Uzman Üye
Bu yöntemi çok araştırdım ve bayağı bir iyi iş çıkaran birkaç insan gördüm. Ve neredeyse yakalanması imkansız bir şekilde object detect ile oyun karakterlerini "person-human" olarak işaretleyip kutunun içerisine alıyor ve fareniz otomatik olarak o kutunun içerisine geliyor adam size çok yakın ise işe yaramıyor aşırı uzak isede işe yaramıyor genel olarak adamı rahatça görebileceğiniz bir mesafede ise rahatça algılayıp oyun karakterlerine kitlene biliyor. Kısaca siz de bu tarz bir şey yapıp sitede paylaşabilir misiniz? Gayet güzel olur neredeyse ban yeme ihtimali 0 denecek kadar az bunu AnyDesk vb şeyler ile 2. bilgisayara bağlanıp o şekilde oynarsanız vesaire direkt olarak imkansız denebilir Apex Legends gibi hareketli bir oyunda bile 40FPS detect modunda bile çok rahat adamlara kitlenebiliyor. Benim düşüncem bu tarz bir şey yapabilmeniz mümkün ise gayet mükemmel olur ban riskide çok az olur diye umuyorum aşırı bir bilgim olmadığı için konuşamam video atmam yasak mı bilmiyorum ama bahsetiğim şeye örnek olarak bir video atacağım çünkü A1 mükemmel Türkçem ile size aklımdakileri yansıtamamış olabilir yasaksa yetkili birisi uyarır ise örnek video paylaşmak belirtir ise çok mutlu olurum.
Elimde ise tam olarak anlamasam da bi kod var
import numpy as np
import pyautogui
import win32api, win32con, win32gui
import cv2
import math
import time
CONFIG_FILE = './yolov3.cfg'
WEIGHT_FILE = './yolov3.weights'
net = cv2.dnn.readNetFromDarknet(CONFIG_FILE, WEIGHT_FILE)
#net.setPreferableBackend(cv.dnn.DNN_BACKEND_OPENCV)
net.setPreferableBackend(cv2.dnn.DNN_BACKEND_CUDA)
net.setPreferableTarget(cv2.dnn.DNN_TARGET_CUDA)
ln = net.getLayerNames()
ln = [ln[i[0] - 1] for i in net.getUnconnectedOutLayers()]
# Get rect of Window
hwnd = win32gui.FindWindow(None, 'Counter-Strike: Global Offensive')
rect = win32gui.GetWindowRect(hwnd)
region = rect[0], rect[1], rect[2] - rect[0], rect[3] - rect[1]
size_scale = 2
while True:
# Get image of screen
frame = np.array(pyautogui.screenshot(region=region))
frame_height, frame_width = frame.shape[:2]
# Detection
blob = cv2.dnn.blobFromImage(frame, 1 / 255.0, (416, 416), swapRB=True, crop=False)
net.setInput(blob)
layerOutputs = net.forward(ln)
boxes = []
confidences = []
for output in layerOutputs:
for detection in output:
scores = detection[5:]
classID = np.argmax(scores)
confidence = scores[classID]
if confidence > 0.7 and classID == 0:
box = detection[:4] * np.array([frame_width, frame_height, frame_width, frame_height])
(centerX, centerY, width, height) = box.astype("int")
x = int(centerX - (width / 2))
y = int(centerY - (height / 2))
box = [x, y, int(width), int(height)]
boxes.append(box)
confidences.append(float(confidence))
indices = cv2.dnn.NMSBoxes(boxes, confidences, 0.7, 0.6)
# Calculate distance for picking the closest enemy from crosshair
if len(indices) > 0:
print(f"Detected:{len(indices)}")
min = 99999
min_at = 0
for i in indices.flatten():
(x, y) = (boxes[0], boxes[1])
(w, h) = (boxes[2], boxes[3])
cv2.rectangle(frame, (x, y), (x + w, y + h), (255, 255, 255), 2)
dist = math.sqrt(math.pow(frame_width/2 - (x+w/2), 2) + math.pow(frame_height/2 - (y+h/2), 2))
if dist < min:
min = dist
min_at = i
# Distance of the closest from crosshair
x = int(boxes[min_at][0] + boxes[min_at][2]/2 - frame_width/2)
y = int(boxes[min_at][1] + boxes[min_at][3]/2 - frame_height/2) - boxes[min_at][3] * 0.5 # For head shot
# Move mouse and shoot
scale = 1.7
x = int(x * scale)
y = int(y * scale)
win32api.mouse_event(win32con.MOUSEEVENTF_MOVE, x, y, 0, 0)
time.sleep(0.05)
win32api.mouse_event(win32con.MOUSEEVENTF_LEFTDOWN, x, y, 0, 0)
time.sleep(0.1)
win32api.mouse_event(win32con.MOUSEEVENTF_LEFTUP, x, y, 0, 0)
frame = cv2.cvtColor(frame, cv2.COLOR_BGR2RGB)
frame = cv2.resize(frame, (frame.shape[1] // size_scale, frame.shape[0] // size_scale))
cv2.imshow("frame", frame)
cv2.waitKey(1)
Elimde ise tam olarak anlamasam da bi kod var
import numpy as np
import pyautogui
import win32api, win32con, win32gui
import cv2
import math
import time
CONFIG_FILE = './yolov3.cfg'
WEIGHT_FILE = './yolov3.weights'
net = cv2.dnn.readNetFromDarknet(CONFIG_FILE, WEIGHT_FILE)
#net.setPreferableBackend(cv.dnn.DNN_BACKEND_OPENCV)
net.setPreferableBackend(cv2.dnn.DNN_BACKEND_CUDA)
net.setPreferableTarget(cv2.dnn.DNN_TARGET_CUDA)
ln = net.getLayerNames()
ln = [ln[i[0] - 1] for i in net.getUnconnectedOutLayers()]
# Get rect of Window
hwnd = win32gui.FindWindow(None, 'Counter-Strike: Global Offensive')
rect = win32gui.GetWindowRect(hwnd)
region = rect[0], rect[1], rect[2] - rect[0], rect[3] - rect[1]
size_scale = 2
while True:
# Get image of screen
frame = np.array(pyautogui.screenshot(region=region))
frame_height, frame_width = frame.shape[:2]
# Detection
blob = cv2.dnn.blobFromImage(frame, 1 / 255.0, (416, 416), swapRB=True, crop=False)
net.setInput(blob)
layerOutputs = net.forward(ln)
boxes = []
confidences = []
for output in layerOutputs:
for detection in output:
scores = detection[5:]
classID = np.argmax(scores)
confidence = scores[classID]
if confidence > 0.7 and classID == 0:
box = detection[:4] * np.array([frame_width, frame_height, frame_width, frame_height])
(centerX, centerY, width, height) = box.astype("int")
x = int(centerX - (width / 2))
y = int(centerY - (height / 2))
box = [x, y, int(width), int(height)]
boxes.append(box)
confidences.append(float(confidence))
indices = cv2.dnn.NMSBoxes(boxes, confidences, 0.7, 0.6)
# Calculate distance for picking the closest enemy from crosshair
if len(indices) > 0:
print(f"Detected:{len(indices)}")
min = 99999
min_at = 0
for i in indices.flatten():
(x, y) = (boxes[0], boxes[1])
(w, h) = (boxes[2], boxes[3])
cv2.rectangle(frame, (x, y), (x + w, y + h), (255, 255, 255), 2)
dist = math.sqrt(math.pow(frame_width/2 - (x+w/2), 2) + math.pow(frame_height/2 - (y+h/2), 2))
if dist < min:
min = dist
min_at = i
# Distance of the closest from crosshair
x = int(boxes[min_at][0] + boxes[min_at][2]/2 - frame_width/2)
y = int(boxes[min_at][1] + boxes[min_at][3]/2 - frame_height/2) - boxes[min_at][3] * 0.5 # For head shot
# Move mouse and shoot
scale = 1.7
x = int(x * scale)
y = int(y * scale)
win32api.mouse_event(win32con.MOUSEEVENTF_MOVE, x, y, 0, 0)
time.sleep(0.05)
win32api.mouse_event(win32con.MOUSEEVENTF_LEFTDOWN, x, y, 0, 0)
time.sleep(0.1)
win32api.mouse_event(win32con.MOUSEEVENTF_LEFTUP, x, y, 0, 0)
frame = cv2.cvtColor(frame, cv2.COLOR_BGR2RGB)
frame = cv2.resize(frame, (frame.shape[1] // size_scale, frame.shape[0] // size_scale))
cv2.imshow("frame", frame)
cv2.waitKey(1)
