作者|Robin White
编译|Flin
来源|towardsdatascience
我最喜欢的YouTuber之一，CodeBullet，曾经尝试创建一个乒乓球 AI来统治所有人。可悲的是，他遇到了麻烦，不是因为他没有能力，而是我认为他当时的经验对计算机视觉没有太大影响。他绝对是个好笑的人，如果你考虑阅读这篇文章的其余部分，我强烈建议你观看他的视频。同样，他是个天才。在这里看他的视频。
这似乎是一个非常有趣且简单的任务，所以我也想尝试一下。在这篇文章中，我将概述一些我考虑过的因素，如果你希望在任何类似的项目上工作，这些因素可能会有所帮助，并且我想我会尝试其中的一些其他工作，因此，如果你喜欢这种类型的事情，可以关注我。
使用计算机视觉的好处是，我可以使用已经构建的游戏并处理图像。话虽如此，我们将使用与ponggame.org上使用的那个与CodeBullet相同的游戏版本。它还具有2人模式，因此我可以与自己的AI对抗；我做到了，这确实很难……
捕捉屏幕
第一件事就是捕捉屏幕。我想确保我的帧速率尽可能快，为此我发现MSS是一个很棒的python包。有了这个，我很容易达到60帧/秒的最高速度，与 PIL 相比，我只能得到大约20帧每秒。它以 numpy 数组的形式返回。
Paddle detection
为了简单起见，我们需要定义paddle 的位置。这可以用几种不同的方法来完成，但我认为最明显的是对每个Paddle的区域进行遮罩，然后运行连接的组件来找到Paddle对象。下面是一段代码：
def get_objects_in_masked_region(img, vertices, connectivity = 8):
''':return connected components with stats in masked region
[0] retval number of total labels 0 is background
[1] labels image
[2] stats[0] leftmostx, [1] topmosty, [2] horizontal size, [3] vertical size, [4] area
[3] centroids
'''
mask = np.zeros_like(img)
# fill the mask
cv2.fillPoly(mask, [vertices], 255)
# now only show the area that is the mask
mask = cv2.bitwise_and(img, mask)
conn = cv2.connectedComponentsWithStats(mask, connectivity, cv2.CV_16U)
return conn在上面，“vertices”只是定义遮罩区域的坐标列表。一旦在每个区域内有了对象，我就可以得到它们的质心位置或边界框。需要注意的一点是OpenCV将背景作为任何连接的组件列表中的第0个对象，因此在本例中，我总是获取第二大的对象。结果如下——右边绿色质心的球拍是玩家 / 即将成为人工智能控制的球拍。
移动paddle
现在我们有了输出，我们需要一个输入。为此，我求助于一个有用的包和其他人的代码（http://stackoverflow.com/questions/14489013/simulate-python-keypresses-for-controlling-a-game） 。
它使用ctypes来模拟键盘按下，在这种情况下，游戏是用“k”和“m”键来玩的。我这里有扫描码（http://www.gamespp.com/directx/directInputKeyboardScanCodes.html）。在测试了它只是随机上下移动后，我们就可以开始跟踪了。
乒乓球检测
下一步是识别并跟踪乒乓球。同样，这可以用几种方法来处理——其中一种可能是通过使用模板进行对象检测，然而，我再次使用了连接的组件和对象属性，即乒乓球的区域，因为它是唯一具有尺寸的对象。
我知道每当乒乓球穿过或碰到其他白色物体时，我都会遇到问题，但我也认为只要我能在大多数时间里追踪到它，这一切都没问题。毕竟，它是直线运动的。如果你看下面的视频，你会看到标记乒乓球的红色圆圈是如何闪烁的。这是因为它只在每2帧中找到一个。在60帧/秒时，这并不重要。
反弹预测的光线投射
在这一点上，我们已经有一个可工作的人工智能。如果我们只是移动球员的球拍，使其处于与乒乓球相同的y轴位置，它的效果相当不错。然而，当乒乓球得到良好的反弹时，它确实会遇到问题。球拍太慢了，跟不上，需要预测乒乓球的位置，而不是仅仅移动到当前的位置。这已经在上面的剪辑中实现了，下面是两种方法的比较。
差别并不大，但如果选择了正确的人工智能，这绝对是一场更稳定的胜利。为此，我首先为乒乓球创建了一个位置列表。为了公平起见，我把这个列表的长度控制在5个，基本上可以做到。列表不要太长，否则要花更长的时间才能发现它改变了方向。在得到位置列表后，我使用简单的矢量平均法来平滑并得到方向矢量——如绿色箭头所示。这也被标准化成一个单位向量，然后乘以一个长度以方便可视化。
投射光线只是这个的延伸——使前向投影变长。然后我检查了未来的位置是否在顶部和底部区域的边界之外。如果是这样的话，它只是将位置投影回游戏区域。对于左侧和右侧，它计算出与paddle的x位置相交的位置，并将x和y位置固定到该点。这样可以确保paddle指向正确的位置。如果没有这一点，它通常会走得太远。下面是定义光线的代码，该光线可以预测乒乓球的未来位置：
def pong_ray(pong_pos, dir_vec, l_paddle, r_paddle, boundaries, steps = 250):
future_pts_list = []
for i in range(steps):
x_tmp = int(i * dir_vect[0] + pong_pos[0])
y_tmp = int(i * dir_vect[1] + pong_pos[1])
if y_tmp > boundaries[3]: #bottom
y_end = int(2*boundaries[3] - y_tmp)
x_end = x_tmp
elif y_tmp < boundaries[2]: #top
y_end = int(-1*y_tmp)
x_end = x_tmp
else:
y_end = y_tmp
##stop where paddle can reach
if x_tmp > r_paddle[0]: #right
x_end = int(boundaries[1])
y_end = int(pong_pos[1] + ((boundaries[1] - pong_pos[0])/dir_vec[0])*dir_vec[1])
elif x_tmp < boundaries[0]: #left
x_end = int(boundaries[0])
y_end = int(pong_pos[1] + ((boundaries[0] - pong_pos[0]) / dir_vec[0]) * dir_vec[1])
else:
x_end = x_tmp
end_pos = (x_end, y_end)
future_pts_list.append(end_pos)
return future_pts_list在上面，也许不太明显的计算方法是确定paddle对目标的左或右位置的截距。我们基本上是通过相似三角形来实现的，图片和方程如下所示。我们知道在边界中给定的paddle的x位置的截距。然后我们可以计算出乒乓球将移动多远，并将其添加到当前的y位置。
paddle虽然看起来笔直，但实际上有一个弯曲的反弹面。也就是说，如果你用球拍向两端击球，球会反弹，就像球拍有角度一样。因此，我允许球拍击中边缘，这增加了人工智能的攻击性，使乒乓球四处飞舞。
结论
尽管是为这种特定的乒乓球实现而设计的，但是相同的概念和代码也可以用于任何版本——只需要改变一些预处理步骤。当然，另一种方法是通过强化学习或简单的conv-net使用机器学习，但我喜欢这种经典方法；至少在这种情况下，我不需要健壮的通用性或困难的图像处理步骤。正如我提到的，这个版本的乒乓球是2人，老实说我无法打败我自己的AI…
如果你在这篇文章的任何部分提供了一些有用的信息或只是一点灵感，请关注我来了解更多。
你可以在我的github上找到源代码。
原文链接：https://towardsdatascience.com/computer-vision-and-the-ultimate-pong-ai-e6d70153fc45
欢迎关注磐创AI博客站：
http://panchuang.net/
sklearn机器学习中文官方文档：
http://sklearn123.com/
欢迎关注磐创博客资源汇总站：
http://docs.panchuang.net/
原创文章，作者：磐石，如若转载，请注明出处：https://panchuang.net/2020/10/19/%e4%bd%bf%e7%94%a8python%e5%92%8copencv%e5%9c%a8%e7%ba%bf%e6%89%93%e4%b9%92%e4%b9%93%e7%90%83/
磐石 