第十三周 W13骨骼辨識

學號: 1111310012

姓名: 蘇明心

1.安裝與載入 MediaPipe

2.環境說明 + 基本 import

3.載入 MediaPipe Pose

4. 人體骨架偵測程式碼

5. 對圖片做骨架偵測並畫

6. 對影片逐幀偵測骨架 + 存成新影片

《Google Colab 人體骨架偵測課程》心得報告

這次的課程讓我對人體骨架辨識（Pose Estimation）有了更完整、系統化的理解。以前只知道 AI 可以辨識人或物，但不知道原來還能精準定位 33 個人體關鍵點，並且進一步分析動作、角度與姿勢。透過 MediaPipe Pose 的示範，我更清楚看見骨架偵測技術的實際應用價值。

其中，我覺得最實用的部分是 使用 Google Colab 進行圖片與影片的骨架偵測。從環境設置、圖片上傳、骨架繪製，到逐幀分析影片，都讓我實際體驗到 AI 如何一步步變成能夠使用的工具。尤其是影片逐幀處理與追蹤，讓我第一次真正感受到「AI 正在分析動作」的感覺，非常有成就感。

除了基本偵測，課程內容還包含 計算關節角度，例如手肘、膝蓋等。這部分讓我了解骨架辨識不只是畫線，而是能用數學與向量分析身體運動的細節。舉例來說：

這些應用都非常貼近現實生活，也讓我想到未來如果做健身教練 App、動作辨識遊戲或復健輔助系統，都可以直接用到這些技術。

課程中也示範了如何把影片輸出成「帶有骨架線條」的結果影片，這讓我學到影像處理完整的一條流水線，包含影片讀取、FPS、Frame-by-frame 處理、寫出新影片等，提升了我對電腦視覺程式實作流程的理解。

最後的小組活動「動作偵測器」也很有趣，讓我第一次體驗自己定義規則、讓 AI 自動判定動作，像是手舉過頭或深蹲角度判定等。這讓我覺得 AI 不再是遙不可及的技術，而是可以被拆分、理解並親手打造的邏輯。

總結

整體來說，這堂課內容完整、易懂，從工具介紹到實際操作，都讓我對 MediaPipe、骨架偵測、Colab、影像處理、角度分析 有了更深認識。未來如果要做專題或 AI 相關小專案，我覺得這堂課提供了一個很好的基礎，也讓我更有信心能在 Colab 上開發自己的 AI 作品。