Philips Hue 桌 燈的問題，透過圖書和論文來找解法和答案更準確安心。 我們找到下列包括價格和評價等資訊懶人包

以環境光與音樂的變化進行連鎖咖啡店的服務設計

為了解決Philips Hue 桌 燈的問題，作者史美華 這樣論述：

本研究是找出Ikari咖啡外部顧客及內部顧客的共同服務設計關鍵需求後，導入環境氛圍中的環境光與音樂關鍵需求並結合顧客七大表情辨識研究。環境光顏色從冷到暖的9種顏色變化及4種不同曲風的音樂，探討客人表情的變化，目的是提升客人愉悅的表情，天天都是美好的一天。研究設計1首先探討外部顧客對服務設計的關鍵需求，採面對面的訪談，共訪談55位顧客，其中加盟店27位，直營店28位。訪談內容先調查顧客基本資料，涵蓋消費頻率、行業別、年齡、性別及婚姻；詢問來店消費的誘因，接著分別以人際互動設計、空間設計、作業流程設計及心中期待理想咖啡店的設計四項主軸進行訪談，最後將55位顧客的訪談內容彙整，採分類及歸納之方法，

找出外部顧客關鍵需求。研究設計2接著探討內部顧客對服務設計的關鍵需求，是以第一線主管、值班夥伴及小組長為研究對象，合計70位。採腦力激盪法、KJ法，運用特性要因圖、心智圖討論並歸納出內部顧客對服務設計的關鍵需求6大構面，分別為職能發展設計、環境設計、作業流程設計、工作設計、品牌行銷設計及跨部門合作設計，每構面找出前5項最需改善的服務設計，合計30項並擬訂行動計畫。研究設計3則以研究設計1外部顧客服務設計關鍵需求及研究設計2內部顧客服務設計關鍵需求的環境氛圍關鍵需求環境光及音樂來進行實驗，欲經由環境光顏色與音樂的變化偵測表情，進而辨識與分析顧客的情緒。實驗前測，架構表情狀態轉換圖（Express

ions State Transition Diagram）、選取Philip hue API智慧情境光及音樂、做人臉檢測和主動形狀模型（Active Shape Models ,ASM）特徵點提取；正式實驗將全套餐飲服務改為簡單的下午茶模式、將音樂選擇由原來的爵士樂、輕音樂，再增加古典樂及流行樂，分為對照組與實驗組進行3組實驗。對照組的情境為日光燈，無音樂；實驗組的三個情境分別為智慧情境光，播放音樂及智慧情境光中播放音樂執行表情辨識。受測者面對面坐著自訂主題聊天或閒聊，攝影機擺設在桌上裝飾的花盆中擷取畫面傳送至電腦，使用Ada-boost偵測人臉分類，再用ASM擷取五官特徵點，之後計算五官紋

理與特徵點的移動，計算完成後使用類神經網絡(Artificial Neural Network, ANN) 進行表情分類進而產生辨識結果，並將結果傳送至資料庫儲存，智慧情境光連至資料庫並抓取當中的表情資料，在依原本分類好的七種表情相對應的顏色捕捉，然後每秒進行一次面部表情辨識，將辨識到的表情資料每30秒統計一次，取出現次數最多的表情，並將統計的結果傳送到資料庫，從Server端取最新一筆資料，作為智慧情境光顏色變化與音樂風格切換的依據。受測者進行表情辨識的實測合計1,008次，受到外在環境因素的影響情況下，成功辨識次數為783次，女性342次、男性441次，表情成功辨識率為77.7%。得出的七

種表情成功辨識率佔比分別悲傷的表情（sad）2.5％、恐懼的表情（fearful）6.0％、厭惡的表情（disgusted）16.1％、憤怒的表情（angry）4.2％、驚訝的表情（surprised）19.7％、平靜的表情（neutral）11.1％、愉悅的表情（joyful）18.2％，七大表情分類佔總次數％由高至低排序驚訝的、愉悅的、厭惡的、平靜的、恐懼的、憤怒的、悲傷的。一、愉悅的表情分析（一）實驗組次數佔比愉悅的表情增加4.8％。（二）1.智慧情境光中，女性佔女性比愉悅的表情由23.8％提升至31.25％；2.播放音樂中，男性與女性合計佔比愉悅的表情由11.3％提升為19.3％，女性

佔女性比愉悅的表情由13.8％提升至23.3％，女性佔總數比愉悅的表情由6.5％提升至10.4％，男性佔男性比愉悅的表情由9.1％提升為16.0％，男性佔總數比愉悅的表情由4.8％提升為8.9％；3.智慧情境光播放音樂中，女性佔女性比愉悅的表情由1.3％大幅提升至36％，女性佔總數比愉悅的表情由0.6％提升為9.6％，男性與女性合計佔比愉悅的表情由18.9％提升為29.2％。（三）在t檢定（n