《生成式AI × 穩健提示辨識技術 II》視覺影像篇 | MediaPipe ×YOLO × OpenCV × LineBot

名人推薦：專業推薦
敏實科技大學副校長─林文燦 博士 推薦
錸成科技有限公司執行長、嘉南藥理大學兼任助理教授─凃春愛 博士
日商優貝克工程師─吳俊毅
元大銀行系統開發部專業副理─陳尚瑋

序言

這本《生成式AI × 穩健提示辨識技術 II：視覺影像篇》寫給想把「影像辨識」真正用在生活與工作的人。本書用最常見、最好上手的組合：OpenCV負責攝影機與影像流程、YOLO 做物件偵測、MediaPipe 做人體關鍵點與動作判斷，最後用 LineBot 把警示送到手機，形成「辨識→記錄→通知」的閉環。
你會學到怎麼設計提示與規則，降低誤報、保留紀錄、讓系統可以真正落地應用。

不管你是做工廠安全、長照居家、校園或公共安全監控，或只是想做一個能提醒異常的實用小專案，這本書都能帶你從「看得懂」走到「做得到」。讀者閱讀此書可以透過程式碼進行下載和實作，如有疑問也可以來信指教和討
論，本人信箱cjhuang38@gmail.com
朝健2026.03.01

序言

這本《生成式AI × 穩健提示辨識技術 II：視覺影像篇》寫給想把「影像辨識」真正用在生活與工作的人。本書用最常見、最好上手的組合：OpenCV負責攝影機與影像流程、YOLO 做物件偵測、MediaPipe 做人體關鍵點與動作判斷，最後用 LineBot 把警示送到手機，形成「辨識→記錄→通知」的閉環。
你會學到怎麼設計提示與規則，降低誤報、保留紀錄、讓系統可以真正落地應用。

不管你是做工廠安全、長照居家、校園或公共安全監控，或只是想做一個能提醒異常的實用小專案，這本書都能帶你從「看得懂」走到「做得到」。讀者閱讀此書可以透...

▌1 常見的IDE 安裝與環境設定
1-1 基本IDE 安裝-VS Code 介紹
1.2 基本IDE 介紹-Anaconda-Jupyter Notebook
1.3 Google Colaboratory 安裝
1.4 API 與Python 環境衝突與物件辨識的系統設計

▌2 Pandas 的基礎操作與生成式AI 工作協作
2.1 Pandas 多欄位取值、多列取值
2.2 Pandas 提取字串和多條件取值在影像紀錄應用
2.3 資料框轉字串在系統上的應用
2.4 Cladue AI 程式協作和NotebookLM 心智圖用於程式架構分析

▌3 Gemini 3.0 用於影像互動遊戲設計
3.1 使用提示語設計小遊戲- 使用MediaPipe 設計肢體辨識
3.2 使用提示語設計小遊戲- 長者照護系統結合CSV 輸出
3.3 Gemini 遊戲範例- 寶可夢設計、3D 撞球、急速跑酷

▌4 AI 影像觀念介紹
4.1 物件偵測與影像分割介紹
4.2 卷積神經網路介紹
4.3 Teachable Machine 快速辨識實作結合前端應用
4.3 YOLO 模型版本與觀念介紹
4.4 COCO 資料集介紹

▌5 交通部即時車流影像辨識應用
5.1 OpenCV-SSD 框架介紹
5.2 YOLOv4 應用車流影像辨識
5.3 Ultralytics YOLOv8 模型應用車流影像辨識
5.4 車流影像辨識紀錄與基礎分析

▌6 YouTube 影像辨識實作
6.1 YouTube API 的介紹-yt-dlp 和pytube 為例
6.2 行人影像辨識- 以東京散步影像為例
6.3 直播影像辨識- 以三峽老街影像為例
6.4 球賽影像辨識為例
6.5 產線物流影像辨識實作為例

▌7 YOLO 模型結合Linebot Messaging API 用於肢體辨識
7.1 YOLOv4 和YOLOv5 和YOLOv8 和YOLOv8-pose 物件偵測模組比較
7.2 YOLOv8-pose 模型辨識應用- 使用flask 呈現
7.3 YOLOv8-pose 模型辨識應用- 使用csv 紀錄
7.4 Linebot Messaging API 申請應用介紹
7.5 YOLOv8-pose 模型辨識結合Linebot Messaging API 通知應用
7.6 YOLOv8-pose 模型用於球賽分析
7.7 YOLOv8-pose 模型用於大阪和維也納街景直播

▌8 閉眼偵測應用實作
8.1 OpenCV 結合眼睛追蹤與閉眼提示實作
8.2 OpenCV 結合眼睛追蹤與閉眼提示寫進csv
8.3 winsound 系統聲介紹設計
8.4 閉眼時發出系統聲設計實作
8.5 臉部與左右眼的標示追蹤應用
8.6 閉眼播放小星星
8.7 閉眼發出蜂鳴聲設計

▌9 Resend API 寄信模組應用
9.1 Resend API 申請與介紹
9.2 YOLOv8-Pose 模型辨識結合Resend 寄信通知應用

▌10 火災與濃霧辨識實作
10.1 火災與濃煙辨識模型結合YOLOv8 實作
10.2 火災與濃煙辨識模型結合Resend 寄信模組通知實作
10.3 結合USB CAM 打造實際監測火警和濃煙系統
10.4 使用Tkinter 框架打包火災與濃煙辨識系統

▌11 MediaPipe +CVZone 介紹應用
11.1 Google MediaPipe Studio 介紹
11.2 Python kernel 環境版本和cvzone 版本安裝設定
11.3 舊版MediaPipe 用於手部、臉部、肢體辨識
11.4 新版MediaPipe 用於手部、臉部、肢體辨識
11.5 暴力行為檢測系統
11.6 危險刀具檢測系統

▌12 OpenCV 結合排程和Groq 的辨識
12.1 APScheduler API 的定時定量設計介紹與應用
12.2 結合USB CAM 定時拍照或錄影系統設計
12.3 Groq API 申請與辨識模組介紹
12.4 結合USB CAM 定時拍照或錄影系統結合Groq 影像辨識
12.5 USB CAM 結合Groq 影像辨識和語音輸出

▌13 文件OCR 辨識應用
13.1 單一發票與收據OCR 實作
13.2 多張發票與收據OCR 實作
13.3 多張發票與收據OCR 結合多個工作表紀錄實作
13.4 多張發票與收據OCR 辨識結果結合Google driver 備份
13.5 OCR 部署到Hugging Face 之辨識APP 應用

▌14 郵局存簿辨識應用
14.1 本機端的OCR 辨識
14.2 使用中華郵政存簿進行辨識
14.3 Pandas 勾稽比對系統設計
14.4 存簿帳號辨識結果與客戶輸入結果比較

▌15 補充與回顧
15.1 USB CAM 危險區域結合手部觸控警示字樣設計
15.2 USB CAM 危險區域結合手部觸控警示聲音發送
15.3 USB CAM 危險區域改成正方形設計
15.4 新增摩托車於車流辨識
15.5 調參用於物流辨識應用
15.6 互動式數字儀表板
15.7 手指截圖

▌1 常見的IDE 安裝與環境設定
1-1 基本IDE 安裝-VS Code 介紹
1.2 基本IDE 介紹-Anaconda-Jupyter Notebook
1.3 Google Colaboratory 安裝
1.4 API 與Python 環境衝突與物件辨識的系統設計

▌2 Pandas 的基礎操作與生成式AI 工作協作
2.1 Pandas 多欄位取值、多列取值
2.2 Pandas 提取字串和多條件取值在影像紀錄應用
2.3 資料框轉字串在系統上的應用
2.4 Cladue AI 程式協作和NotebookLM 心智圖用於程式架構分析

▌3 Gemini 3.0 用於影像互動遊戲設計
3.1 使用提示語設計小遊戲- 使用MediaPipe 設計肢體辨識
3.2 使用提...