程式碼已放到碼雲

https://gitee.com/photographer_adam/Based-on-image-processing-and-tensorflow-to-realize-GTA5-vehicle-automatic-driving

作者主要說了一下幾點

1. 截止到上一節的偽AI，影象處理部分應該是結束了。作者不想深入做影象處理方面，從本節開始他準備使用神經網路訓練
2. 優化了程式碼

強烈建議從本節開始新建檔案建立py檔案，為了和以前的部分分開

製作訓練集

1. 利用pywin32獲取視窗的資料集
2. 利用getkeys.py檔案獲取使用者輸入的按鍵：W（前進），A（左轉），B（右轉），S（後退）

利用pywin32獲取視窗的資料集

注：這個是有人在GitHub上傳了程式碼，以前用的PIL庫獲取影象，但是幀率太低了，作者試了下這個新的程式碼，發現幀率比PIL庫的高，於是採用這個程式碼了

實現程式碼見Gitee專案

使用方法，引用該python檔案，直接呼叫方法就行

from grabscreen import grab_screen
screen = np.array(grab_screen(region=(0, 40, 800, 640)))

獲取的影象轉換為灰度影象(因為灰度影象相比彩色影象資料量少，計算代價較少)

screen = cv2.cvtColor(screen, cv2.COLOR_BGR2GRAY)
 

獲取的影象改變大小，原來為800*600 轉換為 80, 60。 這樣影象的計算量也變少

screen = cv2.resize(screen, (80, 60))

至此利用pywin32獲取視窗的資料集步驟完成

利用getkeys.py檔案獲取使用者輸入的按鍵：W（前進），A（左轉），B（右轉），S（後退）

使用方法，引用該python檔案，直接呼叫方法就行

from getkeys import key_check
key = key_check()

# key 為列表，包含使用者press的按鍵(大寫)

本次只考慮 前進，左轉右轉

# [A, W ,D]
outPutDatamat = [0, 0, 0]
if 'A' in key:
    outPutDatamat[0] = 1
elif 'W' in key:
    outPutDatamat[1] = 1
elif 'D' in key:
    outPutDatamat[2] = 1
# 如果按下了`A`鍵，那麼`outPutDatamat=[1, 0, 0]`
 

把訓練集結合起來並儲存

注：

1. 倒計時完成後會對視窗進行記錄
2. 當得到2000幀後結束迴圈，並把200幀的訓練集test.npy儲存下來
3. 儘量在有左轉右轉的地方進行跑，這樣左轉右轉的資料會多些

i = 3
    while i != 0:
        print("time:", i)
        time.sleep(0.5)
        i -= 1
    training_data = []
    last_time = time.time()
    paused = False
    print('STARTING!!!')
    while True:
        if not paused:
            screen = np.array(grab_screen(region=(0, 40, 800, 640)))
            last_time = time.time()

            # run a color convert:
            screen = cv2.cvtColor(screen, cv2.COLOR_BGR2GRAY)
            # resize to something a bit more acceptable for a CNN
            screen = cv2.resize(screen, (80, 60))
            # get key datamat
            output = get_key()
            training_data.append([screen, output])
            print(len(training_data))
            # cv2.imshow('window', cv2.cvtColor(screen, cv2.COLOR_BGR2RGB))
            if len(training_data) % 2000== 0:
                np.save('test.npy', np.array(training_data), allow_pickle=True)
                break
            if cv2.waitKey(25) & 0xFF == ord('q'):
                cv2.destroyAllWindows()
                break

讀取訓練集，檢視是否可以執行

這段程式碼比較簡單，就不解釋了

import time
from grabscreen import grab_screen
import cv2
from getkeys import key_check
import numpy as np

train_data = np.load('test.npy', allow_pickle=True)
for data in train_data:
    img = data[0]
    choice = data[1]
    cv2.imshow('test',img)
    print(choice)
    if cv2.waitKey(25) & 0xFF == ord('q'):
        cv2.destroyAllWindows()
        break