JP2017049983A - 分析システム及び方法 - Google Patents

Abstract

【課題】リアルタイムゲーム環境で使用するのに適合した分析システムを提供する。
【解決手段】分析システム（リアルタイムゲーム環境５０）は、ゲーム環境内の複数の場所に配置された複数のゲームステーションを含む。各ゲームステーションは、複数のゲーム対象物を表示するための表示ゾーンを含む。分析システムは、表示ゾーンに表示される複数のゲーム対象物に対応する対象物データを取り込む少なくとも１つのセンサを含む。加えて、センサに結合されると共に、複数のゲーム対象物に対して識別データを生成する少なくとも１つのプロセッサを含む。また、マルチエージェントに基づくシステムを含む。さらに、マルチエージェントに基づくシステムに結合されると共に、ユーザが各ゲームステーションで起こる複数のイベントを監視する監視モジュールを含む。
【選択図】図２

Description

本発明は、一般に、分析システムに関し、且つ、より具体的には、ネットワークを通して相互連結された近接対象物を使用することによって顧客対話を管理するためのシステム及び方法に関する。

通常、組織において、迅速なビジネス判断は、組織の成長に対して重大な役割を果たす。現在、ビジネス判断は、正確なデータが不足しているために、効率が悪い。現在のシステムでは、正確なデータ収集モジュールは、履行のコストを増加させる。加えて、データ収集技術及びデータ消費技術は、待ち時間を有し、このことは、ビジネス判断の遅れという結果をもたらす。ビジネス判断は、通常、データが取り込まれ、且つ利用可能となる質及び速度に頼っている。

現在のところ、組織は、データを取り込むために、手動的介入を使用している。データが手動的に取り込まれた後、意志決定が手動的に行われるか、又はデータが伝統的なＥＤＷ／ビッグデータストアの中に供給されるかのいずれかが起こるが、ここでＥＤＷ／ビッグデータストアは、ビジネス運営の中に事後洞察力を提供する。例えば、小売業者は、今日、企業に流入するデータの割合及び、莫大な配列のソース、データタイプ、データの組み合わせによって麻痺しているが、これらから、洞察力及び決定が生成される。自然な小売環境において、データの取り込みプロセス及び収集プロセスを自動化することは、より一貫性のある、定量化された、且つ正確なデータを産み出し、これによって、手動的観察及び視点報告に由来する変動及びエラーを低減する。

別の例において、カジノでは、ブラックジャック、ポーカー又はバカラのようなゲーム台からリアルタイムデータを取り込むことは、きわめて重要である。ビジネス洞察力がリアルタイムで生成されるように、最小限の待ち時間で、リアルタイムデータを収集することが、しばしば望まれる。ビジネス洞察は、その時、フロアマネージャーに提供されるが、フロアマネージャーは、その後、開いているゲーム台の数を変更すること、フロアにおける異なるタイプのゲームの配分を変更すること、ディーラー効率などを改善することなど、動的なビジネスの必要性に応答することが可能となる。

それ故に、組織をまたいでリアルタイムイベントのデータを取り込み、収集し、且つ送信するプロセスを自動化するための、システム及び方法が必要とされる。

簡潔に言えば、本発明の一態様によれば、リアルタイムゲーム環境での使用に適合した分析システムが提供される。分析システムは、ゲーム環境内の複数の場所に配置された複数のゲームステーションを含む。各ゲームステーションは、複数のゲーム対象物を表示するための表示ゾーンを含む。分析システムは、表示ゾーンに表示された複数のゲーム対象物に対応する対象物データを取り込むように構成された、少なくとも１つのセンサを含む。加えて、分析システムは、少なくとも１つのプロセッサを含むが、このプロセッサは、センサと結合し、且つ複数のゲーム対象物に対して識別データを生成するように構成される。その上、分析システムはまた、マルチエージェントに基づくシステムを含む。マルチエージェントに基づくシステムは、複数のエージェントを定義すると共に配置するように構成されたコアエンジンを含む。複数のエージェントは、一人以上のユーザによって定義される、一組のプログラム可能なタスクを実施するように構成される。一組のプログラム可能なタスクは、対象物データで動作するように構成される。マルチエージェントに基づくシステムはまた、監視エンジンを含み、この監視エンジンは、複数のエージェントのライフサイクル、複数のエージェント間の通信、及びプログラム可能なタスクの処理時間を監視するように構成される。加えて、マルチエージェントに基づくシステムは、コンピューティングエンジンを含み、このコンピューティングエンジンは、コアエンジンに結合され、且つ一組のプログラム可能なタスクを実行するように構成される。最後に、分析システムは監視モジュールを含み、この監視モジュールは、マルチエージェントに基づくシステムに結合され、且つユーザが、各ゲームステーションで起こる複数のイベントを監視することを可能とするように構成される。

簡潔に言えば、本発明の更に１つの態様によれば、顧客体験を改善するための、モノのインターネットに基づく分析システムが提供される。分析システムは、設立物内の複数の場所に配置された、複数の対象物品を含む。その上、分析システムは、複数の対象物品に対応する画像データを取り込むように構成された、少なくとも１つのセンサを含む。分析システムは、少なくとも１つのプロセッサを含み、このプロセッサは、センサに結合され、且つ複数の対象物品に対して識別データを生成するように構成される。分析システムは、マルチエージェントに基づくシステムを含む。マルチエージェントに基づくシステムは、複数のエージェントを定義すると共に配置するように構成されたコアエンジンを含む。複数のエージェントは、一人以上のユーザによって定義される、一組のプログラム可能なタスクを実施するように構成される。一組のプログラム可能なタスクは、対象物データで動作するように構成される。マルチエージェントに基づくシステムは監視エンジンを含み、この監視エンジンは、複数のエージェントのライフサイクル、複数のエージェント間の通信、及びプログラム可能なタスクの処理時間を監視するように構成される。また、マルチエージェントに基づくシステムはコンピューティングエンジンを含み、このコンピューティングエンジンは、コアエンジンに結合され、且つ一組のプログラム可能なタスクを実行するように構成される。最後に、分析システムは監視モジュールを含み、この監視モジュールは、マルチエージェントに基づくシステムに結合され、且つユーザが、複数の対象物品に対して複数のビジネスパラメータを監視することを可能とするように構成される。

添付された図面を参照しながら、次の詳細な説明を読む場合、本発明の、これらの及び他の特徴、態様、及び利点が、より良く理解されてくるであろう。ここで添付された図面において、図面を通して、類似の文字は、類似の部分を表す。

本技術の態様に従って実行される、モノのインターネットに基づく分析システムの一実施形態のブロック図である。 本技術の態様に従って実行される、リアルタイムゲーム環境で使用するのに適合したモノのインターネットに基づく分析システムの一構成例である。 １つの方法を例示するフローチャートであり、該方法によって、「トランプカード」のようなゲーム対象物が、本技術の態様に従って識別される。 １つの方法を例示するフローチャートであり、該方法によって、「チップ」のようなゲーム対象物が、本技術の態様に従って識別される。 １つの方法を例示するフローチャートであり、該方法によって、多種多様なビジネスデータが、本技術の態様に従う機械学習及び統計的技術に基づいて取り込まれ、リアルタイム意志決定に対して使用可能になる。 １つの方法を例示するフローチャートであり、該方法によって、小売店からの製品入手可能性についてのリアルタイムデータが、本技術の態様に従って、取り込まれると共に分析される。

本発明は、モノのインターネット（Ｉｎｔｅｒｎｅｔ ｏｆ Ｔｈｉｎｇｓ）（ＩｏＴ）に基づく分析システムを提供し、この分析システムは、何人かの顧客に提供する環境で使用することに適合するように構成される。より具体的には、本発明は、顧客体験を理解すると共に改善するための、分析システムを提供する。モノのインターネット（ＩｏＴ）（あらゆるモノのインターネットとも呼ばれる）は、物理的対象物又は、電子機器、ソフトウェア、センサが埋め込まれた「モノ」のネットワーク、及び接続性であり、これは、国際電気通信連合の世界標準新規構想のインフラに基づいて、対象物が、データを、製造業者、オペレータ及び／又は他の接続された装置と交換することを可能とするためにある。特に、モノのインターネットは、対象物が感知され、且つ現存するネットワーク・インフラをまたいで遠隔的に制御されることを可能にし、これによって、物理的世界とコンピュータに基づくシステムとの間で、より直接的な統合のための機会を作り出し、且つ効率、正確さ及び経済的利益が改善されるという結果をもたらす。各モノは、その埋め込まれたコンピューティングシステムを通して、一意的に識別され、且つ現存するインターネット・インフラ内で相互運用することが可能である。

モノのインターネットに基づく分析システム及び方法は、実施例及び図面と共に説明される。明細書中で「一実施形態」、「実施形態」、「代表的な実施形態」に言及する場合、それは以下のことを示している。即ち、説明される実施形態は、特定の特徴、構造、又は特性を含んでもよいが、しかし全ての実施形態が、特定の特徴、構造、又は特性を必ずしも含まなくてもよい、ということを示している。その上、そのような言い回しは、必ずしも同じ実施形態を指していない。更に、特定の特徴、構造、又は特性が、１つの実施形態との関連において説明される場合、以下のことが提言される。即ち、明確に説明されていようとなかろうと、他の実施形態との関連において、そのような特徴、構造、又は特性に影響を及ぼすことは、当業者の知識の範囲内にある、ということが提言される。

本明細書で開示されるＩｏＴに基づく分析システムは、端末間能力を可能にするが、この端末間能力は、リアルタイムデータを取り込むステップ、及び的確なビジネス判断を行うための様々なシナリオを推奨するステップを含む。その上、ＩｏＴに基づく分析システムは、多種多様なビジネスデータを取り込み、機械学習及び統計的技術に基づいて、ほぼリアルタイムの意思決定を可能にし、且つそれをカスタマイズされた可視化構成要素と統合し、その結果、エンドユーザが迅速且つ効果的なビジネス判断を行うことを可能とする。

図１は、本技術の態様に従って実行されるモノのインターネットに基づく分析システムの一実施形態のブロック図である。ＩｏＴに基づく分析システム１０は、相互に接続されたシステムであり、このシステムは、２０−Ａから２０−Ｎまでの１つ以上の端末装置と、マルチエージェントに基づくシステム１８とを含む。各構成要素を、以下で更に詳しく説明する。

２０−Ａから２０−Ｎまでの端末装置は、顧客空間３０に配置された様々な物品のリアルタイム画像データを取り込むように構成される。本明細書で使用されるように、顧客空間は、顧客がしばしば行くビジネス設立物内の物理的領域を指す。一実施形態において、設立物は、ビジネス施設、小売店、消費者小売店、カジノ、ホテル及びレストラン、図書館、博物館などを含む。２０−Ａから２０−Ｎまでの端末装置は、１４−Ａから１４−Ｎまでのセンサと、１６−Ａから１６−Ｎまでのプロセッサとを備える。１４−Ａから１４−Ｎまでのセンサの例として、画像センサ、音声センサ、熱センサ、位置センサなどのような、小さく且つコスト効果の良いセンサが含まれる。１４−Ａから１４−Ｎまでのセンサは、組織の「目」及び「耳」として働き、且つコスト効果の良いやり方でリアルタイムビジネス運営データを集める。１４−Ａから１４−Ｎまでのセンサは、複数の対象物品に対応する画像データを取り込む。

１６−Ａから１６−Ｎまでのプロセッサは、１４−Ａから１４−Ｎまでの対応するセンサにそれぞれ結合され、且つセンサによって取り込まれた物品を識別するように構成される。一実施形態において、１６−Ａから１６−Ｎまでのプロセッサは、エージェント・ソフトウェア抽象モジュールを含み、このモジュールは、１４−Ａから１４−Ｎまでのセンサ上に知能レイヤを配置すると共に管理するように構成される。一実施形態において、エージェントは移動型装置であり、且つリアルタイムで、インフラ全体をまたいで、複製される、一時停止される、且つ拡張されることが可能である。特に、１６−Ａから１６−Ｎまでのプロセッサは、複数の対象物品に対して識別データを生成する。

マルチエージェントに基づくシステム１８は、２２−Ａから２２−Ｎまでの一人以上のユーザによって定義される、一組のプログラム可能なタスクを受信するように構成される。監視モジュール３８は、マルチエージェントに基づくシステム１８に結合され、且つユーザが、複数の対象物品に対して、複数のビジネスパラメータを監視できるように構成される。本明細書で使用されるように、用語「ユーザ」は、自然人及び、「ユーザ」として動作する他の実体の両方を指してもよい。例として、法人、組織、企業、マネージャー、チーム、又は人々の他のグループが含まれる。この実施形態では、一組のプログラム可能なタスクは、リアルタイムデータで動作するように構成される。一組のプログラム可能なタスクの例として、ビジネス運営から収集されたリアルタイムデータ、ゲーム対象物に対応する対象物データ、アルゴリズム取引、不正検知、要求感知、支払い及び現金の監視、動的価格設定及び施設設備利用効率管理、データ安全性監視、サプライチェーン最適化などが含まれる。

マルチエージェントに基づくシステム１８はエージェントを備え、該エージェントは、２２−Ａから２２−Ｎまでの一人以上のユーザによって定義されるアプリケーションを表すように構成される。エージェントは、マルチエージェントに基づくシステムによって配置される他のエージェントと通信するように、更に構成される。マルチエージェントに基づくシステム１８は、プログラム可能なタスクを実施するためのエージェントを作り出すと共に配置するステップ、及びエージェントのライフサイクルを監視するステップのような様々な動作を実施する。加えて、マルチエージェントに基づくシステム１８は、複数の報告を生成するように構成され、ここで複数の報告は、ユーザが、複数の対象物品に関連付けられた複数のパターンを追跡することを可能にする。マルチエージェントに基づくシステム１８を、以下で図２において詳細に説明する。

図２は、モノのインターネット（ＩｏＴ）に基づく分析システムの構成例であり、このシステムは、本技術の態様に従って実行されるリアルタイムゲーム環境で使用することに適合している。ＩｏＴに基づく分析システム１０は、リアルタイムゲーム環境５０において実行され、且つマルチエージェントに基づくシステム４０を含むが、ここでマルチエージェントに基づくシステム４０は、２０−Ａから２０−Ｎまでの端末装置を通して、３２−Ａから３２−Ｎまでのゲームステーションからデータを取り込むように構成される。各端末装置は、対応するゲームステーションに隣接して配置される。各ゲームステーションは、複数のゲーム対象物を表示するための表示ゾーンを備える。一実施形態において、３２−Ａから３２−Ｎまでのゲームステーションは、ゲーム対象物を備え、該ゲーム対象物は、３４−Ａから３４−Ｎまでの１つ以上のトランプカードと、３６−Ａから３６−Ｎまでの１つ以上のベッティングチップの山とを含んでもよい。各構成要素を、以下で更に詳細に説明する。

マルチエージェントに基づくシステム４０は、リアルタイムエージェントに基づく知能枠組みであり、この知能枠組みは、知覚、記憶、相関、推論、予想、反応、伝達及び回顧のような知能の特性を特徴付ける。マルチエージェントに基づくシステム４０の機能性は、２０１４年６月２５日に出願された「Ｅｖｅｎｔ Ｐｒｏｃｅｓｓｉｎｇ Ｓｙｓｔｅｍｓ ａｎｄ Ｍｅｔｈｏｄｓ」と題するインド特許出願第３６４９／ＣＨＥ／２０１４号において詳細に説明されており、本明細書に援用される。

一実施形態において、リアルタイムゲーム環境５０はカジノであり、且つ複数のゲーム対象物は、３４−Ａから３４−Ｎまでのトランプカードと、３６−Ａから３６−Ｎまでのベッティングチップの山とを備える。この実施形態では、カジノフロア上で、ＩｏＴに基づく分析システム１０を配置することによって、ブラックジャック、ポーカー、バカラなどのようなゲーム台から、リアルタイムデータを取り込むことが可能である。

マルチエージェントに基づくシステム４０は、複数のエージェント４２と、コアエンジン４４と、監視エンジン４６と、コンピューティングエンジン４８とを含む。コアエンジン４４は、２２−Ａから２２−Ｎまでの一人以上のユーザによって定義される一組のプログラム可能なタスクを実施するために、エージェントを作り出すと共に配置するように構成される。エージェントはまた、予め定義されたエージェントのライブラリから選択してもよい。更に、コアエンジン４４は、予め定義されたエージェントの振舞いに従って、エージェントを機能化するステップを定義するように構成される。複数のエージェントは、一人以上のユーザによって定義される、一組のプログラム可能なタスクを実施するように構成される。一組のプログラム可能なタスクは、対象物データで動作するように構成される。

監視エンジン４６は、コアエンジン４４に結合され、且つエージェントのライフサイクル、複数のエージェント間の通信、及びプログラム可能なタスクの処理時間を監視するように構成される。コンピューティングエンジン４８は、監視エンジン４６に結合され、且つ一組のプログラム可能なタスクを実行するように構成される。特に、マルチエージェントに基づくシステム４０は、ベッティングパターン、識別されたチップ及びカード、又はこれらの組み合わせに関するトランザクションを決定するように構成される。マルチエージェントに基づくシステム４０は、統計的な総合ソフトウェアパッケージ（ｓｔａｔｉｓｔｉｃａｌ ｓｕｉｔｅ）を備え、このソフトウェアパッケージは、対象物データを処理するための複数の統計的ツールを備える。一実施形態において、対象物データは、複数のゲーム対象物の画像データを備える。

監視モジュール３８は、マルチエージェントに基づくシステム４０に結合され、且つ２２−Ａから２２−Ｎまでのユーザが、各ゲームステーションで起こっている複数のイベントを監視できるように構成される。３２−Ａから３２−Ｎまでのゲームステーションは、複数のゲーム対象物に対応する識別データを抽出するために、２０−Ａから２０−Ｎまでの端末装置に結合される。一実施形態において、各端末装置はセンサを含み、このセンサは、表示ゾーンに表示される複数のゲーム対象物に対応する対象物データを取り込むように構成される。加えて、各端末装置はプロセッサを含み、このプロセッサはセンサに結合され、且つ複数のゲーム対象物に対して識別データを生成するように構成される。プロセッサは、１枚のトランプカードのスート（ｃａｒｄ ｓｕｉｔ）及びカード値を決定するように構成される。加えて、プロセッサは、ゲームステーションで一人以上のプレイヤーが勝負するチップの数を決定するように構成される。

その上、端末装置は、３４−Ａから３４−Ｎまでのトランプに関する色、形、及び数を決定するように構成される。識別され、且つ取り込まれたデータは、リアルタイムでビジネス洞察力を生成するために、更に分析される。ビジネス洞察力は、例えば、ゲームフロアマネージャーが、開いているベット台の数を変更すること、フロア上での異なるタイプのゲームの配分を変更すること、及びディーラー効率を改善することのような、動的なビジネスの必要性に応答することを可能にする。

２０−Ａから２０−Ｎまでの端末装置は、進行中のゲームに関連するデータを取り込むために、３２−Ａから３２−Ｎまでのゲームステーションの周りの最適な場所に配置される。２０−Ａから２０−Ｎまでの端末装置は、コアエンジン４４によって配置されたエージェントを提供すると共に動作させて、各ゲームステーションに置かれた３４−Ａから３４−Ｎまでのトランプカード及び３６−Ａから３６−Ｎまでのベッティングチップの山を識別する。カード認識技術及びチップ認識技術が実行されるやり方を、以下で図３及び図４において詳しく説明する。

図３は１つの方法を例示するフローチャートであり、該方法によって、「トランプカード」のようなゲーム対象物が、本技術の態様に従って識別される。特に、プロセス６０は、ゲーム台上に置かれているトランプカードを検出し、抽出し、且つ識別するために使用される。説明において使用される「カード」及び「トランプカード」という用語は、同じ意味を表す。各ステップを、以下で更に詳細に説明する。

ステップ６２では、ゲーム環境におけるゲームステーションでのゲーム活動が記録される。この例では、ゲーム環境はカジノであり、且つゲームステーションはゲーム台を指し、そのゲーム台では数人のプレイヤーが、ブラックジャックゲームでベッドをしている。ステップ６４では、ゲーム台上のカードの画像が取り込まれる。一実施形態において、台の周りの、侵入的でない場所に配置された１つ以上のカメラを使用して、カードの映像及び／又は画像が記録される。

ステップ６６では、対象領域を識別し、且つ画像の乱れを除去するために、画像は前処理される。一実施形態において、安定フレーム抽出技術が使用されるが、これは、プレイヤー又はゲームディーラーの手の動きを含まないフレームを選択するためである。前処理ステップは、ゲーム台背景からトランプカードを分離することを含む。一実施形態において、フレーム除去がゲーム台の底部で定義され、且つ背景サブトラクションが、底部に関して実施される。上記ステップから得られる前景マスクが、ゲーム対象物に対してチェックされる。ある一定の閾値レベルを有する（トランプカードの）フレームは、安定フレームと考えられ、且つ更なる処理に向けられる。ある一定の閾値レベル未満のフレームは拒否され、且つ上記のステップが繰り返される。

ステップ６８では、カード値及びスートが、画像から抽出される。この実施形態では、画像からカード値及びスートを分割するために、且つ／又は抽出するために、分割技術が使用される。一実施形態において、分割技術は、試験フレーム及び参照フレームに関して実施される。試験フレームは、カードを有してもよいし、又はカードを有さなくてもよい。参照フレームは、（ゲーム台初期化の時点で取り込まれた）フレームであり、このフレームには、いかなるカードも存在しない。この実施形態では、参照フレームは、試験フレームから差し引かれ、且つ差分画像が、カード領域を特徴付けるための閾値と考えられる。

ステップ７０では、各プレイヤーが台上で行うベットを識別するために、各カードは、対応するプレイヤーに関連付けられる。一実施形態において、対応するプレイヤーにカードを関連付けるために、カード関連付け技術が使用される。この実施形態では、現存する輪郭のリストが収集される。活動中のプレイヤーの各々に対して、プレイヤーのカードが取り上げられる。そうでなければ、プレイヤーのベッティングサークルを中心とする八角形が、現存する輪郭のリストに追加される。一組の古い輪郭の中の各輪郭に対して、最も近い新しい輪郭（複数含む）が見出される。もし以前に活動していなかったプレイヤーが、ある輪郭に関連付けられる場合、カードの輪郭がプレイヤーの手に追加される。もし古い輪郭が単一の新しい輪郭に関連付けられる場合、新しい輪郭の縁から古い輪郭の縁までの距離が決定される。もし古い輪郭が２つの新しい輪郭に関連付けられる場合、スプリットが起こったと仮定され、且つ新しい輪郭は両方とも、プレイヤーの手に追加される。カード関連付け技術に由来する情報は、ゲーム台上のプレイヤーに対する手値である。

ステップ７２では、カードに関するブロブが識別されるが、ここでブロブは、スート及びカード値の周りの領域を表す。一実施形態において、カードに関するブロブは、閾値画像をフィルタ処理することによって識別される。閾値画像のフィルタ処理は、ブロブの周りのノイズ領域を除去することを含むが、これは、スートを容易に識別することを助ける。カード領域の所定範囲内にある領域を有するブロブは保持され、且つ残りは拒絶される。一実施形態において、カードは、ブロブ計数プロセス及び光学的文字認識（ＯＣＲ）プロセスを適用することによって識別される。

ブロブ計数プロセスは、画像からカードをマスクするステップと、境界を維持しながらノイズを除去するために、画像に対して両側からフィルタ処理を適用するステップとを含む。次に、最小チャンネルが、各チャンネルに対して選択され、且つそれを二値画像に変換するための適応型閾値方法を用いて測定される。最後に、カード領域内の輪郭を決定するために、輪郭検出技術が、二値画像について実施される。

光学的文字認識（ＯＣＲ）プロセスは、カード輪郭の角部を反復することによって、対象領域内の連続する三重項を選択するステップを含む。次に、カードの標準的な長さ／幅に対して、辺がチェックされる。もしいずれかの長さが一致する場合、固定された長さで線に沿って、点が選び出され、且つ対象領域が、標準的なカードの方位に沿って合わせられる。最後に、対象領域（ＲＯＩ）が、その後、前処理され、且つランダムフォレスト数字分類器を適用することによって分類される。カードのリストが戻され、このリストは、その後、次のステップによって使用される。

ステップ７６では、ゲーム台上の各プレイヤーの手の値が、カード値及びスートと統合される。一旦このデータが決定されると、ゲーム台上の各プレイヤーが勝負しているチップを、決定する必要がある。チップ認識の識別を、以下で図４において説明する。

図４は、１つの方法を例示するフローチャートであり、該方法によって、「チップ」のようなゲーム対象物が、本技術の態様に従って識別される。特に、プロセス８０は、ゲームの進展を追跡し、且つゲームが進行する間、各プレイヤーが行うベットを計算するために使用される。プロセス８０は、各プレイヤーがベットしたチップ（及び値）を識別する。注意してもよいことであるが、この技術は、数人のプレイヤーがブラックジャックゲームにベットをしているカジノの中のゲームステーションを参照しながら説明している。各ステップを、以下で更に詳細に説明する。

ステップ８２では、ゲーム環境におけるゲームステーションでのゲーム活動が記録される。ゲームの間、プレイヤーは、ベッティングサークルとして知られる指定された領域にチップを置くことによってベットする。プレイヤーはまた、サイドベットのための指定された領域にチップを置くことによって、サイドベットをすることが可能である。ステップ８４では、ゲーム台上のチップの画像が取り込まれる。一実施形態において、チップの映像及び／又は画像が、ゲーム台周りの、侵入的でない場所に配置されたカメラを使用して、記録される。

ステップ８６では、対象領域を識別し、且つ画像の乱れを除去するために、画像が前処理される。この実施形態では、映像及び／又は画像を取り込むために使用されるカメラは、安定していなくてもよく、且つ、それ故に、間欠的に移動してもよい。その結果、続いて起こるステップは、リスクがあるかもしれない。これを防止するために、取り込まれた画像の各フレームが受信され、且つ画像の乱れが除去された後に、フレーム安定化技術が適用される。フレーム安定化技術は、第１フレームを、取り込まれた画像の、続いて起こるそれぞれのフレームと比較し、自動較正と同様な変換を計算するが、しかしａｆｆｉｎｅ−ＳＩＦＴの代わりに、より軽量な、スケール不変特徴変換（Ｓｃａｌｅ−ｉｎｖａｒｉａｎｔ ｆｅａｔｕｒｅ ｔｒａｎｓｆｏｒｍ）（ＳＩＦＴ）を使用する。これは、映像の全ての「ｎ」フレームを誘発し、且つ変換マトリクスを更新する。このマトリクスは、その後、次の「ｎ」に対して入力ソースから来る全てのフレームを変換するために使用される。

ステップ８８では、画像の各フレームにおける対象領域（ＲＯＩ）が検出される。この実施形態では、フレームの中で１つ以上の対象領域（ＲＯＩ）を検出するために、自動較正技術が使用される。ＲＯＩは、各プレイヤーのためのサイドベッティングサークルに対応する一組のベッティングサークルである。一実施例において、ベッティングサークルは、自身の上に青い星を有するサークルであり、且つサイドベッティングサークルは、ベッティングサークルに隣接するサークルである。ベッティングサークル及びサイドベッティングサークルは、参照画像において印が付けられている。一実施形態において、これらのサークルの正確な場所を与えるために、ａｆｆｉｎｅ−ＳＩＦＴアルゴリズムが、参照フレームに対して適用される。

ステップ９０では、チップの山が検出される。この実施形態では、プレイヤーのＲＯＩの各々に対して、前景マスクが得られるが、これは、ノイズ低減の形態学的動作の前に、適応型ガウシアン混合モデル背景減算器（Ａｄａｐｔｉｖｅ Ｇａｕｓｓｉａｎ Ｍｉｘｔｕｒｅ Ｍｏｄｅｌ Ｂａｃｋｇｒｏｕｎｄ Ｓｕｂｔｒａｃｔｏｒ）（ＭＯＧ２）を使用することによる。更に、ＲＯＩに存在する、一組の切り離されたブロブが得られる。形、サイズ、安定性、距離などに関する多くの条件を満足するブロブを識別するために、チェックが行われる。もしこれら全ての条件を満足するブロブが存在する場合、その時は、他のブロブは排除される。満足されたブロブは標準化され、再整形され、且つ標準化されたサイズに再びサイズが合わせられる。更に、ノイズを有するブロブの部分は、切り取られる。

ステップ９２では、チップの山が分割される。この実施形態では、チップ分割技術は、以前に標準化された山を取り上げ、且つ最上チップのラベルを除去し、且つ山全体を「平坦にし」、その結果、山は、カメラが山を見下ろす代わりに、側面から眺められるように見えるであろう。これは、山の最上チップを識別することによって実施される。そして、楕円が最上チップにぴったりと合い、且つ、その後、その楕円を更に切断する。チップの山は、円柱を長方形に変える省略的なやり方で、引き上げられる。この山に対する単一チップの高さが、見積もられる。これは、ベッティングサークルが受けた変換を利用することによって行われる。長軸及び短軸の値は、カメラがゲーム台に対して作る角度に関する情報を与える。現実でのチップの既知の高さと共に、角度によって、現在の山における単一チップの高さを推測することが可能になる。この高さは、その後、山の中でチップを分割するために使用される。

ステップ９４では、チップの山が識別される。一実施形態において、チップ分割されたものの各々は、一画素高さの分割に更に分割され、且つ、その後、分類器に渡される。ステップ９６では、チップの山の全体値が計算される。ステップ９８では、チップの山の値が、カード認識データと統合される。

（図３で説明された）ステップ９８及びステップ７６から統合されたデータは、全てのゲーム台に対して、異なる指標を計算するために使用される。統合されたデータは、ゲーム環境におけるゲームステーション全体に対して、洞察力を生成するために使用される。このデータは、ビジネス指標を最適化するために、一人以上のフロアマネージャーに対して推奨案を提供する。ビジネス推奨案を提供するための、図３のカード識別プロセス及び図４におけるチップ識別プロセスが統合されるやり方を、以下で詳細に説明する。

図５は、１つの方法を例示するフローチャートであり、該方法によって、多種多様なビジネスデータが取り込まれ、本技術の態様に従う機械学習及び統計的技術に基づいて、カジノ環境におけるほぼリアルタイムの意志決定が可能とされる。特に、プロセス１００は、ゲーム対象の画像を取り込むと共に、図２で説明されたモノのインターネット（ＩｏＴ）分析システム１０を用いて、ゲームフロアマネージャーに対して推奨案を提供するために使用される。各ステップを、以下で更に詳細に説明する。

ステップ１０２では、ゲーム環境におけるゲーム対象物の複数の画像が取り込まれる。一実施形態において、ゲーム環境はカジノであり、且つ複数のゲーム対象物は、（図２で示すように）３４−Ａから３４−Ｎまでのトランプカードと、３６−Ａから３６−Ｎまでのベッティングチップの山とを備える。この実施形態では、カジノフロア上で、ＩｏＴ分析システム１０を配置することによって、ブラックジャック、ポーカー、バカラなどのようなゲーム台から、リアルタイムデータを取り込むことが可能である。この実施形態では、ゲーム環境におけるゲーム台の周りの、侵入的でない場所に配置されるカメラを備える端末装置は、画像を取り込むために使用される。

ステップ１０４では、ゲーム対象物を識別するために、画像処理が実施される。この実施形態では、プロセッサを備える端末装置は、ゲーム対象物（例えば、３４−Ａから３４−Ｎまでのトランプカード、及び３６−Ａから３６−Ｎまでのベッティングチップの山）を識別するために履行される。図３及び図４は、チップの山及びトランプカードに関する画像処理を詳細に説明する。

ステップ１０６では、ベッティングパターン及び／又は、ゲームステーションに置かれる、識別されたチップ及びカードに関する処理を実証するために、モノのインターネット（ＩｏＴ）に基づく分析が実施される。一実施例において、モノのインターネット（ＩｏＴ）に基づく分析は、ブラックジャックゲームの進展を追跡すると共に、ゲームが進行する間、各プレイヤーが行うベットを計算するステップを備える。分析は、各プレイヤーがベットしたチップ（及び値）を識別することによって実施される。ゲームの間、プレイヤーは、ベッティングサークルとして知られる指定された領域にチップを置くことによってベットする。プレイヤーはまた、サイドベットのために指定された領域にチップを置くことによって、サイドベットをすることが可能である。その上、ビッグデータ分析のための、一揃いの統計的アルゴリズムが、ベッティングパターンの分析に対して使用される。加えて、カスタマイズされた機械学習アルゴリズムが、ステップ１０６で取り込まれたデータを分析するために履行される。

ステップ１０８では、各ゲーム台からの情報は、ゲーム環境全体に対してインターフェース接続される。一実施形態において、カジノ全体に対するゲーム情報を生成し、配置し、且つ監視するために、ウェブインターフェースが実行される。

ステップ１１０では、推奨案が、ゲームマネージャーに提供される。一実施形態において、推奨案は、機械学習及び統計的技術に基づいて生成される。生成された推奨案は、カスタマイズされた視覚化構成要素によって統合され、その結果、ゲームマネージャーが迅速なビジネス判断をすることを可能にする。

上で説明された技術は、カジノのようなゲーム環境用に限定されない。これらの技術は、多種多様なビジネスにおいて応用を見出す。小売部門に関連する別の例を、以下で詳細に説明する。

図６は、１つの方法を例示するフローチャートであり、該方法によって、小売店からの製品入手可能性についてのリアルタイムデータが、本技術の態様に従って、取り込まれると共に分析される。その分析によって、店舗を監督する小売マネージャーは、ほぼリアルタイムの意思決定を行うことが可能である。特に、小売店内の棚上にある物品の画像を取り込むと共に、推奨案を小売マネージャーに提供するために、プロセス１３０は、モノのインターネット（ＩｏＴ）分析システム１０を履行する。各ステップを、以下で詳細に説明する。

ステップ１３２では、小売店内の複数の棚上に配置された物品の画像が取り込まれる。一実施形態において、カメラが、一組の棚を合理的に見渡せる位置に配置され、且つ棚上の物品の画像を取り込むように構成される。注意してもよいことであるが、明瞭で良好な品質の画像を取り込むのに利用できる、合理的な量の照明が存在するように、カメラが配置される。この実施形態では、棚上の物品の画像は、周期的な間隔で取り込まれる。

ズーム、アスペクト比などのようなカメラパラメータは、固定してもよい、又は希望通りに変えてもよい。この実施形態では、小売棚の画像を取り込むと共に送信するために、（図２で説明するような）端末装置が使用される。携帯カメラ及び携帯端末装置もまた、棚上の物品の画像を取り込むために、実行してもよい。一実施形態において、端末装置はセンサを含み、このセンサは、複数の対象物品に対応する対象物データを取り込むように構成される。例えば、複数の対象物品は、小売店における複数の棚上に配置された複数の消費者製品を備える。対象物データは、小売店における複数の棚上に配置された複数の消費者製品の画像データを備える。

ステップ１３４では、画像がカメラから受信され、且つノイズを除去するためにフィルタ処理される。一実施形態において、ノイズを含む画像にフィルタ処理を徹底するために、フレームに対して比較が実施される。ステップ１３６では、フィルタ処理された画像は、二値画像に変換される。（二値画像）処理されたデータは、その後、端末プラットフォームから中央レポジトリへ移動される。この実施形態では、センサに結合されたプロセッサは、複数の対象物品に対して識別データを生成するように構成される。加えて、プロセッサは、小売店における棚上入手可能性を追跡し、且つ棚上に存在する異なった製品ラベルを識別するように構成される。

ステップ１３８では、棚占有及び製品配置に基づくデータを決定するために、映像分析技術が、処理されたデータに適用される。一実施形態において、棚占有及び製品配置を決定するために、エッジ検出、輪郭検出などのような、１つ以上の映像分析技術が履行される。このステップでは、履歴データ、販売時点管理及び棚割りのような、いくつかのソースからのデータが得られる。

ステップ１４０では、棚上物品に関連する履歴データは、映像分析から決定されたデータと比較される。一実施形態において、小売店における棚上物品の画像は、棚上に表示された製品間で区別するために、分析される。更に、小売環境における棚上入手可能性を追跡し、且つ棚上に存在する異なった製品ラベルを識別するために、画像を分析すること可能である。また、個々の消費者製品が在庫切れであるかを識別するために、画像を分析することが可能である。

ステップ１４２では、予め定義されたビジネスルールに基づいて、自動化された報告及び警告が生成される。一実施形態において、（図１及び図２で説明したような）マルチエージェントに基づくシステムは、（通常、一人以上の店舗マネージャー、監督者などによって定義される）小売店での運営に関連する一組のプログラム可能なタスクを受信するために使用され、且つステップ１４２から受信されるリアルタイムデータでするように構成される。一実施形態において、マルチエージェントに基づくシステムは、在庫品パターン、販売パターン、製品再在庫データ、新しいカウンタを開くことによって勘定待ち列を管理すること、小売店内での顧客の経路を追跡することを決定するように構成される。その上、マルチエージェントに基づくシステムは、対象物データを処理するための、複数の統計的ツールを備える統計的な総合ソフトウェアパッケージを更に備える。

ステップ１４４では、生成された報告及び警告が、ビジネス利害関係者と共有される。一実施形態において、誘発されたデータはリアルタイムデータであり、このリアルタイムデータは、製品を再在庫すること、新しいカウンタを開くことによって勘定待ち列に対処すること、小売店内での顧客の経路を追跡すること、及び／又はこれらの組み合わせのような、リアルタイム意思決定を可能にする。

例えば、ＩｏＴに基づく分析システムは、それぞれの棚（好ましくは製品）の在庫レベルについて、正確なリアルタイム警告を提供する。その上、小売環境における棚上入手可能性を追跡するために実行されるユーザインターフェースは、Ａｎｄｒｏｉｄ（登録商標）、ＩＯＳ（登録商標）、ウィンドウズ（登録商標）・モバイル１０及び／又はこれらの組み合わせ上での携帯装置のような、いくつかのプラットフォームに適応性及び互換性がある。全ての警告及び報告は、（好ましくはウェブベースの）デスクトップコンピュータ及びモバイルコンピュータ上でサポートされる。

加えて、ＩｏＴ分析システム１０は、棚上入手可能性の特徴を含み、この特徴は、在庫切れ率及び履歴分析、並びに指標を識別するように構成される。棚上入手可能性の特徴はまた、小売マネージャーに計器盤視野を提供し、この計器盤視野は、店レベルの情報を取り込むリアルタイム指標及びチャートを有する。同様に、棚上入手可能性の特徴はまた、要求をリアルタイム更新するためのタスク、及び要求に対してバックグラウンドで動作するプロセスのリアルタイム警告のためのタスクのためのスケジューラを提供する。

この発明は、様々な経済的レベルで小売業者にインパクトを与える潜在力を有するが、ここで経済的レベルとは、具体的に、販売、小売マージン、ＲＯＩのマーケティング、顧客体験、在庫回転、及び更に多数の項目を改善することにおけるレベルである。本発明が試みているのは、幾つかのタイプのビジネス組織において、ビジネス判断の関心事を扱うことである。その上、本発明は、コスト抑制的な方法で、リアルタイムデータを取り込むと共に分析し、又はビジネスインパクトを制限する固有の待ち時間を持つことを助ける。

当業者によって理解されることであろうが、一般に、本明細書で使用される用語、且つ特に添付された請求項（例えば、添付された請求項の本体）において使用される用語は、一般に「非制限的」用語として用いることが意図される（例えば、用語「含む（ｉｎｃｌｕｄｉｎｇ）」は、「含むが、しかし限定されない（ｎｏｔ ｌｉｍｉｔｅｄ ｔｏ）」と解釈されるべきであり、用語「有する（ｈａｖｉｎｇ）は、「少なくとも有する（ｈａｖｉｎｇ ａｔ ｌｅａｓｔ）」と解釈されるべきであり、用語「含む（ｉｎｃｌｕｄｅｓ）」は、「含むが、しかし限定されない（ｎｏｔ ｌｉｍｉｔｅｄ ｔｏ）」と解釈されるべきである、など）。当業者によって更に理解されることであろうが、もし導入された請求項記載の特定の数が意図される場合、そのような意図は、請求項の中で明確に記載されるであろう。そして、そのような記載が無い場合、そのような意図は存在しない。

例えば、理解への助けとして、次の添付された請求項は、請求項記載を導入するために、「少なくとも１つの」及び「１つ以上の」という導入句の使用を含むかもしれない。しかしながら、そのような句の使用は、次のように解釈されるべきである。即ち、不定冠詞である「ａ」又は「ａｎ」によって請求項記載を導入することは、ただ１つのそのような記載を含む実施形態に対してそのように導入された請求項記載を含む、任意の特定の請求項を制限しない。このことは、同じ請求項が、「１つ以上の」又は「少なくとも１つの」という導入句、及び「ａ」又は「ａｎ」のような不定冠詞を含む場合でさえも、当てはまる（例えば、「ａ」及び／又は「ａｎ」は、「少なくとも１つの」又は「１つ以上の」を意味すると解釈されるべきである）。同じことは、請求項記載を導入するために用いられる定冠詞の使用に対しても、当てはまる。加えて、もし導入された請求項記載の特定の数が明確に記載される場合であっても、当業者は認識することであろうが、そのような記載は、少なくとも記載された数を意味すると解釈されるべきである（例えば、他の修飾句が無い「２つの記載」というありのままの記載は、少なくとも２つの記載、又は２つ以上の記載を意味する）。

本明細書では、幾つかの実施形態のある特徴だけが、例示されると共に説明されたが、当業者にとっては、多くの修正及び変更が生じるであろう。それ故に、理解されるべきことであるが、添付された請求項は、本発明の真の精神の範囲内に落とし込まれる、そのような全ての修正及び変更を含むことが意図されている。

Claims (15)

1. リアルタイムゲーム環境での使用に適合した分析システムであって、
   前記ゲーム環境内の複数の場所に配置された複数のゲームステーションであって、各ゲームステーションは、複数のゲーム対象物を表示するための表示ゾーンを備える、複数のゲームステーションと、
   前記表示ゾーンに表示される前記複数のゲーム対象物に対応する対象物データを取り込むように構成された少なくとも１つのセンサと、
   前記センサに結合されると共に、前記複数のゲーム対象物に対して識別データを生成するように構成された少なくとも１つのプロセッサと、
   マルチエージェントに基づくシステムであって、
   複数のエージェントを定義すると共に配置するように構成されたコアエンジンであって、前記複数のエージェントは、一人以上のユーザによって定義される、一組のプログラム可能なタスクを実施するように構成され、前記一組のプログラム可能なタスクは、前記対象物データで動作するように構成される、コアエンジンと、
   前記複数のエージェントのライフサイクル、前記複数のエージェント間の通信、及び前記プログラム可能なタスクの処理時間を監視するように構成された監視エンジンと、
   前記コアエンジンに結合されると共に、前記一組のプログラム可能なタスクを実行するように構成されたコンピューティングエンジンと、
   を備えるマルチエージェントに基づくシステムと、
   前記マルチエージェントに基づくシステムに結合されると共に、各ゲームステーションで起こる複数のイベントをユーザが監視することを可能とするように構成された監視モジュールと、
   を備える、分析システム。
2. 請求項１に記載の分析システムであって、
   前記リアルタイムゲーム環境はカジノであり、且つ前記複数のゲーム対象物は、トランプカードと、ベッティングチップとを備える、分析システム。
3. 請求項１に記載の分析システムであって、
   前記対象物データは、前記複数のゲーム対象物の画像データを備える、分析システム。
4. 請求項１に記載の分析システムであって、
   前記マルチエージェントに基づくシステムは、ベッティングパターン、識別されたチップ及びカード、又はこれらの組み合わせに関するトランザクションを決定するように構成される、分析システム。
5. 請求項１に記載の分析システムであって、
   前記プロセッサは、トランプカードのスート及びカード値を決定するように構成される、分析システム。
6. 請求項１に記載の分析システムであって、
   前記プロセッサは、前記ゲームステーションで一人以上のプレイヤーがプレイするチップの数を決定するように構成される、分析システム。
7. 請求項１に記載の分析システムであって、
   前記マルチエージェントに基づくシステムは、前記対象物データを処理するための複数の統計的ツールを備える統計的な総合ソフトウェアパッケージを更に備える、分析システム。
8. 顧客体験を改善するための、モノのインターネット（ＩｏＴ）に基づく分析システムであって、
   設立物内の複数の場所に配置された複数の対象物品と、
   前記複数の対象物品に対応する対象物データを取り込むように構成された少なくとも１つのセンサと、
   前記センサに結合されると共に、前記複数の対象物品に対して識別データを生成するように構成された少なくとも１つのプロセッサと、
   マルチエージェントに基づくシステムであって、
   複数のエージェントを定義すると共に配置するように構成されたコアエンジンであって、前記複数のエージェントは、一人以上のユーザによって定義される、一組のプログラム可能なタスクを実施するように構成され、前記一組のプログラム可能なタスクは、前記対象物データで動作するように構成される、コアエンジンと、
   前記複数のエージェントのライフサイクル、前記複数のエージェント間の通信、及び前記プログラム可能なタスクの処理時間を監視するように構成された監視エンジンと、
   前記コアエンジンに結合されると共に、前記一組のプログラム可能なタスクを実行するように構成されたコンピューティングエンジンと、
   を備える、マルチエージェントに基づくシステムと、
   前記マルチエージェントに基づくシステムに結合されると共に、前記複数の対象物品に対して複数のビジネスパラメータを、ユーザが監視することを可能とするように構成された監視モジュールと、
   を備える、モノのインターネット（ＩｏＴ）に基づく分析システム。
9. 請求項８に記載のモノのインターネット（ＩｏＴ）に基づく分析システムであって、
   前記マルチエージェントに基づくシステムは、前記複数の対象物品に関連付けられた複数のパターンを、ユーザが追跡することを可能とする複数の報告を生成するように構成される、モノのインターネット（ＩｏＴ）に基づく分析システム。
10. 請求項８に記載のモノのインターネット（ＩｏＴ）に基づく分析システムであって、
    前記設立物は、ビジネス組織、小売店、消費者小売店、カジノ、ホテル及びレストラン、図書館、博物館、又はこれらの組み合わせを備える、モノのインターネット（ＩｏＴ）に基づく分析システム。
11. 請求項８に記載のモノのインターネット（ＩｏＴ）に基づく分析システムであって、
    前記複数の対象物品は、小売店における複数の棚上に配置された複数の消費者製品を備える、モノのインターネット（ＩｏＴ）に基づく分析システム。
12. 請求項１１に記載のモノのインターネット（ＩｏＴ）に基づく分析システムであって、
    前記対象物データは、前記小売店における前記複数の棚上に配置された前記複数の消費者製品の画像データを備える、モノのインターネット（ＩｏＴ）に基づく分析システム。
13. 請求項８に記載のモノのインターネット（ＩｏＴ）に基づく分析システムであって、
    前記マルチエージェントに基づくシステムは、在庫品パターン、販売パターン、製品再在庫データ、新しいカウンタを開くことによって勘定待ち列を管理すること、小売店内で顧客の経路を追跡することを決定するように構成される、モノのインターネット（ＩｏＴ）に基づく分析システム。
14. 請求項１１に記載のモノのインターネット（ＩｏＴ）に基づく分析システムであって、
    前記プロセッサは、前記小売店における棚上入手可能性を追跡すると共に、前記棚上に存在する異なった製品ラベルを識別するように構成される、モノのインターネット（ＩｏＴ）に基づく分析システム。
15. 請求項８に記載のモノのインターネット（ＩｏＴ）に基づく分析システムであって、
    前記マルチエージェントに基づくシステムは、前記対象物データを処理するための複数の統計的ツールを備える統計的な総合ソフトウェアパッケージを更に備える、モノのインターネット（ＩｏＴ）に基づく分析システム。

Images