使用 OpenCV 自动点赞抖音小猫

看到有人分享 Python 抖音机器人，论如何在抖音上找到漂亮小姐姐？ (github.com)，Git Clone 下来，发现由于腾讯云人脸识别的接口无法连接，导致截图完停止，不继续往下运行了，没啃下来官方提供的教程（Flag：以后会啃下来的）。于是自己使用 OpenCV 重新写了一个 Python 脚本，不过是识别“猫猫”的哦。

特性

自动翻页
猫脸识别
自动点赞

原理

打开抖音 APP，进入主界面；
获取手机截图；
使用 OpenCV 提供的 xml 文件^[1]进行检测；
当检测到是猫猫时，自动点赞；
滑到下一页。重复上述步骤。

使用教程

Python 版本 3.9.16（理论上其他的也可以）；
Anaconda 安装和虚拟环境创建^[2]；
adb 安装^[2]；
下载 OpenCV 提供的 xml 文件^[1]。

源码（注释完全版）

import subprocess #用于执行 shell 命令
import cv2
import time
import shutil #用于复制、移动、删除文件和目录等操作
import os #提供与操作系统进行交互的功能

# 指定设备序列号
device_serial = "xxx" #在 cmd 中运行 adb devices 查看并复制
# 定义计数器变量
count = 0 #本项目为测试项目，所以只刷 12 次就停止。如果不想，在整个代码中删掉 count 就可以了

while True:
    
    # 等待两秒
    time.sleep(2)

    # 指定时间戳
    timestamp = int(time.time())
    # 将时间戳转换为本地时间
    local_time = time.localtime(timestamp)
    # 将时间格式化为字符串
    time_str = time.strftime("%Y-%m-%d-%H-%M-%S", local_time)
    # 生成唯一的文件名
    screenshot_filename = f"douyin_screenshot_{time_str}.png"

    # 截取屏幕上正在播放的抖音视频的截图，并上传保存到计算机上
    screenshot_cmd = f"adb -s {device_serial} shell screencap -p /sdcard/{screenshot_filename}"
    subprocess.run(screenshot_cmd, shell=True)
    pull_cmd = f"adb -s {device_serial} pull /sdcard/{screenshot_filename} ."
    subprocess.run(pull_cmd, shell=True)

    # 加载截图并进行图像识别
    screenshot = cv2.imread(f"{screenshot_filename}") #注意写 f，用于将变量值嵌入到字符串中
    gray = cv2.cvtColor(screenshot, cv2.COLOR_BGR2GRAY)
    cat_cascade = cv2.CascadeClassifier("haarcascade_frontalcatface.xml")
    cats = cat_cascade.detectMultiScale(gray, scaleFactor=1.1, minNeighbors=5, minSize=(30, 30)) #参数解释在下方
    if len(cats) > 0:
        # 如果识别出小猫，则模拟点击点赞按钮
        # 测试使用设备：Redmi Note8，2340x1080，其他手机自行适配参数
        like_cmd = f"adb -s {device_serial} shell input tap 1004 1331"
        subprocess.run(like_cmd, shell=True)
        # 等待 2 秒
        time.sleep(1)
        # 屏幕上滑（参数解释见下文）
        swipe_cmd = f"adb -s {device_serial} shell input swipe 540 1500 540 1000 100"
        subprocess.run(swipe_cmd, shell=True)
    else:
        # 屏幕上滑
        swipe_cmd = f"adb -s {device_serial} shell input swipe 540 1500 540 1000 100"
        subprocess.run(swipe_cmd, shell=True)

    # 指定源文件路径和目标文件夹路径（这是为了把截的图存放到专门的文件夹中，用于检测识别准确度）
    source_file = f"{screenshot_filename}"
    target_folder = "cved" #文件夹自行创建，在本 python 脚本的文件夹中就可以

    # 构建目标文件路径
    target_file = os.path.join(target_folder, source_file)

    # 移动文件到目标文件夹
    shutil.move(source_file, target_file)

    # 计数器加 1
    count += 1

    # 完成 12 次截图，退出循环
    if count >= 12:
        break

sacleFator：这个参数控制图像金字塔的缩放比例。较小的 scaleFactor 值会导致更多的金字塔层级，从而增加检测准确性，但也会增加计算量，使检测速度变慢。较大的 scaleFactor 值则会减少金字塔层级和计算量，提高检测速度，但可能降低检测准确性。通常情况下，scaleFactor 的值在 1.01 到 1.5 之间。

minNeighbors：这个参数控制检测到的物体的矩形框之间应该有多少个相邻矩形框。较大的 minNeighbors 值可以减少误报率（错误检测），但可能导致一些真实物体被错过（降低检测准确性）。较小的 minNeighbors 值可能会增加误报率，但也可能提高检测准确性。这个参数的最佳值取决于具体的应用场景和数据集。通常情况下，minNeighbors 的值在 3 到 10 之间。

minSize：这个参数用于设置检测到的物体的最小尺寸（宽度和高度）。较大的 minSize 值可以减少误报率，但可能导致一些较小的真实物体被错过。较小的 minSize 值可能会增加误报率，但能检测到更小的物体。设置适当的 minSize 取决于你希望检测到的物体的实际尺寸和应用场景。例如，如果你只关心较大的猫脸，可以将 minSize 设置为一个较大的值。

input swipe 540 1500 540 1000 100：这部分命令是要在设备上执行的实际 shell 命令。input 是一个 Android shell 命令，用于模拟用户输入。swipe 是 input 命令的一个子命令，用于模拟滑动操作。接下来的四个数字参数表示滑动操作的起点和终点坐标：(500, 1500) 是滑动的起点，(500, 80) 是滑动的终点。坐标系统的原点位于屏幕的左上角，x 轴向右延伸，y 轴向下延伸。100 是指延时 100ms，从第一个坐标滑到第二个坐标用时 100ms。