人眼定位方法和裝置制造方法
【專利摘要】本發(fā)明公開(kāi)了一種人眼定位方法和裝置，其中，人眼定位方法包括：接收人臉圖像；定位人臉圖像中的鼻子位置和眼睛位置；根據(jù)鼻子位置確定人臉對(duì)稱軸；以及利用人臉對(duì)稱軸調(diào)整眼睛位置，得到人眼的目標(biāo)定位位置。通過(guò)本發(fā)明，解決了現(xiàn)有技術(shù)中人眼定位準(zhǔn)確性較差的問(wèn)題，進(jìn)而達(dá)到了提高了眼睛定位準(zhǔn)確性的效果。
【專利說(shuō)明】人眼定位方法和裝置
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及圖像處理領(lǐng)域，具體而言，涉及一種人眼定位方法和裝置。
【背景技術(shù)】
[0002]一般情況下，一個(gè)完整的人臉識(shí)別系統(tǒng)是由人臉檢測(cè)、眼睛定位、特征提取和人臉識(shí)別四部分組成。在識(shí)別過(guò)程中，不管是利用人臉的全局特征還是局部特征，采用圖像的幾何特征還是代數(shù)特征，人臉?lè)轿坏淖兓瘜?duì)識(shí)別的結(jié)果都有顯著的影響，所以在進(jìn)行識(shí)別之前需要先對(duì)圖像進(jìn)行歸一化處理。而圖像歸一化的條件則是雙眼的位置，具體原因如下:
[0003]I)兩眼中心距離受光照和表情變化影響最小，雙眼中心連線的方向隨人臉的偏轉(zhuǎn)而偏轉(zhuǎn)，可以作為圖像旋轉(zhuǎn)的依據(jù)；
[0004]2)以兩眼之間的距離對(duì)提取的各個(gè)特征值進(jìn)行歸一化，則這些特征值具有平移、旋轉(zhuǎn)和尺度上的不變性。
[0005]在人臉位置已經(jīng)檢測(cè)的前提下，眼睛定位的準(zhǔn)確與否直接影響特征提取的效果，進(jìn)而影響人臉識(shí)別的準(zhǔn)確率，所以當(dāng)前學(xué)者將眼睛的準(zhǔn)確定位為人臉識(shí)別走向?qū)嵱没年P(guān)鍵和瓶頸所在。
[0006]早期的人臉識(shí)別算法都是在假定眼睛坐標(biāo)精確定位的前提下進(jìn)行的。在過(guò)去的幾十年，人眼定位方法的研究取得了較大進(jìn)展，國(guó)內(nèi)外的研究人員提出了一些關(guān)于人眼定位方法，大致可以分為以下五類:
[0007]( I)基于先驗(yàn)規(guī)則的方法:
[0008]基于先驗(yàn)規(guī)則的方法也稱為基于知識(shí)的方法，主要是將人臉的特征總結(jié)成一些簡(jiǎn)單的規(guī)則，這些規(guī)則反映了人臉特有的屬性和人臉各個(gè)面部特征之間的關(guān)系，例如人臉是關(guān)于中心對(duì)稱的?？梢愿鶕?jù)這些關(guān)系大致確定眼睛的候選點(diǎn)或者區(qū)域，然后進(jìn)行相應(yīng)的處理。
[0009]基于先驗(yàn)規(guī)則的方法簡(jiǎn)單、快速，但是，僅僅對(duì)于背景較為簡(jiǎn)單、臉部特征規(guī)整的人臉圖像有效。要準(zhǔn)確定位眼睛位置，還要用其它的方法來(lái)去除干擾，如眉毛、眼鏡、眉毛
坐寸ο
[0010](2)基于幾何信息的方法:
[0011]由于人臉上的各個(gè)器官的位置以及距離是相對(duì)固定的，則可以根據(jù)人臉上的器官的分布規(guī)律建立面部的幾何模型，然后在人臉圖像中匹配各個(gè)面部特征點(diǎn)的位置。
[0012]基于幾何信息的方法對(duì)模板的選擇、模型的構(gòu)建有較高的要求，而且利用了人臉大量的幾何位置信息，這會(huì)導(dǎo)致在復(fù)雜的條件下定位的效果不好。因而，在現(xiàn)有的人臉識(shí)別系統(tǒng)中往往用基于幾何信息的方法輔助其他方法實(shí)施定位。
[0013](3)基于膚色信息的方法:
[0014]色彩信息已經(jīng)越來(lái)越多被應(yīng)用于計(jì)算機(jī)視覺(jué)研究領(lǐng)域。膚色是人臉的重要信息，它完全不依賴于面部的細(xì)節(jié)特征，并且對(duì)于旋轉(zhuǎn)、表情、姿態(tài)等變化情況都能適用，具有相對(duì)的穩(wěn)定性。膚色和大多數(shù)背景物體的顏色具有一定的差異，利用膚色可以減少眼睛搜索的時(shí)間，減少?gòu)?fù)雜背景對(duì)眼睛定位的干擾。
[0015]基于膚色信息的方法雖然簡(jiǎn)單、快速，但是容易受到外界光源、圖像采集設(shè)備等的影響，會(huì)使圖像出現(xiàn)人臉?lè)垂狻D像顏色不正常等現(xiàn)象，導(dǎo)致系統(tǒng)不能夠較好的區(qū)分出膚色和非膚色像素。并且膚色信息僅僅能夠用于彩色圖像，灰度圖像則不能處理，不具有通用性。
[0016](4)基于統(tǒng)計(jì)信息的方法:
[0017]基于統(tǒng)計(jì)的方法，一般是通過(guò)對(duì)大量的目標(biāo)樣本和非目標(biāo)樣本進(jìn)行訓(xùn)練學(xué)習(xí)得到一組訓(xùn)練的分類器，然后根據(jù)這些分類器來(lái)進(jìn)行目標(biāo)檢測(cè)。
[0018]基于統(tǒng)計(jì)信息的方法進(jìn)行眼睛的定位，在準(zhǔn)確度上有了很大的提高，但是需要提前制作大量的樣本來(lái)進(jìn)行訓(xùn)練，訓(xùn)練過(guò)程復(fù)雜，并且周期長(zhǎng)。
[0019](5)基于關(guān)聯(lián)信息的方法:
[0020]基于關(guān)系信息的方法，利用人臉上的其他器官的相對(duì)位置數(shù)據(jù)，不斷壓縮眼睛候選點(diǎn)的范圍，從而實(shí)現(xiàn)眼睛的定位。
[0021]基于關(guān)聯(lián)信息的方法利用了人臉的特征點(diǎn)之間的制約關(guān)系，隨著制約條件的增多，定位的準(zhǔn)確率也隨之提高，對(duì)于復(fù)雜的背景、人臉姿態(tài)和表情變化等具有很好的適應(yīng)能力，但是在準(zhǔn)確率提高的同時(shí)也增加了算法的運(yùn)算量，定位速度變慢。
[0022]但是，上述相關(guān)技術(shù)中的人眼定位方法都具有相似的缺陷:1)睜眼睛和閉眼睛的時(shí)候，眼睛的狀態(tài)是不一樣的，睜眼睛圖像中含有瞳孔，容易定位，而閉眼睛圖像中僅僅呈現(xiàn)一條“黑色的線”，兩種狀態(tài)下的圖片，眼睛位置具有不同的特征和灰度分布，如果采用相同方法進(jìn)行定位，比如模板匹配，很難尋找共同的特征，如果都采用相同的方法進(jìn)行定位，很容易產(chǎn)生誤定位的情況?，F(xiàn)有的眼睛定位方法很少對(duì)眼睛狀態(tài)進(jìn)行分類，對(duì)于不同的眼睛狀態(tài)應(yīng)該采用不同的方法進(jìn)行定位；2)現(xiàn)有的眼睛定位方法多數(shù)只是在人臉上單純的定位眼睛，實(shí)際上有時(shí)候眉毛以及眼角等也會(huì)對(duì)眼睛的定位產(chǎn)生干擾，即使是定位在眉毛上或者眼角上，這種很明顯的錯(cuò)誤也沒(méi)有辦法對(duì)其進(jìn)行修正。
[0023]針對(duì)相關(guān)技術(shù)中人眼定位準(zhǔn)確性較差的問(wèn)題，目前尚未提出有效的解決方案。

【發(fā)明內(nèi)容】

[0024]本發(fā)明的主要目的在于提供一種人眼定位方法和裝置，以解決現(xiàn)有技術(shù)中人眼定位準(zhǔn)確性較差的問(wèn)題。
[0025]為了實(shí)現(xiàn)上述目的，根據(jù)本發(fā)明的一個(gè)方面，提供了一種人眼定位方法，包括:接收人臉圖像；定位人臉圖像中的鼻子位置和眼睛位置；根據(jù)鼻子位置確定人臉對(duì)稱軸；以及利用人臉對(duì)稱軸調(diào)整眼睛位置，得到人眼的目標(biāo)定位位置。
[0026]進(jìn)一步地，通過(guò)利用預(yù)設(shè)鼻子模板圖像與人臉圖像卷積計(jì)算，并利用支持向量機(jī)進(jìn)行篩選，定位人臉圖像中的鼻子位置。
[0027]進(jìn)一步地，預(yù)設(shè)鼻子模板圖像包括第一模板圖像和第二模板圖像，其中，第一模板圖像中的鼻孔角度與第二模板圖像中的鼻孔角度不同，利用預(yù)設(shè)鼻子模板圖像與人臉圖像卷積計(jì)算，定位人臉圖像中的鼻子位置包括:分別對(duì)第一模板圖像和第二模板圖像與人臉圖像進(jìn)行卷積計(jì)算，得到第一卷積圖像和第二卷積圖像；分別計(jì)算第一卷積圖像和第二卷積圖像的區(qū)域極大值；將第一卷積圖像上的區(qū)域極大值處和第二卷積圖像上的區(qū)域極大值處均標(biāo)記為1，并將第一卷積圖像上的非區(qū)域極大值處和第二卷積圖像上的非區(qū)域極大值處均標(biāo)記為O，得到第一卷積圖像的二值圖像和第二卷積圖像的二值圖像；合并第一二值圖像和第二二值圖像，得到第三二值圖像，其中，第一二值圖像為第一卷積圖像的二值圖像，第二二值圖像為第二卷積圖像的二值圖像；以及確定第三二值圖像的區(qū)域極大值處的區(qū)域重心為鼻子位置。
[0028]進(jìn)一步地，通過(guò)以下方式確定區(qū)域重心:利用預(yù)設(shè)矩陣對(duì)第三二值圖像進(jìn)行膨脹處理，得到多個(gè)連通區(qū)域；查找多個(gè)連通區(qū)域中的最大連通區(qū)域；以及確定最大連通區(qū)域的重心為區(qū)域重心。
[0029]進(jìn)一步地，在合并第一二值圖像和第二二值圖像，得到第三二值圖像之后，并且在確定第三二值圖像的區(qū)域極大值處的區(qū)域重心為鼻子位置之前，利用支持向量機(jī)進(jìn)行篩選包括:利用支持向量機(jī)對(duì)目標(biāo)點(diǎn)進(jìn)行判斷，其中，目標(biāo)點(diǎn)為第三二值圖像中為I的點(diǎn)；在利用支持向量機(jī)判斷出目標(biāo)點(diǎn)仍為I的情況下，保持目標(biāo)點(diǎn)在第三二值圖像上的標(biāo)記為I不變；以及在利用支持向量機(jī)判斷出目標(biāo)點(diǎn)為O的情況下，在第三二值圖像上將目標(biāo)點(diǎn)重新標(biāo)記為0，其中，確定重新標(biāo)記后的第三二值圖像的區(qū)域極大值處的區(qū)域重心為鼻子位置。
[0030]進(jìn)一步地，定位人臉圖像中的眼睛位置包括:利用AdaBoost算法檢測(cè)人臉圖像中眼睛位置所在的第一區(qū)域；對(duì)第一區(qū)域進(jìn)行徑向?qū)ΨQ變換確定人眼的睜閉狀態(tài)；在確定人眼處于睜開(kāi)狀態(tài)的情況下，利用Gabor濾波器定位眼睛位置；以及在確定人眼處于閉合狀態(tài)的情況下，利用K-means聚類算法定位眼睛位置。
[0031]進(jìn)一步地，Gabor濾波器的極坐標(biāo)為
【權(quán)利要求】
1.一種人眼定位方法，其特征在于，包括: 接收人臉圖像； 定位所述人臉圖像中的鼻子位置和眼睛位置； 根據(jù)所述鼻子位置確定人臉對(duì)稱軸；以及 利用所述人臉對(duì)稱軸調(diào)整所述眼睛位置，得到人眼的目標(biāo)定位位置。
2.根據(jù)權(quán)利要求1所述的人眼定位方法，其特征在于，通過(guò)利用預(yù)設(shè)鼻子模板圖像與所述人臉圖像卷積計(jì)算，并利用支持向量機(jī)進(jìn)行篩選，定位所述人臉圖像中的鼻子位置。
3.根據(jù)權(quán)利要求2所述的人眼定位方法，其特征在于，所述預(yù)設(shè)鼻子模板圖像包括第一模板圖像和第二模板圖像，其中，所述第一模板圖像中的鼻孔角度與所述第二模板圖像中的鼻孔角度不同，利用預(yù)設(shè)鼻子模板圖像與所述人臉圖像卷積計(jì)算，定位所述人臉圖像中的鼻子位置包括: 分別對(duì)所述第一模板圖像和所述第二模板圖像與所述人臉圖像進(jìn)行卷積計(jì)算，得到第一卷積圖像和第二卷積圖像； 分別計(jì)算所述第一卷積圖像和所述第二卷積圖像的區(qū)域極大值； 將所述第一卷積圖像上的區(qū)域極大值處和所述第二卷積圖像上的區(qū)域極大值處均標(biāo)記為1，并將所述第一卷積圖像上的非區(qū)域極大值處和所述第二卷積圖像上的非區(qū)域極大值處均標(biāo)記為O，得到所述第一卷積圖像的二值圖像和所述第二卷積圖像的二值圖像；合并第一二值圖像和第二二值圖像，得到第三二值圖像，其中，所述第一二值圖像為所述第一卷積圖像的二值圖像，所述第二二值圖像為所述第二卷積圖像的二值圖像；以及確定所述第三二值圖像的區(qū)域極大值處的區(qū)域重心為所述鼻子位置。
4.根據(jù)權(quán)利要求3所述的人眼定位方法，其特征在于，通過(guò)以下方式確定所述區(qū)域重心: 利用預(yù)設(shè)矩陣對(duì)所述第三二值圖像進(jìn)行膨脹處理，得到多個(gè)連通區(qū)域； 查找多個(gè)所述連通區(qū)域中的最大連通區(qū)域；以及 確定所述最大連通區(qū)域的重心為所述區(qū)域重心。
5.根據(jù)權(quán)利要求3所述的人眼定位方法，其特征在于，在合并第一二值圖像和第二二值圖像，得到第三二值圖像之后，并且在確定所述第三二值圖像的區(qū)域極大值處的區(qū)域重心為所述鼻子位置之前，利用支持向量機(jī)進(jìn)行篩選包括: 利用所述支持向量機(jī)對(duì)目標(biāo)點(diǎn)進(jìn)行判斷，其中，所述目標(biāo)點(diǎn)為所述第三二值圖像中為I的點(diǎn)； 在利用所述支持向量機(jī)判斷出所述目標(biāo)點(diǎn)仍為I的情況下，保持所述目標(biāo)點(diǎn)在所述第三二值圖像上的標(biāo)記為I不變；以及 在利用所述支持向量機(jī)判斷出所述目標(biāo)點(diǎn)為O的情況下，在所述第三二值圖像上將所述目標(biāo)點(diǎn)重新標(biāo)記為O, 其中，確定重新標(biāo)記后的所述第三二值圖像的區(qū)域極大值處的區(qū)域重心為所述鼻子位置。
6.根據(jù)權(quán)利要求1至5中任一項(xiàng)所述的人眼定位方法，其特征在于，定位所述人臉圖像中的眼睛位置包括: 利用AdaBoost算法檢測(cè)所述人臉圖像中所述眼睛位置所在的第一區(qū)域；對(duì)所述第一區(qū)域進(jìn)行徑向?qū)ΨQ變換確定所述人眼的睜閉狀態(tài)； 在確定所述人眼處于睜開(kāi)狀態(tài)的情況下，利用Gabor濾波器定位所述眼睛位置；以及 在確定所述人眼處于閉合狀態(tài)的情況下，利用K-means聚類算法定位所述眼睛位置。
7.根據(jù)權(quán)利要求6所述的人眼定位方法，其特征在于，所述Gabor濾波器的極坐標(biāo)為G(r,Θ) =~#，其中，r。與θ。為確定所述Gabor濾波器中心的參數(shù)因子，α與β為所述Gabor濾波器中高斯窗的尺度因子，α和β根據(jù)所述人臉圖像的大小確定，ω為所述Gabor濾波器的震蕩頻率。
8.根據(jù)權(quán)利要求6 所述的人眼定位方法，其特征在于，通過(guò)以下方式確定所述K-means聚類算法中的聚類中心: 獲取所述第一區(qū)域中的人眼灰度值和每個(gè)所述人眼灰度值的像素點(diǎn)個(gè)數(shù)； 按照公式A=BniinUaniilrtIiniilrt+a^n^+..、,.計(jì)算灰度值累加值,其中，anin為所述人眼灰度值中的最小灰度值，nmin為所述最小灰度值的像素點(diǎn)個(gè)數(shù)，amax為所述人眼灰度值中的最大灰度值，nmax為所述最大灰度值的個(gè)數(shù)，Bniilrtl為比所述最小灰度值大η的灰度值，nmin+n為灰度值a—n的像素點(diǎn)個(gè)數(shù)，n e [1,2,3,…，254];以及
9.根據(jù)權(quán)利要求1所述的人眼定位方法，其特征在于，利用所述人臉對(duì)稱軸調(diào)整所述眼睛位置，得到人眼的目標(biāo)定位位置包括: 以所述眼睛位置中的左眼位置P1、所述眼睛位置中的右眼位置P2和所述鼻子位置P3為頂點(diǎn)建立目標(biāo)三角形； 按照公式Dy=Ih -Pj ^計(jì)算所述目標(biāo)三角形的邊長(zhǎng)Dij ； 按照公式々計(jì)算所述目標(biāo)三角形的邊長(zhǎng)之間的比例ru ；


10.一種人眼定位裝置，其特征在于，包括: 接收單元，用于接收人臉圖像； 定位單元，用于定位所述人臉圖像中的鼻子位置和眼睛位置； 第一確定單元，用于根據(jù)所述鼻子位置確定人臉對(duì)稱軸；以及 調(diào)整單元，用于利用所述人臉對(duì)稱軸調(diào)整所述眼睛位置，得到人眼的目標(biāo)定位位置。
11.根據(jù)權(quán)利要求10所述的人眼定位裝置，其特征在于，所述定位單元通過(guò)利用預(yù)設(shè)鼻子模板圖像與所述人臉圖像卷積計(jì)算，并利用支持向量機(jī)進(jìn)行篩選，定位所述人臉圖像中的鼻子位置。
12.根據(jù)權(quán)利要求11所述的人眼定位裝置，其特征在于，所述預(yù)設(shè)鼻子模板圖像包括第一模板圖像和第二模板圖像，其中，所述第一模板圖像中的鼻孔角度與所述第二模板圖像中的鼻孔角度不同，所述定位單元包括: 第一計(jì)算子單元，用于分別對(duì)所述第一模板圖像和所述第二模板圖像與所述人臉圖像進(jìn)行卷積計(jì)算，得到第一卷積圖像和第二卷積圖像； 第二計(jì)算子單元，用 于分別計(jì)算所述第一卷積圖像和所述第二卷積圖像的區(qū)域極大值； 第一標(biāo)記子單元，用于將所述第一卷積圖像上的區(qū)域極大值處和所述第二卷積圖像上的區(qū)域極大值處均標(biāo)記為1，并將所述第一卷積圖像上的非區(qū)域極大值處和所述第二卷積圖像上的非區(qū)域極大值處均標(biāo)記為0，得到所述第一卷積圖像的二值圖像和所述第二卷積圖像的二值圖像； 合并子單元，用于合并第一二值圖像和第二二值圖像，得到第三二值圖像，其中，所述第一二值圖像為所述第一卷積圖像的二值圖像，所述第二二值圖像為所述第二卷積圖像的二值圖像；以及 第一確定子單元，用于確定所述第三二值圖像的區(qū)域極大值處的區(qū)域重心為所述鼻子位置。
13.根據(jù)權(quán)利要求12所述的人眼定位裝置，其特征在于，所述人眼定位裝置還包括: 處理單元，用于利用預(yù)設(shè)矩陣對(duì)所述第三二值圖像進(jìn)行膨脹處理，得到多個(gè)連通區(qū)域； 查找單元，用于查找多個(gè)所述連通區(qū)域中的最大連通區(qū)域；以及 第二確定單元，用于確定所述最大連通區(qū)域的重心為所述區(qū)域重心。
14.根據(jù)權(quán)利要求12所述的人眼定位裝置，其特征在于，所述定位單元還包括: 第一判斷子單元，用于利用所述支持向量機(jī)對(duì)目標(biāo)點(diǎn)進(jìn)行判斷，其中，所述目標(biāo)點(diǎn)為所述第三二值圖像中為I的點(diǎn)； 保持子單元，用于在利用所述支持向量機(jī)判斷出所述目標(biāo)點(diǎn)仍為I的情況下，保持所述目標(biāo)點(diǎn)在所述第三二值圖像上的標(biāo)記為I不變；以及 第二標(biāo)記子單元，用于在利用所述支持向量機(jī)判斷出所述目標(biāo)點(diǎn)為O的情況下，在所述第三二值圖像上將所述目標(biāo)點(diǎn)重新標(biāo)記為0，其中，所述第一確定子單元用于確定重新標(biāo)記后的所述第三二值圖像的區(qū)域極大值處的區(qū)域重心為所述鼻子位置。
15.根據(jù)權(quán)利要求10至14中任一項(xiàng)所述的人眼定位裝置，其特征在于，所述定位單元還包括: 檢測(cè)子單元，用于利用AdaBoost算法檢測(cè)所述人臉圖像中所述眼睛位置所在的第一區(qū)域； 變換子單元，用于對(duì)所述第一區(qū)域進(jìn)行徑向?qū)ΨQ變換確定所述人眼的睜閉狀態(tài)； 第一定位子單元，用于在確定所述人眼處于睜開(kāi)狀態(tài)的情況下，利用Gabor濾波器定位所述眼睛位置；以及 第二定位子單元，用于在確定所述人眼處于閉合狀態(tài)的情況下，利用K-means聚類算法定位所述眼睛位置。
16.根據(jù)權(quán)利要求15所述的人眼定位裝置，其特征在于，所述Gabor濾波器的極坐標(biāo)為G(r,θ) = eie(θ-θo)e-(θ-θo)2/β2其中，r0與θo為確定所述Gabor濾波器中心的參數(shù)因子，α與β為所述Gabor濾波器中高斯窗的尺度因子，α和β根據(jù)所述人臉圖像的大小確定，ω為所述Gabor濾波器的震蕩頻率。
17.根據(jù)權(quán)利要求15所述的人眼定位裝置，其特征在于，所述人眼定位裝置還包括: 獲取單元，用于獲取所述第一區(qū)域中的人眼灰度值和每個(gè)所述人眼灰度值的像素點(diǎn)個(gè)數(shù)； 計(jì)算單元,用于按照公式AzaniinUaniilrtUaniil^rw2+*" amaxnmax計(jì)算灰度值累加值，其中，afflin為所述人眼灰度值中的最小灰度值，nfflin為所述最小灰度值的像素點(diǎn)個(gè)數(shù)，afflax為所述人眼灰度值中的最大灰度值，nmax為所述最大灰度值的個(gè)數(shù)，amin+n為比所述最小灰度值大η的灰度值，nmin+n為灰度值amin+n的像素點(diǎn)個(gè)數(shù)，n e [1,2,3,…，254];以及

第三確定單元，用于確定分別為了
18.根據(jù)權(quán)利要求10所述的人眼定位裝置，其特征在于，所述調(diào)整單元包括: 建立子單元，用于以所述眼睛位置中的左眼位置P1、所述眼睛位置中的右眼位置P2和所述鼻子位置P3S頂點(diǎn)建立目標(biāo)三角形； 第三計(jì)算子單元，用于按照公式dij=pi —Pj 計(jì)算所述目標(biāo)三角形的邊長(zhǎng)Dij ；


第四計(jì)算子單元，用于按照公式
【文檔編號(hào)】G06K9/62GK103632136SQ201310557045
【公開(kāi)日】2014年3月12日 申請(qǐng)日期:2013年11月11日 優(yōu)先權(quán)日:2013年11月11日
【發(fā)明者】張芹芹, 張祥德, 張要羅, 李倩穎 申請(qǐng)人:北京天誠(chéng)盛業(yè)科技有限公司