利用 AI 辨識飆車噪音，自動觸發閃光燈模擬測速照相，嚇阻深夜飆車族。
台灣都市深夜飆車問題嚴重，改裝車輛炸街聲音超過 100dB，嚴重影響居民生活品質。Flashback 是一套低成本、自動化、民間可自行架設的聲音偵測與閃光嚇阻裝置，利用舊 Android / iOS 手機即可運作，透過飆車族對「被拍照」的心理恐懼達到嚇阻效果。
| 功能 | 狀態 |
|---|---|
| Android App 基礎框架（Jetpack Compose） | [已實作] |
| 持續監聽環境音（AudioRecord PCM 串流） | [計畫中] |
| 即時音量計算（RMS dB） | [計畫中] |
| FFT 頻譜分析（100Hz ~ 3kHz 引擎聲特徵） | [計畫中] |
| YAMNet AI 聲音分類辨識 | [計畫中] |
| AND 邏輯觸發條件（音量 + AI + 持續時間 + 時段） | [計畫中] |
| 手機閃光燈觸發（延遲 < 100ms） | [計畫中] |
| 多機 WebSocket 聯動閃光 | [計畫中] |
| 參數設定介面（閾值、時段、靈敏度） | [計畫中] |
| 觸發事件記錄與歷史查看 | [計畫中] |
| 觸發時自動拍照存檔 | [選配] |
| Telegram Bot 通報 | [選配] |
| 外接閃光燈 — WiFi 直連（閃光燈內建 WiFi） | [選配] |
| 外接閃光燈 — Bluetooth 直連（閃光燈內建 BLE） | [選配] |
| 外接閃光燈 — 2.4GHz 經 ESP32 橋接（Phone → BT/WiFi → ESP32 → 2.4GHz → Flash） | [選配] |
| iOS App（Swift / SwiftUI） | [計畫中] |
graph TB
subgraph 主裝置 Android
MIC[🎤 麥克風] --> AR[AudioRecord]
AR --> RMS[RMS 音量計算]
AR --> FFT[FFT 頻譜分析]
AR --> YN[YAMNet AI 分類]
RMS --> TE{觸發決策<br/>AND 邏輯}
YN --> TE
TE -->|觸發| FLASH[⚡ 閃光燈]
TE -->|觸發| WS[WebSocket 廣播]
end
subgraph 從裝置
WS -->|WiFi| C1[📱 從機 A → ⚡]
WS -->|WiFi| C2[📱 從機 B → ⚡]
end
subgraph 外接閃光 選配
TE -->|WiFi| WFLASH[💡 WiFi 閃光燈]
TE -->|BLE| BFLASH[💡 Bluetooth 閃光燈]
TE -->|BT/WiFi| ESP32[🔌 ESP32] -->|2.4GHz| RFLASH[💡 2.4GHz 閃光燈]
end
- 安裝 Docker 與 VS Code
- 安裝 VS Code 擴充套件 Dev Containers
- 開啟專案資料夾，VS Code 會提示在容器中重新開啟
- 容器已預裝 JDK 17、Gradle 8.11.1、Android SDK 35
- 在 macOS 主機安裝 Tart（Apple Silicon 原生虛擬化）
- 建立 macOS VM 並安裝 Xcode
- 透過 VS Code + SSH Remote 連線至 VM 開發
- 體驗與 devcontainer 相同的遠端開發流程，差別僅在需從 macOS 載入 VS Code
iOS 版本尚未開始開發，此方式為未來規劃。
前置需求：
- JDK 17
- Android SDK（Platform 35, Build Tools 35.0.0）
- 設定環境變數
ANDROID_HOME
git clone <repository-url>
cd flashback# 建置 Debug APK
./gradlew assembleDebug
# 執行 Lint 檢查
./gradlew lint
# 清除建置產物
./gradlew clean
# 執行單元測試（尚未建立）
./gradlew test建置產物位於 app/build/outputs/apk/debug/。
flashback/
├── app/ # Android App 模組
│ ├── build.gradle.kts # App 建置設定
│ └── src/main/
│ ├── AndroidManifest.xml
│ └── java/com/flashback/app/
│ ├── MainActivity.kt # 主 Activity
│ └── ui/theme/ # Compose 主題
├── gradle/
│ └── libs.versions.toml # 版本目錄（依賴集中管理）
├── docs/
│ ├── proposal.md # 專案提案文件
│ └── ARC42/ # 系統架構文件
│ ├── 00-index.md # 目錄
│ ├── 01~12 # 各章節
│ └── ...
├── .devcontainer/ # Docker 開發容器設定
├── build.gradle.kts # 根層建置設定
├── settings.gradle.kts # 專案模組設定
├── CLAUDE.md # AI 開發指引
└── README.md # 本文件
| 層次 | 技術 | 版本 | 說明 |
|---|---|---|---|
| 語言 | Kotlin | 2.0.21 | 原生 Android，效能最佳 |
| UI | Jetpack Compose | BOM 2024.12.01 | 現代宣告式 Android UI |
| 建置 | Gradle (Kotlin DSL) | 8.11.1 | 搭配 Version Catalog |
| Android | AGP | 8.7.3 | Min SDK 24 / Target SDK 35 |
| 音訊分析 | TarsosDSP | — | 開源音訊 FFT 分析 [計畫中] |
| AI 分類 | YAMNet (TFLite) | — | Google 521 類聲音分類 [計畫中] |
| 相機 | CameraX | — | 閃光燈控制與拍照 [計畫中] |
| 網路 | Ktor WebSocket | — | 多機聯動通訊 [計畫中] |
| 外接閃光 | WiFi / BLE / 2.4GHz+ESP32 | — | 三種外接閃光方案 [選配] |
| iOS 語言 | Swift | — | iOS 原生開發 [計畫中] |
| iOS UI | SwiftUI | — | iOS 宣告式 UI [計畫中] |
| iOS 音訊 | AVAudioEngine | — | iOS 音訊擷取與分析 [計畫中] |
| iOS 開發環境 | Tart + VS Code SSH | — | macOS VM 遠端開發 [計畫中] |
- AudioRecord PCM 串流擷取
- RMS 音量計算
- FFT 頻譜視覺化
- 閾值觸發 → 手機閃光燈
- 整合 YAMNet TFLite 模型
- AND 邏輯觸發條件
- 誤觸發率測試與調校
- Compose 主控介面
- 參數設定（閾值、時段、靈敏度）
- 觸發歷史記錄畫面
- Ktor WebSocket Server（主機）
- WebSocket Client（從機）
- 延遲測試與優化
- 自動拍照存檔
- Telegram Bot 通報
- 外接閃光燈控制（WiFi / Bluetooth / 2.4GHz+ESP32）
- 建立 Tart macOS VM 開發環境（VS Code + SSH Remote）
- iOS 專案 scaffold（Swift + SwiftUI）
- AVAudioEngine 音訊擷取與 RMS 計算
- Core ML / TFLite YAMNet 整合
- iOS 閃光燈控制（AVCaptureDevice）
- WebSocket Client（從裝置聯動）
- 與 Android 主裝置跨平台多機協作
| 配置 | 需求 | 預估成本 |
|---|---|---|
| 基本（單機） | Android 手機（7.0+）× 1 + 支架 + 充電線 | NT$200 |
| 建議（多機） | 主手機 × 1 + 從手機 × 2~3 + WiFi | NT$200 |
| 進階 WiFi/BLE | 以上 + WiFi 或 BLE 閃光燈 | NT$1,200~3,200 |
| 進階 2.4GHz | 以上 + ESP32 + 2.4GHz 閃光燈 | NT$1,400~3,400 |
| iOS 混合 | Android 主機 + iOS 從機（舊 iPhone） | NT$200 |
主要利用舊 Android / iOS 手機，極低硬體成本。
- 本系統定位為**「聲光嚇阻」**而非「舉證蒐證」
- 閃光燈應朝向側牆反射，嚴禁直射駕駛視線
- 安裝位置與角度由使用者自行負責
- 若啟用拍照功能，照片僅供個人使用
- 實際部署前請諮詢法律意見
- 專案提案 (proposal.md) — 完整專案背景與規格
- 系統架構文件 (ARC42) — 詳細架構設計
- AI 開發指引 (CLAUDE.md) — Claude Code 開發指引
待定