KR20230097204A

KR20230097204A - 칩의 인식 학습 시스템

Info

Publication number: KR20230097204A
Application number: KR1020237020292A
Authority: KR
Inventors: 야스시 시게타
Original assignee: 엔제루 구루푸 가부시키가이샤
Priority date: 2017-01-24
Filing date: 2018-01-17
Publication date: 2023-06-30
Also published as: KR20230124529A; AU2022279365A1; KR102622512B1; PH12019501704A1; SG10201913197QA; SG10201800601WA; CN108339261A; CN116363808A; US20200294346A1; CN116343405A; JP7347934B2; CN110678908A; PH12018000022A1; US20180211110A1; SG10201913201YA; CN116778644A; SG10201913203UA; WO2018139302A1; KR20190110552A; SG10201913199TA

Abstract

칩의 인식 학습 시스템 (10) 은, 유기 테이블 (4) 위에 쌓아 올려진 칩 (W) 의 상태를 카메라 (212) 에 의해 화상으로서 기록하는 게임 기록 장치 (11) 와, 기록된 칩 (W) 의 상태의 화상을 화상 분석하여, 플레이어 (C) 가 내기에 건 칩 (W) 의 장수 및 종류를 판정하는 인공 지능 장치 (12a) 를 포함하는 칩 판정 장치 (12) 와, 칩 판정 장치 (12) 의 판정 결과가 틀림으로 의심된다고 판정된 경우에, 칩 판정 장치 (12) 의 판정에 사용된 화상 및 틀림에 대한 정답의 칩 (W) 의 장수 및 종류를 교사 데이터로서 인공 지능 장치 (12a) 에 입력하여 학습시키는 교사 장치 (13) 를 구비한다.

Description

칩의 인식 학습 시스템 {CHIP RECOGNITION LEARNING SYSTEM}

본 발명은 칩의 인식 학습 시스템에 관한 것이다.

바카라 게임 등의 게임에서는, 손님 (플레이어) 이 테이블 위에 복수의 칩을 쌓아 올림으로써 내기가 행해진다. 그래서, 쌓아 올려진 칩을 정확히 인식할 필요가 있다. 또, 국제 공개 제2008/120749호에는, 게임에 사용되는 칩의 일례가 개시되어 있다.

본 발명의 목적은, 플레이어가 내기에 건 칩을 정밀도 좋게 인식할 수 있는 칩의 인식 학습 시스템을 제공하는 것이다.

본 발명의 일 양태에 관련된 칩의 인식 학습 시스템은,

유기 (遊技) 테이블을 갖는 유기장에 있어서의 칩의 인식 학습 시스템으로서,

상기 유기 테이블 위에 쌓아 올려진 칩의 상태를 카메라에 의해 화상으로서 기록하는 게임 기록 장치와,

상기 기록된 칩의 상태의 화상을 화상 분석하여, 플레이어가 내기에 건 칩의 장수 및 종류를 판정하는 인공 지능 장치를 포함하는 칩 판정 장치와,

상기 칩 판정 장치의 판정 결과가 틀림으로 의심된다고 판정된 경우에, 상기 칩 판정 장치의 판정에 사용된 화상 및 상기 틀림에 대한 정답의 칩의 장수 및 종류를 교사 데이터로서 상기 인공 지능 장치에 입력하여 학습시키는 교사 장치를 구비한다.

이와 같은 양태에 따르면, 칩 판정 장치의 판정 결과가 틀림으로 의심된다고 판정된 경우에, 교사 장치가, 칩 판정 장치의 판정에 사용된 화상 및 틀림에 대한 정답의 칩의 장수 및 종류를 교사 데이터로서 인공 지능 장치에 입력하여 학습시키기 때문에, 인공 지능 장치는, 칩 판정 장치의 판정 정밀도가 상대적으로 낮은 화상 패턴에 대해서 효율적으로 학습할 수 있어, 당해 화상 패턴에 대해서 중점적으로 칩 판정 장치의 판정 정밀도를 높일 수 있다. 이와 같은 교사 학습이 반복됨으로써, 칩 판정 장치는, 칩이 어떠한 상태로 쌓아 올려져 있어도, 플레이어가 내기에 건 칩을 정밀도 좋게 인식할 수 있게 된다.

본 발명의 일 양태에 관련된 칩의 인식 학습 시스템에 있어서,

상기 교사 장치는, 상기 칩 판정 장치의 판정 결과가 맞다고 판정된 경우에, 상기 칩 판정 장치의 판정에 사용된 화상 및 상기 판정 결과의 칩의 장수 및 종류를 교사 데이터로서 상기 인공 지능 장치에 추가로 입력하여 학습시켜도 된다.

이와 같은 양태에 따르면, 칩 판정 장치의 판정 정밀도가 상대적으로 낮은 화상 패턴뿐만 아니라, 판정 정밀도가 상대적으로 높은 화상 패턴에 대해서도, 판정 정밀도를 한층 더 높일 수 있고, 이로써 칩 판정 장치는, 플레이어가 내기에 건 칩을 한층 더 정밀도 좋게 인식할 수 있게 된다.

본 발명의 일 양태에 관련된 칩의 인식 학습 시스템은,

유기 테이블을 갖는 유기장에 있어서의 칩의 인식 학습 시스템으로서,

상기 기록된 칩의 상태의 화상을 화상 분석하여, 플레이어가 내기에 건 칩의 장수 및 종류를 판정하는 인공 지능 장치를 포함하는 칩 판정 장치를 구비하고,

상기 인공 지능 장치는, 상기 칩 판정 장치의 판정 결과가 틀림으로 의심된다고 판정된 경우에, 상기 칩 판정 장치의 판정에 사용된 화상 및 상기 틀림에 대한 정답의 칩의 장수 또는 종류를 교사 데이터로서 교사 장치에 의해 입력되어 학습한다.

이와 같은 양태에 따르면, 칩 판정 장치의 판정 결과가 틀림으로 의심된다고 판정된 경우에, 인공 지능 장치가, 칩 판정 장치의 판정에 사용된 화상 및 틀림에 대한 정답의 칩의 장수 및 종류를 교사 데이터로서 교사 장치에 의해 입력되어 학습하기 때문에, 인공 지능 장치는, 칩 판정 장치의 판정 정밀도가 상대적으로 낮은 화상 패턴에 대해서 효율적으로 학습할 수 있어, 당해 화상 패턴에 대해서 중점적으로 칩 판정 장치의 판정 정밀도를 높일 수 있다. 이를 반복함으로써, 칩 판정 장치는, 칩이 어떠한 상태로 쌓아 올려져 있어도, 플레이어가 내기에 건 칩을 정밀도 좋게 인식할 수 있게 된다.

본 발명의 일 양태에 관련된 칩의 인식 학습 시스템은,

상기 칩 판정 장치의 판정 결과의 맞음 틀림을 판정하는 제어 장치를 추가로 구비하고,

상기 칩 판정 장치는, 상기 유기 테이블에서 행해지는 게임에 있어서 상기 유기 테이블이 구비하는 칩 트레이의 칩의 종류 및 장수, 그리고 각 플레이어가 내기에 거는 칩의 위치, 종류 및 장수를, 상기 게임 기록 장치에 기록된 화상으로부터 판정할 수 있고,

상기 제어 장치는, 각 플레이어가 내기에 건 패배 칩의 모든 회수가 종료되었을 때에, 칩 트레이에 있어서의 칩의 현실 총액을 파악하고, 상기 칩 판정 장치의 판정 결과에 의거하여 각 게임의 정산 전의 칩 트레이에 있어서의 칩의 총액에, 패한 플레이어가 내기에 건 칩의 종류 및 장수로부터 산출되는 당해 게임에 있어서의 칩 트레이의 증액을 가산한 당해 칩 트레이에 있어서의 칩의 있어야 할 총액을 계산하고, 당해 칩 트레이에 있어서의 칩의 있어야 할 총액과 당해 칩 트레이에 있어서의 칩의 현실 총액을 비교해서, 있어야 할 총액과 현실 총액의 사이에 차이가 있었을 때에, 상기 칩 판정 장치의 판정 결과가 틀림으로 의심된다고 판정해도 된다.

이와 같은 양태에 따르면, 칩 판정 장치의 판정 결과가 틀리다고 의심되는지 아닌지를 제어 장치에 의해 자동적으로 판정할 수 있다.

본 발명의 일 양태에 관련된 칩의 인식 학습 시스템은,

상기 칩 판정 장치의 판정 결과가 맞다고 판정된 경우에, 상기 칩 판정 장치의 판정에 사용된 화상 및 상기 판정 결과의 칩의 장수 및 종류를 교사 데이터로서 상기 인공 지능 장치에 입력하여 학습시키는 교사 장치를 구비한다.

본 발명의 일 양태에 관련된 칩의 인식 학습 시스템은,

상기 인공 지능 장치는, 상기 칩 판정 장치의 판정 결과가 맞다고 판정된 경우에, 상기 칩 판정 장치의 판정에 사용된 화상 및 상기 판정 결과의 칩의 장수 또는 종류를 교사 데이터로서 교사 장치에 의해 입력되어 학습한다.

본 발명의 일 양태에 관련된 칩의 인식 학습 시스템은,

상기 제어 장치는, 각 플레이어가 내기에 건 패배 칩의 모든 회수가 종료되었을 때에, 칩 트레이에 있어서의 칩의 현실 총액을 파악하고, 상기 칩 판정 장치의 판정 결과에 의거하여 각 게임의 정산 전의 칩 트레이에 있어서의 칩의 총액에, 패한 플레이어가 내기에 건 칩의 종류 및 장수로부터 산출되는 당해 게임에 있어서의 칩 트레이의 증액을 가산한 당해 칩 트레이에 있어서의 칩의 있어야 할 총액을 계산하고, 당해 칩 트레이에 있어서의 칩의 있어야 할 총액과 당해 칩 트레이에 있어서의 칩의 현실 총액을 비교해서, 있어야 할 총액과 현실 총액이 일치했을 때에, 상기 칩 판정 장치의 판정 결과가 맞다고 판정해도 된다.

상기 제어 장치는, 상기 칩 트레이에 있어서의 칩의 현실 총액을, 상기 칩에 형성된 RFID 를 기준으로 파악해도 된다.

이와 같은 양태에 따르면, 제어 장치는, 칩 트레이에 있어서의 칩의 현실 총액을, RFID 를 사용하여 자동적으로 파악할 수 있어, 작업자에 의한 육안 계측보다 계측 정밀도를 높일 수 있다.

상기 제어 장치는, 상기 칩 트레이에 있어서의 칩의 현실 총액을 상기 게임 기록 장치에 기록된 화상으로부터 파악하는, 상기 칩 판정 장치의 인공 지능 장치와는 다른 정답 결정용 인공 지능 장치를 포함하고 있어도 된다.

이와 같은 양태에 따르면, 제어 장치는, 칩 트레이에 있어서의 칩의 현실 총액을, 정답 결정용 인공 지능 장치를 사용하여 자동적으로 파악할 수 있어, 작업자에 의한 육안 계측보다 계측 정밀도를 높일 수 있다.

당해 게임의 기록이 상기 칩 판정 장치에 의해 이후에 분석 가능해지도록, 상기 게임 기록 장치는, 카메라로부터 취득한 화상에 인덱스 혹은 시각을 부여하거나, 또는 칩의 회수 신 (scene) 혹은 지불 신을 특정하는 태그를 부여하여 기록해도 된다.

이와 같은 양태에 따르면, 칩 판정 장치는, 화상에 부여된 인덱스나 시각이나 태그를 이용함으로써, 게임 기록 장치의 기록 내용으로부터 분석 대상으로 해야 할 칩의 상태의 화상을 용이하게 특정할 수 있고, 특정에 필요로 하는 시간을 단축시킬 수 있다.

상기 칩 판정 장치는, 유기 테이블 위에 놓여진 복수의 칩이 상기 카메라의 사각에 따라 일부 혹은 한 장 전체가 숨은 상태로 되어 있어도, 내기에 걸린 칩의 종류, 장수 및 위치를 판정할 수 있어도 된다.

이와 같은 양태에 따르면, 특히 유기 테이블 위에 놓여진 복수의 칩이 작업자의 사각에 따라 일부 혹은 한 장 전체가 숨은 상태로 되어 있는 경우에, 칩 판정 장치에서 플레이어가 내기에 건 칩을 판정하게 함으로써, 작업자에 의한 육안 계측보다 계측 정밀도를 높일 수 있다.

본 발명의 일 양태에 관련된 칩의 인식 학습 방법은,

유기 테이블을 갖는 유기장에 있어서의 칩의 인식 학습 방법으로서,

상기 유기 테이블 위에 쌓아 올려진 칩의 상태를 카메라에 의해 화상으로서 기록하는 게임 기록 스텝과,

상기 기록된 칩의 상태의 화상을 화상 분석하여, 플레이어가 내기에 건 칩의 장수 및 종류를 판정하는 인공 지능 장치에 의한 칩 판정 스텝과,

상기 칩 판정 스텝의 판정 결과가 틀림으로 의심된다고 판정된 경우에, 상기 칩 판정 스텝의 판정에 사용된 화상 및 상기 틀림에 대한 정답의 칩의 장수 및 종류를 교사 데이터로서 상기 인공 지능 장치에 입력하여 학습시키는 교사 스텝을 구비한다.

이와 같은 양태에 따르면, 칩 판정 스텝에 있어서의 판정 결과가 틀림으로 의심된다고 판정된 경우에, 교사 스텝에 있어서, 칩 판정 스텝에 있어서의 판정에 사용된 화상 및 틀림에 대한 정답의 칩의 장수 및 종류를 교사 데이터로서 인공 지능 장치에 입력하여 학습시키기 때문에, 인공 지능 장치는, 칩 판정 스텝에 있어서의 판정 정밀도가 상대적으로 낮은 화상 패턴에 대해서 효율적으로 학습할 수 있어, 당해 화상 패턴에 대해서 중점적으로 판정 정밀도를 높일 수 있다. 이를 반복함으로써, 칩 판정 스텝에 있어서, 칩이 어떠한 상태로 쌓아 올려져 있어도, 플레이어가 내기에 건 칩을 정밀도 좋게 인식할 수 있게 된다.

본 발명의 일 양태에 관련된 칩의 인식 학습 방법은,

상기 칩 판정 스텝의 판정 결과가 맞다고 판정된 경우에, 상기 칩 판정 스텝의 판정에 사용된 화상 및 상기 판정 결과의 칩의 장수 및 종류를 교사 데이터로서 상기 인공 지능 장치에 입력하여 학습시키는 교사 스텝을 구비한다.

도 1 은, 제 1 실시형태에 의한 칩의 인식 학습 시스템을 구비한 유기장을 모식적으로 나타내는 도면이다.
도 2 는, 바카라 게임의 진행을 설명하기 위한 도면이다.
도 3 은, 제 1 실시형태에 의한 칩의 인식 학습 시스템의 개략 구성을 나타내는 블록도이다.
도 4 는, 칩의 인식 학습 방법을 설명하기 위한 플로차트이다.
도 5 는, 칩의 인식 학습 방법의 일 변형예를 설명하기 위한 플로차트이다.
도 6 은, 칩의 인식 학습 방법의 다른 변형예를 설명하기 위한 플로차트이다.
도 7 은, 제 2 실시형태에 의한 칩의 인식 학습 시스템을 구비한 유기장을 모식적으로 나타내는 도면이다.
도 8 은, 제 2 실시형태에 의한 칩의 인식 학습 시스템의 개략 구성을 나타내는 블록도이다.

이하에, 첨부한 도면을 참조하여, 본 발명의 실시형태를 상세하게 설명한다. 또, 각 도면에 있어서 동등한 기능을 갖는 구성 요소에는 동일한 부호를 붙이고, 동일 부호의 구성 요소의 상세한 설명은 반복하지 않는다.

우선은, 유기 테이블 (4) 을 갖는 유기장에 있어서 행해지는 게임에 대해서 설명한다. 본 실시형태에서는, 유기 테이블 (4) 이 바카라 테이블이고, 바카라 게임이 행해지는 예를 설명하지만, 다른 유기장 혹은 다른 게임에도 본 발명은 적용 가능하다.

도 1 은, 제 1 실시형태에 의한 칩의 인식 학습 시스템 (10) 을 구비한 유기장을 모식적으로 나타내는 도면이다. 도 1 에 나타내는 바와 같이, 유기장에는, 대략 반원상인 유기 테이블 (4) 과, 유기 테이블 (4) 의 원호측을 따라 딜러 (D) 와 서로 마주 보도록 늘어 놓여진 복수의 의자 (201) 가 배치되어 있다. 의자 (201) 의 수는 임의이고, 도 1 에 나타내는 예에서는, 6 개의 의자 (201) 가 늘어 놓여져 있다. 또한, 의자 (201) 의 각각에 대응하여, 유기 테이블 (4) 위에 베팅 에어리어 (BA) 가 형성되어 있다. 즉, 도시된 예에서는, 6 개의 베팅 에어리어 (BA) 가 원호상으로 나란히 형성되어 있다.

도 1 에 나타내는 바와 같이, 의자 (201) 각각에 손님 (플레이어) (C) 이 착석한다. 손님 (플레이어) (C) 은, 바카라 게임의 승패 결과로서, 플레이어 (PLAYER) 와 뱅커 (BANKER) 중 어느 쪽이 승리할지, 또는 무승부 (TIE) 가 될지를, 착석한 의자 (201) 의 눈 앞에 형성된 베팅 에어리어 (BA) 에 칩 (W) 을 쌓아 올려 배치함으로써 내기를 건다 (이하, 이를 「베팅」으로 한다).

베팅하는 칩 (W) 은, 1 종류만이어도 되고, 복수 종류여도 된다. 또한, 베팅하는 칩 (W) 의 장수는, 손님 (플레이어) (C) 이 임의로 결정해도 된다. 본 실시형태에 의한 칩의 인식 학습 시스템 (10) 은, 이 쌓아 올려 배치된 칩 (W) 의 장수 및 종류를 인식하는 것이다.

딜러 (D) 는, 손님 (플레이어) (C) 에 의한 베팅을 종료시키기 위해, 타이밍을 재서 "No More Bet (베팅의 접수 종료)" 로 콜하고, 손을 가로 방향으로 움직이거나 한다. 이어서, 딜러 (D) 는, 카드 슈터 장치 (S) 로부터 카드를 1 장씩 유기 테이블 (4) 에 인출한다. 도 2 에 나타내는 바와 같이, 1 장째 카드는 플레이어 (PLAYER), 2 장째 카드는 뱅커 (BANKER), 3 장째 카드는 플레이어 (PLAYER), 4 장째 카드는 뱅커 (BANKER) 의 패가 된다 (이하, 1 ∼ 4 장째 카드의 인출을, 「딜링」으로 한다).

또, 카드는 카드 슈터 장치 (S) 로부터 전부 이면이 상방향의 상태로 인출된다. 그래서, 인출된 카드의 랭크 (수) 나 슈트 (하트·다이아몬드·스페이드·클로버) 는, 딜러 (D) 로부터도 손님 (플레이어) (C) 으로부터도 파악할 수는 없다.

4 장째 카드가 인출된 후, 플레이어 (PLAYER) 에게 베팅을 한 손님 (플레이어) (C) (PLAYER 에게 베팅을 한 손님이 복수 있는 경우에는 가장 고액의 베팅을 한 손님 (C), PLAYER 에게 베팅을 한 손님이 없는 경우에는 딜러 (D)) 은, 이면이 상방향으로 되어 있는 1 장째와 3 장째 카드를 표면으로 뒤집는다. 마찬가지로 뱅커 (BANKER) 에게 베팅을 한 손님 (플레이어) (C) (BANKER 에게 베팅을 한 손님이 복수 있는 경우에는 가장 고액의 베팅을 한 손님 (C), BANKER 에게 베팅을 한 손님이 없는 경우에는 딜러 (D)) 은, 2 장째와 4 장째 카드를 표면으로 뒤집는다 (일반적으로, 이 이면의 카드를 표면으로 뒤집는 것을, 「스퀴즈」라고 부른다).

그리고, 이 1 ∼ 4 장째 카드의 랭크 (수) 와 바카라 게임의 상세한 룰에 따라 딜러 (D) 에 의해 5 장째 카드, 그리고 6 장째 카드가 인출되고, 이것들은 각각 플레이어 (PLAYER) 또는 뱅커 (BANKER) 의 패가 된다. 동일하게 플레이어 (PALYER) 의 패가 되는 카드를 플레이어 (PLAYER) 에게 베팅을 한 손님 (플레이어) (C) 이 스퀴즈하고, 뱅커 (BANKER) 의 패가 되는 카드를 뱅커 (BANKER) 에게 베팅을 한 손님 (플레이어) 이 스퀴즈한다.

1 ∼ 4 장째 카드가 인출된 후, 5 장째, 6 장째 카드를 스퀴즈하고 승패 결과가 판명될 때까지의 시간은, 손님 (플레이어) (C) 에게 있어서 한껏 재미가 고조되는 시간이다.

또한, 카드의 랭크 (수) 에 따라서는 1 ∼ 4 장째까지에서 승패가 정해지는 경우도 있고, 또한 5 장째, 나아가서는 6 장째에서 드디어 승패가 정해지는 경우도 있다. 딜러 (D) 는, 스퀴즈된 카드의 랭크 (수) 에 따라 승패가 정해진 것이나 승패 결과를 파악하고, 카드 슈터 장치 (S) 에 있어서의 승패 결과 표시 버튼을 눌러, 승패 결과를 손님 (플레이어) (C) 에게 알리기 위해서 모니터에 표시시키는 등의 작업을 실시한다.

또한 동시에, 카드 슈터 장치 (S) 가 갖는 승패 판정부에 의해 게임의 승패 결과가 판정된다. 승패가 정해져 있음에도 불구하고, 딜러 (D) 가 승패 결과의 표시를 하지 않고 다시 카드를 뽑고자 한 경우에는 에러가 된다. 카드 슈터 장치 (S) 는 상기 에러를 검지하여, 에러 신호가 출력된다. 마지막으로, 딜러 (D) 는, 승패 결과가 표시되어 있는 동안, 손님 (플레이어) (C) 에 의한 내기에 건 돈의 정산을 실시하여, 이긴 손님 (플레이어) (C) 에 대한 지불, 및 패한 손님 (플레이어) (C) 의 내기에 건 돈의 회수를 실시한다. 정산이 완료된 후, 승패 결과의 표시를 종료하고, 다음 게임의 베팅을 개시한다.

또, 상기 바카라 게임의 흐름은, 일반 카지노에서 널리 행해지고 있는 것으로, 카드 슈터 장치 (S) 는, 카드를 딜러 (D) 의 손에 의해 인출하는 구조를 취하면서, 인출되는 카드를 판독하도록 구성되고, 또한 결과 표시 버튼이나 결과 표시부를 갖고, 승패 판정이나 승패 결과의 표시를 하는 기능을 구비한, 기존의 카드 슈터 장치이다. 일반 카지노 플로어에 있어서, 복수 대 늘어져 있는 유기 테이블 (4) 마다 카드 슈터 장치 (S) 나 모니터 등이 배치되고, 각 유기 테이블 (4) 또는 그 아래의 캐비넷에, 사용하는 카드가 패키지 또는 세트 단위로, 나아가서는 카톤 단위로 공급되어 운용되고 있다.

본 실시형태에 관련된 칩의 인식 학습 시스템 (10) 은, 손님 (플레이어) (C) 이 베팅 에어리어 (BA) 에 쌓아 올려 배치한 칩 (W) 을 인식 학습하는 시스템에 관한 것으로, 보다 상세하게는 칩 (W) 의 장수 및/또는 종류를 인식 학습하는 시스템에 관한 것이다.

도 1 에 나타내는 바와 같이, 본 실시형태에서는, 베팅 에어리어 (BA) 에 쌓아 올려 배치된 칩 (W) 의 상태를 촬상하는 감시 카메라 (212) 가, 유기 테이블 (4) 의 외측에 형성되어 있다. 또한, 각 칩 (W) 에는 RFID 가 형성되어 있고, 딜러 (D) 가 관리하는 칩 트레이 (23) 에는, 칩 트레이 (23) 내의 칩 (W) 의 RFID 를 판독하는 RFID 판독 장치 (22) 가 형성되어 있다.

본 실시형태에 의한 칩의 인식 학습 시스템 (10) 은, 감시 카메라 (212) 및 RFID 판독 장치 (22) 에 대하여 각각 통신 가능하게 접속되어 있다.

도 3 은, 본 실시형태에 관련된 칩의 인식 학습 시스템 (10) 의 개략 구성을 나타내는 블록도이다.

도 3 에 나타내는 바와 같이, 칩의 인식 학습 시스템 (10) 은, 게임 기록 장치 (11) 와, 칩 판정 장치 (12) 와, 교사 장치 (13) 와, 제어 장치 (14) 를 갖고 있다. 또, 칩의 인식 학습 시스템 (10) 의 적어도 일부는, 컴퓨터에 의해 실현되고 있다.

게임 기록 장치 (11) 는, 예를 들어 하드 디스크 등의 고정형 데이터 스토리지를 포함하고 있다. 게임 기록 장치 (11) 는, 유기 테이블 (4) 위에 쌓아 올려진 칩 (W) 의 상태를, 카메라 (212) 에 의해 촬상된 화상으로서 기록한다. 또, 화상은, 동화상이어도 되고, 연속된 정지 화상이어도 된다.

게임 기록 장치 (11) 는, 후술하는 칩 판정 장치 (12) 에 의해 게임의 기록이 이후에 분석 가능해지도록, 카메라 (212) 로부터 취득한 화상에 인덱스 혹은 시각을 부여하거나, 또는 칩 (W) 의 회수 신 혹은 지불 신을 특정하는 태그를 부여하여 기록해도 된다.

칩 판정 장치 (12) 는, 예를 들어 심층 학습 (딥 러닝) 기술 등에 의해 화상 인식을 실시하는 인공 지능 장치 (12a) 를 포함하고 있고, 게임 기록 장치 (11) 에 기록된 칩 (W) 의 상태의 화상을 화상 분석하여, 손님 (플레이어) (C) 이 내기에 건 칩 (W) 의 장수 및 종류를 판정한다. 칩 판정 장치 (12) 는, 손님 (플레이어) (C) 이 내기에 건 칩 (W) 의 베팅 에어리어 (BA) 위에 있어서의 위치를 더 판정해도 된다.

칩 판정 장치 (12) 는, 게임 기록 장치 (11) 에 기록된 칩 (W) 의 상태의 화상을 화상 분석하여, 각 게임의 정산 전의 칩 트레이 (23) 에 있어서의 칩 (W) 의 장수 및 종류를 판정해도 된다.

도 3 에 나타내는 바와 같이, 칩 판정 장치 (12) 는, 판정 결과를 출력 장치 (15) 에 출력한다. 출력 장치 (15) 는, 칩 판정 장치 (12) 의 판정 결과를, 문자 정보로서 유기 테이블 (4) 위의 모니터에 출력해도 되고, 음성 정보로서 딜러 (D) 의 헤드 세트 등에 출력해도 된다.

제어 장치 (14) 는, 칩 판정 장치 (12) 의 판정 결과의 맞음 틀림을 판정하는 장치이다. 제어 장치 (14) 는, 패한 손님 (플레이어) (C) 이 내기에 건 칩 (W) (패배 칩) 의 모든 회수가 종료되었을 때에, 칩 트레이 (23) 에 있어서의 칩 (W) 의 현실 총액 V0 을 파악한다.

본 실시형태에서는, 제어 장치 (14) 는, 칩 트레이 (23) 내의 칩 (W) 의 RFID 의 정보를 RFID 판독 장치 (22) 로부터 취득하고, 취득한 RFID 의 정보에 의거하여 칩 트레이 (23) 에 있어서의 칩 (W) 의 종류 및 장수를 판정하고, 그 현실 총액 V0 을 파악한다.

또한, 제어 장치 (14) 는, 칩 판정 장치 (12) 로부터 판정 결과를 취득하고, 취득한 판정 결과에 의거하여 각 게임의 정산 전의 칩 트레이 (23) 에 있어서의 칩 (W) 의 종류 및 장수로부터 그 총액 V1 을 산출함과 함께, 각 플레이어 (C) 가 내기에 건 칩 (W) 의 위치, 종류 및 장수로부터 패한 플레이어 (C) 가 내기에 건 칩 (W) 의 총액 (즉 당해 게임에 있어서의 칩 트레이 (23) 의 증액) V2 를 산출한다. 그리고, 제어 장치 (14) 는, 각 게임의 정산 전의 칩 트레이 (23) 에 있어서의 칩 (W) 의 총액 V1 에, 당해 게임에 있어서의 칩 트레이 (23) 의 증액 V2 를 가산하여, 당해 칩 트레이 (23) 에 있어서의 칩의 있어야 할 총액 V3 (＝V1＋V2) 을 계산한다.

제어 장치 (14) 는, 당해 칩 트레이 (23) 에 있어서의 칩 (W) 의 있어야 할 총액 V3 과 당해 칩 트레이 (23) 에 있어서의 칩 (W) 의 현실 총액 V0 을 비교해서, 있어야 할 총액 V3 과 현실 총액 V0 의 사이에 차이가 있었을 때에 (V3≠V0), 칩 판정 장치 (12) 의 판정 결과가 틀림으로 의심된다고 판정한다. 한편, 제어 장치 (14) 는, 있어야 할 총액 V3 과 현실 총액 V0 이 일치했을 때에 (V3＝V0), 칩 판정 장치 (12) 의 판정 결과가 맞다고 판정한다.

패한 플레이어 (C) 로부터의 칩 (W) 의 회수가 종료되면, 이긴 플레이어 (C) 에 대한 칩 (W) 의 지불이 실시된다. 제어 장치 (14) 는, 각 플레이어 (C) 가 내기에 건 칩 (W) 의 위치, 종류 및 장수로부터 이긴 플레이어 (C) 가 내기에 건 칩 (W) 의 총액 및 그에 대한 지불해야 할 금액 V4 를 산출한다. 제어 장치 (14) 는, 칩 트레이 (23) 의, 지불을 실시한 칩 (W) 에 의해 감소한 후의 현실 총액을 파악하고, 지불해야 할 V4 와 일치하는지 판정하고, 판정 결과에 따라 일치 불일치의 램프를 표시한다.

제어 장치 (14) 는, 칩 트레이 (23) 에 있어서의 칩 (W) 의 있어야 할 총액 V5 (＝V1＋V2－V4) 와, 회수한 칩의 증가 및 지불한 칩의 감소 후의 칩 트레이 (23) 의 칩 (W) 의 현실 총액을 비교해서, 차이가 있었을 때에, 칩 판정 장치 (12) 의 판정 결과가 틀림으로 의심된다고 판정한다. 제어 장치 (14) 는, 있어야 할 총액 V5 와 현실 총액이 일치했을 때에, 칩 판정 장치 (12) 의 판정 결과가 맞다고 판정한다.

각각의 일치 불일치의 판정에 대하여, 예를 들어 일치하면 녹색, 불일치하면 적색과 같이 램프가 점등되어도 된다.

교사 장치 (13) 는, 제어 장치 (14) 로부터 칩 판정 장치 (12) 의 판정 결과의 맞음 틀림을 취득한다. 교사 장치 (13) 는, 제어 장치 (14) 에 의해 칩 판정 장치 (12) 의 판정 결과가 틀림으로 의심된다고 판정된 경우에, 칩 판정 장치 (12) 의 (틀리다고 의심되는 것을 포함하는) 판정에 사용된 화상과, 틀림에 대한 정답의 칩 (W) 의 장수 및 종류를, 교사 데이터로서 칩 판정 장치 (12) 의 인공 지능 장치 (12a) 에 입력하여 학습시켜도 된다. 또, 틀림에 대한 정답의 칩의 장수 및 종류는, 실제로 사람이 화상을 확인하고, 교사 장치 (13) 에 교시한다. 즉, 교사 장치 (13) 는, 틀림에 대한 정답의 칩의 장수 및 종류를, 틀렸을 때의 화상과 그 때에 정답인 장수를 교시하는 장치를 통해서 사람이 교시함으로써 배운다.

교사 장치 (13) 는, 제어 장치 (14) 에 의해 칩 판정 장치 (12) 의 판정 결과가 맞다고 판정된 경우에, 칩 판정 장치 (12) 의 (맞는) 판정에 사용된 화상과, 칩 판정 장치 (12) 의 판정 결과의 칩 (W) 의 장수 및 종류 (즉 정답의 칩 (W) 의 장수 및 종류) 를, 교사 데이터로서 칩 판정 장치 (12) 의 인공 지능 장치 (12a) 에 추가로 입력하여 학습시켜도 된다.

교사 장치 (13) 는, 칩 판정 장치 (12) 의 인공 지능 장치 (12a) 에 상기 교사 데이터를 입력하여 학습시킨다는 교사 동작을 반복적으로 실시함으로써, 칩 판정 장치 (12) 에 의한 칩 (W) 의 판정 정밀도를 높일 수 있다. 칩 판정 장치 (12) 의 인공 지능 장치 (12a) 는, 칩 (W) 의 상태의 화상을 화상 분석하여 칩 (W) 의 판정을 실시하기 때문에, 유기 테이블 (4) 위에 놓여진 복수의 칩 (W) 이 카메라 (212) 의 사각에 따라 일부 혹은 한 장 전체가 숨은 상태로 되어 있어도, 그러한 불완전한 화상을 반복적으로 학습해 둠으로써, 내기에 걸린 칩 (W) 의 종류, 장수 및 위치를 판정할 수 있게 된다.

다음으로, 도 4 를 참조하여 본 실시형태에 의한 칩의 인식 학습 시스템 (10) 의 동작 (칩의 인식 학습 방법) 을 설명한다.

도 4 에 나타내는 바와 같이, 먼저, 손님 (플레이어) (C) 이 유기 테이블 (4) 의 베팅 에어리어 (BA) 에 칩 (W) 을 쌓아 올려 배치하면 (칩 (W) 을 내기걸면), 쌓아 올려진 칩 (W) 의 상태가 카메라 (212) 에 의해 화상으로서 촬상되고, 당해 화상이 게임 기록 장치 (11) 에 기록된다 (스텝 S31).

다음으로, 게임 기록 장치 (11) 에 기록된 화상이, 칩 판정 장치 (12) 에 의해 화상 분석되어, 손님 (플레이어) (C) 이 내기에 건 칩 (W) 의 장수 및 종류가 판정된다 (스텝 S32). 또, 칩 판정 장치 (12) 에 의해 화상 분석되는 화상은, 게임 기록 장치 (11) 에 의해 화상에 부여된 인덱스, 시각, 또는 칩 (W) 의 회수 신 혹은 지불 신을 특정하는 태그에 의거하여 선택된 것이어도 된다.

스텝 S32 에 있어서, 게임 기록 장치 (11) 에 기록된 칩 (W) 의 상태의 화상이 칩 판정 장치 (12) 에 의해 화상 분석됨으로써, 손님 (플레이어) (C) 이 내기에 건 칩 (W) 의 장수 및 종류에 더하여, 손님 (플레이어) (C) 이 내기에 건 칩 (W) 의 베팅 에어리어 (BA) 위에 있어서의 위치가 판정되어도 되고, 각 게임의 정산 전의 칩 트레이 (23) 에 있어서의 칩 (W) 의 장수 및 종류가 판정되어도 된다.

칩 판정 장치 (12) 의 판정 결과는, 출력 장치 (15) 에 출력된다. 칩 판정 장치 (12) 의 판정 결과는, 출력 장치 (15) 에 의해 문자 정보로서 유기 테이블 (4) 위의 모니터에 출력되어도 되고, 음성 정보로서 딜러 (D) 의 헤드 세트 등에 출력되어도 된다.

칩 판정 장치 (12) 의 판정 결과는, 또한, 제어 장치 (14) 에 송신되고, 제어 장치 (14) 에 있어서, 칩 판정 장치 (12) 의 판정 결과의 맞음 틀림이 판정된다 (스텝 S33).

제어 장치 (14) 에 의해 칩 판정 장치 (12) 의 판정 결과가 틀림으로 의심된다고 판정된 경우에는 (스텝 S34 : 아니오), 칩 판정 장치 (12) 의 (틀리다고 의심되는 것을 포함하는) 판정에 사용된 화상과, 틀림에 대한 정답의 칩 (W) 의 장수 및 종류가, 교사 데이터로서 교사 장치 (13) 로부터 칩 판정 장치 (12) 의 인공 지능 장치 (12a) 에 입력되어, 인공 지능 장치 (12a) 가 학습을 실시한다 (스텝 S36).

한편, 제어 장치 (14) 에 의해 칩 판정 장치 (12) 의 판정 결과가 맞다고 판정된 경우에는 (스텝 S34 : 예), 당해 게임에 있어서의 칩의 인식 학습 시스템 (10) 의 동작을 종료한다.

이상과 같이 본 실시형태에 따르면, 칩 판정 장치 (12) 의 판정 결과가 틀림으로 의심된다고 판정된 경우에, 교사 장치 (13) 가, 칩 판정 장치 (12) 의 판정에 사용된 화상 및 틀림에 대한 정답의 칩 (W) 의 장수 및 종류를 교사 데이터로서 인공 지능 장치 (12a) 에 입력하여 학습시키기 때문에, 인공 지능 장치 (12a) 는, 칩 판정 장치 (12) 의 판정 정밀도가 상대적으로 낮은 화상 패턴에 대해서 효율적으로 학습할 수 있어, 당해 화상 패턴에 대해서 중점적으로 칩 판정 장치 (12) 의 판정 정밀도를 높일 수 있다. 이와 같은 교사 학습이 반복됨으로써, 칩 판정 장치 (12) 는, 칩 (W) 이 어떠한 상태로 쌓아 올려져 있어도, 플레이어 (C) 가 내기에 건 칩 (W) 을 정밀도 좋게 인식할 수 있게 된다.

또한, 본 실시형태에 따르면, 제어 장치 (14) 가, 각 플레이어 (C) 가 내기에 건 패배 칩의 모든 회수가 종료되었을 때에, 칩 트레이 (23) 에 있어서의 칩 (W) 의 현실 총액 V0 을 파악하고, 칩 판정 장치 (12) 의 판정 결과에 의거하여 각 게임의 정산 전의 칩 트레이 (23) 에 있어서의 칩 (W) 의 총액 V1 에, 패한 플레이어 (C) 가 내기에 건 칩 (W) 의 종류 및 장수로부터 산출되는 당해 게임에 있어서의 칩 트레이 (23) 의 증액 V2 를 가산한 당해 칩 트레이 (23) 에 있어서의 칩 (W) 의 있어야 할 총액 V3 (＝V1＋V2) 을 계산하고, 당해 칩 트레이 (23) 에 있어서의 칩 (W) 의 있어야 할 총액 V3 과 당해 칩 트레이 (23) 에 있어서의 칩 (W) 의 현실 총액 V0 을 비교해서, 있어야 할 총액 V3 과 현실 총액 V0 의 사이에 차이가 있었을 때에 (V3≠V0), 칩 판정 장치 (12) 의 판정 결과가 틀림으로 의심된다고 판정한다. 이로써 칩 판정 장치 (12) 의 판정 결과가 틀리다고 의심되는지 아닌지를 제어 장치 (14) 에 의해 자동적으로 판정할 수 있다.

또한, 본 실시형태에 따르면, 제어 장치 (14) 는, 칩 트레이 (23) 에 있어서의 칩 (W) 의 현실 총액 V0 을, 칩 (W) 에 형성된 RFID 를 기준으로 파악하기 때문에, 제어 장치 (14) 는, 칩 트레이 (23) 에 있어서의 칩 (W) 의 현실 총액 V0 을, RFID 를 사용하여 자동적으로 파악할 수 있어, 작업자에 의한 육안 계측보다 계측 정밀도를 높일 수 있다.

또한, 본 실시형태에 따르면, 게임 기록 장치 (11) 가, 카메라 (212) 로부터 취득한 화상에 인덱스 혹은 시각을 부여하거나, 또는 칩의 회수 신 혹은 지불 신을 특정하는 태그를 부여하여 기록하기 때문에, 칩 판정 장치 (12) 는, 화상에 부여된 인덱스나 시각이나 태그를 이용함으로써, 게임 기록 장치 (11) 의 기록 내용으로부터 분석 대상으로 해야 할 칩 (W) 의 상태의 화상을 용이하게 특정할 수 있어, 특정에 필요로 하는 시간을 단축시킬 수 있다.

또한, 본 실시형태에 따르면, 유기 테이블 (4) 위에 놓여진 복수의 칩 (W) 이 카메라 (212) 의 사각에 따라 일부 혹은 한 장 전체가 숨은 상태로 되어 있어도, 칩 판정 장치 (12) 가, 내기에 걸린 칩 (W) 의 종류, 장수 및 위치를 판정할 수 있기 때문에, 특히 유기 테이블 (4) 위에 놓여진 복수의 칩 (W) 이 작업자의 사각에 따라 일부 혹은 한 장 전체가 숨은 상태로 되어 있는 경우에, 칩 판정 장치 (12) 에서 플레이어 (C) 가 내기에 건 칩 (W) 을 판정하게 함으로써, 작업자에 의한 육안 계측보다 계측 정밀도를 높일 수 있다.

또, 상기 서술한 실시형태에 대하여 여러 가지 변경을 부가할 수 있다. 이하, 도면을 참조하면서 변형의 일례에 대해서 설명한다. 이하의 설명 및 이하의 설명에서 사용하는 도면에서는, 상기 서술한 실시형태와 동일하게 구성될 수 있는 부분에 대해서, 상기 서술한 실시형태에 있어서의 대응하는 부분에 대하여 사용한 부호와 동일한 부호를 사용함과 함께 중복되는 설명을 생략한다.

도 5 는, 칩의 인식 학습 방법의 일 변형예를 설명하기 위한 플로차트이다.

도 5 에 나타내는 예에서는, 제어 장치 (14) 에 의해 칩 판정 장치 (12) 의 판정 결과가 틀림으로 의심된다고 판정된 경우에는 (스텝 S34 : 아니오), 칩 판정 장치 (12) 의 (틀리다고 의심되는 것을 포함하는) 판정에 사용된 화상과, 틀림에 대한 정답의 칩 (W) 의 장수 및 종류가, 교사 데이터로서 교사 장치 (13) 로부터 칩 판정 장치 (12) 의 인공 지능 장치 (12a) 에 입력되어, 인공 지능 장치 (12a) 가 학습을 실시한다 (스텝 S36).

한편, 제어 장치 (14) 에 의해 칩 판정 장치 (12) 의 판정 결과가 맞다고 판정된 경우에 (스텝 S34 : 예), 칩 판정 장치 (12) 의 (맞는) 판정에 사용된 화상과, 칩 판정 장치 (12) 의 판정 결과의 칩 (W) 의 장수 및 종류 (즉 정답의 칩 (W) 의 장수 및 종류) 가, 교사 데이터로서 교사 장치 (13) 로부터 칩 판정 장치 (12) 의 인공 지능 장치 (12a) 에 추가로 입력되어, 인공 지능 장치 (12a) 가 추가로 학습을 실시한다 (스텝 S35).

이와 같은 양태에 따르면, 칩 판정 장치 (12) 의 판정 정밀도가 상대적으로 낮은 화상 패턴뿐만 아니라, 판정 정밀도가 상대적으로 높은 화상 패턴에 대해서도, 판정 정밀도를 한층 더 높일 수 있고, 이로써 칩 판정 장치 (12) 는, 플레이어 (C) 가 내기에 건 칩 (W) 을 한층 더 정밀도 좋게 인식할 수 있게 된다.

도 6 은, 칩의 인식 학습 방법의 다른 변형예를 설명하기 위한 플로차트이다.

도 6 에 나타내는 예에서는, 제어 장치 (14) 에 의해 칩 판정 장치 (12) 의 판정 결과가 맞다고 판정된 경우에 (스텝 S34 : 예), 칩 판정 장치 (12) 의 (맞는) 판정에 사용된 화상과, 칩 판정 장치 (12) 의 판정 결과의 칩 (W) 의 장수 및 종류 (즉 정답의 칩 (W) 의 장수 및 종류) 가, 교사 데이터로서 교사 장치 (13) 로부터 칩 판정 장치 (12) 의 인공 지능 장치 (12a) 에 추가로 입력되어, 인공 지능 장치 (12a) 가 추가로 학습을 실시한다 (스텝 S35).

한편, 제어 장치 (14) 에 의해 칩 판정 장치 (12) 의 판정 결과가 틀림으로 의심된다고 판정된 경우에는 (스텝 S34 : 아니오), 당해 게임에 있어서의 칩의 인식 학습 시스템 (10) 의 동작을 종료한다.

이와 같은 양태에 따르면, 칩 판정 장치 (12) 의 판정 결과가 맞다고 판정된 경우에, 교사 장치 (13) 가, 칩 판정 장치 (12) 의 판정에 사용된 화상 및 판정 결과의 (정답의) 칩 (W) 의 장수 및 종류를 교사 데이터로서 인공 지능 장치 (12a) 에 입력하여 학습시키기 때문에, 인공 지능 장치 (12a) 는, 칩 판정 장치 (12) 의 판정 정밀도가 상대적으로 높은 화상 패턴에 대해서 효율적으로 학습할 수 있어, 당해 화상 패턴에 대해서 중점적으로 칩 판정 장치 (12) 의 판정 정밀도를 높일 수 있다. 이와 같은 교사 학습이 반복됨으로써, 칩 판정 장치 (12) 는, 플레이어 (C) 가 내기에 건 칩 (W) 을 정밀도 좋게 인식할 수 있게 된다.

도 7 은, 제 2 실시형태에 의한 칩의 인식 학습 시스템 (100) 을 구비한 유기장을 모식적으로 나타내는 도면이다. 도 8 은, 제 2 실시형태에 의한 칩의 인식 학습 시스템 (100) 의 개략 구성을 나타내는 블록도이다.

도 7 에 나타내는 바와 같이, 제 2 실시형태에서는, 베팅 에어리어 (BA) 에 쌓아 올려 배치된 칩 (W) 의 상태를 촬상하는 감시 카메라 (212) 에 더하여, 딜러 (D) 가 관리하는 칩 트레이 (23) 내의 칩 (W) 의 상태를 촬상하는 칩 트레이용 감시 카메라 (24) 가, 유기 테이블 (4) 의 외측에 형성되어 있다.

제 2 실시형태에 의한 칩의 인식 학습 시스템 (100) 은, 감시 카메라 (212) 및 칩 트레이용 감시 카메라 (24) 에 대하여 각각 통신 가능하게 접속되어 있다.

도 8 에 나타내는 바와 같이, 게임 기록 장치 (11) 는, 칩 트레이 (23) 내의 칩 (W) 의 상태를, 칩 트레이용 카메라 (24) 에 의해 촬상된 화상으로서 기록한다. 또, 화상은, 동화상이어도 되고, 연속된 정지 화상이어도 된다.

제어 장치 (14) 는, 예를 들어 심층 학습 (딥 러닝) 기술 등에 의해 화상 인식을 실시하는 칩 판정 장치 (12) 의 인공 지능 장치 (12a) 와는 다른 인공 지능 장치 (14a) (정답 결정용 인공 지능 장치) 를 포함하고 있고, 게임 기록 장치 (11) 에 기록된 칩 트레이 (23) 내의 칩 (W) 의 상태의 화상을 화상 분석하여, 칩 트레이 (23) 내의 칩 (W) 의 장수 및 종류를 판정하고, 그 현실 총액 V0 을 파악한다.

제 2 실시형태에 따르면, 제어 장치 (14) 는, 칩 트레이 (23) 에 있어서의 칩 (W) 의 현실 총액을, 정답 결정용 인공 지능 장치 (14a) 를 사용하여 자동적으로 파악할 수 있어, 작업자에 의한 육안 계측보다 계측 정밀도를 높일 수 있다.

또, 일반적으로는 무교사 데이터 학습으로 불리는 것이 있지만, 인공 지능이 판정한 결과가 맞는지 틀린지를 알려주는 것으로, 이것도 본 발명에서는 교사 데이터 학습으로 생각하고 있다.

상기 서술한 실시형태는, 본 발명이 속하는 기술 분야에 있어서 통상의 지식을 갖는 자가 본 발명을 실시할 수 있는 것을 목적으로 하여 기재된 것이다. 상기 실시형태의 다양한 변형예는, 당업자라면 당연히 이룰 수 있는 것으로, 본 발명의 기술적 사상은 다른 실시형태에도 적용할 수 있는 것이다. 따라서, 본 발명은, 기재된 실시형태에 한정되는 일은 없고, 특허 청구 범위에 의해 정의되는 기술적 사상에 따른 가장 넓은 범위로 해야 한다.

Claims

유기 테이블을 갖는 유기장에 있어서의 칩의 인식 학습 시스템으로서, 상기 유기 테이블은 바카라 테이블이고,
상기 유기 테이블 위에 쌓아 올려진 칩의 상태를 카메라에 의해 화상으로서 기록하는 게임 기록 장치와,
기록된 상기 칩의 상태의 화상을 화상 분석하여, 플레이어가 내기에 건 칩의 장수 및 종류 그리고 베팅 대상을 판정하는 인공 지능 장치를 포함하는 칩 판정 장치와,
상기 칩 판정 장치의 판정 결과가 틀림으로 의심된다고 판정된 경우에, 상기 칩 판정 장치의 판정에 사용된 화상 및 상기 틀림에 대한 정답의 칩의 장수 및 종류를 교사 데이터로서 상기 인공 지능 장치에 입력하여 학습시키는 교사 장치를 구비한, 칩의 인식 학습 시스템.
제 1 항에 있어서,
상기 교사 장치는, 상기 칩 판정 장치의 판정 결과가 맞다고 판정된 경우에, 상기 칩 판정 장치의 판정에 사용된 화상 및 상기 판정 결과의 칩의 장수 및 종류를 교사 데이터로서 상기 인공 지능 장치에 추가로 입력하여 학습시키는, 칩의 인식 학습 시스템.
유기 테이블을 갖는 유기장에 있어서의 칩의 인식 학습 시스템으로서, 상기 유기 테이블은 바카라 테이블이고,
상기 유기 테이블 위에 쌓아 올려진 칩의 상태를 카메라에 의해 화상으로서 기록하는 게임 기록 장치와,
기록된 상기 칩의 상태의 화상을 화상 분석하여, 플레이어가 내기에 건 칩의 장수 및 종류 그리고 베팅 대상을 판정하는 인공 지능 장치를 포함하는 칩 판정 장치를 구비하고,
상기 인공 지능 장치는, 상기 칩 판정 장치의 판정 결과가 틀림으로 의심된다고 판정된 경우에, 상기 칩 판정 장치의 판정에 사용된 화상 및 상기 틀림에 대한 정답의 칩의 장수 또는 종류를 교사 데이터로서 교사 장치에 의해 입력되어 학습하는, 칩의 인식 학습 시스템.
제 1 항 또는 제 3 항에 있어서,
상기 칩 판정 장치의 판정 결과의 맞음 틀림을 판정하는 제어 장치를 추가로 구비하고,
상기 칩 판정 장치는, 상기 유기 테이블에서 행해지는 게임에 있어서 상기 유기 테이블이 구비하는 칩 트레이의 칩의 종류 및 장수, 그리고 각 플레이어가 내기에 거는 칩의 위치, 종류 및 장수를, 상기 게임 기록 장치에 기록된 화상으로부터 판정할 수 있고,
상기 제어 장치는, 각 플레이어가 내기에 건 패배 칩의 모든 회수가 종료되었을 때에, 칩 트레이에 있어서의 칩의 현실 총액을 파악하고, 상기 칩 판정 장치의 판정 결과에 의거하여 각 게임의 정산 전의 칩 트레이에 있어서의 칩의 총액에, 패한 플레이어가 내기에 건 칩의 종류 및 장수로부터 산출되는 당해 게임에 있어서의 칩 트레이의 증액을 가산한 당해 칩 트레이에 있어서의 칩의 있어야 할 총액을 계산하고, 당해 칩 트레이에 있어서의 칩의 있어야 할 총액과 당해 칩 트레이에 있어서의 칩의 현실 총액을 비교해서, 있어야 할 총액과 현실 총액의 사이에 차이가 있었을 때에, 상기 칩 판정 장치의 판정 결과가 틀림으로 의심된다고 판정하는, 칩의 인식 학습 시스템.
제 4 항에 있어서,
상기 제어 장치는, 상기 칩 트레이에 있어서의 칩의 현실 총액을, 상기 칩에 형성된 RFID 를 기준으로 파악하는, 칩의 인식 학습 시스템.
제 4 항에 있어서,
상기 제어 장치는, 상기 칩 트레이에 있어서의 칩의 현실 총액을 상기 게임 기록 장치에 기록된 화상으로부터 파악하는, 상기 칩 판정 장치의 인공 지능 장치와는 다른 정답 결정용 인공 지능 장치를 포함하는, 칩의 인식 학습 시스템.
제 4 항에 있어서,
당해 게임의 기록이 상기 칩 판정 장치에 의해 이후에 분석 가능해지도록, 상기 게임 기록 장치는, 카메라로부터 취득한 화상에 인덱스 혹은 시각을 부여하거나, 또는 칩의 회수 신 혹은 지불 신을 특정하는 태그를 부여하여 기록하는, 칩의 인식 학습 시스템.
제 1 항 내지 제 3 항 중 어느 한 항에 있어서,
상기 칩 판정 장치는, 유기 테이블 위에 놓여진 복수의 칩이 상기 카메라의 사각에 따라 일부 혹은 한 장 전체가 숨은 상태로 되어 있어도, 내기에 걸린 칩의 종류, 장수 및 위치를 판정할 수 있는, 칩의 인식 학습 시스템.
유기 테이블을 갖는 유기장에 있어서의 칩의 인식 학습 방법으로서, 상기 유기 테이블은 바카라 테이블이고,
상기 유기 테이블 위에 쌓아 올려진 칩의 상태를 카메라에 의해 화상으로서 기록하는 게임 기록 스텝과,
기록된 상기 칩의 상태의 화상을 화상 분석하여, 플레이어가 내기에 건 칩의 장수 및 종류 그리고 베팅 대상을 판정하는 인공 지능 장치에 의한 칩 판정 스텝과,
상기 칩 판정 스텝의 판정 결과가 틀림으로 의심된다고 판정된 경우에, 상기 칩 판정 스텝의 판정에 사용된 화상 및 상기 틀림에 대한 정답의 칩의 장수 및 종류를 교사 데이터로서 상기 인공 지능 장치에 입력하여 학습시키는 교사 스텝을 구비한, 칩의 인식 학습 방법.
유기 테이블을 갖는 유기장에 있어서의 칩의 인식 학습 시스템으로서, 상기 유기 테이블은 바카라 테이블이고,
상기 유기 테이블 위에 쌓아 올려진 칩의 상태를 카메라에 의해 화상으로서 기록하는 게임 기록 장치와,
기록된 상기 칩의 상태의 화상을 화상 분석하여, 플레이어가 내기에 건 칩의 장수 및 종류 그리고 베팅 대상을 판정하는 인공 지능 장치를 포함하는 칩 판정 장치와,
상기 칩 판정 장치의 판정 결과가 맞다고 판정된 경우에, 상기 칩 판정 장치의 판정에 사용된 화상 및 상기 판정 결과의 칩의 장수 및 종류를 교사 데이터로서 상기 인공 지능 장치에 입력하여 학습시키는 교사 장치를 구비한, 칩의 인식 학습 시스템.
유기 테이블을 갖는 유기장에 있어서의 칩의 인식 학습 시스템으로서, 상기 유기 테이블은 바카라 테이블이고,
상기 유기 테이블 위에 쌓아 올려진 칩의 상태를 카메라에 의해 화상으로서 기록하는 게임 기록 장치와,
기록된 상기 칩의 상태의 화상을 화상 분석하여, 플레이어가 내기에 건 칩의 장수 및 종류 그리고 베팅 대상을 판정하는 인공 지능 장치를 포함하는 칩 판정 장치를 구비하고,
상기 인공 지능 장치는, 상기 칩 판정 장치의 판정 결과가 맞다고 판정된 경우에, 상기 칩 판정 장치의 판정에 사용된 화상 및 상기 판정 결과의 칩의 장수 또는 종류를 교사 데이터로서 교사 장치에 의해 입력되어 학습하는, 칩의 인식 학습 시스템.
제 10 항 또는 제 11 항에 있어서,
상기 칩 판정 장치의 판정 결과의 맞음 틀림을 판정하는 제어 장치를 추가로 구비하고,
상기 칩 판정 장치는, 상기 유기 테이블에서 행해지는 게임에 있어서 상기 유기 테이블이 구비하는 칩 트레이의 칩의 종류 및 장수, 그리고 각 플레이어가 내기에 거는 칩의 위치, 종류 및 장수를, 상기 게임 기록 장치에 기록된 화상으로부터 판정할 수 있고,
상기 제어 장치는, 각 플레이어가 내기에 건 패배 칩의 모든 회수가 종료되었을 때에, 칩 트레이에 있어서의 칩의 현실 총액을 파악하고, 상기 칩 판정 장치의 판정 결과에 의거하여 각 게임의 정산 전의 칩 트레이에 있어서의 칩의 총액에, 패한 플레이어가 내기에 건 칩의 종류 및 장수로부터 산출되는 당해 게임에 있어서의 칩 트레이의 증액을 가산한 당해 칩 트레이에 있어서의 칩의 있어야 할 총액을 계산하고, 당해 칩 트레이에 있어서의 칩의 있어야 할 총액과 당해 칩 트레이에 있어서의 칩의 현실 총액을 비교해서, 있어야 할 총액과 현실 총액이 일치했을 때에, 상기 칩 판정 장치의 판정 결과가 맞다고 판정하는, 칩의 인식 학습 시스템.
제 12 항에 있어서,
상기 제어 장치는, 상기 칩 트레이에 있어서의 칩의 현실 총액을, 상기 칩에 형성된 RFID 를 기준으로 파악하는, 칩의 인식 학습 시스템.
제 12 항에 있어서,
상기 제어 장치는, 상기 칩 트레이에 있어서의 칩의 현실 총액을 상기 게임 기록 장치에 기록된 화상으로부터 파악하는, 상기 칩 판정 장치의 인공 지능 장치와는 다른 정답 결정용 인공 지능 장치를 포함하는, 칩의 인식 학습 시스템.
제 12 항에 있어서,
당해 게임의 기록이 상기 칩 판정 장치에 의해 이후에 분석 가능해지도록, 상기 게임 기록 장치는, 카메라로부터 취득한 화상에 인덱스 혹은 시각을 부여하거나, 또는 칩의 회수 신 혹은 지불 신을 특정하는 태그를 부여하여 기록하는, 칩의 인식 학습 시스템.
제 10 항 또는 제 11 항에 있어서,
상기 칩 판정 장치는, 유기 테이블 위에 놓여진 복수의 칩이 상기 카메라의 사각에 따라 일부 혹은 한 장 전체가 숨은 상태로 되어 있어도, 내기에 걸린 칩의 종류, 장수 및 위치를 판정할 수 있는, 칩의 인식 학습 시스템.
유기 테이블을 갖는 유기장에 있어서의 칩의 인식 학습 방법으로서, 상기 유기 테이블은 바카라 테이블이고,
상기 유기 테이블 위에 쌓아 올려진 칩의 상태를 카메라에 의해 화상으로서 기록하는 게임 기록 스텝과,
기록된 상기 칩의 상태의 화상을 화상 분석하여, 플레이어가 내기에 건 칩의 장수 및 종류 그리고 베팅 대상을 판정하는 인공 지능 장치에 의한 칩 판정 스텝과,
상기 칩 판정 스텝의 판정 결과가 맞다고 판정된 경우에, 상기 칩 판정 스텝의 판정에 사용된 화상 및 상기 판정 결과의 칩의 장수 및 종류를 교사 데이터로서 상기 인공 지능 장치에 입력하여 학습시키는 교사 스텝을 구비한, 칩의 인식 학습 방법.