致。
風險評估應建立在可驗證的行為模式與環境事件，而非長相或臉部特徵。
系統輸出不應是「這是危險人物」，而應是「匿名目標在敏感區停留超過 180 秒」。
安全 App 的核心是信任，所有警示都必須具備可解釋證據。
舊手機再利用降低硬體成本，也讓閒置電子產品產生新的安全價值。
預設隱私保護
以行為為主，不處理身份。
公開隱私與安全頁面說明產品會做什麼、不會做什麼，以及管理者採取行動前需檢視哪些證據。
部署方式
消費級切入，企業級擴展。
同一套 Android 邊緣 AI 核心先支援舊手機個人空間守護，再擴展到商業試點與管理型部署。
FAQ
讓管理者可理解的產品邊界。
GuardVision Edge 會辨識人的身份嗎？
不會。本產品以匿名 Track、行為事件與本機處理為設計核心，不做人臉身份或生物特徵比對。
系統會自動判定某個人危險嗎？
不會。警示只說明可觀察行為與場景線索，最後仍由現場管理者確認情境。
Google Play 目前可以下載嗎？
公開 Android listing 正在規劃中。試點與企業部署可先透過聯絡流程洽詢。
發布與聯絡
提供下一步行動，但不暗示公開版本已上架。
Google Play 公開 listing 尚未上線。管理者與企業客戶仍可加入候補、聯絡業務，或申請部署評估。
公開 listing 即將推出
Android App 入口會保留給正式發布流程。在 listing 上線前，網站只呈現資訊狀態，不提供可點擊下載。
在真實 Google Play listing 可用前，網站不會連到 placeholder 商店網址。
CTA 治理邊界
- 公開前不建立假的 Play Store 連結。
- 不承諾自動執法或身份辨識能力。
- 試點與部署申請都需要人工確認。