https://youtu.be/dgboN8NDfdg
AI之眼
幻影操控、變臉、唇語、美妝、手勢、肢體
表情偵測、人臉辨識
Python創意實戰
本書內容
►《AI之眼》—— AI視覺時代的必讀指南！◄
►幻影操控 × AI變臉 × 人臉識別 × 手勢追蹤◄
►解鎖 AI 影像技術 × Python打造 AI 創意應用！◄
「AI變臉、表情分析、手勢追蹤，不只是電影特效，而是你的創作工具！」
還記得《Mission Impossible》中，湯姆克魯斯隔空拖曳螢幕、變換身份的畫面嗎？現在，你也可以用 Python程式，打造自己的「幻影操控」系統！
◎本書特色
★幻影操控：實作電影級互動技術。
★變臉 & 美妝濾鏡：Face Mesh 解析變臉奧秘。
★手勢追蹤 & 肢體識別：MediaPipe Hands、Pose 打造未來人機互動。
★人臉辨識 & 門禁系統：DeepFace實作，從安全監控到 AI 互動應用。
★疲勞駕駛偵測 & 表情分析：AI 深度學習技術落地應用。
◎翻開本書，你將學到
☆從零開始，打造 AI 影像處理專案。
☆MediaPipe、DeepFace、Dlib、OpenCV 等強大Python模組的完整實戰。
☆結合影像識別，創造安全監控、門禁系統、虛擬濾鏡、手勢密碼等創新應用。
◎適合誰閱讀
✔AI 與 Python 開發者 —— 想要動手打造 AI 影像應用的人。
✔視覺創意工作者 —— 想探索 AI 美妝、變臉、濾鏡等新技術。
✔學生、研究者 —— 對 AI 影像處理充滿好奇，想親自實作。
AI之眼
幻影操控、變臉、唇語、美妝、手勢、肢體
表情偵測、人臉辨識
Python創意實戰
本書內容
►《AI之眼》—— AI視覺時代的必讀指南！◄
►幻影操控 × AI變臉 × 人臉識別 × 手勢追蹤◄
►解鎖 AI 影像技術 × Python打造 AI 創意應用！◄
「AI變臉、表情分析、手勢追蹤，不只是電影特效，而是你的創作工具！」
還記得《Mission Impossible》中，湯姆克魯斯隔空拖曳螢幕、變換身份的畫面嗎？現在，你也可以用 Python程式，打造自己的「幻影操控」系統！
◎本書特色
★幻影操控：實作電影級互動技術。
★變臉 & 美妝濾鏡：Face Mesh 解析變臉奧秘。
★手勢追蹤 & 肢體識別：MediaPipe Hands、Pose 打造未來人機互動。
★人臉辨識 & 門禁系統：DeepFace實作，從安全監控到 AI 互動應用。
★疲勞駕駛偵測 & 表情分析：AI 深度學習技術落地應用。
◎翻開本書，你將學到
☆從零開始，打造 AI 影像處理專案。
☆MediaPipe、DeepFace、Dlib、OpenCV 等強大Python模組的完整實戰。
☆結合影像識別，創造安全監控、門禁系統、虛擬濾鏡、手勢密碼等創新應用。
◎適合誰閱讀
✔AI 與 Python 開發者 —— 想要動手打造 AI 影像應用的人。
✔視覺創意工作者 —— 想探索 AI 美妝、變臉、濾鏡等新技術。
✔學生、研究者 —— 對 AI 影像處理充滿好奇，想親自實作。
第1章 認識MediaPipe
▌1-1 MediaPipe 是什麼？概念與應用
1-1-1 MediaPipe 的背景與起源
1-1-2 MediaPipe 的核心架構
1-1-3 MediaPipe 在 Python 上的應用優勢
1-1-4 安裝MediaPipe
1-1-5 如何升級或降級MediaPipe 版本
▌1-2 主要應用領域與實際案例
▌1-3 MediaPipe 的程式核心Calculator 和Graph
▌1-4 驗證是否可以正確使用MediaPipe 模組
1-4-1 MediaPipe 的「Hello, world!」程式測試
1-4-2 Calculator 和 Graph 解釋人臉偵測程式
1-4-3 影片讀取與人臉偵測
1-4-4 無限迴圈播放影片
第2章 掌握影像輸入 - 攝影機與影片的運用
▌2-1 取得影像來源（Webcam / 影片檔）
2-1-1 Webcam（即時攝影機）
2-1-2 影片檔案
2-1-3 儲存影片檔案
▌2-2 更改影像大小
2-2-1 攝影機的輸出解析度（Frame Capture Size）
2-2-2 程式中顯示視窗的大小（Window Display Size）
第3章 人臉偵測
▌3-1 人臉偵測的意義與應用範圍
3-1-1 基礎定位功能
3-1-2 各式應用情境
3-1-3 核心地位
3-1-4 章節範圍與進階議題的預告
▌3-2 MediaPipe Face Detection 基本流程
3-2-1 建立模組物件
3-2-2 認識FaceDetection( ) 函數
3-2-3 函數初始化與主要參數
3-2-4 取得人臉 Bounding Box 與基礎關鍵點
3-2-5 process( ) 的輸入要求
3-2-6 未偵測到人臉
3-2-7 With 關鍵字的應用
▌3-3 註解人臉位置與關鍵點數據
3-3-1 中文註解人臉位置與關鍵點數據
3-3-2 手工繪製人臉框和關鍵點
▌3-4 MediaPipe 輔助繪圖模組
3-4-1 drawing_utils 輔助繪圖基礎觀念
3-4-2 draw_detection( ) 函數
3-4-3 自訂顏色、大小、粗細 - DrawSpec( )
▌3-5 多人照片人臉偵測
3-5-1 多人照片人臉測試基礎
3-5-2 處理無法偵測到全部人臉的問題
3-5-3 偵測更多臉的實作
3-5-4 人臉編號與信心分數
3-5-5 MediaPipe 未說明的機制
▌3-6 多人影片人臉偵測
▌3-7 多人即時攝影機人臉偵測
第4章 語音輸出與人臉偵測專題
▌4-1 語音輸出 – 離線模組pyttsx3
4-1-1 pyttsx3 的特點
4-1-2 基本用法
4-1-3 語音引擎屬性設定
▌4-2 人臉偵測的應用
▌4-3 安全監控
▌4-4 新聞報導人臉馬賽克
4-4-1 圖像馬賽克原理
4-4-2 設計新聞報導時的人臉馬賽克系統
▌4-5 智慧型攝影對焦
4-5-1 圖像亮度調整原理
4-5-2 圖片人臉亮度調整
4-5-3 智慧型攝影對焦 – 整體畫面調整
4-5-4 智慧型攝影對焦 – 臉部畫面調整
第5章 人臉關鍵點偵測 - 68 點模型
▌5-1 緣起與背景
5-1-1 人臉偵測與關鍵點在電腦視覺中的地位
5-1-2 從人臉偵測到關鍵點定位的演進
▌5-2 68點模型概述
5-2-1 模型來源與資料庫
5-2-2 68 個關鍵點的位置分佈
5-2-3 模型優點與限制
5-2-4 為何選擇 68 點模型
▌5-3 Dlib 模組 - 人臉偵測基礎
5-3-1 初始化人臉偵測器
5-3-2 get_frontal_face_detector( )的核心技術
5-3-3 解析detector
▌5-4 Dlib 68 點人臉關鍵點偵測
5-4-1 dlib.shape_predictor( ) 的基本概念
5-4-2 解析predictor
5-4-3 標記人臉68 個關鍵點
▌5-5 人臉對齊
5-5-1 演算法硬功夫處理人臉對齊
5-5-2 應用場景
▌5-6 多人臉的偵測
5-6-1 多人臉與關鍵點的偵測
5-6-2 多人臉68 點關鍵點容器
5-6-3 多張人臉對齊實作
▌5-7 AI 貼圖(AI Stickers)
5-7-1 什麼是 AI 貼圖 (AI Stickers) ？
5-7-2 AI 貼圖的技術核心6
5-7-3 愛心圖片貼到雙眼的實例
5-7-4 AI貼圖的應用場景
第6章 疲勞駕駛與表情識別
▌6-1 疲勞駕駛偵測
6-1-1 疲勞駕駛的主要偵測方法
6-1-2 眼睛開合比 (Eye Aspect Ratio, EAR)
6-1-3 嘴巴開合程度偵測 (Mouth Aspect Ratio, MAR)
6-1-4 疲勞駕駛偵測實作
▌6-2 人臉表情識別系統
6-2-1 相關表情關鍵點解析
6-2-2 6大主要情緒對應表
第7章 AI 變臉
▌7-1 AI 變臉 – 演算法原理
▌7-2 變臉程式設計
7-2-1 程式設計
7-2-2 主程式分析
▌7-3 程式重點函數分析
7-3-1 三角剖分 (delaunay_triangulation)
7-3-2 三角形仿射貼合(Triangle Affine Warp)
7-3-3 膚色高斯化校正(color_transfer_gaussian)
▌7-4 圖像貼合的羽化遮罩處理
7-4-1 圖像貼合不自然的銜接
7-4-2 Feathering（羽化）的原理
第8章 MediaPipe Face Mesh 高精度468點人臉識別技術解析
▌8-1 為什麼需要 Face Mesh？
8-1-1 基礎觀念
8-1-2 傳統人臉框與68 點模型的限制
8-1-3 與 Face Mesh 的對比
▌8-2 MediaPipe Face Mesh 介紹
8-2-1 即時處理、高效能與易整合特點
8-2-2 468 點模型的全域概念
▌8-3 認識臉部468 點
8-3-1 高密度人臉關鍵點概述
8-3-2 468 點定位分佈
▌8-4 MediaPipe Face Mesh 模組
8-4-1 建立模組物件
8-4-2 檢測影像與回傳數據
8-4-3 硬功夫繪製468 點數據
▌8-5 繪製臉部網格
8-5-1 繪製臉部關鍵點
8-5-2 繪製臉部網格
8-5-3 繪製臉部關鍵部位連線
8-5-4 用錄影機偵測臉部關鍵點
▌8-6 展示468 點所在關鍵臉部區域的索引點
8-6-1 認識臉部關鍵連線的數據結構
8-6-2 輸出關鍵區域的索引點和像素位置
第9章 Face Mesh 的創意應用
▌9-1 Face Mesh 的可能應用
▌9-2 彩妝的應用
▌9-3 人臉趣味變形 - 向右伸長的嘴角
▌9-4 唇語動畫設計
第10章 MediaPipe Hands 手勢偵測
▌10-1 初探 MediaPipe Hands 模組
10-1-1 MediaPipe Hands 功能概覽
10-1-2 21 個關鍵點的座標定義與排列
10-1-3 如何判斷手勢
▌10-2 偵測手語繪製關節
10-2-1 初始化MediaPipe Hands 物件
10-2-2 hands.process( ) 函數用法
10-2-3 mp_drawing.draw_landmarks( )函數用法
10-2-4 手部點樣式
10-2-5 手部點連線樣式
10-2-6 攝影機偵測應用
▌10-3 專題實作 - 剪刀、石頭與布
第11章 AI 幻影操控
▌11-1 MediaPipe Hands 的應用領域
11-1-1 手勢控制 (Gesture Control)
11-1-2 擴增實境 (AR) / 虛擬實境 (VR)
11-1-3 視訊 / 直播互動
11-1-4 AI 虛擬人物 (AI Avatars)
11-1-5 醫療 & 康復 (Medical & Rehabilitation)
11-1-6 企業 & AI 自動化
▌11-2 判斷 OK 手勢
11-2-1 判斷邏輯
11-2-2 程式實作
▌11-3 OK 手勢計時器
11-3-1 設計邏輯
11-3-2 程式實作
▌11-4 手勢幻影操控
11-4-1 設計邏輯
11-3-2 程式實作
第12章 AI 人體姿勢偵測 - MediaPipe Pose
▌12-1 認識MediaPipe Pose
12-1-1 Pose 的特點
12-1-2 Pose ( 人體姿勢偵測) vs FaceMesh( 臉部網格)
12-1-3 Pose ( 人體姿勢偵測) vs Hands( 手部偵測)
▌12-2 33個關鍵點詳細解說
12-2-1 Pose 的33 個關鍵點
12-2-2 MediaPipe Pose 只偵測 11 個頭部點
▌12-3 MediaPipe Pose 模組
12-3-1 建立模組物件
12-3-2 實作偵測圖像的人體
12-3-3 標記人體33 個關鍵點
▌12-4 繪製人體骨架
12-4-1 預設環境繪製人體骨架
12-4-2 官方推薦預設繪製關鍵點樣式
12-4-3 自訂繪製格式
12-4-4 多元connections 的應用
▌12-5 攝影機錄製人體骨架
▌12-6 AI 人體動作分析 - 座標、距離與角度計算
12-6-1 座標計算
12-6-2 關鍵點的列舉常數
12-6-3 計算關鍵點之間的距離
12-6-4 計算關鍵點的角度
▌12-7 伏地挺身與深蹲中
12-7-1 關鍵點角度的應用範圍
12-7-2 偵測「伏地挺身中」或「深蹲中」
第13章 AI 靜態圖像與攝影背景去除
▌13-1 為何需要背景去除？
13-1-1 背景去除的概念
13-1-2 背景去除的關鍵應用場景
13-1-3 背景去除對 AI 偵測的影響
13-1-4 背景去除的技術選擇
▌13-2 使用 MediaPipe Selfie Segmentation進行背景去除
13-2-1 什麼是 MediaPipe Selfie Segmentation?
13-2-2 Selfie Segmentation 的運作原理
▌13-3 MediaPipe Selfie Segmentation 模組
13-3-1 建立模組物件
13-3-2 process( ) 方法處理影像
13-3-3 認識回傳值segmentation_mask – 遮罩結構
13-3-4 轉換遮罩為灰階影像
▌13-4 圖像背景去除實作
13-4-1 設計黑色和白色背景
13-4-2 建立背景是高斯模糊
13-4-3 圖片取代背景
▌13-5 智慧攝影機背景處理
▌13-6 AI 背景的創意應用
第14章 AI 全身偵測 – Holistic
▌14-1 Holistic 簡介
14-1-1 什麼是 Holistic 識別？
14-1-2 關鍵點檢測的範圍（臉部、手部、姿態）
14-1-3 Holistic 與其他 MediaPipe 模組的差異說明
▌14-2 架構與資料輸出
14-2-1 Holistic 識別的流程
14-2-2 關鍵點資料的結構
14-2-3 姿態、手勢、臉部數據的組合
▌14-3 MediaPipe Holistic 模組
14-3-1 建立模組物件
14-3-2 處理影像並取得結果results
▌14-4 AI 全身動作偵測與視覺化
14-4-1 基本預設繪製全身關鍵點
14-4-2 官方推薦標準樣式繪製全身關鍵點
14-4-3 繪製全身關鍵點 – 去背與背景是影片
▌14-5 Holistic 全身偵測的創意應用
14-5-1 創意應用
14-5-2 AI 健身教練 - 深蹲計數器
第15章 DeepFace 人臉辨識 設計門禁系統
▌15-1 DeepFace 簡介
15-1-1 什麼是 DeepFace ？
15-1-2 DeepFace 與一般人臉識別的差異
15-1-3 DeepFace 在 AI 和計算機視覺中的重要性
▌15-2 預訓練模型下載檔案
15-2-1 比較DeepFace 與MediaPipe 模組
15-2-2 預訓練模型下載
▌15-3 使用 DeepFace 進行人臉分析
15-3-1 使用 DeepFace 進行人臉分析
15-3-2 年齡預測
15-3-3 性別預測
15-3-4 情緒分析
15-3-5 種族預測
▌15-4 DeepFace 的人臉辨識技術基礎
15-4-1 深度學習與卷積神經網路在DeepFace的應用
15-4-2 人臉辨識的主要步驟
▌15-5 人臉辨識實作
15-5-1 基礎實例
15-5-2 認識DeepFace 支援的深度學習模型
▌15-6 設計企業門禁系統
15-6-1 建立人臉數據庫 -（ Embedding 存儲）
15-6-2 將人臉與數據庫特徵向量比對
15-6-3 門禁系統設計asnd 第1章 認識MediaPipe
▌1-1 MediaPipe 是什麼？概念與應用
1-1-1 MediaPipe 的背景與起源
1-1-2 MediaPipe 的核心架構
1-1-3 MediaPipe 在 Python 上的應用優勢
1-1-4 安裝MediaPipe
1-1-5 如何升級或降級MediaPipe 版本
▌1-2 主要應用領域與實際案例
▌1-3 MediaPipe 的程式核心Calculator 和Graph
▌1-4 驗證是否可以正確使用MediaPipe 模組
1-4-1 MediaPipe 的「Hello, world!」程式測試
1-4-2 Calculator 和 Graph 解釋人臉偵測程式
1-4-3 影片讀取與人臉偵測
1-4-4 無限迴圈播放影片
第2章 掌握影像輸入 - 攝影機與影片的運用
▌2-1 取得影像來源（Webcam / 影片檔）
2-1-1 Webcam（即時攝影機）
2-1-2 影片檔案
2-1-3 儲存影片檔案
▌2-2 更改影像大小
2-2-1 攝影機的輸出解析度（Frame Capture Size）
2-2-2 程式中顯示視窗的大小（Window Display Size）
第3章 人臉偵測
▌3-1 人臉偵測的意義與應用範圍
3-1-1 基礎定位功能
3-1-2 各式應用情境
3-1-3 核心地位
3-1-4 章節範圍與進階議題的預告
▌3-2 MediaPipe Face Detection 基本流程
3-2-1 建立模組物件
3-2-2 認識FaceDetection( ) 函數
3-2-3 函數初始化與主要參數
3-2-4 取得人臉 Bounding Box 與基礎關鍵點
3-2-5 process( ) 的輸入要求
3-2-6 未偵測到人臉
3-2-7 With 關鍵字的應用
▌3-3 註解人臉位置與關鍵點數據
3-3-1 中文註解人臉位置與關鍵點數據
3-3-2 手工繪製人臉框和關鍵點
▌3-4 MediaPipe 輔助繪圖模組
3-4-1 drawing_utils 輔助繪圖基礎觀念
3-4-2 draw_detection( ) 函數
3-4-3 自訂顏色、大小、粗細 - DrawSpec( )
▌3-5 多人照片人臉偵測
3-5-1 多人照片人臉測試基礎
3-5-2 處理無法偵測到全部人臉的問題
3-5-3 偵測更多臉的實作
3-5-4 人臉編號與信心分數
3-5-5 MediaPipe 未說明的機制
▌3-6 多人影片人臉偵測
▌3-7 多人即時攝影機人臉偵測
第4章 語音輸出與人臉偵測專題
▌4-1 語音輸出 – 離線模組pyttsx3
4-1-1 pyttsx3 的特點
4-1-2 基本用法
4-1-3 語音引擎屬性設定
▌4-2 人臉偵測的應用
▌4-3 安全監控
▌4-4 新聞報導人臉馬賽克
4-4-1 圖像馬賽克原理
4-4-2 設計新聞報導時的人臉馬賽克系統
▌4-5 智慧型攝影對焦
4-5-1 圖像亮度調整原理
4-5-2 圖片人臉亮度調整
4-5-3 智慧型攝影對焦 – 整體畫面調整
4-5-4 智慧型攝影對焦 – 臉部畫面調整
第5章 人臉關鍵點偵測 - 68 點模型
▌5-1 緣起與背景
5-1-1 人臉偵測與關鍵點在電腦視覺中的地位
5-1-2 從人臉偵測到關鍵點定位的演進
▌5-2 68點模型概述
5-2-1 模型來源與資料庫
5-2-2 68 個關鍵點的位置分佈
5-2-3 模型優點與限制
5-2-4 為何選擇 68 點模型
▌5-3 Dlib 模組 - 人臉偵測基礎
5-3-1 初始化人臉偵測器
5-3-2 get_frontal_face_detector( )的核心技術
5-3-3 解析detector
▌5-4 Dlib 68 點人臉關鍵點偵測
5-4-1 dlib.shape_predictor( ) 的基本概念
5-4-2 解析predictor
5-4-3 標記人臉68 個關鍵點
▌5-5 人臉對齊
5-5-1 演算法硬功夫處理人臉對齊
5-5-2 應用場景
▌5-6 多人臉的偵測
5-6-1 多人臉與關鍵點的偵測
5-6-2 多人臉68 點關鍵點容器
5-6-3 多張人臉對齊實作
▌5-7 AI 貼圖(AI Stickers)
5-7-1 什麼是 AI 貼圖 (AI Stickers) ？
5-7-2 AI 貼圖的技術核心6
5-7-3 愛心圖片貼到雙眼的實例
5-7-4 AI貼圖的應用場景
第6章 疲勞駕駛與表情識別
▌6-1 疲勞駕駛偵測
6-1-1 疲勞駕駛的主要偵測方法
6-1-2 眼睛開合比 (Eye Aspect Ratio, EAR)
6-1-3 嘴巴開合程度偵測 (Mouth Aspect Ratio, MAR)
6-1-4 疲勞駕駛偵測實作
▌6-2 人臉表情識別系統
6-2-1 相關表情關鍵點解析
6-2-2 6大主要情緒對應表
第7章 AI 變臉
▌7-1 AI 變臉 – 演算法原理
▌7-2 變臉程式設計
7-2-1 程式設計
7-2-2 主程式分析
▌7-3 程式重點函數分析
7-3-1 三角剖分 (delaunay_triangulation)
7-3-2 三角形仿射貼合(Triangle Affine Warp)
7-3-3 膚色高斯化校正(color_transfer_gaussian)
▌7-4 圖像貼合的羽化遮罩處理
7-4-1 圖像貼合不自然的銜接
7-4-2 Feathering（羽化）的原理
第8章 MediaPipe Face Mesh 高精度468點人臉識別技術解析
▌8-1 為什麼需要 Face Mesh？
8-1-1 基礎觀念
8-1-2 傳統人臉框與68 點模型的限制
8-1-3 與 Face Mesh 的對比
▌8-2 MediaPipe Face Mesh 介紹
8-2-1 即時處理、高效能與易整合特點
8-2-2 468 點模型的全域概念
▌8-3 認識臉部468 點
8-3-1 高密度人臉關鍵點概述
8-3-2 468 點定位分佈
▌8-4 MediaPipe Face Mesh 模組
8-4-1 建立模組物件
8-4-2 檢測影像與回傳數據
8-4-3 硬功夫繪製468 點數據
▌8-5 繪製臉部網格
8-5-1 繪製臉部關鍵點
8-5-2 繪製臉部網格
8-5-3 繪製臉部關鍵部位連線
8-5-4 用錄影機偵測臉部關鍵點
▌8-6 展示468 點所在關鍵臉部區域的索引點
8-6-1 認識臉部關鍵連線的數據結構
8-6-2 輸出關鍵區域的索引點和像素位置
第9章 Face Mesh 的創意應用
▌9-1 Face Mesh 的可能應用
▌9-2 彩妝的應用
▌9-3 人臉趣味變形 - 向右伸長的嘴角
▌9-4 唇語動畫設計
第10章 MediaPipe Hands 手勢偵測
▌10-1 初探 MediaPipe Hands 模組
10-1-1 MediaPipe Hands 功能概覽
10-1-2 21 個關鍵點的座標定義與排列
10-1-3 如何判斷手勢
▌10-2 偵測手語繪製關節
10-2-1 初始化MediaPipe Hands 物件
10-2-2 hands.process( ) 函數用法
10-2-3 mp_drawing.draw_landmarks( )函數用法
10-2-4 手部點樣式
10-2-5 手部點連線樣式
10-2-6 攝影機偵測應用
▌10-3 專題實作 - 剪刀、石頭與布
第11章 AI 幻影操控
▌11-1 MediaPipe Hands 的應用領域
11-1-1 手勢控制 (Gesture Control)
11-1-2 擴增實境 (AR) / 虛擬實境 (VR)
11-1-3 視訊 / 直播互動
11-1-4 AI 虛擬人物 (AI Avatars)
11-1-5 醫療 & 康復 (Medical & Rehabilitation)
11-1-6 企業 & AI 自動化
▌11-2 判斷 OK 手勢
11-2-1 判斷邏輯
11-2-2 程式實作
▌11-3 OK 手勢計時器
11-3-1 設計邏輯
11-3-2 程式實作
▌11-4 手勢幻影操控
11-4-1 設計邏輯
11-3-2 程式實作
第12章 AI 人體姿勢偵測 - MediaPipe Pose
▌12-1 認識MediaPipe Pose
12-1-1 Pose 的特點
12-1-2 Pose ( 人體姿勢偵測) vs FaceMesh( 臉部網格)
12-1-3 Pose ( 人體姿勢偵測) vs Hands( 手部偵測)
▌12-2 33個關鍵點詳細解說
12-2-1 Pose 的33 個關鍵點
12-2-2 MediaPipe Pose 只偵測 11 個頭部點
▌12-3 MediaPipe Pose 模組
12-3-1 建立模組物件
12-3-2 實作偵測圖像的人體
12-3-3 標記人體33 個關鍵點
▌12-4 繪製人體骨架
12-4-1 預設環境繪製人體骨架
12-4-2 官方推薦預設繪製關鍵點樣式
12-4-3 自訂繪製格式
12-4-4 多元connections 的應用
▌12-5 攝影機錄製人體骨架
▌12-6 AI 人體動作分析 - 座標、距離與角度計算
12-6-1 座標計算
12-6-2 關鍵點的列舉常數
12-6-3 計算關鍵點之間的距離
12-6-4 計算關鍵點的角度
▌12-7 伏地挺身與深蹲中
12-7-1 關鍵點角度的應用範圍
12-7-2 偵測「伏地挺身中」或「深蹲中」
第13章 AI 靜態圖像與攝影背景去除
▌13-1 為何需要背景去除？
13-1-1 背景去除的概念
13-1-2 背景去除的關鍵應用場景
13-1-3 背景去除對 AI 偵測的影響
13-1-4 背景去除的技術選擇
▌13-2 使用 MediaPipe Selfie Segmentation進行背景去除
13-2-1 什麼是 MediaPipe Selfie Segmentation?
13-2-2 Selfie Segmentation 的運作原理
▌13-3 MediaPipe Selfie Segmentation 模組
13-3-1 建立模組物件
13-3-2 process( ) 方法處理影像
13-3-3 認識回傳值segmentation_mask – 遮罩結構
13-3-4 轉換遮罩為灰階影像
▌13-4 圖像背景去除實作
13-4-1 設計黑色和白色背景
13-4-2 建立背景是高斯模糊
13-4-3 圖片取代背景
▌13-5 智慧攝影機背景處理
▌13-6 AI 背景的創意應用
第14章 AI 全身偵測 – Holistic
▌14-1 Holistic 簡介
14-1-1 什麼是 Holistic 識別？
14-1-2 關鍵點檢測的範圍（臉部、手部、姿態）
14-1-3 Holistic 與其他 MediaPipe 模組的差異說明
▌14-2 架構與資料輸出
14-2-1 Holistic 識別的流程
14-2-2 關鍵點資料的結構
14-2-3 姿態、手勢、臉部數據的組合
▌14-3 MediaPipe Holistic 模組
14-3-1 建立模組物件
14-3-2 處理影像並取得結果results
▌14-4 AI 全身動作偵測與視覺化
14-4-1 基本預設繪製全身關鍵點
14-4-2 官方推薦標準樣式繪製全身關鍵點
14-4-3 繪製全身關鍵點 – 去背與背景是影片
▌14-5 Holistic 全身偵測的創意應用
14-5-1 創意應用
14-5-2 AI 健身教練 - 深蹲計數器
第15章 DeepFace 人臉辨識 設計門禁系統
▌15-1 DeepFace 簡介
15-1-1 什麼是 DeepFace ？
15-1-2 DeepFace 與一般人臉識別的差異
15-1-3 DeepFace 在 AI 和計算機視覺中的重要性
▌15-2 預訓練模型下載檔案
15-2-1 比較DeepFace 與MediaPipe 模組
15-2-2 預訓練模型下載
▌15-3 使用 DeepFace 進行人臉分析
15-3-1 使用 DeepFace 進行人臉分析
15-3-2 年齡預測
15-3-3 性別預測
15-3-4 情緒分析
15-3-5 種族預測
▌15-4 DeepFace 的人臉辨識技術基礎
15-4-1 深度學習與卷積神經網路在DeepFace的應用
15-4-2 人臉辨識的主要步驟
▌15-5 人臉辨識實作
15-5-1 基礎實例
15-5-2 認識DeepFace 支援的深度學習模型
▌15-6 設計企業門禁系統
15-6-1 建立人臉數據庫 -（ Embedding 存儲）
15-6-2 將人臉與數據庫特徵向量比對
15-6-3 門禁系統設計askw 第1章 認識MediaPipe
▌1-1 MediaPipe 是什麼？概念與應用
1-1-1 MediaPipe 的背景與起源
1-1-2 MediaPipe 的核心架構
1-1-3 MediaPipe 在 Python 上的應用優勢
1-1-4 安裝MediaPipe
1-1-5 如何升級或降級MediaPipe 版本
▌1-2 主要應用領域與實際案例
▌1-3 MediaPipe 的程式核心Calculator 和Graph
▌1-4 驗證是否可以正確使用MediaPipe 模組
1-4-1 MediaPipe 的「Hello, world!」程式測試
1-4-2 Calculator 和 Graph 解釋人臉偵測程式
1-4-3 影片讀取與人臉偵測
1-4-4 無限迴圈播放影片
第2章 掌握影像輸入 - 攝影機與影片的運用
▌2-1 取得影像來源（Webcam / 影片檔）
2-1-1 Webcam（即時攝影機）
2-1-2 影片檔案
2-1-3 儲存影片檔案
▌2-2 更改影像大小
2-2-1 攝影機的輸出解析度（Frame Capture Size）
2-2-2 程式中顯示視窗的大小（Window Display Size）
第3章 人臉偵測
▌3-1 人臉偵測的意義與應用範圍
3-1-1 基礎定位功能
3-1-2 各式應用情境
3-1-3 核心地位
3-1-4 章節範圍與進階議題的預告
▌3-2 MediaPipe Face Detection 基本流程
3-2-1 建立模組物件
3-2-2 認識FaceDetection( ) 函數
3-2-3 函數初始化與主要參數
3-2-4 取得人臉 Bounding Box 與基礎關鍵點
3-2-5 process( ) 的輸入要求
3-2-6 未偵測到人臉
3-2-7 With 關鍵字的應用
▌3-3 註解人臉位置與關鍵點數據
3-3-1 中文註解人臉位置與關鍵點數據
3-3-2 手工繪製人臉框和關鍵點
▌3-4 MediaPipe 輔助繪圖模組
3-4-1 drawing_utils 輔助繪圖基礎觀念
3-4-2 draw_detection( ) 函數
3-4-3 自訂顏色、大小、粗細 - DrawSpec( )
▌3-5 多人照片人臉偵測
3-5-1 多人照片人臉測試基礎
3-5-2 處理無法偵測到全部人臉的問題
3-5-3 偵測更多臉的實作
3-5-4 人臉編號與信心分數
3-5-5 MediaPipe 未說明的機制
▌3-6 多人影片人臉偵測
▌3-7 多人即時攝影機人臉偵測
第4章 語音輸出與人臉偵測專題
▌4-1 語音輸出 – 離線模組pyttsx3
4-1-1 pyttsx3 的特點
4-1-2 基本用法
4-1-3 語音引擎屬性設定
▌4-2 人臉偵測的應用
▌4-3 安全監控
▌4-4 新聞報導人臉馬賽克
4-4-1 圖像馬賽克原理
4-4-2 設計新聞報導時的人臉馬賽克系統
▌4-5 智慧型攝影對焦
4-5-1 圖像亮度調整原理
4-5-2 圖片人臉亮度調整
4-5-3 智慧型攝影對焦 – 整體畫面調整
4-5-4 智慧型攝影對焦 – 臉部畫面調整
第5章 人臉關鍵點偵測 - 68 點模型
▌5-1 緣起與背景
5-1-1 人臉偵測與關鍵點在電腦視覺中的地位
5-1-2 從人臉偵測到關鍵點定位的演進
▌5-2 68點模型概述
5-2-1 模型來源與資料庫
5-2-2 68 個關鍵點的位置分佈
5-2-3 模型優點與限制
5-2-4 為何選擇 68 點模型
▌5-3 Dlib 模組 - 人臉偵測基礎
5-3-1 初始化人臉偵測器
5-3-2 get_frontal_face_detector( )的核心技術
5-3-3 解析detector
▌5-4 Dlib 68 點人臉關鍵點偵測
5-4-1 dlib.shape_predictor( ) 的基本概念
5-4-2 解析predictor
5-4-3 標記人臉68 個關鍵點
▌5-5 人臉對齊
5-5-1 演算法硬功夫處理人臉對齊
5-5-2 應用場景
▌5-6 多人臉的偵測
5-6-1 多人臉與關鍵點的偵測
5-6-2 多人臉68 點關鍵點容器
5-6-3 多張人臉對齊實作
▌5-7 AI 貼圖(AI Stickers)
5-7-1 什麼是 AI 貼圖 (AI Stickers) ？
5-7-2 AI 貼圖的技術核心6
5-7-3 愛心圖片貼到雙眼的實例
5-7-4 AI貼圖的應用場景
第6章 疲勞駕駛與表情識別
▌6-1 疲勞駕駛偵測
6-1-1 疲勞駕駛的主要偵測方法
6-1-2 眼睛開合比 (Eye Aspect Ratio, EAR)
6-1-3 嘴巴開合程度偵測 (Mouth Aspect Ratio, MAR)
6-1-4 疲勞駕駛偵測實作
▌6-2 人臉表情識別系統
6-2-1 相關表情關鍵點解析
6-2-2 6大主要情緒對應表
第7章 AI 變臉
▌7-1 AI 變臉 – 演算法原理
▌7-2 變臉程式設計
7-2-1 程式設計
7-2-2 主程式分析
▌7-3 程式重點函數分析
7-3-1 三角剖分 (delaunay_triangulation)
7-3-2 三角形仿射貼合(Triangle Affine Warp)
7-3-3 膚色高斯化校正(color_transfer_gaussian)
▌7-4 圖像貼合的羽化遮罩處理
7-4-1 圖像貼合不自然的銜接
7-4-2 Feathering（羽化）的原理
第8章 MediaPipe Face Mesh 高精度468點人臉識別技術解析
▌8-1 為什麼需要 Face Mesh？
8-1-1 基礎觀念
8-1-2 傳統人臉框與68 點模型的限制
8-1-3 與 Face Mesh 的對比
▌8-2 MediaPipe Face Mesh 介紹
8-2-1 即時處理、高效能與易整合特點
8-2-2 468 點模型的全域概念
▌8-3 認識臉部468 點
8-3-1 高密度人臉關鍵點概述
8-3-2 468 點定位分佈
▌8-4 MediaPipe Face Mesh 模組
8-4-1 建立模組物件
8-4-2 檢測影像與回傳數據
8-4-3 硬功夫繪製468 點數據
▌8-5 繪製臉部網格
8-5-1 繪製臉部關鍵點
8-5-2 繪製臉部網格
8-5-3 繪製臉部關鍵部位連線
8-5-4 用錄影機偵測臉部關鍵點
▌8-6 展示468 點所在關鍵臉部區域的索引點
8-6-1 認識臉部關鍵連線的數據結構
8-6-2 輸出關鍵區域的索引點和像素位置
第9章 Face Mesh 的創意應用
▌9-1 Face Mesh 的可能應用
▌9-2 彩妝的應用
▌9-3 人臉趣味變形 - 向右伸長的嘴角
▌9-4 唇語動畫設計
第10章 MediaPipe Hands 手勢偵測
▌10-1 初探 MediaPipe Hands 模組
10-1-1 MediaPipe Hands 功能概覽
10-1-2 21 個關鍵點的座標定義與排列
10-1-3 如何判斷手勢
▌10-2 偵測手語繪製關節
10-2-1 初始化MediaPipe Hands 物件
10-2-2 hands.process( ) 函數用法
10-2-3 mp_drawing.draw_landmarks( )函數用法
10-2-4 手部點樣式
10-2-5 手部點連線樣式
10-2-6 攝影機偵測應用
▌10-3 專題實作 - 剪刀、石頭與布
第11章 AI 幻影操控
▌11-1 MediaPipe Hands 的應用領域
11-1-1 手勢控制 (Gesture Control)
11-1-2 擴增實境 (AR) / 虛擬實境 (VR)
11-1-3 視訊 / 直播互動
11-1-4 AI 虛擬人物 (AI Avatars)
11-1-5 醫療 & 康復 (Medical & Rehabilitation)
11-1-6 企業 & AI 自動化
▌11-2 判斷 OK 手勢
11-2-1 判斷邏輯
11-2-2 程式實作
▌11-3 OK 手勢計時器
11-3-1 設計邏輯
11-3-2 程式實作
▌11-4 手勢幻影操控
11-4-1 設計邏輯
11-3-2 程式實作
第12章 AI 人體姿勢偵測 - MediaPipe Pose
▌12-1 認識MediaPipe Pose
12-1-1 Pose 的特點
12-1-2 Pose ( 人體姿勢偵測) vs FaceMesh( 臉部網格)
12-1-3 Pose ( 人體姿勢偵測) vs Hands( 手部偵測)
▌12-2 33個關鍵點詳細解說
12-2-1 Pose 的33 個關鍵點
12-2-2 MediaPipe Pose 只偵測 11 個頭部點
▌12-3 MediaPipe Pose 模組
12-3-1 建立模組物件
12-3-2 實作偵測圖像的人體
12-3-3 標記人體33 個關鍵點
▌12-4 繪製人體骨架
12-4-1 預設環境繪製人體骨架
12-4-2 官方推薦預設繪製關鍵點樣式
12-4-3 自訂繪製格式
12-4-4 多元connections 的應用
▌12-5 攝影機錄製人體骨架
▌12-6 AI 人體動作分析 - 座標、距離與角度計算
12-6-1 座標計算
12-6-2 關鍵點的列舉常數
12-6-3 計算關鍵點之間的距離
12-6-4 計算關鍵點的角度
▌12-7 伏地挺身與深蹲中
12-7-1 關鍵點角度的應用範圍
12-7-2 偵測「伏地挺身中」或「深蹲中」
第13章 AI 靜態圖像與攝影背景去除
▌13-1 為何需要背景去除？
13-1-1 背景去除的概念
13-1-2 背景去除的關鍵應用場景
13-1-3 背景去除對 AI 偵測的影響
13-1-4 背景去除的技術選擇
▌13-2 使用 MediaPipe Selfie Segmentation進行背景去除
13-2-1 什麼是 MediaPipe Selfie Segmentation?
13-2-2 Selfie Segmentation 的運作原理
▌13-3 MediaPipe Selfie Segmentation 模組
13-3-1 建立模組物件
13-3-2 process( ) 方法處理影像
13-3-3 認識回傳值segmentation_mask – 遮罩結構
13-3-4 轉換遮罩為灰階影像
▌13-4 圖像背景去除實作
13-4-1 設計黑色和白色背景
13-4-2 建立背景是高斯模糊
13-4-3 圖片取代背景
▌13-5 智慧攝影機背景處理
▌13-6 AI 背景的創意應用
第14章 AI 全身偵測 – Holistic
▌14-1 Holistic 簡介
14-1-1 什麼是 Holistic 識別？
14-1-2 關鍵點檢測的範圍（臉部、手部、姿態）
14-1-3 Holistic 與其他 MediaPipe 模組的差異說明
▌14-2 架構與資料輸出
14-2-1 Holistic 識別的流程
14-2-2 關鍵點資料的結構
14-2-3 姿態、手勢、臉部數據的組合
▌14-3 MediaPipe Holistic 模組
14-3-1 建立模組物件
14-3-2 處理影像並取得結果results
▌14-4 AI 全身動作偵測與視覺化
14-4-1 基本預設繪製全身關鍵點
14-4-2 官方推薦標準樣式繪製全身關鍵點
14-4-3 繪製全身關鍵點 – 去背與背景是影片
▌14-5 Holistic 全身偵測的創意應用
14-5-1 創意應用
14-5-2 AI 健身教練 - 深蹲計數器
第15章 DeepFace 人臉辨識 設計門禁系統
▌15-1 DeepFace 簡介
15-1-1 什麼是 DeepFace ？
15-1-2 DeepFace 與一般人臉識別的差異
15-1-3 DeepFace 在 AI 和計算機視覺中的重要性
▌15-2 預訓練模型下載檔案
15-2-1 比較DeepFace 與MediaPipe 模組
15-2-2 預訓練模型下載
▌15-3 使用 DeepFace 進行人臉分析
15-3-1 使用 DeepFace 進行人臉分析
15-3-2 年齡預測
15-3-3 性別預測
15-3-4 情緒分析
15-3-5 種族預測
▌15-4 DeepFace 的人臉辨識技術基礎
15-4-1 深度學習與卷積神經網路在DeepFace的應用
15-4-2 人臉辨識的主要步驟
▌15-5 人臉辨識實作
15-5-1 基礎實例
15-5-2 認識DeepFace 支援的深度學習模型
▌15-6 設計企業門禁系統
15-6-1 建立人臉數據庫 -（ Embedding 存儲）
15-6-2 將人臉與數據庫特徵向量比對
15-6-3 門禁系統設計
▌1-1 MediaPipe 是什麼？概念與應用
1-1-1 MediaPipe 的背景與起源
1-1-2 MediaPipe 的核心架構
1-1-3 MediaPipe 在 Python 上的應用優勢
1-1-4 安裝MediaPipe
1-1-5 如何升級或降級MediaPipe 版本
▌1-2 主要應用領域與實際案例
▌1-3 MediaPipe 的程式核心Calculator 和Graph
▌1-4 驗證是否可以正確使用MediaPipe 模組
1-4-1 MediaPipe 的「Hello, world!」程式測試
1-4-2 Calculator 和 Graph 解釋人臉偵測程式
1-4-3 影片讀取與人臉偵測
1-4-4 無限迴圈播放影片
第2章 掌握影像輸入 - 攝影機與影片的運用
▌2-1 取得影像來源（Webcam / 影片檔）
2-1-1 Webcam（即時攝影機）
2-1-2 影片檔案
2-1-3 儲存影片檔案
▌2-2 更改影像大小
2-2-1 攝影機的輸出解析度（Frame Capture Size）
2-2-2 程式中顯示視窗的大小（Window Display Size）
第3章 人臉偵測
▌3-1 人臉偵測的意義與應用範圍
3-1-1 基礎定位功能
3-1-2 各式應用情境
3-1-3 核心地位
3-1-4 章節範圍與進階議題的預告
▌3-2 MediaPipe Face Detection 基本流程
3-2-1 建立模組物件
3-2-2 認識FaceDetection( ) 函數
3-2-3 函數初始化與主要參數
3-2-4 取得人臉 Bounding Box 與基礎關鍵點
3-2-5 process( ) 的輸入要求
3-2-6 未偵測到人臉
3-2-7 With 關鍵字的應用
▌3-3 註解人臉位置與關鍵點數據
3-3-1 中文註解人臉位置與關鍵點數據
3-3-2 手工繪製人臉框和關鍵點
▌3-4 MediaPipe 輔助繪圖模組
3-4-1 drawing_utils 輔助繪圖基礎觀念
3-4-2 draw_detection( ) 函數
3-4-3 自訂顏色、大小、粗細 - DrawSpec( )
▌3-5 多人照片人臉偵測
3-5-1 多人照片人臉測試基礎
3-5-2 處理無法偵測到全部人臉的問題
3-5-3 偵測更多臉的實作
3-5-4 人臉編號與信心分數
3-5-5 MediaPipe 未說明的機制
▌3-6 多人影片人臉偵測
▌3-7 多人即時攝影機人臉偵測
第4章 語音輸出與人臉偵測專題
▌4-1 語音輸出 – 離線模組pyttsx3
4-1-1 pyttsx3 的特點
4-1-2 基本用法
4-1-3 語音引擎屬性設定
▌4-2 人臉偵測的應用
▌4-3 安全監控
▌4-4 新聞報導人臉馬賽克
4-4-1 圖像馬賽克原理
4-4-2 設計新聞報導時的人臉馬賽克系統
▌4-5 智慧型攝影對焦
4-5-1 圖像亮度調整原理
4-5-2 圖片人臉亮度調整
4-5-3 智慧型攝影對焦 – 整體畫面調整
4-5-4 智慧型攝影對焦 – 臉部畫面調整
第5章 人臉關鍵點偵測 - 68 點模型
▌5-1 緣起與背景
5-1-1 人臉偵測與關鍵點在電腦視覺中的地位
5-1-2 從人臉偵測到關鍵點定位的演進
▌5-2 68點模型概述
5-2-1 模型來源與資料庫
5-2-2 68 個關鍵點的位置分佈
5-2-3 模型優點與限制
5-2-4 為何選擇 68 點模型
▌5-3 Dlib 模組 - 人臉偵測基礎
5-3-1 初始化人臉偵測器
5-3-2 get_frontal_face_detector( )的核心技術
5-3-3 解析detector
▌5-4 Dlib 68 點人臉關鍵點偵測
5-4-1 dlib.shape_predictor( ) 的基本概念
5-4-2 解析predictor
5-4-3 標記人臉68 個關鍵點
▌5-5 人臉對齊
5-5-1 演算法硬功夫處理人臉對齊
5-5-2 應用場景
▌5-6 多人臉的偵測
5-6-1 多人臉與關鍵點的偵測
5-6-2 多人臉68 點關鍵點容器
5-6-3 多張人臉對齊實作
▌5-7 AI 貼圖(AI Stickers)
5-7-1 什麼是 AI 貼圖 (AI Stickers) ？
5-7-2 AI 貼圖的技術核心6
5-7-3 愛心圖片貼到雙眼的實例
5-7-4 AI貼圖的應用場景
第6章 疲勞駕駛與表情識別
▌6-1 疲勞駕駛偵測
6-1-1 疲勞駕駛的主要偵測方法
6-1-2 眼睛開合比 (Eye Aspect Ratio, EAR)
6-1-3 嘴巴開合程度偵測 (Mouth Aspect Ratio, MAR)
6-1-4 疲勞駕駛偵測實作
▌6-2 人臉表情識別系統
6-2-1 相關表情關鍵點解析
6-2-2 6大主要情緒對應表
第7章 AI 變臉
▌7-1 AI 變臉 – 演算法原理
▌7-2 變臉程式設計
7-2-1 程式設計
7-2-2 主程式分析
▌7-3 程式重點函數分析
7-3-1 三角剖分 (delaunay_triangulation)
7-3-2 三角形仿射貼合(Triangle Affine Warp)
7-3-3 膚色高斯化校正(color_transfer_gaussian)
▌7-4 圖像貼合的羽化遮罩處理
7-4-1 圖像貼合不自然的銜接
7-4-2 Feathering（羽化）的原理
第8章 MediaPipe Face Mesh 高精度468點人臉識別技術解析
▌8-1 為什麼需要 Face Mesh？
8-1-1 基礎觀念
8-1-2 傳統人臉框與68 點模型的限制
8-1-3 與 Face Mesh 的對比
▌8-2 MediaPipe Face Mesh 介紹
8-2-1 即時處理、高效能與易整合特點
8-2-2 468 點模型的全域概念
▌8-3 認識臉部468 點
8-3-1 高密度人臉關鍵點概述
8-3-2 468 點定位分佈
▌8-4 MediaPipe Face Mesh 模組
8-4-1 建立模組物件
8-4-2 檢測影像與回傳數據
8-4-3 硬功夫繪製468 點數據
▌8-5 繪製臉部網格
8-5-1 繪製臉部關鍵點
8-5-2 繪製臉部網格
8-5-3 繪製臉部關鍵部位連線
8-5-4 用錄影機偵測臉部關鍵點
▌8-6 展示468 點所在關鍵臉部區域的索引點
8-6-1 認識臉部關鍵連線的數據結構
8-6-2 輸出關鍵區域的索引點和像素位置
第9章 Face Mesh 的創意應用
▌9-1 Face Mesh 的可能應用
▌9-2 彩妝的應用
▌9-3 人臉趣味變形 - 向右伸長的嘴角
▌9-4 唇語動畫設計
第10章 MediaPipe Hands 手勢偵測
▌10-1 初探 MediaPipe Hands 模組
10-1-1 MediaPipe Hands 功能概覽
10-1-2 21 個關鍵點的座標定義與排列
10-1-3 如何判斷手勢
▌10-2 偵測手語繪製關節
10-2-1 初始化MediaPipe Hands 物件
10-2-2 hands.process( ) 函數用法
10-2-3 mp_drawing.draw_landmarks( )函數用法
10-2-4 手部點樣式
10-2-5 手部點連線樣式
10-2-6 攝影機偵測應用
▌10-3 專題實作 - 剪刀、石頭與布
第11章 AI 幻影操控
▌11-1 MediaPipe Hands 的應用領域
11-1-1 手勢控制 (Gesture Control)
11-1-2 擴增實境 (AR) / 虛擬實境 (VR)
11-1-3 視訊 / 直播互動
11-1-4 AI 虛擬人物 (AI Avatars)
11-1-5 醫療 & 康復 (Medical & Rehabilitation)
11-1-6 企業 & AI 自動化
▌11-2 判斷 OK 手勢
11-2-1 判斷邏輯
11-2-2 程式實作
▌11-3 OK 手勢計時器
11-3-1 設計邏輯
11-3-2 程式實作
▌11-4 手勢幻影操控
11-4-1 設計邏輯
11-3-2 程式實作
第12章 AI 人體姿勢偵測 - MediaPipe Pose
▌12-1 認識MediaPipe Pose
12-1-1 Pose 的特點
12-1-2 Pose ( 人體姿勢偵測) vs FaceMesh( 臉部網格)
12-1-3 Pose ( 人體姿勢偵測) vs Hands( 手部偵測)
▌12-2 33個關鍵點詳細解說
12-2-1 Pose 的33 個關鍵點
12-2-2 MediaPipe Pose 只偵測 11 個頭部點
▌12-3 MediaPipe Pose 模組
12-3-1 建立模組物件
12-3-2 實作偵測圖像的人體
12-3-3 標記人體33 個關鍵點
▌12-4 繪製人體骨架
12-4-1 預設環境繪製人體骨架
12-4-2 官方推薦預設繪製關鍵點樣式
12-4-3 自訂繪製格式
12-4-4 多元connections 的應用
▌12-5 攝影機錄製人體骨架
▌12-6 AI 人體動作分析 - 座標、距離與角度計算
12-6-1 座標計算
12-6-2 關鍵點的列舉常數
12-6-3 計算關鍵點之間的距離
12-6-4 計算關鍵點的角度
▌12-7 伏地挺身與深蹲中
12-7-1 關鍵點角度的應用範圍
12-7-2 偵測「伏地挺身中」或「深蹲中」
第13章 AI 靜態圖像與攝影背景去除
▌13-1 為何需要背景去除？
13-1-1 背景去除的概念
13-1-2 背景去除的關鍵應用場景
13-1-3 背景去除對 AI 偵測的影響
13-1-4 背景去除的技術選擇
▌13-2 使用 MediaPipe Selfie Segmentation進行背景去除
13-2-1 什麼是 MediaPipe Selfie Segmentation?
13-2-2 Selfie Segmentation 的運作原理
▌13-3 MediaPipe Selfie Segmentation 模組
13-3-1 建立模組物件
13-3-2 process( ) 方法處理影像
13-3-3 認識回傳值segmentation_mask – 遮罩結構
13-3-4 轉換遮罩為灰階影像
▌13-4 圖像背景去除實作
13-4-1 設計黑色和白色背景
13-4-2 建立背景是高斯模糊
13-4-3 圖片取代背景
▌13-5 智慧攝影機背景處理
▌13-6 AI 背景的創意應用
第14章 AI 全身偵測 – Holistic
▌14-1 Holistic 簡介
14-1-1 什麼是 Holistic 識別？
14-1-2 關鍵點檢測的範圍（臉部、手部、姿態）
14-1-3 Holistic 與其他 MediaPipe 模組的差異說明
▌14-2 架構與資料輸出
14-2-1 Holistic 識別的流程
14-2-2 關鍵點資料的結構
14-2-3 姿態、手勢、臉部數據的組合
▌14-3 MediaPipe Holistic 模組
14-3-1 建立模組物件
14-3-2 處理影像並取得結果results
▌14-4 AI 全身動作偵測與視覺化
14-4-1 基本預設繪製全身關鍵點
14-4-2 官方推薦標準樣式繪製全身關鍵點
14-4-3 繪製全身關鍵點 – 去背與背景是影片
▌14-5 Holistic 全身偵測的創意應用
14-5-1 創意應用
14-5-2 AI 健身教練 - 深蹲計數器
第15章 DeepFace 人臉辨識 設計門禁系統
▌15-1 DeepFace 簡介
15-1-1 什麼是 DeepFace ？
15-1-2 DeepFace 與一般人臉識別的差異
15-1-3 DeepFace 在 AI 和計算機視覺中的重要性
▌15-2 預訓練模型下載檔案
15-2-1 比較DeepFace 與MediaPipe 模組
15-2-2 預訓練模型下載
▌15-3 使用 DeepFace 進行人臉分析
15-3-1 使用 DeepFace 進行人臉分析
15-3-2 年齡預測
15-3-3 性別預測
15-3-4 情緒分析
15-3-5 種族預測
▌15-4 DeepFace 的人臉辨識技術基礎
15-4-1 深度學習與卷積神經網路在DeepFace的應用
15-4-2 人臉辨識的主要步驟
▌15-5 人臉辨識實作
15-5-1 基礎實例
15-5-2 認識DeepFace 支援的深度學習模型
▌15-6 設計企業門禁系統
15-6-1 建立人臉數據庫 -（ Embedding 存儲）
15-6-2 將人臉與數據庫特徵向量比對
15-6-3 門禁系統設計asnd 第1章 認識MediaPipe
▌1-1 MediaPipe 是什麼？概念與應用
1-1-1 MediaPipe 的背景與起源
1-1-2 MediaPipe 的核心架構
1-1-3 MediaPipe 在 Python 上的應用優勢
1-1-4 安裝MediaPipe
1-1-5 如何升級或降級MediaPipe 版本
▌1-2 主要應用領域與實際案例
▌1-3 MediaPipe 的程式核心Calculator 和Graph
▌1-4 驗證是否可以正確使用MediaPipe 模組
1-4-1 MediaPipe 的「Hello, world!」程式測試
1-4-2 Calculator 和 Graph 解釋人臉偵測程式
1-4-3 影片讀取與人臉偵測
1-4-4 無限迴圈播放影片
第2章 掌握影像輸入 - 攝影機與影片的運用
▌2-1 取得影像來源（Webcam / 影片檔）
2-1-1 Webcam（即時攝影機）
2-1-2 影片檔案
2-1-3 儲存影片檔案
▌2-2 更改影像大小
2-2-1 攝影機的輸出解析度（Frame Capture Size）
2-2-2 程式中顯示視窗的大小（Window Display Size）
第3章 人臉偵測
▌3-1 人臉偵測的意義與應用範圍
3-1-1 基礎定位功能
3-1-2 各式應用情境
3-1-3 核心地位
3-1-4 章節範圍與進階議題的預告
▌3-2 MediaPipe Face Detection 基本流程
3-2-1 建立模組物件
3-2-2 認識FaceDetection( ) 函數
3-2-3 函數初始化與主要參數
3-2-4 取得人臉 Bounding Box 與基礎關鍵點
3-2-5 process( ) 的輸入要求
3-2-6 未偵測到人臉
3-2-7 With 關鍵字的應用
▌3-3 註解人臉位置與關鍵點數據
3-3-1 中文註解人臉位置與關鍵點數據
3-3-2 手工繪製人臉框和關鍵點
▌3-4 MediaPipe 輔助繪圖模組
3-4-1 drawing_utils 輔助繪圖基礎觀念
3-4-2 draw_detection( ) 函數
3-4-3 自訂顏色、大小、粗細 - DrawSpec( )
▌3-5 多人照片人臉偵測
3-5-1 多人照片人臉測試基礎
3-5-2 處理無法偵測到全部人臉的問題
3-5-3 偵測更多臉的實作
3-5-4 人臉編號與信心分數
3-5-5 MediaPipe 未說明的機制
▌3-6 多人影片人臉偵測
▌3-7 多人即時攝影機人臉偵測
第4章 語音輸出與人臉偵測專題
▌4-1 語音輸出 – 離線模組pyttsx3
4-1-1 pyttsx3 的特點
4-1-2 基本用法
4-1-3 語音引擎屬性設定
▌4-2 人臉偵測的應用
▌4-3 安全監控
▌4-4 新聞報導人臉馬賽克
4-4-1 圖像馬賽克原理
4-4-2 設計新聞報導時的人臉馬賽克系統
▌4-5 智慧型攝影對焦
4-5-1 圖像亮度調整原理
4-5-2 圖片人臉亮度調整
4-5-3 智慧型攝影對焦 – 整體畫面調整
4-5-4 智慧型攝影對焦 – 臉部畫面調整
第5章 人臉關鍵點偵測 - 68 點模型
▌5-1 緣起與背景
5-1-1 人臉偵測與關鍵點在電腦視覺中的地位
5-1-2 從人臉偵測到關鍵點定位的演進
▌5-2 68點模型概述
5-2-1 模型來源與資料庫
5-2-2 68 個關鍵點的位置分佈
5-2-3 模型優點與限制
5-2-4 為何選擇 68 點模型
▌5-3 Dlib 模組 - 人臉偵測基礎
5-3-1 初始化人臉偵測器
5-3-2 get_frontal_face_detector( )的核心技術
5-3-3 解析detector
▌5-4 Dlib 68 點人臉關鍵點偵測
5-4-1 dlib.shape_predictor( ) 的基本概念
5-4-2 解析predictor
5-4-3 標記人臉68 個關鍵點
▌5-5 人臉對齊
5-5-1 演算法硬功夫處理人臉對齊
5-5-2 應用場景
▌5-6 多人臉的偵測
5-6-1 多人臉與關鍵點的偵測
5-6-2 多人臉68 點關鍵點容器
5-6-3 多張人臉對齊實作
▌5-7 AI 貼圖(AI Stickers)
5-7-1 什麼是 AI 貼圖 (AI Stickers) ？
5-7-2 AI 貼圖的技術核心6
5-7-3 愛心圖片貼到雙眼的實例
5-7-4 AI貼圖的應用場景
第6章 疲勞駕駛與表情識別
▌6-1 疲勞駕駛偵測
6-1-1 疲勞駕駛的主要偵測方法
6-1-2 眼睛開合比 (Eye Aspect Ratio, EAR)
6-1-3 嘴巴開合程度偵測 (Mouth Aspect Ratio, MAR)
6-1-4 疲勞駕駛偵測實作
▌6-2 人臉表情識別系統
6-2-1 相關表情關鍵點解析
6-2-2 6大主要情緒對應表
第7章 AI 變臉
▌7-1 AI 變臉 – 演算法原理
▌7-2 變臉程式設計
7-2-1 程式設計
7-2-2 主程式分析
▌7-3 程式重點函數分析
7-3-1 三角剖分 (delaunay_triangulation)
7-3-2 三角形仿射貼合(Triangle Affine Warp)
7-3-3 膚色高斯化校正(color_transfer_gaussian)
▌7-4 圖像貼合的羽化遮罩處理
7-4-1 圖像貼合不自然的銜接
7-4-2 Feathering（羽化）的原理
第8章 MediaPipe Face Mesh 高精度468點人臉識別技術解析
▌8-1 為什麼需要 Face Mesh？
8-1-1 基礎觀念
8-1-2 傳統人臉框與68 點模型的限制
8-1-3 與 Face Mesh 的對比
▌8-2 MediaPipe Face Mesh 介紹
8-2-1 即時處理、高效能與易整合特點
8-2-2 468 點模型的全域概念
▌8-3 認識臉部468 點
8-3-1 高密度人臉關鍵點概述
8-3-2 468 點定位分佈
▌8-4 MediaPipe Face Mesh 模組
8-4-1 建立模組物件
8-4-2 檢測影像與回傳數據
8-4-3 硬功夫繪製468 點數據
▌8-5 繪製臉部網格
8-5-1 繪製臉部關鍵點
8-5-2 繪製臉部網格
8-5-3 繪製臉部關鍵部位連線
8-5-4 用錄影機偵測臉部關鍵點
▌8-6 展示468 點所在關鍵臉部區域的索引點
8-6-1 認識臉部關鍵連線的數據結構
8-6-2 輸出關鍵區域的索引點和像素位置
第9章 Face Mesh 的創意應用
▌9-1 Face Mesh 的可能應用
▌9-2 彩妝的應用
▌9-3 人臉趣味變形 - 向右伸長的嘴角
▌9-4 唇語動畫設計
第10章 MediaPipe Hands 手勢偵測
▌10-1 初探 MediaPipe Hands 模組
10-1-1 MediaPipe Hands 功能概覽
10-1-2 21 個關鍵點的座標定義與排列
10-1-3 如何判斷手勢
▌10-2 偵測手語繪製關節
10-2-1 初始化MediaPipe Hands 物件
10-2-2 hands.process( ) 函數用法
10-2-3 mp_drawing.draw_landmarks( )函數用法
10-2-4 手部點樣式
10-2-5 手部點連線樣式
10-2-6 攝影機偵測應用
▌10-3 專題實作 - 剪刀、石頭與布
第11章 AI 幻影操控
▌11-1 MediaPipe Hands 的應用領域
11-1-1 手勢控制 (Gesture Control)
11-1-2 擴增實境 (AR) / 虛擬實境 (VR)
11-1-3 視訊 / 直播互動
11-1-4 AI 虛擬人物 (AI Avatars)
11-1-5 醫療 & 康復 (Medical & Rehabilitation)
11-1-6 企業 & AI 自動化
▌11-2 判斷 OK 手勢
11-2-1 判斷邏輯
11-2-2 程式實作
▌11-3 OK 手勢計時器
11-3-1 設計邏輯
11-3-2 程式實作
▌11-4 手勢幻影操控
11-4-1 設計邏輯
11-3-2 程式實作
第12章 AI 人體姿勢偵測 - MediaPipe Pose
▌12-1 認識MediaPipe Pose
12-1-1 Pose 的特點
12-1-2 Pose ( 人體姿勢偵測) vs FaceMesh( 臉部網格)
12-1-3 Pose ( 人體姿勢偵測) vs Hands( 手部偵測)
▌12-2 33個關鍵點詳細解說
12-2-1 Pose 的33 個關鍵點
12-2-2 MediaPipe Pose 只偵測 11 個頭部點
▌12-3 MediaPipe Pose 模組
12-3-1 建立模組物件
12-3-2 實作偵測圖像的人體
12-3-3 標記人體33 個關鍵點
▌12-4 繪製人體骨架
12-4-1 預設環境繪製人體骨架
12-4-2 官方推薦預設繪製關鍵點樣式
12-4-3 自訂繪製格式
12-4-4 多元connections 的應用
▌12-5 攝影機錄製人體骨架
▌12-6 AI 人體動作分析 - 座標、距離與角度計算
12-6-1 座標計算
12-6-2 關鍵點的列舉常數
12-6-3 計算關鍵點之間的距離
12-6-4 計算關鍵點的角度
▌12-7 伏地挺身與深蹲中
12-7-1 關鍵點角度的應用範圍
12-7-2 偵測「伏地挺身中」或「深蹲中」
第13章 AI 靜態圖像與攝影背景去除
▌13-1 為何需要背景去除？
13-1-1 背景去除的概念
13-1-2 背景去除的關鍵應用場景
13-1-3 背景去除對 AI 偵測的影響
13-1-4 背景去除的技術選擇
▌13-2 使用 MediaPipe Selfie Segmentation進行背景去除
13-2-1 什麼是 MediaPipe Selfie Segmentation?
13-2-2 Selfie Segmentation 的運作原理
▌13-3 MediaPipe Selfie Segmentation 模組
13-3-1 建立模組物件
13-3-2 process( ) 方法處理影像
13-3-3 認識回傳值segmentation_mask – 遮罩結構
13-3-4 轉換遮罩為灰階影像
▌13-4 圖像背景去除實作
13-4-1 設計黑色和白色背景
13-4-2 建立背景是高斯模糊
13-4-3 圖片取代背景
▌13-5 智慧攝影機背景處理
▌13-6 AI 背景的創意應用
第14章 AI 全身偵測 – Holistic
▌14-1 Holistic 簡介
14-1-1 什麼是 Holistic 識別？
14-1-2 關鍵點檢測的範圍（臉部、手部、姿態）
14-1-3 Holistic 與其他 MediaPipe 模組的差異說明
▌14-2 架構與資料輸出
14-2-1 Holistic 識別的流程
14-2-2 關鍵點資料的結構
14-2-3 姿態、手勢、臉部數據的組合
▌14-3 MediaPipe Holistic 模組
14-3-1 建立模組物件
14-3-2 處理影像並取得結果results
▌14-4 AI 全身動作偵測與視覺化
14-4-1 基本預設繪製全身關鍵點
14-4-2 官方推薦標準樣式繪製全身關鍵點
14-4-3 繪製全身關鍵點 – 去背與背景是影片
▌14-5 Holistic 全身偵測的創意應用
14-5-1 創意應用
14-5-2 AI 健身教練 - 深蹲計數器
第15章 DeepFace 人臉辨識 設計門禁系統
▌15-1 DeepFace 簡介
15-1-1 什麼是 DeepFace ？
15-1-2 DeepFace 與一般人臉識別的差異
15-1-3 DeepFace 在 AI 和計算機視覺中的重要性
▌15-2 預訓練模型下載檔案
15-2-1 比較DeepFace 與MediaPipe 模組
15-2-2 預訓練模型下載
▌15-3 使用 DeepFace 進行人臉分析
15-3-1 使用 DeepFace 進行人臉分析
15-3-2 年齡預測
15-3-3 性別預測
15-3-4 情緒分析
15-3-5 種族預測
▌15-4 DeepFace 的人臉辨識技術基礎
15-4-1 深度學習與卷積神經網路在DeepFace的應用
15-4-2 人臉辨識的主要步驟
▌15-5 人臉辨識實作
15-5-1 基礎實例
15-5-2 認識DeepFace 支援的深度學習模型
▌15-6 設計企業門禁系統
15-6-1 建立人臉數據庫 -（ Embedding 存儲）
15-6-2 將人臉與數據庫特徵向量比對
15-6-3 門禁系統設計askw 第1章 認識MediaPipe
▌1-1 MediaPipe 是什麼？概念與應用
1-1-1 MediaPipe 的背景與起源
1-1-2 MediaPipe 的核心架構
1-1-3 MediaPipe 在 Python 上的應用優勢
1-1-4 安裝MediaPipe
1-1-5 如何升級或降級MediaPipe 版本
▌1-2 主要應用領域與實際案例
▌1-3 MediaPipe 的程式核心Calculator 和Graph
▌1-4 驗證是否可以正確使用MediaPipe 模組
1-4-1 MediaPipe 的「Hello, world!」程式測試
1-4-2 Calculator 和 Graph 解釋人臉偵測程式
1-4-3 影片讀取與人臉偵測
1-4-4 無限迴圈播放影片
第2章 掌握影像輸入 - 攝影機與影片的運用
▌2-1 取得影像來源（Webcam / 影片檔）
2-1-1 Webcam（即時攝影機）
2-1-2 影片檔案
2-1-3 儲存影片檔案
▌2-2 更改影像大小
2-2-1 攝影機的輸出解析度（Frame Capture Size）
2-2-2 程式中顯示視窗的大小（Window Display Size）
第3章 人臉偵測
▌3-1 人臉偵測的意義與應用範圍
3-1-1 基礎定位功能
3-1-2 各式應用情境
3-1-3 核心地位
3-1-4 章節範圍與進階議題的預告
▌3-2 MediaPipe Face Detection 基本流程
3-2-1 建立模組物件
3-2-2 認識FaceDetection( ) 函數
3-2-3 函數初始化與主要參數
3-2-4 取得人臉 Bounding Box 與基礎關鍵點
3-2-5 process( ) 的輸入要求
3-2-6 未偵測到人臉
3-2-7 With 關鍵字的應用
▌3-3 註解人臉位置與關鍵點數據
3-3-1 中文註解人臉位置與關鍵點數據
3-3-2 手工繪製人臉框和關鍵點
▌3-4 MediaPipe 輔助繪圖模組
3-4-1 drawing_utils 輔助繪圖基礎觀念
3-4-2 draw_detection( ) 函數
3-4-3 自訂顏色、大小、粗細 - DrawSpec( )
▌3-5 多人照片人臉偵測
3-5-1 多人照片人臉測試基礎
3-5-2 處理無法偵測到全部人臉的問題
3-5-3 偵測更多臉的實作
3-5-4 人臉編號與信心分數
3-5-5 MediaPipe 未說明的機制
▌3-6 多人影片人臉偵測
▌3-7 多人即時攝影機人臉偵測
第4章 語音輸出與人臉偵測專題
▌4-1 語音輸出 – 離線模組pyttsx3
4-1-1 pyttsx3 的特點
4-1-2 基本用法
4-1-3 語音引擎屬性設定
▌4-2 人臉偵測的應用
▌4-3 安全監控
▌4-4 新聞報導人臉馬賽克
4-4-1 圖像馬賽克原理
4-4-2 設計新聞報導時的人臉馬賽克系統
▌4-5 智慧型攝影對焦
4-5-1 圖像亮度調整原理
4-5-2 圖片人臉亮度調整
4-5-3 智慧型攝影對焦 – 整體畫面調整
4-5-4 智慧型攝影對焦 – 臉部畫面調整
第5章 人臉關鍵點偵測 - 68 點模型
▌5-1 緣起與背景
5-1-1 人臉偵測與關鍵點在電腦視覺中的地位
5-1-2 從人臉偵測到關鍵點定位的演進
▌5-2 68點模型概述
5-2-1 模型來源與資料庫
5-2-2 68 個關鍵點的位置分佈
5-2-3 模型優點與限制
5-2-4 為何選擇 68 點模型
▌5-3 Dlib 模組 - 人臉偵測基礎
5-3-1 初始化人臉偵測器
5-3-2 get_frontal_face_detector( )的核心技術
5-3-3 解析detector
▌5-4 Dlib 68 點人臉關鍵點偵測
5-4-1 dlib.shape_predictor( ) 的基本概念
5-4-2 解析predictor
5-4-3 標記人臉68 個關鍵點
▌5-5 人臉對齊
5-5-1 演算法硬功夫處理人臉對齊
5-5-2 應用場景
▌5-6 多人臉的偵測
5-6-1 多人臉與關鍵點的偵測
5-6-2 多人臉68 點關鍵點容器
5-6-3 多張人臉對齊實作
▌5-7 AI 貼圖(AI Stickers)
5-7-1 什麼是 AI 貼圖 (AI Stickers) ？
5-7-2 AI 貼圖的技術核心6
5-7-3 愛心圖片貼到雙眼的實例
5-7-4 AI貼圖的應用場景
第6章 疲勞駕駛與表情識別
▌6-1 疲勞駕駛偵測
6-1-1 疲勞駕駛的主要偵測方法
6-1-2 眼睛開合比 (Eye Aspect Ratio, EAR)
6-1-3 嘴巴開合程度偵測 (Mouth Aspect Ratio, MAR)
6-1-4 疲勞駕駛偵測實作
▌6-2 人臉表情識別系統
6-2-1 相關表情關鍵點解析
6-2-2 6大主要情緒對應表
第7章 AI 變臉
▌7-1 AI 變臉 – 演算法原理
▌7-2 變臉程式設計
7-2-1 程式設計
7-2-2 主程式分析
▌7-3 程式重點函數分析
7-3-1 三角剖分 (delaunay_triangulation)
7-3-2 三角形仿射貼合(Triangle Affine Warp)
7-3-3 膚色高斯化校正(color_transfer_gaussian)
▌7-4 圖像貼合的羽化遮罩處理
7-4-1 圖像貼合不自然的銜接
7-4-2 Feathering（羽化）的原理
第8章 MediaPipe Face Mesh 高精度468點人臉識別技術解析
▌8-1 為什麼需要 Face Mesh？
8-1-1 基礎觀念
8-1-2 傳統人臉框與68 點模型的限制
8-1-3 與 Face Mesh 的對比
▌8-2 MediaPipe Face Mesh 介紹
8-2-1 即時處理、高效能與易整合特點
8-2-2 468 點模型的全域概念
▌8-3 認識臉部468 點
8-3-1 高密度人臉關鍵點概述
8-3-2 468 點定位分佈
▌8-4 MediaPipe Face Mesh 模組
8-4-1 建立模組物件
8-4-2 檢測影像與回傳數據
8-4-3 硬功夫繪製468 點數據
▌8-5 繪製臉部網格
8-5-1 繪製臉部關鍵點
8-5-2 繪製臉部網格
8-5-3 繪製臉部關鍵部位連線
8-5-4 用錄影機偵測臉部關鍵點
▌8-6 展示468 點所在關鍵臉部區域的索引點
8-6-1 認識臉部關鍵連線的數據結構
8-6-2 輸出關鍵區域的索引點和像素位置
第9章 Face Mesh 的創意應用
▌9-1 Face Mesh 的可能應用
▌9-2 彩妝的應用
▌9-3 人臉趣味變形 - 向右伸長的嘴角
▌9-4 唇語動畫設計
第10章 MediaPipe Hands 手勢偵測
▌10-1 初探 MediaPipe Hands 模組
10-1-1 MediaPipe Hands 功能概覽
10-1-2 21 個關鍵點的座標定義與排列
10-1-3 如何判斷手勢
▌10-2 偵測手語繪製關節
10-2-1 初始化MediaPipe Hands 物件
10-2-2 hands.process( ) 函數用法
10-2-3 mp_drawing.draw_landmarks( )函數用法
10-2-4 手部點樣式
10-2-5 手部點連線樣式
10-2-6 攝影機偵測應用
▌10-3 專題實作 - 剪刀、石頭與布
第11章 AI 幻影操控
▌11-1 MediaPipe Hands 的應用領域
11-1-1 手勢控制 (Gesture Control)
11-1-2 擴增實境 (AR) / 虛擬實境 (VR)
11-1-3 視訊 / 直播互動
11-1-4 AI 虛擬人物 (AI Avatars)
11-1-5 醫療 & 康復 (Medical & Rehabilitation)
11-1-6 企業 & AI 自動化
▌11-2 判斷 OK 手勢
11-2-1 判斷邏輯
11-2-2 程式實作
▌11-3 OK 手勢計時器
11-3-1 設計邏輯
11-3-2 程式實作
▌11-4 手勢幻影操控
11-4-1 設計邏輯
11-3-2 程式實作
第12章 AI 人體姿勢偵測 - MediaPipe Pose
▌12-1 認識MediaPipe Pose
12-1-1 Pose 的特點
12-1-2 Pose ( 人體姿勢偵測) vs FaceMesh( 臉部網格)
12-1-3 Pose ( 人體姿勢偵測) vs Hands( 手部偵測)
▌12-2 33個關鍵點詳細解說
12-2-1 Pose 的33 個關鍵點
12-2-2 MediaPipe Pose 只偵測 11 個頭部點
▌12-3 MediaPipe Pose 模組
12-3-1 建立模組物件
12-3-2 實作偵測圖像的人體
12-3-3 標記人體33 個關鍵點
▌12-4 繪製人體骨架
12-4-1 預設環境繪製人體骨架
12-4-2 官方推薦預設繪製關鍵點樣式
12-4-3 自訂繪製格式
12-4-4 多元connections 的應用
▌12-5 攝影機錄製人體骨架
▌12-6 AI 人體動作分析 - 座標、距離與角度計算
12-6-1 座標計算
12-6-2 關鍵點的列舉常數
12-6-3 計算關鍵點之間的距離
12-6-4 計算關鍵點的角度
▌12-7 伏地挺身與深蹲中
12-7-1 關鍵點角度的應用範圍
12-7-2 偵測「伏地挺身中」或「深蹲中」
第13章 AI 靜態圖像與攝影背景去除
▌13-1 為何需要背景去除？
13-1-1 背景去除的概念
13-1-2 背景去除的關鍵應用場景
13-1-3 背景去除對 AI 偵測的影響
13-1-4 背景去除的技術選擇
▌13-2 使用 MediaPipe Selfie Segmentation進行背景去除
13-2-1 什麼是 MediaPipe Selfie Segmentation?
13-2-2 Selfie Segmentation 的運作原理
▌13-3 MediaPipe Selfie Segmentation 模組
13-3-1 建立模組物件
13-3-2 process( ) 方法處理影像
13-3-3 認識回傳值segmentation_mask – 遮罩結構
13-3-4 轉換遮罩為灰階影像
▌13-4 圖像背景去除實作
13-4-1 設計黑色和白色背景
13-4-2 建立背景是高斯模糊
13-4-3 圖片取代背景
▌13-5 智慧攝影機背景處理
▌13-6 AI 背景的創意應用
第14章 AI 全身偵測 – Holistic
▌14-1 Holistic 簡介
14-1-1 什麼是 Holistic 識別？
14-1-2 關鍵點檢測的範圍（臉部、手部、姿態）
14-1-3 Holistic 與其他 MediaPipe 模組的差異說明
▌14-2 架構與資料輸出
14-2-1 Holistic 識別的流程
14-2-2 關鍵點資料的結構
14-2-3 姿態、手勢、臉部數據的組合
▌14-3 MediaPipe Holistic 模組
14-3-1 建立模組物件
14-3-2 處理影像並取得結果results
▌14-4 AI 全身動作偵測與視覺化
14-4-1 基本預設繪製全身關鍵點
14-4-2 官方推薦標準樣式繪製全身關鍵點
14-4-3 繪製全身關鍵點 – 去背與背景是影片
▌14-5 Holistic 全身偵測的創意應用
14-5-1 創意應用
14-5-2 AI 健身教練 - 深蹲計數器
第15章 DeepFace 人臉辨識 設計門禁系統
▌15-1 DeepFace 簡介
15-1-1 什麼是 DeepFace ？
15-1-2 DeepFace 與一般人臉識別的差異
15-1-3 DeepFace 在 AI 和計算機視覺中的重要性
▌15-2 預訓練模型下載檔案
15-2-1 比較DeepFace 與MediaPipe 模組
15-2-2 預訓練模型下載
▌15-3 使用 DeepFace 進行人臉分析
15-3-1 使用 DeepFace 進行人臉分析
15-3-2 年齡預測
15-3-3 性別預測
15-3-4 情緒分析
15-3-5 種族預測
▌15-4 DeepFace 的人臉辨識技術基礎
15-4-1 深度學習與卷積神經網路在DeepFace的應用
15-4-2 人臉辨識的主要步驟
▌15-5 人臉辨識實作
15-5-1 基礎實例
15-5-2 認識DeepFace 支援的深度學習模型
▌15-6 設計企業門禁系統
15-6-1 建立人臉數據庫 -（ Embedding 存儲）
15-6-2 將人臉與數據庫特徵向量比對
15-6-3 門禁系統設計
洪錦魁
2023 年和2024 年連續2 年獲選***10 大暢銷華文作家，多年來唯一電腦書籍作者獲選，也是一位跨越電腦作業系統與科技時代的電腦專家，著作等身的作家，下列是他在各時期的代表作品。
► DOS 時代：「IBM PC 組合語言、Basic、C、C++、Pascal、資料結構」。
► Windows 時代：「Windows Programming 使用 C、Visual Basic」。
► Internet 時代：「網頁設計使用 HTML」。
► 大數據時代：「R 語言邁向 Big Data 之路」。
► AI 時代：「機器學習 Python 實作、AI 視覺、AI 之眼」。
► 通用AI時代：「ChatGPT、Copilot、無料AI、AI(職場、行銷、影片、賺錢術)」。
作品曾被翻譯為簡體中文、馬來西亞文，英文，近年來作品則是在北京清華大學和台灣深智同步發行：
1：C、Java、Python、C#、R 最強入門邁向頂尖高手之路王者歸來
2：Python 網路爬蟲/ 影像創意/ 演算法邏輯思維/ 資料視覺化 - 王者歸來
3：網頁設計HTML+CSS+JavaScript+jQuery+Bootstrap+Google Maps 王者歸來
4：機器學習基礎數學、微積分、真實數據、專題Python 實作王者歸來
5：Excel 完整學習、Excel 函數庫、AI 助攻學Excel VBA 應用王者歸來
6：Python x AI 辦公室自動化之路
7：Power BI 最強入門 – AI 視覺化+ 智慧決策+ 雲端分享王者歸來
8：無料AI、AI 職場、AI 行銷、AI 繪圖、AI 創意影片的作者
他的多本著作皆曾登上天瓏、***、Momo 電腦書類，不同時期暢銷排行榜第1 名，他的著作特色是，所有程式語法或是功能解說會依特性分類，同時以實用的程式範例做說明，不賣弄學問，讓整本書淺顯易懂，讀者可以由他的著作事半功倍輕鬆掌握相關知識。
2023 年和2024 年連續2 年獲選***10 大暢銷華文作家，多年來唯一電腦書籍作者獲選，也是一位跨越電腦作業系統與科技時代的電腦專家，著作等身的作家，下列是他在各時期的代表作品。
► DOS 時代：「IBM PC 組合語言、Basic、C、C++、Pascal、資料結構」。
► Windows 時代：「Windows Programming 使用 C、Visual Basic」。
► Internet 時代：「網頁設計使用 HTML」。
► 大數據時代：「R 語言邁向 Big Data 之路」。
► AI 時代：「機器學習 Python 實作、AI 視覺、AI 之眼」。
► 通用AI時代：「ChatGPT、Copilot、無料AI、AI(職場、行銷、影片、賺錢術)」。
作品曾被翻譯為簡體中文、馬來西亞文，英文，近年來作品則是在北京清華大學和台灣深智同步發行：
1：C、Java、Python、C#、R 最強入門邁向頂尖高手之路王者歸來
2：Python 網路爬蟲/ 影像創意/ 演算法邏輯思維/ 資料視覺化 - 王者歸來
3：網頁設計HTML+CSS+JavaScript+jQuery+Bootstrap+Google Maps 王者歸來
4：機器學習基礎數學、微積分、真實數據、專題Python 實作王者歸來
5：Excel 完整學習、Excel 函數庫、AI 助攻學Excel VBA 應用王者歸來
6：Python x AI 辦公室自動化之路
7：Power BI 最強入門 – AI 視覺化+ 智慧決策+ 雲端分享王者歸來
8：無料AI、AI 職場、AI 行銷、AI 繪圖、AI 創意影片的作者
他的多本著作皆曾登上天瓏、***、Momo 電腦書類，不同時期暢銷排行榜第1 名，他的著作特色是，所有程式語法或是功能解說會依特性分類，同時以實用的程式範例做說明，不賣弄學問，讓整本書淺顯易懂，讀者可以由他的著作事半功倍輕鬆掌握相關知識。
Details
Review
0 ratings
1 stars
0%
2 stars
0%
3 stars
0%
4 stars
0%
5 stars
0%
Write a review
Eligible to write reviews after purchasing products or add to Library
