CN116630993A - 身份信息记录方法、装置、计算机设备和存储介质 - Google Patents
身份信息记录方法、装置、计算机设备和存储介质 Download PDFInfo
- Publication number
- CN116630993A CN116630993A CN202310535938.2A CN202310535938A CN116630993A CN 116630993 A CN116630993 A CN 116630993A CN 202310535938 A CN202310535938 A CN 202310535938A CN 116630993 A CN116630993 A CN 116630993A
- Authority
- CN
- China
- Prior art keywords
- information
- dimensional
- handwriting
- user
- characteristic
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 49
- 230000008859 change Effects 0.000 claims description 42
- 238000004590 computer program Methods 0.000 claims description 20
- 238000007499 fusion processing Methods 0.000 claims description 9
- 238000013507 mapping Methods 0.000 claims description 9
- 238000012216 screening Methods 0.000 claims description 5
- 238000000605 extraction Methods 0.000 claims description 4
- 210000003811 finger Anatomy 0.000 description 7
- 230000008569 process Effects 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 238000004891 communication Methods 0.000 description 4
- 238000005452 bending Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 210000003813 thumb Anatomy 0.000 description 3
- 238000006073 displacement reaction Methods 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 210000004247 hand Anatomy 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000013475 authorization Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 229910021389 graphene Inorganic materials 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/10—Character recognition
- G06V30/22—Character recognition characterised by the type of writing
- G06V30/228—Character recognition characterised by the type of writing of three-dimensional handwriting, e.g. writing in the air
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/62—Extraction of image or video features relating to a temporal dimension, e.g. time-based feature extraction; Pattern tracking
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/10—Character recognition
- G06V30/18—Extraction of features or characteristics of the image
- G06V30/1801—Detecting partial patterns, e.g. edges or contours, or configurations, e.g. loops, corners, strokes or intersections
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Collating Specific Patterns (AREA)
Abstract
本申请涉及一种身份信息记录方法、装置、计算机设备和存储介质。所述方法包括:获取用户输入的笔迹三维信息、以及所述用户的个人信息;识别所述笔迹三维信息中的各文字信息,并获取各所述文字信息中的特征笔画;提取所述笔迹三维信息中的各文字信息的特征笔画对应的笔画三维特征信息,并基于各所述笔画三维特征信息,确定所述用户的笔迹三维特征信息;建立所述笔迹三维特征信息与所述用户的个人信息之间的关联关系,并将所述用户的个人信息、所述用户的笔迹三维特征信息、以及所述用户的笔迹三维特征信息与所述用户的个人信息之间的关联关系,作为所述用户的身份信息。采用本方法能够提升记录的用户身份信息的精准度。
Description
技术领域
本申请涉及人工智能技术领域,特别是涉及一种身份信息记录方法、装置、计算机设备和存储介质。
背景技术
随着智能笔迹识别技术的发展,企业需要对笔迹鉴定真伪时,往往需要需通过书写风貌、布局、写法、形体、结构、笔顺、运笔和笔痕等八类笔迹特征进行鉴定,以确定书写人身份。因此,如何基于书写人的笔迹记录书写人的身份是当前研究重点。
目前传统智能身份记录需要用户在书写载体(例如纸、书本等)上,撰写大量的文字内容,并通过提取策略,在书写载体的平面上提取笔迹特征,从而将该笔迹特征作为书写人的身份信息。但是通过该方法必须需要有书写载体进行实体撰写,且提取程序只能识别用户平面的笔迹笔画,从而导致记录的用户身份信息的精准度较低。
发明内容
基于此,有必要针对上述技术问题,提供一种身份信息记录方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。
第一方面,本申请提供了一种身份信息记录方法。所述方法包括:
获取用户输入的笔迹三维信息、以及所述用户的个人信息;
识别所述笔迹三维信息中的各文字信息,并获取各所述文字信息中的特征笔画;
提取所述笔迹三维信息中的各文字信息的特征笔画对应的笔画三维特征信息,并基于各所述笔画三维特征信息,确定所述用户的笔迹三维特征信息;
建立所述笔迹三维特征信息与所述用户的个人信息之间的关联关系,并将所述用户的个人信息、所述用户的笔迹三维特征信息、以及所述用户的笔迹三维特征信息与所述用户的个人信息之间的关联关系,作为所述用户的身份信息。
可选的,所述获取用户输入的笔迹三维信息,包括:
响应于用户的笔迹输入操作,检测多个时间点对应的手部三维结构信息,以及每个手部三维结构信息对应的手部位置信息;
基于所有手部三维结构信息,生成笔迹三维变化信息,并按照时间点的先后顺序,获取手部三维结构信息的结构变化信息;
将所述笔迹三维变化信息、以及所述手部三维结构信息的结构变化信息,作为笔迹三维信息。
可选的,所述识别所述笔迹三维信息中的文字信息,包括:
将所述笔迹三维变化信息按照所述手部位置信息进行聚类处理,得到多个三维轨迹区域;
识别每个三维轨迹区域对应的文字信息,并将所有三维轨迹区域对应的文字信息,作为所述笔迹三维信息中的各文字信息。
可选的,所述识别每个三维轨迹区域对应的文字信息,包括:
将每个三维轨迹区域的所有手部位置信息映射在二维平面上,得到各包含多个二维手部位置信息的二维轨迹区域,并识别每个二维轨迹区域对应的文字信息;
将各所述二维轨迹区域对应的文字信息,作为各映射于所述二维轨迹区域的三维轨迹区域对应的文字信息。
可选的,所述提取所述笔迹三维信息中的各文字信息的特征笔画对应的笔画三维特征信息,包括:
针对每个文字信息,在所述文字信息对应的所述二维轨迹区域中,查询所述文字信息的各特征笔画对应的笔画区域;
针对每个笔画区域,从所述笔画区域包含的二维手部位置信息中,筛选目标二维手部位置信息,并将所述目标二维手部位置信息对应的三维手部位置信息,作为目标手部位置信息;
将所述笔画区域对应的所有目标手部位置信息、以及各所述目标手部位置信息对应的手部三维结构信息,作为所述特征笔画对应的笔画三维特征信息。
可选的,所述基于各所述笔画三维特征信息,确定所述用户的笔迹三维特征信息,包括:
基于不同笔画类型的特征笔画,对每个特征笔画对应的笔画三维特征信息进行分类,得到多个特征组;
针对每个特征组,将所述特征组中的各笔画三维特征信息进行特征融合处理,得到每个特征笔画对应的综合笔画三维特征信息,并将所有特征笔画对应的综合笔画三维特征信息,作为所述用户的笔迹三维特征信息。
可选的,所述方法还包括:
获取用户输入的实时笔迹三维信息、以及所述用户的个人信息;
识别所述实时笔迹三维信息中的实时笔迹三维特征信息,并在数据库中查询所述实时笔迹三维特征信息对应的目标身份信息;
基于所述目标身份信息中的个人信息、以及所述用户的个人信息,识别所述用户是否为所述目标身份信息对应的目标用户。
第二方面,本申请还提供了一种身份信息记录装置。所述装置包括:
获取模块,用于获取用户输入的笔迹三维信息、以及所述用户的个人信息;
识别模块,用于识别所述笔迹三维信息中的各文字信息,并获取各所述文字信息中的特征笔画;
提取模块,用于提取所述笔迹三维信息中的各文字信息的特征笔画对应的笔画三维特征信息,并基于各所述笔画三维特征信息,确定笔迹三维特征信息;
建立模块,用于建立所述笔迹三维特征信息与所述用户的个人信息之间的关联关系,并将所述用户的个人信息、所述用户的笔迹三维特征信息、以及所述笔迹三维特征信息与所述用户的个人信息之间的关联关系,作为所述用户的身份信息。
可选的,所述获取模块,具体用于:
响应于用户的笔迹输入操作,检测多个时间点对应的手部三维结构信息,以及每个手部三维结构信息对应的手部位置信息;
基于所有手部三维结构信息,生成笔迹三维变化信息,并按照时间点的先后顺序,获取手部三维结构信息的结构变化信息;
将所述笔迹三维变化信息、以及所述手部三维结构信息的结构变化信息,作为笔迹三维信息。
可选的,所述识别模块,具体用于:
将所述笔迹三维变化信息按照所述手部位置信息进行聚类处理,得到多个三维轨迹区域;
识别每个三维轨迹区域对应的文字信息,并将所有三维轨迹区域对应的文字信息,作为所述笔迹三维信息中的各文字信息。
可选的,所述识别模块,具体用于:
将每个三维轨迹区域的所有手部位置信息映射在二维平面上,得到各包含多个二维手部位置信息的二维轨迹区域,并识别每个二维轨迹区域对应的文字信息;
将各所述二维轨迹区域对应的文字信息,作为各映射于所述二维轨迹区域的三维轨迹区域对应的文字信息。
可选的,所述提取模块,具体用于:
针对每个文字信息,在所述文字信息对应的所述二维轨迹区域中,查询所述文字信息的各特征笔画对应的笔画区域;
针对每个笔画区域,从所述笔画区域包含的二维手部位置信息中,筛选目标二维手部位置信息,并将所述目标二维手部位置信息对应的三维手部位置信息,作为目标手部位置信息;
将所述笔画区域对应的所有目标手部位置信息、以及各所述目标手部位置信息对应的手部三维结构信息,作为所述特征笔画对应的笔画三维特征信息。
可选的,所述提取模块,具体用于:
基于不同笔画类型的特征笔画,对每个特征笔画对应的笔画三维特征信息进行分类,得到多个特征组;
针对每个特征组,将所述特征组中的各笔画三维特征信息进行特征融合处理,得到每个特征笔画对应的综合笔画三维特征信息,并将所有特征笔画对应的综合笔画三维特征信息,作为所述用户的笔迹三维特征信息。
可选的,所述装置还包括:
实时获取模块,用于获取用户输入的实时笔迹三维信息、以及所述用户的个人信息;
身份识别模块,用于识别所述实时笔迹三维信息中的实时笔迹三维特征信息,并在数据库中查询所述实时笔迹三维特征信息对应的目标身份信息;
判断模块,用于基于所述目标身份信息中的个人信息、以及所述用户的个人信息,识别所述用户是否为所述目标身份信息对应的目标用户。
第三方面,本申请提供了一种计算机设备。所述计算机设备包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现第一方面中任一项所述的方法的步骤。
第四方面,本申请提供了一种计算机可读存储介质。其上存储有计算机程序,所述计算机程序被处理器执行时实现第一方面中任一项所述的方法的步骤。
第五方面,本申请提供了一种计算机程序产品。所述计算机程序产品包括计算机程序,该计算机程序被处理器执行时实现第一方面中任一项所述的方法的步骤。
上述身份信息记录方法、装置、计算机设备和存储介质,通过获取用户输入的笔迹三维信息、以及所述用户的个人信息;识别所述笔迹三维信息中的各文字信息,并获取各所述文字信息中的特征笔画;提取所述笔迹三维信息中的各文字信息的特征笔画对应的笔画三维特征信息,并基于各所述笔画三维特征信息,确定笔迹三维特征信息;建立所述笔迹三维特征信息与所述用户的个人信息之间的关联关系,并将所述用户的个人信息、所述用户的笔迹三维特征信息、以及所述笔迹三维特征信息与所述用户的个人信息之间的关联关系,作为所述用户的身份信息。通过获取用户输入的笔迹三维信息,从而提取该用户的每个特征笔画对应的笔画三维特征信息,并基于所有笔画三维特征信息得到笔迹三维特征信息。最后,将包含所述用户的个人信息的笔迹三维特征信息作为所述用户的身份信息,避免只能够获取该用户的二维笔迹特征,提升了记录的用户身份信息的精准度。
附图说明
图1为一个实施例中身份信息记录方法的流程示意图;
图2为另一个实施例中身份信息记录方法的流程示意图;
图3为一个实施例中身份信息记录装置的结构框图;
图4为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
本申请实施例提供的身份信息记录方法,可以应用于终端,也可以应用于服务器,还可以应用于包括终端和服务器的系统,并通过终端和服务器的交互实现。其中,终端可以但不限于是各种个人计算机、笔迹本电脑、智能手机、平板电脑等。服务器可以用独立的服务器或者是多个服务器组成的服务器集群来实现。其中,终端通过获取用户输入的笔迹三维信息,从而提取该用户的每个特征笔画对应的笔画三维特征信息,并基于所有笔画三维特征信息得到笔迹三维特征信息。最后,将包含所述用户的个人信息的笔迹三维特征信息作为所述用户的身份信息,避免只能够获取该用户的二维笔迹特征,提升了记录的用户身份信息的精准度。
在一个实施例中,如图1所示,提供了一种身份信息记录方法,以该方法应用于终端为例进行说明,包括以下步骤:
步骤S101,获取用户输入的笔迹三维信息、以及用户的个人信息。
本实施例中,终端在获取用户的授权信息的情况下,通过笔迹识别工具,获取用户的笔迹三维信息。其中,该笔迹识别工具可以但不限于为三维定位指套、或三维定位手套。该三维定位指套、或三维定位手套用于获取用户在任何环境下手部运动的三维轨迹信息、以及手部运动的三维结构变化信息,并将该三维轨迹信息、以及该三维结构变化信息作为该用户的笔迹三维信息。同时,终端响应于用户的身份输入操作,获取该用户输入的个人信息。其中个人信息包括但不限于是姓名、性别、账户(银行账户、客户端账户等)、身份认证信息(身份证)等。其中,该笔迹三维信息为该用户书写过程中笔迹的三维变化信息。
步骤S102,识别笔迹三维信息中的各文字信息,并获取各文字信息中的特征笔画。
本实施例中,终端分别识别该笔迹三维信息中包含的多个文字信息,并通过文字数据库,获取每个文字信息对应的特征笔画。其中,特征笔画为预设于终端,且用于表征该文字信息的文字特征的笔画。其中,文字信息包括:汉字、阿拉伯数字、字母、以及符号等文字信息。不用文字的特征笔画不同,而针对于阿拉伯数字、字母、以及符号的特征笔画即为该阿拉伯数字、字母、以及符号本身。例如,文字信息包括“今”、“b”、“-”、“Ф”。则每个文字信息对应的特征笔画可以是,“今”的特征笔画为:点、横折;“b”的特征笔画为:b;“-”的特征笔画为-;“Ф”的特征笔画为Ф。具体的识别各文字信息的过程后续将详细说明。
步骤S103,提取笔迹三维信息中的各文字信息的特征笔画对应的笔画三维特征信息,并基于各笔画三维特征信息,确定用户的笔迹三维特征信息。
本实施例中,终端在该笔迹三维信息中,提取每个文字信息的特征笔画对应的三维特征信息,作为每个特征笔画对应的笔画三维特征信息。终端将同类别的特征笔画对应的笔画三维特征信息进行融合处理,得到同类别的特征笔画的综合笔画三维特征信息。终端将所有类别的特征笔画的综合笔画三维特征信息作为该用户的笔迹三维特征信息。其中,特征融合处理过程后续将详细说明,不同文字信息的特征笔画的类别为特征笔画本身的类别,例如,“今”、“高”两个文字信息均包括特征笔画为“点”;则,终端将“今”、“高”两个文字信息的特征笔画“点”作为同类别的特征笔画。相同类别的特征笔画对应的笔画三维特征信息不同,该笔画三维特征信息与用户在输入不同文字信息对应的笔迹三维信息时的输入速度、力度、停顿等输入因素相关。
步骤S104,建立笔迹三维特征信息与用户的个人信息之间的关联关系,并将用户的个人信息、用户的笔迹三维特征信息、以及用户的笔迹三维特征信息与用户的个人信息之间的关联关系,作为用户的身份信息。
本实施例中,终端建立该笔迹三维特征信息与用户输入的个人信息之间的关联关系,使得待测用户输入的待测笔迹三维特征信息与该笔迹三维特征信息相同时,终端确定该待测用户为该用户。终端将该用户的个人信息、该用户的笔迹三维特征信息、以及该用户的笔迹三维特征信息与该用户的个人信息之间的关联关系,作为该用户的身份信息。
基于上述方案,通过获取用户输入的笔迹三维信息,从而提取该用户的每个特征笔画对应的笔画三维特征信息,并基于所有笔画三维特征信息得到笔迹三维特征信息。最后,将包含所述用户的个人信息的笔迹三维特征信息作为所述用户的身份信息,避免只能够获取该用户的二维笔迹特征,提升了记录的用户身份信息的精准度。
可选的,获取用户输入的笔迹三维信息,包括:响应于用户的笔迹输入操作,检测多个时间点对应的手部三维结构信息,以及每个手部三维结构信息对应的手部位置信息;基于所有手部三维结构信息,生成笔迹三维变化信息,并按照时间点的先后顺序,获取手部三维结构信息的结构变化信息;将笔迹三维变化信息、以及手部三维结构信息的结构变化信息,作为笔迹三维信息。
本实施例中,终端响应于用户的笔迹输入操作,通过笔迹识别工具,检测用户在进行笔迹输入操作过程中、不同时间点对应的该用户的手部三维结构信息,以及不同时间点的手部三维结构信息对应的手部位置信息。其中手部三维结构信息为建立于笔迹识别工具所处的空间中的空间坐标系下,该用户的手部不同关节点的三维位置信息的结构,该手部位置信息可以为该手部食指指尖以及大拇指指尖的连接处对应的三维位置信息。终端按照获取各手部位置信息的时间点的先后顺序,将各手部位置信息进行连接,得到该用户对应的笔迹三维变化信息。同时,终端按照获取各手部三维结构信息的时间点的先后顺序,获取手部三维结构信息的结构变化信息。其中手部三维结构信息的结构变化信息为该手部不同关节点的三维位置信息的三维位移信息。最后,终端将笔迹三维变化信息、以及手部三维结构信息的结构变化信息,作为该用户的笔迹三维信息。
基于上述方案,通过获取用户的手部三维结构信息、以及用户的手部位移信息,确定该用户的笔迹三维信息,避免只通过二维平面获取该用户的笔迹信息,提升了获取的笔迹信息的精准度和全面性。
可选的,识别笔迹三维信息中的文字信息,包括:将笔迹三维变化信息按照手部位置信息进行聚类处理,得到多个三维轨迹区域;识别每个三维轨迹区域对应的文字信息,并将所有三维轨迹区域对应的文字信息,作为笔迹三维信息中的各文字信息。
本实施例中,终端将获取的笔迹三维变化信息,计算每个笔迹三维变化信息对应的手部位置信息之间的间隔距离,并在终端预设间隔距离阈值。终端在各间隔距离中筛选小于间隔距离阈值的间隔距离,并将小于间隔距离阈值的间隔距离对应的手部位置信息进行聚类处理,得到多个手部位置信息组。终端将各手部位置信息组,作为各三维轨迹区域,得到各包含多个手部位置信息的三维轨迹区域。终端通过将每个三维轨迹区域映射于二维平面之后,识别每个三维轨迹区域对应的文字信息,得到笔迹三维信息中的各文字信息。
基于上述方案,通过对笔迹三维变化信息划分为多个三维轨迹区域,提升了识别该笔迹三维信息中的各文字信息的效率。
可选的,识别每个三维轨迹区域对应的文字信息,包括:将每个三维轨迹区域的所有手部位置信息映射在二维平面上,得到各包含多个二维手部位置信息的二维轨迹区域,并识别每个二维轨迹区域对应的文字信息;将各二维轨迹区域对应的文字信息,作为各映射于二维轨迹区域的三维轨迹区域对应的文字信息。
本实施例中,终端通过将每个三维轨迹区域按照与该用户手部三维结构信息中的手部食指指尖以及大拇指指尖所朝向的方向垂直的平面,进行二维映射处理,得到每个三维轨迹区域对应的二维轨迹区域。终端通过平面图像识别策略,识别每个而违规及区域对应的文字信息。然后,终端将各二维轨迹区域对应的文字信息,作为各映射于二维轨迹区域的三维轨迹区域对应的文字信息。
基于上述方案,通过将每个三维轨迹区域按照手部食指指尖以及大拇指指尖所朝向的方向垂直的平面进行映射,提升了该三维轨迹区域对应的二维轨迹区域的文字信息与该用户输入的文字信息之间的相似度。
可选的,提取笔迹三维信息中的各文字信息的特征笔画对应的笔画三维特征信息,包括:针对每个文字信息,在文字信息对应的二维轨迹区域中,查询文字信息的各特征笔画对应的笔画区域;针对每个笔画区域,从笔画区域包含的二维手部位置信息中,筛选目标二维手部位置信息,并将目标二维手部位置信息对应的三维手部位置信息,作为目标手部位置信息;将笔画区域对应的所有目标手部位置信息、以及各目标手部位置信息对应的手部三维结构信息,作为特征笔画对应的笔画三维特征信息。
本实施例中,终端预设每个特征笔画的笔迹容错范围,并针对每个文字信息,在该文字信息对应的二维轨迹区域中,通过平面图像识别算法,识别该文字信息的每个特征笔画的笔迹容错范围内包含的各二维手部位置信息,并将该特征笔画包含的所有二维手部位置信息对应的区域,作为该特征笔画对应的笔画区域。其中,该笔画区域为该特征笔画在该二维轨迹区域中的区域。终端针对每个笔画区域,从该笔画区域包含的二维手部位置信息中,筛选目标二维手部位置信息。其中目标二维手部位置信息为对应该特征笔画的笔迹直接对应的手部位置信息。终端将目标二维手部位置信息对应的三维手部位置信息,作为目标手部位置信息。终端将笔画区域对应的所有目标手部位置信息、以及各目标手部位置信息对应的手部三维结构信息,作为特征笔画对应的笔画三维特征信息。
基于上述方案,通过将在而违规及区域中查询笔画区域,从而确定目标手部位置信息,提升了确定该目标手部位置信息的精准度。
可选的,基于各笔画三维特征信息,确定用户的笔迹三维特征信息,包括:基于不同笔画类型的特征笔画,对每个特征笔画对应的笔画三维特征信息进行分类,得到多个特征组;针对每个特征组,将特征组中的各笔画三维特征信息进行特征融合处理,得到每个特征笔画对应的综合笔画三维特征信息,并将所有特征笔画对应的综合笔画三维特征信息,作为用户的笔迹三维特征信息。
本实施例中,终端基于不同笔画类型的特征笔画,对每个特征笔画对应的笔画三维特征信息进行分类,得到多个特征组。其中笔画类型为点、横、竖、撇、捺等。终端针对每个特征组,判断该特征组中的不同笔画三维特征信息包含的各手部位置信息中,相同笔迹位置对应的手部位置信息是否相同。在笔迹位置对应的手部位置信息相同的情况下,终端将该笔迹位置信息的相同的手部位置信息作为第一手部位置信息。在笔迹位置信息对应的手部位置信息不同的情况下,终端将该笔迹位置信息的不同的手部位置信息进行位置平均处理,得到该笔迹位置信息的第二手部位置信息。然后,终端在对同一笔迹位置对应的不同的手部位置信息中,筛选处于边界位置的手部位置信息,并判断该笔迹位置对应的第二手部位置信息与该边界位置的手部位置信息之间的直线距离,终端将上述直线距离作为该笔迹位置的第二手部位置信息的偏差值。最后,终端将该特征组中所有第一手部位置信息,以及第二手部位置信息,作为该特征组对应的特征笔画的综合笔画三维特征信息。其中,笔迹位置为预设于每个特征笔画中的每个特征笔画的笔迹中的位置信息,例如,特征笔画为“横折弯钩”,则该特征比划对应的笔迹位置为横的起始点位置、横的终止点位置、折点的位置、弯钩连接处的位置。终端将所有特征笔画对应的综合笔画三维特征信息,作为用户的笔迹三维特征信息。
基于上述方案,通过将同类型的笔画三维特征信息进行特征融合处理,提升了通过用户笔迹三维特征信息识别该用户的身份信息的容错率。
可选的,该方法还包括:获取用户输入的实时笔迹三维信息、以及用户的个人信息;识别实时笔迹三维信息中的实时笔迹三维特征信息,并在数据库中查询实时笔迹三维特征信息对应的目标身份信息;基于目标身份信息中的个人信息、以及用户的个人信息,识别用户是否为目标身份信息对应的目标用户。
本实施例中,在应用该身份信息识别用户身份的情况下,终端获取待测用户的输入的实时笔迹三维信息、以及待测用户的个人信息。终端识别该实时笔迹三维信息中的实时笔迹三维特征信息。具体的识别过程详见步骤S102-S103。终端在数据库中查询该实时笔迹三维特征信息对应的目标身份信息;终端基于目标身份信息中的个人信息、以及该待测用户的个人信息,识别用户是否为目标身份信息对应的目标用户。
基于上述方案,通过该身份记录方法记录的身份信息识别用户的身份,提升了识别用户身份的精准度。
应该理解的是,虽然如上所述的各实施例所涉及的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,如上所述的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段,这些步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
本申请还提供了一种身份信息记录示例,如图2所示,具体处理过程包括以下步骤:
步骤S201,响应于用户的笔迹输入操作,检测多个时间点对应的手部三维结构信息,以及每个手部三维结构信息对应的手部位置信息。
步骤S202,基于所有手部三维结构信息,生成笔迹三维变化信息,并按照时间点的先后顺序,获取手部三维结构信息的结构变化信息。
步骤S203,将笔迹三维变化信息、以及手部三维结构信息的结构变化信息,作为笔迹三维信息。
步骤S204,将笔迹三维变化信息按照手部位置信息进行聚类处理,得到多个三维轨迹区域。
步骤S205,将每个三维轨迹区域的所有手部位置信息映射在二维平面上,得到各包含多个二维手部位置信息的二维轨迹区域,并识别每个二维轨迹区域对应的文字信息。
步骤S206,将各二维轨迹区域对应的文字信息,作为各映射于二维轨迹区域的三维轨迹区域对应的文字信息。
步骤S207,将所有三维轨迹区域对应的文字信息,作为笔迹三维信息中的各文字信息。
步骤S208,针对每个文字信息,在文字信息对应的二维轨迹区域中,查询文字信息的各特征笔画对应的笔画区域。
步骤S209,针对每个笔画区域,从笔画区域包含的二维手部位置信息中,筛选目标二维手部位置信息,并将目标二维手部位置信息对应的三维手部位置信息,作为目标手部位置信息。
步骤S210,将笔画区域对应的所有目标手部位置信息、以及各目标手部位置信息对应的手部三维结构信息,作为特征笔画对应的笔画三维特征信息。
步骤S211,基于不同笔画类型的特征笔画,对每个特征笔画对应的笔画三维特征信息进行分类,得到多个特征组。
步骤S212,针对每个特征组,将特征组中的各笔画三维特征信息进行特征融合处理,得到每个特征笔画对应的综合笔画三维特征信息,并将所有特征笔画对应的综合笔画三维特征信息,作为用户的笔迹三维特征信息。
步骤S213,建立笔迹三维特征信息与用户的个人信息之间的关联关系,并将用户的个人信息、用户的笔迹三维特征信息、以及用户的笔迹三维特征信息与用户的个人信息之间的关联关系,作为用户的身份信息。
基于同样的发明构思,本申请实施例还提供了一种用于实现上述所涉及的身份信息记录方法的身份信息记录装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案相似,故下面所提供的一个或多个身份信息记录装置实施例中的具体限定可以参见上文中对于身份信息记录方法的限定,在此不再赘述。
在一个实施例中,如图3所示,提供了一种身份信息记录装置,包括:获取模块310、识别模块320、提取模块330和建立模块340,其中:
获取模块310,用于获取用户输入的笔迹三维信息、以及所述用户的个人信息;
识别模块320,用于识别所述笔迹三维信息中的各文字信息,并获取各所述文字信息中的特征笔画;
提取模块330,用于提取所述笔迹三维信息中的各文字信息的特征笔画对应的笔画三维特征信息,并基于各所述笔画三维特征信息,确定笔迹三维特征信息;
建立模块340,用于建立所述笔迹三维特征信息与所述用户的个人信息之间的关联关系,并将所述用户的个人信息、所述用户的笔迹三维特征信息、以及所述笔迹三维特征信息与所述用户的个人信息之间的关联关系,作为所述用户的身份信息。
可选的,所述获取模块310,具体用于:
响应于用户的笔迹输入操作,检测多个时间点对应的手部三维结构信息,以及每个手部三维结构信息对应的手部位置信息;
基于所有手部三维结构信息,生成笔迹三维变化信息,并按照时间点的先后顺序,获取手部三维结构信息的结构变化信息;
将所述笔迹三维变化信息、以及所述手部三维结构信息的结构变化信息,作为笔迹三维信息。
可选的,所述识别模块320,具体用于:
将所述笔迹三维变化信息按照所述手部位置信息进行聚类处理,得到多个三维轨迹区域;
识别每个三维轨迹区域对应的文字信息,并将所有三维轨迹区域对应的文字信息,作为所述笔迹三维信息中的各文字信息。
可选的,所述识别模块320,具体用于:
将每个三维轨迹区域的所有手部位置信息映射在二维平面上,得到各包含多个二维手部位置信息的二维轨迹区域,并识别每个二维轨迹区域对应的文字信息;
将各所述二维轨迹区域对应的文字信息,作为各映射于所述二维轨迹区域的三维轨迹区域对应的文字信息。
可选的,所述提取模块330,具体用于:
针对每个文字信息,在所述文字信息对应的所述二维轨迹区域中,查询所述文字信息的各特征笔画对应的笔画区域;
针对每个笔画区域,从所述笔画区域包含的二维手部位置信息中,筛选目标二维手部位置信息,并将所述目标二维手部位置信息对应的三维手部位置信息,作为目标手部位置信息;
将所述笔画区域对应的所有目标手部位置信息、以及各所述目标手部位置信息对应的手部三维结构信息,作为所述特征笔画对应的笔画三维特征信息。
可选的,所述提取模块330,具体用于:
基于不同笔画类型的特征笔画,对每个特征笔画对应的笔画三维特征信息进行分类,得到多个特征组;
针对每个特征组,将所述特征组中的各笔迹三维特征信息进行特征融合处理,得到每个特征笔画对应的综合笔画三维特征信息,并将所有特征笔画对应的综合笔画三维特征信息,作为所述用户的笔迹三维特征信息。
可选的,所述装置还包括:
实时获取模块,用于获取用户输入的实时笔迹三维信息、以及所述用户的个人信息;
身份识别模块,用于识别所述实时笔迹三维信息中的实时笔迹三维特征信息,并在数据库中查询所述实时笔迹三维特征信息对应的目标身份信息;
判断模块,用于基于所述目标身份信息中的个人信息、以及所述用户的个人信息,识别所述用户是否为所述目标身份信息对应的目标用户。
上述身份信息记录装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是终端,其内部结构图可以如图4所示。该计算机设备包括通过系统总线连接的处理器、存储器、通信接口、显示屏和输入装置。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的通信接口用于与外部的终端进行有线或无线方式的通信,无线方式可通过WIFI、移动蜂窝网络、NFC(近场通信)或其他技术实现。该计算机程序被处理器执行时以实现一种身份信息记录方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏,该计算机设备的输入装置可以是显示屏上覆盖的触摸层,也可以是计算机设备外壳上设置的按键、轨迹球或触控板,还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解,图4中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,提供了一种计算机设备,包括存储器和处理器,存储器中存储有计算机程序,该处理器执行计算机程序时实现第一方面中任一项所述的方法的步骤。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现第一方面中任一项所述的方法的步骤。
在一个实施例中,提供了一种计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现第一方面中任一项所述的方法的步骤。
需要说明的是,本申请所涉及的用户信息(包括但不限于用户设备信息、用户个人信息等)和数据(包括但不限于用于分析的数据、存储的数据、展示的数据等),均为经用户授权或者经过各方充分授权的信息和数据。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、数据库或其它介质的任何引用,均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-OnlyMemory,ROM)、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器(ReRAM)、磁变存储器(Magnetoresistive Random Access Memory,MRAM)、铁电存储器(Ferroelectric Random Access Memory,FRAM)、相变存储器(Phase Change Memory,PCM)、石墨烯存储器等。易失性存储器可包括随机存取存储器(Random Access Memory,RAM)或外部高速缓冲存储器等。作为说明而非局限,RAM可以是多种形式,比如静态随机存取存储器(Static Random Access Memory,SRAM)或动态随机存取存储器(Dynamic RandomAccess Memory,DRAM)等。本申请所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等,不限于此。本申请所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等,不限于此。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本申请专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请的保护范围应以所附权利要求为准。
Claims (10)
1.一种身份信息记录方法,其特征在于,所述方法包括:
获取用户输入的笔迹三维信息、以及所述用户的个人信息;
识别所述笔迹三维信息中的各文字信息,并获取各所述文字信息中的特征笔画;
提取所述笔迹三维信息中的各文字信息的特征笔画对应的笔画三维特征信息,并基于各所述笔画三维特征信息,确定所述用户的笔迹三维特征信息;
建立所述笔迹三维特征信息与所述用户的个人信息之间的关联关系,并将所述用户的个人信息、所述用户的笔迹三维特征信息、以及所述用户的笔迹三维特征信息与所述用户的个人信息之间的关联关系,作为所述用户的身份信息。
2.根据权利要求1所述的方法,其特征在于,所述获取用户输入的笔迹三维信息,包括:
响应于用户的笔迹输入操作,检测多个时间点对应的手部三维结构信息,以及每个手部三维结构信息对应的手部位置信息;
基于所有手部三维结构信息,生成笔迹三维变化信息,并按照时间点的先后顺序,获取手部三维结构信息的结构变化信息;
将所述笔迹三维变化信息、以及所述手部三维结构信息的结构变化信息,作为笔迹三维信息。
3.根据权利要求2所述的方法,其特征在于,所述识别所述笔迹三维信息中的各文字信息,包括:
将所述笔迹三维变化信息按照所述手部位置信息进行聚类处理,得到多个三维轨迹区域;
识别每个三维轨迹区域对应的文字信息,并将所有三维轨迹区域对应的文字信息,作为所述笔迹三维信息中的各文字信息。
4.根据权利要求3所述的方法,其特征在于,所述识别每个三维轨迹区域对应的文字信息,包括:
将每个三维轨迹区域的所有手部位置信息映射在二维平面上,得到各包含多个二维手部位置信息的二维轨迹区域,并识别每个二维轨迹区域对应的文字信息;
将各所述二维轨迹区域对应的文字信息,作为各映射于所述二维轨迹区域的三维轨迹区域对应的文字信息。
5.根据权利要求3所述的方法,其特征在于,所述提取所述笔迹三维信息中的各文字信息的特征笔画对应的笔画三维特征信息,包括:
针对每个文字信息,在所述文字信息对应的所述二维轨迹区域中,查询所述文字信息的各特征笔画对应的笔画区域;
针对每个笔画区域,从所述笔画区域包含的二维手部位置信息中,筛选目标二维手部位置信息,并将所述目标二维手部位置信息对应的三维手部位置信息,作为目标手部位置信息;
将所述笔画区域对应的所有目标手部位置信息、以及各所述目标手部位置信息对应的手部三维结构信息,作为所述特征笔画对应的笔画三维特征信息。
6.根据权利要求1所述的方法,其特征在于,所述基于各所述笔画三维特征信息,确定所述用户的笔迹三维特征信息,包括:
基于不同笔画类型的特征笔画,对每个特征笔画对应的笔画三维特征信息进行分类,得到多个特征组;
针对每个特征组,将所述特征组中的各笔画三维特征信息进行特征融合处理,得到每个特征笔画对应的综合笔画三维特征信息,并将所有特征笔画对应的综合笔画三维特征信息,作为所述用户的笔迹三维特征信息。
7.根据权利要求1所述的方法,其特征在于,所述方法还包括:
获取用户输入的实时笔迹三维信息、以及所述用户的个人信息;
识别所述实时笔迹三维信息中的实时笔迹三维特征信息,并在数据库中查询所述实时笔迹三维特征信息对应的目标身份信息;
基于所述目标身份信息中的个人信息、以及所述用户的个人信息,识别所述用户是否为所述目标身份信息对应的目标用户。
8.一种身份信息记录装置,其特征在于,所述装置包括:
获取模块,用于获取用户输入的笔迹三维信息、以及所述用户的个人信息;
识别模块,用于识别所述笔迹三维信息中的各文字信息,并获取各所述文字信息中的特征笔画;
提取模块,用于提取所述笔迹三维信息中的各文字信息的特征笔画对应的笔画三维特征信息,并基于各所述笔画三维特征信息,确定笔迹三维特征信息;
建立模块,用于建立所述笔迹三维特征信息与所述用户的个人信息之间的关联关系,并将所述用户的个人信息、所述用户的笔迹三维特征信息、以及所述笔迹三维特征信息与所述用户的个人信息之间的关联关系,作为所述用户的身份信息。
9.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述的方法的步骤。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310535938.2A CN116630993B (zh) | 2023-05-12 | 2023-05-12 | 身份信息记录方法、装置、计算机设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310535938.2A CN116630993B (zh) | 2023-05-12 | 2023-05-12 | 身份信息记录方法、装置、计算机设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116630993A true CN116630993A (zh) | 2023-08-22 |
CN116630993B CN116630993B (zh) | 2024-09-06 |
Family
ID=87612582
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310535938.2A Active CN116630993B (zh) | 2023-05-12 | 2023-05-12 | 身份信息记录方法、装置、计算机设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116630993B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2007226703A (ja) * | 2006-02-27 | 2007-09-06 | Seiko Epson Corp | 自筆署名認証装置 |
CN102789576A (zh) * | 2012-06-29 | 2012-11-21 | 鸿富锦精密工业(深圳)有限公司 | 签名特征提取系统及方法 |
CN103971104A (zh) * | 2014-05-23 | 2014-08-06 | 葛峰 | 一种基于汉字电子手写特征分析的身份认证方法 |
CN105227318A (zh) * | 2015-09-30 | 2016-01-06 | 北京奇艺世纪科技有限公司 | 一种身份认证方法和装置 |
US20160063240A1 (en) * | 2014-09-01 | 2016-03-03 | Alibaba Group Holding Limited | Managing registration of user identity using handwriting |
CN108536314A (zh) * | 2017-03-06 | 2018-09-14 | 华为技术有限公司 | 用户身份识别方法及装置 |
CN109190351A (zh) * | 2018-09-19 | 2019-01-11 | 宁辛 | 基于移动终端的在线签名者身份认证系统、设备及方法 |
-
2023
- 2023-05-12 CN CN202310535938.2A patent/CN116630993B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2007226703A (ja) * | 2006-02-27 | 2007-09-06 | Seiko Epson Corp | 自筆署名認証装置 |
CN102789576A (zh) * | 2012-06-29 | 2012-11-21 | 鸿富锦精密工业(深圳)有限公司 | 签名特征提取系统及方法 |
CN103971104A (zh) * | 2014-05-23 | 2014-08-06 | 葛峰 | 一种基于汉字电子手写特征分析的身份认证方法 |
US20160063240A1 (en) * | 2014-09-01 | 2016-03-03 | Alibaba Group Holding Limited | Managing registration of user identity using handwriting |
CN105227318A (zh) * | 2015-09-30 | 2016-01-06 | 北京奇艺世纪科技有限公司 | 一种身份认证方法和装置 |
CN108536314A (zh) * | 2017-03-06 | 2018-09-14 | 华为技术有限公司 | 用户身份识别方法及装置 |
CN109190351A (zh) * | 2018-09-19 | 2019-01-11 | 宁辛 | 基于移动终端的在线签名者身份认证系统、设备及方法 |
Non-Patent Citations (3)
Title |
---|
YANG ZHIQI 等: "Design and implementation of handwritten digit recognition system based on template method", 《2018 IEEE 3RD ADVANCED INFORMATION TECHNOLOGY, ELECTRONIC AND AUTOMATION CONTROL CONFERENCE (IAEAC)》, 16 December 2018 (2018-12-16), pages 2316 - 2319 * |
梅健 等: "基于书写笔劲识别的身份验证系统", 《电子科技》, vol. 24, no. 09, 15 September 2011 (2011-09-15), pages 136 - 139 * |
陈子炜 等: "基于用户笔迹的移动身份识别技术", 《计算机系统应用》, vol. 26, no. 12, 15 December 2017 (2017-12-15), pages 191 - 195 * |
Also Published As
Publication number | Publication date |
---|---|
CN116630993B (zh) | 2024-09-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Bunke et al. | Recent advances in graph-based pattern recognition with applications in document analysis | |
EP1971957B1 (en) | Methods and apparatuses for extending dynamic handwriting recognition to recognize static handwritten and machine generated text | |
CN103390013A (zh) | 电子装置和手写文档处理方法 | |
CN102073870A (zh) | 一种触摸屏汉字笔迹识别方法 | |
CN111126339A (zh) | 手势识别方法、装置、计算机设备和存储介质 | |
He et al. | Historical manuscript dating based on temporal pattern codebook | |
CN104541288A (zh) | 手写文档处理设备和方法 | |
JP2013246731A (ja) | 手書き文字検索装置、方法及びプログラム | |
CN103390011A (zh) | 电子装置和手写文档检索方法 | |
JP2017527894A (ja) | 手書きを使用するユーザ識別登録の管理 | |
CN116935449A (zh) | 指纹图像匹配模型训练方法、指纹匹配方法及相关介质 | |
Lyu et al. | The early Japanese books reorganization by combining image processing and deep learning | |
CN113255767B (zh) | 票据分类方法、装置、设备及存储介质 | |
US20140222825A1 (en) | Electronic device and method for searching handwritten document | |
CN116630993B (zh) | 身份信息记录方法、装置、计算机设备和存储介质 | |
US20230394865A1 (en) | Methods and systems for performing data capture | |
CN115311674A (zh) | 手写处理方法、装置、电子设备和可读存储介质 | |
JP5735126B2 (ja) | システムおよび筆跡検索方法 | |
JP6223687B2 (ja) | 電子機器および手書き文書検索方法 | |
Ren et al. | A transformer-based decoupled attention network for text recognition in shopping receipt images | |
Saleem et al. | Systematic evaluation of pre-processing approaches in online signature verification | |
Inuganti et al. | Preprocessing of online handwritten Telugu character recognition | |
JP6030172B2 (ja) | 手書き文字検索装置、方法及びプログラム | |
CN113434840B (zh) | 一种基于特征图的手机持续身份认证方法及装置 | |
CN110070020B (zh) | 位置编码表单数据读取方法及系统 |
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 |