Detekce kartiček a sledování stavu hry BANG!

Abstract

Cílem této práce bylo vytvořit program sledující průběh karetní hry BANG! přes webkameru, jenž má za cíl kontrolovat dodržování pravidel. Za tímto účelem byl dotrénován detekční model YOLO11, na nově vytvořené datové sadě obsahující jednotlivé karty a další herní prvky, který na testovací sadě dosáhl přesnosti 95.1 % dle metriky mAP50–95 u herních karet. Program analyzuje informace získané z detekčního modelu, provádí kontrolu tahů a aktuální stav taktéž virtuálně vizualizuje. Při testování přesnosti sledování herních kroků dosáhl úspěšnosti 79.41 %, kde chyby byly zapříčiněny detekčním modelem. Řešení je možné nadále rozšiřovat o nové funkce, které mohou hru vytvořit ještě zajímavější.

The goal of this thesis was to create a program which will monitor ongoing BANG! card game through the webcam and watch for breaking the rules of the game. For this purpose, object detection model YOLO11 was trained on custom dataset containing cards and other game elements and got the result of 95.1 % accuracy by metric mAP50–95 for cards. The program obtains incoming detections from the detection model, analyzes game moves and virtually visualises current state. While testing game moves detection accuracy, it got a success rate of 79.41 %, where errors were caused mainly by wrong model detections. Program can be further expanded with new functions which could make the game even more fun to play.