AImer - 基于计算机视觉目标检测的辅助瞄准学习项目
代码仓库：https://github.com/HeHaoyang1124/AImer
注意：代码已开源，一切以上述仓库为主，博客上任何生成的“可执行项目”均不符实
声明
本项目一切源码仅供学习使用，可自由修改并应用于离线游戏，但不应用于在线游戏而破坏游戏公平性。
本项目的程序在线上游戏存在封号风险，因违规竞技造成的后果需要自行承担。
本项目禁止商用，参考 PolyForm Noncommercial License 1.0.0 协议
希望各位玩家热爱游戏、尊重对手、珍视账号，共同维护游戏的公平竞技环境。
作者学业繁重，更新全靠缘分
简介
AImer是一个基于计算机视觉目标检测的辅助瞄准项目，目前可用于【Aimlabs（仅Gridshot）】，【无畏契约】，【CS2】，【生死狙击】进行辅助瞄准。
AImer - aimlab
视频演示
AImer瞄准流程精简高效，经过微调可以轻松拿下顶级高分
Aimlabs自瞄展示
程序逻辑
屏幕截取：使用
DXGI截取全屏幕区域。目标检测：使用OpenCV传统视觉方式，根据色相和大小识别浅蓝色小球，而不使用深度学习。
鼠标控制：使用IbInputSimulator模拟鼠标进行控制。
根据视场角和游戏灵敏度计算输入实现“一帧拉”，并实现自动开火。
推荐设置
| 项目 | 数值 |
|---|---|
| 预设（视场角） | Valorant |
| 分辨率 | 2560×1440 |
| 画面质量 | Fastest |
| 延迟模式 | 极低 |
| 灵敏度 | 0.1 |
| 输入 | RawInput |
注意：
- 性能设置会影响输入延迟。
- 不同的视场角会影响鼠标输入的计算结果。
- 不同灵敏度在相同的模拟输入下未必是理想的倍数关系，如果效果不符合预期，可尝试以上的设置。
其他模式以及不同设置尚未进行测试，如有需要，可联系作者
hehaoyang1124@outlook.com进行适配。
高分屠榜（记录已被打破）
AImer - DL
视频演示
辅助瞄准展示
关于性能
OpenVINO （CPU推理）
最新的AImer更新了ir模型。新模型基于yolo目标检测开发，替换主干网络为更加轻量化的MobileNetV4
新模型使用 OpenVINO 部署，纯CPU推理，可适用于无NVIDIA显卡的设备，
也可以避免占用显卡渲染游戏的计算资源，用少量精度的下降换取更高的推理帧率
ONNX Runtime （NVIDIA显卡CUDA加速推理）
基于yolo目标检测的模型，使用ONNX Runtime进行推理， 可以在NVIDIA显卡上使用CUDA加速推理，提高推理帧率
相比MobileNetV4，原DarkNet的主干网络精度更高，但在显卡加速推理会与游戏渲染竞争计算资源，导致帧率较低，实际推理帧数与设备性能有关
注意：推理帧数过高不总是好事，当推理比弹道回正速度快时，程序会自动压镜头，导致连续空枪。
您可以在autoAim.cpp中注释自动开火，自己把握射击的主动权（已经默认关闭自动开火）
程序逻辑
屏幕截取：使用
DXGI来抓取屏幕中间 640×640 的区域目标检测：基于
yolo目标检测训练的模型，导出为 onnx / ir 模型，并使用 ONNX Runtime/OpenVINO 进行推理鼠标控制：使用IbInputSimulator模拟鼠标进行控制。
在目标靠近准星时使用吸附模式进行微调，在远距离时直接计算鼠标输入实现“一帧拉”
适配情况
本项目的目标平台为
windows 11，使用NVIDIA显卡加速推理。本项目模拟罗技鼠标（见安装依赖），屏幕分辨率为2560 × 1440 2560\times 14402560×1440，截取为屏幕中心640 × 640 640\times640640×640
- 模拟不同鼠标驱动默认灵敏度可能会有所差异
- 不同分辨率下截屏的视场角可能有所差异
目前适配的游戏及推荐设置如下
启动名称 游戏 鼠标灵敏度 垂直同步 valorant 无畏契约 0.1 关 cs2 CS2 1.0 关 ssjj 生死狙击 10，关闭鼠标平滑 开 注意：
- 不同灵敏度在相同的模拟输入下未必是理想的倍数关系，如果效果不符合预期，可尝试以上的设置
- 不同游戏引擎对于鼠标输入的处理策略不同，如若准星在目标附近晃动，可尝试开启/关闭垂直同步
目前支持的目标检测类别
启动名称 游戏 类别 0 类别 1 类别 2 类别 3 valorant 无畏契约 头部(head) 全身(enemy) - - cs2 CS2 CT 全身(ct) CT 头部(ct_head) T 全身(t) T 头部(t_head) ssjj 生死狙击 CT 全身(ct) CT 头部(ct_head) T 全身(t) T 头部(t_head) 自定义游戏支持的模型
- 所有的游戏支持都从game.yaml中读取，您可以自行修改该文件以添加适用于其他游戏的设置
- 您可以使用自己的模型（目前仅支持后处理YOLO-detect系列的输出网络），target的次序应和模型目标分类一致
- 其他游戏以及不同配置尚未进行测试，如有需要，可联系作者hehaoyang1124@outlook.com进行适配。
开始游戏
安装依赖
- 您需要安装NVIDIA显卡驱动程序，
以便使用CUDA Toolkit，CUDNN进行推理加速 - 您需要鼠标驱动进行模拟鼠标，否则将退为Send Input，可能被大部分反作弊的游戏过滤掉
- 简单地说，您可以直接安装Logitech Gaming Software v9.02.65
- 如无法加载驱动程序，需关闭内存完整性保护
- 更多驱动，详见IbInputSimulator。
启动程序
1. 从Launcher界面启动
- 直接点击AImer.exe或无其他参数执行AImer.exe即可打开如图Launcher窗口
- 从下拉列表中选择游戏、识别目标、鼠标灵敏度（游戏内灵敏度）
- 选择适用于识别目标的模型文件、权重文件（可选，根据权重有无分别使用ONNX Runtime/OpenVINO推理）
- 点击【Launch AImer】按钮启动程序
2. 从命令行启动
启动命令帮助如下
Usage: AImer.exe [OPTIONS] Options: -h,--help Print this help message and exit -n,--name TEXT REQUIRED Game name (valorant|cs2|ssjj) -t,--target TEXT REQUIRED Target name (e.g. head, enemy, ct, t) -s,--sensitivity FLOAT REQUIRED Mouse sensitivity -m,--model TEXT:FILE REQUIRED Model path (.xml/.onnx) -w,--weights TEXT:FILE Weights path (.bin), use OpenVINO when provided- 启动命令为
AImer.exe -n <游戏名称> -t <目标类别> -s <游戏内灵敏度> -m <模型文件> -w <权重文件（可选）> - 游戏名称，目标类别见适配情况表格。
- 权重文件为可选参数
- 使用权重文件表示使用OpenVINO（使用CPU）推理。
- 不使用权重文件使用onnxRuntime（默认使用NVIDIA显卡CUDA加速）推理
- 例如：
AImer.exe -n valorant -t head -s 0.1 -m ../models/valorant-bot.onnx- 表示启动【无畏契约】，
- 目标类别为【头部】，
- 游戏内灵敏度为0.1，
- 模型文件为
../models/valorant-bot.onnx， - 无权重文件，使用NVIDIA显卡进行推理。
以上参数适配原代码，大佬们尽可按需魔改
构建运行
如果您想要修改源码、或自行编译运行。
准备工具：CMake，
Visual Studio，
OpenCV，
CUDNN
ONNX Runtime
OpenVINO
- 克隆仓库和子模块
gitclone https://github.com/HeHaoyang1124/AImergitsubmodule update--init--recursive - 配置和编译
mkdirbuildcdbuild cmake`-DOpenCV_DIR=path/to/OpenCV`-DCUDNN_LIB_DIR=Path/to/CUDNN/xxx/lib/xxx/x64 `-DOpenVINO_DIR=path/to/OpenVINO..cmake--build.--configRelease - 配置和编译
# 运行 AImer-DL..\bin\Release\AImer.exe`-nvalorant-thead-s0.1`-m..\models\valorant\valorant-bot.xml `-w..\models\valorant\valorant-bot.bin# 或者直接运行 AImer.exe 启动Launcher界面# 运行 AImer-aimlab..\bin\Release\AImer-aimlab.exe-s0.1
