您的位置: 游戏资讯 > 游戏问答

干货|用Tensorflow物体检测玩射击游戏《反恐精英》

来源:头条 浏览:0 2022-12-25 18:42:01

本文介绍了如何使用TensorFlow目标检测模型玩经典的FPS游戏——《反恐精英》。

干货|用Tensorflow物体检测玩射击游戏《反恐精英》

使用我的网络摄像头和TensorFlow目标检测模型玩“反恐精英”

刚才,我偶然发现了这样一个有趣的项目。 文章作者使用网络摄像头玩经典游戏《格斗之王》。 他利用网络摄像机记录的信息,结合CNN和RNN的使用来识别踢踏舞和拳击动作。 之后,他将模型输出的预测值翻译成了游戏中使用的正确动作。 这确实是很棒的玩法~

通过网络摄像头和深度学习玩“格斗之王”。 原文可以在这里找到。

受这个项目的启发,我制作了类似的控制界面。 它可以通过TensorFlow目标检测模型的预测结果来玩FPS (第一人称设计游戏)。

这个项目的代码在我的GitHub主页上。 链接如下。

chintantrivedi/deepgamingai _ fpsanfpsgamecontrollerthatuseswebcamandeeplearningtoplaygames-chintantrivedi/depgamingame

我设计的这个控制界面可以处理游戏中的以下动作。

1 .瞄准枪

首先,为了在游戏中环顾四周,我把网球作为我的目标检测模型。 根据我手上这个网球在屏幕上的位置,我们可以设定鼠标的位置,控制我们玩家在游戏中瞄准的位置。

2 .移动玩家

然后,为了指挥游戏玩家的前进,检测食指的移动。 食指站立时,玩家前进; 我放下手指,玩家的动作就会停止。

3 .开枪

第三个支持的动作是开枪。 双手用于瞄枪和前进,所以只能通过张开嘴的动作来控制开枪。

目标检测模型

这个目标发现的模型称为MobileNet,它与SSD结合使用来本地化图像。 我会用不同的网球照片、竖起的食指照片、张开的牙齿照片来训练这个模型。 因为它以合理的速度奔跑,所以可以用轻量级的模型实时控制游戏。

模型的性能相对于模型的性能,在游戏中检测手指和牙齿的方法似乎比较可靠。 主要问题是把枪准确对准我们想要的位置。 由于模型以低于游戏的帧速率奔跑,所以鼠标的移动是跳跃式的,不平滑。 另外,在图像的边缘网球的检测效果不好,所以这种方法不太可靠。 通过在离网络摄像头远一点的地方微调模型以有效地检测目标,可以解决这个问题。 这样的话,就有足够的空间移动网球,可以更好地控制目标。 这个模型的游戏性能和效果可以在我的YouTube上看到。 总结来说,由于深度学习模型的强化,这个概念接近于可能。 为了替代游戏中更多的传统方式,这种控制机制的实际应用需要更加完善。 可以预测,这个想法的完美实现将使FPS的游戏过程更有趣。 雷锋网谢谢你。 如果你喜欢这篇文章,你可以在medium ( https://medium.com/@ chint an.t93 ),github ) https://github.com/Chintantrivedi )平台上关注我

和平精英体验服官网「V3.02」IOS版

和平精英体验服官网「V3.02」IOS版

  • 分类:资讯阅读
  • 大小:17MB
  • 语言:简体中文
  • 版本:V3.02