CN104484654A - 基于模式识别与指纹匹配定位算法的防溺水识别方法 - Google Patents

基于模式识别与指纹匹配定位算法的防溺水识别方法 Download PDF

Info

Publication number
CN104484654A
CN104484654A CN201410797366.6A CN201410797366A CN104484654A CN 104484654 A CN104484654 A CN 104484654A CN 201410797366 A CN201410797366 A CN 201410797366A CN 104484654 A CN104484654 A CN 104484654A
Authority
CN
China
Prior art keywords
swimmer
drowned
recognition
fingerprint
pattern
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
Application number
CN201410797366.6A
Other languages
English (en)
Other versions
CN104484654B (zh
Inventor
严建峰
姚婷婷
李云飞
曾嘉
贾俊铖
杨璐
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Suzhou University
Original Assignee
Suzhou University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Suzhou University filed Critical Suzhou University
Priority to CN201410797366.6A priority Critical patent/CN104484654B/zh
Publication of CN104484654A publication Critical patent/CN104484654A/zh
Application granted granted Critical
Publication of CN104484654B publication Critical patent/CN104484654B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/40—Scenes; Scene-specific elements in video content
    • G06V20/41—Higher-level, semantic clustering, classification or understanding of video scenes, e.g. detection, labelling or Markovian modelling of sport events or news items
    • G06V20/42—Higher-level, semantic clustering, classification or understanding of video scenes, e.g. detection, labelling or Markovian modelling of sport events or news items of sport video content
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/12—Fingerprints or palmprints
    • G06V40/1365—Matching; Classification
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/20—Movements or behaviour, e.g. gesture recognition
    • G06V40/23—Recognition of whole body movements, e.g. for sport training

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Multimedia (AREA)
  • General Physics & Mathematics (AREA)
  • Human Computer Interaction (AREA)
  • Health & Medical Sciences (AREA)
  • Social Psychology (AREA)
  • Psychiatry (AREA)
  • General Health & Medical Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Computational Linguistics (AREA)
  • Software Systems (AREA)
  • Collating Specific Patterns (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)

Abstract

本发明涉及一种基于模式识别与指纹匹配定位算法的防溺水识别方法，用于对游泳者在溺水时进行施救，包括如下步骤：S1：建立指纹数据库；S2：通过设置在游泳者周边的摄像机获取游泳者的运动视频；S3：通过对所获取的游泳者的运动视频进行分析判断游泳者是否溺水，若溺水则对游泳者进行定位，若不溺水，则分析后续所获取的游泳者的运动视频；S4：确定游泳者的位置，通过佩戴在游泳者身上的wifi模块和指纹数据库使用指纹匹配定位算法确定其位置。

Description

基于模式识别与指纹匹配定位算法的防溺水识别方法
技术领域
本发明涉及一种基于模式识别与指纹匹配定位算法的防溺水识别方法。
背景技术
游泳运动是男女老幼都喜欢的体育项目之一。游泳对匀称地发展肌肉，增强耐寒能力。在游泳过程中，由于水温的刺激，机体为了保证足够的温度。皮肤血管参与了重要的调节作用，冷水的刺激能使皮肤血管收缩，以防热量扩散到体外。同时身体又加紧产生热量，使皮肤血管扩张，改善对皮肤血管的供血，这样长期的坚持锻炼能使皮肤的血液循环得到加强,促进新陈代谢以及培养勇敢顽强的意志等方面都有积极作用。只有确保安全，游泳才是有趣的休闲运动。然而，每天全球有数百万人由于没有适当的防护措施而面临溺水危险。每年经济合作与发展组织国家(OECD)有4000名儿童溺水身亡，成为儿童意外死亡的第二大原因。据国际救生协会统计，每年全球有120万人游泳溺亡，即每分钟有超过2条生命因为溺水消失。另据统计，泳池边的专业救生员通常只能在溺水事件发生30-40秒内察觉到最多70％的溺水事件，随着时间推移，他们会逐渐发现余下的一部分溺水者，但也降低了挽救这些生命的可能性。
发明内容
为解决上述技术问题，本发明的目的是提供一种基于模式识别与指纹匹配定位算法的防溺水识别方法，其可提高救生员的救援效率，增加溺水者的生存几率，避免溺水事故的发生。
本发明的一种基于模式识别与指纹匹配定位算法的防溺水识别方法，用于对游泳者在溺水时进行施救，包括如下步骤：
S1：建立指纹数据库；
S2：通过设置在游泳者周边的摄像机获取游泳者的运动视频；
S3：通过对所获取的游泳者的运动视频进行分析判断游泳者是否溺水，若溺水则对游泳者进行定位，若不溺水，则分析后续所获取的游泳者的运动视频；
S4：确定游泳者的位置，通过佩戴在游泳者身上的wifi模块和指纹数据库使用指纹匹配定位算法确定其位置。
进一步的，所述溺水识别方法还包括S5：在显示器上以网格形式显示出游泳者的位置坐标。
进一步的，在所述步骤S3中，判断游泳者是否溺水的方法如下：通过水下摄像头拍摄游泳者的运动，对视频中连续运动的人体的图像序列处理，将游泳者从运动背景中提取出来进分析，根据游泳者的运动提取出相应的人类的四肢和关节运动模型，再根据预先设定的规则进行判断从而确定游泳者的状态。
进一步的，所述“预先设定的规则”包括如下判断特征：(1)运动行为从正常的游泳模式突然消失；(2)双臂伸到两侧，向下压，或将手臂前伸；(3)直立状态，没有踢腿的动作，且挣扎20—30秒之后下沉。
进一步的，所述步骤S3之前包括如下步骤：分析运动视频中是否有人存在：将游泳者从背景中提取，通过识别人脸确定是否有人的存在，通过HSI空间极限皮肤肤色建模。
进一步的，在所述步骤S1中，所述建立指纹数据库的方法如下：训练阶段主要是建立一个坐标点与wifi信号强度向量的映射关系，从而建立一个指纹库；采集后，对每个指纹特征采用访问接入点的接收信号强度均值，其中对同一个访问接入点采集的多次数据取平均值，以此建立指纹数据库。
进一步的，在所述步骤S4中具体为：基于指纹数据库及余弦相似性匹配算法，将接收到的wifi模块的访问接入点的接收信号强度向量与数据库中的值进行匹配，找到一个最合适的值返回坐标。
进一步的，所述wifi模块安装在衣柜的钥匙牌中。
借由上述方案，本发明至少具有以下优点：本发明的基于模式识别与指纹匹配定位算法的防溺水识别方法通过分析所获得的游泳者的运动视频，判断是否溺水，又通过游泳者身上的wifi模块和指纹数据库使用指纹匹配定位算法确定游泳者的位置，从而提高了救生员的救援效率，增加了溺水者的生存几率，避免了溺水事故的发生。
上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，并可依照说明书的内容予以实施，以下以本发明的较佳实施例并配合附图详细说明如后。
附图说明
图1是本发明基于模式识别与指纹匹配定位算法的溺水模式识别的部分流程框图。
具体实施方式
模式识别就是通过计算机用数学技术方法来研究模式的自动处理和判读。我们把环境与客体统称为“模式”。随着计算机技术的发展，人类有可能研究复杂的信息处理过程。信息处理过程的一个重要形式是生命体对环境及客体的识别。对人类来说，特别重要的是对光学信息(通过视觉器官来获得)和声学信息(通过听觉器官来获得)的识别。这是模式识别的两个重要方面。
室内定位是指在室内环境中实现位置定位，主要采用无线通讯、基站定位、惯导定位等多种技术集成形成一套室内位置定位体系，从而实现人员、物体等在室内空间中的位置监控。主要手段有蓝牙定位、LED定位等，由于wifi网络的普及，wifi定位变得非常流行，其精度可以达到米级。wifi定位算法采用指纹匹配算法，该算法分为两个阶段:(1)离线训练阶段，将需要室内定位区域划分网格，建立采样点；使用wifi接收设备逐个采样点采样，记录该点位置、所获取的RSSI及AP地址并对采样数据(即指纹)进行处理；(2)在线定位阶段，用户持wifi设备在定位区域移动，实时获取当前RSSI及AP地址，将该信息上传到服务器进行匹配得到估算位置。该算法相比较三角定位算法精度更高，在wifi定位中得到了更加广泛的应用。
下面结合附图和实施例，对本发明的具体实施方式作进一步详细描述。以下实施例用于说明本发明，但不用来限制本发明的范围。
参见图1，本发明一较佳实施例所述的一种基于模式识别与指纹匹配定位算法的防溺水识别方法，用于对游泳者在溺水时进行施救，该防溺水识别方法包括步骤S1至S5。
S1：建立指纹数据库，建立指纹数据库的方法如下：训练阶段主要是建立一个坐标点与wifi信号强度向量的映射关系，从而建立一个指纹库；采集后，对每个指纹特征采用的访问接入点(AP)的接收信号强度(Received signalstrength indication)均值，其中对同一个访问接入点(AP)采集的多次数据取平均值，以此建立指纹数据库。
S2：通过设置在游泳者周边的摄像机获取游泳者的运动视频，该摄像机安装在水下以检测可能的溺水人员。
S3：通过对所获取的游泳者的运动视频进行分析判断游泳者是否溺水，若溺水则对游泳者进行定位，若不溺水，则分析后续所获取的游泳者的运动视频。上述判断游泳者是否溺水的方法具体如下：通过水下摄像头拍摄游泳者的运动，对视频中连续运动的人体的图像序列处理，将游泳者从运动背景中提取出来进分析，根据游泳者的运动提取出相应的人类的四肢和关节运动模型，再根据预先设定的规则进行判断从而确定游泳者的状态。
由于人类的溺水行为可以分为两类：一类是由于疾病或者撞击等原因突然失去意识，逐渐沉入水底；另外一种是由于体力不支或其他原因经过挣扎然后发生溺水。前者的运动行为从正常的游泳模式突然消失，是监控溺水者的主要标准，然而后者常常出现的特征有：(1)溺水者会本能地将双臂伸到两侧，向下压，好让嘴巴浮出水面，小孩则可能会将手臂前伸。总之，溺水者无法划水朝救援者移动，或把手伸向救援设备；(2)溺水者在水中是直立的，没有踢腿的动作，他们只能挣扎20—30秒，之后就会沉下去。这些特征作为鉴定溺水的主要的视觉特征。由于肢体动作严格受到限制，它们还是很有效的，所以，可以根据上述分析结果建立“预先设定的规则”从用来预测运动参数，去解释和识别游泳者的行为。该“预先设定的规则”简述包括如下判断特征：(1)运动行为从正常的游泳模式突然消失；(2)双臂伸到两侧，向下压，或将手臂前伸；(3)直立状态，没有踢腿的动作，且挣扎20—30秒之后下沉。
S4：确定游泳者的位置，通过佩戴在游泳者身上的wifi模块和指纹数据库使用指纹匹配定位算法确定其位置。具体为：基于指纹数据库及余弦相似性匹配算法，将接收到的wifi模块的访问接入点的接收信号强度向量与数据库中的值进行匹配，找到一个最合适的值返回坐标。
采用wifi模块的目的在于：由于wifi模块较小，可将wifi模块安装在游泳池衣柜的钥匙牌中，从而便于携带。另外，由于不同时间采集到的同一AP(AccessPoint，访问接入点)的WIFI信号强度随着时间以及环境的不同在时刻变化着，所以，无线信号衰减模型难以准确的表现出距离与信号强度的关系。而基于指纹数据库的匹配定位方法就具有很好的鲁棒性。
定位阶段的主要工作是根据余弦相似性匹配算法，将接收到的AP的RSSI向量与数据库中的值进行匹配，找到一个最合适的值返回坐标。余弦相似性是通过测量两个向量内积空间的夹角的余弦值来判定两个向量之间的相似程度。余弦值越接近1，其夹角越接近0，表示两个向量越相似。采集数据的时候，需要进行多次采集，并使用卡尔曼滤波，去除一些干扰信息。一旦发生溺水情况，便会对钥匙牌中的wifi模块进行定位，从而进行及时有效的救援。
S5：在显示器上以网格形式显示出游泳者的位置坐标。
为了提高判断溺水准确性和效率，所述步骤S3之前还包括如下步骤：分析运动视频中是否有人存在：首先需要将游泳者从背景中提取出来，可以通过识别人脸确定是否有人的存在，通过HSI(色调、饱和度、强度)空间极限皮肤肤色建模。由于色调饱和度受光照影响较小，可以在HIS空间使用二维高斯模型表示。该步骤与步骤S2、步骤S3共同完成“水模式识别”，该“水模式识别”可采用游泳者运动跟踪***完成。
综上所述，上述基于模式识别与指纹匹配定位算法的防溺水识别方法通过分析所获得的游泳者的运动视频，判断是否溺水，又通过游泳者身上的wifi模块和指纹数据库使用指纹匹配定位算法确定游泳者的位置，从而提高了救生员的救援效率，增加了溺水者的生存几率，避免了溺水事故的发生。
以上所述仅是本发明的优选实施方式，并不用于限制本发明，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明技术原理的前提下，还可以做出若干改进和变型，这些改进和变型也应视为本发明的保护范围。

Claims (8)

1.一种基于模式识别与指纹匹配定位算法的防溺水识别方法，用于对游泳者在溺水时进行施救，其特征在于：包括如下步骤：
S1：建立指纹数据库；
S2：通过设置在游泳者周边的摄像机获取游泳者的运动视频；
S3：通过对所获取的游泳者的运动视频进行分析判断游泳者是否溺水，若溺水则对游泳者进行定位，若不溺水，则分析后续所获取的游泳者的运动视频；
S4：确定游泳者的位置，通过佩戴在游泳者身上的wifi模块和指纹数据库使用指纹匹配定位算法确定其位置。
2.根据权利要求1所述的基于模式识别与指纹匹配定位算法的防溺水识别方法，其特征在于：所述溺水识别方法还包括S5：在显示器上以网格形式显示出游泳者的位置坐标。
3.根据权利要求1所述的基于模式识别与指纹匹配定位算法的防溺水识别方法，其特征在于：在所述步骤S3中，判断游泳者是否溺水的方法如下：通过水下摄像头拍摄游泳者的运动，对视频中连续运动的人体的图像序列处理，将游泳者从运动背景中提取出来进分析，根据游泳者的运动提取出相应的人类的四肢和关节运动模型，再根据预先设定的规则进行判断从而确定游泳者的状态。
4.根据权利要求3所述的基于模式识别与指纹匹配定位算法的防溺水识别方法，其特征在于：所述“预先设定的规则”包括如下判断特征：(1)运动行为从正常的游泳模式突然消失；(2)双臂伸到两侧，向下压，或将手臂前伸；(3)直立状态，没有踢腿的动作，且挣扎20—30秒之后下沉。
5.根据权利要求1所述的基于模式识别与指纹匹配定位算法的防溺水识别方法，其特征在于：所述步骤S3之前包括如下步骤：分析运动视频中是否有人存在：将游泳者从背景中提取，通过识别人脸确定是否有人的存在，通过HSI空间极限皮肤肤色建模。
6.根据权利要求1所述的基于模式识别与指纹匹配定位算法的防溺水识别方法，其特征在于：在所述步骤S1中，所述建立指纹数据库的方法如下：训练阶段主要是建立一个坐标点与wifi信号强度向量的映射关系，从而建立一个指纹库；采集后，对每个指纹特征采用访问接入点的接收信号强度均值，其中对同一个访问接入点采集的多次数据取平均值，以此建立指纹数据库。
7.根据权利要求1所述的基于模式识别与指纹匹配定位算法的防溺水识别方法，其特征在于：在所述步骤S4中具体为：基于指纹数据库及余弦相似性匹配算法，将接收到的wifi模块的访问接入点的接收信号强度向量与数据库中的值进行匹配，找到一个最合适的值返回坐标。
8.根据权利要求1所述的基于模式识别与指纹匹配定位算法的防溺水识别方法，其特征在于：所述wifi模块安装在衣柜的钥匙牌中。
CN201410797366.6A 2014-12-19 2014-12-19 基于模式识别与指纹匹配定位算法的防溺水识别方法 Active CN104484654B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201410797366.6A CN104484654B (zh) 2014-12-19 2014-12-19 基于模式识别与指纹匹配定位算法的防溺水识别方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201410797366.6A CN104484654B (zh) 2014-12-19 2014-12-19 基于模式识别与指纹匹配定位算法的防溺水识别方法

Publications (2)

Publication Number Publication Date
CN104484654A true CN104484654A (zh) 2015-04-01
CN104484654B CN104484654B (zh) 2018-06-12

Family

ID=52759195

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201410797366.6A Active CN104484654B (zh) 2014-12-19 2014-12-19 基于模式识别与指纹匹配定位算法的防溺水识别方法

Country Status (1)

Country Link
CN (1) CN104484654B (zh)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TWI645379B (zh) * 2018-01-08 2018-12-21 國立勤益科技大學 游泳池安全監測系統
CN110210323A (zh) * 2019-05-09 2019-09-06 浙江大学 一种基于机器视觉的溺水行为在线识别方法
CN111132309A (zh) * 2019-12-31 2020-05-08 泰斗微电子科技有限公司 一种定位方法、装置、服务器及存储介质
CN112165600A (zh) * 2020-08-26 2021-01-01 苏宁云计算有限公司 一种溺水的识别方法、装置、摄像头及计算机***
CN112887911A (zh) * 2021-01-19 2021-06-01 湖南大学 一种基于wifi与视觉融合的室内定位方法
TWI790715B (zh) * 2021-08-18 2023-01-21 國立勤益科技大學 智慧影像辨識溺水警示系統

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6805599B1 (en) * 2003-11-18 2004-10-19 Ever-Quick Co., Ltd. Self-operatable inflation device
CN102573049A (zh) * 2010-12-14 2012-07-11 北京智慧图科技发展有限责任公司 一种室内定位方法及***
CN102685458A (zh) * 2012-05-10 2012-09-19 陕西科技大学 一种预防学生溺水的监控***
CN103021136A (zh) * 2012-12-24 2013-04-03 电子科技大学 一种基于物联网的游泳池溺水监控***及监控方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6805599B1 (en) * 2003-11-18 2004-10-19 Ever-Quick Co., Ltd. Self-operatable inflation device
CN102573049A (zh) * 2010-12-14 2012-07-11 北京智慧图科技发展有限责任公司 一种室内定位方法及***
CN102685458A (zh) * 2012-05-10 2012-09-19 陕西科技大学 一种预防学生溺水的监控***
CN103021136A (zh) * 2012-12-24 2013-04-03 电子科技大学 一种基于物联网的游泳池溺水监控***及监控方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
郭静: ""基于Blob的双摄像机泳池监控报警***算法研究"", 《中国优秀硕士学位论文全文数据库 信息科技辑》 *
魏菲等: ""使用位置指纹算法的WIFI定位***设计"", 《单片机与嵌入式***》 *

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TWI645379B (zh) * 2018-01-08 2018-12-21 國立勤益科技大學 游泳池安全監測系統
CN110210323A (zh) * 2019-05-09 2019-09-06 浙江大学 一种基于机器视觉的溺水行为在线识别方法
CN111132309A (zh) * 2019-12-31 2020-05-08 泰斗微电子科技有限公司 一种定位方法、装置、服务器及存储介质
CN111132309B (zh) * 2019-12-31 2021-03-19 泰斗微电子科技有限公司 一种定位方法、装置、服务器及存储介质
CN112165600A (zh) * 2020-08-26 2021-01-01 苏宁云计算有限公司 一种溺水的识别方法、装置、摄像头及计算机***
CN112887911A (zh) * 2021-01-19 2021-06-01 湖南大学 一种基于wifi与视觉融合的室内定位方法
CN112887911B (zh) * 2021-01-19 2022-03-15 湖南大学 一种基于wifi与视觉融合的室内定位方法
TWI790715B (zh) * 2021-08-18 2023-01-21 國立勤益科技大學 智慧影像辨識溺水警示系統

Also Published As

Publication number Publication date
CN104484654B (zh) 2018-06-12

Similar Documents

Publication Publication Date Title
CN104484654A (zh) 基于模式识别与指纹匹配定位算法的防溺水识别方法
US11047706B2 (en) Pedometer with accelerometer and foot motion distinguishing method
US20060269145A1 (en) Method and system for determining object pose from images
CN114067358A (zh) 一种基于关键点检测技术的人体姿态识别方法及***
CN111753747B (zh) 基于单目摄像头和三维姿态估计的剧烈运动检测方法
Papic et al. Improving data acquisition speed and accuracy in sport using neural networks
CN109584509A (zh) 一种基于红外线与可见光组合的游泳池溺水监测方法
CN108875586B (zh) 一种基于深度图像与骨骼数据多特征融合的功能性肢体康复训练检测方法
CN104794449A (zh) 基于人体hog特征的步态能量图获取及身份识别方法
CN109902564A (zh) 一种基于结构相似性稀疏自编码网络的异常事件检测方法
CN107967941A (zh) 一种基于智能视觉重构的无人机人体健康监控方法与***
CN111783702A (zh) 一种基于图像增强算法和人体关键点定位的高效行人摔倒检测方法
CN110084223A (zh) 一种用于游泳池的监控方法及***
CN111245459A (zh) 可穿戴式设备及溺水监控方法、电子设备、存储介质
Fani et al. Swim stroke analytic: Front crawl pulling pose classification
CN110334609B (zh) 一种智能实时体感捕捉方法
CN113780220A (zh) 一种基于童脸识别的儿童坐姿检测方法及***
CN116631068B (zh) 一种基于深度学习特征融合的掌静脉活体检测方法
CN111428696A (zh) 一种智能异常检测紧急救援方法、装置和***
CN116342645A (zh) 一种针对游泳馆场景下的多目标跟踪方法
Ahmad et al. Bionic Kinect device to assist visually impaired people by haptic and voice feedback
CN107480604A (zh) 基于多轮廓特征融合的步态识别方法
CN110705496B (zh) 一种基于九轴传感器的游泳姿势识别方法
CN111827740A (zh) 一种基于双目视觉的泳池监控***及方法
Oommen et al. A wearable electronic swim coach for blind athletes

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