有机会去南京的话，这个地方一定走十圈

早上定闹钟看RNG打T1，0：3，虽然谁赢都无感，但6点醒还是太早了，10点半出门买杯奶茶走路都有点飘，周六不想学习就想搞点好玩的，就想到了以前想用yolo自动检测游戏人物，所以就想尝试一下，成功是成功了。

搞了大半天

搜索了很久都没人写怎么搞，都是发布一个游戏中运行的视频，然后卖你源码，真的是累了。

大概流程就是加载yolo模型，然后循环截图桌面图片，把图片放到模型里面运行，获取框框的坐标，然后移动鼠标定位。搞出来之后倒是感觉挺简单的。

所需要的文件

Yolov5是官方的所有代码，yolov5s.pt也是官方训练的权重，官方的能检测出来人，毕竟是用人的数据训练的，但Apex人物太动画了，识别效果不是很好。

我没自己去训练Apex数据集，感觉标注太麻烦，有兴趣可以自己试试，运行文件我放在最后面，会写一些注释。

运行视频

图片中无论鼠标在什么位置，都会自动跳到人物中心那个位置。

我自己设置的是检测到一个人之后，每过1s再进入下次循环，因为1s用来杀人。而且每次只判断一个为人的框框，鼠标并不能分身。

detection代码

import torch
import matplotlib
import matplotlib.pyplot as plt
import numpy as np
import cv2
from PIL import ImageGrab
import time
import pyautogui


# 加载本地yolov5模型，路径自己调
model = torch.hub.load('D:\\1 python job\\Yolov5', 'custom',
                       path='D:\\1 python job\\yolo_detect_desktop\\yolov5s.pt', source='local', device='0')
# 不设置这个可能会报agg错误
matplotlib.use('TkAgg')

while True:
    # 截图桌面图片
    image_array = np.array(ImageGrab.grab())
    # 获取框框的坐标
    bboxes = np.array(model(image_array[:, :, ::-1]).xyxy[0].cpu())

    for bbox in bboxes:
        conf = bbox[4]
        classID = int(bbox[5])
        # 判断是否为0，如果为0则是人，进入循环把人干掉，然后退出循环，寻找下一位
        if classID == 0:
            x0, y0, x1, y1 = int(bbox[0]), int(bbox[1]), int(bbox[2]), int(bbox[3])
            # 移动鼠标
            pyautogui.moveTo(x0+(x1-x0)/2.0, y0+(y1-y0)/2.0+150)
            time.sleep(1)
            break


    if 0xFF == ord('7'):
        break