基于人脸识别和语音识别的考勤系统的制作方法
基于人脸识别和语音识别的考勤系统的制作方法
【技术领域】
[0001] 本发明涉及人脸检测技术领域，尤其涉及基于人脸识别和语音识别的考勤系统。
【背景技术】
[0002] 身份识别问题是人类在日常生产生活中经常遇见的一个难题，在很多情况下是保 障生产生活的重要前提。传统的身份识别方法主要基于身份标识物品和身份标识知识，这 两种标识可以分别看作"主体所拥有的〃和"主体所知道的〃。前者主要包括钥匙、证件、卡片 等，持有这些身份标识物品的人可以在公共和私人场所得到身份认证；后者则主要包括密 码、用户名、提示问题答案等，任何人只要知道这些信息，就可以同样的得到标识主体的身 份。但是在实际应用中的一些安全性要求比较高的情况下，人们通常将身份标识物品和身 份标识知识结合起来，例如在自动取款机(ATM)上取款需要同时拥有银行卡和密码才可以 完成。随着计算机科学技术的发展和网络白渐普及，人们的一些信息变得不再安全，例如身 份证件号码、密码等，这就使当今社会对于人类自身身份识别的准确性、安全性和实用性提 出了更高要求。传统的身份识别方法面临严峻的挑战。身份标识物品很容易被伪造、丢失或 是被损坏，身份标识知识容易被遗忘或被盗取，传统的身份识别越来越不适合科学技术高 速发展的现代。
[0003] 人脸检测技术作为生物识别技术的一种，具有以下几个优点：（1)安全性，世界上 每个人都有唯一的与别人不同的脸，即使是孪生兄弟姐妹面部特征也会有微小的差异；（2) 易获取性，利用简单的摄像设备就可以对人脸图像进行采集，采集时不用接触被采集者，绝 大多数客户可以接受；（3)和主体永不分离性，这样对主体身份的识别更具有真实性；（4)通 过人脸检测得到的表情信息是其它生物检测技术所不能获取的。因此人脸检测技术为现代 身份识别提供了一个极好的解决方案。
【发明内容】
[0004] 本发明所要解决的技术问题在于，提供一种基于人脸识别和语音识别的考勤系 统，考勤更精确。
[0005] 为了解决上述技术问题，本发明提供了一种基于人脸识别和语音识别的考勤系 统，包括：
[0006] 人脸图像获取模块，用于获取人脸图像；
[0007] 人脸图像预处理模块，用于对所述人脸图像获取模块获取的人脸图像进行处理获 取当前低维Gabor特征图像；
[0008] 语音录入模块，用于录入语音；
[0009] 语音预处理模块，用于对所述语音录入模块录入的语音进行降噪处理，获取当前 低噪语音；
[0010] 样本数据库，用于存储预先录入的多个低维Gabor特征图像样本和低噪语音样本；
[0011] 人脸识别模块，用于采用最邻近识别法将所述当前低维Gabor特征图像与所述多 个低维Gabor特征图像样本进行一一比对，当数据库中的所有的低维Gabor特征图像样本与 所述当前低维Gabor特征图像的距离都大于预设阈值时，判断识别结果为识别不到，否则判 断为已经识别；
[0012] 语音识别模块，用于将所述当前低噪语音与所述低噪语音样本进行一一比对，当 数据库中的所有的低噪语音样本与所述当前低噪语音的距离都大于预设阈值时，判断识别 结果为识别不到，否则判断为已经识别；
[0013] 考勤数据库，用于当所述人脸识别模块和所述语音识别模块的结果都为已经识别 时，将考勤时间录入；
[0014] 语音播报模块，用于当所述人脸识别模块和所述语音识别模块的结果都为已经识 别时，播报考勤成功，否则播报考勤失败。
[0015] 实施本发明，具有如下有益效果:本发明采用Gabor滤波器对获取Gabor特征图像 后再判别，检测结果更准确，进而考勤更精确。
【附图说明】
[0016] 为了更清楚地说明本发明实施例或现有技术中的技术方案，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的前提下，还可以 根据这些附图获得其他的附图。
[0017] 图1是本发明提供的基于人脸识别和语音识别的考勤系统的一个实施例的系统框 图。
【具体实施方式】
[0018] 下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完 整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于 本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他 实施例，都属于本发明保护的范围。
[0019] 图1是本发明提供的基于人脸识别和语音识别的考勤系统的一个实施例的系统框 图，如图1所示，包括：
[0020] 人脸图像获取模块，用于获取人脸图像;在具体实施时，人脸图像获取模块可以为 摄像机；
[0021] 人脸图像预处理模块，用于对所述人脸图像获取模块获取的人脸图像进行处理获 取当前低维Gabor特征图像；
[0022]语音录入模块，用于录入语音；
[0023]语音预处理模块，用于对所述语音录入模块录入的语音进行降噪处理，获取当前 低噪语音；
[0024]样本数据库，用于存储预先录入的多个低维Gabor特征图像样本和低噪语音样本；
[0025]人脸识别模块，用于采用最邻近识别法将所述当前低维Gabor特征图像与所述多 个低维Gabor特征图像样本进行一一比对，当数据库中的所有的低维Gabor特征图像样本与 所述当前低维Gabor特征图像的距离都大于预设阈值时，判断识别结果为识别不到，否则判 断为已经识别；
[0026] 语音识别模块，用于将所述当前低噪语音与所述低噪语音样本进行一一比对，当 数据库中的所有的低噪语音样本与所述当前低噪语音的距离都大于预设阈值时，判断识别 结果为识别不到，否则判断为已经识别；
[0027] 考勤数据库，用于当所述人脸识别模块和所述语音识别模块的结果都为已经识别 时，将考勤时间录入；
[0028] 语音播报模块，用于当所述人脸识别模块和所述语音识别模块的结果都为已经识 别时，播报考勤成功，否则播报考勤失败。
[0029]其中，所述人脸预处理模块具体包括：
[0030] 灰度化单元 ，用于将所述人脸图像获取模块获取的彩色人脸图像进行灰度化得到 灰度人脸图像；
[0031] Gabor特征提取单元，用于采用Gabor滤波器对灰度人脸图像进行处理后得到 Gabor特征图像；
[0032] 降维单元，用于采用主成分分析方法对所述Gabor特征图像进行降维，得到低维 Gabor特征图像。
[0033] 其中，所述Gabor特征提取单元具体用于采用Gabor滤波器对灰度人脸图像/(乃进 行处理后得到Gabor特征图像G(2)，其中，
为灰度人脸图 像像素点，*表示卷积运算，/?#.(?)为G a b 〇 r滤波器的函数，且
,式中，μ、ν分别表不Gabor核的方向、尺度，I I I 表示范数，
所述 Gabor核的方向μ = 8。所述Gabor核的尺度V = 5。
[0034]其中，所述降维单元具体用于：
[0035]根据最优化问题:求解一组投影矩阵V使得对所述Gabor特征图像投影后的矩阵的 总体散射最大，建立目标函数J (V )= maxTr (Sv);其中，Sv表示Gabor特征图像的协方差矩阵， Tr (Sv)表不Sv的迹；
[0036]根据所述最优化问题计算得到投影矩阵V;
[0037] 根据所述投影矩阵V对所述Gabor特征图像进行投影降维，得到低维Gabor特征图 像。
[0038] 实施本发明，具有如下有益效果:本发明采用Gabor滤波器对获取Gabor特征图像 后再判别，检测结果更准确，进而考勤更精确。
[0039]需要说明的是，在本文中，术语"包括"、"包含"或者其任何其他变体意在涵盖非排 他性的包含，从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素，而 且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者装置所固有 的要素。在没有更多限制的情况下，由语句"包括一个……"限定的要素，并不排除在包括该 要素的过程、方法、物品或者装置中还存在另外的相同要素。
[0040]对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。 对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的 一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明 将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一 致的最宽的范围。
【主权项】
1. 一种基于人脸识别和语音识别的考勤系统，其特征在于，包括： 人脸图像获取模块，用于获取人脸图像； 人脸图像预处理模块，用于对所述人脸图像获取模块获取的人脸图像进行处理获取当 前低维Gabor特征图像； 语音录入模块，用于录入语音； 语音预处理模块，用于对所述语音录入模块录入的语音进行降噪处理，获取当前低噪 语音； 样本数据库，用于存储预先录入的多个低维Gabor特征图像样本和低噪语音样本； 人脸识别模块，用于采用最邻近识别法将所述当前低维Gabor特征图像与所述多个低 维Gabor特征图像样本进行一一比对，当数据库中的所有的低维Gabor特征图像样本与所述 当前低维Gabor特征图像的距离都大于预设阈值时，判断识别结果为识别不到，否则判断为 已经识别； 语音识别模块，用于将所述当前低噪语音与所述低噪语音样本进行一一比对，当数据 库中的所有的低噪语音样本与所述当前低噪语音的距离都大于预设阈值时，判断识别结果 为识别不到，否则判断为已经识别； 考勤数据库，用于当所述人脸识别模块和所述语音识别模块的结果都为已经识别时， 将考勤时间录入； 语音播报模块，用于当所述人脸识别模块和所述语音识别模块的结果都为已经识别 时，播报考勤成功，否则播报考勤失败。2. 如权利要求1所述的基于人脸识别和语音识别的考勤系统，其特征在于，所述人脸图 像获取模块具体为摄像机。3. 如权利要求1所述的基于人脸识别和语音识别的考勤系统，其特征在于，所述人脸预 处理模块具体包括： 灰度化单元，用于将所述人脸图像获取模块获取的彩色人脸图像进行灰度化得到灰度 人脸图像； Gabor特征提取单元，用于采用Gabor滤波器对灰度人脸图像进行处理后得到Gabor特 征图像； 降维单元，用于采用主成分分析方法对所述Gabor特征图像进行降维，得到低维Gabor 特征图像。4. 如权利要求3所述的基于人脸识别和语音识别的考勤系统，其特征在于，所述Gabor 特征提取单元具体用于采用Gabor滤波器对灰度人脸图像/(2)进行处理后得到Gabor特征 图像G(2)，其中，为灰度人脸图像像素点，*表示卷积运 算，为Gabor滤波器的函数，且式中，μ、ν 分别表不Gabor核的方向、尺度，I I I I表不范数5. 如权利要求3所述的基于人脸识别和语音识别的考勤系统，其特征在于，所述降维单 元具体用于： 根据最优化问题:求解一组投影矩阵V使得对所述Gabor特征图像投影后的矩阵的总体 散射最大，建立目标函数J(V) =HiaxTr(Sv);其中，Sv表示Gabor特征图像的协方差矩阵，Tr (Sv)表不Sv的迹； 根据所述最优化问题计算得到投影矩阵V; 根据所述投影矩阵V对所述Gabor特征图像进行投影降维，得到低维Gabor特征图像。6. 如权利要求4所述的基于人脸识别和语音识别的考勤系统，其特征在于，所述Gabor 核的方向μ=8。7. 如权利要求4所述的基于人脸识别和语音识别的考勤系统，其特征在于，所述Gabor 核的尺度v = 5。
【专利摘要】本发明公开了一种基于人脸识别和语音识别的考勤系统，包括：人脸图像获取模块，人脸图像预处理模块，语音录入模块，语音预处理模块，样本数据库，人脸识别模块，语音识别模块，考勤数据库，语音播报模块，用于当所述人脸识别模块和所述语音识别模块的结果都为已经识别时，播报考勤成功，否则播报考勤失败。
【IPC分类】G06K9/62, G06K9/00, G07C1/10
【公开号】CN105488859
【申请号】CN201510822481
【发明人】夏钢, 夏泽宇, 陈牧遥
【申请人】苏州铭冠软件科技有限公司
【公开日】2016年4月13日
【申请日】2015年11月24日
【技术领域】
[0001] 本发明涉及人脸检测技术领域，尤其涉及基于人脸识别和语音识别的考勤系统。
【背景技术】
[0002] 身份识别问题是人类在日常生产生活中经常遇见的一个难题，在很多情况下是保 障生产生活的重要前提。传统的身份识别方法主要基于身份标识物品和身份标识知识，这 两种标识可以分别看作"主体所拥有的〃和"主体所知道的〃。前者主要包括钥匙、证件、卡片 等，持有这些身份标识物品的人可以在公共和私人场所得到身份认证；后者则主要包括密 码、用户名、提示问题答案等，任何人只要知道这些信息，就可以同样的得到标识主体的身 份。但是在实际应用中的一些安全性要求比较高的情况下，人们通常将身份标识物品和身 份标识知识结合起来，例如在自动取款机(ATM)上取款需要同时拥有银行卡和密码才可以 完成。随着计算机科学技术的发展和网络白渐普及，人们的一些信息变得不再安全，例如身 份证件号码、密码等，这就使当今社会对于人类自身身份识别的准确性、安全性和实用性提 出了更高要求。传统的身份识别方法面临严峻的挑战。身份标识物品很容易被伪造、丢失或 是被损坏，身份标识知识容易被遗忘或被盗取，传统的身份识别越来越不适合科学技术高 速发展的现代。
[0003] 人脸检测技术作为生物识别技术的一种，具有以下几个优点：（1)安全性，世界上 每个人都有唯一的与别人不同的脸，即使是孪生兄弟姐妹面部特征也会有微小的差异；（2) 易获取性，利用简单的摄像设备就可以对人脸图像进行采集，采集时不用接触被采集者，绝 大多数客户可以接受；（3)和主体永不分离性，这样对主体身份的识别更具有真实性；（4)通 过人脸检测得到的表情信息是其它生物检测技术所不能获取的。因此人脸检测技术为现代 身份识别提供了一个极好的解决方案。
【发明内容】
[0004] 本发明所要解决的技术问题在于，提供一种基于人脸识别和语音识别的考勤系 统，考勤更精确。
[0005] 为了解决上述技术问题，本发明提供了一种基于人脸识别和语音识别的考勤系 统，包括：
[0006] 人脸图像获取模块，用于获取人脸图像；
[0007] 人脸图像预处理模块，用于对所述人脸图像获取模块获取的人脸图像进行处理获 取当前低维Gabor特征图像；
[0008] 语音录入模块，用于录入语音；
[0009] 语音预处理模块，用于对所述语音录入模块录入的语音进行降噪处理，获取当前 低噪语音；
[0010] 样本数据库，用于存储预先录入的多个低维Gabor特征图像样本和低噪语音样本；
[0011] 人脸识别模块，用于采用最邻近识别法将所述当前低维Gabor特征图像与所述多 个低维Gabor特征图像样本进行一一比对，当数据库中的所有的低维Gabor特征图像样本与 所述当前低维Gabor特征图像的距离都大于预设阈值时，判断识别结果为识别不到，否则判 断为已经识别；
[0012] 语音识别模块，用于将所述当前低噪语音与所述低噪语音样本进行一一比对，当 数据库中的所有的低噪语音样本与所述当前低噪语音的距离都大于预设阈值时，判断识别 结果为识别不到，否则判断为已经识别；
[0013] 考勤数据库，用于当所述人脸识别模块和所述语音识别模块的结果都为已经识别 时，将考勤时间录入；
[0014] 语音播报模块，用于当所述人脸识别模块和所述语音识别模块的结果都为已经识 别时，播报考勤成功，否则播报考勤失败。
[0015] 实施本发明，具有如下有益效果:本发明采用Gabor滤波器对获取Gabor特征图像 后再判别，检测结果更准确，进而考勤更精确。
【附图说明】
[0016] 为了更清楚地说明本发明实施例或现有技术中的技术方案，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的前提下，还可以 根据这些附图获得其他的附图。
[0017] 图1是本发明提供的基于人脸识别和语音识别的考勤系统的一个实施例的系统框 图。
【具体实施方式】
[0018] 下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完 整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于 本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他 实施例，都属于本发明保护的范围。
[0019] 图1是本发明提供的基于人脸识别和语音识别的考勤系统的一个实施例的系统框 图，如图1所示，包括：
[0020] 人脸图像获取模块，用于获取人脸图像;在具体实施时，人脸图像获取模块可以为 摄像机；
[0021] 人脸图像预处理模块，用于对所述人脸图像获取模块获取的人脸图像进行处理获 取当前低维Gabor特征图像；
[0022]语音录入模块，用于录入语音；
[0023]语音预处理模块，用于对所述语音录入模块录入的语音进行降噪处理，获取当前 低噪语音；
[0024]样本数据库，用于存储预先录入的多个低维Gabor特征图像样本和低噪语音样本；
[0025]人脸识别模块，用于采用最邻近识别法将所述当前低维Gabor特征图像与所述多 个低维Gabor特征图像样本进行一一比对，当数据库中的所有的低维Gabor特征图像样本与 所述当前低维Gabor特征图像的距离都大于预设阈值时，判断识别结果为识别不到，否则判 断为已经识别；
[0026] 语音识别模块，用于将所述当前低噪语音与所述低噪语音样本进行一一比对，当 数据库中的所有的低噪语音样本与所述当前低噪语音的距离都大于预设阈值时，判断识别 结果为识别不到，否则判断为已经识别；
[0027] 考勤数据库，用于当所述人脸识别模块和所述语音识别模块的结果都为已经识别 时，将考勤时间录入；
[0028] 语音播报模块，用于当所述人脸识别模块和所述语音识别模块的结果都为已经识 别时，播报考勤成功，否则播报考勤失败。
[0029]其中，所述人脸预处理模块具体包括：
[0030] 灰度化单元 ，用于将所述人脸图像获取模块获取的彩色人脸图像进行灰度化得到 灰度人脸图像；
[0031] Gabor特征提取单元，用于采用Gabor滤波器对灰度人脸图像进行处理后得到 Gabor特征图像；
[0032] 降维单元，用于采用主成分分析方法对所述Gabor特征图像进行降维，得到低维 Gabor特征图像。
[0033] 其中，所述Gabor特征提取单元具体用于采用Gabor滤波器对灰度人脸图像/(乃进 行处理后得到Gabor特征图像G(2)，其中，
为灰度人脸图 像像素点，*表示卷积运算，/?#.(?)为G a b 〇 r滤波器的函数，且
,式中，μ、ν分别表不Gabor核的方向、尺度，I I I 表示范数，
所述 Gabor核的方向μ = 8。所述Gabor核的尺度V = 5。
[0034]其中，所述降维单元具体用于：
[0035]根据最优化问题:求解一组投影矩阵V使得对所述Gabor特征图像投影后的矩阵的 总体散射最大，建立目标函数J (V )= maxTr (Sv);其中，Sv表示Gabor特征图像的协方差矩阵， Tr (Sv)表不Sv的迹；
[0036]根据所述最优化问题计算得到投影矩阵V;
[0037] 根据所述投影矩阵V对所述Gabor特征图像进行投影降维，得到低维Gabor特征图 像。
[0038] 实施本发明，具有如下有益效果:本发明采用Gabor滤波器对获取Gabor特征图像 后再判别，检测结果更准确，进而考勤更精确。
[0039]需要说明的是，在本文中，术语"包括"、"包含"或者其任何其他变体意在涵盖非排 他性的包含，从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素，而 且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者装置所固有 的要素。在没有更多限制的情况下，由语句"包括一个……"限定的要素，并不排除在包括该 要素的过程、方法、物品或者装置中还存在另外的相同要素。
[0040]对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。 对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的 一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明 将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一 致的最宽的范围。
【主权项】
1. 一种基于人脸识别和语音识别的考勤系统，其特征在于，包括： 人脸图像获取模块，用于获取人脸图像； 人脸图像预处理模块，用于对所述人脸图像获取模块获取的人脸图像进行处理获取当 前低维Gabor特征图像； 语音录入模块，用于录入语音； 语音预处理模块，用于对所述语音录入模块录入的语音进行降噪处理，获取当前低噪 语音； 样本数据库，用于存储预先录入的多个低维Gabor特征图像样本和低噪语音样本； 人脸识别模块，用于采用最邻近识别法将所述当前低维Gabor特征图像与所述多个低 维Gabor特征图像样本进行一一比对，当数据库中的所有的低维Gabor特征图像样本与所述 当前低维Gabor特征图像的距离都大于预设阈值时，判断识别结果为识别不到，否则判断为 已经识别； 语音识别模块，用于将所述当前低噪语音与所述低噪语音样本进行一一比对，当数据 库中的所有的低噪语音样本与所述当前低噪语音的距离都大于预设阈值时，判断识别结果 为识别不到，否则判断为已经识别； 考勤数据库，用于当所述人脸识别模块和所述语音识别模块的结果都为已经识别时， 将考勤时间录入； 语音播报模块，用于当所述人脸识别模块和所述语音识别模块的结果都为已经识别 时，播报考勤成功，否则播报考勤失败。2. 如权利要求1所述的基于人脸识别和语音识别的考勤系统，其特征在于，所述人脸图 像获取模块具体为摄像机。3. 如权利要求1所述的基于人脸识别和语音识别的考勤系统，其特征在于，所述人脸预 处理模块具体包括： 灰度化单元，用于将所述人脸图像获取模块获取的彩色人脸图像进行灰度化得到灰度 人脸图像； Gabor特征提取单元，用于采用Gabor滤波器对灰度人脸图像进行处理后得到Gabor特 征图像； 降维单元，用于采用主成分分析方法对所述Gabor特征图像进行降维，得到低维Gabor 特征图像。4. 如权利要求3所述的基于人脸识别和语音识别的考勤系统，其特征在于，所述Gabor 特征提取单元具体用于采用Gabor滤波器对灰度人脸图像/(2)进行处理后得到Gabor特征 图像G(2)，其中，为灰度人脸图像像素点，*表示卷积运 算，为Gabor滤波器的函数，且式中，μ、ν 分别表不Gabor核的方向、尺度，I I I I表不范数5. 如权利要求3所述的基于人脸识别和语音识别的考勤系统，其特征在于，所述降维单 元具体用于： 根据最优化问题:求解一组投影矩阵V使得对所述Gabor特征图像投影后的矩阵的总体 散射最大，建立目标函数J(V) =HiaxTr(Sv);其中，Sv表示Gabor特征图像的协方差矩阵，Tr (Sv)表不Sv的迹； 根据所述最优化问题计算得到投影矩阵V; 根据所述投影矩阵V对所述Gabor特征图像进行投影降维，得到低维Gabor特征图像。6. 如权利要求4所述的基于人脸识别和语音识别的考勤系统，其特征在于，所述Gabor 核的方向μ=8。7. 如权利要求4所述的基于人脸识别和语音识别的考勤系统，其特征在于，所述Gabor 核的尺度v = 5。
【专利摘要】本发明公开了一种基于人脸识别和语音识别的考勤系统，包括：人脸图像获取模块，人脸图像预处理模块，语音录入模块，语音预处理模块，样本数据库，人脸识别模块，语音识别模块，考勤数据库，语音播报模块，用于当所述人脸识别模块和所述语音识别模块的结果都为已经识别时，播报考勤成功，否则播报考勤失败。
【IPC分类】G06K9/62, G06K9/00, G07C1/10
【公开号】CN105488859
【申请号】CN201510822481
【发明人】夏钢, 夏泽宇, 陈牧遥
【申请人】苏州铭冠软件科技有限公司
【公开日】2016年4月13日
【申请日】2015年11月24日
最新回复(0)