CN108062511A - 一种跨区域多摄像头目标识别关联跟踪方法及计算机设备 - Google Patents
一种跨区域多摄像头目标识别关联跟踪方法及计算机设备 Download PDFInfo
- Publication number
- CN108062511A CN108062511A CN201711141029.1A CN201711141029A CN108062511A CN 108062511 A CN108062511 A CN 108062511A CN 201711141029 A CN201711141029 A CN 201711141029A CN 108062511 A CN108062511 A CN 108062511A
- Authority
- CN
- China
- Prior art keywords
- target
- identification
- image
- result data
- identification information
- 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.)
- Pending
Links
- 230000004044 response Effects 0.000 claims description 6
- 238000000034 method Methods 0.000 abstract description 4
- 230000001815 facial effect Effects 0.000 description 8
- 235000013399 edible fruits Nutrition 0.000 description 4
- 238000004590 computer program Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000003909 pattern recognition Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/94—Hardware or software architectures specially adapted for image or video understanding
- G06V10/95—Hardware or software architectures specially adapted for image or video understanding structured as a network, e.g. client-server architectures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
- G06V20/41—Higher-level, semantic clustering, classification or understanding of video scenes, e.g. detection, labelling or Markovian modelling of sport events or news items
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V2201/00—Indexing scheme relating to image or video recognition or understanding
- G06V2201/07—Target detection
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Software Systems (AREA)
- Computational Linguistics (AREA)
- Image Analysis (AREA)
Abstract
本发明提供一种跨区域多摄像头目标识别关联跟踪方法和计算机设备,该方法包括:通过摄像头获取目标的唯一标识信息和图像,对图像进行目标识别,得到目标图像特征结果数据;将目标图像特征结果数据与唯一标识信息绑定,采用树形结构存储到服务器上;通过不同的摄像头获取不同的待识别图像,并进行目标识别,得到多个图像特征结果数据;将所述图像特征结果数据与目标图像特征结果数据进行特征比对,找到相似图像特征结果数据;将相似图像特征结果数据与对应的唯一标识信息绑定,存储到服务器上,供后续跨区域目标识别跟踪时调用。本发明可实现跨区域的目标关联跟踪,为目标识别大数据的精准搜索和分类提供信息。
Description
技术领域
本发明涉及计算机视觉技术领域,尤其涉及一种跨区域多摄像头目标识别关联跟踪方法及计算机设备。
背景技术
基于视觉的目标检测与跟踪是图像处理、计算机视觉和模式识别等众多学科的交叉研究课题,在视频监控、虚拟现实、人机交互等领域,具有重要的理论意义和实际应用价值。当前目标识别跟踪主要是基于单摄像头的目标识别,对单个结果进行判断,或多摄像头对同一目标识别并对各自结果单独判断,而没有对跨越不同区域的摄像头进行目标识别以及目标跟踪。现有的单摄像头或多摄像头目标识别系统的使用范围受到极大限制,而且目标数据没有跟目标的唯一标识信息进行绑定,这样局部目标识别数据的价值变得非常有限,无法做到真正的目标溯源,无法实现目标识别大数据的精准搜索、分类以及特征分析。因此,如何实现跨区域不同摄像头目标识别及结果互相关联跟踪显得尤为重要。
发明内容
本发明要解决的技术问题之一,在于提供一种跨区域多摄像头目标识别关联跟踪方法,实现跨区域的目标关联跟踪,为目标识别大数据的精准搜索和分类提供信息。
本发明要解决的技术问题之一是这样实现的:一种跨区域多摄像头目标识别关联跟踪方法,包括如下步骤:
步骤1、通过一摄像头获取一目标的唯一标识信息;
步骤2、通过当前摄像头获取所述目标的图像进行目标识别,得到目标图像特征结果数据;
步骤3、将所述目标图像特征结果数据绑定到对应的唯一标识信息,并采用树形结构存储到服务器上,所述目标图像特征结果数据为所述唯一标识信息的子节点;
步骤4、通过不同的摄像头获取不同的待识别图像,分别进行目标识别,得到复数个图像特征结果数据;
步骤5、将复数个所述图像特征结果数据与目标图像特征结果数据进行一一比对,找到其中相似度达到一定阈值的图像特征结果数据作为相似图像特征结果数据;
步骤6、将所述相似图像特征结果数据绑定到对应的唯一标识信息,作为其子节点存储到服务器上,供后续跨区域目标识别跟踪时调用。
进一步的,所述目标的唯一标识信息通过证件识别或字符串识别或二维码识别后得到结果。
进一步的,所述步骤1具体为:通过一摄像头采集目标身份证正面图像,并通过OCR识别图像中身份证号作为目标唯一标识信息,通过网络协议传输到关联跟踪系统。
进一步的,所述目标识别包括目标脸部识别、虹膜识别和目标形态特征识别。
进一步的,所述图像特征结果数据中包括摄像头编号。
本发明要解决的技术问题之二,在于提供一种计算机设备,可实现跨区域的目标关联,为目标识别大数据的精准搜索和分类提供信息。
本发明要解决的技术问题之二是这样实现的:一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现以下步骤:
步骤1、通过一摄像头获取一目标的唯一标识信息;
步骤2、通过当前摄像头获取所述目标的图像进行目标识别,得到目标图像特征结果数据;
步骤3、将所述目标图像特征结果数据绑定到对应的唯一标识信息,并采用树形结构存储到服务器上,所述目标图像特征结果数据为所述唯一标识信息的子节点;
步骤4、通过不同的摄像头获取不同的待识别图像,分别进行目标识别,得到复数个图像特征结果数据;
步骤5、将复数个所述图像特征结果数据与目标图像特征结果数据进行一一比对,找到其中相似度达到一定阈值的图像特征结果数据作为相似图像特征结果数据;
步骤6、将所述相似图像特征结果数据绑定到对应的唯一标识信息,作为其子节点存储到服务器上,供后续跨区域目标识别跟踪时调用。
进一步的,所述目标的唯一标识信息通过证件识别或字符串识别或二维码识别后得到结果。
进一步的,通过一摄像头采集目标身份证正面图像,并通过OCR识别图像中身份证号作为目标唯一标识信息,通过网络协议传输到关联跟踪系统。
进一步的,所述目标识别包括目标脸部识别、虹膜识别和目标形态特征识别。
进一步的,所述图像特征结果数据中包括摄像头编号。
本发明具有如下优点:解决了跨区域不同摄像头目标识别即关联跟踪问题,将唯一标识信息(如身份证号、字符串唯一ID等)与完整的跨区域目标结果数据集合绑定,构成可准确溯源的目标识别数据集合,形成了完整的跨区域目标结果数据集合,为目标识别大数据的精准搜索、分类、特征分析提供信息。
附图说明
下面参照附图结合实施例对本发明作进一步的说明。
图1为本发明方法执行流程图。
具体实施方式
如图1所示,本发明的一种跨区域多摄像头目标识别关联跟踪方法,包括如下步骤:
步骤1、通过一摄像头获取一目标的唯一标识信息;
步骤2、通过当前摄像头获取所述目标的图像进行目标识别,得到目标图像特征结果数据;
步骤3、将所述目标图像特征结果数据绑定到对应的唯一标识信息,并采用树形结构存储到服务器上,所述目标图像特征结果数据为所述唯一标识信息的子节点;
步骤4、通过不同的摄像头获取不同的待识别图像,分别进行目标识别,得到复数个图像特征结果数据;
步骤5、将复数个所述图像特征结果数据与目标图像特征结果数据进行一一比对,找到其中相似度达到一定阈值的图像特征结果数据作为相似图像特征结果数据;
步骤6、将所述相似图像特征结果数据绑定到对应的唯一标识信息,作为其子节点存储到服务器上,供后续跨区域目标识别跟踪时调用。
较佳的,所述目标的唯一标识信息通过证件识别或字符串识别或二维码识别后得到结果。
较佳的,所述步骤1具体为:通过一摄像头采集目标身份证正面图像,并通过OCR识别图像中身份证号作为目标唯一标识信息,通过网络协议传输到关联跟踪系统。
较佳的,所述目标识别包括目标脸部识别、虹膜识别和目标形态特征识别,即既包括对人体、人脸的识别,还可以对有外形的物体进行识别,比如对商品、车辆等进行目标识别,可以通过颜色识别实现。
较佳的,所述图像特征结果数据中包括摄像头编号。
本发明的一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现以下步骤:
步骤1、通过一摄像头获取一目标的唯一标识信息;
步骤2、通过当前摄像头获取所述目标的图像进行目标识别,得到目标图像特征结果数据;
步骤3、将所述目标图像特征结果数据绑定到对应的唯一标识信息,并采用树形结构存储到服务器上,所述目标图像特征结果数据为所述唯一标识信息的子节点;
步骤4、通过不同的摄像头获取不同的待识别图像,分别进行目标识别,得到复数个图像特征结果数据;
步骤5、将复数个所述图像特征结果数据与目标图像特征结果数据进行一一比对,找到其中相似度达到一定阈值的图像特征结果数据作为相似图像特征结果数据;
步骤6、将所述相似图像特征结果数据绑定到对应的唯一标识信息,作为其子节点存储到服务器上,供后续跨区域目标识别跟踪时调用。
进一步的,所述目标的唯一标识信息通过证件识别或字符串识别或二维码识别后得到结果。
进一步的,通过一摄像头采集目标身份证正面图像,并通过OCR识别图像中身份证号作为目标唯一标识信息,通过网络协议传输到关联跟踪系统。
进一步的,所述目标识别包括目标脸部识别、虹膜识别和目标形态特征识别,即既包括对人体、人脸的识别,还可以对有外形的物体进行识别,比如对商品、车辆等进行目标识别,可以通过颜色识别实现。
进一步的,所述图像特征结果数据中包括摄像头编号。
下面结合一具体实施例对本发明做进一步说明:
首先,在不同区域安装一个摄像头,并对摄像头进行编号,摄像头1、摄像头2、摄像头3,……,然后通过摄像头1采集目标身份证的正面,通过OCR识别图像身份证号码作为目标的唯一标识信息,将其通过tcp/ip协议传输到PC端的关联跟踪系统,并对采集到的图像进行目标人脸识别得到目标人脸图像特征结果数据(比如进行人脸识别,包括对脸部、嘴巴、鼻子和眼睛的特征点提取),将识别到的目标人脸图像特征结果数据通过tcp/ip传输给PC端的关联跟踪系统;
其次,将目标的身份证号与目标人脸图像特征结果数据进行绑定融合,以树形结构存储,其数据结构例如:
目标节点1(身份证号11010219781027XXXX)
|-----------摄像头1的目标人脸图像特征结果数据;
接着,通过其他摄像头,例如摄像头2获取待识别图像,并对待识别图像进行目标识别得到其中多个人脸图像特征结果数据,将这些人脸图像特征结果数据分别与目标节点1的目标人脸图像特征结果数据进行特征比对,找到相似度在一定范围内的,作为相似人脸图像特征结果数据,绑定到对应的目标节点下,同样以树形结构进行存储,其数据结构例如:
目标节点1(身份证号11010219781027XXXX)
|-----------摄像头1的目标人脸图像特征结果数据
|-----------摄像头2的相似人脸图像特征结果数据;
同理将每个摄像头中相似人脸图像特征结果数据与对应的目标节点进行关联绑定,并存储到服务器上,形成了完整的跨区域目标结果数据集合,之后,进行目标的关联跟踪,本发明提供的目标识别关联跟踪方法为目标识别大数据的精准搜索、分类、特征分析提供信息,可实现真正的目标溯源。
虽然以上描述了本发明的具体实施方式,但是熟悉本技术领域的技术人员应当理解,我们所描述的具体的实施例只是说明性的,而不是用于对本发明的范围的限定,熟悉本领域的技术人员在依照本发明的精神所作的等效的修饰以及变化,都应当涵盖在本发明的权利要求所保护的范围内。
Claims (10)
1.一种跨区域多摄像头目标识别关联跟踪方法,其特征在于:包括如下步骤:
步骤1、通过一摄像头获取一目标的唯一标识信息;
步骤2、通过当前摄像头获取所述目标的图像进行目标识别,得到目标图像特征结果数据;
步骤3、将所述目标图像特征结果数据绑定到对应的唯一标识信息,并采用树形结构存储到服务器上,所述目标图像特征结果数据为所述唯一标识信息的子节点;
步骤4、通过不同的摄像头获取不同的待识别图像,分别进行目标识别,得到复数个图像特征结果数据;
步骤5、将复数个所述图像特征结果数据与目标图像特征结果数据进行一一比对,找到其中相似度达到一定阈值的图像特征结果数据作为相似图像特征结果数据;
步骤6、将所述相似图像特征结果数据绑定到对应的唯一标识信息,作为其子节点存储到服务器上,供后续跨区域目标识别跟踪时调用。
2.根据权利要求1所述的跨区域多摄像头目标识别关联跟踪方法,其特征在于:所述目标的唯一标识信息通过证件识别或字符串识别或二维码识别后得到结果。
3.根据权利要求1所述的跨区域多摄像头目标识别关联跟踪方法,其特征在于:所述步骤1具体为:通过一摄像头采集目标身份证正面图像,并通过OCR识别图像中身份证号作为目标唯一标识信息,通过网络协议传输到关联跟踪系统。
4.根据权利要求1所述的跨区域多摄像头目标识别关联跟踪方法,其特征在于:所述目标识别包括目标脸部识别、虹膜识别和目标形态特征识别。
5.根据权利要求1所述的跨区域多摄像头目标识别关联跟踪方法,其特征在于:所述图像特征结果数据中包括摄像头编号。
6.一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现以下步骤:
步骤1、通过一摄像头获取一目标的唯一标识信息;
步骤2、通过当前摄像头获取所述目标的图像进行目标识别,得到目标图像特征结果数据;
步骤3、将所述目标图像特征结果数据绑定到对应的唯一标识信息,并采用树形结构存储到服务器上,所述目标图像特征结果数据为所述唯一标识信息的子节点;
步骤4、通过不同的摄像头获取不同的待识别图像,分别进行目标识别,得到复数个图像特征结果数据;
步骤5、将复数个所述图像特征结果数据与目标图像特征结果数据进行一一比对,找到其中相似度达到一定阈值的图像特征结果数据作为相似图像特征结果数据;
步骤6、将所述相似图像特征结果数据绑定到对应的唯一标识信息,作为其子节点存储到服务器上,供后续跨区域目标识别跟踪时调用。
7.根据权利要求6所述的一种计算机设备,其特征在于:所述目标的唯一标识信息通过证件识别或字符串识别或二维码识别后得到结果。
8.根据权利要求6所述的一种计算机设备,其特征在于:所述步骤1具体为:通过一摄像头采集目标身份证正面图像,并通过OCR识别图像中身份证号作为目标唯一标识信息,通过网络协议传输到关联跟踪系统。
9.根据权利要求6所述的一种计算机设备,其特征在于:所述目标识别包括目标脸部识别、虹膜识别和目标形态特征识别。
10.根据权利要求6所述的一种计算机设备,其特征在于:所述图像特征结果数据中包括摄像头编号。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711141029.1A CN108062511A (zh) | 2017-11-17 | 2017-11-17 | 一种跨区域多摄像头目标识别关联跟踪方法及计算机设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711141029.1A CN108062511A (zh) | 2017-11-17 | 2017-11-17 | 一种跨区域多摄像头目标识别关联跟踪方法及计算机设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108062511A true CN108062511A (zh) | 2018-05-22 |
Family
ID=62135097
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711141029.1A Pending CN108062511A (zh) | 2017-11-17 | 2017-11-17 | 一种跨区域多摄像头目标识别关联跟踪方法及计算机设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108062511A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110598472A (zh) * | 2019-09-18 | 2019-12-20 | 广州虎牙科技有限公司 | 设备标识方法、装置、服务器及存储介质 |
CN110852219A (zh) * | 2019-10-30 | 2020-02-28 | 广州海格星航信息科技有限公司 | 一种多行人跨摄像头在线跟踪系统 |
CN110852269A (zh) * | 2019-11-11 | 2020-02-28 | 青岛海信网络科技股份有限公司 | 一种基于特征聚类的跨镜头人像关联分析方法及装置 |
CN112749652A (zh) * | 2020-12-31 | 2021-05-04 | 浙江大华技术股份有限公司 | 身份信息确定的方法和装置、存储介质及电子设备 |
CN112836565A (zh) * | 2020-11-27 | 2021-05-25 | 北京芯翌智能信息技术有限公司 | 监控视频处理方法及装置、监控系统、存储介质、终端 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1072014B1 (en) * | 1998-04-13 | 2004-11-24 | Nevengineering, Inc. | Face recognition from video images |
CN102324024A (zh) * | 2011-09-06 | 2012-01-18 | 苏州科雷芯电子科技有限公司 | 一种基于目标跟踪技术的机场乘客识别定位方法及系统 |
CN105553919A (zh) * | 2014-10-28 | 2016-05-04 | 阿里巴巴集团控股有限公司 | 一种身份认证方法及装置 |
CN106991395A (zh) * | 2017-03-31 | 2017-07-28 | 联想(北京)有限公司 | 信息处理方法、装置及电子设备 |
-
2017
- 2017-11-17 CN CN201711141029.1A patent/CN108062511A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1072014B1 (en) * | 1998-04-13 | 2004-11-24 | Nevengineering, Inc. | Face recognition from video images |
CN102324024A (zh) * | 2011-09-06 | 2012-01-18 | 苏州科雷芯电子科技有限公司 | 一种基于目标跟踪技术的机场乘客识别定位方法及系统 |
CN105553919A (zh) * | 2014-10-28 | 2016-05-04 | 阿里巴巴集团控股有限公司 | 一种身份认证方法及装置 |
CN106991395A (zh) * | 2017-03-31 | 2017-07-28 | 联想(北京)有限公司 | 信息处理方法、装置及电子设备 |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110598472A (zh) * | 2019-09-18 | 2019-12-20 | 广州虎牙科技有限公司 | 设备标识方法、装置、服务器及存储介质 |
CN110852219A (zh) * | 2019-10-30 | 2020-02-28 | 广州海格星航信息科技有限公司 | 一种多行人跨摄像头在线跟踪系统 |
CN110852219B (zh) * | 2019-10-30 | 2022-07-08 | 广州海格星航信息科技有限公司 | 一种多行人跨摄像头在线跟踪系统 |
CN110852269A (zh) * | 2019-11-11 | 2020-02-28 | 青岛海信网络科技股份有限公司 | 一种基于特征聚类的跨镜头人像关联分析方法及装置 |
CN110852269B (zh) * | 2019-11-11 | 2022-05-20 | 青岛海信网络科技股份有限公司 | 一种基于特征聚类的跨镜头人像关联分析方法及装置 |
CN112836565A (zh) * | 2020-11-27 | 2021-05-25 | 北京芯翌智能信息技术有限公司 | 监控视频处理方法及装置、监控系统、存储介质、终端 |
CN112836565B (zh) * | 2020-11-27 | 2024-04-12 | 上海芯翌智能科技有限公司 | 监控视频处理方法及装置、监控系统、存储介质、终端 |
CN112749652A (zh) * | 2020-12-31 | 2021-05-04 | 浙江大华技术股份有限公司 | 身份信息确定的方法和装置、存储介质及电子设备 |
CN112749652B (zh) * | 2020-12-31 | 2024-02-20 | 浙江大华技术股份有限公司 | 身份信息确定的方法和装置、存储介质及电子设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108062511A (zh) | 一种跨区域多摄像头目标识别关联跟踪方法及计算机设备 | |
Li et al. | An effective data augmentation strategy for CNN-based pest localization and recognition in the field | |
Zhang et al. | Salient object subitizing | |
CN104881637B (zh) | 基于传感信息及目标追踪的多模信息系统及其融合方法 | |
Yang et al. | Wider face: A face detection benchmark | |
Gall et al. | Hough forests for object detection, tracking, and action recognition | |
CN108549846B (zh) | 一种结合运动特征和头肩结构的行人检测与统计方法 | |
CN109325964A (zh) | 一种人脸追踪方法、装置及终端 | |
Weinzaepfel et al. | Towards weakly-supervised action localization | |
CN108596180A (zh) | 图像中的参数识别、参数识别模型的训练方法及装置 | |
Wang et al. | First-person daily activity recognition with manipulated object proposals and non-linear feature fusion | |
CN109711366A (zh) | 一种基于群组信息损失函数的行人重识别方法 | |
CN109409250A (zh) | 一种基于深度学习的无交叠视域跨摄像机行人再识别方法 | |
CN111160307A (zh) | 一种人脸识别方法及人脸识别打卡系统 | |
CN109544595B (zh) | 一种顾客路径追踪方法及系统 | |
CN109670517A (zh) | 目标检测方法、装置、电子设备和目标检测模型 | |
CN110472662B (zh) | 基于改进的orb算法的图像匹配方法 | |
Penate-Sanchez et al. | TGC20ReId: A dataset for sport event re-identification in the wild | |
CN108108711A (zh) | 人脸布控方法、电子设备及存储介质 | |
CN110008828A (zh) | 基于差异正则化的成对约束成分分析度量优化方法 | |
CN113378675A (zh) | 一种同时检测和特征提取的人脸识别方法 | |
CN108875505A (zh) | 基于神经网络的行人再识别方法和装置 | |
Li et al. | Learning a dynamic feature fusion tracker for object tracking | |
Wang et al. | Chord bunch walks for recognizing naturally self-overlapped and compound leaves | |
CN109460792A (zh) | 一种基于图像识别的人工智能模型训练方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180522 |
|
RJ01 | Rejection of invention patent application after publication |