進度
0 / 9
AI 視覺課程實作紀錄

Visual Studio Code + Flask
AI 視覺入門

Python × MediaPipe × OpenCV × Flask 整合實作，從攝影機控制到智慧視覺系統

01

1. 套件安裝

安裝所需的 Python 套件與開發環境設定

1. 套件安裝
02

2. camera.py

建立攝影機控制程式碼

2. camera.py
03

3. python camera.py

執行攝影機程式，測試連線與畫面擷取

3. python camera.py
04

4. pip install mediapipe opencv-python

安裝 MediaPipe 與 OpenCV 視覺辨識套件

4. pip install mediapipe opencv-python
05

5. 手勢偵測 (Hands)

使用 MediaPipe 進行手勢關鍵點偵測

5. 手勢偵測 (Hands)
06

6. 臉部網格 (Face Mesh)

建立臉部 468 個特徵點的網格模型

6. 臉部網格 (Face Mesh)
07

7. EAR 眼睛縱橫比

Eye Aspect Ratio 疲勞偵測演算法實作

7. EAR 眼睛縱橫比
08

8. Flask 視訊串流

透過 Flask 建立即時視訊串流伺服器

8. Flask 視訊串流
09

9. 網頁 UI 整合

整合前端 HTML 介面與後端視覺系統

9. 網頁 UI 整合
課後心得

Visual Studio Code + Flask Web 控制與 AI 視覺入門

這次課程讓我學到很多實用又有趣的技術，尤其是把 Python、Visual Studio Code、Flask 以及 AI 視覺辨識整合在一起，讓我對「電腦視覺應用」有了更具體的認識。課堂中從最基礎的 USB 攝影機開啟、拍照存檔開始，再進一步學習手勢偵測、臉部網格、疲勞偵測、人臉辨識與 YOLO 物件偵測，讓我感受到 AI 不只是理論，而是真的可以做出互動式、可操作的應用系統。特別是透過 Flask 與 HTML 製作控制網頁，讓原本只在本機執行的 Python 程式，變成能在瀏覽器中操作的視覺系統，我覺得這部分非常有成就感。這堂課也讓我了解到開發時不只要會寫程式，還要注意虛擬環境、套件安裝、攝影機權限與模組設定等細節。整體來說，這門課不但提升了我的實作能力，也讓我更想進一步探索 AI 視覺辨識與智慧監控系統的應用。