0人評分過此書
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
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 dlibshape_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
-
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 handsprocess( ) 函數用法
-
10-2-3 mp_drawingdraw_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
-
11-4-2 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 SelfieSegmentation?
-
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
-
-
- 出版地 ： 臺灣
- 語言 ： 繁體中文
評分與評論
請登入後再留言與評分
PDF
PDF
PDF
