【角蜂鸟试用】模拟Rock-paper-sissors！游戏

mabo124

       这段期间一直在消化角蜂鸟的代码，以期望能作出个东西出来。目前的想法是做一个仿真儿时游玩的Rock-paper-scissors!游戏（也就是常说的：石头剪刀布游戏），实现场景是角蜂鸟AI套件会自动随即的产生石头剪刀布动作的编码（比如石头用数字2（之所以用数字2，不用数字1，稍后会解释）代替，剪刀用数字3代替，布用数字4代替。），而用户的手势动作通过角蜂鸟AI套件（预先采集了石头剪刀布的对应图像）自带的摄像头采集其相应的动作，最终角蜂鸟AI套件根据相应规则（剪刀>布，布>石头，石头>剪刀，其他情况为平局）作出胜负判断。
       对此，我采用角蜂鸟AI套件示例代码中的SceneRecorder进行编写，下面进行总结。
       1.  场景学习              首先通过角蜂鸟AI套件的SceneRecorder将希望分类的图像实时储存在不同的“存档”下并立即生成一个分类模型，以便在辨识它们对应的场景。比如石头手势时候将图像录制进[存档2]，剪刀手势时候录制进[存档3］，布手势时候录进存档[4］生成。这里需要注意的是因为考虑到手势的变换，所以我将摄像头视野中没有出现手势的情况存档为1（我的应用中就是白色的墙体）。这样就不会出现当没有摄像头视野中没有手势出现时，仍能做出胜负判断的错误结论。              其次，依次对着角蜂鸟AI摄像头进行手势学习。先运行SceneRecorder.py程序，然后根据提示依次录入手势姿态。录入完毕后，记得依次按下‘r’键清理存档中图像，筛选去除每个存档中的冗余图像特征，并生成模型。按下 ’s’键将存档录入至 指定的路径中（我的应用是../../../../myStudy/my_record.dat文件）。每次运行程序时按下 ‘l’ 键从指定路径中读入存档，这样就不必每次重新学习场景（目前感受是：角蜂鸟AI套件生成的模型比较可靠，手势模型是我几天前生成的，其余时间一直在做程序，录像时手势识别还是比较成功的，基本没有受到环境光的影响。）。
       2.  胜负判断
             这个过程比较简单，就不用详细细说了，代码也很简单，写法不太符合python的形式（我对python还不是很熟练，再次贻笑大方了，感觉封装成一个函数可能更python些）。这里用到了随机函数，以保证每次机器的出值不一样。

1. #start to judge
   
2. machine = random.randint(2,4)
   
3.                         person = prob.argmax()+1
   
4.                         print("%d" %machine)       #print the value of machine
   
5.                 # rock-paper-scissors
   
6.                 #   2     4        3
   
7.                         if machine == person :
   
8.         print("%s"%("play even"))
   
9.                         elif machine == 2  and person == 4:
   
10.         print("%s"%("you win!"))
    
11.                         elif machine == 2  and person == 3:
    
12.         print("%s"%("you lost!"))
    
13.                         elif machine == 3  and person == 2:
    
14.        print("%s"%("you win!"))
    
15.                         elif machine == 3  and person == 4:
    
16.         print("%s"%("you lost!"))
    
17.                         elif machine == 4 and person == 2:
    
18.         print("%s"%("you lost!"))
    
19.                         elif machine == 4 and person == 3:
    
20.        print("%s"%("you win!"))
    
21.                         cv2.waitKey(10)

复制代码

        3.  应用效果
         最终实现效果从下图1-图6和视频
中能看出来问题，个人认为有以下几点。
         （1）   因为一直在输出模型识别的概率，所以胜负判断的结果基本一闪而过（这里我加入了上面的代码cv2.waitKey(10)后效果还好些，仔细观察还是能看到结果的。），如果能去除这些识别率的代码，可能效果会好些（这里关键我不知道如何去掉）。
         （2）  当然，如果能开辟另一个显示窗体来显示比赛结果，那么可能效果会好些，当然加些动画/声效会不会更美呢  下一步尝试学习下pygame，看能否将其作的更美观些。   
                                                
                                                            图1      模型识别概率的输出
                                               
                                                           图2     没有手势时的场景图
                                                
                                                         图3    Rock（出“石头”）时场景图   
                                                
                                                          图4    Sissors（出“剪刀”）时场景图
                                                
                                                           图5     Paper（出“布”）时场景图
                                                
                                                                图6     比赛中的场景-1
                                               
                                                                图7     比赛中的场景-2
                                               
                                                                  图8   比赛中的场景-3