CS2 YOLO Aimbot / 视觉锁定辅助系统

这是一个基于 YOLO 目标检测算法和 OpenCV 机器视觉的 Counter-Strike 2 (CS2) 锁头辅助程序的开发与学习项目。本项目演示了如何通过超高速屏幕捕获算法检测处于画面中的玩家模型，并通过 PID 或平滑差值算法模拟真实的鼠标宏轨迹。

📁 梳理后的项目结构

经过整理，项目文件分类如下：

• main.py “最终版”（Final Perfect Aimbot）：包含了硬锁/软锁（瞬间/平滑）模式切换，自带热键防冲突修改以及更高级的 UI 显示、实时推理帧数检测，是核心程序。
• aimbot.py “稳定自适应版”（Stable Adaptive Aimbot）：内置基于距离和加速度计算的“近身降速控制”，降低跟枪时的 S 型回弹抖动现象，附带 UI 面板和一键参数复原逻辑。
• models/ 存放 AI 模型文件。默认使用 ct_t.engine（通过 TensorRT 加速的引擎文件）以大幅提高推理速度，也有备用的 PyTorch (.pt) 及 ONNX (.onnx) 格式模型。
• configs/ 各种界面的配置保存文件（.json）。你的设置会被自动持久化保存在这里，以便下次打开时不丢失设定。
• datasets/ YOLO 的训练原数据集，内含 yaml 和 Roboflow 的一些元数据，包含了用于二次训练和迁移学习所需的图像及标注。
• runs/ 存放之前的 Ultralytics YOLO 训练输出和验证结果可视化。

🚀 安装与运行

1. 环境依赖配置

推荐使用具有 N 卡 (NVIDIA GPU) 且配置好完整 CUDA 甚至 TensorRT 环境的设备运行该项目才能获得较好的帧数：

pip install ultralytics mss pynput opencv-python pillow numpy

注意：如果不使用 TensorRT (即 models/*.engine)，只使用普通的 *.pt 模型速度会降低。若遇到引擎载入报错，请确保安装了正确的 tensorrt python 绑定。

2. 运行代码

可选择启动自己需要的版本：

python main.py    # 运行终极全功能版本
# 或者
python aimbot.py  # 运行柔和预判版本

⚙️ 核心参数 (UI 参数详解)

• 识别置信度 (Conf) AI 识别是敌人的最低可能性要求，通常在 0.50 ~ 0.70 间，过低会导致将背景错认为敌人。
• 锁定拉力 (Speed/Force) 基础的鼠标干预力度乘区，数值越大镜头吸附过去越迅速，但更生硬；越小吸附越慢但随滑现象更明显。
• 超前补偿 / 预判 (LookAhead) 用于应对目标横向奔跑时的预判距离，算法内置会保留过去的运动向量来推测下回合目标位置。
• 预判平滑度 (Stiffness) 类似弹簧阻尼模型，用于中和抖动，让跟随路径像正常人类玩家。
• 瞄准高度 (Offset) 决定准星距离敌方方框底面的高度比例，0.45 约为眉心区域，0.50 开始向下靠脖子/胸口。
• FOV 范围 (Radius) 只跟踪画面中心这个像素半径圆形内的目标。

⚠️ 声明与免责

本项目仅用作 Python, OpenCV, YOLO 目标追踪算法以及 Windows API 交互相关的进阶学习和二次开发。禁止用于多人在线竞技游戏中破坏他人体验，可能导致账号被平台永久封禁（VAC / 完美对战平台等封禁），因违规使用产生的后果作者不承担任何责任。 --by Majiyu (GitHub: [a1553846342-dotcom])