對(duì)目標(biāo)對(duì)象進(jìn)行檢測(cè)、確定目標(biāo)對(duì)象數(shù)量的方法和設(shè)備的制作方法
【專利摘要】本發(fā)明公開了一種對(duì)目標(biāo)對(duì)象進(jìn)行檢測(cè)、確定目標(biāo)對(duì)象數(shù)量的方法和設(shè)備，其主要內(nèi)容包括：通過在將包含目標(biāo)對(duì)象的圖像幀轉(zhuǎn)化得到積分圖像后，利用檢測(cè)設(shè)備對(duì)得到的所述積分圖像進(jìn)行區(qū)域檢測(cè)，并從檢測(cè)得到的多個(gè)滿足不同設(shè)定條件的區(qū)域中分別選擇區(qū)域，對(duì)選擇出的區(qū)域進(jìn)行計(jì)算，判斷選擇出的區(qū)域是否屬于同一目標(biāo)對(duì)象中的不同區(qū)域，并在確定選擇出的區(qū)域?qū)儆谕荒繕?biāo)對(duì)象中的不同區(qū)域時(shí)，整合得到目標(biāo)對(duì)象，避免了只檢測(cè)目標(biāo)對(duì)象的某一區(qū)域進(jìn)行目標(biāo)對(duì)象的確認(rèn)存在檢測(cè)錯(cuò)誤率較高以及經(jīng)常出現(xiàn)漏檢的問題，提高了目標(biāo)對(duì)象的檢測(cè)準(zhǔn)確率，該技術(shù)應(yīng)用在交通領(lǐng)域，提高了確定斑馬線上正在通過行人的精確度，進(jìn)一步提高了交通安全的系數(shù)。
【專利說明】對(duì)目標(biāo)對(duì)象進(jìn)行檢測(cè)、確定目標(biāo)對(duì)象數(shù)量的方法和設(shè)備

【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及智能監(jiān)控領(lǐng)域，尤其涉及一種對(duì)目標(biāo)對(duì)象進(jìn)行檢測(cè)、確定目標(biāo)對(duì)象數(shù) 量的方法和設(shè)備。

【背景技術(shù)】
[0002] 隨著科學(xué)技術(shù)的進(jìn)步，人們的生活節(jié)奏越來越快。在通過馬路時(shí)，經(jīng)常能夠看到的 一種情形：斑馬線上的綠燈指示---行人通過馬路的時(shí)間還剩下少于10秒的時(shí)間，有些行 人為了節(jié)省這10秒的時(shí)間，快速通過斑馬線。現(xiàn)實(shí)生活中這種情形很常見，但是存在一定 的安全隱患。
[0003] 為了達(dá)到機(jī)動(dòng)車禮讓行人的目的，提出了將斑馬線上通過的行人作為目標(biāo)對(duì)象進(jìn) 行檢測(cè)，采用對(duì)斑馬線上通過的行人進(jìn)行人頭檢測(cè)的方式，確定當(dāng)前斑馬線上是否存在正 在通過的行人，具體方式為：
[0004] 主要通過對(duì)采集到的圖像中是否存在有近似圓形的物體來進(jìn)行判別。
[0005] 目前，大多數(shù)"人頭檢測(cè)"算法都是通過機(jī)器學(xué)習(xí)的方法來實(shí)現(xiàn)的，而目前主流的 機(jī)器學(xué)習(xí)方法為基于Boosting的方法，該方法主要分成學(xué)習(xí)和檢測(cè)兩個(gè)階段。
[0006] 所謂學(xué)習(xí)階段是通過Boosting算法訓(xùn)練得到人頭檢測(cè)設(shè)備，換句話說，就是通過 對(duì)大量的圖像樣本進(jìn)行分析，得到其間的判別規(guī)律。
[0007] 具體地，所述學(xué)習(xí)階段算法的具體步驟如下：
[0008] 第一步：給定一系列訓(xùn)練樣本（X。yj，（x2, y2)，......（xn, yn)，其中，yi = 〇表示為 負(fù)樣本(非人頭)，yi = 1表示為正樣本(人頭)，n為訓(xùn)練樣本數(shù)目，i的取值為1?η。
[0009] 第二步，初始化權(quán)重w1;i = 1. 0/η,并對(duì)t = 1，.....η,進(jìn)行歸一化處理，得到歸一 化權(quán)重：

【權(quán)利要求】
1. 一種對(duì)目標(biāo)對(duì)象進(jìn)行檢測(cè)的方法，其特征在于，包括： 按照至少一個(gè)設(shè)定角度對(duì)采集到的圖像幀進(jìn)行梯度強(qiáng)度計(jì)算，得到該設(shè)定角度對(duì)應(yīng)的 梯度強(qiáng)度圖像，并將所述梯度強(qiáng)度圖像進(jìn)行積分轉(zhuǎn)換，得到積分圖像； 利用部件檢測(cè)設(shè)備對(duì)得到的所述積分圖像進(jìn)行檢測(cè)，分別檢測(cè)得到滿足N個(gè)不同設(shè)定 條件的多個(gè)區(qū)域，其中，N為大于2的正整數(shù)； 針對(duì)得到的滿足不同設(shè)定條件的區(qū)域，分別執(zhí)行以下操作，直至確定出屬于同一目標(biāo) 對(duì)象的N個(gè)區(qū)域： 選擇第一區(qū)域和第二區(qū)域，其中，所述第一區(qū)域滿足第Μ設(shè)定條件，所述第二區(qū)域滿足 第Μ+1設(shè)定條件，所述第Μ設(shè)定條件與所述第Μ+1設(shè)定條件不同； 將所述第一區(qū)域和所述第二區(qū)域進(jìn)行距離計(jì)算，并根據(jù)計(jì)算得到的結(jié)果，確定出所述 第一區(qū)域和所述第二區(qū)域是否屬于同一目標(biāo)對(duì)象中的不同區(qū)域的第Μ概率，其中，Μ為大于 0且不小于Ν-1的正整數(shù)； 當(dāng)所述第Μ概率大于設(shè)定的第Μ閾值時(shí)，確定所述第一區(qū)域和所述第二區(qū)域?qū)儆谕?目標(biāo)對(duì)象中的不同區(qū)域，并將Μ更新為Μ+1，繼續(xù)執(zhí)行選擇滿足第Μ+1+1設(shè)定條件的區(qū)域的 操作； 在確定出屬于同一目標(biāo)對(duì)象的Ν個(gè)區(qū)域之后，將確定出的Ν個(gè)區(qū)域進(jìn)行整合得到目標(biāo) 對(duì)象。
2. 如權(quán)利要求1所述的方法，其特征在于，當(dāng)所述第Μ概率不大于設(shè)定的第Μ閾值時(shí)， 所述方法還包括： 確定所述第一區(qū)域和所述第二區(qū)域不屬于同一目標(biāo)對(duì)象中的不同區(qū)域； 從滿足第Μ+1設(shè)定條件的區(qū)域中，選擇第三區(qū)域，其中，所述第三區(qū)域是與所述第二區(qū) 域不相同的其他區(qū)域； 將所述第一區(qū)域和所述第三區(qū)域進(jìn)行距離計(jì)算，并根據(jù)計(jì)算得到的結(jié)果，確定出所述 第一區(qū)域和所述第三區(qū)域是否屬于同一目標(biāo)對(duì)象中的不同區(qū)域的第#概率，其中，為大 于0且不小于N-1的正整數(shù)； 當(dāng)所述第#概率大于設(shè)定的第Μ閾值時(shí)，確定所述第一區(qū)域和所述第三區(qū)域?qū)儆谕?目標(biāo)對(duì)象中的不同區(qū)域，并將Μ更新為Μ+1，繼續(xù)執(zhí)行選擇滿足第Μ+1+1設(shè)定條件的區(qū)域的 操作； 當(dāng)所述第#概率不大于設(shè)定的第Μ閾值時(shí)，確定所述第一區(qū)域和所述第三區(qū)域不屬于 同一目標(biāo)對(duì)象中的不同區(qū)域，繼續(xù)執(zhí)行從滿足第Μ+1設(shè)定條件的區(qū)域中，選擇已選擇的區(qū) 域不同的其他區(qū)域。
3. 如權(quán)利要求1所述的方法，其特征在于，所述Ν為3,第一設(shè)定條件為：檢測(cè)得到的一 個(gè)區(qū)域內(nèi)包含的目標(biāo)對(duì)象的一個(gè)特征的特征值與設(shè)定的包含一個(gè)人體的頭肩區(qū)域的特征 值之差滿足設(shè)定的第一數(shù)值； 第二設(shè)定條件為：檢測(cè)得到的一個(gè)區(qū)域內(nèi)包含的目標(biāo)對(duì)象的一個(gè)特征的特征值與設(shè)定 的包含一個(gè)人體的軀干區(qū)域的特征值之差滿足設(shè)定的第二數(shù)值； 第三設(shè)定條件為：檢測(cè)得到的一個(gè)區(qū)域內(nèi)包含的目標(biāo)對(duì)象的一個(gè)特征的特征值與設(shè)定 的包含一個(gè)人體的腿部區(qū)域的特征值之差滿足設(shè)定的第三數(shù)值。
4. 如權(quán)利要求3所述的方法，其特征在于，所述檢測(cè)得到一個(gè)區(qū)域內(nèi)的特征值，包括： 從得到的積分圖像中選擇一個(gè)符合設(shè)定窗口大小的窗口區(qū)域，按照設(shè)定的移動(dòng)步長和 縮放參數(shù)移動(dòng)該窗口區(qū)域，對(duì)該積分圖像進(jìn)行掃描； 在所述窗口區(qū)域移動(dòng)的過程中，當(dāng)覆蓋該積分圖像的位置發(fā)生變化時(shí)，通過以下方式 計(jì)算變化后窗口區(qū)域內(nèi)掃描到的該目標(biāo)對(duì)象的一個(gè)特征對(duì)應(yīng)的特征值：
其中，featureV表示變化后窗口區(qū)域內(nèi)掃描到的該目標(biāo)對(duì)象的一個(gè)特征的特征值；N 為該目標(biāo)對(duì)象的特征的窗口個(gè)數(shù)％為該目標(biāo)對(duì)象的特征的第i個(gè)窗口的權(quán)重值；sumi為 該目標(biāo)對(duì)象的特征窗口區(qū)域覆蓋內(nèi)的積分圖像中包含的第i個(gè)窗口在設(shè)定方向上梯度強(qiáng) 度和。
5. 如權(quán)利要求1?4任一所述的方法，其特征在于，將所述第一區(qū)域和所述第二區(qū)域進(jìn) 行距離計(jì)算，包括： 確定所述第一區(qū)域內(nèi)包含的各個(gè)像素點(diǎn)的像素點(diǎn)坐標(biāo)，以及所述第二區(qū)域內(nèi)包含的各 個(gè)像素點(diǎn)的像素點(diǎn)坐標(biāo)； 將確定出的所述第一區(qū)域內(nèi)包含的各個(gè)像素點(diǎn)的像素點(diǎn)坐標(biāo)與確定出的第二區(qū)域內(nèi) 包含的各個(gè)像素點(diǎn)的像素點(diǎn)坐標(biāo)進(jìn)行作差運(yùn)算，并將得到的差值進(jìn)行求和； 將得到的和值作為所述第一區(qū)域與所述第二區(qū)域之間的距離值。
6. 如權(quán)利要求5所述的方法，其特征在于，根據(jù)計(jì)算得到的結(jié)果，確定出所述第一區(qū)域 和所述第二區(qū)域是否屬于同一目標(biāo)對(duì)象中的不同區(qū)域的第Μ概率，包括 ： 利用所述第一區(qū)域內(nèi)包含的各個(gè)像素點(diǎn)的像素點(diǎn)坐標(biāo)和所述第二區(qū)域內(nèi)包含的各個(gè) 像素點(diǎn)的像素點(diǎn)坐標(biāo)，計(jì)算得到所述第一區(qū)域和所述第二區(qū)域的像素點(diǎn)坐標(biāo)的均值和方差 值； 通過以下方式計(jì)算所述第一區(qū)域與所述第二區(qū)域是否屬于同一個(gè)目標(biāo)對(duì)象中不同區(qū) 域的第Μ概率：
其中：P(d)為所述第一區(qū)域與所述第二區(qū)域是否屬于同一個(gè)目標(biāo)對(duì)象中不同區(qū)域的 第Μ概率；d為所述第一區(qū)域與所述第二區(qū)域之間的距離值;m為統(tǒng)計(jì)得到的所述第一區(qū)域 與所述第N區(qū)域距離的均值；μ為統(tǒng)計(jì)得到的所述第一區(qū)域與所述第二區(qū)域距離的方差。
7. 如權(quán)利要求1所述的方法，其特征在于，所述按照至少一個(gè)設(shè)定角度對(duì)采集到的包 含目標(biāo)對(duì)象信息的圖像幀進(jìn)行梯度強(qiáng)度計(jì)算，具體包括： 按照一個(gè)設(shè)定角度從包含目標(biāo)對(duì)象信息的圖像幀中選擇第一窗口區(qū)域，以及從包含目 標(biāo)對(duì)象信息的圖像幀中選擇第二窗口區(qū)域，其中，所述第一窗口區(qū)域與所述第二窗口區(qū)域 的大小相同，且在圖像幀中的位置滿足將所述第一窗口區(qū)域旋轉(zhuǎn)180°后與所述第二窗口 區(qū)域重疊； 將選擇出的所述第一窗口區(qū)域內(nèi)包含的各個(gè)像素點(diǎn)的像素值與所述第二窗口區(qū)域內(nèi) 包含的各個(gè)像素點(diǎn)的像素值進(jìn)行作差，并將差值進(jìn)行求和運(yùn)算； 將得到的和值作為對(duì)于該設(shè)定角度的圖像幀的梯形強(qiáng)度值。
8. -種基于權(quán)利要求1所述的對(duì)目標(biāo)對(duì)象進(jìn)行檢測(cè)后確定目標(biāo)對(duì)象數(shù)量的方法，其特 征在于，包括： 將整合得到的目標(biāo)對(duì)象與其他圖像幀中得到的目標(biāo)對(duì)象進(jìn)行比較； 在確定整合得到的目標(biāo)對(duì)象與其他圖像幀中得到的目標(biāo)對(duì)象不是同一目標(biāo)對(duì)象時(shí)，統(tǒng) 計(jì)在所有圖像幀中出現(xiàn)的不同目標(biāo)對(duì)象的數(shù)量。
9. 一種對(duì)目標(biāo)對(duì)象進(jìn)行檢測(cè)的設(shè)備，其特征在于，包括： 積分圖像獲取模塊，用于按照至少一個(gè)設(shè)定角度對(duì)采集到的圖像幀進(jìn)行梯度強(qiáng)度計(jì) 算，得到該設(shè)定角度對(duì)應(yīng)的梯度強(qiáng)度圖像，并將所述梯度強(qiáng)度圖像進(jìn)行積分轉(zhuǎn)換，得到積分 圖像； 區(qū)域檢測(cè)模塊，用于利用部件檢測(cè)設(shè)備對(duì)得到的所述積分圖像進(jìn)行檢測(cè)，分別檢測(cè)得 到滿足N個(gè)不同設(shè)定條件的多個(gè)區(qū)域，其中，N為大于2的正整數(shù)； 目標(biāo)對(duì)象區(qū)域確定模塊，用于針對(duì)得到的滿足不同設(shè)定條件的區(qū)域，分別執(zhí)行以下操 作，直至確定出屬于同一目標(biāo)對(duì)象的N個(gè)區(qū)域：選擇第一區(qū)域和第二區(qū)域，其中，所述第一 區(qū)域滿足第Μ設(shè)定條件，所述第二區(qū)域滿足第M+1設(shè)定條件，所述第Μ設(shè)定條件與所述第 Μ+1設(shè)定條件不同；將所述第一區(qū)域和所述第二區(qū)域進(jìn)行距離計(jì)算，并根據(jù)計(jì)算得到的結(jié) 果，確定出所述第一區(qū)域和所述第二區(qū)域是否屬于同一目標(biāo)對(duì)象中的不同區(qū)域的第Μ概 率，其中，Μ為大于0且不小于Ν-1的正整數(shù)；當(dāng)所述第Μ概率大于設(shè)定的第Μ閾值時(shí)，確定 所述第一區(qū)域和所述第二區(qū)域?qū)儆谕荒繕?biāo)對(duì)象中的不同區(qū)域，并將Μ更新為Μ+1，繼續(xù)執(zhí) 行選擇滿足第Μ+1+1設(shè)定條件的區(qū)域的操作； 目標(biāo)對(duì)象整合模塊，用于在確定出屬于同一目標(biāo)對(duì)象的Ν個(gè)區(qū)域之后，將確定出的Ν個(gè) 區(qū)域進(jìn)行整合得到目標(biāo)對(duì)象。
10. 如權(quán)利要求9所述的設(shè)備，其特征在于， 所述目標(biāo)對(duì)象確定模塊，還用于當(dāng)所述第Μ概率不大于設(shè)定的第Μ閾值時(shí)，確定所述第 一區(qū)域和所述第二區(qū)域不屬于同一目標(biāo)對(duì)象中的不同區(qū)域；從滿足第Μ+1設(shè)定條件的區(qū)域 中，選擇第三區(qū)域，其中，所述第三區(qū)域是與所述第二區(qū)域不相同的其他區(qū)域；將所述第一 區(qū)域和所述第三區(qū)域進(jìn)行距離計(jì)算，并根據(jù)計(jì)算得到的結(jié)果，確定出所述第一區(qū)域和所述 第三區(qū)域是否屬于同一目標(biāo)對(duì)象中的不同區(qū)域的第#概率，其中，Μ為大于0且不小于Ν-1 的正整數(shù)； 當(dāng)所述第#概率大于設(shè)定的第Μ閾值時(shí)，確定所述第一區(qū)域和所述第三區(qū)域?qū)儆谕?目標(biāo)對(duì)象中的不同區(qū)域，并將Μ更新為Μ+1，繼續(xù)執(zhí)行選擇滿足第Μ+1+1設(shè)定條件的區(qū)域的 操作； 當(dāng)所述第#概率不大于設(shè)定的第Μ閾值時(shí)，確定所述第一區(qū)域和所述第三區(qū)域不屬于 同一目標(biāo)對(duì)象中的不同區(qū)域，繼續(xù)執(zhí)行從滿足第Μ+1設(shè)定條件的區(qū)域中，選擇已選擇的區(qū) 域不同的其他區(qū)域。
11. 如權(quán)利要求9所述的設(shè)備，其特征在于， 所述Ν為3,第一設(shè)定條件為：檢測(cè)得到的一個(gè)區(qū)域內(nèi)包含的目標(biāo)對(duì)象的一個(gè)特征的特 征值與設(shè)定的包含一個(gè)人體的頭肩區(qū)域的特征值之差滿足設(shè)定的第一數(shù)值； 第二設(shè)定條件為：檢測(cè)得到的一個(gè)區(qū)域內(nèi)包含的目標(biāo)對(duì)象的一個(gè)特征的特征值與設(shè)定 的包含一個(gè)人體的軀干區(qū)域的特征值之差滿足設(shè)定的第二數(shù)值； 第三設(shè)定條件為：檢測(cè)得到的一個(gè)區(qū)域內(nèi)包含的目標(biāo)對(duì)象的一個(gè)特征的特征值與設(shè)定 的包含一個(gè)人體的腿部區(qū)域的特征值之差滿足設(shè)定的第三數(shù)值。
12. 如權(quán)利要求11所述的設(shè)備，其特征在于，所述設(shè)備還包括：特征值計(jì)算模塊，具體 包括： 窗口掃描單兀，用于從得到的積分圖像中選擇一個(gè)符合設(shè)定窗口大小的窗口區(qū)域，按 照設(shè)定的移動(dòng)步長和縮放參數(shù)移動(dòng)該窗口區(qū)域，對(duì)該積分圖像進(jìn)行掃描； 特征值計(jì)算單元，用于在所述窗口區(qū)域移動(dòng)的過程中，當(dāng)覆蓋該積分圖像的位置發(fā)生 變化時(shí)，通過以下方式計(jì)算變化后窗口區(qū)域內(nèi)掃描到的該目標(biāo)對(duì)象的一個(gè)特征對(duì)應(yīng)的特征 值：
其中，featureV表示變化后窗口區(qū)域內(nèi)掃描到的該目標(biāo)對(duì)象的一個(gè)特征的特征值；N 為該目標(biāo)對(duì)象的特征的窗口個(gè)數(shù)％為該目標(biāo)對(duì)象的特征的第i個(gè)窗口的權(quán)重值；sumi為 該目標(biāo)對(duì)象的特征窗口區(qū)域覆蓋內(nèi)的積分圖像中包含的第i個(gè)窗口在設(shè)定方向上梯度強(qiáng) 度和。
13. 如權(quán)利要求9?12任一所述的設(shè)備，其特征在于， 所述目標(biāo)對(duì)象區(qū)域確定模塊，具體用于確定所述第一區(qū)域內(nèi)包含的各個(gè)像素點(diǎn)的像素 點(diǎn)坐標(biāo)，以及所述第二區(qū)域內(nèi)包含的各個(gè)像素點(diǎn)的像素點(diǎn)坐標(biāo)；將確定出的所述第一區(qū)域 內(nèi)包含的各個(gè)像素點(diǎn)的像素點(diǎn)坐標(biāo)與確定出的第二區(qū)域內(nèi)包含的各個(gè)像素點(diǎn)的像素點(diǎn)坐 標(biāo)進(jìn)行作差運(yùn)算，并將得到的差值進(jìn)行求和，并將得到的和值作為所述第一區(qū)域與所述第 二區(qū)域之間的距離值。
14. 如權(quán)利要求13所述的設(shè)備，其特征在于， 所述目標(biāo)對(duì)象區(qū)域確定模塊，具體用于利用所述第一區(qū)域內(nèi)包含的各個(gè)像素點(diǎn)的像素 點(diǎn)坐標(biāo)和所述第二區(qū)域內(nèi)包含的各個(gè)像素點(diǎn)的像素點(diǎn)坐標(biāo)，計(jì)算得到所述第一區(qū)域和所述 第二區(qū)域的像素點(diǎn)坐標(biāo)的均值和方差值； 通過以下方式計(jì)算所述第一區(qū)域與所述第二區(qū)域是否屬于同一個(gè)目標(biāo)對(duì)象中不同區(qū) 域的第Μ概率：
其中：P(d)為所述第一區(qū)域與所述第二區(qū)域是否屬于同一個(gè)目標(biāo)對(duì)象中不同區(qū)域的 第Μ概率；d為所述第一區(qū)域與所述第二區(qū)域之間的距離值;m為統(tǒng)計(jì)得到的所述第一區(qū)域 與所述第N區(qū)域距離的均值；μ為統(tǒng)計(jì)得到的所述第一區(qū)域與所述第二區(qū)域距離方差。
15. 如權(quán)利要求9所述的設(shè)備，其特征在于， 所述積分圖像獲取模塊，具體用于按照一個(gè)設(shè)定角度從包含目標(biāo)對(duì)象信息的圖像幀中 選擇第一窗口區(qū)域，以及從包含目標(biāo)對(duì)象信息的圖像幀中選擇第二窗口區(qū)域，其中，所述第 一窗口區(qū)域與所述第二窗口區(qū)域的大小相同，且在圖像幀中的位置滿足將所述第一窗口區(qū) 域旋轉(zhuǎn)180°后與所述第二窗口區(qū)域重疊；將選擇出的所述第一窗口區(qū)域內(nèi)包含的各個(gè)像 素點(diǎn)的像素值與所述第二窗口區(qū)域內(nèi)包含的各個(gè)像素點(diǎn)的像素值進(jìn)行作差，并將差值進(jìn)行 求和運(yùn)算；將得到的和值作為對(duì)于該設(shè)定角度的圖像幀的梯形強(qiáng)度值。
16. -種基于權(quán)利要求1所述的對(duì)目標(biāo)對(duì)象進(jìn)行檢測(cè)后確定目標(biāo)對(duì)象數(shù)量的設(shè)備，其 特征在于，包括： 比較模塊，用于將整合得到的目標(biāo)對(duì)象與其他圖像幀中得到的目標(biāo)對(duì)象進(jìn)行比較； 統(tǒng)計(jì)模塊，用于在確定整合得到的目標(biāo)對(duì)象與其他圖像幀中得到的目標(biāo)對(duì)象不是同一 目標(biāo)對(duì)象時(shí)，統(tǒng)計(jì)在某一段時(shí)間內(nèi)所有圖像中出現(xiàn)的不同目標(biāo)對(duì)象的數(shù)量。
【文檔編號(hào)】G06K9/00GK104123532SQ201310157570
【公開日】2014年10月29日 申請(qǐng)日期:2013年4月28日 優(yōu)先權(quán)日:2013年4月28日
【發(fā)明者】周祥明, 潘石柱, 汪海洋, 王剛, 張興明, 傅利泉, 朱江明, 吳軍, 吳堅(jiān) 申請(qǐng)人:浙江大華技術(shù)股份有限公司