https://youtu.be/dgboN8NDfdg

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。

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。

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

Details

Released

2025/03/19

Language

Traditional Chinese

File format

PDF: Fit in large screen

494607

ISBN

9786267569665

Provide Adobe DRM

Provide PDF

Offer DRM free license

Text-to-Speech

Text-to-Speech is not available for EPUB / Text-to-Speech is not available for PDF

Buy products firstAnd download app to watch

Details

All

Management

Investing

Marketing

All

LGBTQ

Literature

Fiction

Romantic Fiction

All

Recreation

Illustrated Book

Fortune Telling

Travel

Eating Habits

Fitness

All

History/Geography

Law

Politics/Military

Applied Sciences

Natural Sciences

Philosophy

Biographies

Sociology

All

Computers/Technology

Language

All

Motivational

Health/Nutrition

Christianity

Buddhism

Taoism

Islam

Other Religions

Relationships

All

Comics

Illustrations

Fan Works

Romance Mangas for Teens

Teenage Mangas

High School Mangas

Romance Mangas

Yaoi Mangas

GL Mangas

TL Mangas

Gay Mangas

Others

All

Performance Art

Art

Design

Photography

All

Education

Kids/Teenagers

Pregnancy/Childbirth

All

Study

Government Exams

Financial Licenses

Teacher Exams

Professional Exams

TOEFL/TOEIC

Learning Skills

Official Publications

Job Hunting Exams

All

Female Photo Books

Male Photo Books

All

Business Management

Investing

Direct Marketing

Advertising

Law

All

News Analysis