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

一种基于人工智能算法的虚拟裁判方法，基本如附图1所示：包括以下步骤：

S1、通过手机摄像头或固定位摄像头获取棋牌游戏的操作界面的界面信息，并由虚拟裁判模型根据界面信息建立电子界面边界；所述电子界面边界根据棋牌游戏的操作界面进行电子界面边界主范围的确定，根据棋牌游戏所属的游戏器具进行电子界面边界边缘范围的界限调整。所述虚拟裁判模型基于现有的人工智能视觉分析算法和神经网络模型算法构建，人工智能视觉分析算法和神经网络模型算法均属于现有且成熟的深度学习算法，本实施例中不做过多赘述。棋牌游戏中的虚拟裁判也可以称为人工智能裁判、网络裁判、机器裁判、智慧裁判。

例如，以麻将为例的牌类。建立起牌桌的电子界面边界，电子界面边界中包括有麻将的操作盘信息以及操作盘上升降按钮、打色子按钮、东南西北方位标识等信息，电子界面边界主范围的确定和电子界面边界边缘范围的界限调整基于麻将桌俯视向的桌面大小来设置；同时还需建立每位玩家视角的电子界面边界，电子界面边界中主要为麻将，即玩家的手牌，电子界面边界主范围的确定和电子界面边界边缘范围的界限调整基于麻将道具的高度、麻将手牌最大数量来设置。以围棋为例的棋类，建立棋盘的电子界面边界，电子界面边界中包括有棋盘布局线的相对关系、名称等。

S2、通过虚拟裁判模型对电子界面边界内棋牌游戏所属的游戏器具进行摆放复核；所述棋牌游戏所属的游戏器具的摆放复核包括游戏器具的摆放位置、颜色、正反面朝向、数量和尺寸。

以麻将为例的牌类。麻将牌所属游戏棋具主要是麻将牌以及色子。手搓麻将时，玩家在开始游戏前要把麻将码好，牌背朝上，数量与玩法有关。色子分为一颗、两颗或三颗不等。机器麻将则由麻将机自动洗好码好牌，并整齐地推送到牌桌上。以围棋为例的棋类。主要复核棋子的尺寸大小与布局线的关系，以及棋子颜色。

S3、在摆放复核通过后，选定棋牌游戏规则和座位，并导入到虚拟裁判中；

棋牌游戏规则的选定流程包括：

S301、获取由发起人先挑选的棋牌游戏规则，以及获取其他玩家对发起人所选的棋牌游戏规则的确认信息；所述棋牌游戏规则从智能规则库中选取，智能规则库中收集有各类棋牌游戏的基本游戏规则，以及从互联网收集并整理各地创新的棋牌游戏规则。

S302、发起人在挑选的棋牌游戏规则时，获取玩家习惯和地理位置，根据玩家习惯和地理位置为其推荐棋牌游戏规则。

S303、在发起人挑选好棋牌游戏规则且获取到其他玩家的确认信息后，接收发起人和/或到其他玩家的创新游戏规则，并根据创新游戏规则对已确认的棋牌游戏规则进行调整修改。同时保存到智能规则库中。

选定座位流程为：

根据牌桌或棋盘对应的座位方位，玩家在手机上关联对应的座位方位。手机与服务器连接，虚拟裁判设置在服务器中。

以麻将为例的牌类。根据牌桌上标注的东南西北方位，玩家在手机上关联对应的座位方位，更换座位时将实时调整。以围棋为例的棋类。根据棋盘对弈座次及执黑执白情况，玩家在手机上关联执黑执白情况，更换座位时将实时调整。

S4、在游戏开始后，获取电子界面边界内的游戏数据，并将游戏数据导入虚拟裁判中根据选定的棋牌游戏规则和预设的裁决判定机制进行裁决判定；

具体包括以下步骤：

S401、根据棋牌游戏规则确定棋牌游戏从游戏开始到游戏结束所有的节点；

S402、根据所有的节点将棋牌游戏分解为多个事件；事件包括开局判定事件、正常行牌或下棋规则判定事件、正常行牌或下棋顺序判定事件、非正常行牌或下棋顺序的判定事件、时间时限判定事件、得分判定事件、悔棋或悔牌的判定事件、投降事件、逃跑事件、违反规则判定事件、干扰游戏判定事件、涉嫌作弊判定事件、暂停判定事件、残局重赛运行事件、智能提醒事件、更换座位事件、更换棋具牌具判定事件、复盘事件和判定说明事件。

S403、通过人工智能算法构建的虚拟裁判对游戏数据进行视觉分解，所述游戏数据视觉分解后包括棋牌展示数据和手部操作数据；棋牌展示数据包括实时的棋牌坐标信息和棋牌器具的名称，以及手部遮挡信息，玩家手部在出牌或下棋时一直在移动，并会遮挡住操作界面上的部分棋牌，某个时间点移动至某个位置时，会遮挡形成手形状的“阴影”，产生阴影边缘坐标信息(即手部遮挡信息)。手部操作数据为手部动作识别信息，是利用现有的开源软件识别手部信息，手部由21个节点坐标组合成一只手的手部信息，并产生实时且连续的手部坐标信息。

S404、使虚拟裁判根据棋牌展示数据和手部操作数据来共同判定各个事件是否符合预先设定的判断机制。所述判断机制设置在判定数据库，所述判断机制包括开局判定机制、正常行牌或下棋规则判定机制、正常行牌或下棋顺序判定机制、非正常行牌或下棋顺序的判定机制、时间时限判定、得分判定机制、悔棋或悔牌的判定机制、投降机制、逃跑机制、违反规则判定机制、干扰游戏判定机制、涉嫌作弊判定机制、暂停判定机制、残局重赛运行机制、智能提醒机制、更换座位机制、更换棋具牌具判定机制、复盘机制和判定说明机制。多个判断机制的执行流程如图2、图3所示：

(1)开局判定机制：棋牌游戏以约定的棋牌游戏规则来确认由某一方开始，并正式进入比赛阶段。

以麻将为例的牌类。以摇色子的点数来对应的座次，来确定谁先抓牌，抓哪个位置的牌。通过色子点数、抓牌玩家、抓牌方位等是否一致来判定是否规范，并正式开局，做好各类数据记录和判定工作。以围棋为例的棋，比如围棋黑棋先下。通过黑棋子在棋盘上落子来判定是否开局，并做好各类数据记录和判定工作。

(2)正常行牌或下棋规则判定机制：基于图像识别算法和人工智能对玩家每一次出牌或下棋是否满足棋牌游戏规则，是否有效进行裁决判定。

以麻将为例的牌类。实时分析所有的麻将牌总数、局部专属区域数量变化、正常位置、前后位置变化、玩家手部动作等对应的逻辑关系，进而判定是否符合规则。符合规则分解为动作是否规范和麻将牌位置是否规范。麻将中杠牌必须四张、碰牌必须三张；舍牌必须放在牌池中，不能直接拿给其他玩家等等。这些行为都涉及到是否满足规则。虚拟裁判将对动作是否规范和麻将牌正常摆放的位置是否规范进行判定。以围棋为例的棋类。实时分析棋盘上棋子数量、正常位置、棋子数量变化、玩家手部动作等对应的逻辑关系，进而判定是否符合规则。符合规则分解为动作是否规范和棋子位置是否规范。围棋棋子不能放在棋盘以外、棋子不能放在禁着点等等。这些行为都涉及到是否满足规则。虚拟裁判将对动作是否规范和棋子位置是否规范进行判定。

(3)正常行牌或下棋顺序判定机制：基于图像识别算法和人工智能对出牌或下棋连续进行期间其顺序是否满足棋牌游戏规则，是否有效进行裁决判定。

以麻将为例的牌类。实时分析所有的牌或棋总数、局部专属区域数量变化、正常位置、前后位置变化、玩家手部动作等对应的逻辑关系，加上手部动作与牌或棋子的对应关系，再分析是否符合正常的出牌或下棋顺序。打麻将的正常行牌顺序是依座次的逆时针方向进行抓牌、出牌，依据顺序玩家要实现抓牌、出牌等环节，玩家之间的游戏顺序也依次进行。这些行牌顺序是否满足规则，虚拟裁判对此进行判定。以围棋为例的棋类。黑先白后，交替下子，是围棋正常的下棋顺序。如果一位选手同时下了两个棋子，则就是违规又是违反顺序。虚拟裁判将对游戏顺序是否规范进行判定。

(4)非正常行牌或下棋顺序的判定机制：规则允许的改变顺序的规则，符合规则但不是正常顺序，作为非正常顺序进行判定。

以麻将为例的牌类。麻将牌中的吃牌、碰牌、杠牌、补花、胡牌等行为，都纳入非正常行牌顺序进行判定。非正常顺序需要摆放牌在对应的区域，后续动作存在直接出牌、再摸牌或者不摸牌等多种可能，要结合具体行为和对应的规则进行判定。以围棋为例的棋类，非正常下棋顺序的情况很少，对弈中很少出现，如有，对此进行判定。

(5)时间时限判定：对很多比赛涉及到有时间或时限要求的规则进行判定。

以麻将为例的牌类。比赛时，对出牌的时间有时间要求，要求每位选手抓牌后的思考时间，虚拟裁判对玩家的动作时间是否超过要求进行判定。以围棋为例的棋类。正式比赛对下棋时间有要求，在规定时限内保留几分钟开始读秒，读秒工作由虚拟裁判执行。

(6)得分判定机制：得分分为过程中和每盘结束、本局结束、个人总得分等多个环节，其中过程中和每盘结束、本局结束产生的得分要做好判定，并做好记录。

以麻将为例的牌类。如成都麻将玩法中，杠牌需单独计算积分，但游戏继续。如成都麻将，第一个胡牌已经获胜并不再游戏，但其他玩家还得继续游戏。做好过程中得分判定，把关联方要做准确判定，并做好记录。以围棋为例的棋类，可根据玩家需要，实时计算双方活棋棋子数。

(7)悔棋或悔牌的判定机制：部分游戏属于休闲娱乐，竞技性不强，玩家允许悔棋或悔牌的行为。虚拟裁判要对此做好判定，并做好关联记录。

(8)投降(或中场认输或弃权)机制：玩家感觉无法获胜时，选择提前认输的情况，这种情况需要玩家在手机上确认。虚拟裁判将整理投降前的相关数据，并确认是否继续还是结束本盘。

(9)逃跑机制：玩家无故放弃比赛或游戏，导致其他玩家无法继续，由其他玩家在手机上确认。对涉及到得分时要做出相应的惩罚措施。

(10)违反规则判定机制：出现了与规则冲突的情况，都视为违反规则。违反规则后的处置方式，根据玩家商议或之前约定的情况执行。

以麻将为例的牌类。如麻将牌桌出现五张相同的牌，这就是违反规则。虚拟裁判会不断收集整理违反规则的情形，并在游戏中不断优化判定机制。以围棋为例的棋类。一方“提子”出现错误，这种情况在新手中较为常见，也属于违反规则。虚拟裁判将对违反规则的情形进行判定。

(11)干扰游戏判定机制：干扰游戏是指有些动作满足规则和顺序判定，不存在于规则矛盾，与顺序矛盾，只是会影响裁判或其他玩家的状态。

以麻将为例的牌类，某个玩家把手机放在牌桌上，甚至挡住了麻将牌。虚拟裁判会不断收集整理干扰游戏的情形，并在游戏不断优化判定机制。以围棋为例的棋类，棋台上出现非对战的物体工具。

(12)涉嫌作弊判定机制：有明显作弊痕迹，导致不符合逻辑、规则、顺序等多种附加判定条件，且对涉嫌玩家有利的情况将视为涉嫌作弊。违反规则后的处置约定，则根据玩家商议或之前约定的情况执行。

以麻将为例的牌类。牌池中本来有某一张麻将牌，某个玩家手从那张牌上移动过，突然原有的麻将牌不在，或者换成其他牌了。在其他条件都充分的情况下，会对这种情况进行涉嫌作弊判定。以围棋为例的棋类。某位玩家把对方的棋子故意从棋盘上拿走，或者把对方的棋子故意摆错位置。在其他条件都充分的情况下，会对这种情况进行涉嫌作弊判定。

(13)暂停判定机制：根据比赛时间和赛制要求，需要进行中盘封盘，应做好记录，防止游戏数据被篡改。具备在本地或异地正常调用封盘状态的游戏数据和记录。

以麻将为例的牌类。麻将游戏时中盘封盘的情况很少，如有，则玩家把手牌扣住，同时记录最后出牌信息，以及已经产生的各类数据。以围棋为例的棋类。围棋有封棋规则，根据封棋规则进行判定。

(14)残局重赛运行机制：调用残局游戏数据，在继续游戏前做好相关的复核。复核内容包括第5条以及本条中相关条款。

以麻将为例的牌类。麻将残局基本很少，若有，则按残局把数据复原，然后玩家开始残局游戏。虚拟裁判直接从重赛开始判定。以围棋为例的棋类。先按残局信息复原，在复核残局数据无误后，玩家开始残局游戏。虚拟裁判直接从重赛开始判定。

(16)智能提醒机制：在游戏中，采用语音播报或文字、图片、视频显示等形式，提醒玩家关于反赌、反黄、反毒、健康、天气、时间、实时新闻等信息。如牌桌上出现了违规品，则提醒禁止赌博的信息。牌局进行了较长时间了，则提醒注意健康，久坐伤身语音信息。

(17)更换座位机制：有些棋牌游戏在某盘游戏结束后，玩家需要更换座位。由需要更换座位的玩家在app上提出要求，其他需要更换座位的玩家确认。虚拟裁判将把玩家数据进行切换。

(18)更换棋具牌具判定机制：有些游戏需要在某盘游戏结束后，更换棋具或牌具，比如破损或缺角等现象。更换后，虚拟裁判会重新识别棋具牌具信息，并在后续比赛中更新数据。

(19)复盘机制：有些棋类游戏需要复盘，用以学习和提高，将对具备条件的棋类提供复盘功能。用语音和视频回放的方式来实现。

(20)判定说明机制：根据玩家要求和游戏性质，提供实时或延时的游戏赛况、细节、得失、体会方面的裁决说明或裁决介绍。玩家要求主要是在手机上提出判定说明，并选择某一个判定行为。

S405、获取更新的判断机制并加入到判定数据库中，再通过虚拟裁判模型不断对判定数据库中的判断机制进行学习训练和优化；

S406、强化事件的分割判定和预先设定对应的判断机制，并通过步骤S405对判断机制进行学习训练和优化，再根据强化分割后的事件及学习训练和优化的判断机制进行多事件重叠的综合判定和深度学习。

S5、在步骤S4中裁决判定为游戏结束时，通过虚拟裁判模型对全局棋牌游戏中的数据进行汇总统计。

基于人工智能算法的虚拟裁判系统，应用于上述方法构建，包括服务器和智能终端，智能终端为智能手机，搭载有APP与服务器通信连接。所述服务器包括：

虚拟裁判构建及训练模块：用于根据现有的人工智能算法构建虚拟裁判，并对虚拟裁判进行深度学习与训练。

数据采集模块：用于通过手机摄像头或固定位摄像头获取棋牌游戏的操作界面的界面信息；

边界处理模块：用于根据现有的人工智能视觉分析算法和界面信息建立电子界面边界；所述电子界面边界根据棋牌游戏的操作界面进行电子界面边界主范围的确定，根据棋牌游戏所属的游戏器具进行电子界面边界边缘范围的界限调整。

游戏器具复核模块：用于对电子界面边界内棋牌游戏所属的游戏器具进行摆放复核；

游戏准备模块：用于在摆放复核通过后，选定棋牌游戏规则和座位，并导入到虚拟裁判中；

游戏规则选择模块：用于通过手机获取由发起人先挑选的棋牌游戏规则，以及通过手机获取其他玩家对发起人所选的棋牌游戏规则的确认信息。

游戏规则调整模块：用于发起人挑选好棋牌游戏规则且获取到其他玩家的确认信息后，接收发起人和/或到其他玩家的创新游戏规则，并根据创新游戏规则对已确认的棋牌游戏规则进行调整修改。同时将调整修改的棋牌游戏规则保存到智能规则库中。

判定裁决模块：用于根据棋牌游戏规则确定棋牌游戏从游戏开始到游戏结束所有的节点，并根据所有的节点将棋牌游戏分解为多个事件；还用于通过人工智能算法构建的虚拟裁判对游戏数据进行视觉分解，所述游戏数据视觉分解后包括棋牌展示数据和手部操作数据，并使虚拟裁判根据棋牌展示数据和手部操作数据来共同判定各个事件是否符合预先设定的判断机制。所述判断机制设置在判定数据库，所述判断机制包括开局判定机制、正常行牌或下棋规则判定机制、正常行牌或下棋顺序判定机制、非正常行牌或下棋顺序的判定机制、时间时限判定、得分判定机制、悔棋或悔牌的判定机制、投降机制、逃跑机制、违反规则判定机制、干扰游戏判定机制、涉嫌作弊判定机制、暂停判定机制、残局重赛运行机制、智能提醒机制、更换座位机制、更换棋具牌具判定机制、复盘机制和判定说明机制。

智能规则库更新模块：用于获取更新的判断机制并加入到判定数据库中，再通过虚拟裁判模型不断对判定数据库中的判断机制进行学习训练和优化；

深度游学习模块：用于强化事件的分割判定和预先设定对应的判断机制，并通过智能规则库更新模块对判断机制进行学习训练和优化，再根据强化分割后的事件及学习训练和优化的判断机制进行多事件重叠的综合判定和深度学习。

汇总统计模块：用于在裁决判定为游戏结束时，对全局棋牌游戏中的数据进行汇总统计。例如游戏结束后，采用语音播报或文字、图片、视频显示等形式，发布比赛汇总、获胜方等主要信息。

违规品提示模块：当数据采集模块采集的界面信息中出现违规道具时，生成提示发于智能终端，做出禁止赌博的温馨提醒。

本实施例中的虚拟裁判包括以下应用场景或实施条件：

1)作为某一盘、某一局、某一场对战游戏的虚拟裁判功能。

2)作为多场关联对战游戏(比如赛事、直播)的虚拟裁判，在这些游戏中建立关联，为多场对战提供诸如开局、结束、时间、速度、积分等方面的系统联系，并提供有效参照。

3)为由计算机或网络衍生的对战数据提供裁判功能。由网络衍生的对战数据，是指不需要人工智能识别算法，又具备游戏规则的棋局游戏数据。玩家可以在真实的场景复原游戏数据并游戏，可以在电子设备诸如手机、平板电脑、个人电脑对战，裁判功能由虚拟裁判提供。

4)为历史存储或记录的对战数据提供裁判功能。历史存储或记录的对战数据包括书籍上记录的残局，本系统服务器记录存储的现实对战中的中盘封盘数据等。

5)为VR(虚拟现实)场景或AR(增强现实)场景提供虚拟裁判功能。利用VR开发的棋牌对战游戏，由玩家佩戴或使用VR设备，形成玩家与玩家之间对战的VR棋牌游戏体验，或者形成玩家与虚拟设备之间对战的VR棋牌游戏体验。利用AR开发的棋牌对战游戏，让玩家身处于AR场景中，形成玩家与玩家之间对战的AR棋牌游戏体验，或者形成玩家与虚拟设备之间对战的AR棋牌游戏体验。

实施例二：

实施例二实施例一的区别在于，所述基于人工智能算法的虚拟裁判方法还包括以下步骤：

S6、在游戏结束时，获取玩家在棋牌游戏中游玩体验调查统计数据，并根据游玩体验调查统计数据统计满意度分值。游玩体验调查统计数据让玩家填写预先设定的表格来获取。其中，表格包括对若干事件的裁决判定的满意度，满意度设有五档，分别为非常不满意、不满意、一般、满意和非常满意，每档满意度对应一定量的分数，最后统计总的满意度分值。玩家对棋牌游戏的满意度主要取决于虚拟裁判的裁决时间和裁决结果，裁决时间越短说明虚拟裁判响应快，延迟低；反之虚拟裁判响应慢，延迟高，容易导致玩家不满意。而裁决结果依赖智能算法模型，智能算法模型是通过多次训练学习的，出错率低，遇到复杂场景，影响最大的是虚拟裁判的响应快慢。

S7、分析判断满意度分值是否达到设定分数阈值，若未达到，则获取步骤S4中的每个事件的事件信息，所述事件信息包括该事件对应的判定机制、判定时间、在判定时间内的棋牌展示数据和手部操作数据、获取得到棋牌展示数据和手部操作数据的第一时间节点信息、虚拟裁判根据判定机制和棋牌游戏规则对棋牌展示数据和手部操作数据进行裁决判定的裁决流程信息，以及裁决流程信息中各个流程节点的第二时间节点信息；

S8、分析判断每个事件的判定时间是否超过设定时间阈值，若超过，则根据判定时间内的棋牌展示数据和手部操作数据、第一时间节点信息、虚拟裁判的裁决流程信息，以及裁决流程信息中各个流程节点的第二时间节点信息构建裁判工作流程图。裁判工作流程图中包含各个节点的时间信息，便于技术人员一目了然的得知哪个流程占用时间过多，从而方便技术人员针对性的调整判定机制和裁决判定机制。

S9、将裁判工作流程图推送给技术人员，获取改进优化的判定机制和裁决判定机制，并根据改进优化的判定机制和裁决判定机制训练优化虚拟裁判模型；再将事件信息导入到虚拟裁判模型进行事件的复盘。复盘仅是单个事件的复盘，事件中包含的信息较为详细，便于针对性的找到问题并解决，而且相对全局复盘，数据量小得多，处理效率更高，问题处理效果更佳。

S10、重复执行步骤S8和步骤S9，直至每个事件的判定时间小于设定时间阈值。

所述基于人工智能算法的虚拟裁判系统还包括以下模块：

调查统计模块：用于在游戏结束时，获取玩家在棋牌游戏中游玩体验调查统计数据，并根据游玩体验调查统计数据统计满意度分值。游玩体验调查统计数据让玩家填写预先设定的表格来获取。其中，表格包括对若干事件的裁决判定的满意度，满意度设有五档，分别为非常不满意、不满意、一般、满意和非常满意，每档满意度对应一定量的分数，最后统计总的满意度分值。

满意度计算模块：用于分析判断满意度分值是否达到设定分数阈值，若未达到，则获取步骤S4中的每个事件的事件信息，所述事件信息包括该事件对应的判定机制、判定时间、在判定时间内的棋牌展示数据和手部操作数据、获取得到棋牌展示数据和手部操作数据的第一时间节点信息、虚拟裁判根据判定机制和棋牌游戏规则对棋牌展示数据和手部操作数据进行裁决判定的裁决流程信息，以及裁决流程信息中各个流程节点的第二时间节点信息；

事件分析模块：用于分析判断每个事件的判定时间是否超过设定时间阈值，若超过，则根据判定时间内的棋牌展示数据和手部操作数据、第一时间节点信息、虚拟裁判的裁决流程信息，以及裁决流程信息中各个流程节点的第二时间节点信息构建裁判工作流程图。

事件优化模块：用于将裁判工作流程图推送给技术人员，获取改进优化的判定机制和裁决判定机制，并根据改进优化的判定机制和裁决判定机制训练优化虚拟裁判模型；再将事件信息导入到虚拟裁判模型进行事件的复盘。

训练优化模块：用于重复执行事件分析模块和事件优化模块，直至每个事件的判定时间小于设定时间阈值。

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。