接著真的要開始寫辨識了，首先來引入之前寫的東西

def keras_init(self):
    # Load the model
    self.model = load_model('x.h5')
    self.data = np.ndarray(shape=(1, 224, 224, 3), dtype=np.float32)
    # 預處理
    self.model.predict(self.data)


def fix_range(self):
    # 原本是用576*1280去做辨識的，所以要依選取範圍調整大小
    size_x = abs(self.range_x1 - self.range_x2)
    size_y = abs(self.range_y1 - self.range_y2)

    # 尺寸修正
    rate_x = size_x / 576
    rate_y = size_y / 1280

    # 尺寸大約60px
    size_list = [
        60,
        90,
        60,
        60,
    ]
    left_position_list = [
        (60, 60),
        (576 - size_list[1], 60),
        (576 - size_list[2], 40),
        (576 - size_list[3], 80),
    ]

    # 填入辨識範圍清單
    self.position_list = []
    for left in left_position_list:
        right = (left[0]+size_list[0], left[1]+size_list[1])
        fix_left = (left[0] * rate_x, left[1] * rate_y)
        fix_right = (right[0] * rate_x, right[1] * rate_y)
        self.position_list.append([fix_left, fix_right])

keras_init()用來初始化訓練相關的套件，fix_range()則是依據範圍大小來調整辨識位置

也就是說剛運行時要呼叫keras_init()，在調整完角度後就呼叫fix_range()

def handle_cont_msg(self, msg):
    global gui, cont
    if type(msg) == list:
        if msg[0] == 'on_click':
            # print(msg)
            if msg[1] == 1:
                self.range_x1, self.range_y1 = msg[2], msg[3]
            elif msg[1] == 2:
                self.range_x2, self.range_y2 = msg[2], msg[3]
                cont.game_listen_stop()
                self.fix_range()
                gui.set_range_result(self.range_x1, self.range_y1, self.range_x2, self.range_y2)

還是很懶，明天再來寫辨識的方法...