一種基于云計算的違章拍照自動識別方法
【專利摘要】本發(fā)明提供一種基于云計算的違章拍照自動識別方法，其具體實現(xiàn)過程如下：部署云節(jié)點：在云計算環(huán)境下部署若干臺數(shù)據(jù)處理分節(jié)點虛擬機與一臺集中中控節(jié)點虛擬機，分別負責數(shù)據(jù)采集處理與集中信息響應(yīng)；采集違章圖像：數(shù)據(jù)處理分節(jié)點處理違章車輛照片后，對車輛車牌照片進行圖像學處理，獲得違章車牌號信息；集中響應(yīng)數(shù)據(jù)：牌號數(shù)據(jù)分時間片發(fā)送到集中中控節(jié)點；該集中中控節(jié)點查詢交通信息數(shù)據(jù)庫，獲取車主信息，發(fā)送違法告知信息。該一種基于云計算的違章拍照自動識別方法和現(xiàn)有技術(shù)相比，一方面利用云計算的優(yōu)點，提高交通信息處理系統(tǒng)的穩(wěn)定性、高效性；另一方面通過智能調(diào)度，有效利用系統(tǒng)的CPU、內(nèi)存、網(wǎng)絡(luò)等資源，實用性強。
【專利說明】一種基于云計算的違章拍照自動識別方法
[0001]
【技術(shù)領(lǐng)域】
[0002]本發(fā)明涉及云計算【技術(shù)領(lǐng)域】，具體的說是一種充分利用服務(wù)器和存儲資源、節(jié)約成本、提高數(shù)據(jù)處理效率、基于云計算的違章拍照自動識別方法。
【背景技術(shù)】
[0003]近年來，隨著我國城市化進程的加劇，各類機動車的人均保有量急劇增多。城市交通面臨運輸效率低、違章現(xiàn)象嚴重、交通事故頻發(fā)等問題，各城市現(xiàn)有的道路交通監(jiān)控、管理系統(tǒng)已經(jīng)接近飽和，交通運輸問題成為制約我國國民經(jīng)濟發(fā)展的重要因素。如何有效降低違章事故發(fā)生率，找到一個更加科學、智能的交通監(jiān)管方案，成為交通部門亟待解決的核心問題。
[0004]交通違章監(jiān)管數(shù)據(jù)具有以下特點:
1)數(shù)據(jù)量大:交通服務(wù)要提供全面的路況，需組成多維、立體的交通綜合監(jiān)測網(wǎng)絡(luò)，實現(xiàn)對城市道路交通狀況、交通違法行為等的全面監(jiān)測，特別是在交通高峰期需要采集、處理及分析大量的實時監(jiān)測數(shù)據(jù)；
2)信息實時處理要求性高:為了有效監(jiān)控交通違章、事故現(xiàn)場，快速響應(yīng)交通狀況，需要將準確的信息及時反饋給相關(guān)責任主體；
3)數(shù)據(jù)共享需求:交通行業(yè)信息資源的全面整合與共享，是智能交通系統(tǒng)高效運行的基本前提，智能交通相關(guān)子系統(tǒng)的信息處理、決策分析和信息服務(wù)建立在全面、準確、及時的信息資源基礎(chǔ)之上。
[0005]傳統(tǒng)的交通違章監(jiān)控系統(tǒng)一般在物理設(shè)備(PC或服務(wù)器等)上連接一個或多個攝像頭設(shè)備，來對交通現(xiàn)場拍攝統(tǒng)計。一方面，由于物理設(shè)備的連接口與處理效率有限，識別處理過程緩慢且數(shù)據(jù)的傳輸效率低下，時效性差；另一方面，由于物理設(shè)備的配置固定，勢必造成交通高峰時的資源占用緊張與交通空閑時的資源浪費情況，無法動態(tài)調(diào)度系統(tǒng)資源。
[0006]隨著科技的進步，云計算得到了較大的推廣。云計算的一大重要特點，即通過網(wǎng)絡(luò)與虛擬化技術(shù)，將分布在各數(shù)據(jù)中心中的服務(wù)器、存儲、網(wǎng)絡(luò)設(shè)備通過管理軟件集合起來協(xié)同工作，優(yōu)化系統(tǒng)資源配置比例，實現(xiàn)應(yīng)用的靈活部署，同時提升資源利用率，降低總能耗，降低運維成本?；诖?，在交通監(jiān)管系統(tǒng)中引入云計算有助于系統(tǒng)的優(yōu)化，解決上述問題，故現(xiàn)提供一種基于云計算的違章拍照自動識別方法。

【發(fā)明內(nèi)容】

[0007]本發(fā)明的技術(shù)任務(wù)是解決現(xiàn)有技術(shù)的不足，提供一種時效性好、充分調(diào)度系統(tǒng)資源、基于云計算的違章拍照自動識別方法。
[0008]本發(fā)明的技術(shù)方案是按以下方式實現(xiàn)的，該一種基于云計算的違章拍照自動識別方法，其具體實現(xiàn)過程如下:
一、部署云節(jié)點:在云計算環(huán)境下部署若干臺數(shù)據(jù)處理分節(jié)點虛擬機與一臺集中中控節(jié)點虛擬機，分別負責數(shù)據(jù)采集處理與集中信息響應(yīng)；
二、采集違章圖像:數(shù)據(jù)處理分節(jié)點處理違章車輛照片后，對車輛車牌照片進行圖像學處理，獲得違章車牌號信息，所述圖像學處理是指對違章車輛照片進行二值化、裁剪、Radon變換、校正、字符識別處理；
三、集中響應(yīng)數(shù)據(jù):牌號數(shù)據(jù)分時間片發(fā)送到集中中控節(jié)點；該集中中控節(jié)點查詢交通信息數(shù)據(jù)庫，獲取車主信息，發(fā)送違法告知信息。
[0009]在本發(fā)明的技術(shù)方案中，一方面，采用基于時間片的輪轉(zhuǎn)調(diào)度算法，在均勻分配時間片的基礎(chǔ)上，根據(jù)交通擁擠情況動態(tài)加長、縮短各個分節(jié)點的時間片，減少各數(shù)據(jù)處理分節(jié)點同時發(fā)送數(shù)據(jù)造成的網(wǎng)絡(luò)帶寬搶占，較好的區(qū)分了不同交通狀況地區(qū)的數(shù)據(jù)采集差異，科學、實用；另一方面，集中中控節(jié)點按照時間片對各個數(shù)據(jù)處理分節(jié)點上報的數(shù)據(jù)進行響應(yīng)與反饋，有效降低了 CPU、內(nèi)存被集中搶占的概率，具有高效性、實時性、智能性。
[0010]所述步驟一的云節(jié)點部署詳細步驟為:
A、在云計算環(huán)境下,倉Il建一臺集中中控節(jié)點虛擬機與若干臺數(shù)據(jù)處理分節(jié)點虛擬機，所有數(shù)據(jù)處理分節(jié)點均與集中中控節(jié)點網(wǎng)絡(luò)相連；
B、各個虛擬機使用掛載共享存儲的方式，在存儲服務(wù)器內(nèi)部進行數(shù)據(jù)傳輸；
C、集中中控節(jié)點通過管理分布式數(shù)據(jù)處理分節(jié)點，間接管理整個系統(tǒng)中的所有交通信息數(shù)據(jù)。
[0011]所述步驟二中數(shù)據(jù)處理分節(jié)點處理違章車輛的步驟為:
a、先將原始汽車圖片進行形態(tài)學處理以劃分出若干明顯的區(qū)域，然后對各區(qū)域進行篩選，以確定車牌范圍，并進行裁剪，得到車牌圖；
b、對車牌圖進行Radon變換，在Radon空間中找出峰值點，把所有峰值點按降序排列，取前幾個峰值，計算圖片傾斜角度；如果傾斜角度大于10度，則對原始汽車圖進行旋轉(zhuǎn)并重新裁剪車牌；否則直接對車牌圖進行旋轉(zhuǎn)并進行進一步的校正；
C、通過字符識別技術(shù)，將上述步驟b得到的車牌圖進行識別，得出違章車牌照片。
[0012]所述步驟二中對車輛車牌照片進行圖像學處理的詳細過程為:
O讀取待處理的違章照片，將其轉(zhuǎn)化為二值圖像；
2)去除圖像中面積過小的，可以肯定不是車牌的區(qū)域；將剩余區(qū)域進行開、閉運算，得到連通區(qū)域；
3)查找連通域邊界，找出所有連通域中最可能是車牌的那一個；
4)對車牌區(qū)域進行裁剪；
5)基于Radon變換，求解車牌圖的傾斜角度a，并進行傾斜校正、裁剪、二值化處理，得到校正后的車牌二值化圖；
6)通過字符識別技術(shù)將步驟5)得到的二值化圖進行識別，得到違章牌號。
[0013]所述步驟中I)轉(zhuǎn)化圖片采用門限值為0.3。
[0014]所述步驟3)中找到連通區(qū)域中的車牌判斷標準為:連通域的匹配度=121*面積/周長~2，該匹配度最接近I的連通域即為下述步驟所需的最可能的車牌。
[0015]所述集中響應(yīng)數(shù)據(jù)采用基于時間片的輪轉(zhuǎn)調(diào)度算法，動態(tài)調(diào)度各個數(shù)據(jù)處理分節(jié)點的數(shù)據(jù)傳輸過程，均勻調(diào)節(jié)網(wǎng)絡(luò)帶寬、CPU、內(nèi)存的壓力，及時響應(yīng)、反饋交通違章信息，具體步驟如下:
為每個數(shù)據(jù)處理分節(jié)點分配一個時間片，即該節(jié)點允許傳輸數(shù)據(jù)的時間；
如果在時間片結(jié)束時數(shù)據(jù)還沒有傳輸完，則將未傳輸完的數(shù)據(jù)保存到數(shù)據(jù)處理分節(jié)點的數(shù)據(jù)緩沖池，將時間片分配給另一個分節(jié)點；
如果分節(jié)點在時間片結(jié)束前傳輸結(jié)束，則立即進行節(jié)點切換；
每臺數(shù)據(jù)處理分節(jié)點獲得時間片后，將獲取的車牌號以及違章信息統(tǒng)一發(fā)送給集中中控節(jié)點，集中中控節(jié)點在此時間片內(nèi)，查詢交通信息數(shù)據(jù)庫，通過車牌號獲取車主信息，發(fā)送違法告知信息，并更新交通違章數(shù)據(jù)庫。
[0016]本發(fā)明與現(xiàn)有技術(shù)相比所產(chǎn)生的有益效果是:
本發(fā)明的一種基于云計算的違章拍照自動識別方法充分利用云計算的特點，通過網(wǎng)絡(luò)與虛擬化技術(shù)，使用虛擬機替代傳統(tǒng)的物理服務(wù)器，利用網(wǎng)絡(luò)將服務(wù)器、存儲等設(shè)備協(xié)同起來，優(yōu)化系統(tǒng)資源配置比例，提升資源利用率，降低總能耗與運維成本；通過使用基于計算機圖像處理的二值化、變換、校正、識別等技術(shù)，從監(jiān)控照片中自動獲取違法車牌號信息，具有時間復(fù)雜度低、識別率高、易編程、易擴展的特點；利用云計算的特點，創(chuàng)建多個數(shù)據(jù)處理分節(jié)點虛擬機與一個集中中控節(jié)點虛擬機，充分利用服務(wù)器、存儲資源，節(jié)約成本，提高數(shù)據(jù)處理效率；通過使用共享存儲，在存儲服務(wù)器內(nèi)部進行數(shù)據(jù)傳輸，減少不必要的網(wǎng)絡(luò)帶寬占用；將違章數(shù)據(jù)處理功能均勻分布到多個數(shù)據(jù)處理分節(jié)點中，并通過時間片輪詢調(diào)度算法，科學調(diào)度各個分節(jié)點對系統(tǒng)資源的搶占，實用性強，易于推廣。
【專利附圖】

【附圖說明】
[0017]附圖1為本發(fā)明的實現(xiàn)流程示意圖。
[0018]附圖2為本發(fā)明的系統(tǒng)拓撲圖。
[0019]附圖3為經(jīng)圖像處理后違章車輛的二值圖示意圖。
[0020]附圖4為違章車輛照片開閉運算后的連通區(qū)域圖。
[0021]附圖5為違章車輛照片經(jīng)計算后的連通區(qū)域圖。
[0022]附圖6為時間片輪轉(zhuǎn)調(diào)度算法狀態(tài)圖。
【具體實施方式】
[0023]下面結(jié)合附圖對本發(fā)明的一種基于云計算的違章拍照自動識別方法作以下詳細說明。
[0024]針對當前交通監(jiān)管系統(tǒng)監(jiān)控力度弱、響應(yīng)效率低、違章漏網(wǎng)率高的不足。如附圖1所示，現(xiàn)提供一種基于云計算的違章拍照自動識別方法，該方法一方面利用云計算的優(yōu)點，使用虛擬機替代物理機處理信息，提高交通信息處理系統(tǒng)的穩(wěn)定性、高效性等；另一方面，對違章車輛照片進行圖像處理，得到牌照信息，具有高擴展性、實用性、高效性。
[0025]其具體實現(xiàn)過程如下:
一、部署云節(jié)點:在云計算環(huán)境下部署若干臺數(shù)據(jù)處理分節(jié)點虛擬機與一臺集中中控節(jié)點虛擬機，分別負責數(shù)據(jù)采集處理與集中信息響應(yīng)；
二、采集違章圖像:數(shù)據(jù)處理分節(jié)點處理違章車輛照片后，對車輛車牌照片進行圖像學處理，獲得違章車牌號信息，所述圖像學處理是指對違章車輛照片進行二值化、裁剪、Radon變換、校正、字符識別處理；
三、集中響應(yīng)數(shù)據(jù):牌號數(shù)據(jù)分時間片發(fā)送到集中中控節(jié)點；該集中中控節(jié)點查詢交通信息數(shù)據(jù)庫，獲取車主信息，發(fā)送違法告知信息。
[0026]如附圖2所示，所述步驟一的云節(jié)點部署詳細步驟為:
S1、在云計算環(huán)境下,倉Ij建一臺集中中控節(jié)點虛擬機與多臺數(shù)據(jù)處理分節(jié)點虛擬機，所有數(shù)據(jù)處理分節(jié)點均與集中中控節(jié)點網(wǎng)絡(luò)相連。
[0027]S2、為了節(jié)省傳輸大規(guī)模圖像數(shù)據(jù)造成的網(wǎng)絡(luò)帶寬占用，各個虛擬機使用掛載共享存儲的方式，在存儲服務(wù)器內(nèi)部進行數(shù)據(jù)傳輸。
[0028]S3、集中中控節(jié)點通過管理分布式數(shù)據(jù)處理分節(jié)點，間接管理整個系統(tǒng)中的所有交通信息數(shù)據(jù)。
[0029]所述步驟二中數(shù)據(jù)處理分節(jié)點處理違章車輛的步驟為:
A、先將原始汽車圖片進行形態(tài)學處理以劃分出若干明顯的區(qū)域，然后對各區(qū)域進行篩選。由于原始圖片可能存在傾斜角度，車牌區(qū)域的長寬比不定，但面積與周長平方的比值一定。通過這一關(guān)系進行區(qū)域篩選，以確定車牌范圍，并進行裁剪，得到車牌圖。
[0030]B、對車牌圖進行Radon變換，在Radon空間中找出峰值點，為計算準確，把所有峰值點按降序排列，取前幾個峰值，以計算圖片傾斜角度。如果傾斜角度大于10度，則對原始汽車圖進行旋轉(zhuǎn)并重新裁 剪車牌；否則直接對車牌圖進行旋轉(zhuǎn)并進行進一步的校正。
[0031]C、通過字符識別技術(shù)，將S2步得到的車牌圖進行識別，得出違章車牌號信息。
[0032]所述步驟二中對車輛車牌照片進行圖像學處理的詳細過程為:
O讀取待處理的違章照片，將其轉(zhuǎn)化為二值圖像。
[0033]在該技術(shù)方案中，一般的采用門限值為0.3附近時車牌字符最為清楚，雜點最少。采用該門限值時轉(zhuǎn)化后的圖像如附圖3所示。
[0034]2)去除圖像中面積過小的，可以肯定不是車牌的區(qū)域。為定位車牌，將區(qū)域進行開、閉運算，以得到連通區(qū)域，該連通區(qū)域的圖像如附圖4所示。
[0035]3)查找連通域邊界。找出所有連通域中最可能是車牌的那一個。
[0036]判斷的標準是:由于車牌的長寬比約為2:1到3:1之間，其面積s和周長c存在關(guān)系:s/c~2 ^ 1/21,以此為特征,取metric=121*area/perimeter~2作為連通域的匹配度，即連通域的匹配度=121*面積/周長~2，它越接近1，說明對應(yīng)的連通域越有可能對應(yīng)車牌。如附圖5，車牌區(qū)域的匹配度為0.95。
[0037]4)對車牌區(qū)域進行裁剪，得到車牌圖。
[0038]5)基于Radon變換，求解車牌圖的傾斜角度a，并進行傾斜校正、裁剪、二值化處理，得到校正后的車牌二值化圖。
[0039]6)通過字符識別技術(shù)將步驟5)得到的二值化圖進行識別，得到違章牌號。
[0040]所述集中響應(yīng)數(shù)據(jù)采用基于時間片的輪轉(zhuǎn)調(diào)度算法，動態(tài)調(diào)度各個數(shù)據(jù)處理分節(jié)點的數(shù)據(jù)傳輸過程，均勻調(diào)節(jié)網(wǎng)絡(luò)帶寬、CPU、內(nèi)存的壓力，及時響應(yīng)、反饋交通違章信息，具體步驟如下:
如附圖6所示，采用基于時間片的輪轉(zhuǎn)調(diào)度算法，防止各數(shù)據(jù)處理分節(jié)點發(fā)送數(shù)據(jù)時的網(wǎng)絡(luò)帶寬擁擠，以及集中中控節(jié)點的CPU、內(nèi)存資源搶占。為每個數(shù)據(jù)處理分節(jié)點分配一個時間段(時間片)，即該節(jié)點允許傳輸數(shù)據(jù)的時間。如果在時間片結(jié)束時數(shù)據(jù)還沒有傳輸完，則將未傳輸完的數(shù)據(jù)保存到數(shù)據(jù)處理分節(jié)點的數(shù)據(jù)緩沖池，將時間片分配給另一個分節(jié)點。如果分節(jié)點在時間片結(jié)束前傳輸結(jié)束，則立即進行節(jié)點切換。調(diào)度程序所要做的就是維護一張就緒進程列表，當節(jié)點用完它的時間片后，它被移到隊列的末尾。由于各地交通擁擠程度不同，因此各個分節(jié)點的時間片并不等長，系統(tǒng)自動將交通擁擠分節(jié)點的時間片長度按照交通繁忙程度動態(tài)加長。
[0041]每臺數(shù)據(jù)處理分節(jié)點獲得時間片后，將獲取的車牌號以及違章信息統(tǒng)一發(fā)送給集中中控節(jié)點，集中中控節(jié)點在此時間片內(nèi)，查詢交通信息數(shù)據(jù)庫，通過車牌號獲取車主信息，發(fā)送違法告知信息，并更新交通違章數(shù)據(jù)庫。通過這種方式，有效降低集中中控節(jié)點的CPU、內(nèi)存被多個數(shù)據(jù)處理分節(jié)點同時搶占的可能。
[0042]以上所述僅為本發(fā)明的實施例而已，凡在本發(fā)明的精神和原則之內(nèi)，所作的任何修改、等同替換、改進等，均應(yīng)包含在本發(fā)明的保護范圍之內(nèi)。
【權(quán)利要求】
1.一種基于云計算的違章拍照自動識別方法，其特征在于其具體實現(xiàn)過程如下: 一、部署云節(jié)點:在云計算環(huán)境下部署若干臺數(shù)據(jù)處理分節(jié)點虛擬機與一臺集中中控節(jié)點虛擬機，分別負責數(shù)據(jù)采集處理與集中信息響應(yīng)； 二、采集違章圖像:數(shù)據(jù)處理分節(jié)點處理違章車輛照片后，對車輛車牌照片進行圖像學處理，獲得違章車牌號信息，所述圖像學處理是指對違章車輛照片進行二值化、裁剪、Radon變換、校正、字符識別處理； 三、集中響應(yīng)數(shù)據(jù):牌號數(shù)據(jù)分時間片發(fā)送到集中中控節(jié)點；該集中中控節(jié)點查詢交通信息數(shù)據(jù)庫，獲取車主信息，發(fā)送違法告知信息。
2.根據(jù)權(quán)利要求1所述的一種基于云計算的違章拍照自動識別方法，其特征在于:所述步驟一的云節(jié)點部署詳細步驟為: A、在云計算環(huán)境下,倉Il建一臺集中中控節(jié)點虛擬機與若干臺數(shù)據(jù)處理分節(jié)點虛擬機，所有數(shù)據(jù)處理分節(jié)點均與集中中控節(jié)點網(wǎng)絡(luò)相連； B、各個虛擬機使用掛載共享存儲的方式，在存儲服務(wù)器內(nèi)部進行數(shù)據(jù)傳輸； C、集中中控節(jié)點通過管理分布式數(shù)據(jù)處理分節(jié)點，間接管理整個系統(tǒng)中的所有交通信息數(shù)據(jù)。
3.根據(jù)權(quán)利要求1所述的一種基于云計算的違章拍照自動識別方法，其特征在于:所述步驟二中數(shù)據(jù)處理分節(jié)點處理違章車輛的步驟為: a、先將原始汽車圖片進行形態(tài)學處理以劃分出若干明顯的區(qū)域，然后對各區(qū)域進行篩選，以確定車牌范圍，并進行裁剪，得到車牌圖； b、對車牌圖進行Radon變換，在Radon空間中找出峰值點，把所有峰值點按降序排列，取前幾個峰值，計算圖片傾斜角度；如果傾斜角度大于10度，則對原始汽車圖進行旋轉(zhuǎn)并重新裁剪車牌；否則直接對車牌圖進行旋轉(zhuǎn)并進行進一步的校正； C、通過字符識別技術(shù)，將上述步驟b得到的車牌圖進行識別，得出違章車牌照片。
4.根據(jù)權(quán)利要求3所述的一種基于云計算的違章拍照自動識別方法，其特征在于:所述步驟二中對車輛車牌照片進行圖像學處理的詳細過程為: 1)讀取待處理的違章照片，將其轉(zhuǎn)化為二值圖像； 2)去除圖像中面積過小的，可以肯定不是車牌的區(qū)域；將剩余區(qū)域進行開、閉運算，得到連通區(qū)域； 3)查找連通域邊界，找出所有連通域中最可能是車牌的那一個； 4)對車牌區(qū)域進行裁剪； 5)基于Radon變換，求解車牌圖的傾斜角度a，并進行傾斜校正、裁剪、二值化處理，得到校正后的車牌二值化圖； 6)通過字符識別技術(shù)將步驟5)得到的二值化圖進行識別，得到違章牌號。
5.根據(jù)權(quán)利要求4所述的一種基于云計算的違章拍照自動識別方法，其特征在于:所述步驟中I)轉(zhuǎn)化圖片采用門限值為0.3。
6.根據(jù)權(quán)利要求4或5所述的一種基于云計算的違章拍照自動識別方法，其特征在于:所述步驟3)中找到連通區(qū)域中的車牌判斷標準為:連通域的匹配度=121*面積/周長~2，該匹配度最接近I的連通域即為下述步驟所需的最可能的車牌。
7.根據(jù)權(quán)利要求1所述的一種基于云計算的違章拍照自動識別方法，其特征在于:所述集中響應(yīng)數(shù)據(jù)采用基于時間片的輪轉(zhuǎn)調(diào)度算法，動態(tài)調(diào)度各個數(shù)據(jù)處理分節(jié)點的數(shù)據(jù)傳輸過程，均勻調(diào)節(jié)網(wǎng)絡(luò)帶寬、CPU、內(nèi)存的壓力，及時響應(yīng)、反饋交通違章信息，具體步驟如下: 為每個數(shù)據(jù)處理分節(jié)點分配一個時間片，即該節(jié)點允許傳輸數(shù)據(jù)的時間； 如果在時間片結(jié)束時數(shù)據(jù)還沒有傳輸完，則將未傳輸完的數(shù)據(jù)保存到數(shù)據(jù)處理分節(jié)點的數(shù)據(jù)緩沖池，將時間片分配給另一個分節(jié)點； 如果分節(jié)點在時間片結(jié)束前傳輸結(jié)束，則立即進行節(jié)點切換； 每臺數(shù)據(jù)處理分節(jié)點獲得時間片后，將獲取的車牌號以及違章信息統(tǒng)一發(fā)送給集中中控節(jié)點，集中中控節(jié)點在此時間片內(nèi)，查詢交通信息數(shù)據(jù)庫，通過車牌號獲取車主信息，發(fā)送違法告知信息，并更新交通違章數(shù)據(jù)庫。
【文檔編號】G06K9/00GK103996296SQ201410225589
【公開日】2014年8月20日 申請日期:2014年5月27日 優(yōu)先權(quán)日:2014年5月27日
【發(fā)明者】呂廣杰, 劉正偉, 王旭東 申請人:浪潮電子信息產(chǎn)業(yè)股份有限公司