本文是AI研究组整理的技术博客。原标题是：
使用Tensorflow 对象检测控制第一人称射击游戏
作者| 钦坦·特里维迪
翻译| 尤奇克
校对|来源对女孩|
原文链接：
https://towardsdatascience.com/using-tensorflow-object-detection-to-control-first-person-shooter-games-c2c7f1daf2e9
本文向您展示如何使用TensorFlow 目标检测模型玩经典FPS 游戏——“反恐精英”。
使用网络摄像头和TensorFlow 对象检测模型玩《反恐精英》
我刚刚发现了这个有趣的项目。文章作者正在使用网络摄像头玩经典游戏《拳皇》。他结合CNN 和RNN 使用网络摄像头记录的信息来识别踢腿和拳打。然后，我们将模型输出的预测转化为游戏中使用的精确动作。这真是一个很好的玩法啊~
使用网络摄像头和深度学习玩《拳皇》。原始文章可以在这里找到。
受这个项目的启发，我创建了一个类似的控制界面，允许您通过TensorFlow 目标检测模型的预测来玩FPS（第一人称视角游戏）。
该项目的代码可以在我的GitHub 主页上找到，链接如下。
ChintanTrivedi/DeepGamingAI_FPS 使用网络摄像头和深度学习FPS 游戏控制器玩游戏- ChintanTrivedi/DeepGamingAI_FPSgithub.com
我设计的控制界面可以处理游戏中的以下动作：
1. 瞄准枪
首先，我们使用网球作为对象检测模型来观察游戏中的周围。您可以根据屏幕上手中网球的位置设置鼠标位置，从而控制玩家在游戏中瞄准的位置。
2.手机播放器
然后，它会检测食指的移动，以推动玩家在游戏中前进。抬起食指使玩家向前移动，降低食指则停止玩家的移动。
3. 拍照
第三个支持的动作是射击。由于需要双手瞄准并向前移动枪，因此只需张开嘴即可控制射击。
目标检测模型这种用于目标检测的模型称为MobileNet，并结合SSD 来定位图像。我使用网球的不同图像、举起的食指的图像以及代表张开嘴的牙齿图像来训练模型。它以适中的速度运行，让您可以使用轻量级模型实时控制游戏。
模型性能关于模型性能，游戏中检测手指和牙齿的方法似乎相对可靠。主要问题是能否将枪准确瞄准你想要的地方。该模型的运行帧速率比游戏低，因此鼠标移动跳跃且不流畅。此外，网球在图像边缘的检测效果不佳，使得该方法不太可靠。这个问题可以通过微调模型来有效检测距离网络摄像头较近的物体来解决。这将为您提供足够的空间来移动网球，并让您更好地控制物体。
您可以在我的YouTube 上看到此模型对游戏性能的影响。
总结随着深度学习模型的增强，这一概念正越来越接近现实。为了取代游戏中的传统方法，这种控制机制的实际应用还需要更加完善。如果这个想法完美实现，我们可以预见FPS游戏的过程将会变得更加有趣。雷报网
感谢您的评价。如果您喜欢这篇文章，请在Medium、GitHub 平台上关注我，或者订阅我的YouTube 专栏。
您想继续查看本文的相关链接和参考文献吗？
长按链接将其打开，或单击使用Tensorflow 对象检测玩射击游戏《反恐精英》。
https://ai.yanxishe.com/page/TextTranslation/1287
AI研究俱乐部每天都会更新精彩内容。查看更多精彩内容：雷锋网
使用Python实现遗传算法如何将深度学习应用于无人机图像中的目标检测机器学习与深度学习PK！谁更擅长对昆虫进行分类？高级Python技能：一行代码将内存占用减少一半。我在等你。翻译：雷锋网
5 个非常强大的CNN 架构：如何查看神经NLP 处理中的语义结构特朗普搞砸了。使用Pyro/PyTorch 实现，您可以使用照片强制神经网络说“我不知道”。贝叶斯神经网络
本文和图片来自网络，不代表火豚游戏立场，如若侵权请联系我们删除：https://www.huotun.com/game/557864.html