基于YOLOV5的FPS类游戏检测auto aim_东西山海关_yolov5 游戏

未知 02-07 5154

FPSAutomaticAiming——基于YOLOV5的FPS类游戏检测auto aim

Github地址：github

简介

本项目基于yolov5,实现了一款FPS类游戏的检测，旨在使用现有网络结构实现一个完整的落地项目，仅供人工智能自动控制等方面的学习研究，不可用于非法用途！！！

环境配置 1.软件环境

使用conda导入yolo.yaml。

name: yolo channels: - pytorch - conda-forge - https://mirrors.ustc.edu.cn/anaconda/pkgs/main - https://mirrors.ustc.edu.cn/anaconda/pkgs/free - https://mirrors.bfsu.edu.cn/anaconda/pkgs/msys2 - https://mirrors.bfsu.edu.cn/anaconda/pkgs/pro - https://mirrors.bfsu.edu.cn/anaconda/pkgs/r - https://mirrors.bfsu.edu.cn/anaconda/pkgs/free - https://mirrors.bfsu.edu.cn/anaconda/pkgs/main - defaults dependencies: - absl-py=0.13.0=py38haa95532_0 - aiohttp=3.7.4=py38h2bbff1b_1 - async-timeout=3.0.1=py38haa95532_0 - attrs=21.2.0=pyhd3eb1b0_0 - blas=1.0=mkl - blinker=1.4=py38haa95532_0 - bottleneck=1.3.2=py38h2a96729_1 - brotli=1.0.9=ha925a31_2 - brotlipy=0.7.0=py38h2bbff1b_1003 - ca-certificates=2021.5.30=h5b45459_0 - cachetools=4.2.2=pyhd3eb1b0_0 - certifi=2021.5.30=py38haa244fe_0 - cffi=1.14.6=py38h2bbff1b_0 - chardet=3.0.4=py38haa95532_1003 - click=8.0.1=pyhd3eb1b0_0 - cryptography=3.4.7=py38h71e12ea_0 - cudatoolkit=10.2.89=h74a9793_1 - cycler=0.10.0=py38_0 - fonttools=4.25.0=pyhd3eb1b0_0 - freetype=2.10.4=hd328e21_0 - google-auth=1.33.0=pyhd3eb1b0_0 - google-auth-oauthlib=0.4.1=py_2 - grpcio=1.35.0=py38hc60d5dd_0 - icc_rt=2019.0.0=h0cc432a_1 - icu=58.2=ha925a31_3 - idna=2.10=pyhd3eb1b0_0 - importlib-metadata=3.10.0=py38haa95532_0 - intel-openmp=2021.3.0=haa95532_3372 - jpeg=9b=hb83a4c4_2 - kiwisolver=1.3.1=py38hd77b12b_0 - libpng=1.6.37=h2a8f88b_0 - libprotobuf=3.17.2=h23ce68f_1 - libtiff=4.2.0=hd0e1b90_0 - libuv=1.40.0=he774522_0 - lz4-c=1.9.3=h2bbff1b_1 - markdown=3.3.4=py38haa95532_0 - matplotlib=3.4.2=py38haa95532_0 - matplotlib-base=3.4.2=py38h49ac443_0 - mkl=2021.3.0=haa95532_524 - mkl-service=2.4.0=py38h2bbff1b_0 - mkl_fft=1.3.0=py38h277e83a_2 - mkl_random=1.2.2=py38hf11a4ad_0 - msys2-conda-epoch=20160418=1 - multidict=5.1.0=py38h2bbff1b_2 - munkres=1.1.4=py_0 - ninja=1.7.2=0 - numexpr=2.7.3=py38hb80d3ca_1 - numpy=1.20.3=py38ha4e8547_0 - numpy-base=1.20.3=py38hc2deb75_0 - oauthlib=3.1.1=pyhd3eb1b0_0 - olefile=0.46=py_0 - openssl=1.1.1k=h8ffe710_1 - pandas=1.3.1=py38h6214cd6_0 - pillow=8.3.1=py38h4fa10fc_0 - pip=21.0.1=py38haa95532_0 - protobuf=3.17.2=py38hd77b12b_0 - pyasn1=0.4.8=py_0 - pyasn1-modules=0.2.8=py_0 - pycparser=2.20=py_2 - pyjwt=2.1.0=py38haa95532_0 - pyopenssl=20.0.1=pyhd3eb1b0_1 - pyparsing=2.4.7=pyhd3eb1b0_0 - pyqt=5.9.2=py38ha925a31_4 - pysocks=1.7.1=py38haa95532_0 - python=3.8.11=h6244533_1 - python-dateutil=2.8.2=pyhd3eb1b0_0 - python-mss=6.1.0=pyhd3deb0d_0 - python_abi=3.8=2_cp38 - pytorch=1.9.0=py3.8_cuda10.2_cudnn7_0 - pytz=2021.1=pyhd3eb1b0_0 - pyyaml=5.4.1=py38h2bbff1b_1 - qt=5.9.7=vc14h73c81de_0 - requests=2.25.1=pyhd3eb1b0_0 - requests-oauthlib=1.3.0=py_0 - rsa=4.7.2=pyhd3eb1b0_1 - scipy=1.6.2=py38h66253e8_1 - seaborn=0.11.2=pyhd3eb1b0_0 - setuptools=52.0.0=py38haa95532_0 - sip=4.19.13=py38ha925a31_0 - six=1.16.0=pyhd3eb1b0_0 - sqlite=3.36.0=h2bbff1b_0 - tensorboard=2.5.0=py_0 - tensorboard-plugin-wit=1.6.0=py_0 - tk=8.6.10=he774522_0 - torchaudio=0.9.0=py38 - torchvision=0.10.0=py38_cu102 - tornado=6.1=py38h2bbff1b_0 - tqdm=4.62.1=pyhd3eb1b0_1 - typing-extensions=3.10.0.0=hd3eb1b0_0 - typing_extensions=3.10.0.0=pyh06a4308_0 - urllib3=1.26.6=pyhd3eb1b0_1 - vc=14.2=h21ff451_1 - vs2015_runtime=14.27.29016=h5e58377_2 - werkzeug=1.0.1=pyhd3eb1b0_0 - wheel=0.37.0=pyhd3eb1b0_0 - win_inet_pton=1.1.0=py38haa95532_0 - wincertstore=0.2=py38_0 - xz=5.2.5=h62dcd97_0 - yaml=0.2.5=he774522_0 - yarl=1.6.3=py38h2bbff1b_0 - zipp=3.5.0=pyhd3eb1b0_0 - zlib=1.2.11=h62dcd97_4 - zstd=1.4.9=h19a0ad4_0 - pip: - colorama==0.4.4 - mouseinfo==0.1.3 - opencv-python==4.5.3.56 - polygon3==3.0.9.1 - pyautogui==0.9.53 - pygetwindow==0.0.9 - pymsgbox==1.0.9 - pyperclip==1.8.2 - pyrect==0.1.4 - pyscreeze==0.1.27 - pytweening==1.0.3 - tensorboard-data-server==0.6.1 - thop==0.0.31-2005241907 prefix: D:\Miniconda3\envs\yolo 2.硬件环境(鼠标移动相关)

本项目中控制鼠标移动使用了“易键鼠”。（也可以自行修改鼠标移动相关代码，使用pydirectinput，pyautogui，pywin32等库来控制键盘鼠标）

3.使用方法

1.训练模型。

本项目的训练方法请查看yolov5相关文档。

2.使用。

启动前在utils/CFUtils.py文件中修改屏幕分辨率，检测框范围等参数。如需更换模型，请在CFdetect.py文件中修改模型路径。修改好相关参数后直接运行Main.py启动本项目。请将游戏中的鼠标灵敏度调到3-5左右。