np.random.seed(44)
ia.seed(44)
def main():
 for i in range(1, 191):
 draw_single_sequential_images(str(i), "others", "others-aug")
 for i in range(1, 191):
 draw_single_sequential_images(str(i), "hits", "hits-aug")
 for i in range(1, 191):
 draw_single_sequential_images(str(i), "kicks", "kicks-aug")
def draw_single_sequential_images(filename, path, aug_path):
 image=misc.imresize(ndimage.imread(path + "/" + filename + ".jpg"), (56, 100))
 sometimes=lambda aug: iaa.Sometimes(0.5, aug)
 seq=iaa.Sequential(
 [
 iaa.Fliplr(0.5), # horizontally flip 50% of all images
 # crop images by -5% to 10% of their height/width
 sometimes(iaa.CropAndPad(
 percent=(-0.05, 0.1),
 pad_mode=ia.ALL,
 pad_cval=(0, 255)
 )),
 sometimes(iaa.Affine(
 scale={"x": (0.8, 1.2), "y": (0.8, 1.2)}, # scale images to 80-120% of their size, individually per axis
 translate_percent={"x": (-0.1, 0.1), "y": (-0.1, 0.1)}, # translate by -10 to +10 percent (per axis)
 rotate=(-5, 5),
 shear=(-5, 5), # shear by -5 to +5 degrees
 order=[0, 1], # use nearest neighbour or bilinear interpolation (fast)
 cval=(0, 255), # if mode is constant, use a cval between 0 and 255
 mode=ia.ALL # use any of scikit-image's warping modes (see 2nd image from the top for examples)
 )),
 iaa.Grayscale(alpha=(0.0, 1.0)),
 iaa.Invert(0.05, per_channel=False), # invert color channels
 # execute 0 to 5 of the following (less important) augmenters per image
 # don't execute all of them, as that would often be way too strong
 iaa.SomeOf((0, 5),
 [
 iaa.OneOf([
 iaa.GaussianBlur((0, 2.0)), # blur images with a sigma between 0 and 2.0
 iaa.AverageBlur(k=(2, 5)), # blur image using local means with kernel sizes between 2 and 5
 iaa.MedianBlur(k=(3, 5)), # blur image using local medians with kernel sizes between 3 and 5
 ]),
 iaa.Sharpen(alpha=(0, 1.0), lightness=(0.75, 1.5)), # sharpen images
 iaa.Emboss(alpha=(0, 1.0), strength=(0, 2.0)), # emboss images
 iaa.AdditiveGaussianNoise(loc=0, scale=(0.0, 0.01*255), per_channel=0.5), # add gaussian noise to images
 iaa.Add((-10, 10), per_channel=0.5), # change brightness of images (by -10 to 10 of original value)
 iaa.AddToHueAndSaturation((-20, 20)), # change hue and saturation
 # either change the brightness of the whole image (sometimes
 # per channel) or change the brightness of subareas
 iaa.OneOf([
 iaa.Multiply((0.9, 1.1), per_channel=0.5),
 iaa.FrequencyNoiseAlpha(
 exponent=(-2, 0),
 first=iaa.Multiply((0.9, 1.1), per_channel=True),
 second=iaa.ContrastNormalization((0.9, 1.1))
 )
 ]),
 iaa.ContrastNormalization((0.5, 2.0), per_channel=0.5), # improve or worsen the contrast
 ],
 random_order=True
 )
 ],
 random_order=True
 )
 im=np.zeros((16, 56, 100, 3), dtype=np.uint8)
 for c in range(0, 16):
 im[c]=image
 for im in range(len(grid)):
 misc.imsave(aug_path + "/" + filename + "_" + str(im) + ".jpg", grid[im])

const video=document.getElementById('cam');
const Layer='global_average_pooling2d_1';
const mobilenetInfer=m=> (p): tf.Tensor<tf.Rank>=> m.infer(p, Layer);
const canvas=document.getElementById('canvas');
const scale=document.getElementById('crop');
const ImageSize={
 Width: 100,
 Height: 56
};
navigator.mediaDevices
 .getUserMedia({
 video: true,
 audio: false
 })
 .then(stream=> {
 video.srcObject=stream;
 });

const grayscale=(canvas: HTMLCanvasElement)=> {
 const imageData=canvas.getContext('2d').getImageData(0, 0, canvas.width, canvas.height);
 const data=imageData.data;
 for (let i=0; i < data.length; i +=4) {
 const avg=(data[i] + data[i + 1] + data[i + 2]) / 3;
 data[i]=avg;
 data[i + 1]=avg;
 data[i + 2]=avg;
 }
 canvas.getContext('2d').putImageData(imageData, 0, 0);
};

let mobilenet: (p: any)=> tf.Tensor<tf.Rank>;
tf.loadModel('http://localhost:5000/model.json').then(model=> {
 mobileNet
 .load()
 .then((mn: any)=> mobilenet=mobilenetInfer(mn))
 .then(startInterval(mobilenet, model));
});

const startInterval=(mobilenet, model)=> ()=> {
 setInterval(()=> {
 canvas.getContext('2d').drawImage(video, 0, 0);
 grayscale(scale
 .getContext('2d')
 .drawImage(
 canvas, 0, 0, canvas.width,
 canvas.width / (ImageSize.Width / ImageSize.Height),
 0, 0, ImageSize.Width, ImageSize.Height
 ));
 const [punching]=Array.from((
 model.predict(mobilenet(tf.fromPixels(scale))) as tf.Tensor1D)
 .dataSync() as Float32Array);
 const detect=(window as any).Detect;
 if (punching >=0.4) detect && detect.onPunch();
 }, 100);
};

const punches=require('fs')
 .readdirSync(Punches)
 .filter(f=> f.endsWith('.jpg'))
 .map(f=> `${Punches}/${f}`);
const kicks=require('fs')
 .readdirSync(Kicks)
 .filter(f=> f.endsWith('.jpg'))
 .map(f=> `${Kicks}/${f}`);
const others=require('fs')
 .readdirSync(Others)
 .filter(f=> f.endsWith('.jpg'))
 .map(f=> `${Others}/${f}`);
const ys=tf.tensor2d(
 new Array(punches.length)
 .fill([1, 0, 0])
 .concat(new Array(kicks.length).fill([0, 1, 0]))
 .concat(new Array(others.length).fill([0, 0, 1])),
 [punches.length + kicks.length + others.length, 3]
);
const xs: tf.Tensor2D=tf.stack(
 punches
 .map((path: string)=> mobileNet(readInput(path)))
 .concat(kicks.map((path: string)=> mobileNet(readInput(path))))
 .concat(others.map((path: string)=> mobileNet(readInput(path))))
) as tf.Tensor2D;

np.random.seed(44)
ia.seed(44)
def main():
 for i in range(1, 191):
 draw_single_sequential_images(str(i), "others", "others-aug")
 for i in range(1, 191):
 draw_single_sequential_images(str(i), "hits", "hits-aug")
 for i in range(1, 191):
 draw_single_sequential_images(str(i), "kicks", "kicks-aug")
def draw_single_sequential_images(filename, path, aug_path):
 image=misc.imresize(ndimage.imread(path + "/" + filename + ".jpg"), (56, 100))
 sometimes=lambda aug: iaa.Sometimes(0.5, aug)
 seq=iaa.Sequential(
 [
 iaa.Fliplr(0.5), # horizontally flip 50% of all images
 # crop images by -5% to 10% of their height/width
 sometimes(iaa.CropAndPad(
 percent=(-0.05, 0.1),
 pad_mode=ia.ALL,
 pad_cval=(0, 255)
 )),
 sometimes(iaa.Affine(
 scale={"x": (0.8, 1.2), "y": (0.8, 1.2)}, # scale images to 80-120% of their size, individually per axis
 translate_percent={"x": (-0.1, 0.1), "y": (-0.1, 0.1)}, # translate by -10 to +10 percent (per axis)
 rotate=(-5, 5),
 shear=(-5, 5), # shear by -5 to +5 degrees
 order=[0, 1], # use nearest neighbour or bilinear interpolation (fast)
 cval=(0, 255), # if mode is constant, use a cval between 0 and 255
 mode=ia.ALL # use any of scikit-image's warping modes (see 2nd image from the top for examples)
 )),
 iaa.Grayscale(alpha=(0.0, 1.0)),
 iaa.Invert(0.05, per_channel=False), # invert color channels
 # execute 0 to 5 of the following (less important) augmenters per image
 # don't execute all of them, as that would often be way too strong
 iaa.SomeOf((0, 5),
 [
 iaa.OneOf([
 iaa.GaussianBlur((0, 2.0)), # blur images with a sigma between 0 and 2.0
 iaa.AverageBlur(k=(2, 5)), # blur image using local means with kernel sizes between 2 and 5
 iaa.MedianBlur(k=(3, 5)), # blur image using local medians with kernel sizes between 3 and 5
 ]),
 iaa.Sharpen(alpha=(0, 1.0), lightness=(0.75, 1.5)), # sharpen images
 iaa.Emboss(alpha=(0, 1.0), strength=(0, 2.0)), # emboss images
 iaa.AdditiveGaussianNoise(loc=0, scale=(0.0, 0.01*255), per_channel=0.5), # add gaussian noise to images
 iaa.Add((-10, 10), per_channel=0.5), # change brightness of images (by -10 to 10 of original value)
 iaa.AddToHueAndSaturation((-20, 20)), # change hue and saturation
 # either change the brightness of the whole image (sometimes
 # per channel) or change the brightness of subareas
 iaa.OneOf([
 iaa.Multiply((0.9, 1.1), per_channel=0.5),
 iaa.FrequencyNoiseAlpha(
 exponent=(-2, 0),
 first=iaa.Multiply((0.9, 1.1), per_channel=True),
 second=iaa.ContrastNormalization((0.9, 1.1))
 )
 ]),
 iaa.ContrastNormalization((0.5, 2.0), per_channel=0.5), # improve or worsen the contrast
 ],
 random_order=True
 )
 ],
 random_order=True
 )
 im=np.zeros((16, 56, 100, 3), dtype=np.uint8)
 for c in range(0, 16):
 im[c]=image
 for im in range(len(grid)):
 misc.imsave(aug_path + "/" + filename + "_" + str(im) + ".jpg", grid[im])

const video=document.getElementById('cam');
const Layer='global_average_pooling2d_1';
const mobilenetInfer=m=> (p): tf.Tensor<tf.Rank>=> m.infer(p, Layer);
const canvas=document.getElementById('canvas');
const scale=document.getElementById('crop');
const ImageSize={
 Width: 100,
 Height: 56
};
navigator.mediaDevices
 .getUserMedia({
 video: true,
 audio: false
 })
 .then(stream=> {
 video.srcObject=stream;
 });

const grayscale=(canvas: HTMLCanvasElement)=> {
 const imageData=canvas.getContext('2d').getImageData(0, 0, canvas.width, canvas.height);
 const data=imageData.data;
 for (let i=0; i < data.length; i +=4) {
 const avg=(data[i] + data[i + 1] + data[i + 2]) / 3;
 data[i]=avg;
 data[i + 1]=avg;
 data[i + 2]=avg;
 }
 canvas.getContext('2d').putImageData(imageData, 0, 0);
};

let mobilenet: (p: any)=> tf.Tensor<tf.Rank>;
tf.loadModel('http://localhost:5000/model.json').then(model=> {
 mobileNet
 .load()
 .then((mn: any)=> mobilenet=mobilenetInfer(mn))
 .then(startInterval(mobilenet, model));
});

const startInterval=(mobilenet, model)=> ()=> {
 setInterval(()=> {
 canvas.getContext('2d').drawImage(video, 0, 0);
 grayscale(scale
 .getContext('2d')
 .drawImage(
 canvas, 0, 0, canvas.width,
 canvas.width / (ImageSize.Width / ImageSize.Height),
 0, 0, ImageSize.Width, ImageSize.Height
 ));
 const [punching]=Array.from((
 model.predict(mobilenet(tf.fromPixels(scale))) as tf.Tensor1D)
 .dataSync() as Float32Array);
 const detect=(window as any).Detect;
 if (punching >=0.4) detect && detect.onPunch();
 }, 100);
};

const punches=require('fs')
 .readdirSync(Punches)
 .filter(f=> f.endsWith('.jpg'))
 .map(f=> `${Punches}/${f}`);
const kicks=require('fs')
 .readdirSync(Kicks)
 .filter(f=> f.endsWith('.jpg'))
 .map(f=> `${Kicks}/${f}`);
const others=require('fs')
 .readdirSync(Others)
 .filter(f=> f.endsWith('.jpg'))
 .map(f=> `${Others}/${f}`);
const ys=tf.tensor2d(
 new Array(punches.length)
 .fill([1, 0, 0])
 .concat(new Array(kicks.length).fill([0, 1, 0]))
 .concat(new Array(others.length).fill([0, 0, 1])),
 [punches.length + kicks.length + others.length, 3]
);
const xs: tf.Tensor2D=tf.stack(
 punches
 .map((path: string)=> mobileNet(readInput(path)))
 .concat(kicks.map((path: string)=> mobileNet(readInput(path))))
 .concat(others.map((path: string)=> mobileNet(readInput(path))))
) as tf.Tensor2D;

內(nèi)容來源于@什么值得買APP，觀點僅代表作者本人 ｜作者：別比比了我知道我很帥

一、購買理由

在這個92#油價突破8元大關(guān)、饅頭漲到1塊1個、顯卡天價一卡難求，啥啥都漲價就工資沒漲還越來越卷的現(xiàn)狀下，要想提高生活質(zhì)量，就得開源和節(jié)流，開源咱不懂，節(jié)流倒是可以和大家分享分享經(jīng)驗。這次主要想向大家分享一款性價比非常高，只要幾百塊就能暢玩一百多款體感游戲、幾百款上代、上上代游戲大作，卻被人們遺忘許久的家庭娛樂健身神器——Xbox 360。

（1）什么是XBOX360?

Xbox 360是微軟的第2代家用游戲主機。2005年11月面世，在服役了10多年之后，于2016年4月由官方宣布Xbox360全系列主機正式停產(chǎn)，這款游戲機自2005年11月誕生以來，銷量已經(jīng)達到8400萬臺。

從發(fā)售至今,Xbox 360已經(jīng)發(fā)行過核心版、簡裝版、豪華版、精英版、Slim版以及各種游戲限量版，XBOX360向下全面兼容XBOX一代游戲。通過外置HD播放器，支持1080P的高清播放，2010年E3,微軟發(fā)布更輕薄的XBOX Slim主機，支持2010年11月上市的KINECT。2013年3月1日發(fā)布更輕、更薄的Xbox360 E版，配置與 Xbox360 Slim 相同。XBOX360擁有強勁的主機性能，并且在搶先發(fā)售的優(yōu)勢下領(lǐng)先其他競爭者，完善的網(wǎng)絡(luò)，豐富的游戲是XBOX360的優(yōu)勢。2010年底發(fā)售的KINECT將會把XBOX360推向一個更高的位置。

（2）XBOX360的型號區(qū)別?

這里主要簡單介紹一下雙65、S版和E版，這三款是目前能夠購買到的性價比比較高/且能夠正常穩(wěn)定使用的機型。

此段介紹引自百度XBOX360貼吧yy77zz置頂帖，僅為做科普，如有侵權(quán)，聯(lián)系本人刪除：

1. 雙65
雙65是08年底發(fā)售的，可以說是里程碑似的的一代主機，CPU和GPU都采用65nm工藝，徹底解決了之前的三紅問題，解決的微軟的質(zhì)量危機。目前也為很多玩家稱為最耐用、性價比最高的一代主機，目前仍在二手市場上有一定的交易量。究其原因除了價格便宜以外，雙65nm的CPU和GPU芯片采用獨立式設(shè)計，自制機開機快，運行穩(wěn)定等諸多優(yōu)點。但相比雙45nm的薄機缺點也是顯而易見的，芯片制作工藝低、體型大、功耗大、沒有無線網(wǎng)卡（不過可以利用USB無線網(wǎng)卡來實現(xiàn)無線連接WIFI功能）、沒有專用體感接口、閃存容量小，一般為256m、年代久遠無新機，返修機多、硬盤不好拆卸等。

2. S版
S版是指Xbox360 Slim版主機。2010年6月發(fā)售，S版主機的CPU和GPU都采用45nm工藝，并且集成到了一塊芯片當(dāng)中，內(nèi)置了 802.11N 無線網(wǎng)卡，從外觀上S版有明顯的瘦腰部分（俗稱小蠻腰），有4G閃存和內(nèi)置250G硬盤的兩種版本。內(nèi)置硬盤可從底部很方便的抽取拆卸，兩個小風(fēng)扇改為一個大風(fēng)扇，降低噪音，風(fēng)扇也更加安靜，電源開關(guān)和光驅(qū)按鈕采用觸感型按鈕設(shè)計，用戶只需要揮動手指，便可以完成開關(guān)機，彈出光驅(qū)等操作。更全的接口（有Kinect專用的電源和數(shù)據(jù)接口），更小的變壓器，與舊版互不兼容。跟厚機比，最大區(qū)別是外觀變了，CPU和GPU工藝是45nm，更省電，發(fā)熱量更小。當(dāng)然主板也做了更改，主要是為了防破解。

3.E版
E版是2013年E3展上發(fā)布的型號?？傮w上E版跟S版相比，改變更多的是外觀，只是為了外觀造型迎合當(dāng)時微軟的新主機XBOX ONE的造型才做的改變。而其內(nèi)部結(jié)構(gòu)、硬盤、散熱系統(tǒng)、光驅(qū)等等硬件配置并沒有太大改變，簡單地說就是Xbox360 Slim的換殼。

這三款中，我個人認為2013E版最美觀，論性價比雙65最高，S版相對最靠譜，畢竟有很多商家會拿S版改為E版出售。

價格建議：

根據(jù)我本人近期在海鮮市場上搜索記錄，大概600-1000元可以購買到以上3款任意機型帶單/雙手柄+Kinect體感識別器的套裝，非常劃算。

讓我們看看通過花費600-1000元能夠購買到什么：

1.一臺雙65/S版/E版的XBOX360游戲主機

2.1-2個游戲手柄

3.Kinect體感識別器套裝

4.一塊白送的硬盤（雖然不值什么錢但是自帶一堆游戲會省去很多麻煩）

當(dāng)前，600-1000元連一塊甜點級的二手顯卡都買不到！更別說這個價位的電腦幾乎無法流暢玩GTA5、NBA2K18、孤島危機3等游戲，更別說XBOX360還能玩一百多個體感游戲了，屬實降維打擊。

讓我們再看看XBOX360支持哪些游戲：

XBOX360 KINECT支持的英文體感游戲（僅部分約109款）：

XBOX360支持的中文游戲（僅部分約255款）：

X360CH001 – 11只眼 交錯的視線[中文][GOD]

X360CH002 – FIA世界汽車?yán)﹀\標(biāo)賽4[中文][GOD]

X360CH003 – FIFA2013[中文][GOD]

X360CH004 – FIFA2014[中文][GOD]

X360CH005 – FIFA2015[中文][GOD]

X360CH006 – kinect運動大會2[KINECT體感][中文][GOD]

X360CH007 – kinect運動大會[KINECT體感][中文][GOD]

X360CH008 – NBA2K12 美國職業(yè)籃球[傳奇表演DLC][中文][GOD]

X360CH009 – NBA2K13 美國職業(yè)籃球[中文][GOD]

X360CH010 – NBA2K14 美國職業(yè)籃球[中文][GOD]

X360CH011 – NBA2K15 美國職業(yè)籃球[中文][GOD]

X360CH012 – NBA2K16 美國職業(yè)籃球[中文][GOD]

X360CH013 – NBA2K17 美國職業(yè)籃球[中文][GOD]

X360CH014 – NBA2K18 美國職業(yè)籃球[中文][GOD]

X360CH015 – Nike教練幫你健身[KINECT體感][中文][GOD]

X360CH016 – 愛麗絲 瘋狂回歸[中文][GOD](不死機版)

X360CH017 – 暗黑破壞神3[中文][GOD]

X360CH018 – 暗黑之魂(黑暗之魂)2[中文][GOD]

X360CH019 – 暗黑之魂(黑暗之魂)2 原罪哲人[中文][GOD]

X360CH020 – 暗黑之魂(黑暗之魂)受死版[中文][GOD]

X360CH021 – 暗影狂奔[中文][GOD]

X360CH022 – 班卓熊 神奇螺絲[中文][GOD]

X360CH023 – 寶貝萬歲[中文][GOD]

X360CH024 – 寶貝萬歲 歡樂派對[中文][GOD]

X360CH025 – 寶貝萬歲 天堂煩惱[中文][GOD]

X360CH026 – 炙熱之魂[中文][GOD]

X360CH027 – 蝙蝠俠 阿甘起源(阿卡姆起源)[中文][GOD]

X360CH028 – 蝙蝠俠 阿甘之城(阿卡姆之城)[中文][GOD]

X360CH029 – 蝙蝠俠 黑門[中文][GOD]

X360CH030 – 蝙蝠俠 秘密系譜(1-5全集)[中文][GOD]

X360CH031 – 變形金剛暗焰崛起[中文][GOD]

X360CH032 – 波斯王子5 遺忘之沙[中文][GOD]

X360CH033 – 蒼翼默示錄[中文][GOD]

X360CH034 – 蒼翼默示錄 連續(xù)變換[中文][GOD]

X360CH035 – 蒼翼默示錄 連續(xù)變換 擴展版 [中文][GOD]

X360CH036 – 超級爆摔跤[中文][GOD]

X360CH037 – 熾焰帝國末日之環(huán)[中文][GOD]

X360CH038 – 除暴戰(zhàn)警2(鎮(zhèn)壓2)[中文][GOD]

X360CH039 – 除暴戰(zhàn)警[中文][GOD]

X360CH040 – 刺客信條2[中文][GOD]

X360CH041 – 刺客信條3[中文][GOD]

X360CH042 – 刺客信條4黑旗[中文][GOD]

X360CH043 – 刺客信條 叛變[中文][GOD]

X360CH044 – 刺客信條 啟示錄[中文][GOD]

X360CH045 – 刺客信條 兄弟會[中文][GOD]

X360CH046 – 戴斯班克陪根[中文][GOD]

X360CH047 – 德軍總部新秩序[中文][GOD]

X360CH048 – 迪士尼皮克斯大冒險[KINECT體感][中文][GOD]

X360CH049 – 迪斯尼樂園大冒險[KINECT體感][中文][GOD]

X360CH050 – 敵軍前線[中文][GOD]

X360CH051 – 洞穴2[中文][GOD]

X360CH052 – 多重陰影[XBLA][中文]

X360CH053 – 惡靈附身[中文][GOD]

X360CH054 – 惡魔城 暗影之王2[中文][GOD]

X360CH055 – 惡魔城 暗影之王[中文][GOD]

X360CH056 – 惡魔城 暗影之王 命運之鏡(宿命鏡面)[中文][GOD]

X360CH057 – 二進制領(lǐng)域[中文][GOD]

X360CH058 – 翡翠王國[中文][GOD]

X360CH059 – 分裂細胞5斷罪[中文][GOD]

X360CH060 – 瘋狂大亂斗2[中文][GOD]

X360CH061 – 孤島驚魂3[中文][GOD]

X360CH062 – 孤島驚魂4[中文][GOD]

X360CH063 – 孤島危機1[中文][GOD]

X360CH064 – 孤島危機2[中文][GOD]

X360CH065 – 孤島危機3[中文][GOD]

X360CH066 – 古墓麗影9[中文][GOD]

X360CH067 – 古墓麗影 崛起[18DLC][中文][GOD]

X360CH068 – 光環(huán)3最后一戰(zhàn)[中文語音][中文][GOD]

X360CH069 – 光環(huán)4[中文][GOD]

X360CH070 – 光環(huán)HD高清重制版[中文][GOD]

X360CH071 – 光環(huán) 地獄傘兵[中文][GOD]

X360CH072 – 光環(huán) 斯巴達突襲[中文][GOD]

X360CH073 – 光環(huán)戰(zhàn)爭[中文][GOD]

X360CH074 – 光環(huán) 致遠星[中文][GOD]

X360CH075 – 光之子[中文][GOD]

X360CH076 – 鬼魂力量3(圣魔戰(zhàn)記3無罪的狂熱)[中文][GOD]

X360CH077 – 鬼泣5 全DLC[中文][GOD]

X360CH078 – 鬼屋魔影5(國語配音)[中文][GOD]

X360CH079 – 致命慣性[中文][GOD]

X360CH080 – 行尸走肉 生存本能[中文][騏驥漢化組][GOD]

X360CH081 – 航母指揮官 蓋亞行動[中文][GOD]

X360CH082 – 合金獵犬[中文][GOD]

X360CH083 – 合金裝備崛起 復(fù)仇[中文][GOD]

X360CH084 – 黑暗潛伏者[中文][GOD]

X360CH085 – 黑手黨2[中文][GOD]

X360CH086 – 黑手黨 黑幫之城[中文][GOD]

X360CH087 – 歡樂戰(zhàn)爭[中文][GOD]

X360CH088 – 忠勇之心 偉大戰(zhàn)爭[中文][GOD]

X360CH089 – 荒野大鏢客 救贖 年度版[漢化v2.0][全DLC][軒轅漢化組][GOD]Disk1+2

X360CH090 – 皇牌空戰(zhàn)6[中文][GOD]

X360CH091 – 火爆狂飆 復(fù)仇[中文][GOD]

X360CH092 – 火焰限界[中文][GOD]

X360CH093 – 火影忍者疾風(fēng)傳 究極忍者風(fēng)暴 革命[中文][GOD]

X360CH094 – 終極街頭霸王4(終極街霸4)[中文][XEX]

X360CH095 – 火影忍者 究極忍者風(fēng)暴2[中文][GOD]

X360CH096 – 火影忍者 究極忍者風(fēng)暴3完全爆發(fā)[中文][GOD]

X360CH097 – 極品飛車9 最高通緝[中文][GOD]

X360CH098 – 極品飛車10 卡本溪谷[中文][GOD]

X360CH099 – 極品飛車11 街頭狂飆[中文][GOD]

X360CH100 – 極品飛車12 無間風(fēng)云[中文][GOD]

X360CH101 – 極品飛車13 變速[中文][GOD]

X360CH102 – 極品飛車14 熱力追蹤3[中文][GOD]

X360CH103 – 極品飛車15 變速2[中文][GOD]

X360CH104 – 極品飛車16 亡命天涯[中文][GOD]

X360CH105 – 極品飛車17 最高通緝[中文][GOD]

X360CH106 – 極品飛車18 宿敵[中文][GOD]

X360CH107 – 極限競速2[中文][GOD]

X360CH108 – 極限競速3[中文][GOD]

X360CH109 – 極限競速4年度版[中文][GOD]

X360CH110 – 極限競速 地平線2[中文][GOD]

X360CH111 – 極限競速 地平線[中文][GOD]

X360CH112 – 劍勇傳奇 忍者龍劍傳Z[中文][GOD]

X360CH113 – 街霸X鐵拳[中文][GOD]

X360CH114 – 勁舞革命宇宙3 中文曲特別版[中文][GOD]

X360CH115 – 九十九夜[中文][GOD]

X360CH116 – 狙擊精英3[中文][軒轅漢化組][GOD](建議使用XEX版)

X360CH117 – 狙擊精英3[中文][軒轅漢化組][XEX]

X360CH118 – 狙擊精英V2[中文][GOD]

X360CH119 – 狙擊手 幽靈戰(zhàn)士2[中文][GOD]

X360CH120 – 凱蜜歐傳說 力量元素[中文][GOD]

X360CH121 – 凱瑟琳[中文][GOD]

X360CH122 – 看門狗[血恨交織DLC][中文][GOD]

X360CH123 – 藍龍[中文][GOD]

X360CH124 – 樂高蝙蝠俠3飛躍哥譚市[中文][GOD]

X360CH125 – 樂高霍比特人[中文][GOD]

X360CH126 – 樂高漫威超級英雄[中文][GOD]

X360CH127 – 兩個世界[中文][GOD]

X360CH128 – 獵天使魔女[中文][GOD]

X360CH129 – 裝甲核心5[中文][GOD]

X360CH130 – 龍騰世紀(jì)2[中文][GOD]

X360CH131 – 龍騰世紀(jì)3審判[中文][GOD]

X360CH132 – 龍之信條黑暗覺醒[中文][GOD]

X360CH133 – 馬克思佩恩3[中文][GOD]

X360CH134 – 冒險家計劃[中文][GOD]

X360CH135 – 命運石之門(斯坦因之門)[中文][GOD]

X360CH136 – 模擬山羊[中文][GOD]

X360CH137 – 謀殺靈魂疑犯[中文][GOD]

X360CH138 – 木偶快槍手[KINECT體感][中文][GOD]

X360CH139 – 幕府將軍的頭骨[中文][GOD]

X360CH140 – 南方公園真理之杖[中文][GOD]

X360CH141 – 虐殺原型2[中文][GOD]

X360CH142 – 秋之回憶7 打勾勾的記憶[中文][GOD]

X360CH143 – 求生之路2[中文][GOD]

X360CH144 – 求生之路[中文][GOD]

X360CH145 – 權(quán)力的游戲 全6章[中文][GOD]

X360CH146 – 全民派對[中文][GOD]

X360CH147 – 拳皇13[中文][GOD]

X360CH148 – 熱血無賴 沉睡的獵犬[中文][GOD]

X360CH149 – 忍者龍劍傳2[中文][GOD]

X360CH150 – 忍者龍劍傳3[中文][GOD]

X360CH151 – 忍者龍劍傳3 刀鋒邊緣[中文][GOD]

X360CH152 – 忍者之刃[中文][GOD]

X360CH153 – 榮譽勛章[中文][GOD]

X360CH154 – 榮譽勛章 戰(zhàn)士[中文][GOD]

X360CH155 – 喪尸圍城2[中文][GOD]

X360CH156 – 殺手5 赦免[中文][GOD]

X360CH157 – 殺手已死[中文][GOD]

X360CH158 – 閃回[中文][GOD]

X360CH159 – 上古卷軸5傳奇版[中文][GOD]

X360CH160 – 深淵奧德賽[中文][GOD]

X360CH161 – 神鬼寓言1高清重制周年紀(jì)念版[中文][GOD]

X360CH162 – 神鬼寓言2年度白金版[中文][GOD]

X360CH163 – 神鬼寓言3[中文][GOD]

X360CH164 – 神鬼寓言 旅途[KINECT體感][中文][GOD]

X360CH165 – 神鬼寓言 英雄[XBLA]

X360CH166 – 神偷4[中文][GOD]

X360CH167 – 生化奇兵2[中文][GOD]

X360CH168 – 生化奇兵3 無限[中文][GOD]

X360CH169 – 生化奇兵[中文][GOD]

X360CH170 – 生化危機5[中文][GOD]

X360CH171 – 生化危機6[中文][GOD]

X360CH172 – 生化危機HD重置版[中文][GOD]

X360CH173 – 生化危機 啟示錄2[中文][GOD]

X360CH174 – 生化危機 啟示錄HD[中文][GOD]

X360CH175 – 體感大冒險[KINECT體感][中文][GOD]

X360CH176 – 失落的奧德賽 4DVD完整版[中文][GOD]

X360CH177 – 失落的星球3[中文][GOD]

X360CH178 – 實況足球2009[中文解說][中文][GOD]

X360CH179 – 實況足球2010[中文][GOD]

X360CH180 – 實況足球2011[中文][GOD]

X360CH181 – 實況足球2012[中文][GOD]

X360CH182 – 實況足球2013[中文][GOD]

X360CH183 – 實況足球2014[中文][GOD]

X360CH184 – 實況足球2015[中文][GOD]

X360CH185 – 實況足球2016[中文][GOD]

X360CH186 – 實況足球2017[中文解說][中文][GOD]

X360CH187 – 實況足球2018[中文][GOD]

X360CH188 – 使命召喚11 高級戰(zhàn)爭[中文][GOD]

X360CH189 – 世界街頭賽車(哥譚賽車計劃)3[中文][GOD]

X360CH190 – 世界街頭賽車(哥譚賽車計劃)4[中文][GOD]

X360CH191 – 世界摩托錦標(biāo)賽[中文][GOD]

X360CH192 – 獸人必須死[中文][XBLA].zip

X360CH193 – 死或生4[中文][GOD]

X360CH194 – 死或生5終極版[中文][GOD]

X360CH195 – 死或生 沙灘排球2[中文][GOD]

X360CH196 – 死或生 沙灘排球2[補丁版][中文][GOD]

X360CH197 – 死亡島 激流[中文][GOD]

X360CH198 – 死亡空間2[中文][GOD]

X360CH199 – 死亡空間3[中文][GOD]

X360CH200 – 泰坦隕落[中文][GOD]

X360CH201 – 特技摩托 進化[中文][XBLA].zip

X360CH202 – 特技摩托 聚變[中文][GOD]

X360CH203 – 天誅 千亂[中文][GOD]

X360CH204 – 完美特工前傳(完美黑暗零)[中文][GOD]

X360CH205 – 我的世界[中文][GOD]

X360CH206 – 我的世界 故事模式 完整版[中文][GOD]

X360CH207 – 巫師2 國王刺客 加強版[中文][GOD]

X360CH208 – 無間戰(zhàn)神 非凡戰(zhàn)士[中文][GOD]

X360CH209 – 無限試駕[中文][GOD]

X360CH210 – 舞蹈中心3[KINECT體感][中文][GOD]

X360CH211 – 舞力全開 兒童版2014[中文][GOD]

X360CH212 – 勿忘我[中文][GOD]

X360CH213 – 洗碗工2吸血鬼的微笑[中文][GOD]

X360CH214 – 洗碗工 死亡武士[中文][GOD]

X360CH215 – 細胞分裂6 黑名單[中文][GOD]

X360CH216 – 俠盜獵車手5 GTA5(直裝雙碟版)[v1.21][中文][GOD]

X360CH217 – 心靈殺手[中文][GOD]

X360CH218 – 心靈殺手 美國惡夢[中文][GOD]

X360CH219 – 星球大戰(zhàn)[KINECT體感][中文][GOD]

X360CH220 – 型可塑[中文][GOD]

X360CH221 – 幽閉圣地2[中文][GOD]

X360CH222 – 戰(zhàn)地3[中文][GOD]

X360CH223 – 戰(zhàn)地4[BUG修正版][中文][GOD]

X360CH224 – 裝甲核心 判決日[中文][GOD]

X360CH225 – 戰(zhàn)地 硬仗[中文][GOD]

X360CH226 – 戰(zhàn)爭機器1[中文][GOD]

X360CH227 – 戰(zhàn)爭機器2[中文][GOD]

X360CH228 – 戰(zhàn)爭機器3[中文][GOD]

X360CH229 – 戰(zhàn)爭機器 審判[中文][GOD]

X360CH230 – 真三國無雙5[中文][GOD]

X360CH231 – 真三國無雙5帝國[中文][GOD]

X360CH232 – 真三國無雙7[中文][GOD]

X360CH233 – 真三國無雙 聯(lián)合突襲特別版[中文][GOD]

X360CH234 – 舞蹈中心2[KINECT體感][中文][GOD]

X360CH235 – 植物大戰(zhàn)僵尸 花園戰(zhàn)爭[中文][GOD]

X360CH236 – 質(zhì)量效應(yīng)2[中文][GOD]

X360CH237 – 質(zhì)量效應(yīng)3[中文][GOD]

X360CH238 – 最終幻想13-2[中文][GOD]

X360CH239 – 最終幻想13-3 雷霆歸來[中文][GOD]

X360CH240 – 暗影帝國[中文][XLBA]

X360CH241 – 城堡毀滅者[中文][XLBA]

X360CH242 – 風(fēng)卷殘云[中文][XLBA]

X360CH243 – 颶風(fēng)雷霆賽艇[中文][XLBA]

X360CH244 – 卡卡頌[中文][XLBA]

X360CH245 – 卡坦島[中文][XLBA]

X360CH246 – 淘金者 進化版[中文][XLBA]

X360CH247 – 突擊英雄[中文][XLBA]

X360CH248 – 玩具士兵 冷戰(zhàn)[中文][XLBA]

X360CH249 – 逍遙賽車[KINECT體感][中文][GOD]

X360CH250 – 新體感腦力鍛煉[KINECT體感][中文][GOD]

X360CH251 – 型可塑 健身進化2012[KINECT體感][中文][GOD]

X360CH252 – 假日大飆車[KINECT體感][中文][GOD]

X360CH253 – 健身教練[中文語音][KINECT體感][中文][GOD]

X360CH254 – 舞力全開2017[KINECT體感][中文][GOD]

X360CH255 – 反恐精英 全球攻勢 CSGO[中文][XBLA]

還支持XBLA DLC全集(225個)，在此就不一一列舉了，以上也只是我能搜集到的XBOX360支持的部分游戲，我個人感覺已經(jīng)足夠我玩了，實際上根本玩不過來，而以上未列出的更多游戲非常歡迎評論區(qū)大神進行補充。

今天主要向大家分享Xbox 360的體感游戲體驗，我認為在現(xiàn)有所有游戲主機中（來來來把PC也算上拉進來一起A了），論體感性能，Xbox 360+Kinect的組合無疑是最好的，它不僅支持最多數(shù)量的體感游戲，同時體感的操作和靈敏度也是最佳的，并且支持最多6人同時享受體感游戲的歡樂體驗。

在此簡單介紹一下XBOX得以實現(xiàn)如此精準(zhǔn)的體感識別的最大功臣——Kinect

Kinect是微軟在2009年6月2日的E3大展上，正式公布的XBOX360體感周邊外設(shè)。Kinect徹底顛覆了游戲的單一操作，使人機互動的理念更加徹底的展現(xiàn)出來，網(wǎng)友普遍稱其中文名為“啃奶特”。它是一種3D體感攝影機(開發(fā)代號“Project Natal”)，同時它導(dǎo)入了即時動態(tài)捕捉、影像辨識、麥克風(fēng)輸入、語音辨識、社群互動等功能。玩家可以通過這項技術(shù)在游戲中開車、與其他玩家互動、通過互聯(lián)網(wǎng)與其他Xbox玩家分享圖片和信息等。

微軟的Kinect不需要使用任何控制器，它依靠相機捕捉三維空間中玩家的運動。這個系統(tǒng)也辨識人臉，讓玩家自動連上游戲。它還可辨認聲音和接受命令。在游戲示范中，玩家們用腳踢僅存在于屛幕中的足球，并用伸手設(shè)法攔阻進球。在駕駛游戲中，玩家轉(zhuǎn)動想像中的方向盤來操控電視游戲中的賽車。在繪畫游戲，玩家則是說出顏色--“藍色”或“淺褐色”--然后搖擺雙臂來在數(shù)碼式畫板上飛濺一片油漆?！园俣劝倏?/span>

Kinect的校準(zhǔn)與識別簡單演示：

從視頻可以看到，設(shè)置好的Kinect對體感的識別非常精準(zhǔn)！并且識別延遲相當(dāng)?shù)汀?/span>

二、一點照騙

▲XBOX360主機+kinect+手柄全家福

▲XBOX360主機+手柄

▲XBOX360主機

▲XBOX360主機

▲Kinect體感攝像頭

三、體感游戲?qū)Ρ?/h1>

在此主要選擇舞力全開這款游戲與Switch對比，舞力全開可以在這兩個主機平臺運行，無非游戲版本有所區(qū)別，核心玩法其實都是一樣的。

（1）XBOX360+舞力全開2014：

實際上XBOX360最高可以玩舞力全開的2019版本，而我用2014來對比主要是因為特別喜歡里邊這首Moskau，非常魔性動作也不難，和我家隊友跳起來非常歡樂哈哈哈哈。

具體可以看視頻（不想看視頻的可以看下邊的動圖），記得一定打開聲音。。否則我倆看起來真的很傻哈哈哈哈：

GIF圖：

雙機位拍攝之后置機位視角：

雙機位拍攝之Kinect視角+系統(tǒng)鬼畜剪輯：

雙機位拍攝之Kinect視角+系統(tǒng)鬼畜剪輯+系統(tǒng)自帶特效：

（2）Switch+舞力全開2020：

Switch的體感游戲需要把joy-con握在手中，實際應(yīng)該只能識別手部動作，對非手部區(qū)域的識別比較隨緣。。

實際上不論XBOX360還是Switch的體感游戲體驗都是不錯的，畢竟我和媳婦都屬于四肢簡單運動細胞不發(fā)達的人，每次跳舞就是圖個樂，盡力完成屏幕上的動作，沒有太高要求，突出一個隨心所欲，想怎么跳就怎么跳哈哈哈，快樂就完事了！

而Switch相對于XBOX360最欠缺的是kinec的自動錄制+鬼畜剪輯功能！xbox360通過剪輯kinect拍攝的視頻，每首歌曲結(jié)束后都會給我們做鬼畜剪輯小彩蛋！簡直太贊了！我們每次跳完舞最期待的就是看系統(tǒng)把我們剪輯成了什么奇怪的樣子哈哈哈哈，超級快樂！這種快樂是NS等其他游戲主機無法體驗的！因為在Switch上玩體感游戲你完全不知道自己的動作到底做成了啥樣哈哈哈。

XBOX360除了舞力全開之外還有很多款體感游戲比如體感游戲聚會、體感運動會、體感聚會、尊巴、節(jié)奏派對、龍珠Z等等，以及GTA5等多款上代游戲大作，而NS上也可以玩塞爾達等神作（塞爾達是天?。笥袝r間再錄制相關(guān)視頻向大家分享吧。

▲XBOX360+體感龍珠Z

▲XBOX360+體感運動會2

▲Switch+塞爾達傳說

四、總結(jié)

（1）XBOX360的優(yōu)點：

游戲性對比：

1.XBOX可以支持255款以上的中文游戲，109個體感游戲，還有225個XBLA DLC，游戲資源非常豐富。

2.XBOX最值得一提的就是他的體感游戲功能！可以說是我目前玩過所有的游戲設(shè)備中體感做的最好的，沒有之一！kinect物理攝像頭+FACE ID前身算法加持，動作識別非常精準(zhǔn)?。ㄏ啾认聛鞱S那個體感真真兒是個玩具....emmm）同時還可以錄制你玩體感游戲的畫面，在游戲結(jié)束后回放看看自己的動作是否標(biāo)準(zhǔn)，和小伙伴一起看對方到底在游戲中做了哪些奇怪的動作哈哈哈，非常快樂！游戲氛圍拉滿。

▲感謝值友“天空染藍了?！钡目破?/span>

功能性對比：XBOX360除了可以玩一些經(jīng)典游戲大作，還能玩體感游戲與家人一起進行身體鍛煉、家庭娛樂，當(dāng)然它還可以作為看電影、聽音樂，只是作為視頻播放器來說支持格式較少，此功能基本可以忽略。

價格對比：XBOX海鮮市場600-1000元就能搞定，暢玩109款體感游戲+255款以上的中文游戲大作，簡直超值！

（2）XBOX360的不足：

1.游戲版本比較老，大多數(shù)獨占游戲現(xiàn)在幾乎都已經(jīng)在pc端移植或者重制，不買它用PC也能玩！

2.玩體感游戲需要一定空間環(huán)境才能使用，游戲前清除空間中的所有障礙物，如：茶幾、桌椅板凳、沙發(fā)等，玩家與kinect體感識別器最好保持2-3米距離為佳。

kinect體感對環(huán)境的要求和注意事項：

? 最好有一個大一點的電視，推薦50寸以上，這樣玩起來才夠爽。
? 最好在一個無障礙的空間進行體感游戲，在游戲前清除空間中的所有障礙物，如：茶幾、桌椅板凳、沙發(fā)等；
? 與體感器保持1.8米以上的距離，建議有條件的保持2米以上；
? 雙人以上游戲需要更大空間，同時要注意，在玩的盡興時不要弄傷同伴；
? 如果有條件最好在活動區(qū)域鋪上一張墊子；
? 不建議赤腳進行體感游戲，最好穿上一雙舒適的跑步鞋；
? 穿著單一、寬松（運動裝）；
? 室內(nèi)溫度冬天保持恒溫，夏天保持通風(fēng)；
? 保持室內(nèi)光線充足，但不要有反光，避免陽光紫外線直接照射；
? 游戲過程中不要脫離體感的感應(yīng)區(qū)，超出范圍后體感游戲會自動暫停，并提示玩家返回有效區(qū)域；
? 體感器的角度都自動調(diào)節(jié)的，切記不要手動調(diào)節(jié)，會造成硬件損傷；
? 體感器安裝并調(diào)試好后，除了可以在專用體感游戲中使用體感操作以外，還可以在官方系統(tǒng)或FSD界面中利用體感器進行菜單的選擇和確認；
? 玩體感游戲必須創(chuàng)建人偶和設(shè)定檔。

此段介紹引自百度XBOX360貼吧yy77zz置頂帖，僅為做科普，如有侵權(quán)，聯(lián)系本人刪除。

總結(jié)：說實話我使用XBOX360主要就是看上了它的體感功能，就像我之前入坑國行版SWITCH一樣，都屬于根據(jù)自身需求來購買——我只玩健身娛樂類游戲，對其他游戲興趣不大，更對其他游戲的DLC和聯(lián)機功能沒有任何需求。而購買xbox360只需要花費幾百塊就能得到遠超NS的體感游戲體驗！這還不夠香嗎？它的體感游戲涉及多個游戲類型，健身類比如舞力全開、尊巴、節(jié)奏派對等，家庭娛樂型比如體感運動會，竟然還有對抗類的體感游戲龍珠Z，一百多個體感游戲我還沒有時間一一嘗試，之后我會把口碑比較好、我自己玩覺得很有意思的幾款游戲體驗分享給大家，如果你也有相同的需求，我個人建議完全可以考慮購買一臺XBOX360玩體感游戲，如果有隊友一起玩只能說太歡樂了哈哈哈，同時這玩意吃灰了也不會覺得心疼，考慮回血的話出手也就虧個百八十塊，堪稱最省錢的家庭健身娛樂合家歡利器！