FPSAutomaticAiming——基于YOLOV5的FPS类游戏自动瞄准AI
声明:
本项目仅限于学习交流，不可用于非法用途，包括但不限于：用于游戏外挂等，使用本项目产生的任何后果与本人无关！
简介
本项目基于yolov5,实现了一款FPS类游戏（CF、CSGO等）的自瞄AI，本项目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
本项目中控制鼠标移动时使用了“易键鼠”。（也可以自行修改相关代码，使用pyautogui，pywin32等库来控制键盘鼠标）
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文件中修改模型位置。- 修改好相关参数后直接运行
Main.py启动本项目。
3 Sep 19, 2022
11 Dec 11, 2022
20 May 17, 2022
1.6k Jan 08, 2023
5.5k Jan 05, 2023
33 Mar 23, 2022
1.2k Dec 28, 2022
3 Apr 09, 2022
1.7k Jan 03, 2023
56 Dec 14, 2022
35 Dec 30, 2022
6 Sep 11, 2022
34 Dec 13, 2022
16 Nov 10, 2022
153 Jan 07, 2023
478 Dec 25, 2022
1.4k Dec 21, 2022
23 Nov 29, 2022
89 Dec 21, 2022
46 Dec 07, 2022