CN108113657A - 一种基于d-s证据理论的驾驶员疲劳检测方法 - Google Patents

一种基于d-s证据理论的驾驶员疲劳检测方法 Download PDF

Info

Publication number
CN108113657A
CN108113657A CN201611076352.0A CN201611076352A CN108113657A CN 108113657 A CN108113657 A CN 108113657A CN 201611076352 A CN201611076352 A CN 201611076352A CN 108113657 A CN108113657 A CN 108113657A
Authority
CN
China
Prior art keywords
fatigue
driver
heart rate
standard deviation
decision
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.)
Pending
Application number
CN201611076352.0A
Other languages
English (en)
Other versions
CN108113657A8 (zh
Inventor
祁宇明
王云磊
邓三鹏
蒋永翔
李柯
宋青山
王帅
郝帅
李佳玉
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.)
Tianjin Vocational And Technical Normal University
Tianjin University of Technology
Original Assignee
Tianjin Vocational And Technical Normal 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 Tianjin Vocational And Technical Normal University filed Critical Tianjin Vocational And Technical Normal University
Priority to CN201611076352.0A priority Critical patent/CN108113657A/zh
Publication of CN108113657A publication Critical patent/CN108113657A/zh
Publication of CN108113657A8 publication Critical patent/CN108113657A8/zh
Pending legal-status Critical Current

Links

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
    • A61B5/0205—Simultaneously evaluating both cardiovascular conditions and different types of body conditions, e.g. heart and respiratory condition
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
    • A61B5/024—Detecting, measuring or recording pulse rate or heart rate
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/08—Detecting, measuring or recording devices for evaluating the respiratory organs
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/145—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue
    • A61B5/14542—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue for measuring blood gases
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/16—Devices for psychotechnics; Testing reaction times ; Devices for evaluating the psychological state
    • A61B5/18—Devices for psychotechnics; Testing reaction times ; Devices for evaluating the psychological state for vehicle drivers or machine operators
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7235—Details of waveform analysis
    • A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B2503/00—Evaluating a particular growth phase or type of persons or animals
    • A61B2503/10—Athletes

Abstract

本发明公开了一种基于粗糙集与D‑S证据理论的驾驶员疲劳检测方法，主要包括：通过传感器采集心率、脉搏、血氧饱和度、呼吸信号的数据构成初级疲劳特征参数；通过粗糙集属性约简方法提取最优疲劳特征参数，由疲劳特征参数构造疲劳属性决策表，将疲劳决策表进行数据离散化，建立差别矩阵进行属性约简，从而建立疲劳决策集，通过决策集输出的数据归一化处理后，采用模糊神经网络与D‑S理论相融合，决策驾驶员疲劳结果。本发明根据人体生理特征，结合智能信息处理方法识别汽车驾驶员的疲劳特征，拥有明显的社会与经济效益，对减少因为疲劳驾驶造成的交通事故有重要意义。

Description

一种基于D-S证据理论的驾驶员疲劳检测方法
技术领域
本发明涉及一种基于D-S证据理论的驾驶员疲劳检测方法。
背景技术
世界上多数国家人民生命安全受到危害的主要原因之一是交通事故，每年因交通事故所造成死亡人数已不少于50 万。在导致交通事故发生的诸多因素中，疲劳驾驶是头号“杀手”，特别是在高速公路发生的重特大交通事故中，因疲劳驾驶造成的事故所占比例达40%以上。根据美国公路交通安全署对每年交通事故的统计分析可知，每年因驾驶员在行车过程驾驶疲劳所引发的交通事故至少在10万起，在德国的交通事故中，因疲劳驾驶所引发的意外占人身伤害事故的14.9%，死亡事故的20.6%。根据交通部门事故统计数据，在我国每年由驾驶员疲劳驾驶所引起的交通事故至少占20%，由此造成的直接经济损失多达数百万。由于疲劳驾驶引发的交通事故往往是在驾驶人毫无预见性、且未采取主动避险措施的情况下发生的，往往导致车毁人亡，对人们的生命和财产造成了十分惨重的损失。因此，对疲劳驾驶开展有关研究并及时做出判断、预警显得尤为必要。
发明内容
本发明提供一种基于D-S证据理论的驾驶员疲劳检测方法，主要包括：采用BMD101微型心电传感器采集驾驶员的心率，采用PC-68A脉搏血氧饱和度仪采集驾驶员的脉搏和血氧饱和度，采用面背压传感器采集驾驶员的呼吸信号：将心率、脉搏、血氧饱和度、呼吸信号的数据构成初级疲劳特征向量，通过粗糙集属性约简方法提取最有效疲劳特征参数，由疲劳特征参数构造疲劳属性决策表，将疲劳决策表进行数据离散化，建立差别矩阵进行属性约简，从而建立疲劳决策集，通过决策集输出的数据归一化处理后，采用模糊神经网络与D-S理论相融合，最后根据 D-S 决策规则对驾驶员疲劳状态进行判断。
其中具体的驾驶员疲劳检测方法包括以下步骤：
步骤1、通过驾驶员在操作模拟驾驶平台时，采集驾驶员的心率、脉搏、血氧饱和度、呼吸信号数据构成初级疲劳特征向量；
步骤2、通过运用统计学方法对步骤1采集的初级疲劳特征向量：心率、脉搏、血氧饱和度、呼吸信号波形变化规律进行研究，获得显著驾驶员驾车状态各生理特征参数；
步骤3、通过采用单因素实验设计方法，定量研究清醒和疲劳两种驾驶状态中各生理特征参数之间的差异性，同时对其展开不同时间窗下的分析，最终获得驾驶员在最优时间窗下的疲劳特征参数：呼吸周期平均值、呼吸周期标准差、呼吸幅度平均值、呼吸幅度标准差、心率平均值、心率标准差、脉搏血氧标准差。
步骤4、通过粗糙集属性约简方法，对步骤3获得的最优时间窗下的疲劳特征参数进行优化，获得具有决策级别的最有效疲劳特征参数：呼吸周期平均值、呼吸周期标准差、呼吸幅度平均值、呼吸幅度标准差、心率平均值、心率标准差、脉搏血氧标准差。
步骤5、根据步骤4获得的最有效疲劳特征参数：呼吸周期平均值、呼吸周期标准差、呼吸幅度平均值、呼吸幅度标准差、心率平均值、心率标准差、脉搏血氧标准差构造疲劳属性决策表；
步骤6、根据步骤5决策表中的数据进行离散化处理，运用离散化处理后的数据建立差别矩阵，由差别矩阵属性约简出决策疲劳集：呼吸周期平均值、呼吸周期标准差、呼吸幅度标准差、心率标准差各数据进行归一化处理，运用模糊神经网络，得到属性组中各疲劳特征的基本概率分配，然后采用 D-S理论对此疲劳特征属性组进行融合，最后根据 D-S 决策规则对驾驶员疲劳状态进行判断。
附图说明
图1为本发明驾驶员疲劳监测方法流程图；
图2为本发明驾驶员疲劳监测方法装置布置示意图；
图2中18-PC-68A脉搏血氧饱和度仪，19-心率传感器，20-面背压传感器。
具体实施方式
结合附图1、2，对本发明的具体实施过程加以说明：
A、通过位于胸部BMD101微型心电传感器采集驾驶员的心率信号；通过将PC-68A脉搏血氧仪佩戴驾驶员手腕处、食指放在血氧探头内采集驾驶员的脉搏和血氧饱和度；通过直接放置在驾驶员背部的面背压传感器采集驾驶员的呼吸信号；
B、通过对心率信号进行统计分析研究驾驶员疲劳驾驶时心率分布特征，采用（1-1）和（1-2）进行各时间窗下心率平均值和心率标准差的计算；通过对驾驶员脉搏血氧进行统计分析对不同驾驶状态下血氧分布特征进行研究，采用式（1-1）和式（1-2）进行各时间窗下血氧平均值和血氧标准差的计算；通过对呼吸信号进行统计分析驾驶员在驾驶过程中呼吸周期及呼吸幅度进行分布特征研究，采用式（1-1）和式（1-2）进行各时间窗下呼吸周期和呼吸幅度平均值、呼吸周期和呼吸幅度标准差的计算；将计算出的疲劳特征数据构造成对应的疲劳属性决策表。
C、运用粗糙集属性约简方法对上步计算出的疲劳属性决策表进行数据的离散化处理，根据离散化规则建立差别矩阵，进行属性约简建立最有效疲劳特征子集：呼吸周期平均值、呼吸周期标准差、呼吸幅度标准差、心率标准差；
D、驾驶员各生理特征信息从属于其驾驶状态的隶属度，采用模糊神经网络，模糊神经网络的输入对应着生理特征，即上步得到最有效疲劳特征属性集：{呼吸周期平均值、呼吸周期标准差、呼吸幅度标准差、心率标准差}，运用最有效疲劳特征属性集进行测试训练，对测试训练数据(每一种疲劳特征参数的取值)运用(1-3)进行归一化处理；
E、选取一组上步归一化处理后的最有效数据进行模糊神经网络测试运用(1-4)进行计算，式中的为每种驾驶状态下的基本概率分配，为网络输出，为网络误差，为两种驾驶状态，1为清醒状态，2为疲劳状态；
D、运用D-S决策规则对上步计算出的结果进行融合，通过融合后的结果与所选择的门限 进行比较判断出驾驶员所处在的驾驶状态。

Claims (1)

1.一种基于D-S证据理论的驾驶员疲劳检测方法，其特征在于：采用BMD101微型心电传感器采集驾驶员的心率，采用PC-68A脉搏血氧饱和度仪采集驾驶员的脉搏和血氧饱和度，采用面背压传感器采集驾驶员的呼吸信号：将心率、脉搏、血氧饱和度、呼吸信号的数据构成初级疲劳特征向量，通过粗糙集属性约简方法提取最有效疲劳特征参数，由疲劳特征参数构造疲劳属性决策表，将疲劳决策表进行数据离散化，建立差别矩阵进行属性约简，从而建立疲劳决策集，通过决策集输出的数据归一化处理后，采用模糊神经网络与D-S理论相融合，最后根据 D-S 决策规则对驾驶员疲劳状态进行判断；
其中具体的驾驶员疲劳检测方法包括以下步骤：
步骤1、通过驾驶员在操作模拟驾驶平台时，采集驾驶员的心率、脉搏、血氧饱和度、呼吸信号数据构成初级疲劳特征向量；
步骤2、通过运用统计学方法对步骤1采集的初级疲劳特征向量：心率、脉搏、血氧饱和度、呼吸信号波形变化规律进行不同时间窗下研究，获得显著驾驶员驾车状态各生理特征参数；
步骤3、通过采用单因素实验设计方法，定量研究清醒和疲劳两种驾驶状态中各生理特征参数之间的差异性，同时对其展开不同时间窗下的分析，最终获得驾驶员在最优时间窗下的疲劳特征参数：呼吸周期平均值、呼吸周期标准差、呼吸幅度平均值、呼吸幅度标准差、心率平均值、心率标准差、脉搏血氧标准差；
步骤4、通过粗糙集属性约简方法，对步骤3获得的最优时间窗下的疲劳特征参数进行优化，获得具有决策级别的最有效疲劳特征参数：呼吸周期平均值、呼吸周期标准差、呼吸幅度平均值、呼吸幅度标准差、心率平均值、心率标准差、脉搏血氧标准差；
步骤5、根据步骤4获得的最有效疲劳特征参数：呼吸周期平均值、呼吸周期标准差、呼吸幅度平均值、呼吸幅度标准差、心率平均值、心率标准差、脉搏血氧标准差构造疲劳属性决策表；
步骤6、根据步骤5决策表中的数据进行离散化处理，运用离散化处理后的数据建立差别矩阵，由差别矩阵属性约简出决策疲劳集：呼吸周期平均值、呼吸周期标准差、呼吸幅度标准差、心率标准差各数据进行归一化处理，运用模糊神
经网络，得到属性组中各疲劳特征的基本概率分配，然后采用 D-S理论对此疲劳特征属性组进行融合，最后根据 D-S 决策规则对驾驶员疲劳状态进行判断。
CN201611076352.0A 2016-11-30 2016-11-30 一种基于d-s证据理论的驾驶员疲劳检测方法 Pending CN108113657A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201611076352.0A CN108113657A (zh) 2016-11-30 2016-11-30 一种基于d-s证据理论的驾驶员疲劳检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201611076352.0A CN108113657A (zh) 2016-11-30 2016-11-30 一种基于d-s证据理论的驾驶员疲劳检测方法

Publications (2)

Publication Number Publication Date
CN108113657A true CN108113657A (zh) 2018-06-05
CN108113657A8 CN108113657A8 (zh) 2019-08-30

Family

ID=62225965

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201611076352.0A Pending CN108113657A (zh) 2016-11-30 2016-11-30 一种基于d-s证据理论的驾驶员疲劳检测方法

Country Status (1)

Country Link
CN (1) CN108113657A (zh)

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108694814A (zh) * 2018-07-11 2018-10-23 中国医学科学院生物医学工程研究所 疲劳驾驶预警方法、装置、设备及存储介质
CN108694813A (zh) * 2018-07-11 2018-10-23 中国医学科学院生物医学工程研究所 基于驾驶行为判定疲劳驾驶的方法及装置
CN108852380A (zh) * 2018-07-09 2018-11-23 南京邮电大学 基于ecg信号的疲劳、情绪分析方法
CN110400446A (zh) * 2019-08-02 2019-11-01 重庆文理学院 一种用于游泳池溺水检测的方法
CN110598789A (zh) * 2019-09-12 2019-12-20 首都师范大学 一种基于模糊感知器的人体疲劳状态预测方法及系统
CN110731787A (zh) * 2019-09-26 2020-01-31 首都师范大学 一种基于多源数据信息的疲劳状态因果网络方法
CN110936962A (zh) * 2019-09-17 2020-03-31 天津职业技术师范大学(中国职业培训指导教师进修中心) 一种同时监测驾驶中生理和心理疲劳的方法
CN112419719A (zh) * 2020-11-18 2021-02-26 济南北方交通工程咨询监理有限公司 高速公路交通运营安全评价方法及系统
CN115721317A (zh) * 2022-10-20 2023-03-03 湖南万脉医疗科技有限公司 一种基于心肺信息的生理状态监测方法和监测仪

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102406507A (zh) * 2010-09-20 2012-04-11 天津职业技术师范大学 基于人体生理信号的汽车驾驶员疲劳监测方法
WO2015138416A1 (en) * 2014-03-10 2015-09-17 Cvg Management Corporation Health monitoring
CN105877766A (zh) * 2016-06-21 2016-08-24 东北大学 一种基于多生理信号融合的精神状态检测系统及方法
CN106236047A (zh) * 2016-09-05 2016-12-21 合肥飞鸟信息技术有限公司 驾驶员疲劳监测系统的控制方法
CN106236046A (zh) * 2016-09-05 2016-12-21 合肥飞鸟信息技术有限公司 驾驶员疲劳监测系统

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102406507A (zh) * 2010-09-20 2012-04-11 天津职业技术师范大学 基于人体生理信号的汽车驾驶员疲劳监测方法
WO2015138416A1 (en) * 2014-03-10 2015-09-17 Cvg Management Corporation Health monitoring
CN105877766A (zh) * 2016-06-21 2016-08-24 东北大学 一种基于多生理信号融合的精神状态检测系统及方法
CN106236047A (zh) * 2016-09-05 2016-12-21 合肥飞鸟信息技术有限公司 驾驶员疲劳监测系统的控制方法
CN106236046A (zh) * 2016-09-05 2016-12-21 合肥飞鸟信息技术有限公司 驾驶员疲劳监测系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
李佳玉: "基于D-S理论的汽车驾驶员疲劳决策研究", 《中国优秀硕士学位论文全文数据库（电子期刊）工程科技Ⅱ辑》 *

Cited By (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108852380A (zh) * 2018-07-09 2018-11-23 南京邮电大学 基于ecg信号的疲劳、情绪分析方法
CN108694814A (zh) * 2018-07-11 2018-10-23 中国医学科学院生物医学工程研究所 疲劳驾驶预警方法、装置、设备及存储介质
CN108694813A (zh) * 2018-07-11 2018-10-23 中国医学科学院生物医学工程研究所 基于驾驶行为判定疲劳驾驶的方法及装置
CN110400446A (zh) * 2019-08-02 2019-11-01 重庆文理学院 一种用于游泳池溺水检测的方法
CN110400446B (zh) * 2019-08-02 2021-03-26 重庆文理学院 一种用于游泳池溺水检测的方法
CN110598789A (zh) * 2019-09-12 2019-12-20 首都师范大学 一种基于模糊感知器的人体疲劳状态预测方法及系统
CN110936962A (zh) * 2019-09-17 2020-03-31 天津职业技术师范大学(中国职业培训指导教师进修中心) 一种同时监测驾驶中生理和心理疲劳的方法
CN110731787A (zh) * 2019-09-26 2020-01-31 首都师范大学 一种基于多源数据信息的疲劳状态因果网络方法
CN110731787B (zh) * 2019-09-26 2022-07-22 首都师范大学 一种基于多源数据信息的疲劳状态因果网络方法
CN112419719A (zh) * 2020-11-18 2021-02-26 济南北方交通工程咨询监理有限公司 高速公路交通运营安全评价方法及系统
CN115721317A (zh) * 2022-10-20 2023-03-03 湖南万脉医疗科技有限公司 一种基于心肺信息的生理状态监测方法和监测仪
CN115721317B (zh) * 2022-10-20 2023-11-21 湖南万脉医疗科技有限公司 一种基于心肺信息的生理状态监测方法和监测仪

Also Published As

Publication number Publication date
CN108113657A8 (zh) 2019-08-30

Similar Documents

Publication Publication Date Title
CN108113657A (zh) 一种基于d-s证据理论的驾驶员疲劳检测方法
Sikander et al. Driver fatigue detection systems: A review
EP2281506B1 (en) Method and system for determining an individual's state of attention
CN104207791B (zh) 一种疲劳驾驶检测方法
CN104146722B (zh) 一种基于头部信号的驾驶疲劳检测分级预警方法
CN108446600A (zh) 一种车辆驾驶员疲劳监测预警系统及方法
Picot et al. Drowsiness detection based on visual signs: blinking analysis based on high frame rate video
CN108765876A (zh) 基于多模信号的驾驶疲劳深度分析预警系统及方法
CN105243789B (zh) 一种融合心电信号和手握方向盘压力的疲劳驾驶检测方法
CN104068868A (zh) 一种基于机器视觉的驾驶人疲劳监测方法及装置
CN106236047A (zh) 驾驶员疲劳监测系统的控制方法
CN101491443A (zh) 驾驶人疲劳与车辆行驶轨迹的关系模型
CN107679636A (zh) 一种基于网约车的驾驶员安全评估方法
Katsis et al. Emotion recognition in car industry
CN109953763A (zh) 一种基于深度学习的车载驾驶行为检测预警系统及方法
Huang et al. P-FDCN based eye state analysis for fatigue detection
CN106781283A (zh) 一种基于软集合的疲劳驾驶检测方法
CN109543577A (zh) 一种基于面部表情特征的疲劳驾驶检测预警方法
CN103300869A (zh) 基于人体呼吸信号的汽车驾驶员疲劳实时监测系统
Chang et al. Real-time physiological and facial monitoring for safe driving
CN109602403A (zh) 疲劳驾驶检测系统及方法
CN109920530A (zh) 一种车用智能健康装置
CN109662708A (zh) 一种基于深度神经网络的术后病人行为监测方法
CN110097012A (zh) 基于N-range图像处理算法的眼动参数监测的疲劳检测方法
Josephin et al. A review on the measures and techniques adapted for the detection of driver drowsiness

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
CI02 Correction of invention patent application
CI02 Correction of invention patent application

Correction item: Application Date

Correct: 2017.01.11

False: 2016.11.30

Number: 23-01

Page: The title page

Volume: 34

Correction item: Application Date

Correct: 2017.01.11

False: 2016.11.30

Number: 23-01

Volume: 34

RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20180605