通俗一点来说，自瞄是在FPS射击游戏中最为常见的作弊手段之一，当下最火爆的CSGO也深受其扰，在此我说些我自己的看法，欢迎大家在下方留言讨论；

（1）软件层面

在神经网络方面的视觉AI应用流行之前，WG作者只能使用应用层或驱动层标准的Windows API来实现，例如keybd_event、mouse_event、SendInput、NtSendInput等接口，而游戏中的人物坐标数据通常需要注入或远程读取来获取，而在AI后时代这些将逐渐远离，让反作弊系统直接失明......

在写这篇文章时，与很多硬件和软件大佬做过一些深入交流，本文标题所指的“后时代”并不是说#ChatGPT的时代，而是在那些神经网络AI出现之后，在这个AI出现之前，一些作弊器都需要在应用层或驱动层实现模拟键鼠操作，这里是有极大概率被当下的检测封杀的。

通常一些自瞄都非常依赖Windows API来模拟键盘鼠标操作，我这里说一种新型更隐蔽的手段 —— STM32伪造键鼠，这种方法在目前TB上面也有大量模块化的售卖。它的原理其实也非常简单，利用STM32单片机在系统模拟出一个罗技鼠标(VID、PID全部伪造)，再开放一个其他USB或串口等提供给应用层远程模拟，这种键鼠模拟会相当于隐蔽，反作弊系统会非常难捕获。

之前在B站看到过一个神经网络方面的大佬林亦LYi用Python+神经网络算法写了一个通杀所有FPS游戏自瞄的效果，大致原理是利用试时的游戏截屏+神经网络视觉AI再去分析出来人物肢体部位，最后再模拟键鼠射击，效果如下图：

【亦】警惕AI外挂！我写了一个枪枪爆头的视觉AI，又亲手“杀死”了它_CSGO

（2）硬件层面

不禁想起在2018年阿莫电子论坛一位大佬利用FPGA+Python+OpenCV+STM32做出来一个硬件级的纯物理自瞄WG，他在2018年就有这样的思路已经是非常超前了！

因为他的整套系统完全不在Windows上运行，也不需要截取游戏画面，也不需要读写游戏数据，甚至连一个多余的进程、文件都不需要；他的原理是彻底不接触物理游戏主机，而是直接从HDMI读取画面数据用FPGA开发板上的Python+OpenCV来识别出游戏人物位置，如果当前他了解神经网络方面的视觉AI，也许他会打开新世界的大门！咦，不过当时好像并没有流行这方面技术；

如果我要在这位硬件大佬的基础改进的话，首先在Python中不要只是单纯的用OpenCV，而使用目前比较火爆易用的YOLO V8目标检测算法，先不断强化训练学习从而做到更精准，如果训练得足够强悍，这将对所有FPS射击游戏来说是噩梦。

这个在开发板中有现成的YOLO算法完整例程代码：

GitHub - fpgadeveloper/pynq-ncs-yolo: YOLO object detector for Movidius Neural Compute Stick (NCS)

整体思路原理框架如下：

如果这篇文章看到现在，还有小伙伴蠢蠢欲动的话，我建议你三思，毕竟如果你只懂PC软件工程的话，硬件这一块会够呛的。

借用我司硬件总工跟我讲过的一个地狱笑话：“那些当年在某宝卖开发板的人，如果看到收货地址是学校的，人家直接劝你退货......”

为啥？因为他们大多啥基础水平没有反而问题一大堆，这哪有空给他讲？就相当于卖给你一个数码相机和PS软件，你得教会如何P出一个赵丽颖？再通俗一点，相当于我卖你一套xxx代码，你自己消化不了它，还天天来问我C语言语法函数问题这换谁能受得了？人家卖块板子赚个几十块，得教你几千块的知识，这也不太实际，大家还是要讲良心！所以现实是即使你在某宝买了人家的开发板，也许人家哪怕收到差评也根本不会鸟你任何非质量的问题....

即使你买了开发板，整个架构对软件、硬件、神经网络等综合水平要求有点高，另外还有一个劝退点：