最近，微信小游戏跳一跳可以说是火遍了全国，从小孩子到大孩子仿佛每一个人都在刷跳一跳，作为无（zhi）所（hui）不（ban）能（zhuan）的AI程序员，我们在想，能不能用人工智能（AI）和计算机视觉（CV）的方法来玩一玩这个游戏？于是，我们开发了微信跳一跳Auto-Jump算法，重新定义了玩跳一跳的正确姿势，我们的算法不仅远远超越了人类的水平，在速度和准确度上也远远超越了目前已知的所有算法，可以说是跳一跳界的state-of-the-art，下面我们详细介绍我们的算法。
算法的第一步是获取手机屏幕的截图并可以控制手机的触控操作，我们的github仓库里详细介绍了针对Android和IOS手机的配置方法，
Prinsphield/Wechat_AutoJumpgithub.com
你只需要按照将手机连接电脑，按照教程执行就可以完成配置。在获取到屏幕截图之后，就是个简单的视觉问题。我们需要找的就是小人的位置和下一次需要跳的台面的中心。
如图所示，绿色的点代表小人当前的位置，红点代表目标位置。
多尺度搜索（Multiscale Search）
这个问题可以有非常多的方法去解，为了糙快猛地刷上榜，我一开始用的方式是多尺度搜索。我随便找了一张图，把小人抠出来，就像下面这样。
另外，我注意到小人在屏幕的不同位置，大小略有不同，所以我设计了多尺度的搜索，用不同大小的进行匹配，最后选取置信度（confidence score）最高的。
多尺度搜索的代码长这样
defmulti_scale_search(pivot,screen,range=0.3,num=10):H,W=screen.shape[:2]h,w=pivot.shape[:2]found=Noneforscaleinnp.linspace(1-range,1+range,num)[::-1]:resized=cv2.resize(screen,(int(W*scale),int(H*scale)))r=W/float(resized.shape[1])ifresized.shape[0]<horresized.shape[1]<w:breakres=cv2.matchTemplate(resized,pivot,cv2.TM_CCOEFF_NORMED)loc=np.where(res>=res.max())pos_h,pos_w=list(zip(*loc))[0]iffoundisNoneorres.max()>found[-1]:found=(pos_h,pos_w,r,res.max())iffoundisNone:return(0,0,0,0,0)pos_h,pos_w,r,score=foundstart_h,start_w=int(pos_h*r),int(pos_w*r)end_h,end_w=int((pos_h+h)*r),int((pos_w+w)*r)return[start_h,start_w,end_h,end_w,score]转载请注明：好现场 » AI玩微信跳一跳的正确姿势 –跳一跳Auto-Jump算法详解