技术领域
[0001] 本
发明涉及一种监控方法及装置，具体涉及一种桌面游戏的监控方法及装置。
背景技术
[0002] 随着游戏行业的发展，如何监控进而避免在游戏行业中出现的不诚信现象是亟待解决的技术问题。
[0003]
现有技术中，
申请号为CN201910108880.7的发明
专利申请公开了针对提供用于管理混洗游戏纸牌包以防止在娱乐场欺诈更换纸牌的方法。管理系统7被编程以通过利用由加载步骤和卸载步骤获得的信息计算在后院8、游戏桌11的地点、载体9的地点和处置地点10处的每个地点的混洗游戏纸牌的所有包2的地点和数量，并且管理系统7通过每个ID代码库1计算通过用于登记到管理系统7的
数据库的登记步骤登记的所有包的地点和来自从加载步骤和卸载步骤获得的信息的一个接一个地点的包的每个数量。接着，管理系统7被编程以通过将在登记步骤中登记的所有ID代码的信息与从加载步骤和卸载步骤的计算步骤处获得的所有包的每个地点处的ID代码进行比较并且向管理部
门或向主要管理组织报告有关丢失包来识别是否存在丢失包。
[0004] 但是，
发明人发现，现有技术的目的是防止更换纸牌，无法对裁判与用户之间的不诚信行为进行监控。
发明内容
[0005] 本发明所要解决的技术问题在于如何对裁判与用户之间的不诚信行为进行监控。
[0006] 本发明通过以下技术手段实现解决上述技术问题的：
[0007] 本发明
实施例提供了一种桌面游戏的监控方法，所述方法包括：
[0008] 1)、获取桌面的各个功能区域的图像，其中，所述功能区域包括：庄家区、庄对区、闲家区、闲对区和tie区；
[0009] 2)、在当前一局结束时，根据游戏参与者的输赢信息获取赢家对应功能区域和输家对应的功能区域；
[0010] 3)、在裁判收走输家对应的功能区域中的筹码的过程中，利用
图像分割算法进行作弊检测，并在检测到作弊行为后发出作弊警报，其中，检测的内容包括：输家对应的功能区域中的筹码未被裁判收走、输家取回对应的功能区中的筹码、裁判在未取走输家对应的功能区中的筹码之前对赢家进行赔付、裁判作弊检测中的一种或组合；
[0011] 4)、在裁判对赢家进行赔付的过程中，针对每一个赢家对应的功能区，利用图像分割算法和
图像识别算法进行作弊检测，并在检测到作弊行为后发出作弊警报，其中，检测的内容包括：赢家在对应的功能区中加入新的筹码、裁判未按照实际的金额进行筹码的赔付中的一种或组合。
[0012] 可选的，在步骤1)之前，所述方法还包括：
[0014] 可选的，所述根据游戏参与者的输赢信息获取赢家对应功能区域和输家对应的功能区域，包括：
[0015] 根据各个功能区域的图像，识别出各个区域中是否存在筹码，进而获取存在筹码的功能区域对应的玩家信息；
[0016] 根据发牌设备发给各个玩家的牌面信息，将玩家分为赢家和输家；并获取赢家对应的功能区域和输家对应的功能区域。
[0017] 可选的，对输家取回对应的功能区中的筹码的检测过程包括：
[0018] 利用图像分割算法提取出对应功能区中的手臂图像，根据所述手臂图像中手臂的延伸方向是否为从玩家指向所述功能区；
[0019] 若是，判定输家取回对应的功能区中的筹码。
[0020] 可选的，所述赢家在对应的功能区中加入新的筹码的检测过程包括：
[0021] 利用图像分割算法提取出对应功能区中的手臂图像，根据所述手臂图像中手臂的延伸方向是否为从玩家指向所述功能区；
[0022] 若是，判定赢家在对应的功能区中加入新的筹码。
[0023] 可选的，所述裁判未按照实际的数量进行筹码的赔付的检测过程包括：
[0024] 在裁判将赢家对应的功能区域中的筹码放入到预先设置的晒码区后，识别出晒码区中所述赢家对应的筹码的金额；并计算出裁判需要赔付的筹码的金额；并识别裁判实际赔付的筹码的金额是否与所计算出的裁判需要赔付的筹码的金额相同，若否，判定裁判未按照实际的金额进行筹码的赔付。
[0025] 可选的，所述识别出晒码区中所述赢家对应的筹码的金额的步骤，包括：
[0026] 在赢家的筹码数量不多于预设的数量时，通过
深度学习算法识别出晒码区中的筹码的金额，其中，预设的数量为预设的晒码区中所能平铺的筹码的最大数量；
[0027] 在赢家的筹码数量多于预设的数量时，将未被进行识别的筹码置于预设的缓存区中，然后将缓存区中的筹码分批置于晒码区中进行累计。
[0028] 本发明实施例还提供了一种桌面游戏的监控装置，所述装置包括：
[0029] 第一获取模
块，用于获取桌面的各个功能区域的图像，其中，所述功能区域包括：庄家区、庄对区、闲家区、闲对区和tie区；
[0030] 第二获取模块，用于在当前一局发牌完成时，根据游戏参与者的输赢信息获取赢家对应功能区域和输家对应的功能区域；
[0031] 第一检测模块，用于在裁判收走输家对应的功能区域中的筹码的过程中，利用图像分割算法进行作弊检测，并在检测到作弊行为后发出作弊警报，其中，检测的内容包括：输家对应的功能区域中的筹码未被裁判收走、输家取回对应的功能区中的筹码、裁判在未取走输家对应的功能区中的筹码之前对赢家进行赔付、裁判作弊检测中的一种或组合；
[0032] 第二检测模块，用于在裁判对赢家进行赔付的过程中，针对每一个赢家对应的功能区，利用图像分割算法和图像识别算法进行作弊检测，并在检测到作弊行为后发出作弊警报，其中，检测的内容包括：赢家在对应的功能区中加入新的筹码、裁判未按照实际的金额进行筹码的赔付中的一种或组合。
[0033] 可选的，所述装置还包括：标注模块，用于：
[0034] 对桌面的功能区域位置进行标注。
[0035] 可选的，第二获取模块，用于：
[0036] 根据各个功能区域的图像，识别出各个区域中是否存在筹码，进而获取存在筹码的功能区域对应的玩家信息；
[0037] 根据发牌设备发给各个玩家的牌面信息，将玩家分为赢家和输家；并获取赢家对应的功能区域和输家对应的功能区域。
[0038] 可选的，第一检测模块，用于：
[0039] 利用图像分割算法提取出对应功能区中的手臂图像，根据所述手臂图像中手臂的延伸方向是否为从玩家指向所述功能区；
[0040] 若是，判定输家取回对应的功能区中的筹码。
[0041] 可选的，第二检测模块，用于：
[0042] 利用图像分割算法提取出对应功能区中的手臂图像，根据所述手臂图像中手臂的延伸方向是否为从玩家指向所述功能区；
[0043] 若是，判定赢家在对应的功能区中加入新的筹码。
[0044] 可选的，第二检测模块，用于：
[0045] 在裁判将赢对应的功能区域中的筹码放入到预先设置的晒码区后，识别出晒码区中所述赢家对应的筹码的金额；并计算出裁判需要赔付的筹码的金额；并识别裁判实际赔付的筹码的金额是否与所计算出的裁判需要赔付的筹码的金额相同，若否，判定裁判未按照实际的金额进行筹码的赔付。
[0046] 可选的，第二检测模块，用于：
[0047] 在赢家的筹码数量不多于预设的数量时，通过深度学习算法识别出晒码区中的筹码的金额，其中，预设的数量为预设的晒码区中所能平铺的筹码的最大数量；
[0048] 在赢家的筹码数量多于预设的数量时，将未被进行识别的筹码置于预设的缓存区中，然后将缓存区中的筹码分批置于晒码区中进行累计。
[0049] 本发明的优点在于：
[0050] 应用本发明实施例，通过对各个功能区域的图像识别，进而对裁判与玩家的作弊行为进行检测，在检测到作弊行为后，发出警报，解决了现有技术中无法对裁判与用户之间的不诚信行为进行监控的技术问题。
附图说明
[0051] 图1为本发明实施例1提供的一种桌面游戏的监控方法的流程示意图；
[0052] 图2为本发明实施例1中使用到的桌面的各个功能区域的划分示意图；
[0053] 图3为本发明实施例1中的桌面游戏
监控系统的结构示意图；
[0054] 图4为本发明实施例2提供的一种桌面游戏的监控装置的结构示意图；
[0055] 图5为本发明实施例2提供的一种桌面游戏的监控装置的架构示意图。
具体实施方式
[0056] 为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
[0057] 实施例1
[0058] 图1为本发明实施例1提供的一种桌面游戏的监控方法的流程示意图；图2为本发明实施例2中使用到的桌面的各个功能区域的划分示意图，如图1和图2所示，所述方法包括：
[0059] S101：获取桌面的各个功能区域的图像，其中，所述功能区域包括：庄家区、庄对区、闲家区、闲对区和tie区。
[0060] 桌布设计：图1展示了该桌面游戏智能监控方法及系统中的桌布设计图案：位于图上部中央部分的5个区域(编号分别为A、B1、B2、C1和 C2)是为了实施该方法及系统而新增的区域，称之为晒码区，用于筹码清点，其余45个下注区域(包括9个Player区、9个Banker区、9个Banker Pair区、9个Tie区和9个Player Pair区)，为游戏桌面原有区域，用于下注。
[0061] 图3为本发明实施例1中的桌面游戏监控系统的结构示意图，如图3 所示，其中，游戏桌面1上设有牌靴2，用于发牌及输出输赢信息；工控机 3是该方法及系统实现的
软件运行载体；第一相机4，用于拍摄整个游戏桌面全局区域；第二相机5，用于拍摄晒码区；6表示相机
支架或
天花板，用于固定第一相机4和第二相机5。第一相机4和第二相机5的安装要分别保证在拍摄到桌面全局和晒码区的前提下，尽量使有效区域在画面中的占比较大，使得每个筹码都占有足够的
像素数，保证识别效果；7/8/9均表示网线，用于传输牌靴信息、第一相机4和第二相机5的图像信息。
[0062] 系统使用工业相机而不是安防相机的原因有两个方面，一是工业相机采集到的画面不经过压缩编码，延时可以忽略不计，能够充分保证实时性；二是由于系统中采用的是两个相机，工业相机的零延时能够很好地保证两个拍摄画面之间的同步。
[0063] 在实际应用中，可以对桌面的功能区域位置进行标注。
系统软件组成由系统配置工具和主系统组成，系统配置工具主要用来配置系统需要的一些参数，例如，标注桌面下注区域、赔付区域等辅助工作；主系统则主要负责监控、分析从发牌开始的所有游戏过程，对违规操作和作弊行为进行警报，同时生成监控日志，录制游戏视频，统计输赢面值，以及将每局的必要信息录入数据库并对媒体进行有效管理等。
[0064] 在具体使用时，可以首先加载由系统配置工具提前配置好的系统参数及用户参数，如系统运行模式、媒体保存路径、区域标注信息等。其中，区域标注信息由系统配置工具中的标注功能完成，一般在游戏桌面不发生移动的情况下，只需标注一次即可多次使用；若游戏桌面相对相机的位置发生改变，则需要重新标注。读取完配置参数后，进入正式的监控流程。
[0065] S102：在当前一局结束时，根据游戏参与者的输赢信息获取赢家对应功能区域和输家对应的功能区域。
[0066] 示例性的，可以通过网络端口监听牌靴信息，一旦监听到牌靴开始发牌后，则进入发牌信息的读取以及输赢信息的判断过程。发牌结束后，首先采集一张拍摄桌面全局的第一相机4的图像，通过深度学习根据所获取的桌面的图像进而判断出桌面上的45个下注区哪些存在筹码，每个区域的状态可能有3种：有筹码、空、有其他物体。在遍历45个下注区之后，如果某区域状态为有筹码，则将其加入有筹码区域列表。扫描完全部45个下注区后，根据从牌靴读取到的输赢信息判断这些有筹码的下注区域的输赢情况，生成功能区列表win_areas_list和功能区列表lose_areas_list。
[0067] S103：在裁判收走输家对应的功能区域中的筹码的过程中，利用图像分割算法进行作弊检测，并在检测到作弊行为后发出作弊警报，其中，检测的内容包括：输家对应的功能区域中的筹码未被裁判收走、输家取回对应的功能区中的筹码、裁判在未取走输家对应的功能区中的筹码之前对赢家进行赔付、裁判作弊检测中的一种或组合。
[0068] 具体的，可以根据各个功能区域的图像，识别出各个区域中是否存在筹码，进而获取存在筹码的功能区域对应的玩家信息；根据发牌设备发给各个玩家的牌面信息，将玩家分为赢家和输家；并获取赢家对应的功能区域和输家对应的功能区域。利用图像分割算法提取出对应功能区中的手臂图像，根据所述手臂图像中手臂的延伸方向是否为从玩家指向所述功能区；若是，判定输家取回对应的功能区中的筹码。
[0069] 示例性的，在游戏分出胜负之后，裁判逐个区域将功能区筹码收回。在裁判收回筹码的过程中，实时通过深度学习的分类方法检测输掉游戏的玩家，即输家对应的功能区域current_lose_area中的筹码是否被回收，当检测到某个功能区的状态从有筹码变为空时，则认为其中的筹码被裁判回收。在筹码被回收之后，将该功能区从lose_areas_list中删除，重复该检测过程，直至lose_areas_list被清空。
[0070] 该阶段实现的作弊检测包括三种：
[0071] ①玩家取回功能区筹码作弊检测：通过图像分割算法提取
图像序列中的手臂及其方向，当手臂上是从玩家一侧延伸至裁判一侧，则判断该个功能区筹码是被玩家自己拿走，若被玩家拿走，则判定存在玩家作弊行为，触发玩家作弊警报。当手臂是从裁判一侧延伸至玩家一侧，则判定筹码被裁判清理。
[0072] ②玩家向功能区添加筹码作弊检测：在裁判清理功能区筹码过程中，通过图像分割算法提取图像序列上的手臂区域及其归属、并通过深度学习算法判断已下注区域是否发生变化，若检测到玩家手臂移动到下注区，并且已下注区域发生变化，则认为玩家向已下注区域追加筹码；另外，还可以通过深度学习的分类方法判断未下注区域状态是否由空变为有筹码，若是，则认为在未下注区域添加下注，警报的同时会记录该区域，将其加入additional_win_areas_list列表。利用上述方法可以检测出玩家向功能区添加新的筹码，包括在已下注功能区追加筹码，或者在未下注功能区新增下注，均会触发玩家作弊警报。
[0073] ③裁判违规操作检测：若裁判在未清空功能区的情况下，开始赔付功能区，则触发功能区未清空警报；
[0074] ④裁判作弊检测：若裁判对输掉游戏的输家对应的功能区进行赔付，则触发裁判作弊警报。
[0075] S104：在裁判对赢家进行赔付的过程中，针对每一个赢家对应的功能区，利用图像分割算法和图像识别算法进行作弊检测，并在检测到作弊行为后发出作弊警报，其中，检测的内容包括：赢家在对应的功能区中加入新的筹码、裁判未按照实际的金额进行筹码的赔付中的一种或组合。
[0076] 具体的，可以利用图像分割算法提取出对应功能区中的手臂图像，根据所述手臂图像中手臂的延伸方向是否为从玩家指向所述功能区；若是，判定赢家在对应的功能区中加入新的筹码。还可以在裁判将赢对应的功能区域中的筹码放入到预先设置的晒码区后，识别出晒码区中所述赢家对应的筹码的金额；并计算出裁判需要赔付的筹码的金额；并识别裁判实际赔付的筹码的金额是否与所计算出额裁判需要赔付的筹码的金额相同，若否，判定裁判未按照实际的金额进行筹码的赔付。还可以在赢家的筹码数量不多于预设的数量时，通过深度学习算法识别出晒码区中的筹码的金额，其中，预设的数量为预设的晒码区中所能平铺的筹码的最大数量；在赢家的筹码数量多于预设的数量时，将未被进行识别的筹码置于预设的缓存区中，然后将缓存区中的筹码分批置于晒码区中进行累计。
[0077] 示例性的，正常流程下，裁判清理完输掉游戏的玩家，即输家对应的功能区筹码后，接下来逐个区域对赢了游戏的玩家，即赢家对应的功能区进行赔付。功能区赔付在图1所示的赔付区，如下注缓存区A、下注晒码区B1、下注累计区B2、赔付晒码区C1、赔付累计区C2五个区域进行。具体步骤为，裁判将赢家对应的功能区win_area的筹码收回，若筹码较少，直接放到B1摊开晒码；若筹码较多，B1无法一次摊开晒完，则先将筹码放到A区暂存，再根据B1的承载能
力分次移至B1区进行晒码，每晒完一次，将其摞起，放到B2累计区，直至所有A区筹码全部晒完，系统自动识别并累计下注总面值。接下来，对需要赔付的筹码采用同样的方法，利用 C1和C2两个区域来完成：若赔付的筹码较少，则从码盘直接取至C1晒码；若赔付的筹码较多，则分多次从码盘取筹码放到C1晒码，每晒完一次，将其摞起放入C2区，直至待赔付筹码全部晒完。同样，系统也会自动记录赔付总面值。当裁判将下注晒码区筹码和赔付晒码区筹码一起赔付给玩家时，系统会根据赔率判断赔付面值是否正确，具体计算公式：应赔面值＝下注面值*区域赔率，若实赔面值≠应赔面值，则认为裁判作弊，触发赔付面值错误警报。
[0078] 除了赔付检测，本发明实施例还会继续进行玩家作弊检测，其检测方法与S103中的方法相同，区别仅在于检测的区域以及检测的目的不同。若检测到裁判对追加的赢家的功能区，即additional_win_areas_list列表中的区域进行赔付的行为，则触发赔付追加功能区警报。
[0079] 需要强调的是，本发明实施例中使用的图像分割算法以及深度学习算法均可以使用现有的算法，本发明实施例并不在算法上进行创新。
[0080] 另外，在实际应用中，在前一局结束后，下一局开始之前，若玩家有大额筹码兑换若干小额筹码，或者若干小额筹码兑换大额筹码的需求时，玩家将要换码的筹码放入下注区任意位置，裁判将其移至下注晒码区B1 中，系统识别出晒码区B1中的筹码的数量以及对应的面值，然后计算出总面值；然后将兑换的筹码置于晒码区C1中，进行面值的计算，当玩家的筹码面值与兑换的筹码的面值不相等时，发出警报。
[0081] 可以理解的是，若换入的筹码较多，B1无法一次摊开晒完，则先将筹码放到A区暂存，再根据B1的承载能力分次移至B1区进行晒码，每晒完一次，将其摞起，放到B2累计区，直至所有A区筹码全部晒完，系统自动识别并累计换入筹码总面值。同样的，若换出的筹码较多，C1区无法一次摊开晒完，则从码盘逐次取筹码放到C1区晒码，每晒完一次，将其摞起，放到C2累计区，直到所有换出的筹码全部晒完，系统会自动识别并累计换出的筹码总面值。
[0082] 应用本发明图1所示实施例，通过对各个功能区域的图像识别，进而对裁判与玩家的作弊行为进行检测，在检测到作弊行为后，发出警报，解决了现有技术中无法对裁判与用户之间的不诚信行为进行监控的技术问题。
[0083] 另外，现有技术中的另一技术方案是，在每张游戏桌面上方安装安防摄像头，并将多路安防摄像头的
视频流接入监控室，人眼观察每一张游戏桌面的实时动态；同时将每一路视频流录制成视频文件，以供回溯时查看。但该做法存在以下几个问题：(1)人工查看工作量巨大，且人工成本较高，在娱乐场规模较大，娱乐桌数量较多的情况下，无法实时查看所有娱乐桌面的情况，造成一些严重问题无法及时发现；(2)由于不加区分地存储所有桌面和所有时间段的视频，视频存储占用的存储资源巨大，造成资源浪费，同时问题回溯较困难；(3)无法实时统计现场的运营情况，即使发现作弊行为，也难以确定具体的作弊面值。
[0084] 而本发明实施例，可以实现对桌面监控视频实时分析，及时发现作弊行为并进行警报；
[0085] 进一步的，本发明实施例可以每一局游戏的起止时间为
节点录制视频，并针对不同的警报类型对录制的视频进行分类管理，方便查看，对于不存在异常的视频可以不予存储进而节约存储空间；同时对游戏过程中的桌面筹码数据进行实时识别、统计、记录和显示。
[0086] 进一步的，可以将本发明实施例的方法部署在管理系统中，该系统主要组成部分包括：N张本专利所述智能监控游戏桌、路由器、管理后台
服务器、Web服务器、Web前端、手机App以及网络组成。管理后台服务器主要完成如下几项工作：(1)通过局域网
访问每套智能监控系统的数据库，并获取每张游戏桌的数据，如
指定时间段的下注面值、赔付面值、换码面值、警报种类和次数，以及必要的录播和直播视频流地址信息等等；(2)对每种数据进行统计分析，生成必要的统计报表；(3)根据用户选择，提供指定时间、指定桌面的回看与直播视频推流服务；(4)实时获取每张游戏桌的警报信息，并转发给Web前端和手机App。Web前端和手机App根据用户权限可显示用户关心的统计数据、指定时间和指定桌面的录播与直播视频、接收后端推送的实时警报信息等。
[0087] 应用本发明上述实施例，方便了对游戏桌面进行远程监控。
[0088] 与本发明图1所示实施例相对应，本发明实施例2还提供了一种桌面游戏的监控装置。
[0089] 图4位本发明实施例2提供的一种桌面游戏的监控装置的结构示意图，如图4所示，所述装置包括：
[0090] 第一获取模块401，用于获取桌面的各个功能区域的图像，其中，所述功能区域包括：庄家区、庄对区、闲家区、闲对区和tie区；
[0091] 第二获取模块402，用于在当前一局结束时，根据游戏参与者的输赢信息获取赢家对应功能区域和输家对应的功能区域；
[0092] 第一检测模块403，用于在裁判收走输家对应的功能区域中的筹码的过程中，利用图像分割算法进行作弊检测，并在检测到作弊行为后发出作弊警报，其中，检测的内容包括：输家对应的功能区域中的筹码未被裁判收走、输家取回对应的功能区中的筹码、裁判在未取走输家对应的功能区中的筹码之前对赢家进行赔付、裁判作弊检测中的一种或组合；
[0093] 第二检测模块404，用于在裁判对赢家进行赔付的过程中，针对每一个赢家对应的功能区，利用图像分割算法进行作弊检测，并在检测到作弊行为后发出作弊警报，其中，检测的内容包括：赢家在对应的功能区中加入新的筹码、裁判未按照实际的金额进行筹码的赔付中的一种或组合。
[0094] 在本发明实施例的一种具体实施方式中，所述装置还包括：标注模块，用于：
[0095] 对桌面的功能区域位置进行标注。
[0096] 在本发明实施例的一种具体实施方式中，第二获取模块402，用于：
[0097] 根据各个功能区域的图像，识别出各个区域中是否存在筹码，进而获取存在筹码的功能区域对应的玩家信息；
[0098] 根据发牌设备发给各个玩家的牌面信息，将玩家分为赢家和输家；并获取赢家对应的功能区域和输家对应的功能区域。
[0099] 在本发明实施例的一种具体实施方式中，第一检测模块403，用于：
[0100] 利用图像分割算法提取出对应功能区中的手臂图像，根据所述手臂图像中手臂的延伸方向是否为从玩家指向所述功能区；
[0101] 若是，判定输家取回对应的功能区中的筹码。
[0102] 在本发明实施例的一种具体实施方式中，第二检测模块404，用于：
[0103] 利用图像分割算法提取出对应功能区中的手臂图像，根据所述手臂图像中手臂的延伸方向是否为从玩家指向所述功能区；
[0104] 若是，判定赢家在对应的功能区中加入新的筹码。
[0105] 在本发明实施例的一种具体实施方式中，第二检测模块404，用于：
[0106] 在裁判将赢对应的功能区域中的筹码放入到预先设置的晒码区后，识别出晒码区中所述赢家对应的筹码的金额；并计算出裁判需要赔付的筹码的金额；并识别裁判实际赔付的筹码的金额是否与所计算出额裁判需要赔付的筹码的金额相同，若否，判定裁判未按照实际的金额进行筹码的赔付。
[0107] 在本发明实施例的一种具体实施方式中，第二检测模块404，用于：
[0108] 在赢家的筹码数量不多于预设的数量时，通过深度学习算法识别出晒码区中的筹码的金额，其中，预设的数量为预设的晒码区中所能平铺的筹码的最大数量；
[0109] 在赢家的筹码数量多于预设的数量时，将未被进行识别的筹码置于预设的缓存区中，然后将缓存区中的筹码分批置于晒码区中进行累计。
[0110] 以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行
修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
