CN113546398A - 基于人工智能算法的棋牌游戏方法及*** - Google Patents
基于人工智能算法的棋牌游戏方法及*** Download PDFInfo
- Publication number
- CN113546398A CN113546398A CN202110874521.XA CN202110874521A CN113546398A CN 113546398 A CN113546398 A CN 113546398A CN 202110874521 A CN202110874521 A CN 202110874521A CN 113546398 A CN113546398 A CN 113546398A
- Authority
- CN
- China
- Prior art keywords
- chessboard
- chess
- card
- image
- target feature
- Prior art date
- Legal status (The legal status 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 status listed.)
- Pending
Links
- 238000013473 artificial intelligence Methods 0.000 title claims abstract description 59
- 238000004422 calculation algorithm Methods 0.000 title claims abstract description 28
- 238000000034 method Methods 0.000 title claims abstract description 25
- 238000012549 training Methods 0.000 claims abstract description 53
- 238000012937 correction Methods 0.000 claims abstract description 46
- 239000013589 supplement Substances 0.000 claims abstract description 17
- 238000002372 labelling Methods 0.000 claims abstract description 12
- 238000007635 classification algorithm Methods 0.000 claims abstract description 11
- 230000000007 visual effect Effects 0.000 claims description 58
- 238000000605 extraction Methods 0.000 claims description 18
- 238000012545 processing Methods 0.000 claims description 10
- 241000209202 Bromus secalinus Species 0.000 claims description 6
- 241000406668 Loxodonta cyclotis Species 0.000 description 6
- 238000011161 development Methods 0.000 description 6
- 230000000694 effects Effects 0.000 description 5
- 238000012795 verification Methods 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 230000000576 supplementary effect Effects 0.000 description 3
- 244000144730 Amygdalus persica Species 0.000 description 2
- 235000017166 Bambusa arundinacea Nutrition 0.000 description 2
- 235000017491 Bambusa tulda Nutrition 0.000 description 2
- 241000282461 Canis lupus Species 0.000 description 2
- 235000007516 Chrysanthemum Nutrition 0.000 description 2
- 244000189548 Chrysanthemum x morifolium Species 0.000 description 2
- 241000282326 Felis catus Species 0.000 description 2
- 241000699666 Mus <mouse, genus> Species 0.000 description 2
- 241000233855 Orchidaceae Species 0.000 description 2
- 241000282320 Panthera leo Species 0.000 description 2
- 241000282373 Panthera pardus Species 0.000 description 2
- 241000282376 Panthera tigris Species 0.000 description 2
- 241000009328 Perro Species 0.000 description 2
- 244000082204 Phyllostachys viridis Species 0.000 description 2
- 235000015334 Phyllostachys viridis Nutrition 0.000 description 2
- 235000006040 Prunus persica var persica Nutrition 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 2
- 239000011425 bamboo Substances 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 239000003086 colorant Substances 0.000 description 2
- 238000003708 edge detection Methods 0.000 description 2
- 230000001737 promoting effect Effects 0.000 description 2
- 229940036051 sojourn Drugs 0.000 description 2
- 238000010586 diagram Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003058 natural language processing Methods 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
Images
Classifications
-
- A—HUMAN NECESSITIES
- A63—SPORTS; GAMES; AMUSEMENTS
- A63F—CARD, BOARD, OR ROULETTE GAMES; INDOOR GAMES USING SMALL MOVING PLAYING BODIES; VIDEO GAMES; GAMES NOT OTHERWISE PROVIDED FOR
- A63F3/00—Board games; Raffle games
- A63F3/02—Chess; Similar board games
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Computing Systems (AREA)
- Software Systems (AREA)
- Molecular Biology (AREA)
- Computational Linguistics (AREA)
- Biophysics (AREA)
- Biomedical Technology (AREA)
- Mathematical Physics (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Multimedia (AREA)
- Image Processing (AREA)
Abstract
本发明涉及人工智能算法技术领域，具体为一种基于人工智能算法的棋牌游戏方法及***，其中方法包括：采集游戏桌面图像，提取游戏桌面图像的第一目标特征；采集不同形态的棋牌图像，提取棋牌图像的第二目标特征；对游戏桌面图像和棋牌图像进行标注，标注第一目标特征和第二目标特征名称；将已标注的桌面图像和棋牌图像输入人工智能模型，进行训练，且训练时通过旋转角度、图像畸变矫正、图像过曝和图像补光的学习参数，获取棋牌图像中第二目标特征的矫正补偿信息，对第二目标特征利用矫正补偿信息进行矫正，并对矫正后的棋牌图像采用分类算法进行分类；训练完成后的人工智能模型，对游戏桌面图像和棋牌图像进行识别，本方法能提高识别准确率。
Description
技术领域
本发明涉及人工智能算法技术领域，具体为一种基于人工智能算法的棋牌游戏方法及***。
背景技术
具有广泛应用场景和广大用户群体的棋牌游戏，包括麻将、扑克、中国象棋、国际象棋、围棋、五子棋、跳棋、国际跳棋、军棋、四国军棋、斗兽棋等。目前，棋牌游戏分为正式比赛或非正式玩耍，也分为实战游戏和网络游戏。棋牌游戏采用实战游戏方式时，在正式比赛中一般会安排人工裁判监督引导比赛进行，非正式玩耍时则没有裁判，也没有隐私保护、智能结算、账号管理、防作弊等技术措施，游戏没有安全防护，也没有技术辅助，不利于引导和规范民间游戏及比赛，规范和完善相关体系就显得非常重要。
与此同时，人工智能近年快速发展，人工智能是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用***的一门新的技术科学。人工智能是计算机科学的一个分支，它希望了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家***等。利用人工智能算法进行棋牌识别，是人工智能算法在棋牌游戏领域的延伸，是实现虚拟裁判功能的技术支撑，但是现有人工智能的识别模型识别只是简单对棋牌面进行识别，且识别的准确率会因为棋牌面倾斜、倒置，以及采集的棋牌图像出现图像畸变、图像过曝和图像曝光不足等情况受到影响。
发明内容
本发明的目的之一在于提供一种基于人工智能算法的棋牌游戏方法，以提高识别准确率。
本发明提供的基础方案一：基于人工智能算法的棋牌游戏方法，包括如下内容：
采集游戏桌面图像，提取游戏桌面图像的第一目标特征；
采集不同形态的棋牌图像，提取棋牌图像的第二目标特征；
对游戏桌面图像和棋牌图像进行标注，标注第一目标特征和第二目标特征名称；
将已标注的桌面图像和棋牌图像输入人工智能模型，进行训练，且训练时通过旋转角度、图像畸变矫正、图像过曝和图像补光的学习参数，获取棋牌图像中第二目标特征的矫正补偿信息，对第二目标特征利用矫正补偿信息进行矫正，并对矫正后的棋牌图像采用分类算法进行分类；
训练完成后的人工智能模型，用于对游戏桌面图像和棋牌图像进行识别。
基础方案一的有益效果：采集游戏桌面图像，提取游戏桌面图像的第一目标特征；采集不同形态的棋牌图像，提取棋牌图像的第二目标特征；从而采集到棋牌游戏中的全部图像，再对游戏桌面图像和棋牌图像进行标注，标注第一目标特征和第二目标特征名称，人工智能模型训练时能进行第一目标特征和第二目标特征进行区分，将已标注的桌面图像和棋牌图像输入人工智能模型，进行训练，因为对于棋牌图像中第二特征主要是棋牌的具体内容，而棋牌面倾斜、倒置以及采集的棋牌图像出现图像畸变、图像过曝和图像曝光不足等会影响识别准确率，所以训练时通过旋转角度、图像畸变矫正、图像过曝和图像补光的学习参数，获取棋牌图像中第二目标特征的矫正补偿信息，对第二目标特征利用矫正补偿信息进行矫正，并对矫正后的棋牌图像采用分类算法进行分类；从而训练完成后的人工智能模型，用于对游戏桌面图像和棋牌图像进行识别，在识别时，能对倾斜、倒置的情况的棋牌进行准确的识别，并且对采集的棋牌图像出现图像畸变、图像过曝和图像曝光不足进行准确识别，从而提高识别准确率，并且随着游戏桌面图像和棋牌图像的增多，人工智能模型会不断地提高识别、分析、处理和判定能力，不断地覆盖更多的应用场景，不断地提高准确率和应变能力，计算能力会不断增强，使用成本会不断下降，对非正式玩耍游戏有极大的促进作用，对于规范益智类棋牌游戏发展，促进全民健身发展有很大的带动作用，对正式比赛也有很大的补充作用。
进一步，采集游戏桌面图像和棋牌图像，均包括：公共视角和玩家视角。
有益效果：公共视角和玩家视角能全方位采集到棋牌游戏中的棋牌情况，保证图像采集的全面性。
进一步，若采集的游戏桌面图像和棋牌图像为视频图像，则将视频图像转换为抽帧图像。
有益效果：采集的游戏桌面图像和棋牌图像为视频图像能一直进行采集，无需一张一张的拍，只需要将视频图像转换为抽帧图像即可，抽帧图像为按帧抽取视频图像。
进一步，所述训练时通过旋转角度、图像畸变矫正、图像过曝和图像补光的学习参数，获取棋牌图像中第二目标特征的矫正补偿信息，包括：
若棋牌图像倾斜，则训练时通过旋转角度的学习参数，获取棋牌图像中第二目标特征的旋转角度信息；
若棋牌图像畸变，则训练时通过图像畸变矫正的学习参数，获取棋牌图像中第二目标特征的矫正畸变信息；
若棋牌图像过曝，则训练时通过图像过曝的学习参数，获取棋牌图像中第二目标特征的矫正光线信息；
若棋牌图像曝光不足，则训练时通过图像补光的学习参数，获取棋牌图像中第二目标特征的矫正光线信息。
有益效果：不同的学习参数，针对不同的情况，能覆盖更多的棋牌图像采集不理想的情况，采集到矫正补偿信息。
进一步，根据棋牌游戏类型不同游戏桌面图像所包含第一目标特征和棋牌图像包含的第二目标特征也不同；
若棋牌游戏为麻将，则第一目标特征包括：桌布的颜色、桌布的纹理和桌布的边界；且若麻将为机器麻将，则第一目标特征还包括：操作盘的形状、操作盘颜色、操作盘边界、操作盘上标注的文字、升降口的形状和升降口的边界；第二目标特征包括：牌面名称、立牌形态、牌背形态和色子稳定时正上面的点数；
若棋牌游戏为扑克，则第一目标特征包括：桌布的颜色、桌布的纹理和桌布的边界；第二目标特征包括：牌面名称、牌背形态和色子稳定时正上面的点数；
若棋牌游戏为中国象棋，则第一目标特征包括：棋盘形状、棋盘颜色、棋盘纹理、棋盘边界和棋盘布局；第二目标特征包括：棋子名称和牌背形态；
若棋牌游戏为国际象棋，则第一目标特征包括：棋盘形状、棋盘颜色、棋盘纹理、棋盘边界、棋盘布局和布局线名称；第二目标特征包括：棋子名称；
若棋牌游戏为围棋，则第一目标特征包括：棋盘形状、棋盘颜色、棋盘纹理、棋盘边界、棋盘布局和布局线名称；第二目标特征包括：棋子名称；
若棋牌游戏为五子棋，则第一目标特征包括：棋盘形状、棋盘颜色、棋盘纹理、棋盘边界、棋盘布局、星位和布局线名称；第二目标特征包括：棋子名称；
若棋牌游戏为跳棋，则第一目标特征包括：棋盘形状、棋盘颜色、棋盘边界、棋盘布局和连接棋位的斜线；第二目标特征包括：棋子名称；
若棋牌游戏为国际跳棋，则第一目标特征包括：棋盘形状、棋盘颜色、棋盘纹理、棋盘边界、棋盘布局和布局线名称；第二目标特征包括：棋子名称；
若棋牌游戏为军棋，则第一目标特征包括：棋盘形状、棋盘颜色、棋盘纹理、棋盘边界、棋盘布局和山界；第二目标特征包括：棋子名称、棋背形态和立棋形态；
若棋牌游戏为四国军棋，则第一目标特征包括：棋盘形状、棋盘颜色、棋盘纹理、棋盘边界、棋盘布局和山界；第二目标特征包括：棋子名称、棋背形态和立棋形态；
若棋牌游戏为斗兽棋，则第一目标特征包括：棋盘形状、棋盘颜色、棋盘纹理、棋盘边界、棋盘布局和小河界；第二目标特征包括：棋子名称。
有益效果：根据棋牌游戏类型不同游戏桌面图像所包含第一目标特征和棋牌图像包含的第二目标特征也不同，从而针对不同的棋牌游戏精确进行识别。
本发明的目的之二在于提供一种基于人工智能算法的棋牌游戏***，以提高识别准确率。
本发明提供基础方案二：基于人工智能算法的棋牌游戏***，包括：采集模块、提取模块、标注模块、处理模块和存储模块；
采集模块，用于采集游戏桌面图像和不同形态的棋牌图像；
提取模块：用于提取游戏桌面图像的第一目标特征和棋牌图像的第二目标特征；
标注模块，用于对游戏桌面图像和棋牌图像进行标注，标注第一目标特征和第二目标特征名称；
处理模块，用于对已标注的桌面图像和棋牌图像输入人工智能模型进行训练，且训练时通过旋转角度、图像畸变矫正、图像过曝和图像补光的学习参数，获取棋牌图像中第二目标特征的矫正补偿信息，对第二目标特征利用矫正补偿信息进行矫正，并对矫正后的棋牌图像采用分类算法进行分类；
存储模块，用于训练完成后的人工智能模型，人工智能模型用于对游戏桌面图像和棋牌图像进行识别。
基础方案二的有益效果：采集模块采集游戏桌面图像和不同形态的棋牌图像，提取模块提取游戏桌面图像的第一目标特征和棋牌图像的第二目标特征，从而采集到棋牌游戏中的全部图像，再通过标注模块对游戏桌面图像和棋牌图像进行标注，标注第一目标特征和第二目标特征名称，人工智能模型训练时能进行第一目标特征和第二目标特征进行区分，将已标注的桌面图像和棋牌图像输入处理模块对人工智能模型进行训练，因为对于棋牌图像中第二特征主要是棋牌的具体内容，而棋牌面倾斜、倒置以及采集的棋牌图像出现图像畸变、图像过曝和图像曝光不足等会影响识别准确率，所以训练时通过旋转角度、图像畸变矫正、图像过曝和图像补光的学习参数，获取棋牌图像中第二目标特征的矫正补偿信息，对第二目标特征利用矫正补偿信息进行矫正，并对矫正后的棋牌图像采用分类算法进行分类；训练完成后的人工智能模型存储到储存模块，便于以后调用，对游戏桌面图像和棋牌图像进行识别，在识别时，能对倾斜、倒置的情况的棋牌进行准确的识别，并且对采集的棋牌图像出现图像畸变、图像过曝和图像曝光不足进行准确识别，以提高识别准确率，并且随着游戏桌面图像和棋牌图像的增多，人工智能模型会不断地提高识别、分析、处理和判定能力，不断地覆盖更多的应用场景，不断地提高准确率和应变能力，计算能力会不断增强，使用成本会不断下降，对非正式玩耍游戏有极大的促进作用，对于规范益智类棋牌游戏发展，促进全民健身发展有很大的带动作用，对正式比赛也有很大的补充作用。
进一步，采集模块包括：公共视角采集子模块和玩家视角采集子模块；
所述公共视角采集子模块，采用游戏桌面上方视角进行图像采集；
所述玩家视角采集子模块，采用玩家视角进行图像采集。
有益效果：公共视角和玩家视角能全方位采集到棋牌游戏中的棋牌情况，保证图像采集的全面性。
进一步，若采集的游戏桌面图像和棋牌图像为视频图像，则将视频图像转换为抽帧图像。
有益效果：采集的游戏桌面图像和棋牌图像为视频图像能一直进行采集，无需一张一张的拍，只需要将视频图像转换为抽帧图像即可，抽帧图像为按帧抽取视频图像。
进一步，所述训练时通过旋转角度、图像畸变、图像过曝和图像曝光不足的学习参数，获取棋牌图像中第二目标特征的矫正补偿信息，包括：
若棋牌图像倾斜，则训练时通过旋转角度的学习参数，获取棋牌图像中第二目标特征的旋转角度信息；
若棋牌图像畸变，则训练时通过图像畸变矫正的学习参数，获取棋牌图像中第二目标特征的矫正畸变信息；
若棋牌图像过曝，则训练时通过图像过曝的学习参数，获取棋牌图像中第二目标特征的矫正光线信息；
若棋牌图像曝光不足，则训练时通过图像补光的学习参数，获取棋牌图像中第二目标特征的矫正光线信息。
有益效果：不同的学习参数，针对不同的情况，能覆盖更多的棋牌图像采集不理想的情况，采集到矫正补偿信息。
进一步，根据棋牌游戏类型不同游戏桌面图像所包含第一目标特征和棋牌图像包含的第二目标特征也不同；
若棋牌游戏为麻将，则第一目标特征包括：桌布的颜色、桌布的纹理和桌布的边界；且若麻将为机器麻将，则第一目标特征还包括：操作盘的形状、操作盘颜色、操作盘边界、操作盘上标注的文字、升降口的形状和升降口的边界；第二目标特征包括：牌面名称、立牌形态、牌背形态和色子稳定时正上面的点数；
若棋牌游戏为扑克，则第一目标特征包括：桌布的颜色、桌布的纹理和桌布的边界；第二目标特征包括：牌面名称、牌背形态和色子稳定时正上面的点数；
若棋牌游戏为中国象棋，则第一目标特征包括：棋盘形状、棋盘颜色、棋盘纹理、棋盘边界和棋盘布局；第二目标特征包括：棋子名称和牌背形态；
若棋牌游戏为国际象棋，则第一目标特征包括：棋盘形状、棋盘颜色、棋盘纹理、棋盘边界、棋盘布局和布局线名称；第二目标特征包括：棋子名称；
若棋牌游戏为围棋，则第一目标特征包括：棋盘形状、棋盘颜色、棋盘纹理、棋盘边界、棋盘布局和布局线名称；第二目标特征包括：棋子名称；
若棋牌游戏为五子棋，则第一目标特征包括：棋盘形状、棋盘颜色、棋盘纹理、棋盘边界、棋盘布局、星位和布局线名称；第二目标特征包括：棋子名称；
若棋牌游戏为跳棋，则第一目标特征包括：棋盘形状、棋盘颜色、棋盘边界、棋盘布局和连接棋位的斜线；第二目标特征包括：棋子名称；
若棋牌游戏为国际跳棋，则第一目标特征包括：棋盘形状、棋盘颜色、棋盘纹理、棋盘边界、棋盘布局和布局线名称；第二目标特征包括：棋子名称；
若棋牌游戏为军棋，则第一目标特征包括：棋盘形状、棋盘颜色、棋盘纹理、棋盘边界、棋盘布局和山界；第二目标特征包括：棋子名称、棋背形态和立棋形态；
若棋牌游戏为四国军棋，则第一目标特征包括：棋盘形状、棋盘颜色、棋盘纹理、棋盘边界、棋盘布局和山界；第二目标特征包括：棋子名称、棋背形态和立棋形态；
若棋牌游戏为斗兽棋，则第一目标特征包括：棋盘形状、棋盘颜色、棋盘纹理、棋盘边界、棋盘布局和小河界；第二目标特征包括：棋子名称。
有益效果：根据棋牌游戏类型不同游戏桌面图像所包含第一目标特征和棋牌图像包含的第二目标特征也不同，从而针对不同的棋牌游戏精确进行识别。
附图说明
图1为本发明基于人工智能算法的棋牌游戏方法实施例一的流程图；
图2为本发明基于人工智能算法的棋牌游戏***实施例三的逻辑框图。
具体实施方式
下面通过具体实施方式进一步详细说明：
实施例一
本实施例基本如附图1所示：基于人工智能算法的棋牌游戏方法，包括如下内容：
采集游戏桌面图像，提取游戏桌面图像的第一目标特征；
采集不同形态的棋牌图像，提取棋牌图像的第二目标特征；采集游戏桌面图像和棋牌图像，均包括：公共视角和玩家视角，公共视角为游戏桌面正上方向游戏桌面拍摄的图像，玩家视角为玩家位置向游戏桌面拍摄的图像，无论是采集游戏桌面图像还是棋牌图像，均要从这两个视角进行拍摄，从而保证图像采集的全面性和准确性。并且若采集的游戏桌面图像和棋牌图像为视频图像，则将视频图像转换为抽帧图像，抽帧图像为按帧抽取视频图像的图像，可自定义抽取的帧数。
对游戏桌面图像和棋牌图像进行标注，标注第一目标特征和第二目标特征名称，具体为：根据棋牌游戏类型不同游戏桌面图像所包含第一目标特征和棋牌图像包含的第二目标特征也不同；
若棋牌游戏为麻将，则第一目标特征包括：桌布的颜色、桌布的纹理和桌布的边界；且若麻将为机器麻将，则第一目标特征还包括：操作盘的形状、操作盘颜色、操作盘边界、操作盘上标注的文字、升降口的形状和升降口的边界；其中操作盘上标注的文字包括：东南西北四个方向等文字；第二目标特征包括：牌面名称、立牌形态、牌背形态和色子稳定时正上面的点数；其中牌面名称包括：1万至九万、1筒至9筒、1条至9条、东风、西风、南风、北风、中、发、白、春、夏、秋、冬、梅、兰、菊、竹等；立牌形态分为竖立和横立；牌背形态牌面朝下时的状态；色子为立方体，共六个面，每个面都依次嵌刻着1至6不同的圆洞，即点数。
若棋牌游戏为扑克，则第一目标特征包括：桌布的颜色、桌布的纹理和桌布的边界；第二目标特征包括：牌面名称、牌背形态和色子稳定时正上面的点数；其中牌面名称包括：1至10、J、Q、K、小王、大王等15个字符类别大小(其中1表示为A)，另外还有0表示空白牌，可以用作替补或替用，牌面名称还具有黑桃、红桃、梅花、方块四种花色差异；
若棋牌游戏为中国象棋，则第一目标特征包括：棋盘形状、棋盘颜色、棋盘纹理、棋盘边界和棋盘布局；其中棋盘布局包括：横线、竖线、斜线、棋位和河界；第二目标特征包括：棋子名称和牌背形态；其中棋子名称包括：包括红棋方的帅、车、马、炮、相、士、兵和黑棋方的将、车、马、炮、象、士、卒；
若棋牌游戏为国际象棋，则第一目标特征包括：棋盘形状、棋盘颜色、棋盘纹理、棋盘边界、棋盘布局和布局线名称；其中棋盘布局包括：横线、竖线和棋位；第二目标特征包括：棋子名称；其中棋子名称包括：王、后、车、象、马和兵，对应的英文原意是国王、皇后、战车、主教、骑士和禁卫军。
若棋牌游戏为围棋，则第一目标特征包括：棋盘形状、棋盘颜色、棋盘纹理、棋盘边界、棋盘布局和布局线名称；其中棋盘布局包括：横线、竖线、棋位和星位；第二目标特征包括：棋子名称；其中棋子名称包括：黑棋和白棋；
若棋牌游戏为五子棋，则第一目标特征包括：棋盘形状、棋盘颜色、棋盘纹理、棋盘边界、棋盘布局、星位和布局线名称；其中棋盘布局包括：横线、竖线、棋位和星位；第二目标特征包括：棋子名称；其中棋子名称包括：黑棋和白棋；
若棋牌游戏为跳棋，则第一目标特征包括：棋盘形状、棋盘颜色、棋盘边界、棋盘布局和连接棋位的斜线；其中棋盘布局包括：棋位；第二目标特征包括：棋子名称；
若棋牌游戏为国际跳棋，则第一目标特征包括：棋盘形状、棋盘颜色、棋盘纹理、棋盘边界、棋盘布局和布局线名称；其中棋盘布局：横线、竖线和棋位；第二目标特征包括：棋子名称；
若棋牌游戏为军棋，则第一目标特征包括：棋盘形状、棋盘颜色、棋盘纹理、棋盘边界、棋盘布局和山界；其中棋盘布局包括铁路横线、公路横线、铁路竖线、公路竖线、公路斜线和棋位，棋位包括：大本营、兵站和行营；第二目标特征包括：棋子名称、棋背形态和立棋形态；其中棋子名称包括：军旗、司令、军长、师长、旅长、团长、营长、炸弹、连长、排长、工兵、地雷，且分为红色和黑色；
若棋牌游戏为四国军棋，则第一目标特征包括：棋盘形状、棋盘颜色、棋盘纹理、棋盘边界、棋盘布局和山界；其中棋盘布局包括铁路线、公路线和棋位，棋位包括大本营、兵站和行营；第二目标特征包括：棋子名称、棋背形态和立棋形态；其中棋子名称包括：红紫蓝绿四种颜色的军旗、司令、军长、师长、旅长、团长、营长、炸弹、连长、排长、工兵和地雷；
若棋牌游戏为斗兽棋，则第一目标特征包括：棋盘形状、棋盘颜色、棋盘纹理、棋盘边界、棋盘布局和小河界；其中棋盘布局包括：横线、竖线和棋位；第二目标特征包括：棋子名称；其中棋子名称包括象、狮、虎、豹、狼、狗、猫和鼠。将已标注的桌面图像和棋牌图像输入人工智能模型，进行训练，且训练时通过旋转角度、图像畸变矫正、图像过曝和图像补光等的学习参数，本实施例中为旋转角度、图像畸变矫正、图像过曝和图像补光的学习参数，获取棋牌图像中第二目标特征的矫正补偿信息，对第二目标特征利用矫正补偿信息进行矫正，并对矫正后的棋牌图像采用分类算法进行分类；其中若棋牌图像倾斜，则训练时通过旋转角度的学习参数，获取棋牌图像中第二目标特征的旋转角度信息；
若棋牌图像畸变，则训练时通过图像畸变矫正的学习参数，获取棋牌图像中第二目标特征的矫正畸变信息；采集图像的摄像头的透镜由于制造精度以及组装工艺的偏差会引入畸变，导致原始图像的失真，因此图像畸变矫正的学习参数主要是通过真实图像和畸变图像之间的映射关系，以真实图像的坐标位置去求在畸变图像中的坐标位置，取出对应的像素值，该像素值也是正常图像的像素值，从而来进行棋牌图像畸变的矫正；
若棋牌图像过曝，则训练时通过图像过曝的学习参数，获取棋牌图像中第二目标特征的矫正光线信息；其中图像过曝的学习参数为降低光线的学习参数；
若棋牌图像曝光不足，则训练时通过图像补光的学习参数，获取棋牌图像中第二目标特征的矫正光线信息；
人工智能模型为YOLO V5，在YOLO V5中加入旋转角度、图像畸变、图像过曝和图像曝光不足的学习参数，分类算法采用CBAM，注意力神经网络；
训练完成后的人工智能模型，用于对游戏桌面图像和棋牌图像进行识别。
本方法在识别时，能对倾斜、倒置的情况的棋牌进行准确的识别，并且随着游戏桌面图像和棋牌图像的增多，人工智能模型会不断地提高识别、分析、处理和判定能力，不断地覆盖更多的应用场景，不断地提高准确率和应变能力，计算能力会不断增强，使用成本会不断下降，对非正式玩耍游戏有极大的促进作用，对于规范益智类棋牌游戏发展，促进全民健身发展有很大的带动作用，对正式比赛也有很大的补充作用。
实施例二
本实施例与实施例一基本相同，区别在于：本方法还包括：
对公共视角采集的游戏桌面图像进行识别时，根据公共视角采集的游戏桌面图像的边界部分，调取边界部分对应的玩家视角采集的游戏桌面图像，并识别玩家视角采集的游戏桌面图像中的第一目标特征，对公共视角采集的游戏桌面图像的边界部分的第一目标特征识别结果进行校验以及修正；主要是针对公共视角采集的游戏桌面图像的边界部分可能存在不清晰的情况，以棋牌游戏为围棋为例，当公共视角采集的游戏桌面图像的边界部分不清晰，可先预设公共视角采集的游戏桌面图像上的边界部分，再采用边缘检测检测边界部分是否符合预设清晰度值，若不符合，则判定为不清晰；因为边界部分不清晰，从而无法准确识别第一目标特征，例如：棋盘边界和棋盘布局，但是公共视角采集的游戏桌面图像的中间部分是清晰的，可以清楚识别中间部分的棋盘布局，此时调取不清晰边界部分对应的玩家视角采集的游戏桌面图像，识别棋盘边界和棋盘布局，根据中间部分获取棋盘布局的横线之间的间隔距离和竖线之间的间隔距离，再根据玩家视角采集的游戏桌面图像中识别到横线和竖线条数，对公共视角采集的游戏桌面图像的边界部分的横线和竖线进行补充，进而也可以对棋盘边界进行补充。从而能提高识别的准确度。
对玩家视角采集的棋牌图像进行识别时，调取公共视角采集的棋牌图像，并识别公共视角采集的玩家图像中的第二目标特征，对玩家视角采集的棋牌图像识别的第二目标特征进行校验以及修正；当棋牌游戏为麻将时，根据公共视角采集的棋牌图像中识别的竖立的麻将个数，对玩家视角采集的棋牌图像中识别的竖立且识别出牌面名称的麻将个数进行校验，判断两个视角中识别的个数是否不一致，若是，则两个视角均再次进行采集和识别，以及预警，然后再次进行校验；若否，则结束校验。
实施例三
本实施例基本如附图2所示：基于人工智能算法的棋牌游戏***，包括：采集模块、提取模块、标注模块、处理模块和存储模块；
采集模块，用于采集游戏桌面图像和不同形态的棋牌图像；采集模块包括：公共视角采集子模块和玩家视角采集子模块；
公共视角采集子模块，采用游戏桌面上方视角进行图像采集；
玩家视角采集子模块，采用玩家视角进行图像采集。
若采集的游戏桌面图像和棋牌图像为视频图像，则将视频图像转换为抽帧图像。
提取模块：用于提取游戏桌面图像的第一目标特征和棋牌图像的第二目标特征；
标注模块，用于对游戏桌面图像和棋牌图像进行标注，标注第一目标特征和第二目标特征名称；具体为：根据棋牌游戏类型不同游戏桌面图像所包含第一目标特征和棋牌图像包含的第二目标特征也不同；
若棋牌游戏为麻将，则第一目标特征包括：桌布的颜色、桌布的纹理和桌布的边界；且若麻将为机器麻将，则第一目标特征还包括：操作盘的形状、操作盘颜色、操作盘边界、操作盘上标注的文字、升降口的形状和升降口的边界；其中操作盘上标注的文字包括：东南西北四个方向等文字；第二目标特征包括：牌面名称、立牌形态、牌背形态和色子稳定时正上面的点数；其中牌面名称包括：1万至九万、1筒至9筒、1条至9条、东风、西风、南风、北风、中、发、白、春、夏、秋、冬、梅、兰、菊、竹等；立牌形态分为竖立和横立；牌背形态牌面朝下时的状态；色子为立方体，共六个面，每个面都依次嵌刻着1至6不同的圆洞，即点数。
若棋牌游戏为扑克，则第一目标特征包括：桌布的颜色、桌布的纹理和桌布的边界；第二目标特征包括：牌面名称、牌背形态和色子稳定时正上面的点数；其中牌面名称包括：1至10、J、Q、K、小王、大王等15个字符类别大小(其中1表示为A)，另外还有0表示空白牌，可以用作替补或替用，牌面名称还具有黑桃、红桃、梅花、方块四种花色差异；
若棋牌游戏为中国象棋，则第一目标特征包括：棋盘形状、棋盘颜色、棋盘纹理、棋盘边界和棋盘布局；其中棋盘布局包括：横线、竖线、斜线、棋位和河界；第二目标特征包括：棋子名称和牌背形态；其中棋子名称包括：包括红棋方的帅、车、马、炮、相、士、兵和黑棋方的将、车、马、炮、象、士、卒；
若棋牌游戏为国际象棋，则第一目标特征包括：棋盘形状、棋盘颜色、棋盘纹理、棋盘边界、棋盘布局和布局线名称；其中棋盘布局包括：横线、竖线和棋位；第二目标特征包括：棋子名称；其中棋子名称包括：王、后、车、象、马和兵，对应的英文原意是国王、皇后、战车、主教、骑士和禁卫军。
若棋牌游戏为围棋，则第一目标特征包括：棋盘形状、棋盘颜色、棋盘纹理、棋盘边界、棋盘布局和布局线名称；其中棋盘布局包括：横线、竖线、棋位和星位；第二目标特征包括：棋子名称；其中棋子名称包括：黑棋和白棋；
若棋牌游戏为五子棋，则第一目标特征包括：棋盘形状、棋盘颜色、棋盘纹理、棋盘边界、棋盘布局、星位和布局线名称；其中棋盘布局包括：横线、竖线、棋位和星位；第二目标特征包括：棋子名称；其中棋子名称包括：黑棋和白棋；
若棋牌游戏为跳棋，则第一目标特征包括：棋盘形状、棋盘颜色、棋盘边界、棋盘布局和连接棋位的斜线；其中棋盘布局包括：棋位；第二目标特征包括：棋子名称；
若棋牌游戏为国际跳棋，则第一目标特征包括：棋盘形状、棋盘颜色、棋盘纹理、棋盘边界、棋盘布局和布局线名称；其中棋盘布局：横线、竖线和棋位；第二目标特征包括：棋子名称；
若棋牌游戏为军棋，则第一目标特征包括：棋盘形状、棋盘颜色、棋盘纹理、棋盘边界、棋盘布局和山界；其中棋盘布局包括铁路横线、公路横线、铁路竖线、公路竖线、公路斜线和棋位，棋位包括：大本营、兵站和行营；第二目标特征包括：棋子名称、棋背形态和立棋形态；其中棋子名称包括：军旗、司令、军长、师长、旅长、团长、营长、炸弹、连长、排长、工兵、地雷，且分为红色和黑色；
若棋牌游戏为四国军棋，则第一目标特征包括：棋盘形状、棋盘颜色、棋盘纹理、棋盘边界、棋盘布局和山界；其中棋盘布局包括铁路线、公路线和棋位，棋位包括大本营、兵站和行营；第二目标特征包括：棋子名称、棋背形态和立棋形态；其中棋子名称包括：红紫蓝绿四种颜色的军旗、司令、军长、师长、旅长、团长、营长、炸弹、连长、排长、工兵和地雷；
若棋牌游戏为斗兽棋，则第一目标特征包括：棋盘形状、棋盘颜色、棋盘纹理、棋盘边界、棋盘布局和小河界；其中棋盘布局包括：横线、竖线和棋位；第二目标特征包括：棋子名称；其中棋子名称包括象、狮、虎、豹、狼、狗、猫和鼠。
处理模块，用于对已标注的桌面图像和棋牌图像输入进行人工智能模型进行训练，且训练时通过旋转角度、图像畸变矫正、图像过曝和图像补光等的学习参数，本实施例中为旋转角度、图像畸变矫正、图像过曝和图像补光的学习参数，获取棋牌图像中第二目标特征的矫正补偿信息，对第二目标特征利用矫正补偿信息进行矫正，并对矫正后的棋牌图像采用分类算法进行分类；其中若棋牌图像倾斜，则训练时通过旋转角度的学习参数，获取棋牌图像中第二目标特征的旋转角度信息；
若棋牌图像畸变，则训练时通过图像畸变矫正的学习参数，获取棋牌图像中第二目标特征的矫正畸变信息；
若棋牌图像过曝，则训练时通过图像过曝的学习参数，获取棋牌图像中第二目标特征的矫正光线信息；其中图像过曝的学习参数为降低光线的学习参数；
若棋牌图像曝光不足，则训练时通过图像补光的学习参数，获取棋牌图像中第二目标特征的矫正光线信息；
人工智能模型为YOLO V5，在YOLO V5中加入旋转角度、图像畸变、图像过曝和图像曝光不足的学习参数，分类算法采用CBAM，注意力神经网络；
存储模块，用于训练完成后的人工智能模型，人工智能模型用于对游戏桌面图像和棋牌图像进行识别。
实施例四
本实施例与实施例三基本相同，区别在于：本***还包括：校验模块；
所述校验模块，用于人工智能模块对公共视角采集的游戏桌面图像进行识别时，根据公共视角采集的游戏桌面图像的边界部分，调取边界部分对应的玩家视角采集的游戏桌面图像，并提取人工智能模块识别的玩家视角采集的游戏桌面图像中的第一目标特征，对公共视角采集的游戏桌面图像的边界部分的第一目标特征识别结果进行校验和修正；
主要是针对公共视角采集的游戏桌面图像的边界部分可能存在不清晰的情况，以棋牌游戏为围棋为例，当公共视角采集的游戏桌面图像的边界部分不清晰，校验模块可先预设公共视角采集的游戏桌面图像上的边界部分，再采用边缘检测检测边界部分是否符合预设清晰度值，若不符合，则判定为不清晰；因为边界部分不清晰，从而无法准确识别第一目标特征，例如：棋盘边界和棋盘布局，但是公共视角采集的游戏桌面图像的中间部分是清晰的，可以清楚识别中间部分的棋盘布局，此时校验模块调取不清晰边界部分对应的玩家视角采集的游戏桌面图像，识别棋盘边界和棋盘布局，根据中间部分获取棋盘布局的横线之间的间隔距离和竖线之间的间隔距离，再根据玩家视角采集的游戏桌面图像中识别到横线和竖线条数，对公共视角采集的游戏桌面图像的边界部分的横线和竖线进行补充，进而也可以对棋盘边界进行补充。从而能提高识别的准确度。
所述校验模块，还用于采用人工智能模型对玩家视角采集的棋牌图像进行识别时，调取公共视角采集的棋牌图像，并获取人工智能算法识别的公共视角采集的玩家图像中的第二目标特征，对玩家视角采集的棋牌图像识别的第二目标特征进行校验和修正；
当棋牌游戏为麻将时，根据公共视角采集的棋牌图像中识别的竖立的麻将个数，对玩家视角采集的棋牌图像中识别的竖立且识别出牌面名称的麻将个数进行校验，判断两个视角中识别的个数是否不一致，若是，则两个视角均再次进行采集和识别，以及预警，然后再次进行校验；若否，则结束校验。
以上所述的仅是本发明的实施例，方案中公知的具体结构及特性等常识在此未作过多描述，所属领域普通技术人员知晓申请日或者优先权日之前发明所属技术领域所有的普通技术知识，能够获知该领域中所有的现有技术，并且具有应用该日期之前常规实验手段的能力，所属领域普通技术人员可以在本申请给出的启示下，结合自身能力完善并实施本方案，一些典型的公知结构或者公知方法不应当成为所属领域普通技术人员实施本申请的障碍。应当指出，对于本领域的技术人员来说，在不脱离本发明结构的前提下，还可以作出若干变形和改进，这些也应该视为本发明的保护范围，这些都不会影响本发明实施的效果和专利的实用性。本申请要求的保护范围应当以其权利要求的内容为准，说明书中的具体实施方式等记载可以用于解释权利要求的内容。
Claims (10)
1.基于人工智能算法的棋牌游戏方法，其特征在于：包括如下内容：
采集游戏桌面图像，提取游戏桌面图像的第一目标特征；
采集不同形态的棋牌图像，提取棋牌图像的第二目标特征；
对游戏桌面图像和棋牌图像进行标注，标注第一目标特征和第二目标特征名称；
将已标注的桌面图像和棋牌图像输入人工智能模型，进行训练，且训练时通过旋转角度、图像畸变矫正、图像过曝和图像补光的学习参数，获取棋牌图像中第二目标特征的矫正补偿信息，对第二目标特征利用矫正补偿信息进行矫正，并对矫正后的棋牌图像采用分类算法进行分类；
训练完成后的人工智能模型，用于对游戏桌面图像和棋牌图像进行识别。
2.根据权利要求1所述的基于人工智能算法的棋牌游戏方法，其特征在于：采集游戏桌面图像和棋牌图像，均包括：公共视角和玩家视角。
3.根据权利要求1所述的基于人工智能算法的棋牌游戏方法，其特征在于：若采集的游戏桌面图像和棋牌图像为视频图像，则将视频图像转换为抽帧图像。
4.根据权利要求1所述的基于人工智能算法的棋牌游戏方法，其特征在于：所述训练时通过旋转角度、图像畸变矫正、图像过曝和图像补光的学习参数，获取棋牌图像中第二目标特征的矫正补偿信息，包括：
若棋牌图像倾斜，则训练时通过旋转角度的学习参数，获取棋牌图像中第二目标特征的旋转角度信息；
若棋牌图像畸变，则训练时通过图像畸变矫正的学习参数，获取棋牌图像中第二目标特征的矫正畸变信息；
若棋牌图像过曝，则训练时通过图像过曝的学习参数，获取棋牌图像中第二目标特征的矫正光线信息；
若棋牌图像曝光不足，则训练时通过图像补光的学习参数，获取棋牌图像中第二目标特征的矫正光线信息。
5.根据权利要求1所述的基于人工智能算法的棋牌游戏方法，其特征在于：根据棋牌游戏类型不同游戏桌面图像所包含第一目标特征和棋牌图像包含的第二目标特征也不同；
若棋牌游戏为麻将，则第一目标特征包括：桌布的颜色、桌布的纹理和桌布的边界；且若麻将为机器麻将，则第一目标特征还包括：操作盘的形状、操作盘颜色、操作盘边界、操作盘上标注的文字、升降口的形状和升降口的边界；第二目标特征包括：牌面名称、立牌形态、牌背形态和色子稳定时正上面的点数；
若棋牌游戏为扑克，则第一目标特征包括：桌布的颜色、桌布的纹理和桌布的边界；第二目标特征包括：牌面名称、牌背形态和色子稳定时正上面的点数；
若棋牌游戏为中国象棋，则第一目标特征包括：棋盘形状、棋盘颜色、棋盘纹理、棋盘边界和棋盘布局；第二目标特征包括：棋子名称和牌背形态；
若棋牌游戏为国际象棋，则第一目标特征包括：棋盘形状、棋盘颜色、棋盘纹理、棋盘边界、棋盘布局和布局线名称；第二目标特征包括：棋子名称；
若棋牌游戏为围棋，则第一目标特征包括：棋盘形状、棋盘颜色、棋盘纹理、棋盘边界、棋盘布局和布局线名称；第二目标特征包括：棋子名称；
若棋牌游戏为五子棋，则第一目标特征包括：棋盘形状、棋盘颜色、棋盘纹理、棋盘边界、棋盘布局、星位和布局线名称；第二目标特征包括：棋子名称；
若棋牌游戏为跳棋，则第一目标特征包括：棋盘形状、棋盘颜色、棋盘边界、棋盘布局和连接棋位的斜线；第二目标特征包括：棋子名称；
若棋牌游戏为国际跳棋，则第一目标特征包括：棋盘形状、棋盘颜色、棋盘纹理、棋盘边界、棋盘布局和布局线名称；第二目标特征包括：棋子名称；
若棋牌游戏为军棋，则第一目标特征包括：棋盘形状、棋盘颜色、棋盘纹理、棋盘边界、棋盘布局和山界；第二目标特征包括：棋子名称、棋背形态和立棋形态；
若棋牌游戏为四国军棋，则第一目标特征包括：棋盘形状、棋盘颜色、棋盘纹理、棋盘边界、棋盘布局和山界；第二目标特征包括：棋子名称、棋背形态和立棋形态；
若棋牌游戏为斗兽棋，则第一目标特征包括：棋盘形状、棋盘颜色、棋盘纹理、棋盘边界、棋盘布局和小河界；第二目标特征包括：棋子名称。
6.基于人工智能算法的棋牌游戏***，其特征在于：包括：采集模块、提取模块、标注模块、处理模块和存储模块；
采集模块，用于采集游戏桌面图像和不同形态的棋牌图像；
提取模块：用于提取游戏桌面图像的第一目标特征和棋牌图像的第二目标特征；
标注模块，用于对游戏桌面图像和棋牌图像进行标注，标注第一目标特征和第二目标特征名称；
处理模块，用于对已标注的桌面图像和棋牌图像输入人工智能模型进行训练，且训练时通过旋转角度、图像畸变、图像过曝和图像曝光不足的学习参数，获取棋牌图像中第二目标特征的矫正补偿信息，对第二目标特征利用矫正补偿信息进行矫正，并对矫正后的棋牌图像采用分类算法进行分类；
存储模块，用于训练完成后的人工智能模型，人工智能模型用于对游戏桌面图像和棋牌图像进行识别。
7.根据权利要求6所述的基于人工智能算法的棋牌游戏***，其特征在于：采集模块包括：公共视角采集子模块和玩家视角采集子模块；
所述公共视角采集子模块，采用游戏桌面上方视角进行图像采集；
所述玩家视角采集子模块，采用玩家视角进行图像采集。
8.根据权利要求6所述的基于人工智能算法的棋牌游戏***，其特征在于：若采集的游戏桌面图像和棋牌图像为视频图像，则将视频图像转换为抽帧图像。
9.根据权利要求6所述的基于人工智能算法的棋牌游戏***，其特征在于：所述训练时通过旋转角度、图像畸变、图像过曝和图像曝光不足的学习参数，获取棋牌图像中第二目标特征的矫正补偿信息，包括：
若棋牌图像倾斜，则训练时通过旋转角度的学习参数，获取棋牌图像中第二目标特征的旋转角度信息；
若棋牌图像畸变，则训练时通过图像畸变的学习参数，获取棋牌图像中第二目标特征的矫正畸变信息；
若棋牌图像过曝，则训练时通过图像过曝的学习参数，获取棋牌图像中第二目标特征的矫正光线信息；
若棋牌图像曝光不足，则训练时通过图像曝光不足的学习参数，获取棋牌图像中第二目标特征的矫正光线信息。
10.根据权利要求6所述的基于人工智能算法的棋牌游戏***，其特征在于：根据棋牌游戏类型不同游戏桌面图像所包含第一目标特征和棋牌图像包含的第二目标特征也不同；
若棋牌游戏为麻将，则第一目标特征包括：桌布的颜色、桌布的纹理和桌布的边界；且若麻将为机器麻将，则第一目标特征还包括：操作盘的形状、操作盘颜色、操作盘边界、操作盘上标注的文字、升降口的形状和升降口的边界；第二目标特征包括：牌面名称、立牌形态、牌背形态和色子稳定时正上面的点数；
若棋牌游戏为扑克，则第一目标特征包括：桌布的颜色、桌布的纹理和桌布的边界；第二目标特征包括：牌面名称、牌背形态和色子稳定时正上面的点数；
若棋牌游戏为中国象棋，则第一目标特征包括：棋盘形状、棋盘颜色、棋盘纹理、棋盘边界和棋盘布局；第二目标特征包括：棋子名称和牌背形态；
若棋牌游戏为国际象棋，则第一目标特征包括：棋盘形状、棋盘颜色、棋盘纹理、棋盘边界、棋盘布局和布局线名称；第二目标特征包括：棋子名称；
若棋牌游戏为围棋，则第一目标特征包括：棋盘形状、棋盘颜色、棋盘纹理、棋盘边界、棋盘布局和布局线名称；第二目标特征包括：棋子名称；
若棋牌游戏为五子棋，则第一目标特征包括：棋盘形状、棋盘颜色、棋盘纹理、棋盘边界、棋盘布局、星位和布局线名称；第二目标特征包括：棋子名称；
若棋牌游戏为跳棋，则第一目标特征包括：棋盘形状、棋盘颜色、棋盘边界、棋盘布局和连接棋位的斜线；第二目标特征包括：棋子名称；
若棋牌游戏为国际跳棋，则第一目标特征包括：棋盘形状、棋盘颜色、棋盘纹理、棋盘边界、棋盘布局和布局线名称；第二目标特征包括：棋子名称；
若棋牌游戏为军棋，则第一目标特征包括：棋盘形状、棋盘颜色、棋盘纹理、棋盘边界、棋盘布局和山界；第二目标特征包括：棋子名称、棋背形态和立棋形态；
若棋牌游戏为四国军棋，则第一目标特征包括：棋盘形状、棋盘颜色、棋盘纹理、棋盘边界、棋盘布局和山界；第二目标特征包括：棋子名称、棋背形态和立棋形态；
若棋牌游戏为斗兽棋，则第一目标特征包括：棋盘形状、棋盘颜色、棋盘纹理、棋盘边界、棋盘布局和小河界；第二目标特征包括：棋子名称。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110874521.XA CN113546398A (zh) | 2021-07-30 | 2021-07-30 | 基于人工智能算法的棋牌游戏方法及*** |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110874521.XA CN113546398A (zh) | 2021-07-30 | 2021-07-30 | 基于人工智能算法的棋牌游戏方法及*** |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113546398A true CN113546398A (zh) | 2021-10-26 |
Family
ID=78105038
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110874521.XA Pending CN113546398A (zh) | 2021-07-30 | 2021-07-30 | 基于人工智能算法的棋牌游戏方法及*** |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113546398A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2023111673A1 (en) * | 2021-12-17 | 2023-06-22 | Sensetime International Pte. Ltd. | Method and apparatus for identifying game area type, electronic device and storage medium |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107679531A (zh) * | 2017-06-23 | 2018-02-09 | 平安科技（深圳）有限公司 | 基于深度学习的车牌识别方法、装置、设备及存储介质 |
| CN109002842A (zh) * | 2018-06-27 | 2018-12-14 | 北京字节跳动网络技术有限公司 | 图像识别方法和装置 |
| WO2020072664A1 (en) * | 2018-10-02 | 2020-04-09 | Gaming Partners International Usa, Inc. | Vision based recognition of gaming chips |
| CN111401371A (zh) * | 2020-06-03 | 2020-07-10 | 中邮消费金融有限公司 | 一种文本检测识别方法、***及计算机设备 |
| CN111971685A (zh) * | 2017-10-02 | 2020-11-20 | 森森网络集团有限公司 | 机器学习驱动的对象检测***和方法 |
| CN111985470A (zh) * | 2020-07-09 | 2020-11-24 | 浙江工业大学 | 一种自然场景下的船牌矫正识别方法 |
| CN112057874A (zh) * | 2020-09-10 | 2020-12-11 | 重庆五诶科技有限公司 | 具备隐私保护的游戏辅助***及方法 |
| CN112206541A (zh) * | 2020-10-27 | 2021-01-12 | 网易（杭州）网络有限公司 | 游戏外挂识别方法、装置、存储介质及计算机设备 |
| CN112704882A (zh) * | 2021-01-14 | 2021-04-27 | 广州云从鼎望科技有限公司 | 基于模型的棋牌游戏策略更新的方法、***、介质及装置 |
| KR102272843B1 (ko) * | 2021-02-22 | 2021-07-05 | 서영철 | 인공지능을 이용한 멀티 테이블형 인지 훈련 장치 및 이를 이용한 터치패턴 인식방법 |
-
2021
- 2021-07-30 CN CN202110874521.XA patent/CN113546398A/zh active Pending
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107679531A (zh) * | 2017-06-23 | 2018-02-09 | 平安科技（深圳）有限公司 | 基于深度学习的车牌识别方法、装置、设备及存储介质 |
| CN111971685A (zh) * | 2017-10-02 | 2020-11-20 | 森森网络集团有限公司 | 机器学习驱动的对象检测***和方法 |
| CN109002842A (zh) * | 2018-06-27 | 2018-12-14 | 北京字节跳动网络技术有限公司 | 图像识别方法和装置 |
| WO2020072664A1 (en) * | 2018-10-02 | 2020-04-09 | Gaming Partners International Usa, Inc. | Vision based recognition of gaming chips |
| CN111401371A (zh) * | 2020-06-03 | 2020-07-10 | 中邮消费金融有限公司 | 一种文本检测识别方法、***及计算机设备 |
| CN111985470A (zh) * | 2020-07-09 | 2020-11-24 | 浙江工业大学 | 一种自然场景下的船牌矫正识别方法 |
| CN112057874A (zh) * | 2020-09-10 | 2020-12-11 | 重庆五诶科技有限公司 | 具备隐私保护的游戏辅助***及方法 |
| CN112206541A (zh) * | 2020-10-27 | 2021-01-12 | 网易（杭州）网络有限公司 | 游戏外挂识别方法、装置、存储介质及计算机设备 |
| CN112704882A (zh) * | 2021-01-14 | 2021-04-27 | 广州云从鼎望科技有限公司 | 基于模型的棋牌游戏策略更新的方法、***、介质及装置 |
| KR102272843B1 (ko) * | 2021-02-22 | 2021-07-05 | 서영철 | 인공지능을 이용한 멀티 테이블형 인지 훈련 장치 및 이를 이용한 터치패턴 인식방법 |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2023111673A1 (en) * | 2021-12-17 | 2023-06-22 | Sensetime International Pte. Ltd. | Method and apparatus for identifying game area type, electronic device and storage medium |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US9669312B2 (en) | System and method for object extraction | |
| CN106204779B (zh) | 基于多人脸数据采集策略和深度学习的课堂考勤方法 | |
| CN108764074B (zh) | 基于深度学习的主观题智能阅卷方法、***及存储介质 | |
| CN105224921B (zh) | 一种人脸图像择优***和处理方法 | |
| CN107316001A (zh) | 一种自动驾驶场景中小且密集的交通标志检测方法 | |
| CN101470898B (zh) | 一种双人跳水同步性自动分析方法 | |
| CN108446666A (zh) | 双通道神经网络模型训练及人脸比对方法、终端及介质 | |
| CN110458100A (zh) | 基于目标检测和跟踪的乒乓球落点识别和评分方法及*** | |
| CN111260513B (zh) | 少儿围棋教学互联管理*** | |
| CN107220608B (zh) | 一种篮球动作模型重建和防守的指导***及方法 | |
| CN107909034A (zh) | 一种人脸检测方法、装置和计算机可读存储介质 | |
| Pielke | The edge: The war against cheating and corruption in the cutthroat world of elite sports | |
| CN113546398A (zh) | 基于人工智能算法的棋牌游戏方法及*** | |
| CN103455826B (zh) | 基于快速鲁棒性特征的高效匹配核人体检测方法 | |
| CN106909438A (zh) | 基于真实数据的虚拟数据构建方法和*** | |
| Jones et al. | Changing the face of secondary physical education through sport education | |
| CN109598226A (zh) | 基于Kinect彩色及深度信息在线***判断方法 | |
| Yang et al. | Research on face recognition sports intelligence training platform based on artificial intelligence | |
| CN103632380B (zh) | 一种基于关键点决策树的在线游戏扑克牌识别方法 | |
| CN110415256B (zh) | 基于视觉的快速多目标识别方法及*** | |
| CN111104851B (zh) | 一种篮球进球时刻防守区域自动生成方法及*** | |
| CN110909727A (zh) | 一种基于图像识别的围棋识别方法及程序接口 | |
| Luo | Elements and construction of sports visual image action recognition system based on visual attention analysis | |
| Krüger | Visual Sources in the History of Sports: Potential, Problems, and Perspectives with Selected Examples of Sporting Art | |
| CN106997609A (zh) | 一种高尔夫球场实景图码数本的制作方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination |