一種近正向俯視監(jiān)控視頻行人跟蹤計數(shù)方法和裝置制造方法
【專利摘要】本發(fā)明公開了一種近正向俯視監(jiān)控視頻行人跟蹤計數(shù)方法和裝置，其中，所述方法包括：獲取當(dāng)前監(jiān)控場景下的視頻圖像；將獲取的視頻圖像與背景圖像進(jìn)行比較，當(dāng)判定所述視頻圖像為前景圖像時，對前景圖像中的各團(tuán)塊進(jìn)行分割以及組合，得到代表單個行人的目標(biāo)團(tuán)塊；根據(jù)檢測區(qū)內(nèi)各目標(biāo)團(tuán)塊的質(zhì)心坐標(biāo)，進(jìn)行跟蹤、計數(shù)，得到當(dāng)前監(jiān)控場景下的行人數(shù)量，本發(fā)明能夠提高計數(shù)結(jié)果的準(zhǔn)確率。
【專利說明】一種近正向俯視監(jiān)控視頻行人跟蹤計數(shù)方法和裝置
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及智能視頻監(jiān)控技術(shù)，尤其涉及一種近正向俯視監(jiān)控視頻行人跟蹤計數(shù)方法和裝置。
【背景技術(shù)】
[0002]目前，智能視頻監(jiān)控在多個領(lǐng)域得到了廣泛應(yīng)用，其中，近正向俯視監(jiān)控視頻行人跟蹤計數(shù)是智能視頻監(jiān)控的一個典型應(yīng)用。
[0003]但是，現(xiàn)有的近正向俯視監(jiān)控視頻行人跟蹤計數(shù)技術(shù)，只能對行人分離的情況進(jìn)行準(zhǔn)確計數(shù)，不能對多個行人粘連的情況進(jìn)行準(zhǔn)確計數(shù)。由于地鐵、商場等場所人流密集，多個行人粘連的情況時常出現(xiàn)，采用現(xiàn)有的近正向俯視監(jiān)控視頻行人跟蹤計數(shù)技術(shù)獲得的計數(shù)結(jié)果準(zhǔn)確率很低，無法起到應(yīng)有的作用。

【發(fā)明內(nèi)容】

[0004]有鑒于此，本發(fā)明的主要目的在于提供一種近正向俯視監(jiān)控視頻行人跟蹤計數(shù)方法和裝置，能夠提高計數(shù)結(jié)果的準(zhǔn)確率。
[0005]為達(dá)到上述目的，本發(fā)明的技術(shù)方案是這樣實現(xiàn)的:
[0006]本發(fā)明提供了一種近正向俯視監(jiān)控視頻行人跟蹤計數(shù)方法，所述方法包括:
[0007]獲取當(dāng)前監(jiān)控場景下的視頻圖像；
[0008]將獲取的視頻圖 像與背景圖像進(jìn)行比較，當(dāng)判定所述視頻圖像為前景圖像時，對前景圖像中的各團(tuán)塊進(jìn)行分割以及組合，得到代表單個行人的目標(biāo)團(tuán)塊；
[0009]根據(jù)檢測區(qū)內(nèi)各目標(biāo)團(tuán)塊的質(zhì)心坐標(biāo)，進(jìn)行跟蹤、計數(shù)，得到當(dāng)前監(jiān)控場景下的行人數(shù)量。
[0010]較佳地，所述對前景圖像中的各團(tuán)塊進(jìn)行分割，為，
[0011 ] 對團(tuán)塊外接矩形寬度超過單人寬度閾值Tw兩倍的團(tuán)塊，根據(jù)Tw進(jìn)行等寬分割；
[0012]對團(tuán)塊外接矩形高度超過單人高度閾值Th兩倍的團(tuán)塊，根據(jù)Th進(jìn)行等高分割；
[0013]刪除分割后得到的面積小于設(shè)定閾值的團(tuán)塊。
[0014]較佳地，所述對前景圖像中的各團(tuán)塊進(jìn)行組合，為，
[0015]將質(zhì)心橫向距離不超過Tw、縱向距離不超過Th的兩個團(tuán)塊進(jìn)行組合；
[0016]分別將組合得到的各團(tuán)塊外接矩形的寬度除以！?取整得到Nw，將外接矩形的高度除以Th取整得到Nh;
[0017]分別判斷各組合團(tuán)塊的Nw和Nh是否均小于2，當(dāng)大于2時，拆分所述組合團(tuán)塊；當(dāng)小于2時，保留所述組合團(tuán)塊；
[0018]重復(fù)上述三個步驟，直到各團(tuán)塊全部組合完成。
[0019]較佳地，所述判定所述視頻圖像為前景圖像之后，所述方法還包括:
[0020]根據(jù)當(dāng)前幀圖像，以不同的更新速率系數(shù)更新背景圖像和背景振幅。
[0021 ] 較佳地，所述進(jìn)行跟蹤，為，[0022]采用最近鄰匹配算法對檢測區(qū)內(nèi)各目標(biāo)團(tuán)塊進(jìn)行跟蹤，所述最近鄰匹配算法采用的代價函數(shù)為歐氏距離。
[0023]本發(fā)明提供了一種近正向俯視監(jiān)控視頻行人跟蹤計數(shù)裝置，所述裝置包括:
[0024]視頻圖像獲取單元，用于獲取當(dāng)前監(jiān)控場景下的視頻圖像；
[0025]目標(biāo)團(tuán)塊獲取單元，用于將獲取的視頻圖像與背景圖像進(jìn)行比較，當(dāng)判定所述視頻圖像為前景圖像時，對前景圖像中的各團(tuán)塊進(jìn)行分割以及組合，得到代表單個行人的目標(biāo)團(tuán)塊；
[0026]行人數(shù)量計算單元，用于根據(jù)檢測區(qū)內(nèi)各目標(biāo)團(tuán)塊的質(zhì)心坐標(biāo)，進(jìn)行跟蹤、計數(shù)，得到當(dāng)前監(jiān)控場景下的行人數(shù)量。
[0027]較佳地，所述目標(biāo)團(tuán)塊獲取單元，具體用于對團(tuán)塊外接矩形寬度超過單人寬度閾值Tw兩倍的團(tuán)塊，根據(jù)Tw進(jìn)行等寬分割；
[0028]對團(tuán)塊外接矩形高度超過單人高度閾值Th兩倍的團(tuán)塊，根據(jù)Th進(jìn)行等高分割；
[0029]刪除分割后得到的面積小于設(shè)定閾值的團(tuán)塊。
[0030]較佳地，所述目標(biāo)團(tuán)塊獲取單元，還具體用于將質(zhì)心橫向距離不超過Tw、縱向距離不超過Th的兩個團(tuán)塊進(jìn)行組合；
[0031]分別將組合得到的各團(tuán)塊的外接矩形的寬度除以！?取整得到Nw，將外接矩形的高度除以Th取整得到Nh;
[0032]分別判斷各組合團(tuán)塊的Nw和Nh是否均小于2，當(dāng)大于2時，拆分所述組合團(tuán)塊；當(dāng)小于2時，保留所述組合團(tuán)塊；`
[0033]重復(fù)上述三個步驟，直到各團(tuán)塊全部組合完成。
[0034]較佳地,所述裝置還包括:
[0035]更新單元，用于根據(jù)當(dāng)前幀圖像，以不同的更新速率系數(shù)更新背景圖像和背景振幅。
[0036]較佳地，所述行人數(shù)量計算單元，具體用于采用最近鄰匹配算法對檢測區(qū)內(nèi)各目標(biāo)團(tuán)塊進(jìn)行跟蹤，所述最近鄰匹配算法采用的代價函數(shù)為歐氏距離。
[0037]由上可知，本發(fā)明的技術(shù)方案包括:獲取當(dāng)前監(jiān)控場景下的視頻圖像；將獲取的視頻圖像與背景圖像進(jìn)行比較，當(dāng)判定所述視頻圖像為前景圖像時，對前景圖像中的各團(tuán)塊進(jìn)行分割以及組合，得到代表單個行人的目標(biāo)團(tuán)塊；根據(jù)檢測區(qū)內(nèi)各目標(biāo)團(tuán)塊的質(zhì)心坐標(biāo)，進(jìn)行跟蹤、計數(shù)，得到當(dāng)前監(jiān)控場景下的行人數(shù)量；由此，根據(jù)對代表單個行人的目標(biāo)團(tuán)塊的跟蹤、計數(shù)，能夠提高計數(shù)結(jié)果的準(zhǔn)確率。
【專利附圖】

【附圖說明】
[0038]圖1為本發(fā)明提供的一種近正向俯視監(jiān)控視頻行人跟蹤計數(shù)方法的第一實施例的實現(xiàn)流程圖；
[0039]圖2為本發(fā)明提供的一種近正向俯視監(jiān)控視頻行人跟蹤計數(shù)裝置的實施例的結(jié)構(gòu)示意圖；
[0040]圖3為本發(fā)明提供的一種近正向俯視監(jiān)控視頻行人跟蹤計數(shù)方法的第二實施例的實現(xiàn)流程圖；
[0041]圖4為檢測區(qū)示意圖；[0042]圖5為檢測區(qū)示意圖。
【具體實施方式】
[0043]本發(fā)明提供的一種近正向俯視監(jiān)控視頻行人跟蹤計數(shù)方法的第一實施例，如圖1所示，所述方法包括:
[0044]步驟101、獲取當(dāng)前監(jiān)控場景下的視頻圖像；
[0045]步驟102、將獲取的視頻圖像與背景圖像進(jìn)行比較，當(dāng)判定所述視頻圖像為前景圖像時，對前景圖像中的各團(tuán)塊進(jìn)行分割以及組合，得到代表單個行人的目標(biāo)團(tuán)塊；
[0046]步驟103、根據(jù)檢測區(qū)內(nèi)各目標(biāo)團(tuán)塊的質(zhì)心坐標(biāo)，進(jìn)行跟蹤、計數(shù)，得到當(dāng)前監(jiān)控場景下的行人數(shù)量。
[0047]優(yōu)選地，所述對前景圖像中的各團(tuán)塊進(jìn)行分割，為，
[0048]對團(tuán)塊外接矩形寬度超過單人寬度閾值Tw兩倍的團(tuán)塊，根據(jù)Tw進(jìn)行等寬分割；
[0049]對團(tuán)塊外接矩形高度超過單人高度閾值Th兩倍的團(tuán)塊，根據(jù)Th進(jìn)行等高分割；
[0050]刪除分割后得到的面積小于設(shè)定閾值的團(tuán)塊。
[0051]優(yōu)選地，所述對前景圖像中的各團(tuán)塊進(jìn)行組合，為，
[0052]將質(zhì)心橫向距離不超過Tw、縱向距離不超過Th的兩個團(tuán)塊進(jìn)行組合；
[0053]分別將組合得到的各團(tuán)塊的外接矩形的寬度除以！?取整得到Nw，將外接矩形的高度除以Th取整得到Nh;
[0054]分別判斷各組合團(tuán)塊的Nw和Nh是否均小于2，當(dāng)大于2時，拆分所述組合團(tuán)塊；當(dāng)小于2時，保留所述組合團(tuán)塊；
[0055]重復(fù)上述三個步驟，直到各團(tuán)塊全部組合完成。
[0056]優(yōu)選地，所述判定所述視頻圖像是前景圖像之后，所述方法還包括:
[0057]根據(jù)當(dāng)前幀圖像，以不同的更新速率系數(shù)更新背景圖像和背景振幅。
[0058]優(yōu)選地，所述進(jìn)行跟蹤，為，
[0059]采用最近鄰匹配算法對檢測區(qū)內(nèi)各目標(biāo)團(tuán)塊進(jìn)行跟蹤，所述最近鄰匹配算法采用的代價函數(shù)為歐氏距離。
[0060]本發(fā)明提供的一種近正向俯視監(jiān)控視頻行人跟蹤計數(shù)裝置，如圖2所示，所述裝置包括:
[0061]視頻圖像獲取單元，用于獲取當(dāng)前監(jiān)控場景下的視頻圖像；
[0062]目標(biāo)團(tuán)塊獲取單元，用于將獲取的視頻圖像與背景圖像進(jìn)行比較，當(dāng)判定所述視頻圖像為前景圖像時，對前景圖像中的各團(tuán)塊進(jìn)行分割以及組合，得到代表單個行人的目標(biāo)團(tuán)塊；
[0063]行人數(shù)量計算單元，用于根據(jù)檢測區(qū)內(nèi)各目標(biāo)團(tuán)塊的質(zhì)心坐標(biāo)，進(jìn)行跟蹤、計數(shù)，得到當(dāng)前監(jiān)控場景下的行人數(shù)量。
[0064]優(yōu)選地，目標(biāo)團(tuán)塊獲取單元，具體用于對團(tuán)塊外接矩形寬度超過單人寬度閾值Tw兩倍的團(tuán)塊，根據(jù)Tw進(jìn)行等寬分割；
[0065]對團(tuán)塊外接矩形高度超過單人高度閾值Th兩倍的團(tuán)塊，根據(jù)Th進(jìn)行等高分割；
[0066]刪除分割后得到的面積小于設(shè)定閾值的團(tuán)塊。
[0067]優(yōu)選地，目標(biāo)團(tuán)塊獲取單元，還具體用于將質(zhì)心橫向距離不超過Tw、縱向距離不超過Th的兩個團(tuán)塊進(jìn)行組合；
[0068]分別將組合得到的各團(tuán)塊的外接矩形的寬度除以！?取整得到Nw，將外接矩形的高度除以Th取整得到Nh;
[0069]分別判斷各組合團(tuán)塊的Nw和Nh是否均小于2，當(dāng)大于2時，拆分所述組合團(tuán)塊；當(dāng)小于2時，保留所述組合團(tuán)塊；
[0070]重復(fù)上述三個步驟，直到各團(tuán)塊全部組合完成。
[0071 ] 優(yōu)選地，所述裝置還包括:
[0072]更新單元，用于根據(jù)當(dāng)前幀圖像，以不同的更新速率系數(shù)更新背景圖像和背景振幅。
[0073]優(yōu)選地，所述行人數(shù)量計算單元，具體用于采用最近鄰匹配算法對檢測區(qū)內(nèi)各目標(biāo)團(tuán)塊進(jìn)行跟蹤，所述最近鄰匹配算法采用的代價函數(shù)為歐氏距離。
[0074]下面結(jié)合圖3對本發(fā)明提供的一種近正向俯視監(jiān)控視頻行人跟蹤計數(shù)方法的第二實施例進(jìn)行介紹。
[0075]步驟301、獲取當(dāng)前監(jiān)控場景下的視頻圖像；
[0076]步驟302、對獲取的視頻圖像進(jìn)行中值濾波處理。
[0077]具體的，選取3X3矩形滑動濾波窗口，對窗口內(nèi)的9個像素的信號幅值作大小排序，將該序列的中值輸出作為窗口中心像素的信號幅值。
[0078]步驟303、判斷是否存有背景圖像和背景振幅，當(dāng)不存有背景圖像和背景振幅時，進(jìn)入步驟304 ;當(dāng)存有背景圖像和背`景振幅時，進(jìn)入步驟305。
[0079]步驟304、根據(jù)中值濾波處理后的視頻圖像進(jìn)行背景建模，得到背景圖像和背景振幅;
[0080]具體的，對最初的M幀視頻圖像求取平均值，獲得平均圖像作為背景圖像；對N幀圖像與初始背景求取標(biāo)準(zhǔn)差，以其力倍值作為背景振幅。
[0081]步驟305、根據(jù)背景圖像和背景振幅，判決當(dāng)前幀圖像是背景圖像還是前景圖像；當(dāng)判定所述視頻圖像為前景圖像時，進(jìn)入步驟306 ;當(dāng)判定所述視頻圖像為背景圖像時，返回步驟301 ；
[0082]具體的，將輸入的視頻圖像與初始的背景圖像和初始的背景振幅進(jìn)行比較，若輸入的視頻圖像中像素的三通道信號幅值均在背景圖像對應(yīng)像素信號幅值的振幅范圍內(nèi)，則判定所述視頻圖像為背景圖像，若輸入的視頻圖像中像素的三通道信號幅值不均在背景圖像對應(yīng)像素信號幅值的振幅范圍內(nèi)，則判定所述視頻圖像為如景圖像。
[0083]步驟306、根據(jù)當(dāng)前幀圖像，更新背景圖像和背景振幅；
[0084]具體的，計算當(dāng)前幀圖像與背景圖像的標(biāo)準(zhǔn)差，求取當(dāng)前幀圖像的信號振幅；根據(jù)當(dāng)前幀圖像的前景和背景部分，以不同的更新速率系數(shù)更新背景圖像和背景振幅，更新采用滑動平均的方法，背景部分以較快速率更新，背景振幅以較慢速率更新；背景部分以較快速率更新是為了保持獲取正確的背景，適應(yīng)緩慢的背景變化；背景振幅以較慢速率更新是為了適應(yīng)新增背景物體等引起的背景突變。
[0085]步驟307、消除當(dāng)前幀前景圖像中的陰影；
[0086]具體的，將當(dāng)前幀圖像和背景圖像從RGB空間轉(zhuǎn)換到HSV空間，將色相和飽和度歸一化到0-1范圍，明度歸一化到0-255范圍。在HSV空間對當(dāng)前幀圖像的前景像素和背景圖像中的對應(yīng)像素進(jìn)行比較，如果像素的色相和飽和度差異小于預(yù)設(shè)的色相和飽和度閾值，且明度比小于預(yù)設(shè)的明度比閾值，則判定所述像素是陰影，將所述像素從前景圖像中剔除，得到修正的前景圖像。
[0087]步驟308、對修正的前景圖像中的各團(tuán)塊進(jìn)行分割以及組合，得到代表單個行人的目標(biāo)團(tuán)塊；
[0088]具體包括:步驟3081、根據(jù)公式(1)，對團(tuán)塊外接矩形寬度超過單人寬度閾值Tw兩倍的團(tuán)塊進(jìn)行等寬分割；
[0089]Nff = floor (ff/Tw)(1)
[0090]步驟3082、根據(jù)公式(2)，對團(tuán)塊外接矩形高度超過單人高度閾值Th兩倍的團(tuán)塊進(jìn)行等高分割；
[0091]Nh = floor (H/Th)(2)
[0092]上述公式中，W、H分別為團(tuán)塊外接矩形的寬度和高度，floor為取整運(yùn)算；
[0093]步驟3083、刪除分割后得到的面積小于設(shè)定閾值的團(tuán)塊；
[0094]步驟3084、將質(zhì)心橫向距離不超過Tw、縱向距離不超過Th的兩個團(tuán)塊進(jìn)行組合；
[0095]步驟3085、分別將組合得到的各團(tuán)塊的外接矩形的寬度帶入公式(I)得到Nw，將外接矩形的高度帶入公式(2)得到Nh ；
[0096]步驟3086、分別判斷各組合團(tuán)塊的Nw和Nh是否均小于2，當(dāng)大于2時，拆分所述組合團(tuán)塊；當(dāng)小于2時，保留所述組合團(tuán)塊。
[0097]重復(fù)步驟3084至3086，直到各團(tuán)塊全部組合完成。
[0098]步驟309、根據(jù)檢測區(qū)內(nèi)各目標(biāo)團(tuán)塊的質(zhì)心坐標(biāo)，進(jìn)行跟蹤計數(shù)，得到當(dāng)前監(jiān)控場景下的行人數(shù)量；
[0099]具體的，采用最近鄰匹配算法對檢測區(qū)內(nèi)各目標(biāo)團(tuán)塊進(jìn)行跟蹤，所述最近鄰匹配算法采用的代價函數(shù)為歐氏距離:
[0100]
【權(quán)利要求】
1.一種近正向俯視監(jiān)控視頻行人跟蹤計數(shù)方法，其特征在于，所述方法包括: 獲取當(dāng)前監(jiān)控場景下的視頻圖像； 將獲取的視頻圖像與背景圖像進(jìn)行比較，當(dāng)判定所述視頻圖像為前景圖像時，對前景圖像中的各團(tuán)塊進(jìn)行分割以及組合，得到代表單個行人的目標(biāo)團(tuán)塊； 根據(jù)檢測區(qū)內(nèi)各目標(biāo)團(tuán)塊的質(zhì)心坐標(biāo)，進(jìn)行跟蹤、計數(shù)，得到當(dāng)前監(jiān)控場景下的行人數(shù)量。
2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述對前景圖像中的各團(tuán)塊進(jìn)行分割，為， 對團(tuán)塊外接矩形寬度超過單人寬度閾值Tw兩倍的團(tuán)塊，根據(jù)Tw進(jìn)行等寬分割； 對團(tuán)塊外接矩形高度超過單人高度閾值Th兩倍的團(tuán)塊，根據(jù)Th進(jìn)行等高分割； 刪除分割后得到的面積小于設(shè)定閾值的團(tuán)塊。
3.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述對前景圖像中的各團(tuán)塊進(jìn)行組合，為， 將質(zhì)心橫向距離不超過Tw、縱向距離不超過Th的兩個團(tuán)塊進(jìn)行組合； 分別將組合得到的各團(tuán)塊外接矩形的寬度除以Tw取整得到Nw，將外接矩形的高度除以Th取整得到Nh ；· 分別判斷各組合團(tuán)塊的Nw和Nh是否均小于2，當(dāng)大于2時，拆分所述組合團(tuán)塊；當(dāng)小于2時，保留所述組合團(tuán)塊； 重復(fù)上述三個步驟，直到各團(tuán)塊全部組合完成。
4.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述判定所述視頻圖像為前景圖像之后，所述方法還包括: 根據(jù)當(dāng)前幀圖像，以不同的更新速率系數(shù)更新背景圖像和背景振幅。
5.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述進(jìn)行跟蹤，為， 采用最近鄰匹配算法對檢測區(qū)內(nèi)各目標(biāo)團(tuán)塊進(jìn)行跟蹤，所述最近鄰匹配算法采用的代價函數(shù)為歐氏距離。
6.一種近正向俯視監(jiān)控視頻行人跟蹤計數(shù)裝置，其特征在于，所述裝置包括: 視頻圖像獲取單元，用于獲取當(dāng)前監(jiān)控場景下的視頻圖像； 目標(biāo)團(tuán)塊獲取單元，用于將獲取的視頻圖像與背景圖像進(jìn)行比較，當(dāng)判定所述視頻圖像為前景圖像時，對前景圖像中的各團(tuán)塊進(jìn)行分割以及組合，得到代表單個行人的目標(biāo)團(tuán)塊； 行人數(shù)量計算單元，用于根據(jù)檢測區(qū)內(nèi)各目標(biāo)團(tuán)塊的質(zhì)心坐標(biāo)，進(jìn)行跟蹤、計數(shù)，得到當(dāng)前監(jiān)控場景下的行人數(shù)量。
7.根據(jù)權(quán)利要求6所述的裝置，其特征在于，所述目標(biāo)團(tuán)塊獲取單元，具體用于對團(tuán)塊外接矩形寬度超過單人寬度閾值Tw兩倍的團(tuán)塊，根據(jù)Tw進(jìn)行等寬分割； 對團(tuán)塊外接矩形高度超過單人高度閾值Th兩倍的團(tuán)塊，根據(jù)Th進(jìn)行等高分割； 刪除分割后得到的面積小于設(shè)定閾值的團(tuán)塊。
8.根據(jù)權(quán)利要求6所述的裝置，其特征在于，所述目標(biāo)團(tuán)塊獲取單元，還具體用于將質(zhì)心橫向距離不超過Tw、縱向距離不超過Th的兩個團(tuán)塊進(jìn)行組合； 分別將組合得到的各團(tuán)塊的外接矩形的寬度除以Tw取整得到Nw，將外接矩形的高度除以Th取整得到Nh ； 分別判斷各組合團(tuán)塊的Nw和Nh是否均小于2，當(dāng)大于2時，拆分所述組合團(tuán)塊；當(dāng)小于2時，保留所述組合團(tuán)塊； 重復(fù)上述三個步驟，直到各團(tuán)塊全部組合完成。
9.根據(jù)權(quán)利要求6所述的裝置，其特征在于，所述裝置還包括: 更新單元，用于根據(jù)當(dāng)前幀圖像，以不同的更新速率系數(shù)更新背景圖像和背景振幅。
10.根據(jù)權(quán)利要求6所述的裝置，其特征在于，所述行人數(shù)量計算單元，具體用于采用最近鄰匹配算法對檢測區(qū)內(nèi)各目標(biāo)團(tuán)塊進(jìn)行跟蹤，所述最近鄰匹配算法采用的代價函數(shù)為歐氏距離?！?br> 【文檔編號】G06M11/00GK103854273SQ201210495491
【公開日】2014年6月11日 申請日期:2012年11月28日 優(yōu)先權(quán)日:2012年11月28日
【發(fā)明者】陸平, 盧建, 曾剛 申請人:中興通訊股份有限公司