CN111931116B - 一种可穿戴设备的绑定方法 - Google Patents

一种可穿戴设备的绑定方法 Download PDF

Info

Publication number
CN111931116B
CN111931116B CN202010808215.1A CN202010808215A CN111931116B CN 111931116 B CN111931116 B CN 111931116B CN 202010808215 A CN202010808215 A CN 202010808215A CN 111931116 B CN111931116 B CN 111931116B
Authority
CN
China
Prior art keywords
rate
binding
wearable device
physical quantity
false
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.)
Active
Application number
CN202010808215.1A
Other languages
English (en)
Other versions
CN111931116A (zh
Inventor
吕煌
江涌
陈越
何文斌
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.)
Quanzhou Archie Technology Co ltd
Original Assignee
Quanzhou Archie Technology Co ltd
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 Quanzhou Archie Technology Co ltd filed Critical Quanzhou Archie Technology Co ltd
Priority to CN202010808215.1A priority Critical patent/CN111931116B/zh
Publication of CN111931116A publication Critical patent/CN111931116A/zh
Application granted granted Critical
Publication of CN111931116B publication Critical patent/CN111931116B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10Complex mathematical operations

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Data Mining & Analysis (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Computational Mathematics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Algebra (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)

Abstract

本发明公开了一种可穿戴设备的绑定方法,其将与绑定对象相关的至少两个物理量作为个体特征绑定在可穿戴设备上,采用牺牲认假率确保拒真率为0的方法来设置物理量对应的识别条件;达到了在有效确保绑定对象的正常使用(确保综合拒真率为0)的前提下,有效降低非绑定对象使用可穿戴设备带来的风险,同时可以有效降低技术成本的技术效果;解决的问题是:对于很多应用场景,可穿戴设备识别设备穿戴对象的认假率要求不高;而可穿戴设备识别设备绑定对象时需要确保拒真率为0。

Description

一种可穿戴设备的绑定方法
技术领域
本发明涉及可穿戴设备技术领域,特别涉及一种可穿戴设备的绑定方法。
背景技术
随着智能时代的到来,可穿戴设备开始大量涌现,可穿戴设备与设备绑定对象之间的关联绑定越来越重要。
目前,对于很多应用场景,可穿戴设备识别设备穿戴对象的认假率要求不高,而确保可穿戴设备识别设备穿戴对象的拒真率为0更加重要,因为如果拒真率为0,可以确保可穿戴设备的绑定对象能够通过识别验证,从而有效确保绑定对象可以正常使用。
发明内容
本发明提供了一种可穿戴设备的绑定方法,其将与绑定对象相关的至少两个物理量作为个体特征绑定在可穿戴设备上,采用牺牲认假率确保拒真率为0的方法来设置物理量对应的识别条件。
本发明提供的可穿戴设备的绑定方法,采用以下原理:因为本方法要求每一物理量对应的拒真率均为0,所以无论采用多少个物理量组合作为识别手段,综合拒真率仍然是0;由于每一物理量对应的认假率必然小于1,每增加一个物理量作为识别手段之一,综合认假率都将有效降低,直至满足应用场景所需的认假率;因此可以优选经济实用的技术作为识别手段。比如:两项拒真率均为0,认假率均为0.1的物理量作为识别手段组合后,综合拒真率仍然为0,综合认假率降为0.01,这已经能够满足游泳池储物柜开锁等许多应用场景的需求。通过这种方法,能够做到在确保综合拒真率为0(有效确保绑定对象正常使用)的前提下,有效降低非绑定对象使用可穿戴设备带来的风险;本方法由于对单个物理量对应的认假率要求不高,可以采用经济实用的技术作为识别手段,大幅降低了研发和使用成本。
本发明的上述技术目的通过以下技术方案实现:
一种可穿戴设备的绑定方法,包括:采集所述可穿戴设备绑定对象的个体特征,所述绑定对象为人或动物,所述个体特征包括与所述绑定对象相关的至少两个物理量;将所述个体特征绑定在所述可穿戴设备上;采用牺牲认假率确保拒真率为0的方法来设置所述物理量对应的识别条件。
进一步优化为,所述个体特征的综合拒真率的公式为:
Figure 105894DEST_PATH_IMAGE001
其中,P为个体特征的综合拒真率;P(i)为第i个物理量对应的拒真率;n为个体特征中包含的物理量个数,n不小于2;
所述个体特征的综合认假率的公式为:
Figure 285203DEST_PATH_IMAGE002
其中,M为个体特征的综合认假率,M(i)为第i个物理量对应的认假率;n为个体特征中包含的物理量个数,n不小于2。
进一步优化为,所述识别条件为识别区间。
进一步优化为,所述识别区间包含所述物理量的测量误差范围以及所述物理量的变化范围。
进一步优化为,所述识别条件在预设时间内有效,所述预设时间结束后,所述识别条件重新设置;所述预设时间是周期时间或非周期时间。
进一步优化为,所述识别条件在采集绑定对象的个体特征之前设置或所述识别条件在采集绑定对象的个体特征之后设置。
进一步优化为:所述可穿戴设备的绑定方法,还包括:
测量设备穿戴对象物理量;
判断所述设备穿戴对象是否为绑定对象:当所测量的物理量均满足其对应的识别条件时,判断所述设备穿戴对象为绑定对象;当存在测量的物理量不满足其对应的识别条件时,判定所述设备穿戴对象为非绑定对象。
进一步优化为,所述物理量包括:体重、身高、肤色、手腕周长、手指长度、血液流速、心率、骨龄、体脂率中的其中一种。
进一步优化为,所述可穿戴设备包括:手环、耳环、臂环、耳机、项链、鞋垫、鞋子、围巾、帽子、衣服、眼镜中的其中一种。
综上所述,本发明具有以下有益效果:本发明提供了一种可穿戴设备的绑定方法,其将与绑定对象相关的至少两个物理量作为个体特征绑定在可穿戴设备上,采用牺牲认假率确保拒真率为0的方法来设置物理量对应的识别条件;达到了在有效确保绑定对象的正常使用(确保综合拒真率为0)的前提下,有效降低非绑定对象使用可穿戴设备带来的风险,同时可以有效降低技术成本的技术效果;解决的问题是:对于很多应用场景,可穿戴设备识别设备穿戴对象的认假率要求不高;而可穿戴设备识别设备绑定对象时需要确保拒真率为0;本发明提供的方法,能够采用经济实用的技术手段实现以上技术效果。
附图说明
图1是本发明的一种具体实施方式中的可穿戴设备的绑定方法的示意图;
图2是本发明的另一种具体实施方式中的可穿戴设备的绑定方法的示意图;
图3是本发明的一个实施例中的可穿戴设备的绑定方法的设备穿戴对象的识别的示意图。
具体实施方式
以下结合附图对本发明作进一步详细说明。
实施例1
一种可穿戴设备的绑定方法,包括:采集所述可穿戴设备绑定对象的个体特征,所述绑定对象为人或动物,所述个体特征包括与所述绑定对象相关的至少两个物理量;将所述个体特征绑定在所述可穿戴设备上;采用牺牲认假率确保拒真率为0的方法来设置所述物理量对应的识别条件。
本发明的可穿戴设备的绑定方法的牺牲认假率确保拒真率为0的原理:因为本方法要求每一物理量对应的拒真率均为0,所以无论采用多少个物理量组合作为识别手段,综合拒真率仍然是0;由于每一物理量对应的认假率必然小于1,每增加一个物理量作为识别手段之一,综合认假率都将有效降低,直至满足应用场景所需的认假率;因此可以优先采用经济实用的技术作为识别手段。比如:两项拒真率均为0,认假率均为0.1的物理量作为识别手段组合后,综合拒真率仍然为0,综合认假率降为0.01,这已经能够满足游泳池储物柜开锁等许多应用场景的需求。通过这种方法,能够做到在确保综合拒真率为0(有效确保绑定对象的正常使用)的前提下,有效降低非绑定对象使用可穿戴设备带来的风险;本方法由于对单个物理量对应的认假率要求不高,可以采用经济实用的技术作为识别手段,大幅降低了研发和使用成本。
需要说明的是,本发明所述确保拒真率为0的目的是,所述拒真率为0是为了能够确保绑定对象通过可穿戴设备的识别,从而确保绑定对象的正常使用。实际应用中,在拒真率接近于0时,如:拒真率是百万分之一、千万分之一等时,实际上不会影响绑定对象的正常使用。此时,拒真率接近于0在本发明中也认为属于拒真率为0的情况。
实施例2
本实施例是在实施例1的基础上,对本发明的综合拒真率以及综合认假率进行补充和说明。
在发明的一个具体实施例中,所述个体特征的综合拒真率的公式为:
Figure 498010DEST_PATH_IMAGE003
其中,P为个体特征的综合拒真率;P(i)为第i个物理量对应的拒真率;n为个体特征中包含的物理量个数,n不小于2;如果P(i)都等于0,根据综合拒真率的公式可以得出P必然等于0,因此可以确保绑定对象一定能通过识别,不影响绑定对象的正常使用。
所述个体特征的综合认假率的公式为:
Figure 141481DEST_PATH_IMAGE004
其中,M为个体特征的综合认假率,M(i)为第i个物理量对应的认假率;n为个体特征中包含的物理量个数,n不小于2。由于M(i)小于1,根据综合认假率的公式可以得出M一定小于M(i)。通过改变个体特征包含的物理量的数量n以及选用不同认假率的物理量,使得M能够符合实际应用场景的要求,可以在不影响绑定对象的正常使用的前提下(因为综合拒真率为0),有效降低非设备绑定对象使用可穿戴设备的风险;并且,由于本方法对单个物理量对应的认假率M(i)要求不高,可以采取经济实用的技术作为识别手段,大幅降低了研发和使用成本。
实施例3
本实施例是在实施例1的基础上,对本发明的所述物理量对应的识别条件进行说明。
采用牺牲认假率确保拒真率为0的方法来设置所述物理量对应的识别条件;为了确保物理量对应的拒真率为0,相应地牺牲认假率。
需要说明的是,本发明中的所述牺牲认假率的意思是:为了确保物理量对应的拒真率为0,合理调整物理量对应的识别条件。由于拒真率指标与认假率指标在同一技术水平下是矛盾的关系,为了确保拒真率为0,认假率要进行合理调整。所述合理调整物理量对应的识别条件指的是:确保拒真率为0的前提下,选取合适的认假率;本领域技术人员能够理解的是,既然能够满足拒真率为0的前提,不需要过分牺牲认假率。
物理量可以使用数值表示,此时,识别条件可以是对应的物理量的识别区间。
进一步,所述识别区间包含测量误差的范围以及物理量的变化范围。
进一步,如果绑定对象个体特征随着时间变化,为了确保拒真率为0,所述识别条件在预设时间内有效,识别条件需要在预设时间结束后进行重新设置。所述识别条件可以每隔一段固定的周期时间重新设置,也可以根据实际情况自由选取非周期时间重新设置。
进一步,所述识别条件可以在所述采集所述可穿戴设备绑定对象的个体特征之前设置,也可以在所述采集所述可穿戴设备绑定对象的个体特征之后设置。可以预先设定与物理量相应的识别条件,再对个体特征进行采集,也可以先采集绑定对象的个体特征,再设定每一物理量对应的识别条件。
下面对识别条件的设置进行举例:
采集绑定对象的个体特征:体重为60千克,身高为170厘米。将采集的绑定对象的个体特征绑定在可穿戴设备上。
为了确保在一周内,体重对应的拒真率为0,考虑绑定对象将来一周内因进食、排泄、出汗等可能带来的体重变化最多为正负3千克(所述正负A指的是负A至正A的区间,下同),考虑检测时的误差最多为正负1千克,所以设置体重对应的识别条件(识别区间)为正负4千克。同理,为了确保在一周内,身高对应的拒真率为0,考虑绑定对象在将来一周因为身高发育、年纪增长、一天内不同时间测量等因素带来的身高变化最多为正负2厘米,考虑测量时的误差最多为正负1厘米,所以设置身高对应的识别条件为正负3厘米。
在上述识别条件下,绑定对象一周内一定可以通过识别,综合拒真率为0。体重对应的认假率小于0.3,身高对应的认假率小于0.2,总体来看,非绑定对象要通过识别,必须要同时通过体重和身高的识别,综合认假率将小于0.3*0.2=0.06;这已经能够满足很多对认假率要求不高的应用场景的需要。
实施例4
本实施例是在实施例1的基础上,对本发明的可穿戴设备的绑定方法进行进一步的补充和说明。
如图1所示,一种可穿戴设备的绑定方法包括:
101、采集所述可穿戴设备绑定对象的个体特征,所述绑定对象为人或动物,所述个体特征包括与所述绑定对象相关的至少两个物理量;
102、将所述个体特征绑定在所述可穿戴设备上;
103、采用牺牲认假率确保拒真率为0的方法来设置所述物理量对应的识别条件。
在本实施例的另一种具体实施方式中,由实施例3可知,所述识别条件可以在所述采集所述可穿戴设备绑定对象的个体特征之前设置,也可以在所述采集所述可穿戴设备绑定对象的个体特征之后设置。
具体的,如图2所示,一种可穿戴设备的绑定方法包括:
201、采用牺牲认假率确保拒真率为0的方法来设置物理量对应的识别条件;
202、采集所述可穿戴设备绑定对象的个体特征,所述绑定对象为人或动物,所述个体特征包括与所述绑定对象相关的至少两个所述物理量;
203、将所述个体特征绑定在所述可穿戴设备上。
如图3所示,一种可穿戴设备的绑定方法还包括设备穿戴对象的识别;所述设备穿戴对象的识别具体包括:
301、测量设备穿戴对象物理量;
302、判断所述设备穿戴对象是否为绑定对象:当所测量的物理量均满足其对应的识别条件时,判断所述设备穿戴对象为绑定对象,当存在测量的物理量不满足其对应的识别条件时,判定所述设备穿戴对象为非绑定对象。
具体的,所述物理量包括:体重、身高、肤色、手腕周长、手指长度、血液流速、心率、体脂率中的其中一种。容易理解的是,所述物理量还可以包含其他识别成本较低的物理量。
具体的,所述可穿戴设备包括:手环、耳环、臂环、耳机、项链、鞋垫、鞋子、围巾、帽子、衣服、眼镜中的其中一种。容易理解的是,所述可穿戴设备还可以包含其他常见的日常生活携带的用品。
下以手环与鞋垫的组合作为可穿戴设备,脚掌长度和手腕周长作为绑定对象个体特征进行举例:
首先,采集所述可穿戴设备绑定对象的个体特征:脚掌长度为25厘米,手腕周长为17厘米。将采集到的脚掌长度和手腕周长绑定在可穿戴设备上。采用牺牲认假率确保拒真率为0的方法来设置脚掌长度以及手腕周长各自对应的识别条件;所述绑定对象为人体。
比如:考虑一周内,绑定对象物理量的变化范围以及测量物理量时的测量误差的情况下,设置脚掌长度对应的识别条件为正负0.5厘米,手腕周长对应的识别条件为正负0.8厘米。这样设置识别条件能够在确保绑定对象一周内通过识别(综合拒真率为0)的前提下,脚掌长度对应的认假率小于0.2,手腕周长对应的认假率小于0.3,使用脚掌长度与手腕周长的组合作为识别手段能够有效将综合认假率降低至小于0.2*0.3=0.06。
当有设备穿戴对象接受该可穿戴设备的检测时,可穿戴设备对其脚掌长度以及手腕周长进行测量,测量其脚掌长度是否满足25厘米正负0.5厘米的识别条件,及手腕周长是否满足17厘米正负0.8厘米的识别条件;具体的,装有传感器的鞋垫能够测量脚掌长度,鞋垫与手环无线连接,将脚掌长度信息传输至手环,从而实现对脚掌长度的测量。手环能够测量其稳定紧密接触皮肤部分的长度,从而实现手腕周长的测量。
判断设备穿戴对象是否为绑定对象,当所测量的脚掌长度以及手腕周长均满足其对应的识别条件时,判断设备穿戴对象为绑定对象,当脚掌长度或手腕周长不满足其对应的识别条件时,判断设备穿戴对象为非绑定对象。
以上所述仅是本发明的部分具体实施方法举例,显然,在不脱离本发明原理的前提下,本领域技术人员采用本发明公开的方法进行的任何再创造,也在本发明的保护范围内。

Claims (7)

1.一种可穿戴设备的绑定方法,其特征在于,包括:
采集所述可穿戴设备绑定对象的个体特征,所述绑定对象为人或动物,所述个体特征包括与所述绑定对象相关的至少两个物理量;将所述个体特征绑定在所述可穿戴设备上;采用牺牲认假率确保拒真率为0的方法来设置所述物理量对应的识别条件,每一所述物理量对应的拒真率均为0;
测量设备穿戴对象物理量;
判断所述设备穿戴对象是否为绑定对象:当所测量的物理量均满足其对应的识别条件时,判断所述设备穿戴对象为绑定对象;当存在测量的物理量不满足其对应的识别条件时,判定所述设备穿戴对象为非绑定对象;
所述个体特征的综合拒真率的公式为:
Figure 895346DEST_PATH_IMAGE001
其中,P为个体特征的综合拒真率;P(i)为第i个物理量对应的拒真率;n为个体特征中包含的物理量个数,n不小于2;
所述个体特征的综合认假率的公式为:
Figure 357552DEST_PATH_IMAGE002
其中,M为个体特征的综合认假率,M(i)为第i个物理量对应的认假率;n为个体特征中包含的物理量个数,n不小于2。
2.根据权利要求1所述的可穿戴设备的绑定方法,其特征在于,所述识别条件为识别区间。
3.根据权利要求2所述的可穿戴设备的绑定方法,其特征在于,所述识别区间包含所述物理量的测量误差范围以及所述物理量的变化范围。
4.根据权利要求1所述的可穿戴设备的绑定方法,其特征在于,所述识别条件在预设时间内有效;所述预设时间结束后,所述识别条件重新设置;所述预设时间是周期时间或非周期时间。
5.根据权利要求1所述的可穿戴设备的绑定方法,其特征在于,所述识别条件在采集绑定对象的个体特征之前设置或所述识别条件在采集绑定对象的个体特征之后设置。
6.根据权利要求1所述的可穿戴设备的绑定方法,其特征在于,所述物理量包括:体重、身高、肤色、手腕周长、手指长度、血液流速、心率、骨龄、体脂率中的其中一种。
7.根据权利要求1所述的可穿戴设备的绑定方法,其特征在于,所述可穿戴设备包括:手环、耳环、臂环、耳机、项链、鞋垫、鞋子、围巾、帽子、衣服、眼镜中的其中一种。
CN202010808215.1A 2020-08-12 2020-08-12 一种可穿戴设备的绑定方法 Active CN111931116B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010808215.1A CN111931116B (zh) 2020-08-12 2020-08-12 一种可穿戴设备的绑定方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010808215.1A CN111931116B (zh) 2020-08-12 2020-08-12 一种可穿戴设备的绑定方法

Publications (2)

Publication Number Publication Date
CN111931116A CN111931116A (zh) 2020-11-13
CN111931116B true CN111931116B (zh) 2022-10-21

Family

ID=73310822

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010808215.1A Active CN111931116B (zh) 2020-08-12 2020-08-12 一种可穿戴设备的绑定方法

Country Status (1)

Country Link
CN (1) CN111931116B (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101004788A (zh) * 2006-01-17 2007-07-25 公安部第一研究所 证件指纹识别算法评价系统及其方法
CN106096539A (zh) * 2016-06-07 2016-11-09 广东欧珀移动通信有限公司 一种进行生物识别的方法及终端
CN109345467A (zh) * 2018-08-14 2019-02-15 深圳市麦极客图像技术有限公司 成像畸变校正方法、装置、计算机设备及存储介质
WO2019109322A1 (zh) * 2017-12-08 2019-06-13 深圳市汇顶科技股份有限公司 生物特征检测方法及辨识系统
CN110119610A (zh) * 2019-05-23 2019-08-13 湖北东方星海科技实业有限公司 一种多维生物特征信息安全认证检测方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101004788A (zh) * 2006-01-17 2007-07-25 公安部第一研究所 证件指纹识别算法评价系统及其方法
CN106096539A (zh) * 2016-06-07 2016-11-09 广东欧珀移动通信有限公司 一种进行生物识别的方法及终端
WO2019109322A1 (zh) * 2017-12-08 2019-06-13 深圳市汇顶科技股份有限公司 生物特征检测方法及辨识系统
CN109345467A (zh) * 2018-08-14 2019-02-15 深圳市麦极客图像技术有限公司 成像畸变校正方法、装置、计算机设备及存储介质
CN110119610A (zh) * 2019-05-23 2019-08-13 湖北东方星海科技实业有限公司 一种多维生物特征信息安全认证检测方法

Also Published As

Publication number Publication date
CN111931116A (zh) 2020-11-13

Similar Documents

Publication Publication Date Title
US11526749B2 (en) Method and system for activity classification
US20170012972A1 (en) Proximity based and data exchange and user authentication between smart wearable devices
Pärkkä et al. Personalization algorithm for real-time activity recognition using PDA, wireless motion bands, and binary decision tree
US20150206151A1 (en) Method and mobile applications using cross-sharing database for monitoring use of hygiene products
CN105873504A (zh) 充血性心力衰竭风险状态确定方法及相关设备
KR20140123977A (ko) 센서, 인터페이스 및 신체 표면 또는 신체 표면 근처의 질환에 대한 데이터 수집과 통합된 원격 모니터링을 위한 센서 시스템
CN106170783A (zh) 用于确定数据源的方法
CN112115827B (zh) 基于人体姿态动态特征的跌倒行为识别方法
US20150342494A1 (en) Sports device and system
CN108565001A (zh) 运动方法、装置及计算机可读存储介质
CN108875654A (zh) 一种人脸特征采集方法及装置
EP2845539B1 (en) Device and method for automatically normalizing the physiological signals of a living being
WO2023015875A1 (zh) 用于控制空调的方法及装置、空调
CN111931116B (zh) 一种可穿戴设备的绑定方法
US20210100460A1 (en) Conformable Garment for Physiological Sensing
CN111067487A (zh) 一种肥胖青少年运动风险评估方法
CN105554263A (zh) 一种具有提示功能的智能穿戴设备和使用方法
CN111001144A (zh) 骑乘姿势分析系统与方法
CN210009015U (zh) 智能衣、智能穿戴装置及智能穿戴组合
CN114711754A (zh) 一种运动评估方法、系统、装置以及计算机可读存储介质
CN113069718A (zh) 跑步机的控制方法、云端服务器、系统及可读存储介质
CN205983759U (zh) 一种用于老年人的具备监护功能的智能腰带
CN110916639A (zh) 获取运动心率恢复率的方法、系统、可穿戴设备和计算机可读存储介质
Wahl et al. WISEglass: Multi-purpose context-aware smart eyeglasses
CN109308708A (zh) 低像素的图像处理方法、装置以及视网膜刺激器

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
GR01 Patent grant
GR01 Patent grant