🆕 最新更新（2026-06-21）：我们已将开源的 YOLOv14 跨域实时目标检测框架完整集成至本项目的电脑端，实现了游戏角色吸附、鱼眼/广角畸变校正、无人机视角小目标检测等前沿功能。欢迎各位开发者学习、改进或提交 PR。
💬 技术交流邀请
本项目曾尝试通过 ACE反作弊软件 实现一种画面吸附效果的原理验证，实测发现该方案受游戏版本、系统环境等因素影响极大，不具备稳定复现的条件。
欢迎熟悉底层图像识别 / 输入模拟原理的开发者 进入 Issues #19 参与技术讨论，共同探索更优的视觉识别与模拟输入思路。
手机端 APK 核心效果（画面吸附 / 模拟输入演示）
请按照以下三步操作：
-
⭐ Star
点击本仓库右上角的 Star 按钮，申请自己的使用权限。 -
⑂ Fork
点击 Fork 按钮，将本仓库复制到你自己的 GitHub 账号下，不然无法进行修改。 -
⬇️ Download
在你自己 Fork 后的仓库页面，点击 Code → Download ZIP 下载压缩包。
💡 电脑端 代码位于
desktop/文件夹，手机端 脚本位于mobile/文件夹。下载后请根据对应子项目的 README 进行操作。若下载后的项目其中存在空文件，请检查是否严格以上三步进行操作
⚠️ 重要提醒：无论电脑端还是手机端，AI 识别功能都依赖 YOLOv14 预训练权重文件。
请务必先前往以下链接下载权重文件，否则后续运行会因缺少模型而失败：
👉 https://github.com/zhangcbb/yolov14
下载后请根据电脑端或手机端的 README 指引放置权重文件（具体配置方法请参考各子项目的说明文档）。
请务必先阅读以上三篇教程，它们包含了本项目的原理讲解、环境配置、常见问题解决等核心内容。
本仓库包含两个独立的子项目，分别面向 电脑端（PC） 和 手机端（Android），均以技术教学与原理验证为目的。
| 子项目 | 主要技术栈 | 适合人群 | 详细文档 |
|---|---|---|---|
| 电脑端 | Python, OpenCV, YOLOv14, OBS, SendInput | Python 初学者、计算机视觉爱好者 | 电脑端 README |
| 手机端 | Python 下载脚本 + APK | 普通用户、Android 测试者 | 手机端 README |
💡 电脑端 提供从零开始的 Python 编程实战教程（本地代码结构解析），其中 OBS 画面吸附功能正是基于 YOLOv14 目标检测框架实现；
手机端 提供 APK 自动下载脚本。
YOLOv14 是专为 非理想成像条件 设计的实时目标检测框架[reference:10][reference:11]。与假设标准针孔相机的传统 YOLO 不同，YOLOv14 通过学习 域不变、视角鲁棒 的特征，在游戏角色检测上表现出色。
传统的 YOLO 模型在处理游戏画面时，往往难以将游戏角色准确识别为“人”。YOLOv14 通过 Game2Real 域适配 技术，对齐游戏渲染域与真实摄影域的特征分布，使模型在《三角洲行动》、《使命召唤》、《绝地求生》等游戏中，能够稳定地将游戏角色识别为“人”，为画面吸附功能提供了可靠的检测基础。
详细的技术架构、模型训练与推理指南，请参见本仓库的
yolov14/目录。
- 截至 2026年6月21日，本项目代码逻辑在本机测试环境中仍可运行；若因游戏更新导致原理验证失效，将在本仓库第一时间同步说明。
- 近期出现部分仿制或旧版本项目流传，请认准 ace-trump-tech 仓库。本项目始终免费开源，任何收费行为均与项目初衷无关。
- 🪟 腾讯管家吸附原理验证：演示通过模拟腾讯管家窗口置顶与鼠标穿透技术，实现“画面吸附”效果（环境依赖，仅用于研究）。
- 🧠 版本更迭历史整理：记录 V1 → V3 各阶段的核心技术演进。
- 动态路径隐藏演示：动态加密 + 随机目录名，展示规避静态特征扫描的思路。
- 视觉中心模拟头部：利用手电筒光斑视觉中心作为目标点。
- 强化人物判定模型：优化 YOLOv14 骨骼点识别，多帧投票降噪。
⚠️ 重要声明：本插件 不修改任何游戏内存，仅使用公开的图像识别与模拟输入 API。
🔬 本版本仅供技术学习者对比研究，不建议在任何真实游戏对局中使用。
| 版本 | 主要技术演进 | 学习重点 |
|---|---|---|
| V1.x | 基础 YOLO 检测 + OBS 捕获 + 简单鼠标移动 | OpenCV、YOLO推理、模拟输入入门 |
| V2.x | 动态路径隐藏、Base64编码、光斑视觉中心算法 | 反静态检测、坐标变换、多帧投票 |
| V3.x | 腾讯管家吸附原理验证、兼容性探讨 | 窗口穿透技术、输入模拟边界、环境适配 |
💡 为什么不断迭代？ 游戏安全策略会更新，静态方法很快失效。本项目的价值在于展示 如何根据环境变化调整技术方案。
- 电脑端：基于真实游戏画面的 Python 编程实战项目，涵盖环境配置、图像处理、目标检测、模拟输入、反检测演示等。其中 OBS 吸附功能正是 YOLOv14 框架的一次具体实践。
- 手机端：提供 APK 文件及自动下载脚本，方便在 Android 设备上测试原理验证效果。
👉 详细代码结构与本地运行说明请分别查看：
MIT License —— 可自由修改、二次开发，但严禁用于任何商业作弊软件。
如果你通过本项目学到了技术知识，请给仓库点一个 Star。
你的星星，是对“用技术教学代替作弊工具”这一理念的认同。
最后更新：2026-06-21