[go: up one dir, main page]
More Web Proxy on the site http://driver.im/

WO2018155497A1 - 遊戯用代用貨幣の枚数計測システム - Google Patents

遊戯用代用貨幣の枚数計測システム Download PDF

Info

Publication number
WO2018155497A1
WO2018155497A1 PCT/JP2018/006247 JP2018006247W WO2018155497A1 WO 2018155497 A1 WO2018155497 A1 WO 2018155497A1 JP 2018006247 W JP2018006247 W JP 2018006247W WO 2018155497 A1 WO2018155497 A1 WO 2018155497A1
Authority
WO
WIPO (PCT)
Prior art keywords
specific color
chip
recognition system
image
recognition
Prior art date
Application number
PCT/JP2018/006247
Other languages
English (en)
French (fr)
Inventor
泰 重田
Original Assignee
エンゼルプレイングカード株式会社
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
Priority to KR1020227035561A priority Critical patent/KR102667936B1/ko
Priority to US16/487,723 priority patent/US11663803B2/en
Application filed by エンゼルプレイングカード株式会社 filed Critical エンゼルプレイングカード株式会社
Priority to EP22211144.5A priority patent/EP4163890A1/en
Priority to EP22210649.4A priority patent/EP4163889A1/en
Priority to KR1020237029864A priority patent/KR20230133392A/ko
Priority to SG11201907642WA priority patent/SG11201907642WA/en
Priority to CA3054123A priority patent/CA3054123A1/en
Priority to CN202311183930.0A priority patent/CN117205535A/zh
Priority to CN201880012611.4A priority patent/CN110536724A/zh
Priority to KR1020197023679A priority patent/KR20190121759A/ko
Priority to EP18756797.9A priority patent/EP3586933A4/en
Priority to CN202311489338.3A priority patent/CN117975423A/zh
Priority to AU2018225928A priority patent/AU2018225928A1/en
Publication of WO2018155497A1 publication Critical patent/WO2018155497A1/ja
Priority to PH12019501930A priority patent/PH12019501930A1/en
Priority to US17/864,627 priority patent/US20220375184A1/en
Priority to US18/115,426 priority patent/US12142107B2/en
Priority to AU2023201724A priority patent/AU2023201724A1/en
Priority to AU2023229498A priority patent/AU2023229498A1/en
Priority to US18/368,735 priority patent/US20240005726A1/en

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
    • G06V10/778—Active pattern-learning, e.g. online learning of image or video features
    • G06V10/7784—Active pattern-learning, e.g. online learning of image or video features based on feedback from supervisors
    • 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
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06M—COUNTING MECHANISMS; COUNTING OF OBJECTS NOT OTHERWISE PROVIDED FOR
    • G06M11/00—Counting of objects distributed at random, e.g. on a surface
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • 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
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/34—Betting or bookmaking, e.g. Internet betting
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/90—Determination of colour characteristics
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/10—Image acquisition
    • G06V10/12—Details of acquisition arrangements; Constructional details thereof
    • G06V10/14—Optical characteristics of the device performing the acquisition or on the illumination arrangements
    • G06V10/141—Control of illumination
    • 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
    • G06V10/22—Image preprocessing by selection of a specific region containing or referencing a pattern; Locating or processing of specific regions to guide the detection or recognition
    • 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
    • G06V10/22—Image preprocessing by selection of a specific region containing or referencing a pattern; Locating or processing of specific regions to guide the detection or recognition
    • G06V10/225—Image preprocessing by selection of a specific region containing or referencing a pattern; Locating or processing of specific regions to guide the detection or recognition based on a marking or identifier characterising the area
    • 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
    • G06V10/24—Aligning, centring, orientation detection or correction of the image
    • G06V10/245—Aligning, centring, orientation detection or correction of the image by locating a pattern; Special marks for positioning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/56—Extraction of image or video features relating to colour
    • 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
    • G06V20/64—Three-dimensional objects
    • G—PHYSICS
    • G07—CHECKING-DEVICES
    • G07D—HANDLING OF COINS OR VALUABLE PAPERS, e.g. TESTING, SORTING BY DENOMINATIONS, COUNTING, DISPENSING, CHANGING OR DEPOSITING
    • G07D7/00—Testing specially adapted to determine the identity or genuineness of valuable papers or for segregating those which are unacceptable, e.g. banknotes that are alien to a currency
    • G07D7/20—Testing patterns thereon
    • G07D7/2016—Testing patterns thereon using feature extraction, e.g. segmentation, edge detection or Hough-transformation
    • 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
    • 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
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N5/00—Details of television systems
    • H04N5/76—Television signal recording
    • H04N5/765—Interface circuits between an apparatus for recording and another apparatus
    • H04N5/77—Interface circuits between an apparatus for recording and another apparatus between a recording apparatus and a television camera
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10024—Color image
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20081—Training; Learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30242—Counting objects in image

Definitions

  • the present invention relates to a system for recognizing a large number of chips used in a game hall for each type of image and measuring the number of chips for each type of chip.
  • chips game substitute money
  • betting and payout of games are performed with chips.
  • a method of recognizing the chips as an image using a camera is taken.
  • International Publication No. 2015/107902 discloses an example of a system that recognizes the movement of a chip during a game with a camera.
  • the present invention has been made in view of the above problems, and provides a chip recognition system having a mechanism capable of recognizing the color of a chip from an image and measuring the number of chips under different illumination environments. .
  • a chip recognition system includes: A chip recognition system for recognizing a chip used in a game table at a game hall, The chip is configured to at least partially have a specific color indicating the value of the chip, A recording device for recording the state of the chip as an image using a camera; An image analysis device that performs image analysis on the recorded image and recognizes at least two colors of the specific color and a reference color different from the specific color present in the image; A recognition device including at least an artificial intelligence device that identifies a specific color of the chip using an image analysis result by the image analysis device;
  • the artificial intelligence device of the chip recognition device is an artificial intelligence device in which a plurality of images of the chip and reference colors irradiated with different illuminances are taught as teacher data.
  • the chip has at least a specific color indicating the value of the chip at a predetermined position or in a predetermined shape.
  • the recognition device specifies the number of chips by specifying a specific color of the chips. Further, the number of chips for each specific color may be specified by specifying the specific color of the plurality of chips for each chip.
  • the artificial intelligence device of the recognition device is taught as teacher data using the reference color and a plurality of images of the chip irradiated in different illumination environments.
  • the specific color of the chip may be determined using a relative relationship with the reference color.
  • the recognition device determines a specific color of the plurality of stacked chips, and even if a part of the chip is hidden by the blind spot of the camera, the specific color or the number of chips is determined. May be possible.
  • a recognition system for recognizing an article includes: The article is configured to at least partially have a specific color capable of specifying the article or the package on the article itself or the package, A recording device for recording the state of the article as an image using a camera; An image analysis device that performs image analysis on the recorded image and recognizes at least two colors of the specific color and a reference color different from the specific color present in the image; A recognition device including at least an artificial intelligence device that identifies a specific color of the article itself or a package using an image analysis result by the image analysis device;
  • the artificial intelligence apparatus of the article recognition apparatus is an artificial intelligence apparatus in which a plurality of images of the reference color and a specific color of the article itself or a package irradiated with different illuminances are taught as teacher data.
  • the article itself or the package has a specific color capable of specifying the article or the package at least in a predetermined position or in a predetermined shape.
  • the recognition device specifies the number of the articles by specifying the article itself or a specific color of the package. Moreover, you may specify the number of the articles
  • the artificial intelligence device of the recognition device teaches a plurality of images of the reference color and a specific color of the article itself or a package irradiated in different illumination environments as teacher data.
  • the specific color of the article itself or the packaging may be determined using a relative relationship with the reference color.
  • the said recognition apparatus determines the specific color of the said several stacked
  • a chip recognition system includes: A chip recognition system for recognizing a chip used in an amusement park play table, The chip is configured to at least partially have a specific color indicating the value of the chip, A recording device for recording the state of the chip as an image using a camera; An image analysis device that performs image analysis on the recorded image and recognizes at least two colors of the specific color and a reference color different from the specific color present in the image; A recognition device including at least an artificial intelligence device that identifies a specific color of the chip using an image analysis result by the image analysis device; The artificial intelligence device of the recognition device extracts a center line from the image of the chip, and performs image analysis on a peripheral image in a predetermined range centered on the center line, thereby specifying the specific color in the peripheral image.
  • An artificial intelligence apparatus having a configuration for recognizing at least two colors of the reference color different from the color and teaching the chip irradiated with different illuminance and the plurality of peripheral images of the reference color as teacher data.
  • a recognition system for recognizing an article includes: A recognition system for recognizing articles, The article is configured to at least partially have a specific color capable of specifying the article or the package on the article itself or the package, A recording device for recording the state of the article as an image using a camera; An image analysis device that performs image analysis on the recorded image and recognizes at least two colors of the specific color and a reference color different from the specific color present in the image; A recognition device including at least an artificial intelligence device that identifies a specific color of the article itself or a package using an image analysis result by the image analysis device; The artificial intelligence device of the recognition device recognizes a specific color from the image of the article itself or a package, extracts an image portion of the specific color, and performs image analysis on the peripheral image of the specific color, thereby A plurality of the peripheral images of the specific color and the reference color of the article itself or the package irradiated with different illuminances are taught as teaching data. It is an artificial intelligence device.
  • the present invention it is possible to recognize the chips used in the game table for each type from the image and to count the number of chips.
  • FIG. 1 is a diagram schematically showing a chip recognition system according to an embodiment of the present invention.
  • FIG. 2 is a side view of the chip in the embodiment of the present invention.
  • FIG. 3 is a block diagram showing a schematic configuration of a chip recognition system according to the embodiment of the present invention.
  • FIG. 4 is a diagram schematically showing an article recognition system according to another embodiment of the present invention.
  • FIG. 5 is an explanatory diagram of another embodiment when determining the color of a chip.
  • FIG. 6 is a side view of the chip and an enlarged view thereof.
  • FIG. 1 is a diagram schematically showing a chip recognition system 10 according to an embodiment of the present invention.
  • a camera 212 that captures an image of the state of the chip W that is stacked on the game table 4 is provided outside the game table 4.
  • the chip W is configured to at least partially have a specific color 121 indicating the value of the chip W as shown in FIG.
  • the chip recognition system 10 A recording device 11 that records the state of the chip W as an image using the camera 212; Analyzing the recorded image and recognizing at least two colors of the specific color 121 and a reference color R different from the specific color 121 present in the image; A recognition device 12 including at least an artificial intelligence device 12a that identifies a specific color 121 of the chip W using an image analysis result by the image analysis device 14, The artificial intelligence device 12a of the recognition device 12 is an artificial intelligence device in which a plurality of images of the chip W and the reference color R irradiated with different illuminances are taught as teacher data.
  • the chip recognition system 10 according to the present embodiment is connected to the camera 212 so as to be communicable.
  • FIG. 3 is a block diagram showing a schematic configuration of the chip recognition system 10 according to the present embodiment.
  • the chip recognition system 10 includes a recording device 11, a recognition device 12, a learning machine 13, and an image analysis device 14. Note that at least a part of the chip recognition system 10 is realized by a computer.
  • the recording device 11 includes a fixed data storage such as a hard disk.
  • the recording device 11 records the state of the chips W stacked on the game table 4 as an image captured by the camera 212.
  • the image may be a moving image or a continuous still image.
  • the recording device 11 may add an index or time to the image acquired from the camera 212 so that the image recording can be analyzed later by a recognition device described later.
  • the image analysis device 14 performs image analysis on the image recorded by the recording device 11, and a specific color 121 that is at least partially applied to the chip W and a reference color R that is present in the image and is different from the specific color 121. Recognize at least two colors.
  • the specific color 121 is at least partially attached at a predetermined position or a predetermined shape of the chip W. For example, it may be attached to the side surface of the chip W in the circumferential direction, or may be attached to the surface of the chip W as a predetermined mark.
  • the reference color R may be, for example, a color of a specific area of the game table 4 or a color given to a location different from the specific color 121 in the chip W.
  • the recognition device 12 includes an artificial intelligence device 12a that uses a result of image analysis by the image analysis device 14 to specify a specific color by using, for example, a deep learning technique, and is arranged on the game table 4. The number and type of W are determined. The recognition device 12 may further determine the position of the chip W in the game table 4. As shown in FIG. 3, the recognition device 12 outputs the determination result to the output device 15. The output device 15 may output the determination result of the recognition device 12 to a monitor or the like on the game table 4 as character information.
  • the learning machine 13 acquires a plurality of images of the chip W and the reference color R irradiated with different illuminances recorded by the recording device 11 through the image analysis device 14, the acquired images, and each image
  • the specific color 121 of the chip W and the correct color of the reference color R are learned by teaching a person as teacher data, and a learning model 13a (recognition program) is created.
  • the image of the chip W and the reference color R irradiated with the illuminance under the same conditions is such that the specific color 121 and the reference color R are illuminated with the same illuminance, and thus the relative relationship between the specific color 121 and the reference color R. Can be obtained. For example, this relative relationship may be used for recognition of the specific color 121.
  • the created learning model 13a can be input to the artificial intelligence apparatus 12a via an external medium such as a USB memory or HDD, or a communication network.
  • an external medium such as a USB memory or HDD, or a communication network.
  • the image of the chip W and the reference color R and the determination result of the image recognition device 12 may be used as teacher data to be input to the learning machine 13.
  • FIG. 4 is a diagram schematically showing an article recognition system 20 according to another embodiment of the present invention.
  • a camera 212 that images the state of the article B arranged on the article display shelf 5 is provided on the outside of the article display shelf 5.
  • the article B is configured to at least partially have a specific color 121 that can identify the article or the package in the article itself or the packaging,
  • the chip recognition system 20 A recording apparatus 11 that records the state of the article B as an image using the camera 212; An image analysis device 14 for analyzing the recorded image and recognizing at least two colors of the specific color 121 and a reference color R different from the specific color 121 present in the image; A recognition device 12 including at least an artificial intelligence device 12a that identifies a specific color 121 of the article B using an image analysis result by the image analysis device 14,
  • the artificial intelligence apparatus 12a of the article recognition apparatus 12 is an artificial intelligence apparatus in which a plurality of images of the reference color R and the article B itself or a specific color 121 of the package irradiated with different illuminances are taught as teacher data.
  • the article recognition system 20 according to the present embodiment is connected to the camera 212 so as to be communicable.
  • the article recognition system 20 includes a recording device 11, a recognition device 12, a learning machine 13, and an image analysis device 14. At least a part of the article recognition system 20 is realized by a computer.
  • the recording device 11 includes a fixed data storage such as a hard disk.
  • the recording device 11 records the state of the article B arranged on the article display shelf 5 as an image captured by the camera 212.
  • the image may be a moving image or a continuous still image.
  • the recording device 11 may add an index or time to the image acquired from the camera 212 so that the image recording can be analyzed later by a recognition device described later.
  • the image analysis device 14 performs image analysis on the image recorded by the recording device 11, and the specific color 121 that is at least partially applied to the article B and the reference color R that is present in the image and is different from the specific color 121. Recognize at least two colors.
  • the specific color 121 given to the article B itself or the packaging is at least partially at a predetermined position or in a predetermined shape of the article B itself or the packaging, and is attached to any position of the article B itself or the packaging.
  • the shape may be various.
  • the reference color R may be, for example, a color of a part of the frame of the article display shelf 5 or a wall color in the background.
  • the recognition device 12 includes an artificial intelligence device 12a that uses a result of image analysis by the image analysis device 14 to specify a specific color by using, for example, a deep learning technique, and the items placed on the item display shelf 5 The number and type of B are determined. The recognition device 12 may further determine the position of the article B placed on the article display shelf 5.
  • the learning machine 13 acquires a plurality of images of the article B itself or the package and the reference color R irradiated with different illuminances recorded by the recording device 11 through the image analysis device 14, and the acquired images A person learns the correct color of the specific color attached to the article B itself or the package of each image as teacher data, and creates a learning model 13a (recognition program).
  • the image of the article B and the reference color R irradiated with the illuminance under the same conditions indicates that the specific color 121 and the reference color R are illuminated with the same illuminance. Can be obtained. For example, this relative relationship may be used for recognition of the specific color 121.
  • the learning model 13a of the learning machine 13 uses the learning model 13a to increase the identification accuracy of the specific color attached to the article B itself or the package. Can do.
  • the learning machine 13 repeatedly learns such an image even if a plurality of articles B placed on the article display shelf 5 are partially hidden by the blind spots of the camera 212, thereby displaying the article.
  • the learning model 13a that can determine the specific color of the article B on the shelf 5 can be created.
  • the created learning model 13a can be input to the artificial intelligence apparatus 12a via an external medium such as a USB memory or HDD, or a communication network.
  • an external medium such as a USB memory or HDD, or a communication network.
  • the image of the specific color 121 and the reference color R of the article B itself or the packaging and the determination result of the recognition device 12 may be used as teacher data to be input to the learning machine 13.
  • FIG. 5 is a diagram schematically showing another embodiment when determining the color of a chip.
  • the artificial intelligence device 12a of the recognition device 12 extracts the center line C of the chip W from the image of the chip W using artificial intelligence.
  • the learning machine 13 acquires, through the image analysis device 14, a plurality of images of the center line C of the chip W irradiated with different illuminances recorded by the recording device 11.
  • a learning model 13a recognition program is created by learning the image and the correct position of the center line C of the chip W of each image as a teacher data.
  • the created learning model 13a is input to the artificial intelligence apparatus 12a via an external medium such as a USB memory or HDD, or a communication network, so that the artificial intelligence apparatus 12a detects the center line of the chip W from the image of the chip W. C can be extracted using artificial intelligence.
  • an external medium such as a USB memory or HDD, or a communication network
  • the image When analyzing the center line C from the image, the image may be analyzed as it is, or image processing such as color enhancement or noise removal is performed so that the center line C can be easily recognized. You may also analyze it.
  • the recognition device 12 measures features on the image such as shape, brightness, saturation, and hue using the result of image capturing and recording as an image and further image analysis without using artificial intelligence.
  • the center line C of the chip W may be extracted by a method.
  • the artificial intelligence apparatus 12a further displays a peripheral image of a predetermined range around the extracted center line C (for example, a range of 8 pixels orthogonal to the center line around the center line).
  • a peripheral image of a predetermined range around the extracted center line C for example, a range of 8 pixels orthogonal to the center line around the center line.
  • the artificial intelligence apparatus 12a is an artificial intelligence apparatus in which a plurality of images of the chip W and the reference color R irradiated with different illuminances are taught as teacher data. Note that the peripheral image of the center line C of the chip W irradiated with the illuminance under the same conditions is such that the specific color 121 and the reference color R are relatively illuminated because the specific color 121 and the reference color R are illuminated with the same illuminance. Relationships can be acquired. For example, this relative relationship may be used for recognition of the specific color 121.
  • the recognition device 12 measures features on the image such as shape, brightness, saturation, and hue using the result of image capturing and recording as an image and further image analysis without using artificial intelligence.
  • the specific color 121 may be recognized by a method.
  • the artificial intelligence device 12a of the recognition device 12 extracts the center line C from the image of the chip W, and performs image analysis on a peripheral image in a predetermined range centered on the center line C, thereby generating The specific color 121 and the reference color R different from the specific color 121 are recognized, and a plurality of the peripheral images of the chip W and the reference color R irradiated with different illuminances are taught as teaching data.
  • Artificial intelligence device extracts the center line C from the image of the chip W, and performs image analysis on a peripheral image in a predetermined range centered on the center line C, thereby generating The specific color 121 and the reference color R different from the specific color 121 are recognized, and a plurality of the peripheral images of the chip W and the reference color R irradiated with different illuminances are taught as teaching data.
  • Artificial intelligence device is
  • the artificial intelligence apparatus 12a of the article recognition apparatus 12 extracts the article B itself or the specific color 121 of the packaging from the image of the article B itself or the packaging using artificial intelligence.
  • the learning machine 13 acquires, through the image analysis device 14, an image of the article B itself or the package and the reference color R irradiated with different illuminances recorded by the recording device 11. Then, the learning image 13a (recognition program) is created by learning the acquired image and the correct position of the specific color 121 attached to the article B itself or the packaging of each image as teaching data. To do.
  • the learning model 13a of the learning machine 13 uses the learning model 13a to increase the identification accuracy of the specific color attached to the article B itself or the package. Can do.
  • the learning machine 13 repeatedly learns such an image even if a plurality of articles B placed on the article display shelf 5 are partially hidden by the blind spots of the camera 212, thereby displaying the article.
  • the learning model 13a that can determine the specific color of the article B on the shelf 5 can be created.
  • the created learning model 13a is input to the artificial intelligence apparatus 12a via an external medium such as a USB memory or HDD, or a communication network, so that the artificial intelligence apparatus 12a detects the article B itself or the package from the image of the article B. It is possible to extract the specific color 121 portion attached to the item using artificial intelligence.
  • an external medium such as a USB memory or HDD, or a communication network
  • the image When analyzing the specific color 121 portion from the image, the image may be analyzed as it is, or image processing such as color enhancement and noise removal so that the specific color 121 portion can be easily recognized. You may analyze after having performed.
  • the article recognition apparatus 12 may extract the article B itself or the specific color 121 portion of the package by a method of measuring image features such as shape, brightness, saturation, and hue without using artificial intelligence.
  • the artificial intelligence device 12a further analyzes the surrounding image of a predetermined range around the extracted specific color 121 portion (for example, a range of 8 pixels around the specific color portion, etc.), thereby performing the image analysis in the surrounding image.
  • the specific color 121 and the specific color 121 are configured to recognize at least two colors of the reference color R different from the specific color 121.
  • the image may be analyzed as it is, or the color may be selected so that the specific color 121 part can be easily recognized. Analysis may be performed after performing image processing such as emphasis on the image and removal of noise.
  • the artificial intelligence apparatus 12a is an artificial intelligence apparatus in which the article B itself or the specific color 121 portion of the package irradiated with different illuminances and a plurality of images of the reference color R are taught as teacher data.
  • the peripheral image of the specific color 121 part of the article B itself or the package irradiated with the illuminance under the same conditions is such that the specific color 121 and the reference color R are illuminated with the same illuminance.
  • the relative relationship of R can be acquired. For example, this relative relationship may be used for recognition of the specific color 121.
  • the article recognition apparatus 12 measures features on the image such as shape, brightness, saturation, and hue by using the result of image capture and recording by the camera 212 and image analysis without using artificial intelligence.
  • the specific color 121 may be recognized by the method of performing.
  • the artificial intelligence device 12a of the recognition device 12 recognizes the specific color 121 from the image of the article B itself or the package, extracts the image portion of the specific color 121, and performs image analysis on the peripheral image of the specific color 121.
  • it has a configuration for recognizing at least two colors of the specific color 121 and the reference color R in the peripheral image, and the article B itself or the specific color 121 and the reference color R of the package irradiated with different illuminance.
  • An artificial intelligence apparatus in which a plurality of peripheral images are taught as teacher data.

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Multimedia (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Software Systems (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Computing Systems (AREA)
  • Health & Medical Sciences (AREA)
  • Business, Economics & Management (AREA)
  • Mathematical Physics (AREA)
  • Computer Security & Cryptography (AREA)
  • Medical Informatics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Databases & Information Systems (AREA)
  • Economics (AREA)
  • Human Resources & Organizations (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Strategic Management (AREA)
  • Primary Health Care (AREA)
  • Marketing (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Computational Linguistics (AREA)
  • Molecular Biology (AREA)
  • Biophysics (AREA)
  • Biomedical Technology (AREA)
  • Signal Processing (AREA)
  • Quality & Reliability (AREA)
  • Image Analysis (AREA)
  • Image Processing (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Spectrometry And Color Measurement (AREA)

Abstract

画像によりチップの色を認識し、異なる照明環境のもとでもチップの枚数計測ができる仕組みを有するチップの認識システムを提供する。チップ（Ｗ）は、チップ（Ｗ）の価値を示す特定色（１２１）を少なくとも部分的に有する構成であって、チップ認識システム（１０）は、チップＷの状態をカメラ（２１２）を用いて画像として記録する記録装置（１１）と、前記記録された画像を画像分析して前記特定色（１２１）と前記画像中に存在する前記特定色（１２１）とは異なる基準色（４ａ）との少なくとも２色を認識する画像分析装置（１４）と、画像分析装置（１４）による画像分析結果を用いて、チップ（Ｗ）の特定色（１２１）を特定する人工知能装置（１２ａ）を少なくとも含む認識装置（１２）と、を有し、前記認識装置（１２）の人工知能装置（１２ａ）は、異なる照度で照射された前記チップ（Ｗ）及び基準色（１２１）の複数の画像を教師データとして教示された人工知能装置である。

Description

遊戯用代用貨幣の枚数計測システム 関連出願の相互参照
　本出願では、２０１７年２月２１日に日本国に出願された特許出願番号２０１７－０４５４４３の利益を主張し、当該出願の内容は引用することによりここに組み込まれているものとする。
  本発明は、遊技場において使用される多数のチップを画像で種類毎に認識し、チップの種類毎に枚数を計測するシステムに関する。
　従来、カジノ等の遊技場では、遊戯用代用貨幣（以下「チップ」と記す）が用いられ、チップによってゲームのベット及び払い戻しが行われている。テーブル上に積み重ねられたチップを正確に認識するために、カメラを用いて画像としてチップを認識する方法が取られている。国際公開第２０１５／１０７９０２号には、ゲーム中のチップの動きをカメラで認識するシステムの一例が開示されている。
　チップを画像によりカメラで認識する際には、チップの輪郭を認識するだけでなくチップの色の違いも認識し、また、重ねられたチップの枚数をチップの種類毎に把握することが求められる。しかしながら、カメラで認識されるチップの色はたとえ同一のチップであったとしても、チップが置かれている照明環境の違いによって異なった色として撮像あるいは認識され、同じ色であると認識されない。そのため従来は、画像から種類ごとの個数を数えるといったことはできなかった。
　本発明は、このような問題点に鑑みてなされたものであり、画像によりチップの色を認識し、異なる照明環境のもとでもチップの枚数計測ができる仕組みを有するチップの認識システムを提供する。
　本発明の一態様に係るチップ認識システムは、
　遊技場の遊戯テーブルにおいて使用するチップを認識するチップ認識システムであり、
　前記チップは、チップの価値を示す特定色を少なくとも部分的に有する構成であって、
　前記チップの状態をカメラを用いて画像として記録する記録装置と、
　前記記録された画像を画像分析して前記特定色と前記画像中に存在する前記特定色とは異なる基準色との少なくとも２色を認識する画像分析装置と、
　前記画像分析装置による画像分析結果を用いて、前記チップの特定色を特定する人工知能装置を少なくとも含む認識装置と、を有し、
　前記チップ認識装置の人工知能装置は、異なる照度で照射された前記チップ及び基準色の複数の画像を教師データとして教示された人工知能装置である。
　さらに、前記チップはチップの価値を示す特定色を所定の位置に又は所定の形状で少なくとも有する、ものである。
　さらには、前記認識装置は、前記チップの特定色を特定することで前記チップの枚数を特定する。また、複数の前記チップの特定色をチップ毎に特定することにより特定色毎のチップの枚数を特定してもよい。
　またさらに、前記認識装置の人工知能装置は、異なる照明環境で照射された前記基準色及び前記チップの複数の画像を教師データとして教示された、ものである。また、前記チップの特定色を前記基準色との相対関係を用いて判定する、ものであってもよい。
　そして、前記認識装置は、積み重ねられた複数の前記チップの特定色を判定するものであって、前記カメラの死角により一部が隠れた状態となっていても、チップの特定色又は枚数の判定が可能な構造であってもよい。
　本発明の一態様に係る物品を認識する認識システムは、
物品は、物品自体又は包装に前記物品又は包装を特定可能な特定色を少なくとも部分的に有する構成であって、
　前記物品の状態をカメラを用いて画像として記録する記録装置と、
　前記記録された画像を画像分析して前記特定色と前記画像中に存在する前記特定色とは異なる基準色との少なくとも２色を認識する画像分析装置と、
　前記画像分析装置による画像分析結果を用いて、前記物品自体又は包装の特定色を特定する人工知能装置を少なくとも含む認識装置と、を有し、
　前記物品認識装置の人工知能装置は、異なる照度で照射された前記基準色及び前記物品自体又は包装の特定色の複数の画像を教師データとして教示された人工知能装置である。
　さらに、前記物品自体又は包装は、前記物品又は包装を特定可能な特定色を所定の位置に又は所定の形状で少なくとも部分的に有するものである。
　さらには、前記認識装置は、前記物品自体又は包装の特定色を特定することにより前記物品の個数を特定する。また、複数の前記物品自体又は包装の特定色を物品毎に特定することにより前記特定色毎の物品の個数を特定してもよい。
　またさらに、前記認識装置の人工知能装置は、異なる照明環境で照射された前記基準色及び前記物品自体又は包装の特定色の複数の画像を教師データとして教示されたものである。また、前記物品自体又は包装の特定色を前記基準色との相対関係を用いて判定する、ものであってもよい。
　そして、前記認識装置は、積み重ねられた複数の前記物品自体又は包装の特定色を判定するものであって、前記カメラの死角により一部が隠れた状態となっていても、前記特定色の判定が可能な構成である。また、積み重ねられた複数の前記物品自体又は包装の特定色を判定するものであって、前記カメラの死角により一部が隠れた状態となっていても、前記物品の総個数または前記特定色毎の物品の個数の判定が可能な構成である。
　本発明の一態様に係るチップ認識システムは、
　遊戯場の遊戯テーブルにおいて使用するチップを認識するチップ認識システムであり、
　前記チップは、チップの価値を示す特定色を少なくとも部分的に有する構成であって、
　前記チップの状態をカメラを用いて画像として記録する記録装置と、
　前記記録された画像を画像分析して前記特定色と前記画像中に存在する前記特定色とは異なる基準色との少なくとも２色を認識する画像分析装置と、
　前記画像分析装置による画像分析結果を用いて、前記チップの特定色を特定する人工知能装置を少なくとも含む認識装置と、を有し、
　前記認識装置の人工知能装置は、前記チップの画像から中心線を抽出し、前記中心線を中心とした所定の範囲の周辺画像を画像分析することにより、前記周辺画像中の前記特定色と特定色とは異なる前記基準色との少なくとも２色を認識する構成を備え、異なる照度で照射された前記チップ及び基準色の複数の前記周辺画像を教師データとして教示された人工知能装置である。
　本発明の一態様に係る物品を認識する認識システムは、
　物品を認識する認識システムであり、
　物品は、物品自体又は包装に前記物品又は包装を特定可能な特定色を少なくとも部分的に有する構成であって、
　前記物品の状態をカメラを用いて画像として記録する記録装置と、
　前記記録された画像を画像分析して前記特定色と前記画像中に存在する前記特定色とは異なる基準色との少なくとも２色を認識する画像分析装置と、
　前記画像分析装置による画像分析結果を用いて、前記物品自体又は包装の特定色を特定する人工知能装置を少なくとも含む認識装置と、を有し、
　前記認識装置の人工知能装置は、前記物品自体又は包装の画像から特定色を認識して前記特定色の画像部分を抽出し、前記特定色の周辺画像を画像分析することにより、前記周辺画像中の前記特定色と前記基準色との少なくとも２色を認識する構成を備え、異なる照度で照射された前記物品自体又は包装の特定色及び基準色の複数の前記周辺画像を教師データとして教示された人工知能装置である。
　本発明によれば、遊戯テーブルで使用するチップを画像から種類ごとに認識したり枚数をカウントできる。
図１は、本発明の実施の形態におけるチップ認識システムを模式的に示す図である。 図２は、本発明の実施の形態におけるチップの側面図である。 図３は、本発明の実施の形態におけるチップの認識システムの概略構成を示すブロック図である。 図４は、本発明の別の実施の形態の物品の認識システムを模式的に示す図である。 図５は、チップの色を判定する際の別の実施例の説明図である。 図６は、チップの側面図とその拡大図である。
　以下に、添付の図面を参照して、本発明の実施の形態を詳細に説明する。なお、各図において同等の機能を有する構成要素には同一の符号を付し、同一記号の構成要素の詳しい説明は繰り返さない。
　図１は、本発明の実施の形態におけるチップ認識システム１０を模式的に示す図である。図１に示すように、本実施の形態では、遊技テーブル４に積み重ねて配置されたチップＷの状態を撮像するカメラ２１２が、遊技テーブル４の外側に設けられている。
　チップＷは、図２に示すようにチップＷの価値を示す特定色１２１を少なくとも部分的に有する構成であって、
　チップ認識システム１０は、
　チップＷの状態をカメラ２１２を用いて画像として記録する記録装置１１と、
　前記記録された画像を画像分析して前記特定色１２１と前記画像中に存在する前記特定色１２１とは異なる基準色Ｒとの少なくとも２色を認識する画像分析装置１４と、
　画像分析装置１４による画像分析結果を用いて、チップＷの特定色１２１を特定する人工知能装置１２ａを少なくとも含む認識装置１２と、を有し、
　前記認識装置１２の人工知能装置１２ａは、異なる照度で照射された前記チップＷ及び基準色Ｒの複数の画像を教師データとして教示された人工知能装置である。
　なお、本実施の形態によるチップの認識システム１０はカメラ２１２に対して通信可能に接続されている。
　図３は、本実施の形態によるチップの認識システム１０の概略構成を示すブロック図である。
　図３に示すように、チップの認識システム１０は記録装置１１と、認識装置１２と、学習機１３と、画像分析装置１４とを有している。なお、チップの認識システム１０の少なくとも一部は、コンピュータにより実現されている。
　記録装置１１は、たとえばハードディスク等の固定型データストレージを含んでいる。記録装置１１は遊技テーブル４上に積み重ねられたチップＷの状態を、カメラ２１２により撮像された画像として記録する。なお、画像は、動画像であってもよいし、連続した静止画像であってもよい。
　記録装置１１は、後述する認識装置により撮像記録が後で分析可能となるように、カメラ２１２から取得した画像にインデックスもしくは時刻を付与してもよい。
　画像分析装置１４は、記録装置１１により記録された画像を画像分析して、チップＷに少なくとも部分的に付与されている特定色１２１と画像中に存在する、特定色１２１とは異なる基準色Ｒの少なくとも２色を認識する。なお、特定色１２１は、チップＷの所定の位置又は所定の形状で少なくとも部分的に付されている。たとえばチップＷの側面に周方向に付されていたり、チップＷの表面に所定のマークとして付されていてもよい。また、基準色Ｒは、たとえば遊技テーブル４の特定エリアの色であってもよいし、チップＷ中の特定色１２１とは異なる場所に付与された色であってもよい。
　認識装置１２は、画像分析装置１４による画像分析結果を用いて、たとえば深層学習（ディープラーニング）技術などにより特定色の特定を行う人工知能装置１２ａを含んでおり、遊技テーブル４に配置されたチップＷの枚数および種類を判定する。認識装置１２は、遊技テーブル４におけるチップＷの位置をさらに判定してもよい。
　図３に示すように、認識装置１２は、判定結果を出力装置１５に出力する。出力装置１５は、認識装置１２の判定結果を、文字情報として遊技テーブル４上のモニタなどに出力してもよい。
　本実施の形態では、学習機１３は、記録装置１１により記録された異なる照度で照射されたチップＷ及び基準色Ｒの複数の画像を画像分析装置１４を通して取得し、取得した画像と、各画像のチップＷの特定色１２１及び基準色Ｒの正解の色とを、教師データとして人が教示することで学習し、学習モデル１３ａ（認識プログラム）を作成する。なお、同じ条件の照度で照射されたチップＷ及び基準色Ｒの画像は、特定色１２１と基準色Ｒが同じ照度で照らされていることにより、特定色１２１と基準色Ｒの相対的な関係を取得することができる。例えばこの相対関係が特定色１２１の認識に利用されてもよい。
　人が学習機１３に上記教師データを入力して学習させるという教師動作を繰り返し行うことで、学習機１３が有する学習モデル１３ａによるチップＷの特定色１２１の特定精度を高めることができる。学習機１３は、遊技テーブル４上に置かれた複数のチップＷがカメラ２１２の死角により一部が隠れた状態となっていても、そのような画像を繰り返し学習しておくことで、遊技テーブル４上のチップＷの特定色１２１を判定可能となる学習モデル１３ａを作成することができる。
　作成された学習モデル１３ａは、ＵＳＢメモリー、ＨＤＤなどの外部媒体、あるいは通信ネットワークなどを介して、人工知能装置１２ａに入力することが可能である。
　また、図３に示すように、チップＷ及び基準色Ｒの画像と画像認識装置１２の判定結果を学習機１３に入力する教師データとしてもよい。
　なお、上述の実施の形態に基づいて様々な変更を加えることが可能である。以下、図面を参照しながら、変形の一例について説明する。以下の説明および以下の説明で用いる図面では、上述した実施の形態と同様に構成され得る部分について、上述の実施の形態における対応する部分に対して用いた符号と同一の符号を用いるとともに重複する説明を省略する。
　図４は、本発明の別の実施の形態における物品の認識システム２０を模式的に示す図である。図４に示すように、本実施の形態では、物品陳列棚５に配置された物品Ｂの状態を撮像するカメラ２１２が、物品陳列棚５の外側に設けられている。
　また、物品Ｂは、物品自体又は包装に前記物品又は包装を特定可能な特定色１２１を少なくとも部分的に有する構成であって、
　チップ認識システム２０は、
　物品Ｂの状態をカメラ２１２を用いて画像として記録する記録装置１１と、
　前記記録された画像を画像分析して前記特定色１２１と前記画像中に存在する前記特定色１２１とは異なる基準色Ｒの少なくとも２色を認識する画像分析装置１４と、
　画像分析装置１４による画像分析結果を用いて、物品Ｂの特定色１２１を特定する人工知能装置１２ａを少なくとも含む認識装置１２と、を有し、
　前記物品認識装置１２の人工知能装置１２ａは、異なる照度で照射された前記基準色Ｒ及び前記物品Ｂ自体又は包装の特定色１２１の複数の画像を教師データとして教示された人工知能装置である。
　なお、本実施の形態による物品の認識システム２０はカメラ２１２に対して通信可能に接続されている。
　物品の認識システム２０は記録装置１１と、認識装置１２と、学習機１３と、画像分析装置１４とを有している。なお、物品の認識システム２０の少なくとも一部は、コンピュータにより実現されている。
　記録装置１１は、たとえばハードディスク等の固定型データストレージを含んでいる。記録装置１１は物品陳列棚５上に配置された物品Ｂの状態を、カメラ２１２により撮像された画像として記録する。なお、画像は、動画像であってもよいし、連続した静止画像であってもよい。
　記録装置１１は、後述する認識装置により撮像記録が後で分析可能となるように、カメラ２１２から取得した画像にインデックスもしくは時刻を付与してもよい。
　画像分析装置１４は、記録装置１１により記録された画像を画像分析して、物品Ｂに少なくとも部分的に付与されている特定色１２１と画像中に存在する、特定色１２１とは異なる基準色Ｒの少なくとも２色を認識する。物品Ｂ自体又は包装に付与されている特定色１２１は、物品Ｂ自体又は包装の所定の位置に又は所定の形状で少なくとも部分的に有するものであり、物品Ｂ自体又は包装のどの位置に付されていてもよく、その形状は多様であってもよい。また、基準色Ｒは、たとえば物品陳列棚５の枠の一部の色であってもよいし、背景にある壁の色であってもよい。
　認識装置１２は画像分析装置１４による画像分析結果を用いて、たとえば深層学習（ディープラーニング）技術などにより特定色の特定を行う人工知能装置１２ａを含んでおり、物品陳列棚５に配置された物品Ｂの個数および種類を判定する。認識装置１２は、物品陳列棚５に配置された物品Ｂの位置をさらに判定してもよい。
　本実施の形態では、学習機１３は、記録装置１１により記録された異なる照度で照射された物品Ｂ自体又は包装および基準色Ｒの複数の画像を画像分析装置１４を通して取得し、取得した画像と、各画像の物品Ｂ自体又は包装に付された特定色の正解の色とを、教師データとして人が教示することで学習し、学習モデル１３ａ（認識プログラム）を作成する。なお、同じ条件の照度で照射された物品Ｂ及び基準色Ｒの画像は、特定色１２１と基準色Ｒが同じ照度で照らされていることにより、特定色１２１と基準色Ｒの相対的な関係を取得することができる。例えばこの相対関係が特定色１２１の認識に利用されてもよい。
　人が学習機１３に上記教師データを入力して学習させるという教師動作を繰り返し行うことで、学習機１３が有する学習モデル１３ａによる物品Ｂ自体又は包装に付された特定色の特定精度を高めることができる。学習機１３は、物品陳列棚５に置かれた複数の物品Ｂがカメラ２１２の死角により一部が隠れた状態となっていても、そのような画像を繰り返し学習しておくことで、物品陳列棚５の物品Ｂの特定色を判定可能となる学習モデル１３ａを作成することができる。
　作成された学習モデル１３ａは、ＵＳＢメモリー、ＨＤＤなどの外部媒体、あるいは通信ネットワークなどを介して、人工知能装置１２ａに入力することが可能である。
　また、図３に示すように、物品Ｂ自体又は包装の特定色１２１及び基準色Ｒの画像と認識装置１２の判定結果を学習機１３に入力する教師データとしてもよい。
　図５は、チップの色を判定する際の別の実施例を模式的に示す図である。本実施の形態では認識装置１２の人工知能装置１２ａはチップＷの画像からチップＷの中心線Ｃを人工知能を用いて抽出する。
　具体的には、図３に示すように、学習機１３は、記録装置１１により記録された異なる照度で照射されたチップＷの中心線Ｃの複数の画像を画像分析装置１４を通して取得し、取得した画像と、各画像のチップＷの中心線Ｃの正解の位置とを、教師データとして人が教示することで学習し、学習モデル１３ａ（認識プログラム）を作成する。
　人が学習機１３に上記教師データを入力して学習させるという教師動作を繰り返し行うことで、学習機１３が有する学習モデル１３ａによるチップＷの中心線Ｃの特定精度を高めることができる。学習機１３は、遊技テーブル４上に置かれた複数のチップＷがカメラ２１２の死角により一部が隠れた状態となっていても、そのような画像を繰り返し学習しておくことで、遊技テーブル４上のチップＷの中心線Ｃを判定可能となる学習モデル１３ａを作成することができる。
　作成された学習モデル１３ａは、ＵＳＢメモリー、ＨＤＤなどの外部媒体、あるいは通信ネットワークなどを介して、人工知能装置１２ａに入力することにより、人工知能装置１２ａはチップＷの画像からチップＷの中心線Ｃを人工知能を用いて抽出することが可能となる。
　なお、画像から中心線Ｃを画像分析する際には、画像をそのまま分析してもよいし、中心線Ｃの認識が容易となるように、色の強調やノイズの除去等の画像処理を行った上で分析してもよい。
　また、認識装置１２は人工知能を用いることなく、カメラ２１２によって撮影されて画像として記録され、さらに画像分析された結果を用い、形状、明度、彩度、色合いなどの画像上の特徴を計測する方法によってチップＷの中心線Ｃを抽出してもよい。
　図６に示すように、人工知能装置１２ａはさらに、抽出した前記中心線Ｃの周囲の所定の範囲の周辺画像（例えば中心線を中心に、中心線に直交する８ピクセル分の範囲など）を画像分析することにより、前記周辺画像中の前記特定色１２１と特定色１２１とは異なる前記基準色Ｒとの少なくとも２色を認識する構成を備える。なお、抽出した前記中心線Ｃの周囲の所定の範囲の周辺画像を画像分析する際には、画像をそのまま分析してもよいし、特定色１２１の認識が容易となるように、色の強調やノイズの除去等の画像処理を行った上で分析してもよい。
　人工知能装置１２ａは、異なる照度で照射された前記チップＷ及び基準色Ｒの複数の画像を教師データとして教示された人工知能装置である。なお、同じ条件の照度で照射されたチップＷの中心線Ｃの周辺画像は、特定色１２１と基準色Ｒが同じ照度で照らされていることにより、特定色１２１と基準色Ｒの相対的な関係を取得することができる。例えばこの相対関係が特定色１２１の認識に利用されてもよい。
　また、認識装置１２は人工知能を用いることなく、カメラ２１２によって撮影されて画像として記録され、さらに画像分析された結果を用い、形状、明度、彩度、色合いなどの画像上の特徴を計測する方法によって特定色１２１を認識してもよい。
　まとめると、認識装置１２の人工知能装置１２ａは、チップＷの画像から中心線Ｃを抽出し、前記中心線Ｃを中心とした所定の範囲の周辺画像を画像分析することにより、前記周辺画像中の特定色１２１と特定色１２１とは異なる基準色Ｒとの少なくとも２色を認識する構成を備え、異なる照度で照射された前記チップＷ及び基準色Ｒの複数の前記周辺画像を教師データとして教示された人工知能装置である。
　物品を判定する際の別の実施の形態では、物品認識装置１２の人工知能装置１２ａは、物品Ｂ自体又は包装の画像から物品Ｂ自体又は包装の特定色１２１を人工知能を用いて抽出する。
　具体的には、図３に示すように、学習機１３は、記録装置１１により記録された異なる照度で照射された物品Ｂ自体又は包装および基準色Ｒの複数の画像を画像分析装置１４を通して取得し、取得した画像と、各画像の物品Ｂ自体又は包装に付された特定色１２１の正解の位置とを、教師データとして人が教示することで学習し、学習モデル１３ａ（認識プログラム）を作成する。
　人が学習機１３に上記教師データを入力して学習させるという教師動作を繰り返し行うことで、学習機１３が有する学習モデル１３ａによる物品Ｂ自体又は包装に付された特定色の特定精度を高めることができる。学習機１３は、物品陳列棚５に置かれた複数の物品Ｂがカメラ２１２の死角により一部が隠れた状態となっていても、そのような画像を繰り返し学習しておくことで、物品陳列棚５の物品Ｂの特定色を判定可能となる学習モデル１３ａを作成することができる。
　作成された学習モデル１３ａは、ＵＳＢメモリー、ＨＤＤなどの外部媒体、あるいは通信ネットワークなどを介して、人工知能装置１２ａに入力することにより、人工知能装置１２ａは物品Ｂの画像から物品Ｂ自体又は包装に付された特定色１２１部分を人工知能を用いて抽出することが可能となる。
　なお、画像から特定色１２１部分を画像分析する際には、画像をそのまま分析してもよいし、特定色１２１部分の認識が容易となるように、色の強調やノイズの除去等の画像処理を行った上で分析してもよい。
　また、物品認識装置１２は人工知能を用いることなく、形状、明度、彩度、色合いなどの画像上の特徴を計測する方法によって物品Ｂ自体又は包装の特定色１２１部分を抽出してもよい。
　人工知能装置１２ａはさらに、抽出した前記特定色１２１部分の周囲の所定の範囲の周辺画像（例えば特定色部分の周囲８ピクセル分の範囲など）を画像分析することにより、前記周辺画像中の前記特定色１２１と特定色１２１とは異なる前記基準色Ｒとの少なくとも２色を認識する構成を備える。なお、抽出した前記特定色１２１部分の周囲の所定の範囲の周辺画像を画像分析する際には、画像をそのまま分析してもよいし、特定色１２１部分の認識が容易となるように、色の強調やノイズの除去等の画像処理を行ったうえで分析してもよい。
　人工知能装置１２ａは、異なる照度で照射された前記物品Ｂ自体又は包装の特定色１２１部分、及び基準色Ｒの複数の画像を教師データとして教示された人工知能装置である。なお、同じ条件の照度で照射された前記物品Ｂ自体又は包装の特定色１２１部分の周辺画像は、特定色１２１と基準色Ｒが同じ照度で照らされていることにより、特定色１２１と基準色Ｒの相対的な関係を取得することができる。例えばこの相対関係が特定色１２１の認識に利用されてもよい。
　また、物品認識装置１２は人工知能を用いることなく、カメラ２１２によって撮影されて画像として記録され、さらに画像分析された結果を用い、形状、明度、彩度、色合いなどの画像上の特徴を計測する方法によって特定色１２１を認識してもよい。
　まとめると、認識装置１２の人工知能装置１２ａは、物品Ｂ自体又は包装の画像から特定色１２１を認識して前記特定色１２１の画像部分を抽出し、前記特定色１２１の周辺画像を画像分析することにより、前記周辺画像中の前記特定色１２１と前記基準色Ｒとの少なくとも２色を認識する構成を備え、異なる照度で照射された前記物品Ｂ自体又は包装の特定色１２１及び基準色Ｒの複数の前記周辺画像を教師データとして教示された人工知能装置である。
　上述した実施の形態は、本発明が属する技術分野における通常の知識を有する者が本発明を実施できることを目的として記載されたものである。上記実施形態の様々の変形例は、当業者であれば当然になしうることであり、本発明の技術的思想は他の実施形態にも適用しうることである。したがって、本発明は、記載された実施形態に限定されることはなく、特許請求の範囲によって定義される技術的思想に従った最も広い範囲とすべきである。
４　　　遊技テーブル
５　　　物品陳列棚
１０　　チップの認識システム
１１　　記録装置
１２　　認識装置
１２ａ　人工知能装置
１３　　学習機
１３ａ　学習モデル
１４　　画像分析装置
１５　　出力装置
２０　　物品の認識システム
１２１　特定色
２１２　カメラ
Ｗ　　　チップ
Ｂ　　　物品
Ｒ　　　基準色
Ｃ　　　中心線

Claims (15)

  1. 　遊戯場の遊戯テーブルにおいて使用するチップを認識する認識システムであり、
    　前記チップは、チップの価値を示す特定色を少なくとも部分的に有する構成であって、
    　前記チップの状態をカメラを用いて画像として記録する記録装置と、
    　前記記録された画像を画像分析して前記特定色と前記画像中に存在する前記特定色とは異なる基準色との少なくとも２色を認識する画像分析装置と、
    　前記画像分析装置による画像分析結果を用いて、前記チップの特定色を特定する人工知能装置を少なくとも含む認識装置と、を有し、
    　前記チップ認識装置の人工知能装置は、異なる照度で照射された前記チップ及び基準色の複数の画像を教師データとして教示された人工知能装置である、認識システム。
  2. 　請求項１に記載の認識システムであって、
    　前記チップは、チップの価値を示す特定色を所定の位置に又は所定の形状で少なくとも有するものである、認識システム。
  3. 　請求項１または２に記載の認識システムであって、
    　前記認識装置は、前記チップの特定色を特定することで前記チップの枚数を特定するものである、認識システム。
  4. 　請求項１から３のいずれかに記載の認識システムであって、
    　前記認識装置は、複数の前記チップの特定色をチップ毎に特定することにより特定色毎のチップの枚数を特定するものである、認識システム。
  5. 　請求項１から４のいずれかに記載の認識システムであって、
    　前記認識装置の人工知能装置は、異なる照明環境で照射された前記基準色及び前記チップの複数の画像を教師データとして教示された人工知能装置である、認識システム。
  6. 　請求項１から５のいずれかに記載の認識システムであって、
    　前記認識装置の人工知能装置は、前記チップの特定色を前記基準色との相対関係を用いて判定する人工知能装置である、認識システム。
  7. 　請求項１から６のいずれかに記載の認識システムであって、
    　前記認識装置は、積み重ねられた複数の前記チップの特定色を判定するものであって、前記カメラの死角により一部が隠れた状態となっていても、チップの特定色又は枚数の判定が可能な構造である、認識システム。
  8. 　物品を認識する認識システムであり、
    　物品は、物品自体又は包装に前記物品又は包装を特定可能な特定色を少なくとも部分的に有する構成であって、
    　前記物品の状態をカメラを用いて画像として記録する記録装置と、
    　前記記録された画像を画像分析して前記特定色と前記画像中に存在する前記特定色とは異なる基準色との少なくとも２色を認識する画像分析装置と、
    　前記画像分析装置による画像分析結果を用いて、前記物品自体又は包装の特定色を特定する人工知能装置を少なくとも含む認識装置と、を有し、
    　前記物品認識装置の人工知能装置は、異なる照度で照射された前記基準色及び前記物品自体又は包装の特定色の複数の画像を教師データとして教示された人工知能装置である、認識システム。
  9. 　請求項８に記載の認識システムであって、
    　前記物品自体又は包装は、前記物品又は包装を特定可能な特定色を所定の位置に又は所定の形状で少なくとも部分的に有するものである、認識システム。
  10. 　請求項８又は９に記載の認識システムであって、
    　前記認識装置は、前記物品自体又は包装の特定色を特定することにより前記物品の個数を特定するものである、認識システム。
  11. 　請求項１０に記載の認識システムであって、
    　前記認識装置は、複数の前記物品自体又は包装の特定色を物品毎に特定することにより前記特定色毎の物品の個数を特定するものである、認識システム。
  12. 　請求項８から１１のいずれかに記載の認識システムであって、
    　前記認識装置の人工知能装置は、異なる照明環境で照射された前記基準色及び前記物品自体又は包装の特定色の複数の画像を教師データとして教示された人工知能装置である、認識システム。
  13. 　請求項８から１２のいずれかに記載の認識システムであって、
    　前記認識装置の人工知能装置は、前記物品自体又は包装の特定色を前記基準色との相対関係を用いて判定する人工知能装置である、認識システム。
  14. 　請求項８から１３のいずれかに記載の認識システムであって、
    　前記認識装置は、積み重ねられた複数の前記物品自体又は包装の特定色を判定するものであって、前記カメラの死角により一部が隠れた状態となっていても、前記特定色の判定が可能な構成である、認識システム。
  15. 　請求項８から１４のいずれかに記載の認識システムであって、
    　前記認識装置は、積み重ねられた複数の前記物品自体又は包装の特定色を判定するものであって、前記カメラの死角により一部が隠れた状態となっていても、前記物品の総個数または前記特定色毎の物品の個数の判定が可能な構成である、認識システム。
PCT/JP2018/006247 2017-02-21 2018-02-21 遊戯用代用貨幣の枚数計測システム WO2018155497A1 (ja)

Priority Applications (19)

Application Number Priority Date Filing Date Title
EP18756797.9A EP3586933A4 (en) 2017-02-21 2018-02-21 SYSTEM FOR COUNTING THE NUMBER OF TOKENS
KR1020197023679A KR20190121759A (ko) 2017-02-21 2018-02-21 유희용 대용 화폐의 매수 계측 시스템
CN202311489338.3A CN117975423A (zh) 2017-02-21 2018-02-21 游艺用代用货币的枚数检测系统
US16/487,723 US11663803B2 (en) 2017-02-21 2018-02-21 System for counting quantity of game tokens
KR1020237029864A KR20230133392A (ko) 2017-02-21 2018-02-21 유희용 대용 화폐의 매수 계측 시스템
SG11201907642WA SG11201907642WA (en) 2017-02-21 2018-02-21 System for counting quantity of game tokens
CA3054123A CA3054123A1 (en) 2017-02-21 2018-02-21 System for counting quantity of game tokens
CN202311183930.0A CN117205535A (zh) 2017-02-21 2018-02-21 游艺用代用货币的枚数检测系统
CN201880012611.4A CN110536724A (zh) 2017-02-21 2018-02-21 游艺用代用货币的枚数检测系统
KR1020227035561A KR102667936B1 (ko) 2017-02-21 2018-02-21 유희용 대용 화폐의 매수 계측 시스템
EP22210649.4A EP4163889A1 (en) 2017-02-21 2018-02-21 System for counting quantity of game tokens
EP22211144.5A EP4163890A1 (en) 2017-02-21 2018-02-21 System for counting quantity of game tokens
AU2018225928A AU2018225928A1 (en) 2017-02-21 2018-02-21 System for counting quantity of game tokens
PH12019501930A PH12019501930A1 (en) 2017-02-21 2019-08-20 System for counting quantity of game tokens
US17/864,627 US20220375184A1 (en) 2017-02-21 2022-07-14 System for counting quantity of game tokens
US18/115,426 US12142107B2 (en) 2017-02-21 2023-02-28 System for counting quantity of game tokens
AU2023201724A AU2023201724A1 (en) 2017-02-21 2023-03-20 System for counting number of game tokens
AU2023229498A AU2023229498A1 (en) 2017-02-21 2023-09-12 System for counting number of game tokens
US18/368,735 US20240005726A1 (en) 2017-02-21 2023-09-15 System for counting quantity of game tokens

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2017045443A JP2018136903A (ja) 2017-02-21 2017-02-21 遊戯用代用貨幣の枚数計測システム
JP2017-045443 2017-02-21

Related Child Applications (4)

Application Number Title Priority Date Filing Date
US16/487,723 A-371-Of-International US11663803B2 (en) 2017-02-21 2018-02-21 System for counting quantity of game tokens
US17/864,627 Continuation US20220375184A1 (en) 2017-02-21 2022-07-14 System for counting quantity of game tokens
US18/115,426 Continuation US12142107B2 (en) 2017-02-21 2023-02-28 System for counting quantity of game tokens
US18/368,735 Continuation US20240005726A1 (en) 2017-02-21 2023-09-15 System for counting quantity of game tokens

Publications (1)

Publication Number Publication Date
WO2018155497A1 true WO2018155497A1 (ja) 2018-08-30

Family

ID=61622300

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2018/006247 WO2018155497A1 (ja) 2017-02-21 2018-02-21 遊戯用代用貨幣の枚数計測システム

Country Status (11)

Country Link
US (4) US20180239984A1 (ja)
EP (4) EP3364382A1 (ja)
JP (1) JP2018136903A (ja)
KR (5) KR20190121759A (ja)
CN (7) CN117205535A (ja)
AU (6) AU2018201238A1 (ja)
CA (2) CA3054123A1 (ja)
HK (1) HK1256090A1 (ja)
PH (2) PH12018000055A1 (ja)
SG (6) SG10201913042WA (ja)
WO (1) WO2018155497A1 (ja)

Families Citing this family (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
ES2984288T3 (es) * 2015-08-03 2024-10-29 Angel Playing Cards Co Ltd Sistema de detección de fraude en sala de juegos
JP2018136903A (ja) * 2017-02-21 2018-08-30 エンゼルプレイングカード株式会社 遊戯用代用貨幣の枚数計測システム
US11205319B2 (en) 2019-06-21 2021-12-21 Sg Gaming, Inc. System and method for synthetic image training of a neural network associated with a casino table game monitoring system
US11183012B2 (en) 2019-08-19 2021-11-23 Sg Gaming, Inc. Systems and methods of automated linking of players and gaming tokens
CN111062237A (zh) * 2019-09-05 2020-04-24 商汤国际私人有限公司 识别图像中的序列的方法及装置、电子设备和存储介质
US11398127B2 (en) 2019-10-07 2022-07-26 Sg Gaming, Inc. Gaming systems and methods using image analysis authentication
US11393282B2 (en) 2019-10-09 2022-07-19 Sg Gaming, Inc. Systems and devices for identification of a feature associated with a user in a gaming establishment and related methods
SG10201913056VA (en) * 2019-12-23 2021-04-29 Sensetime Int Pte Ltd Method and apparatus for obtaining sample images, and electronic device
CN115413354A (zh) 2020-03-30 2022-11-29 Sg游戏公司 游戏状态对象跟踪
US11861975B2 (en) 2020-03-30 2024-01-02 Lnw Gaming, Inc. Gaming environment tracking optimization
US11495085B2 (en) 2020-07-13 2022-11-08 Sg Gaming, Inc. Gaming environment tracking system calibration
US11100448B1 (en) * 2020-10-30 2021-08-24 Luis Antonio Plazola Intelligent secure networked systems and methods
WO2022269322A1 (en) * 2021-06-21 2022-12-29 Sensetime International Pte. Ltd. Image data generation method and apparatus, electronic device, and storage medium
CN114419289B (zh) * 2021-12-29 2022-12-09 广州市玄武无线科技股份有限公司 一种基于Unity的虚拟场景货架陈列方法及系统
US11967200B2 (en) 2022-01-12 2024-04-23 Lnw Gaming, Inc. Chip tracking system

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2007164401A (ja) * 2005-12-13 2007-06-28 Matsushita Electric Ind Co Ltd 立体物登録装置、立体物認証装置、立体物認証システムおよび立体物認証方法
JP2008269334A (ja) * 2007-04-20 2008-11-06 Yamaha Motor Co Ltd 自動販売機
WO2015107902A1 (en) 2014-01-17 2015-07-23 Angel Playing Cards Co., Ltd. Card game monitoring system
US9361577B2 (en) * 2013-09-09 2016-06-07 Kabushiki Kaisha Toshiba Processing device and computation device
WO2017022767A1 (ja) * 2015-08-03 2017-02-09 エンゼルプレイングカード株式会社 遊技用代用貨幣、検査装置、遊技用代用貨幣の製造方法、及びテーブルゲームの管理システム

Family Cites Families (31)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4814589A (en) 1986-04-18 1989-03-21 Leonard Storch Information transfer and use, particularly with respect to objects such as gambling chips
JP2787151B2 (ja) * 1993-03-29 1998-08-13 日立エンジニアリング株式会社 物品の数量検査方法及び装置
ATE278227T1 (de) * 1995-10-05 2004-10-15 Digital Biometrics Inc Spiel-chip erkennungssystem
US20030174864A1 (en) * 1997-10-27 2003-09-18 Digital Biometrics, Inc. Gambling chip recognition system
US6532297B1 (en) * 1995-10-05 2003-03-11 Digital Biometrics, Inc. Gambling chip recognition system
US6460848B1 (en) * 1999-04-21 2002-10-08 Mindplay Llc Method and apparatus for monitoring casinos and gaming
KR100339691B1 (ko) * 2001-11-03 2002-06-07 한탁돈 코드인식을 위한 장치 및 그 방법
DE60302549T2 (de) * 2002-02-05 2006-08-17 Bally Gaming International, Inc., Las Vegas Erkennung von spielinformation
JP4442119B2 (ja) * 2003-06-06 2010-03-31 オムロン株式会社 画像認識装置および画像認識方法、並びに、画像認識装置のティーチング装置およびティーチング方法
JP2005056004A (ja) * 2003-08-07 2005-03-03 Omron Corp 顔照合装置、顔照合方法、および顔照合プログラム
US20060160608A1 (en) * 2005-01-14 2006-07-20 Hill Otho D Card game system with automatic bet recognition
JP2009066172A (ja) * 2007-09-13 2009-04-02 Aruze Corp 遊技チップを使用するゲームマシンとゲームシステム
US8355567B2 (en) 2008-12-12 2013-01-15 Tektronix, Inc. Method and apparatus for implementing moving image color appearance model for video quality ratings prediction
US8454020B1 (en) * 2009-12-05 2013-06-04 Dariusz Orbik Game method and apparatus
JP6059486B2 (ja) * 2012-09-28 2017-01-11 株式会社Ｓｃｒｅｅｎホールディングス 教師データ検証装置、教師データ作成装置、画像分類装置、教師データ検証方法、教師データ作成方法および画像分類方法
CN102982332A (zh) * 2012-09-29 2013-03-20 顾坚敏 基于云处理方式的零售终端货架影像智能分析系统
US20140232923A1 (en) 2013-02-20 2014-08-21 Hewlett-Packard Development Company, Llp Device independent color differences
JP2015210651A (ja) * 2014-04-25 2015-11-24 サントリーシステムテクノロジー株式会社 商品識別システム
JP2016181068A (ja) * 2015-03-24 2016-10-13 株式会社明電舎 学習サンプル撮影装置
US10096206B2 (en) * 2015-05-29 2018-10-09 Arb Labs Inc. Systems, methods and devices for monitoring betting activities
US10410066B2 (en) * 2015-05-29 2019-09-10 Arb Labs Inc. Systems, methods and devices for monitoring betting activities
US9563824B2 (en) 2015-06-15 2017-02-07 Qualcomm Incorporated Probabilistic color classification
KR102305619B1 (ko) * 2015-08-03 2021-09-27 엔제루 구루푸 가부시키가이샤 테이블 게임의 관리 시스템, 유기용 대용 화폐, 검사 장치, 유기용 대용 화폐의 관리 시스템
ES2984288T3 (es) * 2015-08-03 2024-10-29 Angel Playing Cards Co Ltd Sistema de detección de fraude en sala de juegos
US10546457B2 (en) * 2015-09-25 2020-01-28 Bally Gaming, Inc. Gaming tables and methods for administering roulette bonus wagers using a roulette ball launching system
CN105865629A (zh) * 2016-03-25 2016-08-17 上海电机学院 一种用于机器人的物体颜色识别方法
US10346710B2 (en) * 2016-09-29 2019-07-09 Datacolor Inc. Multi-agent training of a color identification neural network
JP2018136903A (ja) 2017-02-21 2018-08-30 エンゼルプレイングカード株式会社 遊戯用代用貨幣の枚数計測システム
AT519722B1 (de) * 2017-02-27 2021-09-15 Revolutionary Tech Systems Ag Verfahren zur Detektion zumindest eines Jetonobjekts
US11840886B2 (en) 2021-05-12 2023-12-12 Ryse Inc. External motor drive system adjusting for creep in window covering system with continuous cord loop
US12131504B2 (en) * 2021-11-30 2024-10-29 Texas Instruments Incorporated Suppression of clipping artifacts from color conversion

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2007164401A (ja) * 2005-12-13 2007-06-28 Matsushita Electric Ind Co Ltd 立体物登録装置、立体物認証装置、立体物認証システムおよび立体物認証方法
JP2008269334A (ja) * 2007-04-20 2008-11-06 Yamaha Motor Co Ltd 自動販売機
US9361577B2 (en) * 2013-09-09 2016-06-07 Kabushiki Kaisha Toshiba Processing device and computation device
WO2015107902A1 (en) 2014-01-17 2015-07-23 Angel Playing Cards Co., Ltd. Card game monitoring system
WO2017022767A1 (ja) * 2015-08-03 2017-02-09 エンゼルプレイングカード株式会社 遊技用代用貨幣、検査装置、遊技用代用貨幣の製造方法、及びテーブルゲームの管理システム

Also Published As

Publication number Publication date
CA3054123A1 (en) 2018-08-30
PH12018000055A1 (en) 2018-10-29
US20220375184A1 (en) 2022-11-24
JP2018136903A (ja) 2018-08-30
AU2023229498A1 (en) 2023-09-28
KR20180096537A (ko) 2018-08-29
AU2018225928A1 (en) 2019-09-12
CA2995897A1 (en) 2018-08-21
AU2023201724A1 (en) 2023-04-20
CN118115840A (zh) 2024-05-31
US11663803B2 (en) 2023-05-30
AU2023201677A1 (en) 2023-04-13
US20240005726A1 (en) 2024-01-04
KR20220145916A (ko) 2022-10-31
SG10201913044RA (en) 2020-03-30
EP4163890A1 (en) 2023-04-12
SG10201913031YA (en) 2020-02-27
SG10201913042WA (en) 2020-03-30
KR20190121759A (ko) 2019-10-28
CN117372821A (zh) 2024-01-09
KR20220104122A (ko) 2022-07-26
EP3586933A1 (en) 2020-01-01
EP3586933A4 (en) 2020-11-11
HK1256090A1 (zh) 2019-09-13
CN117975423A (zh) 2024-05-03
EP4163889A1 (en) 2023-04-12
SG10201913038QA (en) 2020-02-27
KR20230133392A (ko) 2023-09-19
SG10201801376TA (en) 2018-09-27
US20230206720A1 (en) 2023-06-29
PH12019501930A1 (en) 2020-06-29
CN110536724A (zh) 2019-12-03
EP3364382A1 (en) 2018-08-22
US20200234464A1 (en) 2020-07-23
CN108460759A (zh) 2018-08-28
CN117205535A (zh) 2023-12-12
KR102667936B1 (ko) 2024-05-21
US20180239984A1 (en) 2018-08-23
SG11201907642WA (en) 2019-09-27
CN115719441A (zh) 2023-02-28
AU2022205219A1 (en) 2022-08-04
AU2018201238A1 (en) 2018-09-06

Similar Documents

Publication Publication Date Title
WO2018155497A1 (ja) 遊戯用代用貨幣の枚数計測システム
US20070077987A1 (en) Gaming object recognition
US20070111773A1 (en) Automated tracking of playing cards
US8016665B2 (en) Table game tracking
JP2020536324A (ja) 機械学習駆動オブジェクト検出のためのシステム及び方法
US20060252554A1 (en) Gaming object position analysis and tracking
JP2022133277A (ja) 遊戯用代用貨幣の枚数計測システム
US12142107B2 (en) System for counting quantity of game tokens
JP2022160403A (ja) 遊戯用代用貨幣の枚数計測システム
NZ740082A (en) System for counting quantity of game tokens
CN110378214A (zh) 行为识别和响应方法、设备、智能处理设备及介质
JP2011019614A (ja) 鋼球の刻印認識システム
CN102542238A (zh) 利用物件特征相异性进行多个物件的动态影像辨识方法及系统

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 18756797

Country of ref document: EP

Kind code of ref document: A1

ENP Entry into the national phase

Ref document number: 20197023679

Country of ref document: KR

Kind code of ref document: A

ENP Entry into the national phase

Ref document number: 3054123

Country of ref document: CA

NENP Non-entry into the national phase

Ref country code: DE

ENP Entry into the national phase

Ref document number: 2018225928

Country of ref document: AU

Date of ref document: 20180221

Kind code of ref document: A

ENP Entry into the national phase

Ref document number: 2018756797

Country of ref document: EP

Effective date: 20190923