技术领域
[0001] 本
发明涉及知识产权服务领域，具体涉及一种知识产权运营平台系统。
背景技术
[0002] 知识产权资源包括商标、
专利等。
现有技术中，当客户有购买知识产权资源的需求时，往往是到知识产权运营平台系统上进行搜索，当搜索到合适的知识产权资源时，进行购买。
[0003] 但是，客户对需要搜索的知识产权资源往往不太了解，搜索时设定的关键字并不能很好地体现客户的需求，导致搜索出来的结果不够全面。
发明内容
[0004] 针对上述问题，本发明提供了一种知识产权运营平台系统，其包括客户端、系统
服务器；所述系统服务器包括知识产权资源
数据库；所述客户端包括查询模
块、展示模块；所述查询模块用于获取客户输入的关键字，并将所述关键字发送至所述系统服务器；所述系统服务器用于根据所述关键字，获取所述关键字的同义词和近义词，并根据所述关键字以及所述关键字的同义词和近义词，在知识产权资源数据库中进行检索，得到检索结果，并将所述检索结果发送至所述客户端；所述客户端接收所述检索结果并由所述展示模块进行展示；
[0005] 其中，所述检索结果包括多条知识产权资源数据以及每条知识产权资源数据所对应的识别信息。
[0006] 本发明的有益效果为：
[0007] 通过对客户输入的关键字以及该关键字所对应的同义词、近义词进行检索，可以获得更为全面的检索结果。因为客户往往不是专利方面的专业人员，所以其输入的关键字往往会有所偏差，而本发明上述实施方式可以有效地解决由于这种偏差所带来的检索结果不全面的问题。
附图说明
[0008] 利用附图对本发明作进一步说明，但附图中的
实施例不构成对本发明的任何限制，对于本领域的普通技术人员，在不付出创造性劳动的前提下，还可以根据以下附图获得其它的附图。
[0009] 图1，为本发明一种知识产权运营平台系统的一种示例性实施例图。
[0010] 图2，为本发明一种知识产权运营平台系统的另一种示例性实施例图。
[0011] 附图标记：
[0012] 客户端1、系统服务器2、后台管理端3、查询模块11、展示模块12、选择模块13、交易模块14。
具体实施方式
[0013] 结合以下实施例对本发明作进一步描述。
[0014] 参见图1，本发明的一种知识产权运营平台系统，其包括客户端1、系统服务器2；所述系统服务器2包括知识产权资源数据库；所述客户端1包括查询模块11、展示模块12；所述查询模块11用于获取客户输入的关键字，并将所述关键字发送至所述系统服务器2；所述系统服务器2用于根据所述关键字，获取所述关键字的同义词和近义词，并根据所述关键字以及所述关键字的同义词和近义词，在知识产权资源数据库中进行检索，得到检索结果，并将所述检索结果发送至所述客户端1；所述客户端1接收所述检索结果并由所述展示模块12进行展示；
[0015] 其中，所述检索结果包括多条知识产权资源数据以及每条知识产权资源数据所对应的识别信息。
[0016] 本发明上述实施方式，通过对客户输入的关键字以及该关键字所对应的同义词、近义词进行检索，可以获得更为全面的检索结果。因为客户往往不是专利方面的专业人员，所以其输入的关键字往往会有所偏差，而本发明上述实施方式可以有效地解决由于这种偏差所带来的检索结果不全面的问题。
[0017] 在一种实施方式中，如图2所示，所述知识产权运营平台系统还包括后台管理端3，所述客户端1还包括选择模块13和交易模块14；
[0018] 所述选择模块13用于从所述检索结果筛选出符合客户需求的知识产权资源数据，并将所述知识产权资源数据发送至交易模块14；
[0019] 所述交易模块14用于根据所述选择结果生成交易订单，并将所述交易订单发送至系统服务器2；所述系统服务器2用于接收并存储所述交易订单，并将所述交易订单发送至所述知识产权运营平台系统的后台管理端3；所述后台管理端3用于接收并展示所述交易订单，以便后台管理端3的管理人员对所述交易订单进行处理。
[0020] 在一种实施方式中，所述知识产权资源数据为专利数据,和/或,商标数据。
[0021] 在一种实施方式中，所述交易模块14包括登录单元和订单处理单元；
[0022] 所述登录单元用于为客户提供注册服务和登录服务；
[0023] 所述注册服务为：获取客户输入的符合预设的注册规则的账户名称、账户密码以及手机号码，并将所述账户名称、密码以及手机号码传输至系统服务器2进行存储；
[0024] 所述登录服务为：验证客户输入的身份识别信息，若所述身份识别信息通过验证，则将所述身份识别信息传输至订单处理单元；
[0025] 所述订单处理单元用于根据选择模块13筛选出的知识产权资源数据和所述身份识别信息生成交易订单，并将所述交易订单发送至系统服务器2。
[0026] 在一种实施方式中，所述客户端1还包括留言模块，所述留言模块用于获取客户的留言文本和联系方式，并将所述留言文本和联系方式发送至系统服务器2进行存储；
[0027] 所述系统服务器2将所述留言文本和联系方式进行存储后，将所述留言文本和联系方式推送至所述后台管理端3，以供后台管理端3的管理人员针对留言文本对客户进行回访。
[0028] 在一种实施方式中，所述客户端1还包括专利服务模块，所述专利服务模块包括专利
申请子模块和专利猎头子模块；
[0029] 所述专利申请子模块用于获取客户的专利申请订单，并将所述专利申请订单发送至系统服务器2；所述专利申请订单包括专利类型，客户联系方式；
[0030] 所述专利猎头子模块用于获取客户的专利需求订单，并将所述专利需求订单发送至系统服务器2；所述专利需求订单包括专利代购需求和/或专利匹配需求。
[0031] 在一种实施方式中，所述客户端1还包括
版权登记服务模块，用于获取客户需要进行版权登记的作品类型和联系方式，并将所述作品类型和联系方式发送至系统服务器2。
[0032] 在一种实施方式中，所述验证客户输入的身份识别信息，包括：将所述身份识别信息发送至系统服务器2，系统服务器2对所述身份识别信息进行验证，若通过验证，则告知客户端1，所述身份识别信息通过验证。
[0033] 在一种实施方式中，所述身份识别信息包括账户名称和账户密码，所述系统服务器2对所述身份识别信息进行验证，包括：
[0034] 系统服务器2判断所述账户名称是否为系统服务器2已存储的账户名称，若否，则所述身份识别信息没有通过验证，若是，则进一步判断所述账户密码与系统服务器2上已存储的所述账户名称对应的账户密码是否一致；
[0035] 若所述账户密码与系统服务器2上已存储的所述账户名称对应的账户密码一致，则所述身份识别信息通过验证。
[0036] 在另一种实施方式中，所述身份识别信息包括客户的指纹图像，所述系统服务器2对所述身份识别信息进行验证，包括：
[0037] 系统服务器2提取所述指纹图像的特征数据，并将所述特征数据与系统服务器2中预存的指纹特征数据进行匹配，若匹配成功，则所述身份识别信息通过验证。
[0038] 在客户提前录入了指纹信息的之后，再次登录时只需要获取其指纹图像即可完成对其身份的验证，有利于客户更为便捷地进行登录。而且也避免了输入账号和密码时被别人看到从而导致账号密码泄露的
风险。
[0039] 在一种实施方式中，所述系统服务器2包括指纹特征提取模块，用于提取所述指纹图像的特征数据；
[0040] 所述指纹特征提取模块包括灰度化处理单元、
边缘检测单元、分块单元、降噪单元、分割单元、特征提取单元；
[0041] 所述灰度化处理单元用于对所述指纹图像进行灰度化处理，得到灰度图像；
[0042] 所述边缘检测单元用于对所述灰度图像进行边缘检测，获得边缘点集合；
[0043] 所述分块单元用于对所述灰度图像进行分块处理，将所述灰度图像划分为多个面积相等的区块；
[0044] 所述降噪单元用于对每个区块进行降噪处理，并将所有降噪后的区块进行合并，得到降噪图像；
[0045] 所述分割单元用于对所述降噪图像进行
图像分割，提取所述降噪图像中包含的前景信息，得到前景图像；
[0046] 所述特征提取单元用于从所述前景图像中获取特征数据。
[0047] 在一种实施方式中，所述灰度化处理单元用于对所述指纹图像进行灰度化处理，得到灰度图像，包括：
[0048] 使用加权平均法将指纹图像的R、G、B三分量以预设的权重进行加权平均，得到灰度图像。
[0049] 在一种实施方式中，所述对所述灰度图像进行边缘检测，获得边缘点集合，包括：
[0050] 生成检测算子；
[0051] 根据所述检测算子对所述灰度图像进行卷积运算，获得卷积图像；
[0052] 根据所述卷积图像计算所述灰度图像的梯度幅值和梯度方向；
[0053] 根据梯度方向确定候选极值点集合；
[0054] 从所述候选极值点集合中选择梯度幅值最大的元素作为极值点；
[0055] 将所述极值点与自适应
阈值T进行对比，若所述极值点的梯度幅值大于T，则所述极值点为边缘点；
[0056] 将所述的边缘
像素点保存为集合eps。
[0057] 在一种实施方式中，所述生成检测算子，包括：
[0058] 使用如下公式生成
水平边缘检测算子hdo：
[0059] hdo＝af(oh,imo)
[0060] 式中， af(oh,imo)表示利用矩阵imo对原始的sobel水平边缘检测算子进行剪切变换；
[0061] 使用如下公式生成垂直边缘检测算子ved：
[0062] ved＝af(ov,imo)
[0063] 式中， af(ov,imo)表示利用矩阵imo对原始的sobel垂直边缘检测算子进行剪切变换；v表示方向控制参数，v∈[-1,1]。
[0064] 本发明上述实施方式，对传统的sobel边缘检测算子进行了改进，增加了方向控制参数，因此改进后得到的水平边缘检测算子和垂直边缘检测算子可以对灰度图像进行不同方向的检测，克服了传统的sobel边缘检测算子检测方向受限的
缺陷，可以使得检测结果更为全面。从而使得后续的降噪处理更为准确地保留图像的真实信息，减少了边缘点被当成噪声点的概率。
[0065] 在一种实施方式中，所述根据所述检测算子对所述灰度图像进行卷积运算，获得卷积图像，包括：
[0066] 使用hdo对指纹图像卷积运算，得到第一卷积图像：
[0067] fci＝fi*hdo
[0068] 式子中，fci表示第一卷积图像；fi表示所述灰度图像；*表示卷积运算符号；
[0069] 使用ved对指纹图像卷积运算，得到第二卷积图像：
[0070] sci＝fi*ved
[0071] 式子中，sci表示第二卷积图像。
[0072] 在一种实施方式中，所述根据所述卷积图像计算所述灰度图像的梯度幅值和梯度方向，包括：
[0073] 根据所述第一卷积图像和所述第二卷积图像计算所述灰度图像fi的梯度幅值和梯度方向：
[0074] ga＝[fci2+sci2]1/2，
[0075] 式中，ga表示所述灰度图像fi的梯度幅值矩阵；gd表示所述灰度图像fi的梯度方向矩阵。
[0076] 在一种实施方式中，所述根据梯度方向确定候选极值点集合，包括：
[0077] 对于不同的灰度图像fi中的像素点(x,y)，根据其梯度方向选取不同的对比像素点与其组成边缘像素点集合：
[0078] 若 则将(x-1,y)、(x+1,y)、(x,y)这三个像素点作为边缘像素点集合中的元素；
[0079] 若 则将(x-1,y-1)、(x+1,y+1)、(x,y)这三个像素点作为边缘像素点集合中的元素；
[0080] 若 则将(x-1,y+1)、(x+1,y-1)、(x,y)这三个像素点作为边缘像素点集合中的元素；
[0081] 若gd(x,y)不属于上述列举的3种情况，则将(x,y-1)、(x,y+1)、(x,y)这三个像素点作为边缘像素点集合中的元素。
[0082] 本发明上述实施方式，根据像素点(x,y)的梯度方向选择不同的候选极值点集合，使得候选极值点的选择更有针对性，传统的方式往往是直接将像素点的邻域作为候选极值点的集合，这种对比方式很容易受到噪声的影响。
[0083] 在一种实施方式中，将所述极值点与自适应阈值T进行对比，若所述极值点的梯度幅值大于T，则所述极值点为边缘点，包括：
[0084] 根据ga生成第一统计直方图，并确定所述第一统计直方图的峰值top1；
[0085] 计算极值点的L×L邻域的平滑度smo：
[0086]
[0087] 式中，var表示在灰度图像fi中，所述邻域的所有像素点的灰度值的方差；avl表示所述邻域中所有像素点的灰度值均值；
[0088] 若smo
[0089] 若smo≥nv，则统计所述邻域中所有像素点的第二统计直方图，并确定所述第二统计直方图的峰值top2，将top2作为自适应阈值T的值，所述极值点的梯度大于阈值T，则所述极值点为边缘点。
[0090] 本发明上述实施方式，根据极值点的L×L邻域包含的信息量自适应地生成不同的自适应阈值，可以使得边缘点的选取更为准确。因为如果简单地使用全局阈值的话，往往会导致边缘信息的丢失。
[0091] 在一种实施方式中，所述对每个区块进行降噪处理，包括：
[0092] 先对所述区块进行一次降噪，生成初次降噪区块，然后对所述初次降噪区块进行二次降噪，生成最终降噪区块。
[0093] 对所述区块进行一次降噪，生成初次降噪区块，包括：
[0094] 对于区块中的像素点(x,y)，其一次降噪公式如下：
[0095]
[0096] 式中，fp(x,y)表示一次降噪后的像素点(x,y)处的灰度值，KQx,y表示像素点(x,y)的b1xb1大小的邻域，(i,j)表示所述邻域中的像素点，Φ(x,y)表示所述邻域中的像素点的噪声标准差，Γ表示所述邻域中所有像素点的灰度值标准差，kqf(i,j)表示像素点(i,j)的灰度值；Θ(x,y)表示所述邻域的像素点的灰度均值；
[0097]
[0098] 式中，tw表示修正系数，Gfc表示高斯降噪标准差，f(x,y)表示像素点(x,y)一次降噪前的灰度值，C表示尺度控制参数，wk表示控制参数；
[0099] w2(i,j)的表示像素点(i,j)和像素点(x,y)的梯度方向差的绝对值的倒数。
[0100] 所述对所述初次降噪区块进行二次降噪，生成最终降噪区块，包括：
[0101] 使用自适应中值
滤波器对初次降噪区块进行二次降噪，生成最终降噪区块。
[0102] 本发明上述实施方式，在进行降噪时进行了一次降噪和二次降噪，使得噪点的去除更为彻底。在一次降噪时考虑了当前处理的像素点与其邻域之间的灰度值差异以及空间距离的差异，可以有效地保留图像的边缘信息，有利于指纹图像的信息的有效保留，同时也考虑了邻域的噪声标准差、灰度值标准差和灰度均值，能有效地保留边缘信息。还考虑了当前处理的像素点(x，y)与其邻域中的像素点(i，j)的梯度方向，如果梯度方向相差较小，则表明两者同为
前景像素点的概率较大，从而给像素点(i，j)赋予更高的权重。
[0103] 在一种实施方式中，所述对所述降噪图像进行图像分割，提取所述降噪图像中包含的前景信息，得到前景图像，包括：
[0104] 计算降噪图像的灰度直方图gh，gh的横轴为灰度级，纵轴为该灰度级出现的次数；
[0105] 统计gh中灰度级出现的次数为0的坐标轴的个数ghz，
[0106] 使用otsu将gh划分为两个子灰度直方图gh1、gh2，
[0107] 子灰度直方图gh1的横轴取值范围为[0,thre]，子灰度直方图gh2的横轴取值范围为[thre+1，255]，thre表示通过otsu得到的划分阈值；
[0108] 对gh1和gh2进行如下调整：
[0109]
[0110] 式中，l为灰度级，agh1和agh2分别表示gh1和gh2经过调整后的得到的灰度直方图；
[0111] 将agh1和agh2进行合并得到直方图agh3，然后对所述直方图agh3进行直方图均衡化处理得到直方图agh4；
[0112] 使用otsu对所述直方图agh4进行阈值计算，得到用于分割降噪图像的分割阈值thre2；
[0113] 使用所述分割阈值thre2对所述降噪图像进行分割，将降噪图像中的背景与前景进行分离，从而得到包含指纹纹理信息的前景图像。
[0114] 本发明上述实施方式，通过将灰度直方图划分为两个子直方图的后，对所述子直方图进行均衡化处理，可以避免传统的阈值分割的过程中，由于光照不均匀带来的阈值选取不准确的问题。而在选取子直方图的划分阈值时使用了otsu
算法，使得划分更为准确，避免了人为的主动设置划分阈值不准确的问题。
[0115] 通过以上的实施方式的描述，所属领域的技术人员可以清楚地了解应当理解，可以以
硬件、
软件、
固件、
中间件、代码或其任何恰当组合来实现这里描述的实施例。对于
硬件实现，处理器可以在一个或多个下列单元中实现：专用集成
电路(ASIC)、数字
信号处理器(DSP)、
数字信号处理设备(DSPD)、
可编程逻辑器件(PLD)、现场可编程
门阵列(FPGA)、处理器、
控制器、
微控制器、
微处理器、设计用于实现这里所描述功能的其他
电子单元或其组合。对于软件实现，实施例的部分或全部流程可以通过
计算机程序来指令相关的硬件来完成。
实现时，可以将上述程序存储在计算机可读介质中或作为计算机可读介质上的一个或多个指令或代码进行传输。计算机可读介质包括计算机存储介质和通信介质，其中通信介质包括便于从一个地方向另一个地方传送计算机程序的任何介质。存储介质可以是计算机能够存取的任何可用介质。计算机可读介质可以包括但不限于RAM、ROM、EEPROM、CD-ROM或其他光盘存储、磁盘存储介质或者其他磁存储设备、或者能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质。
[0116] 最后应当说明的是，以上实施例仅用以说明本发明的技术方案，而非对本发明保护范围的限制，尽管参照较佳实施例对本发明作了详细地说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行
修改或者等同替换，而不脱离本发明技术方案的实质和范围。
