Я хочу внедрить программное обеспечение для подсчета карт в блэкджеке, используя некоторое распознавание изображений для автоматизации процесса.Но я не знаю с чего начать.Я думаю, что проблему можно разделить на следующие шаги:
1 - взять изображение из браузера в игре (в основном это Adobe Flash Game)
2 - обработать изображение, с некоторымираспознавание изображений, которые распознают все карты.
3- Обновление счетчика с использованием стратегии Hi-Lo
4- Отображение результата на экране
Как я могу это сделатьиспользуя питон?Какие библиотеки могут мне помочь?Это совершенно новое поле для меня.Я постараюсь реализовать вопрос на основе ваших предложений.
РЕДАКТИРОВАТЬ 1:
Selenium Webdriver работает нормально, до сих пор я использовал этот код для получения скриншота главной страницы, но я не могувойти в игру, потому что у меня нет денег, чтобы играть в LOL:
from selenium import webdriver
browser = webdriver.Chrome()
browser.get('https://www.888casino.it/giochi-da-casino/')
browser.save_screenshot('screenie.png')
browser.quit()
Но в основном мне нужно заменить browser.get() чем-то, что захватывает браузер, а не чем-то, что открывает новыйстр.Затем мне нужно реализовать цикл for, который делает скриншоты каждую секунду, пока я играю в игру, и после этого я могу начать обрабатывать эти изображения.
РЕДАКТИРОВАТЬ 2:
Я попробую TensorFlow API для обработки изображений, но я не нашел ни одной модели обучения для распознавания карт.Итак, мне нужно создать совершенно новую модель, я нашел этот учебник , который помогает мне тренировать мою собственную модель распознавания объектов.Пожалуйста, если вы знаете существующую модель обучения, свяжите ее.
РЕДАКТИРОВАТЬ 3:
Используя Tensorflow, я смог создать свою собственную модель для распознавания объектов, теперь мне нужно использовать эту модель вскрипт на питоне.Сейчас я использовал этот пример сценария, который открывает изображение и рисует прямоугольники вокруг карточек.
import os
import cv2
import numpy as np
import tensorflow as tf
import sys
# This is needed since the notebook is stored in the object_detection folder.
sys.path.append("..")
# Import utilites
from utils import label_map_util
from utils import visualization_utils as vis_util
# Name of the directory containing the object detection module we're using
MODEL_NAME = 'inference_graph'
IMAGE_NAME = 'test1.jpg'
# Grab path to current working directory
CWD_PATH = os.getcwd()
# Path to frozen detection graph .pb file, which contains the model that is used
# for object detection.
PATH_TO_CKPT = os.path.join(CWD_PATH,MODEL_NAME,'frozen_inference_graph.pb')
# Path to label map file
PATH_TO_LABELS = os.path.join(CWD_PATH,'training','labelmap.pbtxt')
# Path to image
PATH_TO_IMAGE = os.path.join(CWD_PATH,IMAGE_NAME)
# Number of classes the object detector can identify
NUM_CLASSES = 13
# Load the label map.
# Label maps map indices to category names, so that when our convolution
# network predicts `5`, we know that this corresponds to `king`.
# Here we use internal utility functions, but anything that returns a
# dictionary mapping integers to appropriate string labels would be fine
label_map = label_map_util.load_labelmap(PATH_TO_LABELS)
categories = label_map_util.convert_label_map_to_categories(label_map, max_num_classes=NUM_CLASSES, use_display_name=True)
category_index = label_map_util.create_category_index(categories)
# Load the Tensorflow model into memory.
detection_graph = tf.Graph()
with detection_graph.as_default():
od_graph_def = tf.GraphDef()
with tf.gfile.GFile(PATH_TO_CKPT, 'rb') as fid:
serialized_graph = fid.read()
od_graph_def.ParseFromString(serialized_graph)
tf.import_graph_def(od_graph_def, name='')
sess = tf.Session(graph=detection_graph)
# Define input and output tensors (i.e. data) for the object detection classifier
# Input tensor is the image
image_tensor = detection_graph.get_tensor_by_name('image_tensor:0')
# Output tensors are the detection boxes, scores, and classes
# Each box represents a part of the image where a particular object was detected
detection_boxes = detection_graph.get_tensor_by_name('detection_boxes:0')
# Each score represents level of confidence for each of the objects.
# The score is shown on the result image, together with the class label.
detection_scores = detection_graph.get_tensor_by_name('detection_scores:0')
detection_classes = detection_graph.get_tensor_by_name('detection_classes:0')
# Number of objects detected
num_detections = detection_graph.get_tensor_by_name('num_detections:0')
# Load image using OpenCV and
# expand image dimensions to have shape: [1, None, None, 3]
# i.e. a single-column array, where each item in the column has the pixel RGB value
image = cv2.imread(PATH_TO_IMAGE)
image_expanded = np.expand_dims(image, axis=0)
# Perform the actual detection by running the model with the image as input
(boxes, scores, classes, num) = sess.run(
[detection_boxes, detection_scores, detection_classes, num_detections],
feed_dict={image_tensor: image_expanded})
# Draw the results of the detection (aka 'visulaize the results')
vis_util.visualize_boxes_and_labels_on_image_array(
image,
np.squeeze(boxes),
np.squeeze(classes).astype(np.int32),
np.squeeze(scores),
category_index,
use_normalized_coordinates=True,
line_thickness=8,
min_score_thresh=0.80)
# All the results have been drawn on image. Now display the image.
cv2.imshow('Object detector', image)
# Press any key to close the image
cv2.waitKey(0)
# Clean up
cv2.destroyAllWindows()
Теперь мне нужно создать свой собственный скрипт, который распознает карточки, и для каждой карточки обновляется счетчик, который должен отображаться на экране.Это самая сложная часть, потому что я не знаю, с чего начать.У меня есть несколько проблем с этим шагом, во-первых, скрипт должен уметь отличать карты, покинувшие колоду, от новой, таким образом, он не портит счетчик каждый раз, когда делается скриншот.Во-вторых, счетчик должен быть обновлен с -1 для старших карт (десять - туз), +1 для младших карт (два-шесть) и 0 для нейтральных карт (7-8-9), и должен быть виден на экране.
РЕДАКТИРОВАТЬ 4: Я собрал первую версию программного обеспечения, но есть некоторые проблемы, счетчик не обновляется правильно.Вот код:
import pyscreenshot as ImageGrab
from win32api import GetSystemMetrics
import os
import cv2
import numpy as np
import tensorflow as tf
import sys
import warnings
import h5py
def UpdateCounter(labels, c):
for i in labels:
if labels['ace'] > 0:
c = c - 1
if labels['king'] > 0:
c = c - 1
if labels['queen'] > 0:
c = c - 1
if labels['jack'] > 0:
c = c - 1
if labels['ten'] > 0:
c = c - 1
if labels['six'] > 0:
c = c + 1
if labels['five'] > 0:
c = c + 1
if labels['four'] > 0:
c = c + 1
if labels['three'] > 0:
c = c + 1
if labels['two'] > 0:
c = c + 1
return c
if __name__ == '__main__':
sys.path.append("..")
from utils import label_map_util
from utils import visualization_utils as vis_util
MODEL_NAME = 'inference_graph'
IMAGE_NAME = 'test1.jpg'
CWD_PATH = os.getcwd()
PATH_TO_CKPT = os.path.join(CWD_PATH,MODEL_NAME,'frozen_inference_graph.pb')
PATH_TO_LABELS = os.path.join(CWD_PATH,'training','labelmap.pbtxt')
PATH_TO_IMAGE = os.path.join(CWD_PATH,IMAGE_NAME)
os.environ['TF_CPP_MIN_LOG_LEVEL'] = '3'
NUM_CLASSES = 13
label_map = label_map_util.load_labelmap(PATH_TO_LABELS)
categories = label_map_util.convert_label_map_to_categories(label_map, max_num_classes=NUM_CLASSES, use_display_name=True)
category_index = label_map_util.create_category_index(categories)
detection_graph = tf.Graph()
with detection_graph.as_default():
od_graph_def = tf.GraphDef()
with tf.gfile.GFile(PATH_TO_CKPT, 'rb') as fid:
serialized_graph = fid.read()
od_graph_def.ParseFromString(serialized_graph)
tf.import_graph_def(od_graph_def, name='')
sess = tf.Session(graph=detection_graph)
image_tensor = detection_graph.get_tensor_by_name('image_tensor:0')
detection_boxes = detection_graph.get_tensor_by_name('detection_boxes:0')
detection_scores = detection_graph.get_tensor_by_name('detection_scores:0')
detection_classes = detection_graph.get_tensor_by_name('detection_classes:0')
num_detections = detection_graph.get_tensor_by_name('num_detections:0')
c = 0
while True:
labels = {"ace" : 0, "king": 0, "queen": 0, "jack": 0, "ten": 0, "nine": 0, "eight": 0,"seven": 0, "six": 0, "five": 0, "four":0, "three": 0, "two": 0}
with warnings.catch_warnings():
warnings.filterwarnings("ignore",category=FutureWarning)
screenshot=ImageGrab.grab(bbox=(42,42, GetSystemMetrics(0),GetSystemMetrics(1)))
screenshot.save(IMAGE_NAME)
image = cv2.imread(PATH_TO_IMAGE)
image_expanded = np.expand_dims(image, axis=0)
(boxes, scores, classes, num) = sess.run(
[detection_boxes, detection_scores, detection_classes, num_detections],
feed_dict={image_tensor: image_expanded})
data = [category_index.get(value) for index,value in enumerate(classes[0]) if scores[0,index] > 0.9]
for ch in data:
if ch['name'] == "ace":
labels["ace"] += 1
elif ch['name'] == "king":
labels["king"] += 1
elif ch['name'] == "queen":
labels["queen"] += 1
elif ch['name'] == "jack":
labels["jack"] += 1
elif ch['name'] == "ten":
labels["ten"] += 1
elif ch['name'] == "nine":
labels["nine"] += 1
elif ch['name'] == "eight":
labels["eight"] += 1
elif ch['name'] == "seven":
labels["seven"] += 1
elif ch['name'] == "six":
labels["six"] += 1
elif ch['name'] == "five":
labels["five"] += 1
elif ch['name'] == "four":
labels["four"] += 1
elif ch['name'] == "three":
labels["three"] += 1
elif ch['name'] == "two":
labels["two"] += 1
print(UpdateCounter(labels, c))
Пожалуйста, как я могу это исправить?Мне нужно показывать счетчик только тогда, когда новые карты распознаются, и мне нужно исправить также плохой матч, который получает программа.