专利名称：脸部元数据的生成的制作方法
技术领域：
本发明涉及到一种可用于脸部鉴定、脸部识别、脸部的表情识别、通过脸部进行男女识别、通过脸部进行年龄判断等的脸部识别技术，特别涉及到一种生成静止图像及运动图像中的脸部信息相关的元数据的元数据生成装置、生成方法，以及生成程序。
背景技术：
元数据一般是指对数据的含义进行描述的数据或者代表数据含义的数据。在进行脸部识别时，元数据主要是指和静止脸部图像及运动图像等的脸部数据相关的数据。
和映像、图像、声音等多媒体内容相关的元数据标准化活动中，MPEG-7(Moving Pictures Experts Group-7，活动图像专家组)的活动广为人知。其中针对作为和脸部识别相关的元数据的描述符，建议使用脸部识别描述符(A.Yamada等编，“MPEG-7 Visual part ofexperimental Model version 9.0，”ISO/IEC JTC1/SC29/WG11 N3914，2001)。
该脸部识别描述符中，针对剪切后标准化的脸部图像，一般使用一种叫作固有脸部的部分空间方法，求出用于提取脸部图像特征量的基础矩阵，根据该基础矩阵从图像中提取脸部特征量，将其作为元数据。并且，作为针对该脸部特征量的类似度，建议使用加权绝对值距离。
此外，众所周知，脸部识别相关技术具有各种各样的方法。例如基于主要成分分析(Moghaddam等，“Probalilistic Visual Learning forObject Detection，”IEEE Transactions on Pattern Analysis and MachineIntelligence，Vol.17，No.7，pp.696-710，1977)、或者判别分析(W.Zhao等，“Discriminant Analysis of Principal Components for FaceRecognition，”Proceedings of the IEEE Third International Conference onAutomatic Face and Gesture Recognition，pp.336-341，1998)的固有空间方法的脸部识别方法就广为人知。此外还有使用独立分析法的脸部鉴定方法(梅山等，“教師付き独立成分分析を用いた颜の同定について”，电子信息通信学会，PRMU99-27，1999)。
另外，特开平5-20442号公报及文献(赤松等，“濃淡画像マツチングによゐロバストな正面颜の識别法—フ一リエスペクトルのKL展開の応用—”，电子信息通信学会论文志，J76-D-11，No.7，pp.1363-1373，2001)中，记载了脸部图像校验技术。该脸部图像校验技术中，针对脸部图像的傅利叶频率的功率谱，使用通过主要成分分析所获得的脸部特征量进行脸部的校验。通过傅利叶变换获得的功率谱，与利用称为对于平行移动不变化的特征量的性质，将图像的象素作为特征矢量进行主要成分分析相比，有更好的效果。
此外，还有通过分割为局部的图像区域进行模板匹配从而进行图像匹配的方法(斋藤，“ブロツク投票処理によゐ遮へいに頑強な点プレ一トマツチング”，电子信息通信学会论文志，Vol.J84-D-11，No.10，pp.2270-2279)。该方法中，对各个局部区域进行匹配，将其评价值按照各个局部区域累积以计算匹配的评价值，或者通过将局部区域的评价值投票到投票空间以计算图像匹配的评价值。
但是以往的技术中，由于对脸部图像的全体，一样的采样象素值或者图像全体的傅利叶频谱作为输入特征，以进行主要成分分析或者独立成分分析等，所以图像上的一部分所发生的匹配误差(例如遮光等由于脸部朝向的变动所引起的匹配误差)会波及到部分空间的矢量。其结果是，在以往的技术中，整体的评价值受到影响，致使校验精度无法提高。例如，对象素特征进行主要成分分析所获得的基础矢量中，其矢量要素有很多是象素整体的系数所持有的，射影后的特征矢量受到部分区域误差的影响。
另一方面，分割为局部的图像区域的模板匹配中，虽然可以吸收遮光等而进行匹配，但进行块的匹配所需的运算量非常大，在实际使用中有问题。
因此，本发明的目的是提供一种描述长度简短，匹配的运算量较少的脸部元数据的生成技术。
本发明的另一个目的是提供一种可以提高脸部识别精度的脸部元数据生成技术。
发明内容
根据本发明，可以获得一种脸部元数据生成装置，生成和图像的脸部信息相关的元数据，其特征在于至少具有区域剪切单元，从图像中剪切局部区域；频率特征提取单元，提取通过上述区域剪切单元剪切的区域的频率特征；以及向量射影单元，将特征矢量射影到预先规定的部分空间，其中特征矢量将通过上述频率提取单元提取的频率特征作为矢量，提取多个不同的局部区域所射影的特征矢量，将这些特征矢量作为脸部元数据生成。
上述脸部元数据生成装置中，频率特征提取单元最好将通过离散傅利叶变换所获得的傅利叶频率的功率谱强度作为频率特征提取。或者频率特征提取单元也可以将通过离散余弦变换或者离散正弦变换所得到的展开系统作为频率特征提取。
进一步，矢量射影单元通过向特定的部分空间射影频率特征矢量来计算主要成分矢量，其中特定的部分空间根据基础矢量来特定，而基础矢量是通过频率特征的主要成分分析，或者判别分析，或者独立成分分析来预先获得。
并且，区域剪切单元从图像中检索各个局部区域所对应的区域位置，在求出剪切位置后，剪切局部区域。
通过上述脸部元数据生成装置提取的脸部元数据是可以进行高速且精确的脸部图像的匹配的、描述长度简短的脸部元数据。
图1是具有本发明实施形态的脸部元数据生成装置的脸部图像匹配系统的构成示意框图。
具体实施例方式
为了进一步具体阐述本发明，将根据附图进行说明。
图1是使用了本发明的脸部元数据生成装置的脸部图像匹配系统的示意框图。
以下参照图1，对脸部图像匹配系统进行详细的说明。
如图1所示，基于本发明中的脸部图像匹配系统具有输入脸部图像的脸部图像输入装置11；根据从该脸部图像输入装置11输入的脸部图像，生成脸部元数据的脸部元数据生成装置12；存储通过该脸部元数据生成装置12生成(提取)的脸部元数据的脸部元数据存储装置13；根据上述脸部元数据计算脸部的类似度的脸部类似度计算装置14；存储上述脸部图像的脸部图像数据库15；根据图像的登录要求及检索要求，控制图像的输入、元数据的生成、元数据的存储、脸部类似度的计算的控制装置16；显示脸部图像及其他信息的显示装置17。
并且，脸部元数据生成装置12由以下装置构成区域剪切单元121，从输入的脸部图像中剪切脸部的局部区域；频率特征提取单元122，提取剪切的区域的频率特征；矢量射影单元123，将频率特征作为向量的特征矢量射影到部分空间，提取特征矢量。脸部元数据生成装置12通过在各个多个不同的局部区域提取特征矢量，生成脸部元数据。
登录脸部图像时，用扫描仪或者摄影机等图像输入装置11将脸部照片等在脸部大小及位置对齐的基础上输入。或者，也可以将人物的脸部直接用摄影机等输入。这种情况下，最好利用上述Mohaddam的文献中所示的脸部检测技术，检测出输入的图像的脸部位置，将脸部图像的大小等自动进行标准化。
并且，根据需要将输入的脸部图像登录到脸部图像数据库15。在脸部画像登录的同时，通过脸部元数据生成装置12生成脸部元数据，生成的脸部元数据存储到脸部元数据储存装置13。
检索时和登录时一样，脸部图像通过脸部图像输入装置11被输入，在脸部元数据生成装置12中生成脸部元数据。生成的脸部元数据可以临时登录到脸部元数据储存装置13，或者直接输送到脸部类似度计算装置14。
检索时，当确认预先输入的脸部图像是否存在于数据库中时(脸部鉴定)，脸部类似度计算装置14将其和脸部元数据存储装置13中登录的数据的类似度一个一个计算出来。根据类似度最高的结果，控制装置16从脸部图像数据库15中选择脸部图像，在显示装置17等之内进行脸部图像的显示。检索图像和登录画像的脸部的同一性由操作者进行确认。
另一方面，在确认预先通过ID号码等被特定的脸部图像和检索的脸部图像是否一致时(脸部识别)，脸部类似度计算装置14计算是否和特定的ID号码的脸部图像相一致或不一致。控制装置16在类似度比预先确定的类似度低的情况下，判定为不一致，类似度比预先确定的类似度高的情况下，判定为一致，将其结果显示在显示装置17上。将该系统用于入室管理时，不再是脸部图像的显示，而是控制装置16将开关控制信号发送给自动门，从而通过对自动门进行控制，实现入室管理。
脸部图像匹配系统如上述运行，这样的运行也可以在计算机系统上实现。例如，后面会详细阐述的实行元数据生成的元数据生成程序以及类似度计算程序分别存储到内存中，通过程序控制处理器分别运行，可以实现脸部图像的匹配。
以下将就该脸部图像匹配系统的运行，特别是脸部元数据生成装置12和脸部类似度计算装置14的运行进行详细说明。
(1)脸部元数据的生成首先对脸部元数据生成装置12的运行进行说明。
脸部元数据生成装置12利用位置和大小标准化了的图像l(x，y)来提取脸部特征量。在位置和大小的标准化中，例如，将眼部位置标准化为(32，48)、(62，48)，大小为92×112的象素即可。以下对图像标准化为这种大小的情况进行说明。
然后，通过区域剪切单元121剪切脸部图像的预先设定的脸部图像的多个局部区域。例如，以上述图像为例，剪切以(x，y)＝(15*l+8，15*j+10)(l＝0，1，2...，5；j＝0，1，2，...，6)的等间隔的点为中心的16×16象素的42(＝M)个局部区域。首先，将这其中的一个区域(i，j)＝(0，0)的局部区域s(x，y)通过区域剪切单元121剪切。
上述局部区域的剪切中，在预先确定的位置上剪切局部区域，而通过分割为脸部器官(眼睛、鼻子、嘴、眉毛)的部分区域，检测出其部分区域，在从脸部图像中寻找和各局部区域对应的区域位置，进行完剪切位置的补正后，通过剪切局部区域，补正由于脸部朝向引起的器官的位置偏差，从而可以实现稳定的脸部特征量的提取。例如，使用根据输入图像的平均值计算的平均脸部，制作出局部区域的模板，在模板检索的基准位置(平均脸部的位置即可)的附近检索该模板，根据其匹配的位置补正剪切位置后，剪切局部区域(脸部的器官区域)。此时的模板匹配中，使用标准化的相关方法。
在这里，将模板用脸部器官进行了说明，也可以根据上述均等的采样来定义局部区域。
这样通过将脸部器官作为模板，对模板的位置进行补正，在对整体的脸部位置对齐所无法补正的位置偏差、以及因姿势变动等引起的局部区域(脸部器官)的位置偏差进行补正的基础上，提取脸部的局部特征量。因此，可以使输出的局部区域的特征量稳定，并可提高校验的精度。
对于脸部器官的检测，也可以使用例如特开平10-307923号公报所公开的脸部器官的提取技术来提取脸部器官。
然后，频率特征提取单元122将被剪切的局部区域s(x，y)通过二元的离散傅利叶变换进行傅利叶变换，计算所获得的傅利叶功率谱S(u，v)的功率|S(u，v)|。并且，通过二元图像的离散傅利叶变换求得傅利叶功率谱S(u，v)的计算方法广为人知，例如文献(Rosenfeld等，“デイジタル画像処理”pp.20-26，近代科学社)中已经有记载，在此省略对其的说明。
这样所获得的二元傅利叶功率谱|S(u，v)|由于只变换二元的实数部分的图像，所以获得的傅利叶频率成分是对称的。因此，虽然功率谱|S(u，v)|具有u＝0，1，...，15；v＝0，1，...，15的256个成分，但是其一半的成分u＝0，1，...，15；v＝0，1，...，7的128成分和剩下的一半u＝0，1，...，15；v＝8，9，...，15实质上是同样的成分。频率特征提取单元122去除掉易于受到照明变化影响的直流成分|S(0，0)|，提取前一半的127个功率谱作为频率特征。
也可以使用离散余弦变换或者离散正弦变换取代傅利叶变换，将其展开系数作为频率特征提取。在离散余弦变换的情况下，通过使图像的原点座标作为图像中心进行变换，特别是通过不提取脸部的非对称成分(尤其是左右的非对称成分)，能够提取特征量。但是离散余弦变换或者离散正弦变换时，不一定保持傅利功率那样的平移不变性，所以预先设定的位置对齐的精度易于对结果产生影响，这一点需要注意。
然后，矢量射影单元123将作为频率特征提取的127个特征量作为矢量处理。在预先规定的部分空间中，准备有学习用的脸部图像组，由通过对应的剪切区域的频率特征矢量的主要成分分析所获得的基础矢量(固有矢量)来确定。关于该基础矢量的计算方法，在上述Moghaddam的文献以及特开平5-20442号公报为首的各种文献中都有说明，是广为人知的方法，所以在此省略其说明。基础矢量按照固有值从大到小的顺序使用N个成分(从第1主要成分开始到第N主要成分)。N有5个左右就足够了，可以将原来的256个特征次元压缩为50分之1左右。这是因为通过主要成分分析(KL展开)的次元压缩效果较好，可以将脸部特征作为简短的特征进行描述。根据该N个基础矢量特定作为特征空间的部分空间。但是，基础矢量不是标准化为单位矢量的矢量，而是使用根据固有矢量所对应的固有值，将其成分标准化的矢量。
也就是说，将作为标准正交基础的基础矢量为要素的矩阵设为U，将作为其要素的、长度1的单位矢量的基础矢量UK的各成分通过对应的固有值λK的平方根进行除法运算。通过这样预先变换基础矢量，可以减少后面所述的校验时使用马氏(Mahalanobis)距离的匹配运算的运算量。
进一步进行详细说明。假设将两个频率特征矢量x1和x2通过标准正交基础矩阵U射影到部分空间得到矢量y1和y2，那么y1＝Ux1，y2＝Ux2，通过马氏距离测定两个图形的距离时d(y1,y2)=Σk=1N|y1,k-y2,k|2/λk]]>=Σk=1N|y1,k/λk1/2-y2,k/λk1/2|2]]>Σk=1N|Ukx1/λk1/2-Ukx2/λk1/2|2---(1)]]>也就是说，将用预先固有值除的基础矢量UK/λk1/2作为基础矢量使用后，使用该矩阵射影的矢量y1’＝(UK/λk1/2)x1和y2’＝(UK/λk1/2)x2的平方距离变为马氏距离，所以可以减少运算量。一直以来，在计算对部分空间的射影时，大多进行减去平均矢量的操作，但通过平方距离等的距离进行类似度计算时，只不过是进行特征矢量的原点移动，所以无论是减去平均矢量还是不减去平均矢量，只要在特征矢量之间得以统一，哪一个都可以。
这样，通过矢量射影单元123可以提取射影到N(＝5)次元的部分空间的特征矢量。这样在主要成分分析中可以用较少的次元数将原始图像的特征简短地近似表现，通过用较少的次元数表现特征量，可以减少元数据的描述长度，并提高匹配的速度。
并且，以上对通过主要成分分析将频率矢量射影到部分空间，以提取特征量的情况进行了说明，也可以利用上述Zhao的文献中的判别分析来选择特征成分的基础矢量。这种情况下也和上述一样通过判别分析选择五个基础矢量，和主要成分分析时一样将矢量射影到部分空间。在学习用数据组充分的情况下，由于和主要成分分析相比，判别分析的精度更高，所以在具有充分的学习组的情况下，最好使用判别分析。此外，关于基础矢量的选择方法，是在上述Zhao的文献中已经广为人知的方法，所以在此省略详细的说明。
同样，作为选择非正交的部分基础的方法，适用独立成分分析以选择基础矢量也可。通过独立成分分析选择基础矢量的情况下，基础矢量变为非正交基础，但这种情况下也可以同样向选择的部分空间射影频率特征矢量。关于独立成分分析也是广为人知的方法，例如上述梅山等的文献中所公开的，在这里省略详细的说明。
通过判别分析或独立成分分析选择部分空间的情况下，另行计算相当于主成分分析时的固有值λK的值。在学习组中，使用射影到部分空间后的特征矢量，只要将其的分散按各特征矢量的要素进行计算即可。此时，根据应被视作同一人物之间的要素的差，求得级别内分散(相当于观测误差的分散)，比使用要素的学习组全体的分散(相当于图形的分散)性能优越，所以最好使用级别内分散，使基础矩阵标准化。
将这样的操作按各局部区域S(x，y)进行，可以获得含有N(＝5)个要素的M(＝42)个矢量的特征量。将该特征矢量作为输入的脸部图像的脸部元数据，通过脸部元数据生成装置12输出。
如上所述，可以将上述脸部元数据生成顺序通过计算机程序在计算机中实行。
(2)脸部类似度计算以下就脸部类似度计算装置14的运行进行说明。
脸部类似度计算装置14利用从两个脸部元数据获得的M个N次元特征矢量{y1i}、{y2i}(l＝1，2，...M)，计算出两个脸部之间的类似度d({y11}，{y11})。
例如根据d({y1i},{y2i})=Σi=1Mwi(Σk=1N|Y1,ki-y2,ki|2)---(2)]]>的平方距离计算出类似度。
此时的距离是基础矩阵根据预先的固有值标准化的距离，如上所述是马氏距离。并且，也可以根据d({y1i},{y2i})=Σi=1M(wiyi·y2/|y1||y2|)---(3)]]>的比较的各特征矢量所成的余弦的线形和计算出类似度。
这里的wi是各局部区域的加权系数。该系数在事先准备的学习组中，当应被视作相同的脸部图像中的各局部区域i的特征矢量之间的类似度(马氏距离或者矢量的余弦)的平均为ui时，将该倒数1/ui作为加权系数wi使用即可。
这样通过对各区域进行加权，可以对不稳定的局部区域(ui是较大的局部区域)赋予较小的加权wi，对有效的局部区域这样重要的特征量用较大的加权wi评价。通过对各局部区域施加可信赖的加权，可以实现较高精度的校验。
此外，使用距离的时候，意味着值越大类似度越小(脸部不相似)，使用余弦时意味着值越大类似度越大(脸部相似)。
目前为止的说明是针对登录一张脸部图像，使用一张脸部图像进行检索的情况，一个人的脸部登录了多个图像，使用一张脸部图像进行检索时，例如只要将登录一侧的多个脸部元数据分别计算出类似度即可。
同样，每一个脸部的多张图像的登录和多张图像的检索，可以通过求得各组合的类似度的平均值或最小值、求得类似度，来计算出对一个脸部数据的类似度。这意味着，通过将运动图像看作多个图像，本发明中的匹配系统也适用于对运动图像的脸部识别。
如上所述，根据本发明，将脸部图像剪切为多个局部区域，提取出该剪切的区域的傅利叶频谱等频率特征，将该提取的特征量通过主要成分分析以及独立成分分析等方法射影到部分空间中，将获得的特征矢量作为脸部元数据，通过以上步骤可生成描述长度简短的、并且针对部分的位置变动保持稳定特性的脸部元数据。通过使用这种脸部元数据，可以实现高速的、高精度的脸部识别。
权利要求
1.一种脸部元数据生成方法(12)，生成和图像的脸部信息相关的元数据，其特征在于，具有剪切步骤(121)，从上述图像中剪切多个不同的局部区域；提取步骤(122)，从上述各个局部领域中提取频率特征；以及射影步骤(123)，将特征矢量射影到预先规定的部分空间，其中特征矢量是将上述频率特征作为矢量，提取各局部区域的射影的特征矢量，将这些特征矢量作为脸部元数据生成。
2.根据权利要求1所述的脸部元数据生成方法，其特征在于作为上述频率特征，提取通过离散傅利叶变换得到的傅利叶频率的功率谱强度。
3.根据权利要求1所述的脸部元数据生成方法，其特征在于作为上述频率特征，将通过离散余弦变换得到的展开系数作为频率特征提取。
4.根据权利要求1所述的脸部元数据生成方法，其特征在于作为上述频率特征，将通过离散正弦变换得到的展开系数作为频率特征提取。
5.根据权利要求1所述的脸部元数据生成方法，其特征在于作为上述部分空间，通过使用特定的部分空间射影频率特征矢量来计算主要成分矢量，其中特定的部分空间根据通过频率特征的主要成分分析预先获得的基础矢量来特定。
6.根据权利要求1所述的脸部元数据生成方法，其特征在于作为上述部分空间，通过使用特定的部分空间射影频率特征矢量来计算特征矢量，其中特定的部分空间根据通过频率特征的独立成分分析预先获得的基础矢量来特定。
7.根据权利要求1所述的脸部元数据生成方法，其特征在于作为上述部分空间，通过使用特定的部分空间射影频率特征矢量来计算特征矢量，其中特定的部分空间根据通过频率特征的判别分析预先获得的基础矢量来特定。
8.根据权利要求1所述的脸部元数据生成方法，其特征在于作为上述局部区域，从上述图像中搜索和各局部区域对应的区域位置，在求出剪切位置后，剪切局部区域。
9.一种脸部元数据生成装置(12)，生成和图像的脸部信息相关的元数据，其特征在于，至少具有区域剪切单元(121)，从上述图像中剪切局部区域；频率特征提取单元(122)，提取通过上述局部区域剪切单元剪切的区域的频率特征；以及矢量射影单元(123)，将特征矢量射影到预先规定的部分空间，其中特征矢量将通过上述频率特征提取单元提取的频率特征作为矢量，提取多个不同的局部区域所射影的特征矢量，将这些特征矢量作为脸部元数据生成。
10.根据权利要求9所述的脸部元数据生成装置，其特征在于上述频率特征提取单元(122)将通过离散傅利叶变换获得的傅利叶频率的功率谱强度作为频率特征提取。
11.根据权利要求9所述的脸部元数据生成装置，其特征在于上述频率特征提取单元(122)将通过离散余弦变换获得的展开系数作为频率特征提取。
12.根据权利要求9所述的脸部元数据生成装置，其特征在于上述频率特征提取单元(122)将通过离散正弦变换获得的展开系数作为频率特征提取。
13.根据权利要求9所述的脸部元数据生成装置，其特征在于上述矢量射影单元(123)中，通过向特定的部分空间射影频率特征矢量来计算主要成分矢量，其中特定的部分空间根据通过频率特征的主要成分分析预先获得的基础矢量来特定。
14.根据权利要求9所述的脸部元数据生成装置，其特征在于上述矢量射影单元(123)中，通过向特定的部分空间射影频率特征矢量来计算特征矢量，其中特定的部分空间根据通过频率特征的独立成分分析预先获得的基础矢量来特定。
15.根据权利要求9所述的脸部元数据生成装置，其特征在于上述矢量射影单元(123)中，通过向特定的部分空间射影频率特征矢量来计算特征矢量，其中特定的部分空间根据通过频率特征的判别分析预先获得的基础矢量来特定。
16.根据权利要求9所述的脸部元数据生成装置，其特征在于上述区域剪切单元(121)中，从上述图像中检索和各局部领域对应的区域位置，在求出剪切位置后，剪切局部区域。
17.一种程序，用于在计算机中生成和图像的脸部信息相关的元数据，其特征在于，在上述计算机中实现以下功能剪切功能(121)，从上述图像中剪切多个不同的局部区域；提取功能(122)，从上述各个局部区域中提取频率特征；以及射影功能(123)，将特征矢量射影到预先规定的部分空间，其中特征矢量将上述频率特征作为矢量，由此，在上述计算机中，提取出各局部区域的射影的特征矢量，将这些特征矢量作为脸部元数据生成。
18.一种脸部图像匹配系统，具有输入脸部图像的脸部图像输入装置(11)；根据输入的脸部图像生成脸部元数据的脸部元数据生成装置(12)；存储生成的脸部元数据的脸部元数据存储装置(13)；根据上述脸部元数据计算脸部的类似度的脸部类似度计算装置(14)；存储上述脸部图像的脸部图像数据库(15)；根据图像的登录要求及检索要求，控制图像的输入、元数据的生成、元数据的存储、脸部类似度的计算的控制装置(16)；以及显示脸部图像及其他信息的显示装置(17)，其特征在于，上述脸部元数据生成装置(12)具有区域剪切单元(121)，从上述脸部图像中剪切局部区域；频率特征提取单元(122)，提取通过上述局部区域剪切单元剪切的区域的频率特征；以及矢量射影单元(123)，将特征矢量射影到预先规定的部分空间，其中特征矢量是通过上述频率提取单元提取的频率特征。
全文摘要
一种脸部元数据生成技术，用于提取识别脸部的脸部特征量，其描述长度简短，并且不易受到局部误差的影响。区域剪切单元(121)剪切脸部图像的局部区域。频率特征提取单元(122)提取该局部区域中的频谱。矢量射影单元(123)通过将获得的频率特征射影到部分空间以提取该局部区域的脸部特征。脸部元数据装置(12)将该脸部特征从变换了剪切位置的多个局部领域中提取，以生成脸部元数据。
文档编号G06T7/00GK1613090SQ0380190
公开日2005年5月4日 申请日期2003年3月28日 优先权日2002年3月29日
发明者龟井俊男 申请人:日本电气株式会社