01 /
開啟 Visual Studio
SCREENSHOT · 01
02 /
下載 Python
SCREENSHOT · 02
03 /
建立一個新文件
SCREENSHOT · 03
04 /
虛擬環境與套件安裝
- 建立環境：python -m venv .venv
- 啟用環境：.venv\Scripts\activate
- 升級 pip：pip install --upgrade pip
- 安裝套件：pip install opencv-python Flask mediapipe ultralytics
SCREENSHOT · 04
05 /
單元一：OpenCV 攝影機測試 UNIT 1
CODE
OUTPUT
06 /
單元二：手勢偵測 (Hands) UNIT 2
SCREENSHOT · 07
07 /
單元三：臉部網格 (Face Mesh) UNIT 3
SCREENSHOT · 08
學習心得
LEARNING REFLECTION & INSIGHTS
開發環境建置
透過本次學習，我成功掌握了如何在 Visual Studio Code 中建立 Python 虛擬環境（venv），並安裝 Flask、OpenCV、MediaPipe 等核心套件。這讓我深刻理解到環境管理的重要性——隔離的虛擬環境能有效避免套件衝突，是專業開發的基礎。
OpenCV 攝影機應用
學習 OpenCV 的攝影機即時影像擷取後，我了解到電腦視覺的基本原理：每一個畫面都是由像素矩陣構成的數字資料，程式透過不斷讀取影格並加以處理，才能實現即時偵測功能。
MediaPipe 手勢偵測
MediaPipe Hands 的強大之處令我驚嘆——僅需幾行程式碼，就能偵測 21 個手部關節點的三維座標。這讓我體認到現代 AI 框架的易用性，以及深度學習模型在實際應用中的巨大潛力。
臉部網格偵測
Face Mesh 能夠即時定位人臉上 468 個特徵點，精確度超出我的預期。這項技術不僅可用於表情分析，更可延伸應用至 AR 濾鏡、駕駛疲勞偵測等多元場景，讓我對 AI 視覺的應用前景充滿期待。
總結與未來展望
這次的課程讓我從零開始，完整走過「環境設定 → 影像擷取 → 手勢辨識 → 臉部偵測」的完整流程。我深刻體會到 Python 生態系的豐富性與便利性，也對 AI 視覺技術產生了濃厚的興趣。
未來我希望能進一步結合 Flask Web 框架，將即時偵測結果串流至網頁介面，實現真正的 AI 視覺 Web 應用。同時也計畫探索 Ultralytics YOLO 的物件偵測功能，將所學延伸到更廣泛的實際應用場景中。感謝老師提供如此完整且實用的學習材料！