本发明涉及筹码的识别学习系统。
背景技术：
在百家乐游戏等游戏中，客人(游戏者)在桌上堆叠多个筹码来押注。因此，需要准确地识别堆叠的筹码。此外，在国际公开第2008/120749号中公开了用于游戏的筹码的一例。
技术实现要素：
本发明的目的在于，提供一种能够高精度地对游戏者所押注的筹码进行识别的筹码的识别学习系统。
本发明的一个方式的筹码的识别学习系统用于具有游艺桌的游艺场中，所述筹码的识别学习系统具有：游戏记录装置，其利用摄像头将堆叠于所述游艺桌上的筹码的状态记录为图像；筹码判定装置，其包括人工智能装置，所述人工智能装置对所记录的筹码的状态的图像进行图像分析，判定游戏者所押注的筹码的枚数和种类；以及教师装置，其在判定为怀疑所述筹码判定装置的判定结果有错误的情况下，将所述筹码判定装置的判定中所使用的图像以及针对所述错误的正确的筹码的枚数和种类作为教师数据而输入至所述人工智能装置，并使所述人工智能装置进行学习。
根据这样的方式，在判定为怀疑筹码判定装置的判定结果有错误的情况下，教师装置将筹码判定装置的判定中所使用的图像以及针对错误的正确的筹码的枚数和种类作为教师数据而输入至人工智能装置，并使该人工智能装置进行学习，因此人工智能装置能够针对筹码判定装置的判定精度相对较低的图像模式有效地进行学习，能够重点针对该图像模式提高筹码判定装置的判定精度。通过反复进行这种教师学习，无论筹码以怎样的状态堆叠，筹码判定装置都能够高精度地识别游戏者所押注的筹码。
在本发明的一个方式的筹码的识别学习系统中，也可以是，所述教师装置在判定为所述筹码判定装置的判定结果正确的情况下，将所述筹码判定装置的判定中所使用的图像以及所述判定结果的筹码的枚数和种类作为教师数据进一步地输入至所述人工智能装置，使所述人工智能装置进行学习。
根据这样的方式，不仅是筹码判定装置的判定精度相对较低的图像模式，针对判定精度相对较高的图像模式，也能够进一步提高判定精度，通过这样，筹码判定装置能够进一步高精度地识别游戏者所押注的筹码。
本发明的一个方式的筹码的识别学习系统用于具有游艺桌的游艺场中，所述筹码的识别学习系统具有：游戏记录装置，其利用摄像头将堆叠于所述游艺桌上的筹码的状态记录为图像；以及筹码判定装置，其包括人工智能装置，所述人工智能装置对所记录的筹码的状态的图像进行图像分析，判定游戏者所押注的筹码的枚数和种类，所述人工智能装置在判定为怀疑所述筹码判定装置的判定结果有错误的情况下，通过教师装置输入所述筹码判定装置的判定中所使用的图像以及针对所述错误的正确的筹码的枚数或者种类来作为教师数据并进行学习。
根据这样的方式，在判定为怀疑筹码判定装置的判定结果有错误的情况下，人工智能装置通过教师装置输入筹码判定装置的判定中所使用的图像以及针对错误的正确的筹码的枚数和种类来作为教师数据，并进行学习，因此人工智能装置能够针对筹码判定装置的判定精度相对较低的图像模式有效地进行学习，能够重点针对该图像模式来提高筹码判定装置的判定精度。通过反复如此，无论筹码以怎样的状态堆叠，筹码判定装置都能够高精度地识别游戏者所押注的筹码。
在本发明的一个方式的筹码的识别学习系统中，也可以是，还具有控制装置，所述控制装置判定所述筹码判定装置的判定结果是否正确，所述筹码判定装置在所述游艺桌上进行的游戏中，能够根据在所述游戏记录装置中记录的图像，判定所述游艺桌所具有的筹码托盘的筹码的种类和枚数以及各游戏者所押注的筹码的位置、种类和枚数，所述控制装置当各游戏者所押注的用掉的筹码全部回收结束时，掌握筹码托盘中的筹码的实际的总额，基于所述筹码判定装置的判定结果，计算筹码托盘中的筹码的应有总额，比较该筹码托盘中的筹码的应有总额与该筹码托盘中的筹码的实际的总额，当应有总额与实际的总额之间存在差异时，判定为怀疑所述筹码判定装置的判定结果有错误，其中，所述筹码托盘中的筹码的应有总额是通过对各游戏清算前的筹码托盘中的筹码的总额加上根据输了的游戏者所押注的筹码的种类和枚数而计算出的该游戏中的筹码托盘的增额而得到的。
根据这样的方式，能够由控制装置自动地判定筹码判定装置的判定结果是否存在错误的嫌疑。
本发明的一个方式的筹码的识别学习系统用于具有游艺桌的游艺场中，所述筹码的识别学习系统的特征在于，具有：游戏记录装置，其利用摄像头将堆叠于所述游艺桌上的筹码的状态记录为图像；筹码判定装置，其包括人工智能装置，所述人工智能装置对所记录的筹码的状态的所述图像进行图像分析，判定游戏者所押注的筹码的枚数和种类；以及教师装置，其在判定为所述筹码判定装置的判定结果正确的情况下，将所述筹码判定装置的判定中所使用的图像以及所述判定结果的筹码的枚数和种类作为教师数据而输入至所述人工智能装置，并使所述人工智能装置进行学习。
本发明的一个方式的筹码的识别学习系统用于具有游艺桌的游艺场中，所述筹码的识别学习系统的特征在于，具有：游戏记录装置，其利用摄像头将堆叠于所述游艺桌上的筹码的状态记录为图像；以及筹码判定装置，其包括人工智能装置，所述人工智能装置对所记录的筹码的状态的所述图像进行图像分析，判定游戏者所押注的筹码的枚数和种类，所述人工智能装置在判定为所述筹码判定装置的判定结果正确的情况下，通过教师装置输入所述筹码判定装置的判定中所使用的图像以及所述判定结果的筹码的枚数或者种类来作为教师数据并进行学习。
在本发明的一个方式的筹码的识别学习系统中，也可以是，还具有控制装置，所述控制装置判定所述筹码判定装置的判定结果是否正确，所述筹码判定装置在所述游艺桌上进行的游戏中，能够根据在所述游戏记录装置中记录的图像，判定所述游艺桌所具有的筹码托盘的筹码的种类和枚数以及各游戏者所押注的筹码的位置、种类和枚数，所述控制装置当各游戏者所押注的用掉的筹码全部回收结束时，掌握筹码托盘中的筹码的实际的总额，基于所述筹码判定装置的判定结果，计算筹码托盘中的筹码的应有总额，比较该筹码托盘中的筹码的应有总额与该筹码托盘中的筹码的实际的总额，当应有总额与实际的总额一致时，判定为所述筹码判定装置的判定结果正确，其中，所述筹码托盘中的筹码的应有总额是通过对各游戏清算前的筹码托盘中的筹码的总额加上根据输了的游戏者所押注的筹码的种类和枚数而计算出的该游戏中的筹码托盘的增额而得到的。
在本发明的一个方式的筹码的识别学习系统中，也可以是，所述控制装置以设于所述筹码上的rfid为基准来掌握所述筹码托盘中的筹码的实际的总额。
根据这样的方式，控制装置能够使用rfid来自动地掌握筹码托盘中的筹码的实际的总额，与工作人员的目测相比，能够提高测量精度。
在本发明的一个方式的筹码的识别学习系统中，也可以是，所述控制装置具有与所述筹码判定装置的人工智能装置不同的正解确定用的人工智能装置，该正解确定用的人工智能装置根据在所述游戏记录装置中记录的图像来掌握所述筹码托盘中的筹码的实际的总额。
根据这样的方式，控制装置能够使用正解确定用的人工智能装置来自动地掌握筹码托盘中的筹码的实际的总额，与工作人员的目测相比，能够提高测量精度。
在本发明的一个方式的筹码的识别学习系统中，也可以是，所述游戏记录装置对从摄像头取得的图像赋予索引或者时刻、或者赋予用于确定筹码的回收情景或者支付情景的标签来进行记录，使得能够通过所述筹码判定装置在之后对该游戏的记录进行分析。
根据这样的方式，筹码判定装置通过利用对图像赋予的索引、时刻、标签，能够根据游戏记录装置的记录内容，容易地确定应该作为分析对象的筹码的状态的图像，能够缩短确定所需的时间。
在本发明的一个方式的筹码的识别学习系统中，也可以是，即使在放置于游艺桌上的多个筹码因落入所述摄像头的死角而导致一部分或者一个筹码整体成为隐藏的状态下，所述筹码判定装置也能够判定被押注的筹码的种类、枚数以及位置。
根据这样的方式，特别是即使在处于放置于游艺桌上的多个筹码因落入工作人员的死角而导致一部分或者一个筹码整体成为隐藏的状态的情况下，通过使筹码判定装置判定游戏者所押注的筹码，与工作人员的目测相比，能够提高测量精度。
本发明的一个方式的筹码的识别学习方法用于具有游艺桌的游艺场中，所述筹码的识别学习方法包括：游戏记录步骤，利用摄像头将堆叠于所述游艺桌上的筹码的状态记录为图像；筹码判定步骤，由人工智能装置进行，所述人工智能装置对所记录的筹码的状态的图像进行图像分析，判定游戏者所押注的筹码的枚数和种类；以及教师步骤，在判定为怀疑所述筹码判定步骤中的判定结果有错误的情况下，将在所述筹码判定步骤的判定中所使用的图像以及针对所述错误的正确的筹码的枚数和种类作为教师数据而输入至所述人工智能装置，并使所述人工智能装置进行学习。
根据这样的方式，在判定为怀疑筹码判定步骤中的判定结果有错误的情况下，在教师步骤中，将筹码判定步骤的判定中所使用的图像以及针对错误的正确的筹码的枚数和种类作为教师数据而输入至人工智能装置，并使该人工智能装置进行学习，因此人工智能装置能够针对筹码判定步骤中的判定精度相对较低的图像模式有效地进行学习，能够重点针对该图像模式提高判定精度。通过反复如此，在筹码判定步骤中，无论将筹码以怎样的状态堆叠，都能够高精度地识别游戏者所押注的筹码。
本发明的一个方式的筹码的识别学习方法用于具有游艺桌的游艺场中，所述筹码的识别学习方法的特征在于，包括：游戏记录步骤，利用摄像头将堆叠于所述游艺桌上的筹码的状态记录为图像；筹码判定步骤，由人工智能装置进行，所述人工智能装置对所记录的筹码的状态的图像进行图像分析，判定游戏者所押注的筹码的枚数和种类；以及教师步骤，在判定为所述筹码判定步骤中的判定结果正确的情况下，将在所述筹码判定步骤的判定中所使用的图像以及所述判定结果的筹码的枚数和种类作为教师数据而输入至所述人工智能装置，并使所述人工智能装置进行学习。
附图说明
图1是示意地示出具有第一实施方式的筹码的识别学习系统的游艺场的图。
图2是用于说明百家乐游戏的进行过程的图。
图3是示出第一实施方式的筹码的识别学习系统的概略构成的框图。
图4是用于说明筹码的识别学习方法的流程图。
图5是用于说明筹码的识别学习方法的一变形例的流程图。
图6是用于说明筹码的识别学习方法的另一变形例的流程图。图7是示意地示出具有第二实施方式的筹码的识别学习系统的游艺场的图。
图8是示出第二实施方式的筹码的识别学习系统的概略构成的框图。
具体实施方式
以下，参照附图，详细地说明本发明的实施方式。此外，在各图中，对具有同等的功能的构成要素赋予相同的附图标记，不重复对相同附图标记的构成要素的详细说明。
首先，针对在具有游艺桌4的游艺场中进行的游戏进行说明。在本实施方式中，针对游艺桌4是百家乐桌并进行百家乐游戏的例子进行说明，但本发明也能够应用于其他游艺场或者其他游戏。
图1是示意地示出具有第一实施方式的筹码的识别学习系统10的游艺场的图。如图1所示，在游艺场中配置有大致半圆状的游艺桌4以及沿着游艺桌4的圆弧侧以面向发牌员(dealer)d的方式排列的多个椅子201。椅子201的数量是任意的，在图1所示的例子中排列有6个椅子201。另外，与各椅子201分别对应地在游艺桌4上设有投注区域(betarea)ba。即，在图示的例子中，6个投注区域ba排列成圆弧状而设置。
如图1所示，在各个椅子201上坐着客人(游戏者)c。客人(游戏者)c通过将筹码w堆叠配置在设置于所坐着的椅子201的面前的投注区域ba，来向百家乐游戏的胜负结果押注(以下，称为“投注”)，作为百家乐游戏的胜负结果包括闲家(player)和庄家(banker)中的哪一方获胜或者达成平局(tie)。
投注的筹码w可以只有一种，也可以是多种。或者，投注的筹码w的枚数可以是客人(游戏者)c任意决定的。本实施方式的筹码的识别学习系统10可识别该堆叠配置的筹码w的枚数以及种类。
发牌员d为了使客人(游戏者)c的结束投注，进行如下的行为：进行计时并提示“nomorebet(停止投注)”，将手横向移动等。接着，发牌员d从纸牌发牌装置s将纸牌一张一张地抽出到游艺桌4。如图2所示，第一张纸牌发到闲家(player)手中，第二张纸牌发到庄家(banker)手中，第三张纸牌发到闲家(player)手中，第四张纸牌发到庄家(banker)的手中(以下，将第一～第四张纸牌的抽出称为“发牌”)。
此外，纸牌全部是以背面向上的状态被从纸牌发牌装置s抽出的。因此，抽出的纸牌的等级(数)、花色(红心、方块、黑桃、梅花)无论是发牌员d还是客人(游戏者)c都无法掌握。
第四张纸牌被抽出之后，向闲家(player)投注的客人(游戏者)c(在向player投注的客人有多个的情况下是投注金额最高的客人c，在没有客人向player投注的情况下是发牌员d)将背面向上的第一张和第三张纸牌翻到正面。同样地，向庄家(banker)投注的客人(游戏者)c(在向banker投注的客人有多个的情况是投注金额最高的客人c，在没有客人向banker投注的情况下是发牌员d)将第二张和第四张纸牌翻到正面(一般，称这种将背面的纸牌翻到正面的行为为“开牌(squeeze)”)。
然后，基于该第一～第四张纸牌的等级(数)和百家乐游戏的详细的规则，由发牌员d抽出第五张纸牌，进而抽出第六张纸牌，并把这些纸牌发到各个闲家(player)或者庄家(banker)的手中。同样地，向闲家(player)投注的客人(游戏者)c将发到闲家(palyer)手中的纸牌开牌，向庄家(banker)投注的客人(游戏者)将发到庄家(banker)手中的纸牌开牌。
在第一～第四张纸牌被抽出之后，到将第五张、第六张纸牌开牌而明确胜负结果为止的时间对客人(游戏者)c来说是最有乐趣的。
而且，有时根据纸牌的等级(数)，到第一～第四张为止就决出胜负，或者也有时到第五张，甚至到第六张才终于决出胜负。发牌员d进行如下的工作：基于开牌后的纸牌的等级(数)，来掌握胜负已决的情况和胜负结果，按下纸牌发牌装置s上的胜负结果显示按钮，并为了将胜负结果告知客人(游戏者)c而将胜负结果显示于监视器等。
另外，同时利用纸牌发牌装置s所具有的胜负判定部，来判定游戏的胜负结果。尽管已决出胜负但发牌员d不显示胜负结果却还要抽出纸牌的情况下报错。纸牌发牌装置s检测上述报错，并输出报错信号。最后，发牌员d在显示出胜负结果的期间，清算客人(游戏者)c的押注额，向获胜的客人(游戏者)c支付，以及回收输了的客人(游戏者)c的押注额。在清算完成之后，结束胜负结果的显示，开始下一场游戏的投注。
此外，上述百家乐游戏的流程是在普通的娱乐场中广泛进行的，纸牌发牌装置s是现有的纸牌发牌装置，该现有的纸牌发牌装置采用由发牌员d的手将纸牌抽出的结构，并且可读取被抽出的纸牌，还具有结果显示按钮和结果显示部，具有进行胜负判定和胜负结果的显示的功能。在普通的娱乐场地板上，针对排列有多台的游艺桌4中的每一台游艺桌4配置有纸牌发牌装置s和监视器等，使用的纸牌以包或者套为单位，甚至以箱为单位被供给到各游艺桌4或者各游艺桌4的下方的柜子中而被运用。
本实施方式的筹码的识别学习系统10是关于对客人(游戏者)c堆叠配置于投注区域ba的筹码w进行识别学习的系统，更详细地，是关于对筹码w的枚数和/或种类进行识别学习的系统。
如图1所示，在本实施方式中，在游艺桌4的外侧设有对被堆叠配置于投注区域ba的筹码w的状态进行拍摄的监视摄像头212。另外，在各筹码w上设有rfid(radiofrequencyidentification：射频识别)，在发牌员d所管理的筹码托盘23上设有对筹码托盘23内的筹码w的rfid进行读取的rfid读取装置22。
本实施方式的筹码的识别学习系统10与监视摄像头212以及rfid读取装置22分别以可通信的方式连接。
图3是示出本实施方式的筹码的识别学习系统10的概略构成的框图。
如图3所示，筹码的识别学习系统10具有游戏记录装置11、筹码判定装置12、教师装置13、控制装置14。此外，筹码的识别学习系统10的至少一部分由计算机实现。
游戏记录装置11具有例如硬盘等固态型数据存储器。游戏记录装置11将堆叠在游艺桌4上的筹码w的状态作为由摄像头212拍摄到的图像进行记录。此外，图像可以是动态图像，也可以是连续的静态图像。
游戏记录装置11也可以以对从摄像头212取得的图像赋予索引或者时刻、或者赋予用于确定筹码w的回收情景或者支付情景的标签的方式来记录，使得能够通过后述的筹码判定装置12在之后对游戏的记录进行分析。
筹码判定装置12具有利用例如深度学习(deeplearning)技术等进行图像识别的人工智能装置12a，对由游戏记录装置11记录的筹码w的状态的图像进行图像分析，来判定客人(游戏者)c所押注的筹码w的枚数和种类。筹码判定装置12还可以进一步地判定客人(游戏者)c押注的筹码w在投注区域ba上的位置。
筹码判定装置12也可以对在游戏记录装置11中记录的筹码w的状态的图像进行图像分析，来判定各游戏清算前的筹码托盘23中的筹码w的枚数和种类。
如图3所示，筹码判定装置12将判定结果输出至输出装置15。输出装置15可以将筹码判定装置12的判定结果作为文字信息而输出至游艺桌4上的监视器，也可以作为声音信息而输出至发牌员d的耳机等。
控制装置14是用于判定筹码判定装置12的判定结果是否正确的装置。控制装置14在将输了的客人(游戏者)c所押注的筹码w(用掉的筹码)全部回收结束时，掌握筹码托盘23中的筹码w的实际的总额v0。
在本实施方式中，控制装置14从rfid读取装置22取得筹码托盘23内的筹码w的rfid的信息，基于取得的rfid的信息，判定筹码托盘23中的筹码w的种类和枚数，掌握筹码托盘23中的筹码w的实际的总额v0。
另外，控制装置14从筹码判定装置12取得判定结果，基于取得的判定结果，根据各游戏清算前的筹码托盘23中的筹码w的种类和枚数来计算其总额v1，并且根据各游戏者c所押注的筹码w的位置、种类和枚数来计算输了的游戏者c所押注的筹码w的总额(即该游戏中的筹码托盘23的增额)v2。然后，控制装置14对各游戏清算前的筹码托盘23中的筹码w的总额v1加上该游戏中的筹码托盘23的增额v2，从而计算该筹码托盘23中的筹码的应有总额v3(＝v1+v2)。
控制装置14比较该筹码托盘23中的筹码w的应有总额v3与该筹码托盘23中的筹码w的实际的总额v0，当应有总额v3与实际的总额v0之间存在差异时(v3≠v0)，判定为怀疑筹码判定装置12的判定结果有错误。另一方面，当应有总额v3与实际的总额v0一致时(v3＝v0)，控制装置14判定为筹码判定装置12的判定结果正确。
当从输了的游戏者c回收筹码w结束时，向获胜的游戏者c支付筹码w。控制装置14根据各游戏者c所押注的筹码w的位置、种类和枚数来计算获胜的游戏者c所押注的筹码w的总额以及与该获胜的游戏者c所押注的筹码w的总额相对应的应支付金额v4。控制装置14掌握因支付了筹码w而减少后的筹码托盘23中的筹码w的实际的总额，判定该实际的总额是否与应支付金额v4一致，根据判定结果而显示表示是否一致的灯。
控制装置14比较筹码托盘23中的筹码w的应有总额v5(＝v1+v2-v4)与增加了回收的筹码以及减少了所支付的筹码之后的筹码托盘23中的筹码w的实际的总额，当存在差异时，判定为怀疑筹码判定装置12的判定结果有错误。控制装置14在应有总额v5与实际的总额一致时，判定为筹码判定装置12的判定结果正确。
针对分别是否一致的判定，例如，可以以若一致则点亮绿色、若不一致则点亮红色的方式来点亮灯。
教师装置13从控制装置14取得筹码判定装置12的判定结果是否正确的判定。教师装置13可以在由控制装置14判定为怀疑筹码判定装置12的判定结果有错误的情况下，将筹码判定装置12的(包含怀疑有错误)判定中所使用的图像以及针对错误的正确的筹码w的枚数和种类作为教师数据而输入至筹码判定装置12的人工智能装置12a，并使该人工智能装置12a学习。此外，针对错误的正确的筹码的枚数和种类实际上是由人来确认图像并教给教师装置13的。即，就针对错误的正确的筹码的枚数和种类而言，教师装置13是通过人经由示教错误时的图像和当时的正确枚数的装置进行示教来学习的。
教师装置13也可以在由控制装置14判定为筹码判定装置12的判定结果正确的情况下，将筹码判定装置12的(正确的)判定中所使用的图像与筹码判定装置12的判定结果的筹码w的枚数和种类(即正确的筹码w的枚数和种类)作为教师数据而进一步地输入筹码判定装置12的人工智能装置12a，并使该人工智能装置12a学习。
教师装置13反复进行向筹码判定装置12的人工智能装置12a输入上述教师数据并使该人工智能装置12a学习这样的教师动作，由此能够提高筹码判定装置12对筹码w的判定精度。筹码判定装置12的人工智能装置12a对筹码w的状态的图像进行图像分析来进行筹码w的判定，因此即使在放置于游艺桌4上的多个筹码w因落入摄像头212的死角而导致一部分或者一个筹码w整体成为隐藏的状态下，通过事先反复学习这种不完整的图像，也能够判定被押注的筹码w的种类、枚数以及位置。
接着，参照图4，对本实施方式的筹码的识别学习系统10的动作(筹码的识别学习方法)进行说明。
如图4所示，首先，当客人(游戏者)c将筹码w堆叠配置(押注筹码w)在游艺桌4的投注区域ba时，用摄像头212将堆叠的筹码w的状态作为图像来进行拍摄，游戏记录装置11记录该图像(步骤s31)。
接着，用筹码判定装置12对在游戏记录装置11中记录的图像进行图像分析，判定客人(游戏者)c所押注的筹码w的枚数和种类(步骤s32)。此外，通过筹码判定装置12进行图像分析的图像也可以是，基于由游戏记录装置11对图像赋予的索引、时刻或者用于确定筹码w的回收情景或者支付情景的标签而选择出的图像。
在步骤s32中，也可以通过用筹码判定装置12对在游戏记录装置11中记录的筹码w的状态的图像进行图像分析，而不仅判定客人(游戏者)c所押注的筹码w的枚数和种类，而且还判定客人(游戏者)c所押注的筹码w在投注区域ba上的位置，还可以判定各游戏清算前的筹码托盘23中的筹码w的枚数和种类。
筹码判定装置12的判定结果被输出至输出装置15。筹码判定装置12的判定结果可以通过输出装置15作为文字信息而输出至游艺桌4上的监视器，也可以作为声音信息而输出至发牌员d的耳机等。
筹码判定装置12的判定结果还被发送至控制装置14，控制装置14判定筹码判定装置12的判定结果是否正确(步骤s33)。
在由控制装置14判定为怀疑筹码判定装置12的判定结果有错误的情况下(步骤s34：否)，将筹码判定装置12的(包含怀疑有错误)判定中所使用的图像以及针对错误的正确的筹码w的枚数和种类作为教师数据从教师装置13输入至筹码判定装置12的人工智能装置12a，人工智能装置12a进行学习(步骤s36)。
另一方面，在由控制装置14判定为筹码判定装置12的判定结果正确的情况下(步骤s34：是)，结束该游戏中的筹码的识别学习系统10的动作。
如上所述，根据本实施方式，在判定为怀疑筹码判定装置12的判定结果有错误的情况下，教师装置13将筹码判定装置12的判定中所使用的图像以及针对错误的正确的筹码w的枚数和种类作为教师数据而输入至人工智能装置12a，并使该人工智能装置12a学习，因此人工智能装置12a能够针对筹码判定装置12的判定精度相对较低的图像模式有效地进行学习，能够重点针对该图像模式来提高筹码判定装置12的判定精度。通过反复进行这种教师学习，无论筹码w以怎样的状态堆叠，筹码判定装置12都能够高精度地识别游戏者c所押注的筹码w。
另外，根据本实施方式，控制装置14当各游戏者c所押注的用掉的筹码全部回收结束时，掌握筹码托盘23中的筹码w的实际的总额v0，基于筹码判定装置12的判定结果，计算筹码托盘23中的筹码w的应有总额v3(其中，该筹码托盘23中的筹码w的应有总额是对各游戏清算前的筹码托盘23中的筹码w的总额v1加上根据输了的游戏者c所押注的筹码w的种类和枚数而算出的该游戏中的筹码托盘23的增额v2而得到的。v3＝v1+v2)，比较该筹码托盘23中的筹码w的应有总额v3与该筹码托盘23中的筹码w的实际的总额v0，当应有总额v3与实际的总额v0之间存在差异时(v3≠v0)，判定为怀疑筹码判定装置12的判定结果有错误，通过这样，能够由控制装置14自动地判定筹码判定装置12的判定结果是否存在错误的嫌疑。
另外，根据本实施方式，控制装置14以设于筹码w上的rfid为基准来掌握筹码托盘23中的筹码w的实际的总额v0，因此，控制装置14能够使用rfid来自动地掌握筹码托盘23中的筹码w的实际的总额v0，与工作人员的目测相比，能够提高测量精度。
另外，根据本实施方式，游戏记录装置11以对从摄像头212取得的图像赋予索引或者时刻或者赋予用于确定筹码的回收情景或者支付情景的标签的方式来进行记录，因此筹码判定装置12通过利用对图像赋予的索引、时刻、标签，能够根据游戏记录装置11的记录内容，容易地确定出应该作为分析对象的筹码w的状态的图像，能够缩短确定所需的时间。
另外，根据本实施方式，即使在放置于游艺桌4上的多个筹码w因落入摄像头212的死角而导致一部分或者一个筹码w整体成为隐藏的状态下，筹码判定装置12也能够判定被押注了的筹码w的种类、枚数以及位置，因此，特别是在处于放置于游艺桌4上的多个筹码w因落入工作人员的死角而导致一部分或者一个筹码w整体成为隐藏的状态的情况下，通过使筹码判定装置12判定游戏者c所押注的筹码w，与工作人员的目测相比，能够提高测量精度。
此外，能够对上述的实施方式施加各种各样的变更。以下，参照附图对变形的一例进行说明。在以下的说明和以下的说明所使用的附图中，针对可与上述的实施方式同样地构成的部分，使用与对上述的实施方式中对应的部分所使用的附图标记相同的附图标记，并且省略重复的说明。
图5是用于说明筹码的识别学习方法的一变形例的流程图。
在图5所示的例子中，在由控制装置14判定为怀疑筹码判定装置12的判定结果有错误的情况下(步骤s34：否)，将筹码判定装置12的(怀疑有错误的)判定中所使用的图像以及针对错误的正确的筹码w的枚数和种类作为教师数据从教师装置13输入至筹码判定装置12的人工智能装置12a，并进一步地使人工智能装置12a进行学习(步骤s36)。
另一方面，在由控制装置14判定为筹码判定装置12的判定结果正确的情况下(步骤s34：是)，将筹码判定装置12的(正确的)判定中所使用的图像以及筹码判定装置12的判定结果的筹码w的枚数和种类(即正确的筹码w的枚数和种类)作为教师数据，从教师装置13进一步地输入至筹码判定装置12的人工智能装置12a，并进一步地使人工智能装置12a进行学习(步骤s35)。
根据这样的方式，不仅是筹码判定装置12的判定精度相对较低的图像模式，针对判定精度相对较高的图像模式，也能够进一步提高判定精度，通过这样，筹码判定装置12能够进一步高精度地识别游戏者c所押注的筹码w。
图6是用于说明筹码的识别学习方法的另一变形例的流程图。
在图6所示的例子中，在由控制装置14判定为筹码判定装置12的判定结果正确的情况下(步骤s34：是)，将筹码判定装置12的(正确的)判定中所使用的图像以及筹码判定装置12的判定结果的筹码w的枚数和种类(即正确的筹码w的枚数和种类)作为教师数据从教师装置13进一步地输入至筹码判定装置12的人工智能装置12a，并进一步地使人工智能装置12a进行学习(步骤s35)。
另一方面，在由控制装置14判定为怀疑筹码判定装置12的判定结果有错误的情况下(步骤s34：否)，结束该游戏中的筹码的识别学习系统10的动作。
根据这样的方式，由于在判定为筹码判定装置12的判定结果正确的情况下，教师装置13将筹码判定装置12的判定中所使用的图像以及判定结果的(正确的)筹码w的枚数和种类作为教师数据输入至人工智能装置12a，并使人工智能装置12a进行学习，因此人工智能装置12a能够针对筹码判定装置12的判定精度相对较高的图像图案进行有效的学习，能够重点针对该图像图案来提高筹码判定装置12的判定精度。通过反复进行如这样的教师学习，筹码判定装置12能够高精度地识别游戏者c所押注的筹码w。
图7是示意地示出具有第二实施方式的筹码的识别学习系统100的游艺场的图。图8是示出第二实施方式的筹码的识别学习系统100的概略构成的框图。
如图7所示，在第二实施方式中，除了用于对堆叠配置于投注区域ba的筹码w的状态进行拍摄的监视摄像头212以外，在游艺桌4的外侧还设有用于对发牌员d所管理的筹码托盘23内的筹码w的状态进行拍摄的筹码托盘用的监视摄像头24。
第二实施方式的筹码的识别学习系统100与监视摄像头212和筹码托盘用监视摄像头24分别以可通信的方式连接。
如图8所示，游戏记录装置11将筹码托盘23内的筹码w的状态记录为由筹码托盘用摄像头24拍摄到的图像。此外，图像可以是动态图像，也可以是连续的静态图像。
控制装置14具有与筹码判定装置12的人工智能装置12a不同的人工智能装置14a(正解确定用人工智能装置)，对由游戏记录装置11记录的筹码托盘23内的筹码w的状态的图像进行图像分析，判定筹码托盘23内的筹码w的枚数和种类，掌握筹码托盘23内的筹码w的实际的总额v0，该人工智能装置14a利用例如深度学习(deeplearning)技术等进行图像识别。
根据第二实施方式，控制装置14能够使用正解确定用的人工智能装置14a来自动地掌握筹码托盘23中的筹码w的实际的总额，与工作人员的目测相比能够提高测量精度。
此外，通常有被称为无教师数据学习的技术，但该无教师数据学习是示教人工智能所判定的结果是正确还是错误的技术，这在本发明中也被称为教师数据学习。上述实施方式以具有本发明所属的技术领域中的普通知识的人能够实施本发明为目的而记载的。只要为本领域技术人员当然能够实现上述实施方式的各种各样的变形例是，本发明的技术思想也能够应用于其他的实施方式。因此，本发明并不限定于记载的实施方式，而应该是基于由权利要求的范围定义的技术思想的最宽范围。