Python机器学习之游戏自动驾驶（一）

先说一下总体思路，这一块需要读者有一定的机器学习基础。我们在玩游戏的时候，是眼睛看到了屏幕的画面之后，大脑思考应该怎么操作，然后发送指令到我们的手指，按下指定的按键。

利用机器学习玩游戏也是同样的道理，我们可以把游戏的过程离散化，以每一帧游戏画面为单位，连续的操作则对应到每一张图片的操作。

输入一张图片，就对应了一个操作，这个操作可以作为图片的标签。这时候我们就可以把玩游戏的过程建模为一个图片的分类过程，在跑跑卡丁车自动驾驶中，我对操作进行了简化，一共只有三种操作，左转，右转和直行。

每个图片对应着一种操作，我们要做的就是得到大量的训练数据，然后输入到神经网络中进行训练，训练完成后，把游戏画面一帧一帧的送入网络中，网络根据画面输出一个操作，就可以实现自动驾驶。

这里面有几个比较重要的步骤，首先是如何获取游戏图片和图片对应的操作，将在本篇文章中说明。

1.如何获取数据

这里我们需要用到python中的几个包，win32包和opencv包

win32包主要用来获取按键信息，而opencv包则用来获取图像信息。

下面直接给出代码供大家参考

import win32api
import time


keyList = ["\b"]
for char in "ABCDEFGHIJKLMNOPQRSTUVWXYZ 123456789,.'£$/\\":
    keyList.append(char)


def key_check():
    keys = []
    for key in keyList:
        if win32api.GetAs