GTA V Fingerprint Solver

1. L'inizio

   Un minigioco contro il tempo

   Il colpo al Diamond Casino di GTA V ha un minigioco di clonazione delle impronte: il gioco mostra un'impronta bersaglio e otto frammenti, e bisogna scegliere i quattro che le appartengono prima che scada il tempo. Farlo a mano, ancora e ancora, è lento e facile da sbagliare. Guardandolo da sviluppatore, però, era un'altra cosa: un problema di visione artificiale piccolo e ben delimitato.

2. L'obiettivo

   Leggere lo schermo, riconoscere l'impronta, rispondere in meno di un secondo

   Il gioco usa sempre le stesse quattro impronte. Il piano quindi era un risolutore che cattura il minigioco, riconosce l'impronta che ha davanti, trova i suoi quattro frammenti tra gli otto sullo schermo e inserisce la risposta, il tutto prima che una persona abbia finito di leggere lo schermo.

3. L'avventura

   Template matching, un pezzo alla volta

   Ho costruito il risolutore in Python con OpenCV. Cattura solo la zona del minigioco, prepara l'immagine e la confronta con le quattro impronte note usando la correlazione incrociata normalizzata. Ogni impronta è salvata anche come quattro quarti di riferimento, che il risolutore cerca tra i frammenti. Una volta trovata la risposta, PyAutoGUI sposta il selettore e conferma con pressioni di tasti simulate.

   VideoIl risolutore che completa il minigioco delle impronte

   0:00 / 0:00

4. Le difficoltà

   Abbastanza veloce, e robusto alla grafica del gioco

   Il tempo è poco, quindi ogni millisecondo di elaborazione contava. E le impronte non appaiono mai due volte uguali: si spostano leggermente e cambiano luminosità a seconda della scena. Un confronto ingenuo sull'immagine intera avrebbe fallito proprio quando serviva.

5. La fine

   Ogni impronta, in meno di un secondo

   Il risolutore riconosce ogni impronta e inserisce la risposta in meno di un secondo, e nelle mie prove non ne ha mai sbagliata una. È un esercizio compatto, ma completo: cattura dello schermo, pre-elaborazione, template matching con il rumore del mondo reale e automazione dell'input, tutto con una scadenza in tempo reale.

• Riconoscimento dell'impronta

  Capisce quale delle quattro impronte del gioco è sullo schermo, confrontandola con modelli noti.

• Ricerca dei frammenti

  Divide ogni impronta in quarti e trova i quattro frammenti giusti tra gli otto proposti dal gioco.

• Tempo reale

  Osserva lo schermo di continuo e risponde in meno di un secondo, ben dentro il tempo del minigioco.

• Robusto alla grafica del gioco

  Il confronto normalizzato regge spostamenti e cambi di luminosità da un colpo all'altro.

• Input automatico

  Sposta il selettore e conferma la risposta con pressioni di tasti simulate, senza mani.

• Cattura mirata

  Legge solo la zona dello schermo del minigioco, così resta veloce e leggero.

In azione

Cosa stai guardando:

• La cattura dello schermo intercetta il minigioco appena compare.
• L'impronta viene riconosciuta e la soluzione calcolata quasi all'istante.
• Il selettore si sposta su ogni frammento giusto e lo conferma, con pressioni di tasti automatiche e precise.

Come riconosce un'impronta

Il gioco usa sempre e solo quattro impronte. Il risolutore le conserva sia come modello completo sia divise in quattro quarti, così riesce a riconoscere un'impronta anche quando una parte appare diversa.

1. Cattura

   Prende solo la zona del minigioco e la prepara al confronto: scala di grigi e contrasto.

2. Template matching

   Confronta il bersaglio con le quattro impronte note usando la correlazione incrociata normalizzata.

3. Analisi dei quarti

   Trova i quattro quarti di riferimento dell'impronta tra gli otto frammenti sullo schermo.

4. Risposta

   Sposta il selettore su ogni frammento giusto e conferma, tramite PyAutoGUI.

Sotto il cofano

• Cattura e pre-elaborazione

  Pillow, NumPy

  Cattura la zona della finestra di gioco e applica filtri che rendono più facile confrontare le creste dell'impronta.

• Template matching

  OpenCV

  cv2.matchTemplate con correlazione incrociata normalizzata, che tollera piccoli cambi di luce e di posizione.

• Analisi per componenti

  Quarti

  Quando l'impronta intera non combacia bene, ogni quarto viene confrontato da solo, e il riconoscimento resta affidabile.

• Automazione dell'input

  PyAutoGUI

  Trovata la risposta, il risolutore guida il selettore con pressioni di tasti simulate e tempi precisi.

Sfide

Competenze acquisite

• Visione artificiale

  OpenCV

  Template matching, pre-elaborazione e i compromessi tra precisione e velocità.

• Elaborazione delle immagini

  NumPy, Pillow

  Trasformare catture dello schermo grezze in dati puliti e confrontabili.

• Sistemi in tempo reale

  Latenza

  Progettare un ciclo attorno a una scadenza rigida, dove il precalcolo conta più del codice furbo.

• Automazione dell'input

  PyAutoGUI

  Controllo della tastiera preciso e temporizzato, guidato da ciò che il programma vede.