KR20220169469A - 이미지 처리 방법, 장치, 에지 컴퓨팅 기기 및 컴퓨터 저장 매체 - Google Patents

이미지 처리 방법, 장치, 에지 컴퓨팅 기기 및 컴퓨터 저장 매체 Download PDF

Info

Publication number
KR20220169469A
KR20220169469A KR1020217031282A KR20217031282A KR20220169469A KR 20220169469 A KR20220169469 A KR 20220169469A KR 1020217031282 A KR1020217031282 A KR 1020217031282A KR 20217031282 A KR20217031282 A KR 20217031282A KR 20220169469 A KR20220169469 A KR 20220169469A
Authority
KR
South Korea
Prior art keywords
image
frame
game platform
money
attribute data
Prior art date
Application number
KR1020217031282A
Other languages
English (en)
Inventor
지양 구오
신신 왕
Original Assignee
센스타임 인터내셔널 피티이. 리미티드.
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 센스타임 인터내셔널 피티이. 리미티드. filed Critical 센스타임 인터내셔널 피티이. 리미티드.
Priority claimed from PCT/IB2021/055682 external-priority patent/WO2022096954A1/en
Publication of KR20220169469A publication Critical patent/KR20220169469A/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • G06T7/246—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments
    • G—PHYSICS
    • G07—CHECKING-DEVICES
    • G07F—COIN-FREED OR LIKE APPARATUS
    • G07F17/00—Coin-freed apparatus for hiring articles; Coin-freed facilities or services
    • G07F17/32—Coin-freed apparatus for hiring articles; Coin-freed facilities or services for games, toys, sports, or amusements
    • G07F17/3241—Security aspects of a gaming system, e.g. detecting cheating, device integrity, surveillance
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/40—Scenes; Scene-specific elements in video content
    • G06V20/46—Extracting features or characteristics from the video content, e.g. video fingerprints, representative shots or key frames
    • A—HUMAN NECESSITIES
    • A63—SPORTS; GAMES; AMUSEMENTS
    • A63F—CARD, BOARD, OR ROULETTE GAMES; INDOOR GAMES USING SMALL MOVING PLAYING BODIES; VIDEO GAMES; GAMES NOT OTHERWISE PROVIDED FOR
    • A63F13/00—Video games, i.e. games using an electronically generated display having two or more dimensions
    • A63F13/50—Controlling the output signals based on the game progress
    • A63F13/52—Controlling the output signals based on the game progress involving aspects of the displayed game scene
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/255—Detecting or recognising potential candidate objects based on visual cues, e.g. shapes
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/40—Scenes; Scene-specific elements in video content
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/60—Type of objects
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/103—Static body considered as a whole, e.g. static pedestrian or occupant recognition
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/107—Static hand or arm
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G—PHYSICS
    • G07—CHECKING-DEVICES
    • G07F—COIN-FREED OR LIKE APPARATUS
    • G07F17/00—Coin-freed apparatus for hiring articles; Coin-freed facilities or services
    • G07F17/32—Coin-freed apparatus for hiring articles; Coin-freed facilities or services for games, toys, sports, or amusements
    • G07F17/3202—Hardware aspects of a gaming system, e.g. components, construction, architecture thereof
    • G07F17/3216—Construction aspects of a gaming system, e.g. housing, seats, ergonomic aspects
    • G07F17/322—Casino tables, e.g. tables having integrated screens, chip detection means
    • G—PHYSICS
    • G07—CHECKING-DEVICES
    • G07F—COIN-FREED OR LIKE APPARATUS
    • G07F17/00—Coin-freed apparatus for hiring articles; Coin-freed facilities or services
    • G07F17/32—Coin-freed apparatus for hiring articles; Coin-freed facilities or services for games, toys, sports, or amusements
    • G07F17/3225—Data transfer within a gaming system, e.g. data sent between gaming machines and users
    • G07F17/3232—Data transfer within a gaming system, e.g. data sent between gaming machines and users wherein the operator is informed
    • G—PHYSICS
    • G07—CHECKING-DEVICES
    • G07F—COIN-FREED OR LIKE APPARATUS
    • G07F17/00—Coin-freed apparatus for hiring articles; Coin-freed facilities or services
    • G07F17/32—Coin-freed apparatus for hiring articles; Coin-freed facilities or services for games, toys, sports, or amusements
    • G07F17/3244—Payment aspects of a gaming system, e.g. payment schemes, setting payout ratio, bonus or consolation prizes
    • G07F17/3248—Payment aspects of a gaming system, e.g. payment schemes, setting payout ratio, bonus or consolation prizes involving non-monetary media of fixed value, e.g. casino chips of fixed value
    • G—PHYSICS
    • G07—CHECKING-DEVICES
    • G07F—COIN-FREED OR LIKE APPARATUS
    • G07F17/00—Coin-freed apparatus for hiring articles; Coin-freed facilities or services
    • G07F17/32—Coin-freed apparatus for hiring articles; Coin-freed facilities or services for games, toys, sports, or amusements
    • G07F17/3286—Type of games
    • G07F17/3293—Card games, e.g. poker, canasta, black jack
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/2866—Architectures; Arrangements
    • H04L67/289—Intermediate processing functionally located close to the data consumer application, e.g. in same machine, in same home or in same sub-network
    • A—HUMAN NECESSITIES
    • A63—SPORTS; GAMES; AMUSEMENTS
    • A63F—CARD, BOARD, OR ROULETTE GAMES; INDOOR GAMES USING SMALL MOVING PLAYING BODIES; VIDEO GAMES; GAMES NOT OTHERWISE PROVIDED FOR
    • A63F2300/00—Features of games using an electronically generated display having two or more dimensions, e.g. on a television screen, showing representations related to the game
    • A63F2300/30—Features of games using an electronically generated display having two or more dimensions, e.g. on a television screen, showing representations related to the game characterized by output arrangements for receiving control signals generated by the game device
    • A63F2300/308—Details of the user interface

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Multimedia (AREA)
  • General Engineering & Computer Science (AREA)
  • Computer Security & Cryptography (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Computer Interaction (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Biophysics (AREA)
  • Mathematical Physics (AREA)
  • Biomedical Technology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • Artificial Intelligence (AREA)
  • Software Systems (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Image Analysis (AREA)
  • Eye Examination Apparatus (AREA)
  • Measuring And Recording Apparatus For Diagnosis (AREA)

Abstract

본 발명의 실시예는 이미지 처리 방법, 장치, 에지 컴퓨팅 기기 및 컴퓨터 저장 매체를 제공하고, 상기 이미지 처리 방법은, 다중 프레임 게임 플랫폼 이미지에서 각 프레임 게임 플랫폼 이미지의 인식 결과를 결정하는 단계 - 인식 결과는 적어도 자금 대체 물품 정보를 포함함 - ; 및 슬라이드 창을 사용하여 매번 다중 프레임 게임 플랫폼 이미지에서의 N 프레임 게임 플랫폼 이미지를 결정하는 경우, 슬라이드 창 내의 N 프레임 게임 플랫폼 이미지의 인식 결과에 따라, 타깃 프레임 이미지에서의 자금 대체 물품 정보를 다시 결정하는 단계 - 슬라이드 창의 슬라이드 순서는 다중 프레임 게임 플랫폼 이미지의 프레임 순서이고, N은 1 보다 큰 정수이며, 타깃 프레임 이미지는 슬라이드 창 내 N 프레임 게임 플랫폼 이미지에서의 한 프레임 이미지임 - 를 포함한다.

Description

이미지 처리 방법, 장치, 에지 컴퓨팅 기기 및 컴퓨터 저장 매체
[관련 출원의 상호 참조]
본 발명은 2021년 6월 18일에 싱가포르 지적 재산권국에 제출한, 출원 번호가 10202106600X인 싱가포르 특허 출원의 우선권을 주장하는 바, 그 모든 내용은 인용을 통해 본 출원에 결합된다.
본 발명은 컴퓨터 시각 처리 기술에 관한 것으로, 이미지 처리 방법, 장치, 에지 컴퓨팅 기기 및 컴퓨터 저장 매체에 관한 것이지만 이에 한정되지 않는다.
현재, 이미지 수집 기기를 통해 게임 플랫폼 이미지를 수집함으로써, 게임 플랫폼 이미지에서의 자금 대체 물품에 대해 검출할 수 있지만, 자금 대체 물품 사이의 차폐, 플레이어가 자금 대체 물품에 대한 차폐 및 현장 조명 등 요소는 자금 대체 물품 검출 결과의 정확성에 대해 영향을 끼칠 수 있고, 자금 대체 물품 검출의 인식 정밀도를 어느 정도 낮춘다.
본 발명의 실시예는 이미지 처리 방법, 장치, 에지 컴퓨팅 기기 및 컴퓨터 저장 매체를 제공할 수 있고, 자금 대체 물품의 검출 결과를 비교적 정확하게 얻을 수 있다.
본 발명의 실시예는 이미지 처리 방법을 제공하고, 상기 이미지 처리 방법은,
다중 프레임 게임 플랫폼 이미지에서 각 프레임 게임 플랫폼 이미지의 인식 결과를 결정하는 단계 - 상기 인식 결과는 적어도 자금 대체 물품 정보를 포함함 - ; 및
슬라이드 창을 사용하여 매번 상기 다중 프레임 게임 플랫폼 이미지에서의 N 프레임 게임 플랫폼 이미지를 결정하는 경우, 상기 슬라이드 창 내의 상기 N 프레임 게임 플랫폼 이미지의 인식 결과에 따라, 타깃 프레임 이미지에서의 자금 대체 물품 정보를 다시 결정하는 단계 - 상기 슬라이드 창의 슬라이드 순서는 상기 다중 프레임 게임 플랫폼 이미지의 프레임 순서이고, N은 1 보다 큰 정수이며, 상기 타깃 프레임 이미지는 상기 슬라이드 창 내 상기 N 프레임 게임 플랫폼 이미지에서의 한 프레임 이미지임 - 를 포함한다.
일부 실시예에 있어서, 상기 슬라이드 창 내 상기 N 프레임 게임 플랫폼 이미지의 인식 결과에 따라, 타깃 프레임 이미지에서의 자금 대체 물품 정보를 다시 결정하는 단계는,
각 슬라이드 창 내의 N 프레임 게임 플랫폼 이미지에 대해, 타깃 추적을 통해 동일한 자금 대체 물품이 상기 N 프레임 게임 플랫폼 이미지의 각 프레임의 상기 인식 결과에서의 속성 데이터를 결정하는 단계;
상기 동일한 자금 대체 물품의 속성 데이터에서, 나타나는 횟수가 제일 많은 속성 데이터를 결정하는 단계; 및 상기 타깃 프레임 이미지에서의 자금 대체 물품 정보를 상기 나타나는 횟수가 제일 많은 속성 데이터로 결정하는 단계를 포함한다.
이해할 수 있는 것은, 현장 조명의 명암 영향, 자금 대체 물품 사이의 차폐, 게임 과정에서 플레이어가 자금 대체 물품에 대한 차폐, 자금 대체 물품이동 등 요소의 존재로 하여, 타깃 프레임 이미지에서의 자금 대체 물품 정보는 정확하지 않을 수 있고, 본 발명의 실시예에 있어서, N 프레임 게임 플랫폼 이미지의 속성 데이터에서 나타나는 횟수가 제일 많은 속성 데이터를 결정함으로써, 타깃 프레임 이미지에서의 자금 대체 물품 정보를 결정하며, 타깃 프레임 이미지에서의 자금 대체 물품 정보의 정확성을 어느 정도 향상시킬 수 있다.
일부 실시예에 있어서, 상기 슬라이드 창 내 상기 N 프레임 게임 플랫폼 이미지의 인식 결과에 따라, 타깃 프레임 이미지에서의 자금 대체 물품 정보를 다시 결정하는 단계는,
각 슬라이드 창 내의 N 프레임 게임 플랫폼 이미지에 대해, 타깃 추적을 통해 동일한 자금 대체 물품이 상기 N 프레임 게임 플랫폼 이미지의 각 프레임의 상기 인식 결과에서의 속성 데이터를 결정하는 단계;
상기 속성 데이터에서 신뢰도가 신뢰도 임계값보다 크거나 같은 속성 데이터를, 상기 자금 대체 물품의 타깃 속성 데이터로 결정하는 단계;
상기 동일한 자금 대체 물품의 타깃 속성 데이터에서, 나타나는 횟수가 제일 많은 타깃 속성 데이터를 결정하는 단계; 및 상기 타깃 프레임 이미지에서의 자금 대체 물품 정보를 상기 나타나는 횟수가 제일 많은 타깃 속성 데이터로 결정하는 단계를 포함한다.
이해할 수 있는 것은, 본 발명의 실시예에 있어서, N 프레임 게임 플랫폼 이미지의 속성 데이터에서 신뢰도가 신뢰도 임계값보다 크거나 같은 속성 데이터를 결정하고, 즉 타깃 속성 데이터를 결정함으로써, 나타나는 횟수가 제일 많은 타깃 속성 데이터에 따라, 타깃 프레임 이미지에서의 자금 대체 물품 정보를 결정하며, 타깃 프레임 이미지에서의 자금 대체 물품 정보의 정확성을 어느 정도 향상시킬 수 있다.
일부 실시예에 있어서, 상기 슬라이드 창 내 상기 N 프레임 게임 플랫폼 이미지의 인식 결과에 따라, 타깃 프레임 이미지에서의 자금 대체 물품 정보를 다시 결정하는 단계는,
각 슬라이드 창 내의 N 프레임 게임 플랫폼 이미지에 대해, 상기 N 프레임 게임 플랫폼 이미지의 인식 결과에서 적어도 두 개의 자금 대체 물품의 속성 데이터를 결정하는 단계;
상기 적어도 두 개의 자금 대체 물품의 속성 데이터에서, 상기 적어도 두 개의 자금 대체 물품 각자의 추적 식별자를 통해, 상기 적어도 두 개의 자금 대체 물품 각자의 속성 데이터를 결정하는 단계;
상기 적어도 두 개의 자금 대체 물품에서 각 자금 대체 물품에 대해, 나타나는 횟수가 제일 많은 속성 데이터를 각각 결정하는 단계; 및
상기 타깃 프레임 이미지에서의 자금 대체 물품 정보를 각 상기 자금 대체 물품에 대해 결정된 상기 나타나는 횟수가 제일 많은 속성 데이터로 결정하는 단계를 포함한다.
이해할 수 있는 것은, 본 발명의 실시예에 있어서, 자금 대체 물품의 추적 식별자에 따라, N 프레임 게임 플랫폼 이미지에서 상이한 자금 대체 물품 각자의 속성 데이터를 결정할 수 있음으로써, 적어도 두 개의 자금 대체 물품 각자의 속성 데이터에 대해, 나타나는 횟수가 제일 많은 속성 데이터를 결정함으로써, 타깃 프레임 이미지에서의 자금 대체 물품 정보를 결정할 수 있고, 타깃 프레임 이미지에서의 자금 대체 물품 정보의 정확성을 어느 정도 향상시킬 수 있다.
일부 실시예에 있어서, 상기 자금 대체 물품의 속성 데이터는 자금 대체 물품의 액면가, 자금 대체 물품의 타입, 자금 대체 물품의 수량, 자금 대체 물품의 소유자 정보 중 적어도 하나를 포함한다.
알 수 있다시피, 본 발명의 실시예는 자금 대체 물품의 액면가, 수량, 타입 등 정보를 정확하게 결정할 수 있다.
일부 실시예에 있어서, 상기 N 프레임 게임 플랫폼 이미지는 상기 다중 프레임 게임 플랫폼 이미지에서 연속적인 N 프레임 이미지이다.
본 발명의 실시예는 연속적인 N 프레임 이미지의 자금 대체 물품 정보에 기반하여, 타깃 프레임 이미지에서의 자금 대체 물품 정보를 더욱 정확하게 얻을 수 있다.
일부 실시예에 있어서, 상기 타깃 프레임 이미지는 상기 N 프레임 게임 플랫폼 이미지에서 최초 수집된 한 프레임 이미지이다.
이와 같이, 본 발명의 실시예는 N 프레임 이미지에서 최초 수집된 한 프레임 이미지의 자금 대체 물품 정보를 얻음으로써, 정확한 자금 대체 물품 정보를 제때에 얻을 수 있다.
일부 실시예에 있어서, 상기 이미지 처리 방법은,
상기 타깃 프레임 이미지에서의 자금 대체 물품 정보에 따라, 자금 대체 물품과 관련된 비지니스 검출 논리를 실행하는 단계를 더 포함한다.
본 발명의 실시예는 타깃 프레임 이미지에서의 자금 대체 물품 정보를 정확하게 얻은 기초에서, 자금 대체 물품과 관련된 비지니스 검출 논리를 정확하게 실행할 수 있고, 잘못된 자금 대체 물품 정보로 인한 오경보 등 현상의 발생 확률을 어느 정도 낮출 수 있다.
일부 실시예에 있어서, 상기 타깃 프레임 이미지에서의 자금 대체 물품 정보에 따라, 자금 대체 물품과 관련된 비지니스 검출 논리를 실행하는 단계는,
상기 타깃 프레임 이미지에서의 손 검출 박스와 자금 대체 물품 검출 박스를 결정하는 단계; 및
상기 손 검출 박스와 자금 대체 물품 검출 박스가 오버랩 되지 않는 경우, 상기 타깃 프레임 이미지에서의 자금 대체 물품 정보에 따라, 자금 대체 물품과 관련된 비지니스 검출 논리를 실행하는 단계를 포함한다.
알 수 있다시피, 본 발명의 실시예는 손 및 자금 대체 물품이 오버랩 되지 않은 자금 대체 물품에 대해, 자금 대체 물품과 관련된 비지니스 검출 논리를 실행할 수 있음으로써, 자금 대체 물품이 손에 의해 차폐되지 않은 것이 결정된 경우, 자금 대체 물품과 관련된 비지니스 검출 논리를 수행함으로써, 손이 자금 대체 물품에 대한 차폐로 인한 비지니스 검출 논리 오류 발생 확률을 어느 정도 낮출 수 있다.
일부 실시예에 있어서, 상기 타깃 프레임 이미지에서의 자금 대체 물품 정보에 따라, 자금 대체 물품과 관련된 비지니스 검출 논리를 실행하는 단계는,
시간 순서에 따라 배열된 복수 개 타깃 프레임 이미지에서의 다시 결정된 자금 대체 물품 정보에 따라, 자금 대체 물품 정보가 상기 복수 개 타깃 프레임 이미지에서의 변화 정보를 결정하는 단계; 및
게임 플랫폼의 관리 기기에 상기 변화 정보를 푸시하는 단계를 포함한다.
알 수 있다시피, 본 발명의 실시예는 자금 대체 물품의 변화 정보를 제때에 푸시할 수 있고, 관리 기기 단에서 자금 대체 물품의 변화 정보에 대해 후속적 처리를 수행하는데 유리하다.
일부 실시예에 있어서, 상기 다중 프레임 게임 플랫폼 이미지에서 각 프레임 게임 플랫폼 이미지의 인식 결과를 결정하는 단계는,
상기 각 프레임 이미지에서의 타깃 대상을 인식하고, 인식된 상기 타깃 대상을 미리 결정된 영역 분할 이미지에 매핑하여, 상기 각 프레임 이미지의 각 기설정 영역의 인식 결과를 얻는 단계를 포함한다.
본 발명의 실시예에서, 미리 결정된 영역 분할 이미지는 게임 플랫폼에서 각 영역의 타깃 대상을 정확하게 나타낼 수 있고, 따라서, 인식된 타깃 대상은 미리 결정된 영역 분할 이미지에 매핑됨으로써, 각 프레임 이미지의 인식 결과를 비교적 정확하게 얻을 수 있다.
본 발명의 실시예는 이미지 처리 장치를 더 제공하고, 상기 이미지 처리 장치는,
다중 프레임 게임 플랫폼 이미지 중 각 프레임 게임 플랫폼 이미지의 인식 결과를 결정하기 위한 결정 모듈 - 상기 인식 결과는 적어도 자금 대체 물품 정보를 포함함 - ; 및
슬라이드 창을 사용하여 매번 상기 다중 프레임 게임 플랫폼 이미지에서의 N 프레임 게임 플랫폼 이미지를 결정하는 경우, 상기 슬라이드 창 내의 상기 N 프레임 게임 플랫폼 이미지의 인식 결과에 따라, 타깃 프레임 이미지에서의 자금 대체 물품 정보를 다시 결정하기 위한 처리 모듈 - 상기 슬라이드 창의 슬라이드 순서는 상기 다중 프레임 게임 플랫폼 이미지의 프레임 순서이고, 상기 N은 1 보다 큰 정수이며, 상기 타깃 프레임 이미지는 상기 슬라이드 창 내 상기 N 프레임 게임 플랫폼 이미지에서의 한 프레임 이미지임 - 을 포함한다.
일부 실시예에 있어서, 상기 처리 모듈은, 상기 슬라이드 창 내의 상기 N 프레임 게임 플랫폼 이미지의 인식 결과에 따라, 타깃 프레임 이미지에서의 자금 대체 물품 정보를 다시 결정하기 위한 단계는,
각 슬라이드 창 내의 N 프레임 게임 플랫폼 이미지에 대해, 타깃 추적을 통해 동일한 자금 대체 물품이 상기 N 프레임 게임 플랫폼 이미지의 각 프레임의 상기 인식 결과에서의 속성 데이터를 결정하는 단계;
상기 동일한 자금 대체 물품의 상기 속성 데이터에서, 나타나는 횟수가 제일 많은 속성 데이터를 결정하는 단계; 및
상기 타깃 프레임 이미지에서의 자금 대체 물품 정보를 상기 나타나는 횟수가 제일 많은 속성 데이터로 결정하는 단계를 포함한다.
일부 실시예에 있어서, 상기 처리 모듈은, 상기 슬라이드 창 내의 상기 N 프레임 게임 플랫폼 이미지의 인식 결과에 따라, 타깃 프레임 이미지에서의 자금 대체 물품 정보를 다시 결정하기 위한 단계는,
각 슬라이드 창 내의 N 프레임 게임 플랫폼 이미지에 대해, 타깃 추적을 통해 동일한 자금 대체 물품이 상기 N 프레임 게임 플랫폼 이미지의 각 프레임의 상기 인식 결과에서의 속성 데이터를 결정하는 단계;
상기 속성 데이터에서 신뢰도가 신뢰도 임계값보다 크거나 같은 속성 데이터를, 상기 자금 대체 물품의 타깃 속성 데이터로 결정하는 단계;
상기 동일한 자금 대체 물품의 타깃 속성 데이터에서, 나타나는 횟수가 제일 많은 타깃 속성 데이터를 결정하는 단계; 및
상기 타깃 프레임 이미지에서의 자금 대체 물품 정보를 상기 나타나는 횟수가 제일 많은 타깃 속성 데이터로 결정하는 단계를 포함한다.
일부 실시예에 있어서, 상기 처리 모듈은, 상기 슬라이드 창 내의 상기 N 프레임 게임 플랫폼 이미지의 인식 결과에 따라, 타깃 프레임 이미지에서의 자금 대체 물품 정보를 다시 결정하기 위한 단계는,
각 슬라이드 창 내의 N 프레임 게임 플랫폼 이미지에 대해, 상기 N 프레임 게임 플랫폼 이미지의 인식 결과에서 적어도 두 개의 자금 대체 물품의 속성 데이터를 결정하는 단계;
상기 적어도 두 개의 자금 대체 물품의 속성 데이터에서, 상기 적어도 두 개의 자금 대체 물품 각자의 추적 식별자를 통해, 상기 적어도 두 개의 자금 대체 물품 각자의 속성 데이터를 결정하는 단계;
상기 적어도 두 개의 자금 대체 물품에서 각 자금 대체 물품에 대해, 나타나는 횟수가 제일 많은 속성 데이터를 각각 결정하는 단계; 및
상기 타깃 프레임 이미지에서의 자금 대체 물품 정보를 각 상기 자금 대체 물품에 대해 결정된 상기 나타나는 횟수가 제일 많은 속성 데이터로 결정하는 단계를 포함한다.
일부 실시예에 있어서, 상기 자금 대체 물품의 속성 데이터는 자금 대체 물품의 액면가, 자금 대체 물품의 타입, 자금 대체 물품의 수량, 자금 대체 물품의 소유자 정보 중 적어도 하나를 포함한다.
일부 실시예에 있어서, 상기 N 프레임 게임 플랫폼 이미지는 상기 다중 프레임 게임 플랫폼 이미지에서 연속적인 N 프레임 이미지이다.
일부 실시예에 있어서, 상기 타깃 프레임 이미지는 상기 N 프레임 게임 플랫폼 이미지에서 최초 수집된 한 프레임 이미지이다.
일부 실시예에 있어서, 상기 처리 모듈은 또한, 상기 타깃 프레임 이미지에서의 자금 대체 물품 정보에 따라, 자금 대체 물품과 관련된 비지니스 검출 논리를 실행하기 위한 것이다.
일부 실시예에 있어서, 상기 처리 모듈은, 상기 타깃 프레임 이미지에서의 자금 대체 물품 정보에 따라, 자금 대체 물품과 관련된 비지니스 검출 논리를 실행하기 위한 단계는,
상기 타깃 프레임 이미지에서의 손 검출 박스와 자금 대체 물품 검출 박스를 결정하는 단계; 및
상기 손 검출 박스와 자금 대체 물품 검출 박스가 오버랩 되지 않는 경우, 상기 타깃 프레임 이미지에서의 자금 대체 물품 정보에 따라, 자금 대체 물품과 관련된 비지니스 검출 논리를 실행하는 단계를 포함한다.
일부 실시예에 있어서, 상기 처리 모듈은, 상기 타깃 프레임 이미지에서의 자금 대체 물품 정보에 따라, 자금 대체 물품과 관련된 비지니스 검출 논리를 실행하기 위한 단계는,
시간 순서에 따라 배열된 복수 개 타깃 프레임 이미지에서의 다시 결정된 자금 대체 물품 정보에 따라, 자금 대체 물품 정보가 상기 복수 개 타깃 프레임 이미지에서의 변화 정보를 결정하는 단계; 및
게임 플랫폼의 관리 기기에 상기 변화 정보를 푸시하는 단계를 포함한다.
일부 실시예에 있어서, 상기 결정 모듈은, 다중 프레임 게임 플랫폼 이미지에서 각 프레임 게임 플랫폼 이미지의 인식 결과를 결정하기 위한 단계는,
상기 각 프레임 이미지에서의 타깃 대상을 인식하고, 인식된 상기 타깃 대상을 미리 결정된 영역 분할 이미지에 매핑하여, 상기 각 프레임 이미지의 각 기설정 영역의 인식 결과를 얻는 단계를 포함한다.
본 발명의 실시예는 에지 컴퓨팅 기기를 더 제공하고, 상기 에지 컴퓨팅 기기는 이미지 수집 기기에 의해 송신된 다중 프레임 게임 플랫폼 이미지를 수신하기 위한 것이며; 상기 다중 프레임 게임 플랫폼 이미지는 상기 이미지 수집 기기에 의해 수집된 이미지이고;
상기 에지 컴퓨팅 기기는 프로세서 및 프로세서에서 작동 가능한 컴퓨터 프로그램을 저장하기 위한 메모리를 포함하고; 여기서,
상기 프로세서는 상기 컴퓨터 프로그램을 작동함으로써 상기 어느 한 이미지 처리 방법을 실행하기 위한 것인다.
본 발명의 실시예는 컴퓨터 프로그램이 저장되어 있는 컴퓨터 저장 매체를 더 제공하고, 상기 컴퓨터 프로그램이 프로세서에 의해 실행될 때 상기 어느 한 이미지 처리 방법을 구현한다.
본 발명의 실시예에서 제공하는 이미지 처리 방법, 장치, 에지 컴퓨팅 기기 및 컴퓨터 저장 매체에 있어서, 다중 프레임 게임 플랫폼 이미지에서 각 프레임 게임 플랫폼 이미지의 인식 결과를 결정하고, 상기 인식 결과는 적어도 자금 대체 물품 정보를 포함하며; 슬라이드 창을 사용하여 매번 상기 다중 프레임 게임 플랫폼 이미지에서의 N 프레임 게임 플랫폼 이미지를 결정하고, 슬라이드 창 내의 N 프레임 게임 플랫폼 이미지의 인식 결과에 따라, 타깃 프레임 이미지에서의 자금 대체 물품 정보를 다시 결정하며, 여기서, 슬라이드 창의 슬라이드 순서는 다중 프레임 게임 플랫폼 이미지의 프레임 순서이고, N은 1 보다 큰 정수이며, 타깃 프레임 이미지는 슬라이드 창 내 N 프레임 게임 플랫폼 이미지에서의 한 프레임 이미지이다.
알 수 있다시피, 본 발명의 실시예에 있어서, 슬라이드 창 내 N 프레임 게임 플랫폼 이미지의 인식 결과를 사용하여 타깃 프레임 이미지의 자금 대체 물품 정보를 결정할 수 있고, N 프레임 게임 플랫폼 이미지의 인식 결과에는 더욱 많고 더욱 정확한 자금 대체 물품 정보들이 포함되었기에, 본 발명의 실시예는 타깃 프레임 이미지의 자금 대체 물품 정보를 비교적 정확하게 얻으며, 자금 대체 물품의 인식 정밀도를 효과적으로 향상시킬 수 있다.
이해해야 할 것은, 이상의 일반적인 설명 및 아래의 세부적인 설명은 다만 예시적 및 해석적인 것일 뿐이고, 본 발명을 한정하려는 것은 아니다.
여기서 도면은 명세서에 통합되어 본 명세서의 일부를 구성하고, 이러한 도면은 본 발명에 부합되는 실시예를 도시하며, 명세서와 함께 본 발명의 기술적 방안을 설명하기 위한 것이다.
도 1은 본 발명의 실시예의 이미지 처리 방법의 흐름도이다.
도 2a는 본 발명의 실시예에서 게임 플랫폼 이미지의 기준 예시도이다.
도 2b는 도 2a의 기초에서 얻은 자금 대체 물품 영역의 분할도이다.
도 3은 본 발명의 실시예의 이미지 처리 장치의 구성 구조 예시도이다.
도 4는 본 발명의 실시예의 에지 컴퓨팅 기기의 구조 예시도이다.
아래 도면 및 실시예를 결합하여, 본 발명에 대해 추가로 상세하게 설명한다. 여기서 제공한 실시예는 단지 본 발명을 해석하기 위한 것일 뿐, 본 발명을 한정하기 위한 것이 아님을 이해하여야 한다. 또한, 아래에 제공하는 실시예는 본 발명의 일부 실시예를 실시하기 위한 것이고, 본 발명을 실시하는 전체 실시예를 제공하는 것은 아니며, 충돌되지 않는 전제하에, 본 발명의 실시예에 기재된 기술 방안은 임의로 조합하는 형태로 실시될 수 있다.
설명해야 할 것은, 본 발명의 실시예에서, 용어 “포함되다”, “포함한다” 또는 그의 임의의 다른 변형은 비 배타적인 포함을 포함하도록 의도됨으로써, 일련의 요소를 포함하는 방법 또는 장치는 명시적으로 기재된 요소를 포함할 뿐만 아니라, 명시적으로 나열되지 않은 다른 요소도 포함하고, 또는 실시 방법 또는 장치에 고유한 요소를 더 포함한다. 더 많은 제한이 없는 경우, "하나의 ……을 포함"라는 문장으로 정의된 요소는, 상기 요소를 포함한 방법 또는 장치에서 다른 관련 요소(예를 들어 방법 중의 단계 또는 장치 중의 유닛, 예를 들어 유닛은 부분 회로, 부분 프로세서, 부분 프로그램 또는 소프트웨어 등일 수도 있음)가 존재한다는 것을 배제하지 않는다.
예를 들어, 본 발명의 실시예에서 제공되는 이미지 처리 방법은 일련의 단계를 포함하지만, 본 발명의 실시예에서 제공되는 이미지 처리 방법은 기재된 단계에 한정되지 않고, 마찬가지로, 본 발명의 실시예에서 제공되는 데이터 분석 장치는 일련의 모듈을 포함하지만, 본 발명의 실시예에서 제공되는 이미지 처리 장치는 명확하게 기재된 모듈을 포함하는 것에 한정되지 않고, 관련 정보를 획득하기 위한, 또는 정보에 기반하여 처리를 수행할 때 설치해야 할 모듈이 더 포함될 수 있다.
본 명세서에서 용어 “및/또는”은 다만 관련 대상의 관련 관계를 설명하는 것이고, 세 가지 관계가 존재할 수 있음을 나타내며, 예를 들어, A 및/또는 B는, A가 단독적으로 존재, A 및 B가 동시에 존재, B가 단독적으로 존재하는 세 가지 상황을 나타낼 수 있다. 또한, 본문에서 용어 "적어도 하나"는 복수에서의 어느 하나 또는 복수에서의 적어도 두 개 중의 어느 하나의 조합을 나타내고, 예를 들어, A, B 및 C 중 적어도 하나를 포함하는 것은, A, B, C로 구성된 집합에서 선택된 어느 하나 또는 복수 개의 요소를 포함하는 것을 나타낼 수 있다.
본 발명의 실시예는 게임 시나리오의 에지 컴퓨팅 기기에 응용될 수 있고, 또한 다수의 다른 범용 또는 특수 목적 컴퓨팅 시스템 환경 또는 구성과 함께 동작될 수 있다. 여기서, 에지 컴퓨팅 기기는 씬 클라이언트, 씩 클라이언트, 핸드헬드 또는 랩톱 기기, 마이크로프로세서 기반 시스템, 셋톱 박스, 프로그래머블 전자 제품, 네트워크 개인용 컴퓨터, 소형 컴퓨터 시스템 등등 일 수 있다.
에지 컴퓨팅 기기는 프로그램 모듈을 통해 명령어를 실행할 수 있다. 일반적으로, 프로그램 모듈은 특정 작업을 실행하거나 특정 추상 데이터 타입을 구현하기 위한 루틴, 프로그램, 타깃 프로그램, 컴포넌트, 논리, 데이터 구조 등을 포함할 수 있다. 컴퓨터 시스템/서버는 통신 네트워크를 통해 연결된 원격 처리 기기에서 작업을 수행하는 분산 클라우드 컴퓨팅 환경에서 실행된다. 분산 클라우드 컴퓨팅 환경에서, 프로그램 모듈은 저장 기기를 포함하는 로컬 또는 원격 컴퓨팅 시스템 저장 매체에 위치할 수 있다.
관련 기술에 있어서, 게임 시나리오에서, 게임 결과의 계산, 자금 대체 물품의 경고 검출(예를 들어 자금 대체 물품 최소 액면가, 자금 대체 물품 최대 액면가) 등은 모두 자금 대체 물품 정보를 사용해야 하고, 정확한 자금 대체 물품 정보을 얻어야만, 자금 대체 물품과 관련된 비지니스 검출 논리를 정확하게 실행함으로써, 게임 시나리오의 요구에 부합될 수 있지만; 실제 게임 시나리오에 있어서, 자금 대체 물품의 인식 결과에 영향 주는 대량의 객관적 요소가 존재하여, 자금 대체 물품 정보의 오류를 초래한다. 예를 들어, 현장 조명의 명암 영향, 자금 대체 물품 사이의 차폐(자금 대체 물품 사이 거리는 비교적 가깝고, 상이한 자금 대체 물품은 상이한 높이에 있다), 게임 과정에서 플레이어가 자금 대체 물품에 대한 차폐, 자금 대체 물품이동 등 요소는 자금 대체 물품 검출 결과의 변화를 초래할 수 있고, 따라서, 자금 대체 물품 검출 결과의 정확성을 어떻게 향상시킬지는, 시급히 해결해야 하는 기술적 문제이다.
상기 기술적 문제에 대해, 본 발명의 일부 실시예에 있어서, 이미지 처리의 기술적 방안을 제공하고, 게임 시나리오에 응용될 수 있다.
아래에 본 발명의 실시예의 응용 시나리오에 대해 예시적 설명한다.
게임 시나리오에서, 컴퓨터 시각 처리 기술을 통해 다양한 게임의 작동 상태에 대해 모니터링을 수행할 수 있고, 여기서, 각 게임의 작동은 모두 자금 대체 물품과 관련된다.
일부 실시예에 있어서, 게임 시나리오에서의 게임은 게임 플랫폼에서의 카드 게임 또는 다른 게임일 수 있고, 본 발명의 실시예는 이에 대해 한정하지 않는다.
본 발명의 실시예에서, 컴퓨터 시각(Computer vision)은 기계로 하여금 “보게” 하는 방법을 연구하는 과학이고, 카메라 및 컴퓨터로 사람의 눈을 대신하여 타깃에 대해 인식, 추적 및 측정을 수행하며, 나아가 이미지 처리하는 것을 나타낸다. 게임 과정에서 세 개 카메라를 사용하여 게임 플랫폼에서 발생되는 이벤트를 검출할 수 있고, 이미 추가로 분석을 수행하였으며; 게임 플랫폼은 실체적인 테이블 플랫폼 또는 다른 실체적 플랫폼일 수 있다.
도 1은 본 발명의 실시예의 이미지 처리 방법의 흐름도이고, 도 1에 도시된 바와 같이, 상기 이미지 처리 방법의 흐름은 하기의 단계를 포함할 수 있다.
단계 101에 있어서, 다중 프레임 게임 플랫폼 이미지에서 각 프레임 게임 플랫폼 이미지의 인식 결과를 결정 - 상기 인식 결과는 적어도 자금 대체 물품 정보를 포함함 - 한다.
본 발명의 실시예에서, 적어도 하나의 카메라를 사용하여 게임 플랫폼을 촬영하여, 비디오 데이터 또는 이미지 데이터를 얻은 다음, 비디오 데이터 또는 이미지 데이터에서 다중 프레임 게임 플랫폼 이미지를 획득할 수 있고; 일부 실시예에 있어서, 게임 플랫폼을 촬영하는 카메라는 게임 플랫폼 부감도를 촬영하기 위한 게임 플랫폼 바로 위에 위치한 카메라일 수 있으며, 다른 각도에서 게임 플랫폼을 촬영하는 카메라일 수도 있고 ; 상응하게, 각 프레임 게임 플랫폼 이미지는 부감도 또는 다른 시각의 게임 플랫폼 이미지일 수 있으며; 다른 일부 실시예에 있어서, 각 프레임 게임 플랫폼 이미지는 부감도 및 다른 시각의 게임 플랫폼 이미지를 융합 처리하여 얻은 이미지일 수도 있다.
각 프레임 이미지를 얻은 후, 컴퓨터 시각 처리 기술을 통해 각 프레임 게임 플랫폼 이미지에 대해 처리를 수행하여, 각 프레임 게임 플랫폼 이미지의 인식 결과를 얻을 수 있고; 일부 실시예에 있어서, 각 프레임 게임 플랫폼 이미지에 대해 타깃 인식을 수행하여, 각 프레임 게임 플랫폼 이미지에서의 타깃 대상을 얻을 수 잇으며, 상기 타깃 대상은 적어도 자금 대체 물품을 포함하고, 예시적으로, 타깃 대상은 인체, 카드를 더 포함할 수 있으며, 타깃 대상에서의 인체는 인체의 전체를 포함할 수 있고, 손, 얼굴 등 인체의 일부를 포함할 수도 있으며; 타깃 대상에서의 카드는 스페이드, 하트, 다이아몬드, 클로버 등 타입의 카드일 수 있다. 각 프레임 이미지에서의 타깃 대상을 얻을 후, 각 프레임 이미지 중 타깃 대상에 기반하여, 상응한 인식 결과를 결정하고, 여기서, 인식 결과는 타깃 대상의 정보일 수 있다.
일부 실시예에 있어서, 자금 대체 물품 정보는 자금 대체 물품의 속성 데이터를 포함할 수 있고, 자금 대체 물품의 속성 데이터는 자금 대체 물품의 액면가, 자금 대체 물품의 타입, 자금 대체 물품의 수량, 자금 대체 물품의 소유자 정보 중 적어도 하나를 포함할 수 있으며, 실제 응용에 있어서, 자금 대체 물품에 대해 자금 대체 물품의 정보를 결정할 수 있고, 이러한 경우, 자금 대체 물품의 수량은 1이며; 복수 개 서로 접촉된 자금 대체 물품을 동일한 자금 대체 물품으로 사용함으로써, 상기 동일한 자금 대체 물품의 정보를 분석할 수도 있고, 이러한 경우, 자금 대체 물품의 수량은 1보다 크며, 예를 들어, 한 스택 자금 대체 물품에 대해 말하자면, 한 스택 자금 대체 물품을 동일한 자금 대체 물품으로 사용할 수 있고, 한 스택 자금 대체 물품의 자금 대체 물품 수량은 1보다 크다. 자금 대체 물품의 소유자 정보는 자금 대체 물품의 소유자 신원 정보를 포함할 수 있다.
일부 실시예에 있어서, 자금 대체 물품이미지의 분석을 통해, 자금 대체 물품의 액면가, 자금 대체 물품의 타입, 자금 대체 물품의 수량 등 정보를 결정할 수 있고; 자금 대체 물품과 접촉된 인체 이미지에 따라, 자금 대체 물품의 소유자 정보를 결정할 수 있다.
단계 102에 있어서, 슬라이드 창을 사용하여 매번 다중 프레임 게임 플랫폼 이미지에서의 N 프레임 게임 플랫폼 이미지를 결정하는 경우, 슬라이드 창 내의 N 프레임 게임 플랫폼 이미지의 인식 결과에 따라, 타깃 프레임 이미지에서의 자금 대체 물품 정보를 다시 결정 - 슬라이드 창의 슬라이드 순서는 다중 프레임 게임 플랫폼 이미지의 프레임 순서이며, N은 1 보다 큰 정수이고, 타깃 프레임 이미지는 상기 슬라이드 창 내 상기 N 프레임 게임 플랫폼 이미지에서의 한 프레임 이미지임 - 한다.
일부 실시예에 있어서, 구성 파일을 통해 슬라이드 창의 크기를 미리 설정할 수 있고, 즉 구성 파일을 통해 N의 값을 구성할 수 있다. 각 프레임 게임 플랫폼 이미지의 인식 결과를 얻은 후, 각 프레임 게임 플랫폼 이미지의 인식 결과를 시간 순서에 따라 순차적으로 슬라이드 창에 대응되는 메모리 영역에 저장할 수 있다. 일부 실시예에 있어서, 각 프레임 게임 플랫폼 이미지의 인식 결과는 메시지 대기열에 위치하고, 메시지 대기열 중 각 프레임의 인식 결과를 판독하는 것을 통해, 판독된 각 프레임 이미지의 인식 결과를 순차적으로 슬라이드 창에 대응되는 메모리 영역에 저장할 수 있으며, 슬라이드 창에서 인식 결과의 수량이 N에 도달했을 때, 만약 메시지 대기열에서 새로운 한 프레임 이미지의 인식 결과를 판독하려면, 슬라이드 창이 이동함으로써, 한 프레임 이미지를 푸시하고, 상기 푸시된 한 프레임 이미지의 인식 결과를 얻을 수 있다. 타깃 프레임 이미지의 인식 결과는, 슬라이드 창이 이동된 후, 슬라이드 창 내에서 슬라이드 창 외로 변경된 한 프레임 이미지의 인식 결과를 나타낸다.
일부 실시예에 있어서, 에지 컴퓨팅 기기를 사용하여 이미지 수집 기기에 의해 송신된 다중 프레임 게임 플랫폼 이미지를 수신할 수 있고; 다중 프레임 게임 플랫폼 이미지는 이미지 수집 기기에 의해 수집된 이미지이며; 이미지 수집 기기는 적어도 하나의 상기 기재된 카메라를 포함할 수 있다.
상응하게, 에지 컴퓨팅 기기를 사용하여 다중 프레임 게임 플랫폼 이미지 중 각 프레임 게임 플랫폼 이미지에 대해 검출 인식을 수행하여, 다중 프레임 게임 플랫폼 이미지 중 각 프레임 게임 플랫폼 이미지의 인식 결과를 얻을 수 있고; 에지 컴퓨팅 기기를 사용하여 슬라이드 창 내 상기 N 프레임 게임 플랫폼 이미지의 인식 결과에 따라, 타깃 프레임 이미지에서의 자금 대체 물품 정보를 결정한다.
실제 응용에 있어서, 단계 101 내지 단계 102는 에지 컴퓨팅 기기에서의 프로세서를 사용하여 구현할 수 있고, 상기 프로세서는 응용 주문형 집적 회로(Application Specific Integrated Circuit, ASIC), 디지털 시그널 프로세서(Digital Signal Processor, DSP), 디지털 시그널 처리 장치(Digital Signal Processing Device, DSPD), 프로그램 가능 논리 장치(ProgRAMmable Logic Device, PLD), 필드 프로그램 가능 게이트 어레이(Field-ProgRAMmable Gate Array, FPGA), 중앙 처리 장치(Central Processing Unit, CPU), 컨트롤러, 마이크로 컨트롤러, 마이크로 프로세서에서의 적어도 한 가지일 수 있다.
알 수 있다시피, 본 발명의 실시예에 있어서, 슬라이드 창 내 다중 프레임 게임 플랫폼 이미지의 인식 결과를 사용하여 타깃 프레임 이미지의 자금 대체 물품 정보를 결정할 수 있고, 다중 프레임 게임 플랫폼 이미지의 인식 결과에는 더욱 많고 더욱 정확한 자금 대체 물품 정보들이 포함되었기에, 따라서, 본 발명의 실시예는 타깃 프레임 이미지의 자금 대체 물품 정보를 비교적 정확하게 얻으며, 자금 대체 물품의 인식 정밀도를 효과적으로 향상시킬 수 있다.
진일보로, 본 발명의 실시예는 카드 게임 시나리오에 응용될 수 있을 뿐만 아니라, 자금 대체 물품을 사용하는 다양한 시나리오에 사용될 수도 있고, 따라서, 사용 원가를 낮출 수 있으며, 또한 비교적 빠른 속도로 자금 대체 물품 정보의 정확한 인식을 구현할 수 있고, 쉽게 구현되는 특점을 구비한다.
일부 실시예에 있어서, 상기 다중 프레임 게임 플랫폼 이미지에서 각 프레임 게임 플랫폼 이미지의 인식 결과를 결정하는 단계는, 각 프레임 이미지에서의 타깃 대상을 인식하고, 인식된 타깃 대상을 미리 결정된 영역 분할 이미지에 매핑하여, 각 프레임 이미지의 각 기설정 영역의 인식 결과를 얻는 단계를 포함할 수 있다.
타깃 대상은 상기 자금 대체 물품을 포함할 수 있고, 게임 플랫폼 이미지에서의 게임 아이템 등과 같은 다른 대상을 포함할 수도 있다. 예시적으로, 각 프레임 이미지에서의 타깃 대상은 하나일 수 있고, 복수 개일 수도 있으며; 영역 분할 이미지는 다양한 타입의 타깃 대상이 위치한 정확한 영역을 나타내기 위한 것일 수 있고, 어느 한 타깃 대상을 미리 결정된 영역 분할 이미지에 매핑한 후, 만약 상기 타깃 대상은 영역 분할 이미지에서 대응되는 정확한 영역에 위치하면, 각 프레임 게임 플랫폼 이미지의 인식 결과에서 상기 타깃 대상의 정보가 유지되며; 만약 상기 타깃 대상이 영역 분할 이미지에서 대응되는 정확한 영역에 위치하지 않으면, 각 프레임 게임 플랫폼 이미지의 인식 결과에서 상기 타깃 대상의 정보를 필터링 삭제할 수 있다.
예시적으로, 도 2a는 본 발명의 실시예에서 게임 플랫폼 이미지의 기준 예시도이고, 도 2a에서, D1, D2, D3, D4, D5, D6 및 D7은 게임 플랫폼에서 상이한 영역을 나타낸다.
도 2b는 도 2a의 기초에서 얻은 자금 대체 물품 영역의 분할도이고, 알 수 있다시피, 도 2b는 자금 대체 물품 영역(201)을 도시하였으며, 자금 대체 물품 영역(201)은 도 2a 중 영억 D1 내지 영역 D7을 포함한다.
도 2b를 참조하고, 타깃 대상은 자금 대체 물품인 경우, 만약 자금 대체 물품은 도 2b에서의 자금 대체 물품 영역(201)에 위치하면, 자금 대체 물품의 정보를 유지하며, 만약 자금 대체 물품은 도 2b에 도시된 자금 대체 물품 영역(201) 밖에 위치하면, 자금 대체 물품의 정보를 삭제한다.
알 수 있다시피, 미리 결정된 영역 분할 이미지는 게임 플랫폼에서 각 영역의 타깃 대상을 정확하게 나타낼 수 있고, 따라서, 인식된 타깃 대상은 미리 결정된 영역 분할 이미지에 매핑되며, 각 프레임 이미지의 각 기설정 영역의 인식 결과를 비교적 정확하게 얻을 수 있다.
일부 실시예에 있어서, 상기 N 프레임 게임 플랫폼 이미지는 다중 프레임 게임 플랫폼 이미지 중 비연속적인 N 프레임 이미지일 수 있고, 다중 프레임 게임 플랫폼 이미지 중 연속적인 N 프레임 이미지일 수도 있으며; 상기 N 프레임 게임 플랫폼 이미지는 연속적인 N 프레임 이미지인 경우, 본 발명의 실시예는 연속적인 N 프레임 이미지의 자금 대체 물품 정보에 기반하여, 타깃 프레임 이미지에서의 자금 대체 물품 정보를 더욱 정확하게 얻을 수 있다.
일부 실시예에 있어서, 상기 타깃 프레임 이미지는 상기 N 프레임 게임 플랫폼 이미지 중 최초 수집된 한 프레임 이미지이고; 이와 같이, 본 발명의 실시예는 N 프레임 이미지 중 최초 수집된 한 프레임 이미지의 자금 대체 물품 정보를 얻음으로써, 정확한 자금 대체 물품 정보를 제때에 획득할 수 있다.
일 실시 형태에 있어서, N의 값은 5이고, 제1 프레임 이미지 내지 제5 프레임 이미지의 인식 결과를 순차적으로 슬라이드 창에 저장할 수 있으며, 슬라이드 창 내의 인식 결과의 수량이 5에 도달했을 때, 만약 제6 프레임 이미지의 인식 결과를 슬라이드 창에 저장하려면, 슬라이드 창의 오른쪽 에지는 오른쪽으로 이동함으로써, 제1 프레임 이미지의 인식 결과를 슬라이드 창 외로 푸시하고, 이때, 제1 프레임 이미지는 상기 타깃 프레임 이미지이고; 제1 프레임 이미지의 인식 결과를 슬라이드 창 외로 푸시 했을 때, 슬라이드 창 내의 데이터는 제2 프레임 이미지 내지 제6 프레임 이미지의 인식 결과이다. 다음, 만약 제7 프레임 이미지의 인식 결과를 슬라이드 창에 저장하려면, 슬라이드 창의 오른쪽 에지는 오른쪽으로 이동함으로써, 제2 프레임 이미지의 인식 결과를 슬라이드 창 외로 푸시하고, 이때, 제2 프레임 이미지는 상기 타깃 프레임 이미지이고; 제2 프레임 이미지의 인식 결과를 슬라이드 창 외로 푸시 했을 때, 슬라이드 창 내의 데이터는 제3 프레임 이미지 내지 제7 프레임 이미지의 인식 결과이다. 이런식으로 차례로 유추하면, 슬라이드 창의 슬라이드 메커니즘을 통해, 복수 개 타깃 프레임 이미지 및 각 타깃 프레임 이미지의 인식 결과를 순차적으로 결정할 수 있다.
일부 실시예에 있어서, 상기 슬라이드 창 내의 N 프레임 게임 플랫폼 이미지의 인식 결과에 따라, 타깃 프레임 이미지에서의 자금 대체 물품 정보를 다시 결정하는 단계는,
매개 슬라이드 창 내의 N 프레임 게임 플랫폼 이미지에 대해, 타깃 추적을 통해 동일한 자금 대체 물품이 N 프레임 게임 플랫폼 이미지의 각 프레임의 인식 결과에서의 속성 데이터를 결정하는 단계; 상기 동일한 자금 대체 물품의 속성 데이터에서, 나타나는 횟수가 제일 많은 속성 데이터를 결정하는 단계; 및 상기 타깃 프레임 이미지에서의 자금 대체 물품 정보를 상기 나타나는 횟수가 제일 많은 속성 데이터로 결정하는 단계를 포함할 수 있다.
본 발명의 실시예에서, 상기 동일한 자금 대체 물품은 적어도 하나의 자금 대체 물품을 포함하고, N 프레임 게임 플랫폼 이미지의 인식 결과에 대해, 타깃 추적 방법을 사용하여 N 프레임 게임 플랫폼 이미지의 인식 결과 중 동일한 자금 대체 물품의 속성 데이터를 결정할 수 있으며; 일부 실시예에 있어서, 타깃 검출 방법을 통해 타깃 프레임 이미지 중 자금 대체 물품의 추적 식별자를 결정한 다음, 타깃 프레임 이미지 중 자금 대체 물품의 추적 id를 기준으로 하여, 슬라이드 창 내 N 프레임 게임 플랫폼 이미지의 인식 결과에서, 타깃 추적을 수행함으로써, N 프레임 게임 플랫폼 이미지의 인식 결과 중 동일한 자금 대체 물품의 속성 데이터를 결정한다. 예시적으로, 추적 식별자는 추적 id(track identity document)일 수 있다.
본 발명의 실시예에서, 동일한 자금 대체 물품의 속성 데이터를 결정한 후, 상기 동일한 자금 대체 물품의 속성 데이터에서, 선거의 형태를 통해 나타나는 횟수가 제일 많은 속성 데이터를 결정할 수 있다.
일부 실시예에 있어서, 속성 데이터는 자금 대체 물품의 액면가를 포함하는 경우, 동일한 자금 대체 물품의 속성 데이터에서, 선거의 형태를 통해 나타나는 횟수가 제일 많은 액면가 데이터를 결정할 수 있고; 예를 들어, N의 값은 5이며, 슬라이드 창 내의 데이터는 제1 프레임 이미지 내지 제5 프레임 이미지의 인식 결과이고, 타깃 프레임 이미지는 제1 프레임 이미지이며, 제1 프레임 이미지 내지 제5 프레임 이미지의 인식 결과에 따라, 제1 프레임 이미지 내지 제5 프레임 이미지 중 동일한 자금 대체 물품의 액면가를 인식할 수 있고; 제1 프레임 이미지, 제2 프레임 이미지, 제3 프레임 이미지, 제4 프레임 이미지 및 제5 프레임 이미지에서 추적 id가 동일한 자금 대체 물품의 액면가는 각각 200, 200, 300, 300 및 300으로 인식된 경우, 선거의 형태를 통해 나타나는 횟수가 제일 많은 액면가는 300임을 결정할 수 있으며, 이와 같이, 제1 프레임 이미지 중 상응한 자금 대체 물품의 액면가는 정확하지 않다고 간주할 수 있고, 제1 프레임 이미지 중 상응한 자금 대체 물품의 액면가를 300으로 업데이트할 수 있으며; 제1 프레임 이미지, 제2 프레임 이미지, 제3 프레임 이미지, 제4 프레임 이미지 및 제5 프레임 이미지에서 추적 id가 동일한 자금 대체 물품의 액면가는 각각 400, 400, 400, 400 및 300으로 인식된 경우, 선거의 형태를 통해 나타나는 횟수가 제일 많은 액면가는 400임을 결정할 수 있고, 이와 같이, 제1 프레임 이미지에서의 자금 대체 물품의 액면가는 정확하다고 간주할 수 있으며, 제1 프레임 이미지에서의 자금 대체 물품의 액면가를 400으로 변하지 않고 유지할 수 있다.
이와 같이, 제1 프레임 이미지에서의 자금 대체 물품의 액면가를 다시 결정한 후, 슬라이드 창을 뒤로 이동하여, 제1 프레임 이미지를 슬라이드 창에서 푸시할 수 있고, 계속하여 제2 프레임 이미지는 슬라이드 창에서의 첫 번째 프레임이 되며, 이때 슬라이드 창 내의 제2 내지 제7 프레임 이미지의 인식 결과에 따라 제2 프레임 이미지에서의 자금 대체 물품 정보에 대해 업데이트를 수행한다. 이로써, 슬라이드 창을 통해 프레임 순서에 따라 순차적으로 뒤로 이동하고, 제1 프레임, 제2 프레임, 제3 프레임, …에서의 자금 대체 물품 정보에 대해 차례대로 업데이트를 수행함으로써 비디오 프레임 시퀀스에 대한 믿음직한 인식 결과를 얻는다.
일부 실시예에 있어서, 속성 데이터는 자금 대체 물품의 수량을 포함하는 경우, 동일한 자금 대체 물품의 속성 데이터에서, 선거의 형태를 통해 나타나는 횟수가 제일 많은 자금 대체 물품 수량 정보를 결정하고; 예를 들어, N의 값은 5이며, 슬라이드 창 내의 데이터는 제1 프레임 이미지 내지 제5 프레임 이미지의 인식 결과이고, 타깃 프레임 이미지는 제1 프레임 이미지이며, 제1 프레임 이미지 내지 제5 프레임 이미지의 인식 결과에 따라, 제1 프레임 이미지 내지 제5 프레임 이미지에서 동일한 자금 대체 물품의 수량을 인식할 수 있고; 제1 프레임 이미지, 제2 프레임 이미지, 제3 프레임 이미지, 제4 프레임 이미지 및 제5 프레임 이미지에서 추적 id가 동일한 자금 대체 물품의 수량은 각각 3, 3, 4, 4 및 4로 인식된 경우, 선거의 형태를 통해 나타나는 횟수가 제일 많은 자금 대체 물품 수량은 4라고 결정할 수 있으며, 이와 같이, 제1 프레임 이미지에서의 자금 대체 물품의 수량은 정확하지 않다고 간주할 수 있고, 제1 프레임 이미지에서의 자금 대체 물품의 수량을 4로 업데이트할 수 있으며; 제1 프레임 이미지, 제2 프레임 이미지, 제3 프레임 이미지, 제4 프레임 이미지 및 제5 프레임 이미지에서 추적 id가 동일한 자금 대체 물품의 수량은 각각 4, 4, 4, 4 및 3로 인식된 경우, 선거의 형태를 통해 나타나는 횟수가 제일 많은 자금 대체 물품의 수량은 4라고 결정할 수 있고, 이와 같이, 제1 프레임 이미지에서의 자금 대체 물품의 수량은 정확하다고 간주할 수 있으며, 제1 프레임 이미지에서의 자금 대체 물품의 수량을 4로 변하지 않고 유지할 수 있다.
이해할 수 있는 것은, 현장 조명의 명암 영향, 자금 대체 물품 사이의 차폐, 게임 과정에서 플레이어가 자금 대체 물품에 대한 차폐, 자금 대체 물품이동 등 요소의 존재로 하여, 타깃 프레임 이미지에서의 자금 대체 물품 정보는 정확하지 않을 수 있고, 본 발명의 실시예에 있어서, N 프레임 게임 플랫폼 이미지의 자금 대체 물품 정보에서 나타나는 횟수가 제일 많은 속성 데이터를 결정함으로써, 타깃 프레임 이미지에서의 자금 대체 물품 정보를 결정할 수 있으며, 타깃 프레임 이미지에서의 자금 대체 물품 정보의 정확성을 어느 정도 향상시킬 수 있다.
일부 실시예에 있어서, 상기 슬라이드 창 내 상기 N 프레임 게임 플랫폼 이미지의 인식 결과에 따라, 타깃 프레임 이미지에서의 자금 대체 물품 정보를 다시 결정하는 단계는,
매개 슬라이드 창 내의 N 프레임 게임 플랫폼 이미지에 대해, 타깃 추적을 통해 동일한 자금 대체 물품이 N 프레임 게임 플랫폼 이미지의 각 프레임의 인식 결과에서의 속성 데이터를 결정하는 단계; 상기 속성 데이터에서 신뢰도가 신뢰도 임계값보다 크거나 같은 속성 데이터를, 상기 자금 대체 물품의 타깃 속성 데이터로 결정하는 단계; 상기 동일한 자금 대체 물품의 타깃 속성 데이터에서, 나타나는 횟수가 제일 많은 타깃 속성 데이터를 결정하는 단계; 및 상기 타깃 프레임 이미지에서의 자금 대체 물품 정보를 상기 나타나는 횟수가 제일 많은 타깃 속성 데이터로 결정하는 단계를 포함할 수 있다.
여기서, 신뢰도 임계값은 실제 응용 수요에 따라 기설정될 수 있고, 예시적으로, 신뢰도 임계값은 0.9 또는 1일 수 있다. 선거의 형태를 통해 나타나는 횟수가 제일 많은 속성 데이터를 결정하는 구현 방법은, 앞에서 기재된 내용에서 이미 설명되었고, 여기서 더 이상 반복하지 않는다.
이해할 수 있는 것은, 본 발명의 실시예에 있어서, N 프레임 게임 플랫폼 이미지의 속성 데이터에서 신뢰도가 신뢰도 임계값보다 크거나 같은 속성 데이터를 결정하고, 즉 타깃 속성 데이터를 결정함으로써, 나타나는 횟수가 제일 많은 타깃 속성 데이터에 따라, 타깃 프레임 이미지에서의 자금 대체 물품 정보를 결정하며, 타깃 프레임 이미지에서의 자금 대체 물품 정보의 정확성을 어느 정도 향상시킬 수 있다.
일부 실시예에 있어서, 상기 슬라이드 창 내 N 프레임 게임 플랫폼 이미지의 인식 결과에 따라, 타깃 프레임 이미지에서의 자금 대체 물품 정보를 다시 결정하는 단계는, 각 슬라이드 창 내의 N 프레임 게임 플랫폼 이미지에 대해, 상기 N 프레임 게임 플랫폼 이미지의 인식 결과에서 적어도 두 개의 자금 대체 물품의 속성 데이터를 결정하는 단계; 상기 적어도 두 개의 자금 대체 물품의 속성 데이터에서, 상기 적어도 두 개의 자금 대체 물품 각자의 추적 식별자를 통해, 상기 적어도 두 개의 자금 대체 물품 각자의 속성 데이터를 결정하는 단계; 상기 적어도 두 개의 자금 대체 물품에서 각 자금 대체 물품에 대해, 나타나는 횟수가 제일 많은 속성 데이터를 각각 결정하는 단계; 및 상기 타깃 프레임 이미지에서의 자금 대체 물품 정보를 각 상기 자금 대체 물품에 대해 결정된 상기 나타나는 횟수가 제일 많은 속성 데이터로 결정하는 단계를 포함할 수 있다.
일부 실시예에 있어서, 속성 데이터는 자금 대체 물품의 액면가를 포함하고, 상이한 자금 대체 물품의 추적 id는 각각 id-1 및 id-2이며, id-1를 기준으로 하여, 슬라이드 창 내 N 프레임 게임 플랫폼 이미지의 인식 결과에서, 타깃 추적을 수행함으로써, N 프레임 게임 플랫폼 이미지의 인식 결과 중 추적 id가 id-1인 자금 대체 물품의 속성 데이터를 결정한 다음; N 프레임 게임 플랫폼 이미지에 대응되는 추적 id가 id-1인 자금 대체 물품의 속성 데이터에서, 상기 기재된 선거의 형태를 통해 나타나는 횟수가 제일 많은 속성 데이터를 결정하며, 타깃 프레임 이미지에서 추적 id가 id-1인 자금 대체 물품 정보를 결정된 나타나는 횟수가 제일 많은 속성 데이터로 결정한다. 마찬가지로, 추적 id가 id-2인 자금 대체 물품에 대해서도, 타깃 프레임 이미지에서 추적 id가 id-2인 자금 대체 물품 정보를 결정할 수 있다.
이해할 수 있는 것은, 본 발명의 실시예에 있어서, 자금 대체 물품의 추적 식별자에 따라, N 프레임 게임 플랫폼 이미지에서 적어도 두 개의 자금 대체 물품 각자의 속성 데이터를 결정할 수 있음으로써, 적어도 두 개의 자금 대체 물품 중 각 자금 대체 물품에 대해, 나타나는 횟수가 제일 많은 속성 데이터를 결정함으로써, 타깃 프레임 이미지에서의 자금 대체 물품 정보를 결정할 수 있고, 타깃 프레임 이미지에서의 자금 대체 물품 정보의 정확성을 어느 정도 향상시킬 수 있다.
일부 실시예에 있어서, 타깃 프레임 이미지에서의 자금 대체 물품 정보를 결정한 후, 타깃 프레임 이미지에서의 자금 대체 물품 정보에 따라, 자금 대체 물품과 관련된 비지니스 검출 논리를 실행할 수 있다.
본 발명의 실시예에서, 자금 대체 물품과 관련된 비지니스 검출 논리는, 현재 게임 플랫폼의 게임은 특정 타입의 자금 대체 물품으로 베팅하는 것을 허용하는지 여부를 판정하고, 자금 대체 물품의 액면가는 게임에서 규정된 최저 액면가보다 작은지 여부를 판정하며, 자금 대체 물품의 액면가는 게임에서 규정된 최고 액면가보다 큰지 여부를 판정하고, 자금 대체 물품의 소유자가 게임에서 사용하는 자금 대체 물품 정보를 획득하는 등등일 수 있으며; 설명해야 할 것은, 상기 기재된 내용은 단지 자금 대체 물품과 관련된 비지니스 검출 논리에 대한 예시적 설명일 뿐, 본 발명의 실시예는 이에 한정되지 않는다.
일부 실시예에 있어서, 상기 타깃 프레임 이미지에서의 자금 대체 물품 정보에 따라, 자금 대체 물품과 관련된 비지니스 검출 논리를 실행하는 단계는, 타깃 프레임 이미지에서의 손 검출 박스와 자금 대체 물품 검출 박스를 결정하는 단계; 및 손 검출 박스와 자금 대체 물품 검출 박스가 오버랩 되지 않는 경우, 타깃 프레임 이미지에서의 자금 대체 물품 정보에 따라, 자금 대체 물품과 관련된 비지니스 검출 논리를 실행하는 단계를 포함할 수 있다.
본 발명의 실시예에서, 타깃 프레임 이미지에 대해 손 검출 및 자금 대체 물품 검출을 수행하는 것을 통해, 타깃 프레임 이미지의 손 검출 박스 및 자금 대체 물품 검출 박스를 결정할 수 있고; 일부 실시예에 있어서, 타깃 프레임 이미지 프레임을 손 검출 수행을 위한 제1 신경 네트워크 및 자금 대체 물품 검출 수행을 위한 제2 신경 네트워크에 각각 입력하며, 제1 신경 네트워크 및 제2 신경 네트워크를 사용하여 타깃 프레임 이미지에 대해 처리하여, 타깃 프레임 이미지의 손 검출 박스 및 자금 대체 물품 검출 박스를 얻고; 본 발명의 실시예는 제1 신경 네트워크 및 제2 신경 네트워크의 네트워크 구조에 대해 한정하지 않으며, 예를 들어, 제1 신경 네트워크 및 제2 신경 네트워크는 싱글샷 멀티 박스 검출기(Single Shot MultiBox Detector, SSD), 욜로(You Only Look Once, ), 빠른 영역 컨볼루션 신경 네트워크(Faster Region-Convolutional Neural Networks, Faster RCNN) 또는 다른 딥 러닝에 기반하는 신경 네트워크일 수 있다.
본 발명의 실시예에서, 타깃 프레임 이미지에서의 손 검출 박스와 자금 대체 물품 검출 박스에 따라, 타깃 프레임 이미지에서의 손 검출 박스와 자금 대체 물품 검출 박스의 중첩도를 계산할 수 있고, 중첩도가 0보다 클 때, 타깃 프레임 이미지에서의 손 검출 박스와 자금 대체 물품 검출 박스는 중첩이 존재한다고 간주할 수 있으며; 중첩도가 0과 같을 때, 타깃 프레임 이미지에서의 손 검출 박스와 자금 대체 물품 검출 박스는 중첩되지 않는다고 간주할 수 있다.
일부 실시예에 있어서, 손 검출 박스와 자금 대체 물품 검출 박스가 중첩이 존재하는 경우, 타깃 프레임 이미지의 인식 결과에서, 상기 자금 대체 물품 검출 박스에 대응되는 자금 대체 물품 정보를 획득할 수 있고, 즉, 상기 자금 대체 물품 검출 박스에 대응되는 자금 대체 물품 정보에 따라 관련된 비지니스 검출 논리 처리를 수행하지 않는다.
자금 대체 물품과 관련된 비지니스 검출 논리를 실행하는 일 구현 형태에 있어서, 손 검출 박스와 자금 대체 물품 검출 박스가 중첩되지 않는 경우, 타깃 프레임 이미지 중 상응한 자금 대체 물품은 인식이 안정적인 자금 대체 물품임을 결정할 수 있고, 이때, 미리 구성된 구성 파일에 따라, 현재 상기 게임 플랫폼이 베팅을 허용하는 자금 대체 물품의 타입을 결정함으로써, 인식이 안정적인 자금 대체 물품의 타입에 따라, 상기 게임 플랫폼은 상기 인식이 안정적인 자금 대체 물품으로 게임을 허용하는지 여부를 판단할 수 있다.
알 수 있다시피, 본 발명의 실시예는 손 및 자금 대체 물품이 오버랩 되지 않은 자금 대체 물품에 대해, 자금 대체 물품과 관련된 비지니스 검출 논리를 실행할 수 있음으로써, 자금 대체 물품이 손에 의해 차폐되지 않은 것이 결정된 경우, 자금 대체 물품과 관련된 비지니스 검출 논리를 수행함으로써, 손이 자금 대체 물품에 대한 차폐로 인한 비지니스 검출 논리 오류 발생 확률을 어느 정도 낮출 수 있다.
일부 실시예에 있어서, 시간 순서에 따라 배열된 복수 개 타깃 프레임 이미지에서의 다시 결정된 자금 대체 물품 정보에 따라, 자금 대체 물품 정보가 복수 개 타깃 프레임 이미지에서의 변화 정보를 결정하여; 게임 플랫폼의 관리 기기에 상기 변화 정보를 푸시할 수 있다.
실제 응용에 있어서, 복수 개 타깃 프레임 이미지에서 추적 id가 동일한 자금 대체 물품에 대해, 자금 대체 물품의 수량 또는 액면가 등 정보는 변화될 수 있고, 관리자가 제때에 자금 대체 물품의 변화 정보를 용이하게 이해하도록 하기 위해, 본 발명의 실시예에 있어서, 자금 대체 물품 정보가 복수 개 타깃 프레임 이미지에서 변화가 발생된 것이 결정된 후, 상응한 변화 정보를 푸시할 수 있고, 관리 기기 단에서 자금 대체 물품의 변화 정보에 대해 후속적 처리를 수행하는데 유리하다.
아래에 응용 시나리오를 결합하여 본 발명의 실시예에 대해 예시적 설명하고, 상기 응용 시나리오에 있어서, 게임 시나리오는 스마트 게임장 시나리오이며, 게임 플랫폼은 게임 테이블이고, 자금 대체 물품은 칩이다.
스마트 게임장 시나리오는 카드 게임일 수 있고, 카드 게임의 작동 상태는 아이들(idle) 상태, 베팅(betting) 상태, 딜(gaming) 상태, 지불(payout) 상태 및 정지(halt) 상태를 포함할 수 있다.
예시적으로, 카드 게임은 바카라 또는 다른 타입의 게임일 수 있고, 바카라 게임 시나리오에 있어서,
딜러(Dealer)는 셔플된 3～8개 덱에서 4～6장 카드를 뽑고, 규칙에 따라 승부 결과가 나오며, 승부 결과에는 플레이어, 뱅커, 타이(tie), 슈퍼 식스(super six) 등이 포함될 수 있다. 게이머 및 게임장은 매번 게임의 승부 결과 및 상이한 시나리오에서의 오즈 및 커미션 수취 여부에 따라 각자의 금전적 득실을 계산한다. 딜러가 딜하는 것 및 게이머가 카드를 보는 것은 일정한 규칙이 있고, 만약 규칙을 위반하면 모니터링 시스템은 경고 정보를 발송해야 한다.
스마트 게임장의 시나리오에 있어서, 다중 프레임 게임 테이블 이미지는 카메라에 의해 수집된 다음, 수집된 다중 프레임 게임 테이블 이미지를 스마트 게임장의 에지 컴퓨팅 기기에 송신할 수 있고; 에지 컴퓨팅 기기에 있어서, 다중 프레임 게임 테이블 이미지 중 각 프레임 게임 테이블 이미지에 대해 검출 인식을 수행하여, 다중 프레임 게임 테이블 이미지 중 각 프레임 게임 테이블 이미지의 인식 결과를 얻는다.
에지 컴퓨팅 기기는 슬라이드 창을 사용하여 매번 N 프레임 게임 테이블 이미지를 결정하는 경우, 상기 슬라이드 창 내 다중 프레임 게임 테이블 이미지에서의 N 프레임 게임 테이블 이미지의 인식 결과에 따라, 타깃 프레임 이미지에서의 칩 정보를 결정할 수 있고, 타깃 프레임 이미지는 슬라이드 창 내 상기 N 프레임 게임 테이블 이미지에서의 한 프레임 이미지이다.
일 실시 형태에 있어서, 에지 컴퓨팅 기기는 타깃 프레임 이미지에서의 칩 정보에 따라, 칩과 관련된 비지니스 검출 논리를 실행할 수도 있다.
예시적으로, 칩과 관련된 비지니스 검출 논리는, 현재 게임 테이블의 게임은 특정 타입의 칩으로 베팅하는 것을 허용하는지 여부를 판정하고, 칩의 액면가는 게임에서 규정된 최저 액면가보다 작은지 여부를 판정하며, 칩의 액면가는 게임에서 규정된 최고 액면가보다 큰지 여부를 판정하고, 칩의 소유자가 게임에서 사용하는 자금 대체 물품 정보를 획득하는 등등일 수 있으며; 설명해야 할 것은, 상기 기재된 내용은 단지 칩과 관련된 비지니스 검출 논리에 대한 예시적 설명일 뿐, 본 발명의 실시예는 이에 한정되지 않는다.
일부 시나리오에서, 게임장은 게임 테이블의 실시간 칩 변화 정보에 기반하여, 게임장 내부의 비지니스 검출 논리를 수행할 것을 요구하고, 따라서, 정확한 칩 정보를 획득해야 하며; 상기 요구에 대해, 본 발명의 실시예는 타깃 프레임 이미지에서의 칩 정보를 정확하게 얻는 기초에서, 칩과 관련된 비지니스 검출 논리를 정확하게 실행할 수 있으며, 잘못된 칩 정보로 인한 오경보 등 현상의 발생 확률을 어느 정도 낮출 수 있다.
본 분야의 기술자는 구체적인 실시 방식의 상기 방법에서, 각 단계의 기록 순서는 엄격한 수행 순서를 의미하지 않고 실시 과정에 대한 임의의 제한을 구성하며, 각 단계의 구체적인 수행 순서는 그 기능 및 가능한 내부 논리에 의해 결정되는 것을 이해할 수 있다.
전술한 실시예에서 제공되는 이미지 처리 방법의 기초에서, 본 발명의 실시예는 이미지 처리 장치를 제공한다.
도 3은 본 발명의 실시예의 이미지 처리 장치의 구성 구조 예시도이고, 도 3에 도시된 바와 같이, 상기 이미지 처리 장치는,
다중 프레임 게임 플랫폼 이미지 중 각 프레임 게임 플랫폼 이미지의 인식 결과를 결정하기 위한 결정 모듈(301) - 상기 인식 결과는 적어도 자금 대체 물품 정보를 포함함 - ; 및
슬라이드 창을 사용하여 매번 상기 다중 프레임 게임 플랫폼 이미지에서의 N 프레임 게임 플랫폼 이미지를 결정하는 경우, 상기 슬라이드 창 내의 상기 N 프레임 게임 플랫폼 이미지의 인식 결과에 따라, 타깃 프레임 이미지에서의 자금 대체 물품 정보를 다시 결정하기 위한 처리 모듈(302) - 상기 슬라이드 창의 슬라이드 순서는 상기 다중 프레임 게임 플랫폼 이미지의 프레임 순서이고, 상기 N은 1 보다 큰 정수이며, 상기 타깃 프레임 이미지는 상기 슬라이드 창 내 상기 N 프레임 게임 플랫폼 이미지에서의 한 프레임 이미지임 - 을 포함할 수 있다.
일부 실시예에 있어서, 처리 모듈(302)은, 슬라이드 창 내의 N 프레임 게임 플랫폼 이미지의 인식 결과에 따라, 타깃 프레임 이미지에서의 자금 대체 물품 정보를 다시 결정하기 위한 단계는,
각 슬라이드 창 내의 N 프레임 게임 플랫폼 이미지에 대해, 타깃 추적을 통해 동일한 자금 대체 물품이 상기 N 프레임 게임 플랫폼 이미지의 각 프레임의 상기 인식 결과에서의 속성 데이터를 결정하는 단계;
상기 동일한 자금 대체 물품의 상기 속성 데이터에서, 나타나는 횟수가 제일 많은 속성 데이터를 결정하는 단계; 및
타깃 프레임 이미지에서의 자금 대체 물품 정보를 나타나는 횟수가 제일 많은 속성 데이터로 결정하는 단계를 포함한다.
일부 실시예에 있어서, 처리 모듈(302)은, 슬라이드 창 내의 N 프레임 게임 플랫폼 이미지의 인식 결과에 따라, 타깃 프레임 이미지에서의 자금 대체 물품 정보를 다시 결정하기 위한 단계는,
각 슬라이드 창 내의 N 프레임 게임 플랫폼 이미지에 대해, 타깃 추적을 통해 동일한 자금 대체 물품이 상기 N 프레임 게임 플랫폼 이미지의 각 프레임의 상기 인식 결과에서의 속성 데이터를 결정하는 단계;
상기 속성 데이터에서 신뢰도가 신뢰도 임계값보다 크거나 같은 속성 데이터를, 상기 자금 대체 물품의 타깃 속성 데이터로 결정하는 단계;
상기 동일한 자금 대체 물품의 타깃 속성 데이터에서, 나타나는 횟수가 제일 많은 타깃 속성 데이터를 결정하는 단계; 및
상기 타깃 프레임 이미지에서의 자금 대체 물품 정보를 상기 나타나는 횟수가 제일 많은 타깃 속성 데이터로 결정하는 단계를 포함한다.
일부 실시예에 있어서, 상기 처리 모듈(302)은, 상기 슬라이드 창 내의 상기 N 프레임 게임 플랫폼 이미지의 인식 결과에 따라, 타깃 프레임 이미지에서의 자금 대체 물품 정보를 다시 결정하기 위한 단계는,
각 슬라이드 창 내의 N 프레임 게임 플랫폼 이미지에 대해, 상기 N 프레임 게임 플랫폼 이미지의 인식 결과에서 적어도 두 개의 자금 대체 물품의 속성 데이터를 결정하는 단계;
상기 적어도 두 개의 자금 대체 물품의 속성 데이터에서, 상기 적어도 두 개의 자금 대체 물품 각자의 추적 식별자를 통해, 상기 적어도 두 개의 자금 대체 물품 각자의 속성 데이터를 결정하는 단계;
상기 적어도 두 개의 자금 대체 물품에서 각 자금 대체 물품에 대해, 나타나는 횟수가 제일 많은 속성 데이터를 각각 결정하는 단계; 및
상기 타깃 프레임 이미지에서의 자금 대체 물품 정보를 각 상기 자금 대체 물품에 대해 결정된 상기 나타나는 횟수가 제일 많은 속성 데이터로 결정하는 단계를 포함한다.
일부 실시예에 있어서, 자금 대체 물품의 속성 데이터는 자금 대체 물품의 액면가, 자금 대체 물품의 타입, 자금 대체 물품의 수량, 자금 대체 물품의 소유자 정보 중 적어도 하나를 포함한다.
일부 실시예에 있어서, N 프레임 게임 플랫폼 이미지는 다중 프레임 게임 플랫폼 이미지에서 연속적인 N 프레임 이미지이다.
일부 실시예에 있어서, 타깃 프레임 이미지는 N 프레임 게임 플랫폼 이미지에서 최초 수집된 한 프레임 이미지이다.
일부 실시예에 있어서, 처리 모듈(302)은 또한, 타깃 프레임 이미지에서의 자금 대체 물품 정보에 따라, 자금 대체 물품과 관련된 비지니스 검출 논리를 실행하기 위한 것이다.
일부 실시예에 있어서, 처리 모듈(302)은, 타깃 프레임 이미지에서의 자금 대체 물품 정보에 따라, 자금 대체 물품과 관련된 비지니스 검출 논리를 실행하기 위한 단계는,
타깃 프레임 이미지에서의 손 검출 박스와 자금 대체 물품 검출 박스를 결정하는 단계; 및
손 검출 박스와 자금 대체 물품 검출 박스가 오버랩 되지 않는 경우, 타깃 프레임 이미지에서의 자금 대체 물품 정보에 따라, 자금 대체 물품과 관련된 비지니스 검출 논리를 실행하는 단계를 포함한다.
일부 실시예에 있어서, 처리 모듈(302)은, 타깃 프레임 이미지에서의 자금 대체 물품 정보에 따라, 자금 대체 물품과 관련된 비지니스 검출 논리를 실행하기 위한 단계는,
시간 순서에 따라 배열된 복수 개 타깃 프레임 이미지에서의 다시 결정된 자금 대체 물품 정보에 따라, 자금 대체 물품 정보가 복수 개 타깃 프레임 이미지에서의 변화 정보를 결정하는 단계; 및
게임 플랫폼의 관리 기기에 상기 변화 정보를 푸시하는 단계를 포함한다.
일부 실시예에 있어서, 결정 모듈(301)은, 다중 프레임 게임 플랫폼 이미지에서 각 프레임 게임 플랫폼 이미지의 인식 결과를 결정하기 위한 단계는,
각 프레임 이미지에서의 타깃 대상을 인식하고, 인식된 타깃 대상을 미리 결정된 영역 분할 이미지에 매핑하여, 각 프레임 이미지의 각 기설정 영역의 인식 결과를 얻는 단계를 포함한다.
실제 응용에서, 결정 모듈(301) 및 처리 모듈(302)은 모두 에지 컴퓨팅 기기에서의 프로세서를 사용하여 구현될 수 있고, 상기 프로세서는 ASIC, DSP, DSPD, PLD, FPGA, CPU, 컨트롤러, 마이크로 컨트롤러, 마이크로프로세서 중 적어도 하나이다.
또한, 본 실시예에서의 각 기능 모듈은 하나의 처리 유닛 중에 통합될 수 있고, 각 유닛이 단독 및 물리적으로 존재할 수도 있으며, 두 개 또는 두 개 이상의 유닛이 하나의 유닛에 통합될 수도 있다. 상기 집적된 유닛은 하드웨어의 형태를 사용하여 구현될 수 있고, 소프트웨어 기능 모듈의 형태를 사용하여 구현될 수도 있다.
상기 통합된 유닛은 독립된 제품으로서 판매 또는 사용되는 것이 아니라 소프트웨어 기능 모듈의 형태로 구현될 경우, 하나의 컴퓨터 판독 가능 저장 매체에 저장될 수 있고, 이러한 이해에 기반하여, 본 실시예의 기술적 방안은 본질적으로 또는 기존 기술에 대해 기여하는 부분이나 상기 기술적 방안의 전부 또는 부분은 소프트웨어 제품의 형태로 구현될 수 있으며, 상기 컴퓨터 소프트웨어 제품은 하나의 저장 매체에 저장되고, 하나의 컴퓨터 기기(개인용 컴퓨터, 서버, 또는 네트워크 기기 등일 수 있음) 또는 프로세서(processor)로 하여금 본 실시예에서 설명한 방법의 전부 또는 부분 단계를 수행하도록 하는 몇 개의 명령어를 포함한다. 전술한 저장 매체는 USB 메모리, 외장 하드, 읽기 전용 메모리(Read Only Memory, ROM), 랜덤 액세스 메모리(Random Access Memory, RAM), 디스켓 또는 CD 등 프로그램 코드를 저장할 수 있는 다양한 매체를 포함한다.
구체적으로, 본 실시예에서의 이미지 처리 방법에 대응되는 컴퓨터 프로그램 명령어는 CD, 하드 디스크, USB 메모리 등 매체에 저장될 수 있고, 저장 매체에서 이미지 처리 방법에 대응되는 컴퓨터 프로그램 명령어가 전자 기기에 의해 판독 또는 실행될 때, 전술한 실시예의 운전 주의보 방법 중 어느 하나를 구현한다.
전술한 실시예의 동일한 기술적 구상에 기반하여, 본 발명의 실시예는 에지 컴퓨팅 기기를 더 제공하고, 에지 컴퓨팅 기기는 이미지 수집 기기에 의해 송신된 다중 프레임 게임 플랫폼 이미지를 수신하기 위한 것이며; 다중 프레임 게임 플랫폼 이미지는 이미지 수집 기기에 의해 수집된 이미지이다.
도 4를 참조하면, 본 발명의 실시예에서 제공한 에지 컴퓨팅 기기(4)를 도시하고,
컴퓨터 프로그램 및 데이터를 저장하기 위한 상기 메모리(401); 및
상기 메모리에 저장된 컴퓨터 프로그램을 실행함으로써, 전술한 실시예의 임의의 이미지 처리 방법을 구현하기 위한 상기 프로세서(402)를 포함할 수 있다.
실제 응용에 있어서, 상기 메모리(401)는 예를 들어 랜덤 액세스 메모리(RAM)와 같은 휘발성 메모리(volatile memory); 또는 예를 들어 읽기 전용 메모리(ROM), 플래시 메모리(flash memory), 하드 디스크(Hard Disk Drive, HDD) 또는 솔리드스테이트 드라이브(Solid-State Drive, SSD)와 같은 비휘발성 메모리(non-volatile memory); 또는 상기 타입의 메모리의 조합일 수 있고, 프로세서(402)에 명령어 및 데이터를 제공한다.
상기 프로세서(402)는 ASIC, DSP, DSPD, PLD, FPGA, CPU, 컨트롤러, 마이크로 컨트롤러, 마이크로프로세서 중 적어도 하나이다. 이해할 수 있는 것은, 상이한 기기에 대해, 상기 프로세서 기능을 구현하기 위한 전자 부품은 다른 것일 수도 있고, 본 발명의 실시예는 구체적으로 한정하지 않는다.
일부 실시예에 있어서, 본 발명의 실시예에서 제공하는 장치가 갖고 있는 기능 또는 포함하는 모듈은 전술한 방법 실시예에서 설명한 방법을 수행하는데 사용될 수 있고, 그 구체적인 구현은 전술한 방법 실시예의 설명을 참조할 수 있으며, 간결함을 위해, 여기서 더 이상 반복하여 설명하지 않는다.
위의 각 실시예에 대한 설명은 각 실시예 사이의 차이점에 초점을 맞추고, 실시예의 동일하거나 유사한 부분에 대해서는 서로 참조할 수 있으며, 간결함을 위해 더 이상 설명하지 않는다.
본 발명에서 제공된 각 방법 실시예에서 개시된 방법에 있어서, 충돌되지 않는 상황에서, 임의로 조합하여, 새로운 방법 실시예를 획득할 수 있다.
본 발명에서 제공된 각 제품 실시예에서 개시된 특징에 있어서, 충돌되지 않는 상황에서, 임의로 조합하여, 새로운 제품 실시예를 획득할 수 있다.
본 발명에서 제공된 각 방법 또는 기기 실시예에서 개시된 특징에 있어서, 충돌되지 않는한, 임의로 조합하여, 새로운 방법 실시예 또는 기기 실시예를 획득할 수 있다.
상기 실시 형태의 설명을 통해, 당업자는 상기 실시예의 방법은 소프트웨어에 필수적인 범용 하드웨어 플랫폼을 추가하는 방법으로 구현할 수 있음을 명확하게 이해할 수 있으며, 물론 하드웨어를 통해 구현할 수도 있지만, 많은 경우에는 전자가 더욱 바람직한 실시 형태이다. 이러한 이해에 기반하여, 본 발명의 기술 방안은 본질적으로 또는 기존 기술에 기여하는 부분은 소프트웨어 제품의 형태로 구현될 수 있고, 상기 컴퓨터 소프트웨어 제품은 하나의 저장 매체(예를 들어 ROM/RAM, 디스켓, CD)에 저장되며, 하나의 단말(핸드폰, 컴퓨터, 서버, 에어컨 또는 네트워크 기기 등일 수 있음)은 본 발명의 각 실시예의 상기 방법을 실행하도록 복수 개의 명령어를 포함한다.
위에서 도면을 결부하여 본 발명의 실시예에 대해 설명하지만, 본 발명은 상기 실시 형태에 한정되지 않으며, 상기 구체적인 실시 형태는 다만 예시적일 뿐이고, 한정적이 아니며, 당업자는 본 발명의 계시하에, 본 발명의 목적 및 청구 범위를 벗어나지 않는 전제 하에, 다양한 형태가 더 있을 수 있고, 이들은 모두 본 발명의 보호 범위 내에 있다.

Claims (21)

  1. 이미지 처리 방법으로서,
    다중 프레임 게임 플랫폼 이미지에서 각 프레임 게임 플랫폼 이미지의 인식 결과를 결정하는 단계 - 상기 인식 결과는 적어도 자금 대체 물품 정보를 포함함 - ; 및
    슬라이드 창을 사용하여 매번 상기 다중 프레임 게임 플랫폼 이미지에서의 N 프레임 게임 플랫폼 이미지를 결정하는 경우, 상기 슬라이드 창 내의 상기 N 프레임 게임 플랫폼 이미지의 인식 결과에 따라, 타깃 프레임 이미지에서의 자금 대체 물품 정보를 다시 결정하는 단계 - 상기 슬라이드 창의 슬라이드 순서는 상기 다중 프레임 게임 플랫폼 이미지의 프레임 순서이고, N은 1 보다 큰 정수이며, 상기 타깃 프레임 이미지는 상기 슬라이드 창 내 상기 N 프레임 게임 플랫폼 이미지에서의 한 프레임 이미지임 - 를 포함하는 것을 특징으로 하는 이미지 처리 방법.
  2. 제1항에 있어서,
    상기 슬라이드 창 내 상기 N 프레임 게임 플랫폼 이미지의 인식 결과에 따라, 타깃 프레임 이미지에서의 자금 대체 물품 정보를 다시 결정하는 단계는,
    각 슬라이드 창 내의 N 프레임 게임 플랫폼 이미지에 대해, 타깃 추적을 통해 동일한 자금 대체 물품이 상기 N 프레임 게임 플랫폼 이미지의 각 프레임의 상기 인식 결과에서의 속성 데이터를 결정하는 단계;
    상기 동일한 자금 대체 물품의 상기 속성 데이터에서, 나타나는 횟수가 제일 많은 속성 데이터를 결정하는 단계; 및
    상기 타깃 프레임 이미지에서의 자금 대체 물품 정보를 상기 나타나는 횟수가 제일 많은 속성 데이터로 결정하는 단계를 포함하는 것을 특징으로 하는 이미지 처리 방법.
  3. 제1항에 있어서,
    상기 슬라이드 창 내 상기 N 프레임 게임 플랫폼 이미지의 인식 결과에 따라, 타깃 프레임 이미지에서의 자금 대체 물품 정보를 다시 결정하는 단계는,
    각 슬라이드 창 내의 N 프레임 게임 플랫폼 이미지에 대해, 타깃 추적을 통해 동일한 자금 대체 물품이 상기 N 프레임 게임 플랫폼 이미지의 각 프레임의 상기 인식 결과에서의 속성 데이터를 결정하는 단계;
    상기 속성 데이터에서 신뢰도가 신뢰도 임계값보다 크거나 같은 속성 데이터를, 상기 자금 대체 물품의 타깃 속성 데이터로 결정하는 단계;
    상기 동일한 자금 대체 물품의 타깃 속성 데이터에서, 나타나는 횟수가 제일 많은 타깃 속성 데이터를 결정하는 단계; 및
    상기 타깃 프레임 이미지에서의 자금 대체 물품 정보를 상기 나타나는 횟수가 제일 많은 타깃 속성 데이터로 결정하는 단계를 포함하는 것을 특징으로 하는 이미지 처리 방법.
  4. 제1항에 있어서,
    상기 슬라이드 창 내 상기 N 프레임 게임 플랫폼 이미지의 인식 결과에 따라, 타깃 프레임 이미지에서의 자금 대체 물품 정보를 다시 결정하는 단계는,
    각 슬라이드 창 내의 N 프레임 게임 플랫폼 이미지에 대해, 상기 N 프레임 게임 플랫폼 이미지의 인식 결과에서 적어도 두 개의 자금 대체 물품의 속성 데이터를 결정하는 단계;
    상기 적어도 두 개의 자금 대체 물품의 속성 데이터에서, 상기 적어도 두 개의 자금 대체 물품 각자의 추적 식별자를 통해, 상기 적어도 두 개의 자금 대체 물품 각자의 속성 데이터를 결정하는 단계;
    상기 적어도 두 개의 자금 대체 물품에서 각 자금 대체 물품에 대해, 나타나는 횟수가 제일 많은 속성 데이터를 각각 결정하는 단계; 및
    상기 타깃 프레임 이미지에서의 자금 대체 물품 정보를 각 상기 자금 대체 물품에 대해 결정된 상기 나타나는 횟수가 제일 많은 속성 데이터로 결정하는 단계를 포함하는 것을 특징으로 하는 이미지 처리 방법.
  5. 제2항 내지 제4항 중 어느 한 항에 있어서,
    상기 자금 대체 물품의 속성 데이터는 자금 대체 물품의 액면가, 자금 대체 물품의 타입, 자금 대체 물품의 수량, 자금 대체 물품의 소유자 정보 중 적어도 하나를 포함하는 것을 특징으로 하는 이미지 처리 방법.
  6. 제1항 내지 제4항 중 어느 한 항에 있어서,
    상기 N 프레임 게임 플랫폼 이미지는 상기 다중 프레임 게임 플랫폼 이미지에서 연속적인 N 프레임 이미지인 것을 특징으로 하는 이미지 처리 방법.
  7. 제1항 내지 제4항 중 어느 한 항에 있어서,
    상기 타깃 프레임 이미지는 상기 N 프레임 게임 플랫폼 이미지에서 최초 수집된 한 프레임 이미지인 것을 특징으로 하는 이미지 처리 방법.
  8. 제1항 내지 제4항 중 어느 한 항에 있어서,
    상기 이미지 처리 방법은,
    상기 타깃 프레임 이미지에서의 자금 대체 물품 정보에 따라, 자금 대체 물품과 관련된 비지니스 검출 논리를 실행하는 단계를 더 포함하는 것을 특징으로 하는 이미지 처리 방법.
  9. 제8항에 있어서,
    상기 타깃 프레임 이미지에서의 자금 대체 물품 정보에 따라, 자금 대체 물품과 관련된 비지니스 검출 논리를 실행하는 단계는,
    상기 타깃 프레임 이미지에서의 손 검출 박스와 자금 대체 물품 검출 박스를 결정하는 단계; 및
    상기 손 검출 박스와 자금 대체 물품 검출 박스가 오버랩 되지 않는 경우, 상기 타깃 프레임 이미지에서의 자금 대체 물품 정보에 따라, 자금 대체 물품과 관련된 비지니스 검출 논리를 실행하는 단계를 포함하는 것을 특징으로 하는 이미지 처리 방법.
  10. 제8항에 있어서,
    상기 타깃 프레임 이미지에서의 자금 대체 물품 정보에 따라, 자금 대체 물품과 관련된 비지니스 검출 논리를 실행하는 단계는,
    시간 순서에 따라 배열된 복수 개 타깃 프레임 이미지에서의 다시 결정된 자금 대체 물품 정보에 따라, 자금 대체 물품 정보가 상기 복수 개 타깃 프레임 이미지에서의 변화 정보를 결정하는 단계; 및
    게임 플랫폼의 관리 기기에 상기 변화 정보를 푸시하는 단계를 포함하는 것을 특징으로 하는 이미지 처리 방법.
  11. 제1항 내지 제4항 중 어느 한 항에 있어서,
    상기 다중 프레임 게임 플랫폼 이미지에서 각 프레임 게임 플랫폼 이미지의 인식 결과를 결정하는 단계는,
    상기 각 프레임 이미지에서의 타깃 대상을 인식하고, 인식된 상기 타깃 대상을 미리 결정된 영역 분할 이미지에 매핑하여, 상기 각 프레임 이미지의 각 기설정 영역의 인식 결과를 얻는 단계를 포함하는 것을 특징으로 하는 이미지 처리 방법.
  12. 이미지 처리 장치로서,
    다중 프레임 게임 플랫폼 이미지 중 각 프레임 게임 플랫폼 이미지의 인식 결과를 결정하기 위한 결정 모듈 - 상기 인식 결과는 적어도 자금 대체 물품 정보를 포함함 - ; 및
    슬라이드 창을 사용하여 매번 상기 다중 프레임 게임 플랫폼 이미지에서의 N 프레임 게임 플랫폼 이미지를 결정하는 경우, 상기 슬라이드 창 내의 상기 N 프레임 게임 플랫폼 이미지의 인식 결과에 따라, 타깃 프레임 이미지에서의 자금 대체 물품 정보를 다시 결정하기 위한 처리 모듈 - 상기 슬라이드 창의 슬라이드 순서는 상기 다중 프레임 게임 플랫폼 이미지의 프레임 순서이고, 상기 N은 1 보다 큰 정수이며, 상기 타깃 프레임 이미지는 상기 슬라이드 창 내 상기 N 프레임 게임 플랫폼 이미지에서의 한 프레임 이미지임 - 을 포함하는 것을 특징으로 하는 이미지 처리 장치.
  13. 에지 컴퓨팅 기기로서,
    상기 에지 컴퓨팅 기기는 이미지 수집 기기에 의해 송신된 다중 프레임 게임 플랫폼 이미지를 수신하기 위한 것이고; 상기 다중 프레임 게임 플랫폼 이미지는 상기 이미지 수집 기기에 의해 수집된 이미지이며;
    상기 에지 컴퓨팅 기기는 프로세서 및 프로세서에서 작동 가능한 컴퓨터 프로그램을 저장하기 위한 메모리를 포함하고;
    상기 프로세서는 상기 컴퓨터 프로그램을 작동함으로써,
    다중 프레임 게임 플랫폼 이미지에서 각 프레임 게임 플랫폼 이미지의 인식 결과를 결정하며 - 상기 인식 결과는 적어도 자금 대체 물품 정보를 포함함 - ;
    슬라이드 창을 사용하여 매번 상기 다중 프레임 게임 플랫폼 이미지에서의 N 프레임 게임 플랫폼 이미지를 결정하는 경우, 상기 슬라이드 창 내의 상기 N 프레임 게임 플랫폼 이미지의 인식 결과에 따라, 타깃 프레임 이미지에서의 자금 대체 물품 정보를 다시 결정 - 상기 슬라이드 창의 슬라이드 순서는 상기 다중 프레임 게임 플랫폼 이미지의 프레임 순서이고, N은 1 보다 큰 정수이며, 상기 타깃 프레임 이미지는 상기 슬라이드 창 내 상기 N 프레임 게임 플랫폼 이미지에서의 한 프레임 이미지임 - 하기 위한 것을 특징으로 하는 에지 컴퓨팅 기기.
  14. 제13항에 있어서,
    상기 프로세서는,
    각 슬라이드 창 내의 N 프레임 게임 플랫폼 이미지에 대해, 타깃 추적을 통해 동일한 자금 대체 물품이 상기 N 프레임 게임 플랫폼 이미지의 각 프레임의 상기 인식 결과에서의 속성 데이터를 결정하는 단계;
    상기 동일한 자금 대체 물품의 상기 속성 데이터에서, 나타나는 횟수가 제일 많은 속성 데이터를 결정하는 단계; 및
    상기 타깃 프레임 이미지에서의 자금 대체 물품 정보를 상기 나타나는 횟수가 제일 많은 속성 데이터로 결정하는 단계를 포함하는 것을 특징으로 하는 에지 컴퓨팅 기기.
  15. 제13항에 있어서,
    상기 프로세서는,
    각 슬라이드 창 내의 N 프레임 게임 플랫폼 이미지에 대해, 타깃 추적을 통해 동일한 자금 대체 물품이 상기 N 프레임 게임 플랫폼 이미지의 각 프레임의 상기 인식 결과에서의 속성 데이터를 결정하는 단계;
    상기 속성 데이터에서 신뢰도가 신뢰도 임계값보다 크거나 같은 속성 데이터를, 상기 자금 대체 물품의 타깃 속성 데이터로 결정하는 단계;
    상기 동일한 자금 대체 물품의 타깃 속성 데이터에서, 나타나는 횟수가 제일 많은 타깃 속성 데이터를 결정하는 단계; 및
    상기 타깃 프레임 이미지에서의 자금 대체 물품 정보를 상기 나타나는 횟수가 제일 많은 타깃 속성 데이터로 결정하는 단계를 포함하는 것을 특징으로 하는 에지 컴퓨팅 기기.
  16. 제13항에 있어서,
    상기 프로세서는,
    각 슬라이드 창 내의 N 프레임 게임 플랫폼 이미지에 대해, 상기 N 프레임 게임 플랫폼 이미지의 인식 결과에서 적어도 두 개의 자금 대체 물품의 속성 데이터를 결정하는 단계;
    상기 적어도 두 개의 자금 대체 물품의 속성 데이터에서, 상기 적어도 두 개의 자금 대체 물품 각자의 추적 식별자를 통해, 상기 적어도 두 개의 자금 대체 물품 각자의 속성 데이터를 결정하는 단계;
    상기 적어도 두 개의 자금 대체 물품에서 각 자금 대체 물품에 대해, 나타나는 횟수가 제일 많은 속성 데이터를 각각 결정하는 단계; 및
    상기 타깃 프레임 이미지에서의 자금 대체 물품 정보를 각 상기 자금 대체 물품에 대해 결정된 상기 나타나는 횟수가 제일 많은 속성 데이터로 결정하는 단계를 포함하는 것을 특징으로 하는 에지 컴퓨팅 기기.
  17. 제14항 내지 제16항 중 어느 한 항에 있어서,
    상기 자금 대체 물품의 속성 데이터는 자금 대체 물품의 액면가, 자금 대체 물품의 타입, 자금 대체 물품의 수량, 자금 대체 물품의 소유자 정보 중 적어도 하나를 포함하는 것을 특징으로 하는 에지 컴퓨팅 기기.
  18. 제13항 내지 제16항 중 어느 한 항에 있어서,
    상기 N 프레임 게임 플랫폼 이미지는 상기 다중 프레임 게임 플랫폼 이미지에서 연속적인 N 프레임 이미지인 것을 특징으로 하는 에지 컴퓨팅 기기.
  19. 컴퓨터 프로그램이 저장되어 있는 컴퓨터 저장 매체로서,
    상기 컴퓨터 프로그램이 프로세서에 의해 실행될 때 제1항 내지 제11항 중 어느 한 항에 따른 이미지 처리 방법을 구현하는 것을 특징으로 하는 컴퓨터 저장 매체.
  20. 컴퓨터 프로그램으로서,
    메모리에 저장되고, 상기 컴퓨터 프로그램이 프로세서에 의해 실행될 때 제1항 내지 제11항 중 어느 한 항에 따른 이미지 처리 방법에서의 단계를 구현하는 것을 특징으로 하는 컴퓨터 프로그램.
  21. 컴퓨터 프로그램으로서,
    상기 컴퓨터 프로그램은 컴퓨터 판독 가능 코드를 포함하고, 상기 컴퓨터 판독 가능 코드가 전자 기기에서 실행될 때 상기 전자 기기에서의 프로세서로 하여금 제1항 내지 제11항 중 어느 한 항에 따른 이미지 처리 방법을 실행하도록 하는 것을 특징으로 하는 컴퓨터 프로그램.
KR1020217031282A 2021-06-18 2021-06-25 이미지 처리 방법, 장치, 에지 컴퓨팅 기기 및 컴퓨터 저장 매체 KR20220169469A (ko)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
SG10202106600X 2021-06-18
SG10202106600X 2021-06-18
PCT/IB2021/055682 WO2022096954A1 (en) 2021-06-18 2021-06-25 Image processing method and device, edge computing device, and computer storage medium

Publications (1)

Publication Number Publication Date
KR20220169469A true KR20220169469A (ko) 2022-12-27

Family

ID=78873911

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020217031282A KR20220169469A (ko) 2021-06-18 2021-06-25 이미지 처리 방법, 장치, 에지 컴퓨팅 기기 및 컴퓨터 저장 매체

Country Status (5)

Country Link
US (1) US20220405509A1 (ko)
JP (1) JP2023504315A (ko)
KR (1) KR20220169469A (ko)
CN (1) CN113785327A (ko)
AU (1) AU2021204572A1 (ko)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
AU2021290434A1 (en) * 2021-12-20 2022-02-10 Sensetime International Pte. Ltd. Method and apparatus for detecting game prop in game region, device, and storage medium

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104636749A (zh) * 2013-11-14 2015-05-20 中国移动通信集团公司 目标对象检测方法及装置
JP2016197345A (ja) * 2015-04-03 2016-11-24 キヤノン株式会社 画像解析装置、画像解析方法、およびプログラム
CN105869148A (zh) * 2016-03-24 2016-08-17 北京小米移动软件有限公司 目标检测方法及装置
US10097765B2 (en) * 2016-04-20 2018-10-09 Samsung Electronics Co., Ltd. Methodology and apparatus for generating high fidelity zoom for mobile video
KR102462409B1 (ko) * 2016-05-16 2022-11-02 센센 네트웍스 그룹 피티와이 엘티디 자동화된 테이블 게임 활동 인식을 위한 시스템 및 방법
CN107784315A (zh) * 2016-08-26 2018-03-09 深圳光启合众科技有限公司 目标对象的识别方法和装置，及机器人
AU2018211647A1 (en) * 2017-01-24 2019-08-08 Angel Group Co., Ltd. Chip recognizing and learning system
CN111054080B (zh) * 2019-12-06 2022-01-11 腾讯科技（深圳）有限公司 智能检测透视外挂方法、装置、设备及其存储介质

Also Published As

Publication number Publication date
CN113785327A (zh) 2021-12-10
AU2021204572A1 (en) 2023-01-19
US20220405509A1 (en) 2022-12-22
JP2023504315A (ja) 2023-02-03

Similar Documents

Publication Publication Date Title
US11132559B2 (en) Abnormality detection method, apparatus, and device for unmanned checkout
KR102432204B1 (ko) 이미지 처리 방법, 장치, 저장 매체 및 전자 기기
KR102390774B1 (ko) 타겟 객체를 인식하기 위한 방법, 장치 및 시스템
US20150036935A1 (en) Information processing apparatus, information processing method, and storage medium
CN111414948A (zh) 目标对象检测方法和相关装置
KR20220169469A (ko) 이미지 처리 방법, 장치, 에지 컴퓨팅 기기 및 컴퓨터 저장 매체
KR102584248B1 (ko) 게임 이미지 처리 방법, 장치, 전자 기기, 컴퓨터 저장 매체 및 컴퓨터 프로그램
WO2015021272A1 (en) Automatic playing card shuffler and other card-hanlding devices incorporating means for detecting marked cards and method of using the same
US20220122352A1 (en) Method and apparatus for detecting game prop in game region, device, and storage medium
US11978307B2 (en) Status switching method and apparatus, edge computing device and computer storage medium
WO2022096950A1 (en) Game image processing method and apparatus, electronic device, and computer storage medium, and computer program
WO2022096954A1 (en) Image processing method and device, edge computing device, and computer storage medium
CN109389089B (zh) 基于人工智能算法的多人行为识别方法及装置
CN113785326A (zh) 纸牌游戏的状态切换方法、装置、设备和存储介质
CN115004245A (zh) 目标检测方法、装置、电子设备和计算机存储介质
US20220406120A1 (en) Method and apparatus for image processing, electronic device, and computer storage medium
CN112364688B (zh) 人脸聚类方法、装置、计算机设备和可读存储介质
CN112714145A (zh) 物联网决策融合方法、识别方法、设备及存储介质
CN113837006B (zh) 一种人脸识别方法、装置、存储介质及电子设备
CN113543862A (zh) 游戏道具操作事件的检测方法、装置、设备及系统
CN113508392A (zh) 异常事件的处理方法、装置、系统、设备及存储介质
AU2021290434A1 (en) Method and apparatus for detecting game prop in game region, device, and storage medium
KR20220169465A (ko) 게임 테이블 상의 게임 코인 검출 방법 및 장치, 기기, 저장 매체
JP2023504321A (ja) データ処理方法及び装置、電子機器、記憶媒体
CN116171463A (zh) 一种堆叠物体的识别方法、装置、设备及计算机存储介质