專利名稱：一種基于云計算及海量視頻檢索的多視頻錄入裝置智能聯(lián)動的裝置和方法
技術領域：
本發(fā)明涉及基于云計算及海量視頻檢索技術，在多攝像機間跨攝像機進行目標跟 蹤的方法及裝置。
背景技術：
視頻監(jiān)控作為一種非常有效的安全控制手段，被廣泛應用于公共場所和重要設施 等的安保應用中。由于單個攝像機所能監(jiān)控的范圍有限，各種安保應用一般都需要在所關 注的場所架設大量攝像機。例如，各地的“平安城市”項目往往都要在一個城市的公共場所 架設數(shù)萬到數(shù)十萬個攝像機。如此大量的攝像機二十四小時不間斷地監(jiān)控，其獲得的數(shù)據(jù) 量遠遠超過了人力可處理的范圍。所以利用計算機進行智能監(jiān)控就是必然的選擇。然而， 現(xiàn)有智能監(jiān)控技術一般強調對動目標的實時分割、跟蹤和檢測特定簡單事件。由于各攝像 機觀測距離、角度以及色平衡、光照可能存在較大差異，現(xiàn)有實時分割、跟蹤技術在非重疊 攝像機之間跨攝像機跟蹤目標的精度很低，難以在實際應用中獲得滿意的效果。目前的監(jiān) 控系統(tǒng)仍然主要依靠人力解決跨攝像機跟蹤、回放等問題，但由于視頻監(jiān)控數(shù)據(jù)過于巨大， 且視頻監(jiān)控對人工智能的要求太高，所以，通過人工檢測或回放較復雜的事件非常困難。當 然，由于人力成本昂貴、反應速度低，傳統(tǒng)視頻安全監(jiān)控所設想的把所有事件、對象進行實 時檢測、跟蹤的做法將不具有可行性。

發(fā)明內(nèi)容
基于上述存在的現(xiàn)象，本發(fā)明所要解決的技術問題是提供一種人機結合的跟蹤方 法和裝置，利用海量視頻檢索技術，采取“人在循環(huán)中”的策略，用計算機輔助操作員的方式 解決跨視頻錄入裝置的精確跟蹤問題。為解決上述技術問題，本發(fā)明提供的技術方案是一種基于云計算及海量視頻檢索 的多視頻錄入裝置智能聯(lián)動的裝置，其包括視頻錄入裝置，其錄入所監(jiān)視到的視頻信息，并將所述視頻信息及所述視頻錄入 裝置所在的地理位置信息傳送給動目標分割裝置；動目標分割裝置，其在每幀視頻上分割出運動目標視頻信息，并將所述運動目標 視頻信息傳送給動目標跟蹤裝置；動目標跟蹤裝置，其進行幀間跟蹤，并將每個動目標在所述單個視頻錄入裝置中 的活動串聯(lián)起來，形成一個時空統(tǒng)一的運動目標視頻信息；同時并將所述運動目標視頻信 息傳送給OCR文字提取裝置提取所述動目標的文字信息；動目標特征分析提取裝置，其對所述運動目標視頻信息進行分析分類并對其進行 視覺特征提取；動目標存儲裝置，通過將上述每個動目標的類別、視覺特征和文字信息集成為該 運動目標的完整特征信息，經(jīng)高維索引裝置存儲到所述動目標存儲裝置中；
檢索裝置，其還包括異常事件檢測裝置，通過所述檢索裝置將各所述視頻錄入裝 置獲得的所述運動目標視頻信息關聯(lián)起來，根據(jù)所述異常事件檢測裝置檢測異常事件，并 將所述異常事件存儲到所述動目標存儲裝置中；可視化用戶操作界面，結合GIS地理信息和所述運動目標視頻信息，把可能的異 常事件可視化地顯示給操作員，并根據(jù)操作員的反饋，把各所述視頻錄入裝置所監(jiān)控到的 運動目標視頻信息串聯(lián)起來，提供跨所述視頻錄入裝置的跟蹤、回放功能。為解決上述技術問題，本發(fā)明還提供了一種基于云計算及海量視頻檢索的多視頻 錄入裝置智能聯(lián)動的的方法，其包括如下步驟a、錄入所監(jiān)視到的視頻信息及所述視頻所在的地理位置信息；b、在所錄入的每幀視頻上分割出運動目標視頻信息；C、針對分割出的所述運動目標視頻信息進行幀間跟蹤，并將每個運動目標在所述 單個視頻錄入裝置中的活動串聯(lián)起來，形成一個時空統(tǒng)一的運動目標視頻信息；同時并將 所述運動目標視頻信息傳送給OCR文字提取裝置提取所述運動目標的文字信息；d、對所述運動目標視頻信息進行分析分類并對其進行視覺特征提?。籩、通過將上述每個動目標的類別、提取的視覺特征和文字信息集成為該運動目標 的完整特征信息，經(jīng)高維索引裝置存儲到所述動目標存儲裝置中；f、將各所述視頻錄入裝置獲得的所述運動目標視頻信息關聯(lián)起來，根據(jù)所述異常 事件檢測裝置檢測異常事件，并將所述異常事件存儲到所述動目標存儲裝置中；g、結合GIS地理信息和所述運動目標視頻信息，把可能的異常事件可視化地顯示 給操作員，并根據(jù)操作員的反饋，把各所述視頻錄入裝置所監(jiān)控到的運動目標視頻信息串 聯(lián)起來，提供快速準確的跨所述視頻錄入裝置的跟蹤、回放功能。本發(fā)明基于云計算技術及海量視頻檢索技術，采取“人在循環(huán)中”的策略，用計算 機輔助操作員的方式解決跨視頻錄入裝置的精確跟蹤問題。本發(fā)明設計了特別的業(yè)務流 程，只要求計算機對單個視頻錄入裝置中的目標進行一定精度的跟蹤和記錄，允許計算機 跟蹤有一定的錯誤率，在需要的時候用操作員人工糾正系統(tǒng)的錯誤，計算機提供高效的跟 蹤輔助工具，從而最終達到高速、高精度的跨攝像機精確跟蹤。本發(fā)明讓計算機和人各自完 成自己擅長的工作，充分利用人和計算機各自的優(yōu)點來彌補對方的缺點，既解決了計算機 跟蹤精度低的問題，又解決了人信息處理速度慢、記憶能力弱和人工成本高昂的問題。


圖1本發(fā)明的整體裝置構成方框2本發(fā)明具體實施例的裝置結構流程3本發(fā)明人特征提取說明4本發(fā)明車特征提取說明5本發(fā)明其他特征提取說明6本發(fā)明可視化用戶操作界面示意圖
具體實施例方式現(xiàn)在舉一較佳實施例并結合附圖對本發(fā)明進 行具體闡述
本發(fā)明基于云計算及海量視頻檢索的多視頻錄入裝置智能聯(lián)動的裝置，參看圖 1 視頻錄入裝置，其錄入所監(jiān)視到的視頻信息，并將視頻信息及視頻錄入裝置所在的地理位置信息傳送給動目標分割裝置；該視頻錄入裝置為攝像機；通過動目標分割裝置在每幀視頻上分割出運動目標視頻信息，并將運動目標視頻 信息傳送給動目標跟蹤裝置；動目標跟蹤裝置，其進行幀間跟蹤，并將每個運動目標在單個視頻錄入裝置中的 活動串聯(lián)起來，形成一個時空統(tǒng)一的運動目標視頻信息；同時并將運動目標視頻信息傳送 給OCR文字提取裝置提取所述運動目標的文字信息；動目標特征分析提取裝置，其對所述運動目標視頻信息進行分析分類并對其進行 視覺特征提??；為了針對不同的動目標進行特征分析提取，將動目標特征分析提取裝置細 分為動目標粗分類裝置、人特征提取裝置、車特征提取裝置及其他特征提取裝置；其他特征 即為除了人和車以外的動目標特征；通過對動目標粗分類后再針對人、車及其其他特征進 行提?。粍幽繕舜鎯ρb置，通過將上述每個動目標的類別、視覺特征和文字信息集成為該 運動目標的完整特征信息，經(jīng)高維索引裝置存儲到所述動目標存儲裝置中；檢索裝置，其還包括異常事件檢測裝置，通過所述檢索裝置將各所述視頻錄入裝 置獲得的所述運動目標視頻信息關聯(lián)起來，根據(jù)所述異常事件檢測裝置檢測異常事件，并 將所述異常事件存儲到所述動目標存儲裝置中；可視化用戶操作界面，結合GIS地理信息和所述運動目標視頻信息，把可能的異 常事件可視化地顯示給操作員，并根據(jù)操作員的反饋，把各所述視頻錄入裝置所監(jiān)控到的 運動目標視頻信息串聯(lián)起來，提供跨所述視頻錄入裝置的跟蹤、回放功能。為了更好的進行說明，針對圖1所述的本發(fā)明裝置框圖再舉一實施例，對本發(fā)明 進行更詳細的闡述，參看圖2，視頻錄入裝置為攝像機D2，通過攝像機D2監(jiān)控區(qū)域內(nèi)所有動 目標的行動，并將所監(jiān)視到的動目標視頻信息以及攝像機所在位置的地理坐標Dl傳送給 動目標分割裝置Si，通過動目標分割裝置Sl在每幀視頻上分割出動目標，并將分割出的動 目標信息傳送給動目標跟蹤裝置S2進行幀間跟蹤，把每個動目標在單個攝像機中的活動 串聯(lián)起來，形成一個時空統(tǒng)一的動目標視頻數(shù)據(jù)信息；然后將動目標跟蹤裝置S2所跟蹤到的動目標視頻數(shù)據(jù)信息傳遞給目標粗分類裝 置S4,同時也將其傳送給OCR文字提取裝置S3提取文字信息，由于很多物體上都可能出現(xiàn) 文字信息(如衣服、行李、車牌等)，而文字是非常有用的關聯(lián)、檢索和描述動目標的最好跟 蹤信息，而衣服、行李、車等安全監(jiān)控中最關注的動目標體上經(jīng)常會印有文字，如車牌號碼、 文字商標等。通過OCR文字提取技術把動目標視頻信息上的文字提取出來作為描述動目標 的特征之一可以極大地提高對動目標的標識能力；動目標粗分類裝置S4將所接收到的動目標視頻信息進行初步分類，將動目標分 類為人、車及其他三類動目標；在安全監(jiān)控中，最關注的人、車、行李等物體之間具有非常顯 著的特征和行為差異，利用相同類型的特征來描述和跟蹤所有這些物體顯然是低效的，為 了提高跟蹤效率及精確性，利用這幾類物體之間的顯著的差異性，通過利用機器學習技術 可以較為準確地把動目標視頻信息中的人、車及其他分類信息檢測出來，依據(jù)動目標視頻信息的初步特征進行分類，然后根據(jù)分類分別提取不同的類別特征將極大提供對動目標的 標識能力及跟蹤的高效性；為了更好的進行各類別特征提取，再分類后，分別設置有人特征 提取裝置、車特征提取裝置及其他特征提取裝置，分別提取各類別特征；其中人特征提取裝置S5提取人這一類別的人特征，參看圖3，由于人具有顯著的頭、軀 干和腿三部分，故首先根據(jù)動目標視頻信息D5通過身體部件分割S12把目標分割成頭D6、 軀干D7和腿D8三部分。而標識人的最好視覺特征是臉，所以把分割出的頭部數(shù)據(jù)送入人臉 特征提取裝置S13提取人臉特征，如果目標有較好的人臉信息，則把相應人臉及其特征提 取出來作為目標的特征。當然，在監(jiān)控視頻中往往看不到人臉，所以，還把頭D6、軀干D7和 腿D8各部分送入顏色特征提取裝置S14，分別提取其顏色直方圖來描述其顏色特征。這樣， 即使在視頻中看不到人臉，也可以用帽子或頭發(fā)、衣服和褲子的顏色，來濾除大多數(shù)不相關 的目標。通過人臉特征提取裝置S13和顏色特征提取裝置S14可大致提取能夠概括人體外 形的用于跟蹤識別的人臉特征及頭軀干腿的顏色特征；車特征提取裝置S6提取車特征，參看圖4，被分類為“機動車”的動目標由于除了 顏色的差別，其線條、結構等特征是其主要特征，而SIFT特征由于能夠較好地保留這些信 息，所以SIFT特征也被提取出來作為機動車類動目標的特征；根據(jù)動目標視頻信息D5進 行車顏色特征提取S14和SIFT特征提取S15，提取車類別的顏色特征和SIFT特征；由于車 的類型和型號也是標識機動車非常有用的信息，可以用于排除大量的不相關目標，當然，要 通過視頻監(jiān)控圖像識別出機動車的具體型號是非常困難的，所以本發(fā)明把機動車分類為客 車、貨車、轎車和集裝箱車四類，以提高對機動車的標識能力，通過將車特征提取裝置S6提 取車特征后再通過車細分類裝置S8對車進行細分類，通過車細分類裝置S8，可以快速有效 的提高跟蹤辨識效率；其他特征提取裝置S7提取其他類的特征，參看圖5，除人和機動車外，所有其它動 目標被作為同一類物體進行特征提取。在安全監(jiān)控應用中，該類物體主要是行李、手推車 等，所以，該類物體除了顏色、線條、結構等特征，其形狀信息也具有一定價值，所以本發(fā)明 對該類物體除了提取其顏色和SIFT特征外，還提取其形狀特征作為跟蹤特征；根據(jù)動目標 視頻信息D5對其他類別進行顏色特征提取S14、SIFT特征提取S15及形狀特征提取S16， 分別提取其他類別的顏色特征、SIFT特征及其形狀特征；通過將上述人、車、其他特征提取裝置提取到的動目標的類別、視覺特征信息及其 OCR文字提取裝置提取的動目標文字信息集成為該動目標的完整特征信息，經(jīng)高維索引裝 置S9存儲到動目標存儲裝置D3中；
檢索裝置S10，還包括一異常事件檢測裝置S11，其可以通過檢索裝置SlO把不同 攝像機獲得的動目標視頻信息關聯(lián)起來，隨時檢測可能的異常事件，并把檢測結果作為相 關動目標的附加屬性存儲到的動目標存儲裝置D3中；可視化用戶操作界面F1，結合GIS地理坐標信息和動目標信息，把可能的異常事 件可視化地顯示給操作員，并根據(jù)操作員的反饋，把不同攝像機所監(jiān)控到的動目標信息串 聯(lián)起來，提供快速準確的跨攝像機跟蹤、回放功能。由于各個攝像機曝光參數(shù)、安裝位置、光照環(huán)境等均有較大差異，以目前的人工智 能和計算機視覺技術要實現(xiàn)精確的全自動跨攝像機動目標跟蹤是非常困難的，而且計算量 巨大。有鑒于此，本發(fā)明并不試圖實現(xiàn)全自動的跨攝像機動目標跟蹤，而是采用操作員人工協(xié)助的半自動方式。本發(fā)明仔細設計工作流程，只在必要的時候讓操作員人工干預系統(tǒng)的 跟蹤過程，從而達到既不需要太多人工操作又可極大提高跟蹤精度的目的。其工作過程如 下 1)平時本發(fā)明裝置并不進行跨攝像機動目標跟蹤計算，而只在單個攝像機中對動 目標進行跟蹤，并收集所有動目標及其特征存儲于動目標存儲裝置中，建立良好的索引，以 便后續(xù)訪問；2)本發(fā)明的裝置提供豐富的檢索手段供操作員檢索所有動目標。操作員可根據(jù)目 標類型、顏色、其上的文字、人臉以及出現(xiàn)的時間、地點等信息對動目標進行綜合檢索。一般 來說，當有值得關注的事件發(fā)生時，時間、地點會在較為狹窄的范圍，甚至可以唯一確定攝 像機乃至動目標。如果返回結果不唯一，操作員可以通過查看更多的相關數(shù)據(jù)，發(fā)現(xiàn)需要跟 蹤的起始動目標。3) 一旦操作員確定了跟蹤的起始動目標，本發(fā)明的裝置將利用動目標存儲裝置中 存儲的動目標特征，包括其出現(xiàn)時間、地點等信息，在動目標存儲裝置中檢索前向、后向候 選動目標。4)本發(fā)明裝置在可視化用戶操作界面中央播放A起始動目標的視頻畫面，并在其 左面和右面分別排列后向B和前向C候選動目標的關鍵幀。排列位置依據(jù)其特征匹配程 度，與起始動目標越匹配的候選排在越中間的位置，如圖6所示，然后操作員根據(jù)需要選擇 一個跟蹤方向D，比如按照時間前向或后向，本發(fā)明裝置即開始按所選擇的方向播放相應視 頻。在播放過程中，如果操作員發(fā)現(xiàn)某個候選動目標是相匹配的，可直接點擊相應的關鍵 幀。于是，本發(fā)明裝置把正在播放的動目標的關鍵幀放到最底部，把操作員選擇的動目標放 到中央播放，再利用操作員選擇的動目標從動目標存儲裝置中檢索新的前向、后向候選動 目標列于兩邊。操作員繼續(xù)操作，即可選出連續(xù)的匹配動目標，完成整個跟蹤過程。一般來說，使用現(xiàn)有的相似性檢索技術，5-10個候選動目標在絕大多數(shù)情況下都 會包含匹配的動目標，而操作員從5-10個候選動目標中選擇一個正確的匹配是比較容易 的，通常只需查看關鍵幀即可唯一確定。以上工作流程充分結合了計算機和人的各自優(yōu)點， 可以快速實現(xiàn)精確的動目標跨攝像機跟蹤。而且，以上工作流程在平時不需要操作員的干 預，只有在確實需要跨攝像機跟蹤動目標的時候才需要操作員的參與，極大地降低了操作 強度和計算復雜度。另外，在使用本發(fā)明所提出的工作流程后，如果在單個攝像機中對某個動目標的 跟蹤存在間斷也不要緊，只要把間斷開的動目標作為不同的動目標加入動目標存儲裝置， 在跟蹤過程中，本發(fā)明裝置將通過特征匹配將其列在候選動目標中讓操作員選擇。所以，使 用本發(fā)明還可以降低對單個攝像機中動目標跟蹤精度的要求。在較為復雜的環(huán)境下，即使 單個攝像機中動目標跟蹤精度也不高。所以目前的動目標跟蹤技術難以獲得廣泛應用。使 用本發(fā)明后，由于精度要求降低，可以適應更多的應用環(huán)境。由于本發(fā)明需要將來自大量攝像機的海量動目標進行集中式索引、存儲和檢索， 其存儲量、計算量都非常巨大，所以常規(guī)單機處理的方式是無法實現(xiàn)的。本發(fā)明利用云計算 平臺來解決這個問題。本發(fā)明的云計算平臺包括高維索引裝置、動目標存儲裝置、異常事件 檢測裝置和檢索裝置等裝置，基于這個云計算平臺來實現(xiàn)大量存儲和計算。利用云平臺的 海量分布式存儲功能，動目標存儲裝置可以無須管理數(shù)據(jù)的一致性、可靠性、并發(fā)性、備份等底層問題，只需把動目標及其特征交給云計算平臺。高維索引裝置、異常事件檢測裝置和檢索裝置則可通過云計算接口直接讀取動目標特征，并利用云計算平臺接口并行處理所有 動目標數(shù)據(jù)。由于云計算平臺保證了數(shù)據(jù)讀寫、計算的高并發(fā)性，系統(tǒng)將自動獲得大規(guī)模并 行處理的能力，無須開發(fā)專門的并行存儲和計算裝置。
權利要求
一種基于云計算及海量視頻檢索的多視頻錄入裝置智能聯(lián)動的裝置，其包括視頻錄入裝置，其錄入所監(jiān)視到的視頻信息，并將所述視頻信息及所述視頻錄入裝置所在的地理位置信息傳送給動目標分割裝置；動目標分割裝置，其在每幀視頻上分割出運動目標視頻信息，并將所述運動目標視頻信息傳送給動目標跟蹤裝置；動目標跟蹤裝置，其進行幀間跟蹤，并將每個運動目標在所述單個視頻錄入裝置中的活動串聯(lián)起來，形成一個時空統(tǒng)一的運動目標視頻信息；同時并將所述運動目標視頻信息傳送給OCR文字提取裝置提取所述運動目標的文字信息；動目標特征分析提取裝置，其對所述運動目標視頻信息進行分析分類并對其進行視覺特征提?。粍幽繕舜鎯ρb置，通過將上述每個動目標的類別、視覺特征和文字信息集成為該運動目標的完整特征信息，經(jīng)高維索引裝置存儲到所述動目標存儲裝置中；檢索裝置，其還包括異常事件檢測裝置，通過所述檢索裝置將各所述視頻錄入裝置獲得的所述運動目標視頻信息關聯(lián)起來，根據(jù)所述異常事件檢測裝置檢測異常事件，并將所述異常事件存儲到所述動目標存儲裝置中；可視化用戶操作界面，結合GIS地理信息和所述運動目標視頻信息，把可能的異常事件可視化地顯示給操作員，并根據(jù)操作員的反饋，把各所述視頻錄入裝置所監(jiān)控到的運動目標視頻信息串聯(lián)起來，提供跨所述視頻錄入裝置的跟蹤、回放功能。
2.根據(jù)權利要求1所述的基于云計算及海量視頻檢索的多視頻錄入裝置智能聯(lián)動的 裝置，其特征在于所述動目標特征分析提取裝置包括動目標粗分類裝置、人特征提取裝置、 車特征提取裝置及其他特征提取裝置；通過將所述動目標粗分類裝置分類后的動目標視頻 信息傳送給所述人特征提取裝置、車特征提取裝置及其他特征提取裝置分別進行視頻特征 信息提取。
3.根據(jù)權利要求2所述的基于云計算及海量視頻檢索的多視頻錄入裝置智能聯(lián)動的 裝置，其特征在于所述車特征提取裝置中包括有車細分類裝置。
4.根據(jù)權利要求1至3任一所述的基于云計算及海量視頻檢索的多視頻錄入裝置智能 聯(lián)動的裝置，其特征在于所述視頻錄入裝置為攝像機。
5.一種基于云計算及海量視頻檢索的多視頻錄入裝置智能聯(lián)動的的方法，其包括如下 步驟a、錄入所監(jiān)視到的視頻信息及所述視頻所在的地理位置信息；b、在所錄入的每幀視頻上分割出運動目標視頻信息；C、針對分割出的所述運動目標視頻信息進行幀間跟蹤，并將每個運動目標在所述單個 視頻錄入裝置中的活動串聯(lián)起來，形成一個時空統(tǒng)一的運動目標視頻信息；同時并將所述 運動目標視頻信息傳送給OCR文字提取裝置提取所述運動目標的文字信息；d、對所述運動目標視頻信息進行分析分類并對其進行視覺特征提取；e、通過將上述每個動目標的類別、提取的視覺特征和文字信息集成為該運動目標的完 整特征信息，經(jīng)高維索引裝置存儲到所述動目標存儲裝置中；f、將各所述視頻錄入裝置獲得的所述運動目標視頻信息關聯(lián)起來，根據(jù)所述異常事件 檢測裝置檢測異常事件，并將所述異常事件存儲到所述動目標存儲裝置中；g、結合GIS地理信息和所述運動目標視頻信息，把可能的異常事件可視化地顯示給操 作員，并根據(jù)操作員的反饋，把各所述視頻錄入裝置所監(jiān)控到的運動目標視頻信息串聯(lián)起 來，提供快速準確的跨所述視頻錄入裝置的跟蹤、回放功能。
6.根據(jù)權利要求4所述的基于云計算及海量視頻檢索的多視頻錄入裝置智能聯(lián)動的 的方法，其特征在于所述第d步驟中視覺特征提取包括分別針對人特征、車特征以及其他 特征的特征提取。
7.根據(jù)權利要求5所述的基于云計算及海量視頻檢索的多視頻錄入裝置智能聯(lián)動的 的方法，其特征在于所述車特征提取為先根據(jù)分類進行車特征提取后再進行車細分類。
8.根據(jù)權利要求5至7任一所述的基于云計算及海量視頻檢索的多視頻錄入裝置智能 聯(lián)動的方法，其特征在于所述視頻錄入裝置為攝像機。
全文摘要
一種基于云計算及海量視頻檢索的多視頻錄入裝置智能聯(lián)動的裝置及方法，裝置包括視頻錄入裝置、動目標分割跟蹤裝置、OCR裝置、動目標特征提取裝置、動目標存儲裝置、檢索裝置及可視化用戶操作界面。通過錄入動目標視頻信息及所處地理信息，對動目標進行分割跟蹤，然后進行分類提取動目標特征并將其信息進行存儲，通過用戶檢索將異常事件信息顯示給用戶。采取“人在循環(huán)中”的策略，用計算機輔助操作員的方式解決跨視頻錄入裝置的精確跟蹤問題，又解決了人信息處理速度慢、記憶能力弱和人工成本高昂的問題。
文檔編號H04N5/14GK101848377SQ20101018317
公開日2010年9月29日 申請日期2010年5月26日 優(yōu)先權日2010年5月26日
發(fā)明者周群, 李仲男, 王亮, 王陽, 田維華, 羅迒哉, 諸建慶 申請人:蘇州安杰瑞電子科技發(fā)展有限公司