專利名稱：票據(jù)信息區(qū)域自動識別和提取方法及設(shè)備的制作方法
技術(shù)領(lǐng)域：
本發(fā)明涉及計(jì)算機(jī)圖像處理和信息識別領(lǐng)域，尤其是票據(jù)的信息區(qū)域的自動識別和提取技術(shù)。
背景技術(shù)：
現(xiàn)代社會的各種商業(yè)活動，特別是銀行業(yè)務(wù)，廣泛使用各種票據(jù)。例如，隨著現(xiàn)代社會的發(fā)展，人們越來越多地使用支票代替現(xiàn)金進(jìn)行消費(fèi)和結(jié)算。支票等票據(jù)的廣泛使用必然導(dǎo)致票據(jù)的存儲、管理以及票據(jù)信息的查找愈來愈麻煩。雖然目前在銀行等有關(guān)行業(yè)廣泛使用計(jì)算機(jī)來管理海量票據(jù)信息，但是向計(jì)算機(jī)系統(tǒng)人工輸入票據(jù)信息需耗費(fèi)大量的人力和時(shí)間。為此，有人提出了可以自動識別票據(jù)中的區(qū)域信息的票據(jù)自動識別技術(shù)，能夠從票據(jù)中自動提取有用信息，并按照一定的分類規(guī)則保存到數(shù)據(jù)庫中供用戶檢索查詢，從而減少用戶的工作量。然而，目前的票據(jù)自動識別技術(shù)存在以下問題:首先，票據(jù)格式多種多樣，沒有統(tǒng)一的識別格式，目前沒有快速有效的分類方式來識別票據(jù)的樣式；其次，票據(jù)大多由人用筆填寫，之后通過掃描等手段輸入計(jì)算機(jī)識別系統(tǒng)，其中的污損、殘缺、擺放不正等因素都會極大地影響系統(tǒng)的識別準(zhǔn)確率；第三，目前針對票據(jù)的識別方式都是通過版面分類的方式進(jìn)行預(yù)處理，這對于規(guī)規(guī)矩矩的掃描件是有效的，而對于票據(jù)形狀、掃描坐標(biāo)、旋轉(zhuǎn)、傾斜度等處理效率都不高。

發(fā)明內(nèi)容
為了克服現(xiàn)有技術(shù)存在的上述問題，本發(fā)明提供一種票據(jù)信息區(qū)域自動識別和提取技術(shù)，能夠以良好的準(zhǔn)確率和適應(yīng)性自動地識別和提取多類票據(jù)中的感興趣區(qū)域信息，從而節(jié)省票據(jù)處理的人力和時(shí)間。根據(jù)本發(fā)明的一種票據(jù)信息區(qū)域自動識別和提取方法包括以下步驟:票據(jù)圖像預(yù)處理，包括對票據(jù)圖像進(jìn)行去黑邊、去噪點(diǎn)、糾偏以及灰度化處理；利用預(yù)先通過信息區(qū)域訓(xùn)練自學(xué)習(xí)而構(gòu)建的信息區(qū)域特征數(shù)據(jù)庫，對經(jīng)過預(yù)處理的票據(jù)圖像進(jìn)行信息區(qū)域識別；邊界和底紋處理，包括對所識別的信息區(qū)域進(jìn)行重疊區(qū)域合并、去除底紋干擾、突出字符顏色以及二值化處理；字符區(qū)域增強(qiáng)處理，包括對經(jīng)過邊界和底紋處理的信息區(qū)域中的字符區(qū)域進(jìn)行字符區(qū)域分割和膨脹腐蝕處理；以及提取經(jīng)過字符區(qū)域增強(qiáng)處理的各個(gè)信息區(qū)域。根據(jù)本發(fā)明的一種票據(jù)信息區(qū)域自動識別和提取設(shè)備包括:票據(jù)圖像預(yù)處理裝置，用于對票據(jù)圖像進(jìn)行去黑邊、去噪點(diǎn)、糾偏以及灰度化處理；信息區(qū)域識別裝置，用于利用預(yù)先通過信息區(qū)域訓(xùn)練自學(xué)習(xí)而構(gòu)建的信息區(qū)域特征數(shù)據(jù)庫，對經(jīng)過票據(jù)圖像預(yù)處理裝置處理的票據(jù)圖像進(jìn)行信息區(qū)域識別；邊界和底紋處理裝置，用于對由信息區(qū)域識別裝置識別的信息區(qū)域進(jìn)行重疊區(qū)域合并、去除底紋干擾、突出字符顏色以及二值化處理；字符區(qū)域增強(qiáng)處理裝置，用于對經(jīng)過邊界和底紋處理裝置處理的信息區(qū)域中的字符區(qū)域進(jìn)行字符區(qū)域分割和膨脹腐蝕處理；以及信息區(qū)域提取裝置，用于提取經(jīng)過字符區(qū)域增強(qiáng)處理裝置處理的各個(gè)信息區(qū)域。本發(fā)明通過票據(jù)圖像預(yù)處理、邊界和底紋處理，能夠顯著地減小票據(jù)擺放不正、票據(jù)污損或殘缺等因素對票據(jù)自動識別的準(zhǔn)確率的影響。本發(fā)明利用通過訓(xùn)練自學(xué)習(xí)而構(gòu)建的信息區(qū)域特征數(shù)據(jù)庫來進(jìn)行票據(jù)信息區(qū)域識別，從而能夠適應(yīng)于多種票據(jù)格式，自動地識別和提取多類票據(jù)中的感興趣區(qū)域信息。此外，本發(fā)明通過字符區(qū)域增強(qiáng)處理，能夠顯著地提高后續(xù)的光學(xué)字符識別(OCR)的準(zhǔn)確率。


圖1是根據(jù)本發(fā)明的票據(jù)信息區(qū)域自動識別和提取方法的流程圖；圖2例示根據(jù)本發(fā)明的票據(jù)圖像預(yù)處理過程；圖3例示根據(jù)本發(fā)明的票據(jù)信息區(qū)域訓(xùn)練自學(xué)習(xí)過程；圖4例示根據(jù)本發(fā)明的票據(jù)信息區(qū)域識別過程；圖5例示根據(jù)本發(fā)明的邊界和底紋處理過程；圖6例示根據(jù)本發(fā)明的字符區(qū)域增強(qiáng)處理過程；以及圖7是根據(jù)本發(fā)明的票據(jù)信息區(qū)域自動識別和提取設(shè)備的框圖。
具體實(shí)施例方式如圖1所示，根據(jù)本發(fā)明的票據(jù)信息區(qū)域自動識別和提取方法包括以下步驟:票據(jù)圖像預(yù)處理、信息區(qū)域識別、邊界和底紋處理、字符區(qū)域增強(qiáng)處理、以及信息區(qū)域提取。如圖2所示，票據(jù)圖像預(yù)處理包括對例如從掃描儀等裝置輸入的票據(jù)圖像進(jìn)行去黑邊、去噪點(diǎn)、糾偏以及灰度化處理。例如，可以通過邊界連續(xù)黑值判斷，去除票據(jù)圖像中因?yàn)閽呙璩霈F(xiàn)的黑邊；可以對整幅票據(jù)圖像進(jìn)行中值濾波，其中區(qū)域大小設(shè)為3*3，以有效地去除掃描產(chǎn)生的噪點(diǎn)；可以通過Hough變換來檢測票據(jù)圖像中的長線段，統(tǒng)計(jì)相應(yīng)最大的兩個(gè)垂直方向，然后根據(jù)標(biāo)準(zhǔn)的矩形方向進(jìn)行旋轉(zhuǎn)，以實(shí)現(xiàn)對票據(jù)圖像的糾偏；最后對票據(jù)圖像進(jìn)行灰度化處理。在信息區(qū)域識別步驟中，利用信息區(qū)域特征數(shù)據(jù)庫對經(jīng)過預(yù)處理的票據(jù)圖像進(jìn)行信息區(qū)域識別，該信息區(qū)域特征數(shù)據(jù)庫是預(yù)先通過信息區(qū)域訓(xùn)練自學(xué)習(xí)而構(gòu)建的。在圖3所示的例子中，信息區(qū)域訓(xùn)練自學(xué)習(xí)是針對多種樣本票據(jù)圖像進(jìn)行的。優(yōu)選地，這些樣本票據(jù)圖像都經(jīng)過去黑邊、去噪點(diǎn)、糾偏以及灰度化等處理，以便達(dá)到最佳的訓(xùn)練效果。每種樣本票據(jù)圖像中的票據(jù)分割線的位置以及字符區(qū)域、印章區(qū)域等信息區(qū)域的位置和大小等是預(yù)先已知的。針對樣本票據(jù)圖像的信息區(qū)域訓(xùn)練自學(xué)習(xí)過程可以包括:對樣本票據(jù)圖像進(jìn)行AdaBoost算法和Haar算法訓(xùn)練，以獲取每個(gè)信息區(qū)域的級聯(lián)分類器特征值；使用Canny邊緣檢測算子和Hough變換算法來檢測票據(jù)分割線；采用尺度不變特征變換(SIFT)或快速魯棒特征(SURF)特征點(diǎn)算法來區(qū)分字符區(qū)域、印章區(qū)域等不同的信息區(qū)域。通過信息區(qū)域訓(xùn)練自學(xué)習(xí)而獲取的每種樣本票據(jù)圖像的不同信息區(qū)域的標(biāo)識符(ID)、名稱、功能描述、字符和底紋的顏色RGB值、SIFT/SURF特征向量、級聯(lián)分類器特征值、相對的票據(jù)分割線位置、相對的信息區(qū)域的位置和大小等信息區(qū)域特征被集中保存，構(gòu)成信息區(qū)域特征數(shù)據(jù)庫。
如圖4所示，利用信息區(qū)域特征數(shù)據(jù)庫進(jìn)行票據(jù)信息區(qū)域識別的過程可以包括:通過SIFT/SURF特征點(diǎn)算法獲得經(jīng)過預(yù)處理的票據(jù)圖像的SIFT/SURF特征向量，將其與所述信息區(qū)域特征數(shù)據(jù)庫中的SIFT/SURF特征向量進(jìn)行比對，以排查沒有任何待識別的信息區(qū)域的票據(jù)；利用所述信息區(qū)域特征數(shù)據(jù)庫中的級聯(lián)分類器特征值對該票據(jù)圖像進(jìn)行窗口搜索，找到匹配的信息區(qū)域；根據(jù)所述信息區(qū)域特征數(shù)據(jù)庫中的相對的票據(jù)分割線位置，判斷匹配的信息區(qū)域的合理性，以去掉不合理的匹配信息區(qū)域；從所述信息區(qū)域特征數(shù)據(jù)庫中獲取合理的匹配信息區(qū)域的區(qū)域信息。該區(qū)域信息可以包括區(qū)域ID、位置和大小等。如圖5所示，邊界和底紋處理包括對所識別的信息區(qū)域進(jìn)行重疊區(qū)域合并、去除底紋干擾、突出字符顏色以及二值化處理。例如，可以將所識別的信息區(qū)域中的重疊區(qū)域合并成連通域，通過水平投影、垂直投影、像素連續(xù)性檢測算法來獲取更精細(xì)的連續(xù)邊界；可以通過信息區(qū)域特征數(shù)據(jù)庫中的顏色RGB值對所識別的信息區(qū)域進(jìn)行顏色過濾，以去除底紋干擾；可以對所識別的信息區(qū)域中的字符相近顏色進(jìn)行加強(qiáng)處理，以突出字符顏色；可以通過動態(tài)閾值算法，對所識別的信息區(qū)域進(jìn)行二值化處理。如圖6所示，字符區(qū)域增強(qiáng)處理包括對經(jīng)過邊界和底紋處理的信息區(qū)域中的字符區(qū)域進(jìn)行字符區(qū)域分割和膨脹腐蝕處理。所述字符區(qū)域分割處理可以包括:對字符周邊有邊框的，去除該邊框；采用引入先驗(yàn)知識的基于連通域的層次化切分方法進(jìn)行普通字符分割。在這種層次化切分方法中，使用Canny邊緣檢測算子來檢測邊緣，并且采用基于行列投影的方法來遞歸分割粘連在一起的目標(biāo)，其中，初始的目標(biāo)是通過種子填充得到的每個(gè)運(yùn)動目標(biāo)，在每次迭代的過程中對當(dāng)前目標(biāo)進(jìn)行行列投影以找到一個(gè)最佳的切分位置，這個(gè)切分位置具有最小的投影值也即所花代價(jià)最小，在該最佳的切分位置將當(dāng)前目標(biāo)切分成兩部分，對這兩部分分別進(jìn)行遞歸迭代處理，直到?jīng)]有可切分的位置也即最小切分投影值大于預(yù)設(shè)的閾值。采用這種引入先驗(yàn)知識的基于連通域的層次化切分方法，可以更準(zhǔn)確地將字符分割開，且無需預(yù)先訓(xùn)練因而速度更快。在此基礎(chǔ)上，后續(xù)的OCR只需要處理單個(gè)字符的分類，而不必考慮詞組、整句
坐寸ο 所述膨脹腐蝕處理可以包括:根據(jù)信息區(qū)域特征數(shù)據(jù)庫中的字符的顏色RGB值，判斷字符區(qū)域中的主要像素顏色；通過膨脹和腐蝕算法，擴(kuò)展或者收縮有效字符區(qū)域，以排除不連續(xù)的像素點(diǎn)。這樣，能夠顯著地提高后續(xù)的OCR的準(zhǔn)確率。最后，經(jīng)過字符區(qū)域增強(qiáng)處理的各個(gè)信息區(qū)域被提取。此步驟可以包括:將所提取的各個(gè)信息區(qū)域分別存儲為二值化圖像；利用OCR對所提取的各個(gè)信息區(qū)域中的字符區(qū)域進(jìn)行字符識別以輸出文本。本發(fā)明的上述票據(jù)信息區(qū)域自動識別和提取方法中的一些具體處理操作可以采用Microsoft Visual Studio2010上的函數(shù)庫0penCV2中的相應(yīng)函數(shù)來實(shí)現(xiàn)。例如，上述的中值濾波可以采用0penCV2中的cv::medianBlur O函數(shù)來實(shí)現(xiàn)；上述的Hough變換可以采用0penCV2中的cv::HoughLines函數(shù)來實(shí)現(xiàn)；上述的邊緣檢測可以采用0penCV2中的cv:: Canny O函數(shù)來實(shí)現(xiàn)；上述的獲取連續(xù)邊界可以采用0penCV2中的cv:: findContours O 函數(shù)來實(shí)現(xiàn)。另一方面，本發(fā)明還提供一種能夠?qū)崿F(xiàn)上述票據(jù)信息區(qū)域自動識別和提取方法的設(shè)備。如圖7所示，這種票據(jù)信息區(qū)域自動識別和提取設(shè)備包括票據(jù)圖像預(yù)處理裝置、信息區(qū)域識別裝置、邊界和底紋處理裝置、字符區(qū)域增強(qiáng)處理裝置、以及信息區(qū)域提取裝置。票據(jù)圖像預(yù)處理裝置對票據(jù)圖像進(jìn)行去黑邊、去噪點(diǎn)、糾偏以及灰度化處理。信息區(qū)域識別裝置利用預(yù)先通過信息區(qū)域訓(xùn)練自學(xué)習(xí)而構(gòu)建的信息區(qū)域特征數(shù)據(jù)庫，對經(jīng)過票據(jù)圖像預(yù)處理裝置處理的票據(jù)圖像進(jìn)行信息區(qū)域識別。邊界和底紋處理裝置對由信息區(qū)域識別裝置識別的信息區(qū)域進(jìn)行重疊區(qū)域合并、去除底紋干擾、突出字符顏色以及二值化處理。字符區(qū)域增強(qiáng)處理裝置對經(jīng)過邊界和底紋處理裝置處理的信息區(qū)域中的字符區(qū)域進(jìn)行字符區(qū)域分割和膨脹腐蝕處理。信息區(qū)域提取裝置提取經(jīng)過字符區(qū)域增強(qiáng)處理裝置處理的各個(gè)信息區(qū)域。以上具體描述了本發(fā)明的一些實(shí)施例，這些實(shí)施例僅是示例性的而不是限制性的。
權(quán)利要求
1.一種票據(jù)信息區(qū)域自動識別和提取方法，包括以下步驟: 票據(jù)圖像預(yù)處理，包括對票據(jù)圖像進(jìn)行去黑邊、去噪點(diǎn)、糾偏以及灰度化處理； 利用預(yù)先通過信息區(qū)域訓(xùn)練自學(xué)習(xí)而構(gòu)建的信息區(qū)域特征數(shù)據(jù)庫，對經(jīng)過預(yù)處理的票據(jù)圖像進(jìn)行信息區(qū)域識別； 邊界和底紋處理，包括對所識別的信息區(qū)域進(jìn)行重疊區(qū)域合并、去除底紋干擾、突出字符顏色以及二值化處理； 字符區(qū)域增強(qiáng)處理，包括對經(jīng)過邊界和底紋處理的信息區(qū)域中的字符區(qū)域進(jìn)行字符區(qū)域分割和膨脹腐蝕處理；以及 提取經(jīng)過字符區(qū)域增強(qiáng)處理的各個(gè)信息區(qū)域。
2.根據(jù)權(quán)利要求1所述的票據(jù)信息區(qū)域自動識別和提取方法，其中，在所述票據(jù)圖像預(yù)處理步驟中:通過邊界連續(xù)黑值判斷，去除票據(jù)圖像中因?yàn)閽呙璩霈F(xiàn)的黑邊；對整幅票據(jù)圖像進(jìn)行區(qū)域大小為3*3的中值濾波，以去除掃描產(chǎn)生的噪點(diǎn)；通過Hough變換來檢測票據(jù)圖像中的長線段，統(tǒng)計(jì)相應(yīng)最大的兩個(gè)垂直方向，然后根據(jù)標(biāo)準(zhǔn)的矩形方向進(jìn)行旋轉(zhuǎn)，以實(shí)現(xiàn)對票據(jù)圖像的糾偏。
3.根據(jù)權(quán)利要求1所述的票據(jù)信息區(qū)域自動識別和提取方法，其中， 在所述信息區(qū)域訓(xùn)練自學(xué)習(xí)中:對樣本票據(jù)圖像進(jìn)行AdaBoost算法和Haar算法訓(xùn)練，以獲取每個(gè)信息區(qū)域的級聯(lián)分類器特征值；使用Canny邊緣檢測算子和Hough變換算法來檢測票據(jù)分割線；采用尺度不變特征變換SIFT或快速魯棒特征SURF特征點(diǎn)算法來區(qū)分不同的信息區(qū)域， 所構(gòu)建的信息區(qū)域特征數(shù)據(jù)庫包含樣本票據(jù)圖像的不同信息區(qū)域的標(biāo)識符、名稱、功能描述、字符和底紋的顏色RGB值、SIFT/S`URF特征向量、級聯(lián)分類器特征值、相對的票據(jù)分割線位置、相對的信息區(qū)域的位置和大小。
4.根據(jù)權(quán)利要求3所述的票據(jù)信息區(qū)域自動識別和提取方法，其中，在所述信息區(qū)域識別步驟中:通過SIFT/SURF特征點(diǎn)算法獲得經(jīng)過預(yù)處理的票據(jù)圖像的SIFT/SURF特征向量，將其與所述信息區(qū)域特征數(shù)據(jù)庫中的SIFT/SURF特征向量進(jìn)行比對，以排查沒有任何待識別的信息區(qū)域的票據(jù)；利用所述信息區(qū)域特征數(shù)據(jù)庫中的級聯(lián)分類器特征值對該票據(jù)圖像進(jìn)行窗口搜索，找到匹配的信息區(qū)域；根據(jù)所述信息區(qū)域特征數(shù)據(jù)庫中的相對的票據(jù)分割線位置，判斷匹配的信息區(qū)域的合理性，以去掉不合理的匹配信息區(qū)域；從所述信息區(qū)域特征數(shù)據(jù)庫中獲取合理的匹配信息區(qū)域的區(qū)域信息。
5.根據(jù)權(quán)利要求1所述的票據(jù)信息區(qū)域自動識別和提取方法，其中，在所述邊界和底紋處理步驟中:將所識別的信息區(qū)域中的重疊區(qū)域合并成連通域，通過水平投影、垂直投影、像素連續(xù)性檢測算法來獲取更精細(xì)的連續(xù)邊界；通過所述信息區(qū)域特征數(shù)據(jù)庫中的顏色RGB值對所識別的信息區(qū)域進(jìn)行顏色過濾，以去除底紋干擾；對所識別的信息區(qū)域中的字符相近顏色進(jìn)行加強(qiáng)處理，以突出字符顏色；通過動態(tài)閾值算法，對所識別的信息區(qū)域進(jìn)行二值化處理。
6.根據(jù)權(quán)利要求1所述的票據(jù)信息區(qū)域自動識別和提取方法，其中， 所述字符區(qū)域增強(qiáng)處理步驟中的字符區(qū)域分割處理包括:對字符周邊有邊框的，去除該邊框；采用引入先驗(yàn)知識的基于連通域的層次化切分方法進(jìn)行普通字符分割， 在所述引入先驗(yàn)知識的基于連通域的層次化切分方法中:使用Canny邊緣檢測算子來檢測邊緣；采用基于行列投影的方法來遞歸分割粘連在一起的目標(biāo)，其中，初始的目標(biāo)是通過種子填充得到的每個(gè)運(yùn)動目標(biāo)，在每次迭代的過程中對當(dāng)前目標(biāo)進(jìn)行行列投影以找到一個(gè)最佳的切分位置，這個(gè)切分位置具有最小的投影值也即所花代價(jià)最小，在該最佳的切分位置將當(dāng)前目標(biāo)切分成兩部分，對這兩部分分別進(jìn)行遞歸迭代處理，直到?jīng)]有可切分的位置也即最小切分投影值大于預(yù)設(shè)的閾值。
7.根據(jù)權(quán)利要求1所述的票據(jù)信息區(qū)域自動識別和提取方法，其中，所述字符區(qū)域增強(qiáng)處理步驟中的膨脹腐蝕處理包括:根據(jù)所述信息區(qū)域特征數(shù)據(jù)庫中的字符的顏色RGB值，判斷字符區(qū)域中的主要像素顏色；通過膨脹和腐蝕算法，擴(kuò)展或者收縮有效字符區(qū)域，以排除不連續(xù)的像素點(diǎn)。
8.根據(jù)權(quán)利要求1所述的票據(jù)信息區(qū)域自動識別和提取方法，其中，所述提取經(jīng)過字符區(qū)域增強(qiáng)處理的各個(gè)信息區(qū)域步驟包括:將所提取的各個(gè)信息區(qū)域分別存儲為二值化圖像；利用光學(xué)字符識別OCR對所提取的各個(gè)信息區(qū)域中的字符區(qū)域進(jìn)行字符識別以輸出文本。
9.一種票據(jù)信息區(qū)域自動識別和提取設(shè)備，包括: 票據(jù)圖像預(yù)處理裝置，用于對票據(jù)圖像進(jìn)行去黑邊、去噪點(diǎn)、糾偏以及灰度化處理；信息區(qū)域識別裝置，用于利用預(yù)先通過信息區(qū)域訓(xùn)練自學(xué)習(xí)而構(gòu)建的信息區(qū)域特征數(shù)據(jù)庫，對經(jīng)過票據(jù)圖像預(yù)處理裝置處理的票據(jù)圖像進(jìn)行信息區(qū)域識別； 邊界和底紋處理裝置，用于對由信息區(qū)域識別裝置識別的信息區(qū)域進(jìn)行重疊區(qū)域合并、去除底紋干擾、突出字符顏色以及二值化處理； 字符區(qū)域增強(qiáng)處理裝置，用于對經(jīng)過邊界和底紋處理裝置處理的信息區(qū)域中的字符區(qū)域進(jìn)行字符區(qū)域分割和膨 脹腐蝕處理；以及 信息區(qū)域提取裝置，用于提取經(jīng)過字符區(qū)域增強(qiáng)處理裝置處理的各個(gè)信息區(qū)域。
全文摘要
本發(fā)明提供票據(jù)信息區(qū)域自動識別和提取方法及設(shè)備，涉及計(jì)算機(jī)圖像處理和信息識別領(lǐng)域。本發(fā)明通過票據(jù)圖像預(yù)處理、利用預(yù)先通過信息區(qū)域訓(xùn)練自學(xué)習(xí)而構(gòu)建的信息區(qū)域特征數(shù)據(jù)庫進(jìn)行信息區(qū)域識別、邊界和底紋處理、字符區(qū)域增強(qiáng)處理、信息區(qū)域提取等處理，能夠以良好的準(zhǔn)確率和適應(yīng)性自動地識別和提取多類票據(jù)中的感興趣區(qū)域信息，從而節(jié)省票據(jù)處理的人力和時(shí)間。
文檔編號G06K9/54GK103208004SQ20131008232
公開日2013年7月17日 申請日期2013年3月15日 優(yōu)先權(quán)日2013年3月15日
發(fā)明者譚宜勇, 張屹, 吳玉峰, 鄭邦東 申請人:北京英邁杰科技有限公司