DeltaForce-OBS-Locker
🆕 最新更新（2026-06-14）：我们已将 YOLOv12 完整模型代码 上传至仓库的
yolo/目录，并附带了基础使用教程。欢迎各位开发者学习、改进或提交 PR。
🎉 为庆祝 2026 年高考圆满落幕，本项目特别开源手机端完整代码及 APK，供大家学习与交流使用！
💬 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。
🎥 手机端功能演示
手机端 APK 核心效果（画面吸附 / 模拟输入演示）
🚀 如何获取本项目（无论电脑端还是手机端）
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。
📚 完整教程（必读）
👉 三角洲行动腾讯管家吸附原理 & 本项目 v3 版本介绍
👉 手把手教你注册 GitHub 账号 👉 从零开始：两种主流方式轻松部署 Python 开发环境
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。
📦 项目构成
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, YOLO, 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）；
手机端 提供 APK 自动下载脚本。
🧠 YOLO 目标检测模型使用指南（新增）
本仓库的 yolo/ 目录包含了完整的 YOLOv12 模型代码（基于 Ultralytics 框架）。你可以直接使用这些代码进行图像识别、目标检测、姿态估计等任务。
1️⃣ 安装依赖
进入 yolo 目录，安装所需的 Python 包（建议使用虚拟环境）：
cd yolo
pip install -r requirements.txt
如果需要 GPU 加速，请根据你的 CUDA 版本安装对应的
torch。
2️⃣ 快速体验目标检测
使用预训练权重对一张图片进行检测：
from ultralytics import YOLO
# 加载官方预训练模型（自动下载）
model = YOLO("yolov8n.pt") # 也可使用 yolov12 权重
# 对图片进行预测
results = model("https://ultralytics.com/images/bus.jpg")
# 保存结果
results[0].save("result.jpg")
你也可以使用本目录下的
yolo/ultralytics/assets/bus.jpg作为测试图片。
3️⃣ 运行示例脚本
本目录提供了多个示例，例如 ONNX 推理、OpenVINO 推理等。进入 yolo/examples/ 文件夹查看：
cd examples/YOLOv8-ONNXRuntime-Python
python main.py
4️⃣ 训练自己的模型
若想自定义数据集训练，请参考 Ultralytics 官方文档或本仓库 yolo/ 目录下的训练脚本。
📖 更多用法请阅读
yolo/README.md（目录内附带）。
🚨 版本更新通知（V3.0.0）
- 截至 2026 年 6 月 9 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。
✅ V3.0.0 新特性
- 🪟 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。
✅ 继承自 V2.6.0 的技术改进
- 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 YOLO 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。
📜 版本更迭简史（技术演进路线）
| 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。
🔥 项目定位
- 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。
- 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：
📄 许可证
MIT License —— 可自由修改、二次开发，但严禁用于任何商业作弊软件。
⭐ 支持项目
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：2026-06-14
