融合社交力模型與多目標追蹤，動態障礙物迴避成功率 92%，跟隨偏差 < 0.3 m。
遮擋後重新識別老人耗時 < 1.2 s；在人群中跟隨正確率 89.3%，適合養老院場景。
專為老年人設計安全距離模型，速度自適應（步速 0.5 – 1.2 m/s）。
即時地圖建構 + 人物識別融合，24 小時連續追蹤，老人離開視野後平均 2.1 s 內重新定位。
加速度計 + 陀螺儀偵測，跌倒後自動撥打緊急電話。
問題：需主動配戴，誤報率仍偏高（約 15%）。
固定攝影機 + 深度學習，AI 識別率 91%。
問題：靠雲端處理，有隱私疑慮。
社交陪伴機器人，可移動巡邏，主要功能為對話陪伴。
跌倒偵測為附加功能，未達商業化精度。
智慧家庭感測網絡，雷達 + 攝影機多源融合，免穿戴、覆蓋整屋。
問題：安裝成本高，無主動追蹤。
| 比較維度 | 穿戴式 | 固定環境 | 視覺 AI | 本研究方案 |
|---|---|---|---|---|
| 偵測準確率 | ★★★☆☆80–93% | ★★★☆☆78–92% | ★★★★☆91–97% | ★★★★★目標 > 95% |
| 視角／覆蓋範圍 | ★★★★★全身感測 | ★★☆☆☆固定視角 | ★★☆☆☆固定視角 | ★★★★★主動跟隨 |
| 使用者負擔 | ★☆☆☆☆需配戴 | ★★★★★免穿戴 | ★★★★★免穿戴 | ★★★★★免穿戴 |
| 隱私保護 | ★★★★☆無影像 | ★★★☆☆視型別 | ★★☆☆☆需影像 | ★★★★☆邊緣計算 |
| 安裝成本 | ★★★★☆低 | ★★☆☆☆中高 | ★★★☆☆中 | ★★★☆☆中 |
| 通報機制 | ★★★☆☆單一 | ★★★☆☆單一 | ★★☆☆☆單一 | ★★★★★多層漸進 |
| 夜間可用性 | ★★★★★全天 | ★★★★☆部分 | ★★☆☆☆有限 | ★★☆☆☆有限 |
現有方案均為被動靜態感測。本研究首次整合移動機器人平台，確保老人隨時在感測視野內，從根本解決視角盲點問題。
所有影像分析在本地進行，不上傳雲端。對比 SafelyYou 與 Alarm.com 的雲端方案，從架構設計上消除隱私疑慮，符合 GDPR 精神。
現有方案僅有單一警報。本研究設計語音確認 → App 推播 → 電話通報 → 119 自動報案四層遞進，大幅降低誤報擾民，同時確保真實跌倒不漏報。
現有三大技術方向各有無法突破的根本缺口（穿戴依從性 ／ 視角盲點 ／ 雲端隱私）。本研究方案透過移動機器人平台從架構層面解決。
文獻驗證 DWPose + CNN+BiLSTM + DeepSORT 組合在邊緣端可行，學術依據充分，技術選型具說服力。
本研究首次整合「主動跟隨 + 跌倒偵測 + 多層通報 + 前兆預警」四功能，具清晰差異化定位與創新貢獻。