▌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