一种人物群体行为分析方法、系统、设备和介质与流程

专利检索2022-05-11  1



1.本发明涉及图像处理领域,尤其涉及一种人物群体行为分析方法、系统、设备和介质。


背景技术:

2.随着人工智能的日益发展,深度学习及神经网络等模型算法的优化与迭代,基于行人以及人脸的应用越来越受重视,对行人的需求分析尤为重要,但现有技术难以对新人需求进行准确分析。如何利用目标场所的监控图像、行人信息记录等资源对行人大数据进行准确的群体行为分析是目前亟需解决的一大难题。以商场为例,如何提升商场的人物群体行为分析准确性,提高用户的购物体验,是商场运营人员最重要的工作。
3.传统的人物群体行为分析方法主要有探测手机mac地址,wifi连接数等2种方法。mac地址探测和wifi连接数的方式,首先大部分手机可屏蔽wifi探测,其次随着5g发展,人物连接wifi的意愿已经明显降低几乎不会连接wifi了,因此用这两种方式探测的人物群体行为也比真实数据少。以上方法无论哪种方法都无法对人物群体行为的属性如年龄分布、性别等进行感知,因此人物群体行为分析准确度不高。


技术实现要素:

4.鉴于以上现有技术存在的问题,本发明提出一种人物群体行为分析方法、系统、设备和介质,主要解决传统方式进行人物群体行为统计准确度不高的问题。
5.为了实现上述目的及其他目的,本发明采用的技术方案如下。
6.一种人物群体行为分析方法,包括:
7.获取指定场所内目标对象的人脸图像,并对所述人脸图像进行特征分析,得到满足设定人脸指标的人脸图像对应的人脸特征;其中,人脸指标包括:人脸角度和/或人脸质量分数;
8.对所述人脸特征进行聚类,得到对应同一目标对象的人脸档案;
9.对各目标对象的人脸档案进行清洗处理,并根据所述指定场所内不同目标区域选择经过清洗的对应人脸档案进行人物群体行为统计,得到对应目标区域的人物群体行为统计结果,其中,所述清洗处理包括:根据所述人脸档案中的人脸特征对应的性别分布、无法合并的人脸特征数量和/或设定时间内人脸特征增量对所述人脸档案进行清洗处理。
10.可选地,得到对应目标区域的人物群体行为统计结果后,还包括:
11.根据不同目标区域人物群体行为统计结果,获取各目标对象在所述指定场所内的深度分布和停留时间分布,其中,深度表示目标对象游历过的目标区域数量;
12.根据所述深度分布和停留时间分布调整所述指定场所的业务布局。
13.可选地,根据所述人脸档案中的人脸特征对应的性别分布对所述人脸档案进行清洗处理,包括:
14.根据人脸档案中各人脸特征对应的人脸图像采集时间节点,确定所述人脸档案包
含的一条或多条抓拍轨迹,并根据对应人脸特征识别每条所述抓拍轨迹中包含的人脸特征对应的目标对象的性别;
15.选出性别占比最高的人脸特征数量作为分母,计算每条抓拍轨迹中目标对象的性别比例,判断所述性别比例是否超出设定的阈值范围,若超出则删除对应的人脸档案。
16.可选地,根据无法合并的人脸特征数量对所述人脸档案进行清洗处理,包括:
17.根据人脸特征相似度对经过聚类得到的人脸档案进行合并,若对应同一目标对象的两个或两个以上人脸档案超出设定时限仍无法合并,且无法合并的人脸档案中包含的人脸特征数量少于设定数量阈值时,将对应的人脸档案删除。
18.可选地,根据设定时间内人脸特征增量对所述人脸档案进行清洗处理,包括:
19.判断设定时间阈值内对应人脸档案中人脸特征的增量,若增量超出设定的增量阈值,则删除对应的人脸档案。
20.可选地,对人脸档案进行清洗处理后,还包括:
21.获取各人脸档案对应人脸图像的采集装置的点位信息,其中,所述点位信息包括:唯一标志、地理位置信息以及标签信息;
22.根据所述采集装置获取的无效人脸图像占比筛选采集装置的点位信息,关闭超出设定占比阈值的采集装置;或,关闭无法合并的人脸档案对应的采集装置,其中,根据所述人脸指标确定无效人脸图像。
23.可选地,得到对应目标区域的人物群体行为统计结果后,还包括:
24.当两个人脸档案需要合并时,若已基于待合并的人脸档案完成人物群体行为统计,则删除统计结果,完成人脸档案合并后重新针对对应的目标区域进行人物群体行为统计,得到人物群体行为修正结果。
25.一种人物群体行为分析系统,包括:
26.特征获取模块,用于获取指定场所内目标对象的人脸图像,并对所述人脸图像进行特征分析,得到满足设定人脸指标的人脸图像对应的人脸特征;其中,人脸指标包括:人脸角度和/或人脸质量分数;
27.档案获取模块,用于对所述人脸特征进行聚类,得到对应同一目标对象的人脸档案;
28.人物群体行为统计模块,用于对各目标对象的人脸档案进行清洗处理,并根据所述指定场所内不同目标区域选择经过清洗的对应人脸档案进行人物群体行为统计,得到对应目标区域的人物群体行为统计结果,其中,所述清洗处理包括:根据所述人脸档案中的人脸特征对应的性别分布、无法合并的人脸特征数量和/或设定时间内人脸特征增量对所述人脸档案进行清洗处理。
29.一种人物群体行为分析设备,包括:
30.一个或多个处理器;和
31.其上存储有指令的一个或多个机器可读介质,当所述一个或多个处理器执行时,使得所述设备执行所述的人物群体行为分析方法。
32.一种机器可读介质,其上存储有指令,当由一个或多个处理器执行时,使得设备执行所述的人物群体行为分析方法。
33.如上所述,本发明一种人物群体行为分析方法、系统、设备和介质,具有以下有益
效果。
34.通过人脸指标筛选人脸图像以及针对人脸档案进行清洗,可保证人物群体行为统计结果准确可靠;根据需求划定目标区域,快速根据人物群体行为统计结果获取需求对应的统计分析结果,及时反馈调整指定场所如商场等地的场景结构或场景布局,以快速响应客户需求。
附图说明
35.图1为本发明一实施例中人物群体行为分析方法的流程示意图。
36.图2为本发明一实施例中人物群体行为分析系统的模块图。
37.图3为本发明一实施例中设备的结构示意图。
具体实施方式
38.以下通过特定的具体实例说明本发明的实施方式,本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用,本说明书中的各项细节也可以基于不同观点与应用,在没有背离本发明的精神下进行各种修饰或改变。需说明的是,在不冲突的情况下,以下实施例及实施例中的特征可以相互组合。
39.需要说明的是,以下实施例中所提供的图示仅以示意方式说明本发明的基本构想,遂图式中仅显示与本发明中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制,其实际实施时各组件的型态、数量及比例可为一种随意的改变,且其组件布局型态也可能更为复杂。
40.请参阅图1,本发明提供人物群体行为分析方法,包括以下步骤。
41.步骤s01,获取指定场所内目标对象的人脸图像,并对所述人脸图像进行特征分析,得到满足设定人脸指标的人脸图像对应的人脸特征;其中,人脸指标包括:人脸角度和/或人脸质量分数;
42.步骤s02,对所述人脸特征进行聚类,得到对应同一目标对象的人脸档案;
43.步骤s03,对各目标对象的人脸档案进行清洗处理,并根据所述指定场所内不同目标区域选择经过清洗的对应人脸档案进行人物群体行为统计,得到对应目标区域的人物群体行为统计结果,其中,所述清洗处理包括:根据所述人脸档案中的人脸特征对应的性别分布、无法合并的人脸特征数量和/或设定时间内人脸特征增量对所述人脸档案进行清洗处理。
44.在一实施例中,在步骤s01中,指定场所可包括商场、超市等人流较大的场所,具体场所可根据实际应用需求进行设置,这里不作限制。可通过布设于指定场所的采集装置如抓拍摄像机等获取人脸图像信息。通过抓拍摄像机获取的抓拍人脸图像信息可包含实际人脸图像、设备id、抓拍时间等,所述人脸图像通过人脸检测算法从抓拍场景图中进行识别获取。人脸检测算法可采用神经网络模型,如mtcnn、yolo系列等目标检测模型。抓拍的场景图可包含一个或多个人脸,人脸检测算法需要识别出抓拍场景图中所有的可能人脸图像。具体人脸识别过程这里不再赘述。
45.从抓拍场景中获取人脸图像后,对人脸图像进行人脸特征提取,具体地,可通过人
脸解析服务对待聚类人脸图像进行人脸特征向量与结构化信息提取。其中人脸解析服务一般为一个或多个多任务的神经网络解析模型,所述多任务的神经网络解析模型表示一个模型可以同时识别人脸图像的某几类或所有结构化信息与人脸特征信息。示例性地,如人脸解析模型为一个多任务神经网络模型,则通过该模型可以解析得到人脸特征并能回归预测所有结构化信息值。人脸结构化信息可包括人脸俯仰角度、水平角度、人脸质量分数、性别、年龄、是否带口罩等。示例性地,如人脸俯仰角度:0,水平角度:10,人脸质量分数:80,性别:0,年龄:30,是否带口罩:1等。
46.基于所述的人脸结构化信息对待聚类人脸的进行筛选,剔除低质量人脸,得到实际待聚类人脸。示例性地,因抓拍摄像机相对抓拍方位、光照等因素导致人脸俯仰角度过大、水平角度过大、人脸质量分数较低的待聚类人脸,这些人脸通常可辨识度很低,且会导致对应的人脸特征质量较差,对于最终聚类效果有较大且持续性的负面影响,均可视为脏数据进行过滤,不参与人脸聚类,有利于提高聚类效率与提高聚类准确性。可通过设置人脸指标对待聚类人脸进行筛选,示例性地,可以设置当人脸的俯仰角度》40或水平角度》50或人脸质量数据《30时,则将该人脸图像直接放入废片库当中,不进行聚类。俯仰角度、水平角度可通过人脸特征识别获取,人脸质量计算可根据人脸图像清晰度、口鼻是否遮挡等特征进行加权得到,具体计算过程这里不再赘述。
47.完成目标对象人脸特征筛选后,进入步骤s02。
48.在一实施例中,可通过如基于k均值聚类、基于概率密度聚类等聚类算法获取人脸档案以及人脸档案对应的类特征中心,具体聚类过程为现有技术,这里不再赘述。也可将实际待聚类人脸特征向量与已有的人脸档案的类特征中心进行相似度比对,若某人脸与已有人脸档案的最大相似度满足设定的相似度阈值,则将该人脸归入到最大相似度对应的人脸档案中,完成该人脸的聚类,并更新对应人脸档案的年龄、性别、类特征中心。若某人脸与已有人脸档案的最大相似度不满足设定的相似度阈值,则新建人脸档案,并将人脸归入到新建人脸档案当中。
49.每一个人脸档案对应一个目标对象,完成不同目标对象聚类得到对应的人脸档案后,由于不同抓拍摄像机采集人脸图像角度或分辨率等的差异,同一目标对象的人脸图像可被聚类到多个人脸档案中,因此,可对聚类后的人脸档案进行合并。具体地,首先判断两个人脸档案对应的目标对象是否相同,若相同,则进一步计算两个人脸档案中人脸档案的相似度,若相似度达到设定阈值,则将对应人脸特征合并到包含人脸特征较多的人脸档案中。
50.经过步骤s02获取人脸档案后,进入步骤s03。
51.在一实施例中,可对人脸档案进行清洗处理,基于人脸档案抓拍轨迹的统计信息,对无效档案进行清洗。具体的清洗计算规则包括根据所述人脸档案中的人脸特征对应的性别分布、无法合并的人脸特征数量和/或设定时间内人脸特征增量对所述人脸档案进行清洗处理。
52.在一实施例中,根据所述人脸档案中的人脸特征对应的性别分布对所述人脸档案进行清洗处理,包括:
53.根据人脸档案中各人脸特征对应的人脸图像采集时间节点,确定人脸档案包含的一条或多条抓拍轨迹,并根据对应人脸特征识别每条所述抓拍轨迹中包含的人脸特征对应
的目标对象的性别;
54.选出性别占比最高的人脸特征数量作为分母,计算每条抓拍轨迹中目标对象的性别比例,判断所述性别比例是否超出设定的阈值范围,若超出则删除对应的人脸档案。
55.具体地,因为可能存在在短时间内被一个相机多次抓拍的情况,因此首先需要对人脸档案的抓拍轨迹进行去重,接着根据每一条抓拍轨迹的男女性别比例进行统计,当系统识别到男女性别比例失衡时便将相应的人脸档案删除。示例的若一个档案的抓拍总数为n,按照同一个摄像头1分钟内只取1张照片参与统计计算的条件将抓拍总数n缩放为r,根据前述步骤,已经确定了每张抓拍图的男女性别特征,对集合r的男女性别总数进行计算,识别为男的总数为r1,识别为女的总数为r2,比较r1与r2的大小,以较大的数为分母较小数为分子,本示例中不妨假设r1《r2,则当r1/r2》3/7时,便将该档案进行删除。
56.在一实施例中,根据无法合并的人脸特征数量对所述人脸档案进行清洗处理,包括:
57.根据人脸特征相似度对经过聚类得到的人脸档案进行合并,若对应同一目标对象的两个或两个以上人脸档案超出设定时限仍无法合并,且无法合并的人脸档案中包含的人脸特征数量少于设定数量阈值时,将对应的人脸档案删除。
58.具体地,因为可能存在一些特殊抓拍,如特殊抓拍角度等,导致某人的档案一直无法被合并。但该类档案的真实人脸实际已存在,因此这类档案属于无效档案。示例的若一个档案的抓拍总数为n(n《3),连续15天该档案数总数一直小于3,则将该类档案进行删除。
59.在一实施例中,据设定时间内人脸特征增量对所述人脸档案进行清洗处理,包括:
60.判断设定时间阈值内对应人脸档案中人脸特征的增量,若增量超出设定的增量阈值,则删除对应的人脸档案。
61.具体地,随着人脸档案包含的轨迹数量增加,档案的类中心特征将会进行更新,当一个档案产生聚档错误时,随着错误的归类的产生将导致新的特征的特征值趋向于平均,也就是不在具有特征效果,将导致不同人的抓拍照片都会聚类到该档案,同样随着不同人的轨迹增多,特征将会愈发平均形成负向循环,最终导致大量的抓拍被错误合并影响统计效果,因此需要对轨迹增长过快的档案进行删除。示例性地,假设系统稳定运行30天后,筛选出人脸档案在1天内最多增长轨迹量为a,当系统识别到某一个档案一天内的轨迹增长量为2a时则将该档案进行删除。
62.在一实施例中,对人脸档案进行清洗处理后,还包括:
63.获取各人脸档案对应人脸图像的采集装置的点位信息,其中,点位信息包括:唯一标志、地理位置信息以及标签信息;
64.根据所述采集装置获取的无效人脸图像占比筛选采集装置的点位信息,关闭超出设定占比阈值的采集装置;或,关闭无法合并的人脸档案对应的采集装置,其中,根据所述人脸指标确定无效人脸图像。
65.具体地,获取所有的摄像机点位信息,并根据实际业务需要将摄像机进行分类。抓拍摄像机的点位信息包含但不限于抓拍摄像机唯一标志、经纬度坐标信息、地理位置信息、标签信息等,标签信息可以为归属商圈、归属街道、归属社区、归属行政区划等。示例性地,一般抓拍摄像机的点位信息从抓拍设备管理数据库中获取,抓拍摄像机唯一标志一般为该抓拍摄像机的设备id。
66.对高价值摄像机进行筛选并关闭低价值摄像机。在实际安装部署中,往往很难在系统运行前就知道该相机点位安装是否合适,人像抓拍是否较好,因此需要通过系统自动分析的方式对相机的点位进行筛选。主要有两种筛选方式:方式1,根据无效抓拍的比例进行筛选,系统自动对经过人脸指标筛选得到的的无效图片进行统计,计算该点位无效抓拍图占该点位总抓拍图的比例,当该比例大于40%时即说明该点位不适合进行抓拍,系统自动关闭该点位的人脸采集;方式2,根据无法合并的人脸档案的比例进行筛选。系统自动对无法合并且仅包含少量人脸特征的人脸档案进行统计,计算该档案的抓拍来自于哪个点位的相机,计算该点位档案抓拍图与有效抓拍图的比值,当该比值大于10%则关闭该点位的抓拍。
67.在一实施例中,当两个人脸档案需要合并时,若已基于待合并的人脸档案完成人物群体行为统计,则删除统计结果,完成人脸档案合并后重新针对对应的目标区域进行人物群体行为统计,得到人物群体行为修正结果。
68.具体地,以区域人物群体行为统计为例,假设加摄像头a1、a2、a3
……
a10,组成摄像头集合a,业务上作为标签区域商场a;a1、a2、a3组成集合a1,业务标签表示商场a的美食城区域。计算a商场6月30日的人物群体行为量,对经过清洗处理的人脸档案以在6月30号在摄像头集合a下有抓拍作为条件进行筛选,从而计算出a商场6月30号的人物群体行为。同理计算a商场美食城6月30号的人物群体行为量,对经过清洗处理的人脸档案以在6月30号在摄像头集合a1下有抓拍作为条件进行筛选,从而计算出a商场美食城6月30号的人物群体行为。
69.由于为了业务的快速使用,在实际操作过程中需要先将档案的统计情况转化为人物群体行为统计才能方便给业务进行使用,但是由于人脸档案在不停进行合并,而人物群体行为统计通常是按天进行归档统计,因此当人脸档案发生变更时需要对人物群体行为进行修正,示例a1被合并到a档案,在合并前的所有人物群体行为统计中需要删除a1的统计并加入a进行统计。
70.在一实施例中,根据不同区域人物群体行为统计结果,获取各目标对象在指定场所内的深度分布和停留时间分布,其中,深度表示目标对象游历过的目标区域数量;
71.根据所述深度分布和停留时间分布调整所述指定场所的业务布局人物群体行为深度分析人物群体行为在一天内评估游逛了多少时间的游逛时间分析,和游逛了多少个区域的游逛深度分析。
72.具体地,以商场为例,目标对象的停留时间可表示为目标对象在某一区域的游逛时间。首先对所有档案的游逛时间进行计算,接着需要对有效档案(即经过清洗后得到的人脸档案)进行筛选,最后计算游逛时间的平均数,并加入年龄性别等其他维度即可进行完整的游逛时间分析。示例性地,1天内有抓拍记录的档案数为n,对每一个档案用最后1张轨迹的抓拍时间t2减去第一张轨迹抓拍轨迹的时间t1的公式进行计算得到每一个档案的游逛时间t0。判断t0》10分钟的档案数量为n2,则平均游逛等于对游逛时间大于10分钟的进行求和除以n2。同时可以按照游逛时间30分钟、30-60分钟、60-120分钟、120分钟以上对档案进行分组,结合档案本身的男女性别和年龄特征,即可计算出不同年龄段和性别的人物群体行为各自游逛了多少分钟。
73.针对所述游逛深度分析。首先需要计算出所有档案的游逛深度,再对有效档案进
行筛选,最后计算游逛深度的平均数,并加入年龄性别等其他维度即可进行完整的游逛深度分析。示例性地,1天内有抓拍记录的档案数为n,对每一个档案按不同标签的摄像头集合进行筛选,如a1-a10的a区域摄像头集合,b1-b10的b区域摄像头集合,若一个档案在a1-a10有任意1张抓拍即计算去了a区域,游逛深度为1,以此类推计算每个档案的游逛深度为n,去除掉n=0的档案,即可计算平均游逛深度等于对大于0的游逛深度进行求和除以大于0的游逛深度的档案数,同时可以按照深度1-5/6-10/15-20/20以上对档案进行分组,结合档案本身的男女性别和年龄特征,即可计算出不同年龄段和性别的人物群体行为各自的游逛深度。步骤8,进一步的商场运营方可以根据深度分析的结果进行相应的分析。例如统计到大部分人都去同一个区域,则该区域作为人流的主要汇聚点,在该区域部署相应的广告牌将会得到最好的广告效果。又比如,识别到整个商场的游逛深度不够,大部分人都只去某几个特定的区域,说明商场的品牌关联度不佳,没有形成规模效应,商场应该在招商等多方面进行相应调整。
74.请参阅图2,本实施例提供了一种人物群体行为分析系统,用于执行前述方法实施例中所述的人物群体行为分析方法。由于系统实施例的技术原理与前述方法实施例的技术原理相似,因而不再对同样的技术细节做重复性赘述。
75.在一实施例中,人物群体行为分析系统,包括:特征获取模块10,用于获取指定场所内目标对象的人脸图像,并对所述人脸图像进行特征分析,得到满足设定人脸指标的人脸图像对应的人脸特征;其中,人脸指标包括:人脸角度和/或人脸质量分数;档案获取模块11,用于对所述人脸特征进行聚类,得到对应同一目标对象的人脸档案;人物群体行为统计模块12,用于对各目标对象的人脸档案进行清洗处理,并根据所述指定场所内不同目标区域选择经过清洗的对应人脸档案进行人物群体行为统计,得到对应目标区域的人物群体行为统计结果,其中,所述清洗处理包括:根据所述人脸档案中的人脸特征对应的性别分布、无法合并的人脸特征数量和/或设定时间内人脸特征增量对所述人脸档案进行清洗处理。
76.特征获取模块10用于辅助执行前述方法实施例介绍的步骤s01;档案获取模块11用于执行前述方法实施例介绍的步骤s02;人物群体行为统计模块12用于执行前述方法实施例介绍的步骤s03。
77.本技术实施例还提供了一种人物群体行为分析设备,该设备可以包括:一个或多个处理器;和其上存储有指令的一个或多个机器可读介质,当由所述一个或多个处理器执行时,使得所述设备执行图1所述的方法。在实际应用中,该设备可以作为终端设备,也可以作为服务器,终端设备的例子可以包括:智能手机、平板电脑、电子书阅读器、mp3(动态影像专家压缩标准语音层面3,moving picture experts group audio layer iii)播放器、mp4(动态影像专家压缩标准语音层面4,moving picture experts group audio layer iv)播放器、膝上型便携计算机、车载电脑、台式计算机、机顶盒、智能电视机、可穿戴设备等等,本技术实施例对于具体的设备不加以限制。
78.本技术实施例还提供了一种机器可读介质,该介质中存储有一个或多个模块(programs),该一个或多个模块被应用在设备时,可以使得该设备执行本技术实施例的图1中人物群体行为分析方法所包含步骤的指令(instructions)。机器可读介质可以是计算机能够存储的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质(如:软盘、硬盘、磁带)、光介质(如:dvd)、或者半
导体介质(如:固态硬盘solid state disk(ssd))等。
79.参阅图3,本实施例提供一种设备80,设备80可以是台式机、便携式电脑、智能手机等设备。详细的,设备80至少包括通过总线81连接的:存储器82、处理器83,其中,存储器82用于存储计算机程序,处理器83用于执行存储器82存储的计算机程序,以执行前述方法实施例中的全部或部分步骤。
80.上述提到的系统总线可以是外设部件互连标准(peripheral pomponent interconnect,简称pci)总线或扩展工业标准结构(extended industry standard architecture,简称eisa)总线等。该系统总线可以分为地址总线、数据总线、控制总线等。为便于表示,图中仅用一条粗线表示,但并不表示仅有一根总线或一种类型的总线。通信接口用于实现数据库访问装置与其他设备(例如客户端、读写库和只读库)之间的通信。存储器可能包含随机存取存储器(random access memory,简称ram),也可能还包括非易失性存储器(non-volatile memory),例如至少一个磁盘存储器。
81.上述的处理器可以是通用处理器,包括中央处理器(central processing unit,简称cpu)、网络处理器(network processor,简称np)等;还可以是数字信号处理器(digital signal processing,简称dsp)、专用集成电路(application specific integrated circuit,简称asic)、现场可编程门阵列(field-programmable gate array,简称fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
82.综上所述,本发明一种人物群体行为分析方法、系统、设备和介质,相比传统的人物群体行为深度分析方法,数据来源更多,统计更加精准且没有其他条件限制,另外结合人脸的性别、年龄等信息,统计维度更加多样,可有效保障人流统计准确性。所以,本发明有效克服了现有技术中的种种缺点而具高度产业利用价值。
83.上述实施例仅例示性说明本发明的原理及其功效,而非用于限制本发明。任何熟悉此技术的人士皆可在不违背本发明的精神及范畴下,对上述实施例进行修饰或改变。因此,举凡所属技术领域中具有通常知识者在未脱离本发明所揭示的精神与技术思想下所完成的一切等效修饰或改变,仍应由本发明的权利要求所涵盖。
转载请注明原文地址:https://win.8miu.com/read-950343.html

最新回复(0)