CN104253981A - 一种用于视频侦查的运动目标按颜色排序的方法 - Google Patents
一种用于视频侦查的运动目标按颜色排序的方法 Download PDFInfo
- Publication number
- CN104253981A CN104253981A CN201410510492.9A CN201410510492A CN104253981A CN 104253981 A CN104253981 A CN 104253981A CN 201410510492 A CN201410510492 A CN 201410510492A CN 104253981 A CN104253981 A CN 104253981A
- Authority
- CN
- China
- Prior art keywords
- color
- similarity factor
- value
- target photo
- target
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Landscapes
- Image Analysis (AREA)
Abstract
本发明适用于智能视频监控领域,提供了一种用于视频侦查的运动目标按颜色排序的方法,包括:步骤1,输入进行颜色排序的颜色标准,根据所述颜色标准的数据信息生成包含多个颜色分量的颜色向量;步骤2,将目标图片划分为n×n个小块区域的颜色块,计算每个颜色块的颜色向量;步骤3,采用余弦相关性算法分别计算各个颜色块与颜色标准的颜色向量的相似系数;步骤4,将相似系数分为不同等级并分别统计各个相似系数等级内的颜色块个数;步骤5,根据各个目标图片的各个相似系数等级内的颜色块个数对目标图片排序,通过将具有某种颜色特征的目标的目标检索出来并按相似度排序,帮助刑侦人员快速发现可疑目标,缩短查询时间。
Description
技术领域
本发明属于智能视频监控领域,尤其涉及一种用于视频侦查的运动目标按颜色排序的方法。
背景技术
随着科技的发展,智能视频监控***在公安刑侦业务中广泛引用,通过视频录像记录行人及车辆行为,从视频中发现和追踪嫌疑目标已成为刑侦技术不可缺少的部分。视频侦查的实质就是通过监控视频寻找线索,从而发现可疑目标。
然而海量的监控视频给刑侦人员查找目标带来不便,耗费大量的人力物力。名称为“一种基于视频检索摘要而获取车辆特征的视频侦查技术”(申请号201210481140.6)和“用于视频侦查的快速视频检索***和方法”(申请号201310076070.0)的发明专利申请公开的技术方案中,均通过获取运动目标的目标特征信息,根据该信息进行排序查找,但是均没有给出该目标特征信息的获取方法和内容,实际应用中,缺少明确的排序规则和依据。
发明内容
本发明实施例的目的在于提供一种用于视频侦查的运动目标按颜色排序的方法,以解决现有技术视频侦查进行运动目标排序缺少明确的规则和依据的问题。
本发明实施例是这样实现的,一种用于视频侦查的运动目标按颜色排序的方法,所述方法包括以下步骤:
步骤1,输入进行颜色排序的颜色标准,根据所述颜色标准的数据信息生成包含多个颜色分量的颜色向量;
步骤2,将目标图片划分为n×n个小块区域的颜色块,计算每个所述颜色块的颜色向量;
所述目标图片为通过运动目标检测得到的目标区域;
步骤3,采用余弦相关性算法分别计算各个所述颜色块与所述颜色标准的颜色向量的相似系数;
步骤4,将所述相似系数分为不同等级并分别统计各个相似系数等级内的所述颜色块的个数;
步骤5,根据各个所述目标图片的各个相似系数等级内的所述颜色块个数对所述目标图片排序。
本发明实施例提供的一种用于视频侦查的运动目标按颜色排序的方法的有益效果包括:
本发明实施例提供的一种用于视频侦查的运动目标按颜色排序的方法,基于像素级进行多级相似度排序,能够准确的对目标区域按照与颜色标准的相似程度、相似区域大小从前到后排列,并且颜色标准没有限制,按照需求设定,帮助刑侦人员快速发现可疑目标,缩短查询时间。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1是本发明提供的用于视频侦查的运动目标按颜色排序的方法的流程图;
图2是本发明实施例提供的统计各个相似系数等级内的颜色块个数的方法流程图;
图3是本发明实施例提供的对目标图片排序的方法的流程图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
为了说明本发明所述的技术方案,下面通过具体实施例来进行说明。
如图1所示为本发明提供的用于视频侦查的运动目标按颜色排序的方法的流程图,所述方法包括以下步骤:
步骤1,输入进行颜色排序的颜色标准,根据颜色标准的数据信息生成包含多个颜色分量的颜色向量。
步骤2,将目标图片划分为n×n个小块区域的颜色块,计算每个颜色块的颜色向量。
该目标图片为通过运动目标检测得到的目标区域。
步骤3,采用余弦相关性算法分别计算各个颜色块与颜色标准的颜色向量的相似系数。
步骤4,将相似系数分为不同等级并分别统计各个相似系数等级内的颜色块个数。
步骤5,根据各个目标图片的各个相似系数等级内的颜色块个数对各个目标图片排序。
本发明实施例提供的一种用于视频侦查的运动目标按颜色排序的方法,基于像素级进行多级目标图片与颜色标准的相似度排序,帮助刑侦人员快速发现可疑目标,缩短查询时间。
实施例一
本发明提供的用于视频侦查的运动目标按颜色排序的方法的实施例中,步骤1和步骤2中得到的颜色标准和颜色块的颜色向量为对颜色进行特征描述的过程,得到颜色向量之前还包括:将颜色标准或颜色块的数据由RGB空间转到HSV空间。
包含的颜色分量是对颜色进行划分得出的,颜色分量的数量可以为9个,分别为:黑、白、红、橙、黄、绿、青、蓝和紫。
如图2所示为本发明实施例提供的统计各个相似系数等级内的颜色块个数的方法流程图,由图2可知,步骤4包括:
步骤401,将相似系数的总区间范围设定为[0.5,1),将该总区间范围从小到大划分为m个间隔相等的相似系数等级区间,m=2,3,4......,每个相似系数等级区间包含其最小值不包含其最大值。
例如每个相似系数等级区间的最大值和最小值的差为0.05,此时m=10,各个相似系数等级区间分别为:[0.5,0.55),[0.55,0.6),[0.6,0.65),[0.65,0.7),[0.7,0.75),[0.75,0.8),[0.8,0.85),[0.85,0.9),[0.9,0.95),[0.95,1)。
步骤402,依次判断目标图片的各个颜色块的相似系数落入的相似系数等级区间,得到各个相似系数等级区间落入的颜色块的个数的数组C1={x1,x2......xm}。
数组C1包含的各个数x1,x2......xm为自然数,x1+x2......+xm的值为目标图片划分的颜色块的个数n2。
如图3所示为本发明实施例提供的对目标图片排序的方法的流程图,由图3可知,该方法包括:
步骤501,对数组C1进行归一化操作得到数组C2={y1,y2......ym}。
y1,y2......ym的范围是[0,1],y1+y2......+ym的值为1。
步骤502,计算目标图片的面积S,将数组C1里各个数值分别除以该面积S得到数组P={p1,p2......,pm},
步骤503,将数组C2和P里各个数值的值设置为不大于该数值对应的相似系数等级区间的对应的数值的和,得到数组C2'和P',C2'={y1',y2'......ym'},ym'=y1+y2......+ym,P'={p1',p2'......,pm'},pm'=p1+p2......+pm。
步骤504,设定相似系数等级区间包含的数值的阈值,依次判断目标图片的y1',y2'......ym'是否大于该阈值,有任意的yi大于该阈值时即停止当前目标图片的判断过程,i∈[1,m]。
步骤505,判断得到目标图片的yi大于上述阈值时,根据各个目标图片的i值的大小进行排序,i值越大排序越靠前,当两个或两个以上的目标图片i值相同时,根据其对应相似系数等级区间级别的pi'的值的大小进行排序,pi'的值越大排序越靠前。
步骤505中的两次判断过程使目标图片按照与颜色标准的相似程度、相似区域大小从前到后排列。判断完成之后还可以进行人工微调,将满足该颜色标准的面积较大的目标图片位置向前排。
本领域普通技术人员还可以理解,实现上述实施例方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成,所述的程序可以存储于一计算机可读取存储介质中,所述的存储介质,包括ROM/RAM、磁盘、光盘等。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (6)
1.一种用于视频侦查的运动目标按颜色排序的方法,其特征在于,所述方法包括:
步骤1,输入进行颜色排序的颜色标准,根据所述颜色标准的数据信息生成包含多个颜色分量的颜色向量;
步骤2,将目标图片划分为n×n个小块区域的颜色块,计算每个所述颜色块的颜色向量;
所述目标图片为通过运动目标检测得到的目标区域;
步骤3,采用余弦相关性算法分别计算各个所述颜色块与所述颜色标准的颜色向量的相似系数;
步骤4,将所述相似系数分为不同等级并分别统计各个相似系数等级内的所述颜色块的个数;
步骤5,根据各个所述目标图片的各个相似系数等级内的所述颜色块个数对所述各个目标图片排序。
2.如权利要求1所述的方法,其特征在于,所述步骤1和步骤2中得到所述颜色向量之前还包括:将所述颜色标准或所述颜色块的数据由RGB空间转到HSV空间。
3.如权利要求1所述的方法,其特征在于,所述颜色向量包含的所述颜色分量是对颜色进行划分得出的,所述颜色分量的数量为9个,分别为:黑、白、红、橙、黄、绿、青、蓝和紫。
4.如权利要求1所述的方法,其特征在于,所述步骤4包括:
步骤401,将所述相似系数的总区间范围设定为[0.5,1),将所述总区间范围从小到大划分为m个间隔相等的相似系数等级区间,m=2,3,4......,每个相似系数等级区间包含其最小值不包含其最大值;
步骤402,依次判断所述目标图片的各个颜色块的相似系数落入的相似系数等级区间,得到各个所述相似系数等级区间落入的所述颜色块的个数的数组C1={x1,x2......xm}。
5.如权利要求4所述的方法,其特征在于,每个所述相似系数等级区间的最大值和最小值的差为0.05,m=10,各个所述相似系数等级区间分别为:[0.5,0.55),[0.55,0.6),[0.6,0.65),[0.65,0.7),[0.7,0.75),[0.75,0.8),[0.8,0.85),[0.85,0.9),[0.9,0.95),[0.95,1)。
6.如权利要求4所述的方法,其特征在于,所述步骤5包括:
步骤501,对所述数组C1进行归一化操作得到数组C2={y1,y2......ym};
步骤502,计算目标图片的面积S,将所述数组C1里各个数值分别除以所述面积S得到数组P={p1,p2......,pm},
步骤503,将数组C2和P里各个数值的值设置为不大于所述数值对应的相似系数等级区间的对应的数值的和,得到数组C2'和P',C2'={y1',y2'......ym'},ym'=y1+y2......ym,P'={p1',p2'......,pm'},pm'=p1+p2......pm;
步骤504,设定所述相似系数等级区间包含的数值的阈值,依次判断所述目标图片的y1',y2'......ym'是否大于所述阈值,有任意的yi'大于所述阈值时即停止当前目标图片的判断过程,i∈[1,m];
步骤505,判断得到目标图片的yi'大于所述阈值时,根据各个目标图片的i值的大小进行排序,i值越大排序越靠前,当两个或两个以上的目标图片i值相同时,根据其对应相似系数等级区间级别的pi'的值的大小进行排序,pi'的值越大排序越靠前。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410510492.9A CN104253981B (zh) | 2014-09-28 | 2014-09-28 | 一种用于视频侦查的运动目标按颜色排序的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410510492.9A CN104253981B (zh) | 2014-09-28 | 2014-09-28 | 一种用于视频侦查的运动目标按颜色排序的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104253981A true CN104253981A (zh) | 2014-12-31 |
CN104253981B CN104253981B (zh) | 2017-11-28 |
Family
ID=52188465
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410510492.9A Active CN104253981B (zh) | 2014-09-28 | 2014-09-28 | 一种用于视频侦查的运动目标按颜色排序的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104253981B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105488150A (zh) * | 2015-11-26 | 2016-04-13 | 小米科技有限责任公司 | 图像显示方法及装置 |
CN108536753A (zh) * | 2018-03-13 | 2018-09-14 | 腾讯科技(深圳)有限公司 | 重复信息的确定方法及相关装置 |
CN110119454A (zh) * | 2019-05-05 | 2019-08-13 | 重庆科芮智能科技有限公司 | 证据管理方法及装置 |
CN111565300A (zh) * | 2020-05-22 | 2020-08-21 | 深圳市百川安防科技有限公司 | 基于对象的视频文件处理方法、设备及*** |
CN111586363A (zh) * | 2020-05-22 | 2020-08-25 | 深圳市百川安防科技有限公司 | 基于对象的视频文件查看方法及*** |
Citations (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101030847A (zh) * | 2007-03-30 | 2007-09-05 | 刘文印 | 一种识破利用统一码进行欺诈的方法及*** |
CN101068342A (zh) * | 2007-06-05 | 2007-11-07 | 西安理工大学 | 基于双摄像头联动结构的视频运动目标特写跟踪监视方法 |
CN101325690A (zh) * | 2007-06-12 | 2008-12-17 | 上海正电科技发展有限公司 | 监控视频流中人流分析与人群聚集过程的检测方法及*** |
CN101355692A (zh) * | 2008-07-30 | 2009-01-28 | 浙江大学 | 一种实时跟踪运动目标区域的智能监控装置 |
CN101398689A (zh) * | 2008-10-30 | 2009-04-01 | 中控科技集团有限公司 | 实时颜色自动采集的机器人控制方法及机器人 |
CN101453660A (zh) * | 2007-12-07 | 2009-06-10 | 华为技术有限公司 | 一种视频目标跟踪方法和装置 |
CN101661624A (zh) * | 2009-09-24 | 2010-03-03 | 北京中星微电子有限公司 | 运动跟踪方法及装置 |
CN101673403A (zh) * | 2009-10-10 | 2010-03-17 | 安防制造(中国)有限公司 | 复杂干扰场景下的目标跟踪方法 |
CN101694723A (zh) * | 2009-09-29 | 2010-04-14 | 北京航空航天大学 | 一种基于全局匹配相似度函数的实时运动目标跟踪方法 |
CN102110296A (zh) * | 2011-02-24 | 2011-06-29 | 上海大学 | 一种复杂场景下的运动目标跟踪方法 |
CN102521844A (zh) * | 2011-11-30 | 2012-06-27 | 湖南大学 | 基于视觉注意机制的改进粒子滤波目标跟踪的方法 |
US20120170838A1 (en) * | 2010-12-30 | 2012-07-05 | Pelco Inc. | Color Similarity Sorting for Video Forensics Search |
CN102663778A (zh) * | 2012-04-26 | 2012-09-12 | 安科智慧城市技术(中国)有限公司 | 一种基于多视点视频的目标跟踪方法和*** |
CN102663775A (zh) * | 2012-03-30 | 2012-09-12 | 温州大学 | 面向低帧率视频的目标跟踪方法 |
CN102750708A (zh) * | 2012-05-11 | 2012-10-24 | 天津大学 | 基于快速鲁棒特征匹配的仿射运动目标跟踪算法 |
CN102819582A (zh) * | 2012-07-26 | 2012-12-12 | 华数传媒网络有限公司 | 一种海量图片快速检索方法 |
CN102831166A (zh) * | 2012-07-24 | 2012-12-19 | 武汉大千信息技术有限公司 | 一种基于色彩特征检测的刑侦视频预处理方法 |
CN103150375A (zh) * | 2013-03-11 | 2013-06-12 | 浙江捷尚视觉科技有限公司 | 用于视频侦查的快速视频检索***和方法 |
CN103310201A (zh) * | 2013-06-26 | 2013-09-18 | 武汉烽火众智数字技术有限责任公司 | 目标混合颜色识别方法 |
CN103345764A (zh) * | 2013-07-12 | 2013-10-09 | 西安电子科技大学 | 一种基于对象内容的双层监控视频摘要生成方法 |
CN103996046A (zh) * | 2014-06-11 | 2014-08-20 | 北京邮电大学 | 基于多视觉特征融合的人员识别方法 |
-
2014
- 2014-09-28 CN CN201410510492.9A patent/CN104253981B/zh active Active
Patent Citations (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101030847A (zh) * | 2007-03-30 | 2007-09-05 | 刘文印 | 一种识破利用统一码进行欺诈的方法及*** |
CN101068342A (zh) * | 2007-06-05 | 2007-11-07 | 西安理工大学 | 基于双摄像头联动结构的视频运动目标特写跟踪监视方法 |
CN101325690A (zh) * | 2007-06-12 | 2008-12-17 | 上海正电科技发展有限公司 | 监控视频流中人流分析与人群聚集过程的检测方法及*** |
CN101453660A (zh) * | 2007-12-07 | 2009-06-10 | 华为技术有限公司 | 一种视频目标跟踪方法和装置 |
CN101355692A (zh) * | 2008-07-30 | 2009-01-28 | 浙江大学 | 一种实时跟踪运动目标区域的智能监控装置 |
CN101398689A (zh) * | 2008-10-30 | 2009-04-01 | 中控科技集团有限公司 | 实时颜色自动采集的机器人控制方法及机器人 |
CN101661624A (zh) * | 2009-09-24 | 2010-03-03 | 北京中星微电子有限公司 | 运动跟踪方法及装置 |
CN101694723A (zh) * | 2009-09-29 | 2010-04-14 | 北京航空航天大学 | 一种基于全局匹配相似度函数的实时运动目标跟踪方法 |
CN101673403A (zh) * | 2009-10-10 | 2010-03-17 | 安防制造(中国)有限公司 | 复杂干扰场景下的目标跟踪方法 |
US20120170838A1 (en) * | 2010-12-30 | 2012-07-05 | Pelco Inc. | Color Similarity Sorting for Video Forensics Search |
CN102110296A (zh) * | 2011-02-24 | 2011-06-29 | 上海大学 | 一种复杂场景下的运动目标跟踪方法 |
CN102521844A (zh) * | 2011-11-30 | 2012-06-27 | 湖南大学 | 基于视觉注意机制的改进粒子滤波目标跟踪的方法 |
CN102663775A (zh) * | 2012-03-30 | 2012-09-12 | 温州大学 | 面向低帧率视频的目标跟踪方法 |
CN102663778A (zh) * | 2012-04-26 | 2012-09-12 | 安科智慧城市技术(中国)有限公司 | 一种基于多视点视频的目标跟踪方法和*** |
CN102750708A (zh) * | 2012-05-11 | 2012-10-24 | 天津大学 | 基于快速鲁棒特征匹配的仿射运动目标跟踪算法 |
CN102831166A (zh) * | 2012-07-24 | 2012-12-19 | 武汉大千信息技术有限公司 | 一种基于色彩特征检测的刑侦视频预处理方法 |
CN102819582A (zh) * | 2012-07-26 | 2012-12-12 | 华数传媒网络有限公司 | 一种海量图片快速检索方法 |
CN103150375A (zh) * | 2013-03-11 | 2013-06-12 | 浙江捷尚视觉科技有限公司 | 用于视频侦查的快速视频检索***和方法 |
CN103310201A (zh) * | 2013-06-26 | 2013-09-18 | 武汉烽火众智数字技术有限责任公司 | 目标混合颜色识别方法 |
CN103345764A (zh) * | 2013-07-12 | 2013-10-09 | 西安电子科技大学 | 一种基于对象内容的双层监控视频摘要生成方法 |
CN103996046A (zh) * | 2014-06-11 | 2014-08-20 | 北京邮电大学 | 基于多视觉特征融合的人员识别方法 |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105488150A (zh) * | 2015-11-26 | 2016-04-13 | 小米科技有限责任公司 | 图像显示方法及装置 |
CN108536753A (zh) * | 2018-03-13 | 2018-09-14 | 腾讯科技(深圳)有限公司 | 重复信息的确定方法及相关装置 |
CN110119454A (zh) * | 2019-05-05 | 2019-08-13 | 重庆科芮智能科技有限公司 | 证据管理方法及装置 |
CN110119454B (zh) * | 2019-05-05 | 2021-10-08 | 西安科芮智盈信息技术有限公司 | 证据管理方法及装置 |
CN111565300A (zh) * | 2020-05-22 | 2020-08-21 | 深圳市百川安防科技有限公司 | 基于对象的视频文件处理方法、设备及*** |
CN111586363A (zh) * | 2020-05-22 | 2020-08-25 | 深圳市百川安防科技有限公司 | 基于对象的视频文件查看方法及*** |
CN111565300B (zh) * | 2020-05-22 | 2020-12-22 | 深圳市百川安防科技有限公司 | 基于对象的视频文件处理方法、设备及*** |
CN111586363B (zh) * | 2020-05-22 | 2021-06-25 | 深圳市睿联技术股份有限公司 | 基于对象的视频文件查看方法及*** |
Also Published As
Publication number | Publication date |
---|---|
CN104253981B (zh) | 2017-11-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Workman et al. | On the location dependence of convolutional neural network features | |
JP5463415B2 (ja) | 準複製画像検索のための方法およびシステム | |
CN104253981A (zh) | 一种用于视频侦查的运动目标按颜色排序的方法 | |
CN102207966A (zh) | 基于对象标签的视频内容快速检索方法 | |
JP2007206920A (ja) | 画像処理装置および方法、検索装置および方法、プログラム、並びに記録媒体 | |
US11347792B2 (en) | Video abstract generating method, apparatus, and storage medium | |
Deole et al. | Content based image retrieval using color feature extraction with KNN classification | |
CN102890700A (zh) | 一种基于体育比赛视频的相似视频片段检索方法 | |
CN112614187A (zh) | 回环检测方法、装置、终端设备和可读存储介质 | |
CN106033443B (zh) | 一种车辆检索中的扩展查询方法及装置 | |
WO2020125100A1 (zh) | 一种图像检索方法、装置以及设备 | |
Wang et al. | Duplicate discovery on 2 billion internet images | |
Vimina et al. | A sub-block based image retrieval using modified integrated region matching | |
Bekhet et al. | Evaluation of similarity measures for video retrieval | |
CN104317946A (zh) | 一种基于多张关键图的图像内容检索方法 | |
Reta et al. | Color uniformity descriptor: An efficient contextual color representation for image indexing and retrieval | |
CN112052251A (zh) | 目标数据更新方法和相关装置、设备及存储介质 | |
Farhangi et al. | Improvement the bag of words image representation using spatial information | |
Cheung et al. | Non-user generated annotation on user shared images for connection discovery | |
Le et al. | Improving logo spotting and matching for document categorization by a post-filter based on homography | |
Chen et al. | From universal bag-of-words to adaptive bag-of-phrases for mobile scene recognition | |
Malik et al. | Finding objects in image databases by grouping | |
CA3012927A1 (en) | Counting objects in images based on approximate locations | |
Peng et al. | KISS: knowing camera prototype system for recognizing and annotating places-of-interest | |
CN105320704B (zh) | 跨区域相似车辆检索方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |