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。
47 Nov 25, 2022
52 Oct 31, 2022
32 Dec 06, 2022
87 Dec 26, 2022
112 Aug 10, 2022
3 Feb 24, 2022
24 Nov 02, 2022
1 Jun 08, 2022
75 Dec 05, 2022
2 Nov 21, 2022
10 Oct 16, 2022
73 Oct 02, 2022
115 Dec 29, 2022
51 Dec 30, 2022
70 Oct 29, 2022
14 Dec 17, 2022
11 Nov 22, 2022
92 Jan 03, 2023
0 Feb 07, 2022
1 Jan 27, 2022