|
今年上半年，由于疫情原因，Switch大火，Switch平台上有许多款体感游戏，比如：健身环大冒险、马力欧赛车、舞力全开。这些游戏凭着“硬核健身”的标签吸引了大量玩家，通过两个手柄配合记录传感数据，就能检测到跑步、抬腿、深蹲等动作，这种精准的体感动作感知吸引了不少玩家。 但是，现在不需要Switch！不需要体感手柄！树莓派+visionseed！你也可以动手自己实现属于你的体感游戏！今天，小编就来教大家，如何从0开始，实现一款基于AI的体感吃火锅游戏~ 先为大家展示一下游戏的全流程：
1. 玩家张嘴，游戏开始，计时30s
2. 玩家张嘴触碰到食物，食物消失，分数加一
3. 游戏结束，显示得分
什么是树莓派呢？
树莓派（Raspberry Pi）是尺寸仅有信用*大小的一个小型电脑，您可以将树莓派连接电视、显示器、键盘鼠标等设备使用。 树莓派能替代日常桌面计算机的多种用途，包括文字处理、电子表格、媒体中心甚至是游戏。并且树莓派还可以播放高至1080p的高清视频。
神奇的VisionSeed提到AI体感游戏，大家第一时间想到的可能是高深的AI算法训练和复杂的工程部署，来自不同厂家的芯片、系统框架、AI算法之间，常常存在一定的兼容性或效率问题，导致AI产品开发周期长，算法效果不理想。以前用树莓派3B跑过人脸检测，用OpenCV的Haar Cascades算法，要160多毫秒才能跑完一帧人脸检测。如果用效果更好的深度神经网络模型，比如通过ncnn加速框架跑MobileNet-SSD模型，则需要260多毫秒，再跑一个关键点定位模型估计还要几十毫秒，整体帧率就只有3fps了。 当当当，是时候请出一个神奇的模块了，他内置了一颗AI加速芯片，单周期可以运行512次乘加运算，硬件支持卷积、池化、全连接等操作，还带了两颗手机摄像头模组，直接能对拍到的图像跑AI算法进行分析，通过UART输出分析后的结果，非常有意思！
这就是我们隆重推出的腾讯优图AI视觉模组VisionSeed！ 目前VisionSeed模块提供的算法有：人脸检测、90点关键点定位、姿态角解算、人脸识别，还能够把自己训练的模型下载到模块上的AI芯片中运行。
我们先通过腾讯提供的PC端配置工具，看看模块上的AI算法输出的信息： 通过USB把VisionSeed连上电脑后，识别出来一个video0设备和ttyACM0设备，用配置工具打开ttyACM0，就能源源不断的获取到实时分析数据了，左下角马上显示出了我的脸部关键点，随着我眨眼、摇头、张嘴，这个虚拟的小人也跟着变化，数据可视化界面上，选择“左眼开闭”，曲线就开始滚动起来了，我每次眨眼，曲线就出现一个向下的尖峰，如果闭眼，曲线就稳定在0.05以下的位置，非常灵敏！
VisionSeed中的关键算法VisionSeed这么牛，那我们直接拿它提供的90关键点定位算法去检测张闭嘴呀！ 通过下面的内置算法ID，我们可以获取对应的算法结果： YtVisionSeedModel.FACE_DETECTION: 人脸检测 YtVisionSeedModel.FACE_LANDMARK: 人脸关键点定位（90点） YtVisionSeedModel.FACE_POSE: 人脸姿态（roll, yaw,picth） YtVisionSeedModel.FACE_RECOGNITION: 人脸识别
我们要把这个模组与树莓派连接，需要一根type-c和usb的数据线，如下图所示连接。启动树莓派后，模组上会亮起绿灯，表明两者已接通。 那么如何获取模组的摄像头数据呢？ datalink= vs.YtDataLink( serial.Serial("/dev/ttyACM0",115200,timeout=0.5) ) 通过python中的pyserial模块连接串行口，再建立连接后，就可以通过getResult方法获得人脸识别、人脸姿态、人脸关键点定位等信息。 | 检测到的人脸数 | faces = result.getResult([YtVisionSeedModel.FACE_DETECTION]) | | rect = result.getResult([YtVisionSeedModel.FACE_DETECTION, 0])
0表示检测到的第一个人脸，1表示第二个，以此类推… | | shape = result.getResult([YtVisionSeedModel.FACE_DETECTION, 0, YtVisionSeedModel.FACE_LANDMARK]) |
通过rect = result.getResult([YtVisionSeedModel.FACE_DETECTION, 0]) 就可以获取到当前检测到的人脸框，rect.x,rect.y,rect.w,rect.h分别代表了人脸框的左上角横坐标、左上角纵坐标、宽度、高度。
通过shape = result.getResult([YtVisionSeedModel.FACE_DETECTION, 0,YtVisionSeedModel.FACE_LANDMARK]) 可以获取到人脸的90个配准点，下图就展示了嘴巴上的配准点 然后通过计算嘴巴的姿态去判断张闭嘴： let l1 =faceShape.mouth[0].distence(faceShape.mouth[6]) let l2 =faceShape.mouth[3].distence(faceShape.mouth[9]) output = l2 / (l1 + 0.01) 上图的曲线所描绘的就是当我的嘴巴张开时，出现峰值；当我的嘴巴闭合时，出现谷值。纵坐标值output所表现的就是嘴巴的开闭程度。 游戏设计我们将用python语言来设计这个游戏，其中涉及了几个重要的第三方库：cv2、cocos、visionseed。 1. cv2：通过cap = cv2.VideoCapture(0)读取模组的摄像头 2. cocos：是用于构建游戏的框架。这个引擎就跟拍电影一样，有导演（Director），有大背景（Scene），还有背景上的小修饰物（Layer），还有人物（Sprite）。 3. visionseed：通过导入visionseed库，通过库中的一些方法获取人脸的信息。 类的设计正如之前所展示的游戏视频，此游戏主要分为三个场景：游戏开始、游戏进行中、游戏结束。三个场景形成一个闭环。 其次，我们要定义一个类VisionSeedLayer，继承自cocos.layer.Layer，实现下面这些方法： 1. on_enter( )实现场景的进入 2. on_exit( )实现场景的离开 3. on_frame( )显示每一帧的画面 4. addSprite( )在图层上添加精灵 5. posFaceToScreen( )将人脸坐标映射到屏幕坐标上 6. recvMsg( )通过result,msg =datalink.recvRunOnce()接收result数据帧 7. recvFrame( )通过ret, frame = cap.read( )接收frame视频帧
如下图所示 如下图，展示了实现GameBegin( )中的三个主事件的核心代码： 如下图，展示了实现GameMain( )中的四个主事件的核心代码： 最后我们就能实现一个简单又真实的体感游戏啦！ 后记 其实VisionSeed不仅仅是个集成了摄像头+AI芯片的模块，AI算法才是效果的保证，他内置了腾讯优图的算法，效果过硬，一直处于业界领先地位，以前一般在腾讯内部产品中应用，比如微信刷脸支付。现在通过VisionSeed人工智能视觉模块，开放给外界，你我也能接触到世界一流的腾讯人工智能算法，甚至能应用在自己的产品中，实在是非常开心。相信腾讯的开放，会惠及更多创业者和爱好者们。
另外，模块内还包括了人脸识别功能，通过附带工具软件管理数据库，能够实时离线识别库中的身份，非常强大，能做出很多有意思的东西，等你一起来探索！
| 
楼主
标题置顶
标题高亮
