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。

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 。

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。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…