CN104598932B - 一种基于事件信息的照片分类方法及系统 - Google Patents
一种基于事件信息的照片分类方法及系统 Download PDFInfo
- Publication number
- CN104598932B CN104598932B CN201510076513.5A CN201510076513A CN104598932B CN 104598932 B CN104598932 B CN 104598932B CN 201510076513 A CN201510076513 A CN 201510076513A CN 104598932 B CN104598932 B CN 104598932B
- Authority
- CN
- China
- Prior art keywords
- photo
- msub
- mrow
- classes
- classification
- 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.)
- Active
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/40—Information retrieval; Database structures therefor; File system structures therefor of multimedia data, e.g. slideshows comprising image and additional audio data
- G06F16/44—Browsing; Visualisation therefor
- G06F16/447—Temporal browsing, e.g. timeline
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/5866—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using information manually generated, e.g. tags, keywords, comments, manually generated location and time information
Abstract
本发明公开了一种基于事件信息的照片分类方法及系统，涉及智能设备上照片分类方法，旨在利用照片的GPS数据和拍照时间，提出一种基于事件信息的照片分类方法，包括：步骤1：获取照片的拍摄地点的经度、纬度以及拍摄时间；步骤2：根据每张照片的经度、纬度及拍摄时间将每张照片映射到三维坐标系中；步骤3：根据照片在三维坐标系中的位置，将照片分为K类；步骤4：逐一查看每一个类，如果所述K类中某类在拍摄时间上与所述K类中其他任意一类交叉，则把该类中的交叉部分的照片作为一个新类；步骤5：将所有类按照时间顺序排列。
Description
技术领域
本发明涉及智能设备上照片分类方法，尤其是一种根据照片事件信息对照片进行分类的方法。
背景技术
随着移动智能终端技术的普及，在日常生活中和外出旅游时，越来越多的用户使用移动智能终端拍摄照片。由此而产生的大量照片，让用户在查看浏览某些特定照片时遇到很大的障碍。因此，为了便于用户查找，需要将照片进行分类。
现有的照片分类方法主要是依据拍照时间或存储位置进行分类。这些分类方法太简单，用户体验不佳。经过一段时间后，用户很难记住是什么时间拍的照片，更难记住存放在哪个文件夹。
然而用户拍照通常是具有一定意义的事件，例如国庆去九寨沟旅游时拍照，事件具有时间和地点属性，如果能提出一种基于事件信息对照片进行分类的方法，那将大大提升用户体验。
发明内容
目前，GPS模块已经成为移动智能终端的标准配置。使用移动智能终端拍摄的照片，在照片的EXIF信息中自动加入了GPS数据。因此，本发明利用照片的GPS数据和拍照时间，提出一种基于事件信息的照片分类方法，包括：
步骤1：获取照片的拍摄地点的经度、纬度以及拍摄时间；
步骤2：根据每张照片的经度、纬度及拍摄时间将每张照片映射到三维坐标系中；
步骤3：根据照片在三维坐标系中的位置将照片分为K类；
步骤4：按照逐一查看每一个类，如果所述K类中某类在拍摄时间上与所述K类中其他任意一类交叉，则把该类中的交叉部分的照片作为一个新类；
步骤5：将所有类按照时间顺序排列。
进一步，还包括步骤6：查找相邻的且照片数量均小于第一阈值的若干类，将所述若干类中时间差小于第二阈值的两个类及这两个类之间的所有类进行合并。
所述步骤2还包括，将每张照片的拍摄时间t按照以下公式进行压缩与平移：t＝(t-min(T))/p，其中min(T)为照片中最早的拍摄时间，p为时间间隔，将所述公式计算结果的整数部分作为照片压缩平移后的拍摄时间；再根据每张照片的经度、纬度及压缩平移后的拍摄时间将每张照片映射到三维坐标系中。
步骤3进一步包括，步骤31：使用聚类算法分别将照片分为1、2、3、…、N类；
步骤32：用以下公式分别计算上述每种分类结果的畸变率总和SK：
其中，K分别取1、2、3、...、N；N为照片总数，xjn为第j个分类的第n个数据点，wj为第j个分类的质心，Nj为第j个分类的数据点总数，d()为求两点距离的函数式；
步骤33：计算上述分类结果的权重因子：K分别取2、3、...、N；
步骤34：计算K分别取1、2、…、N时对应的f(K)：
最终的分类数为使得f(K)最小的K的取值，最终的分类结果为将照片按照所述聚类算法分为所述最终分类数的结果。
所述步骤31中采用的聚类算法为K-means聚类算法。
本发明还提供了与上述方法步骤一一对应的软系统。
由于采用了上述方法对照片进行分类后，便于用户根据事件信息查看照片或者在查看照片时能回忆起相应的事件信息，用户体验大大提高。
本发明方法对按照事件信息分类的结果再次按照时间顺序对分类进行调整，兼顾到用户按照时间顺序对照片进行查看的习惯，进一步提升了用户体验。
附图说明
本发明将通过例子并参照附图的方式说明，其中：
图1为本发明方法的流程图。
具体实施方式
本说明书中公开的所有特征，或公开的所有方法或过程中的步骤，除了互相排斥的特征和/或步骤以外，均可以以任何方式组合。
本说明书中公开的任一特征，除非特别叙述，均可被其他等效或具有类似目的的替代特征加以替换。即，除非特别叙述，每个特征只是一系列等效或类似特征中的一个例子而已。
本发明的一个具体实施例包括：
1.对所有照片，设总数为N，取照片GPS数据中的经度longitude和纬度latitude，拍摄时间t。
2.按照每张照片的经度、纬度及拍摄时间，将其映射为三维坐标系中的一个点。
考虑到移动智能终端中的时间范围一般是从1970年1月1日00时00分00秒为起点，且对拍摄时间的记录是以秒为单位的，这样就会存在一个问题，比如某照片是2010年某时刻拍摄的，那么这个照片的拍摄时间是相对于起点的第m秒，这个m的取值是非常大的，因此需要将每张照片的拍摄时间t按照以下公式进行压缩与平移：t＝(t-min(T))/p，将所述公式计算结果的整数部分作为照片的拍摄时间。
其中平移的方法是将每张照片的拍摄时间减去N张照片中最早拍摄的那张照片的拍摄时间min(T)，如所述的第m秒，也就是说以最早拍摄的那张照片的拍摄时间min(T)为原点。
压缩的具体方法是用一定的时间间隔p去除平移后的时间，将商的整数部分作为处理后的时间拍摄时间。时间间隔p的取值可以根据具体情况设定，一天有86400s，将p设为43200，则是将同一半天内拍摄的照片认为是同一时间点拍摄的，将p设为86400，则将同一天内拍摄的照片认为是同一时间点拍摄的。
这样处理后的好处在于节省了运算资源，同时防止运算过程中出现数据溢出的问题。
3.根据照片在三维坐标系中的位置，将照片分为K类。
步骤31：使用聚类算法分别将照片分为1、2、3、…、N类；
步骤32：用以下公式分别计算将照片分为1类、2类、3类…、N类的畸变率总和SK：
其中，K分别取1、2、3、...、N；N为照片总数，xjn为第j个分类的第n个数据点，wj为第j个分类的质心，Nj为第j个分类的数据点总数，d()为求两点距离的函数式；
步骤33：计算将照片分别分为2类、3类、…、N类的权重因子：K分别取2、3、...、N；
步骤34：计算K分别取1、2、…、N时对应的f(K)：
最终的分类数为使得f(K)最小的K的取值，最终的分类结果为将照片按照所述聚类算法分为所述最终分类数的结果。
本实施例选用的聚类算法是K-means聚类算法。其主要思想是在N个三维坐标中随机选取K个聚类质心点，设为μ1,μ2,...,μk：
a.根据每张照片在三维坐标系中的位置坐标，计算其应该属于的类：
b.对于每个类j，重新计算该类的质心：
重复步骤a和步骤b，直到收敛，最终得到K个类的集合G＝{g1,...,gK}。
4.考虑到用户习惯按照时间顺序浏览照片，因此本发明在步骤3的分类结果基础上，以拍摄时间为轴，对分类结果进行调整。逐一查看每一个类，如果所述K类中某类在拍摄时间上与所述K类中其他任意一类交叉，则把该类中的交叉部分的照片作为一个新类。
如将第一个类与其余K-1个类进行逐一比较，若发现第一个类中的部分照片的拍摄时间与第六个类的照片的拍摄时间均属于同一时间段，第一个类中的另一部分照片的拍摄时间与第K-2个类的照片的拍摄时间均属于同一时间段则将第一个类中的所述部分照片提取出来，单独作为一个新的类，将第一个类中的所述另一部分照片提取出来，单独作为另一个新的类。
以此类推，将第二个类与其余K-1个类在时间上的交叉部分作为分别作为一个新类，将第三个类与其余K-1个类在时间上的交叉部分作为分别作为一个新类，直到将第K个类与其余K-1个类在时间上的交叉部分作为分别作为一个新类。
在其他实施例中，本步骤是这样的(下文的原类为将步骤3的分类，将调整后的分类结果设为第A、B、…类)：
首先将照片按照拍摄时间顺序进行排列。读取第一张照片所在的原类，将其分到为A类；读取第二张照片的原类，并与上一张照片的分类比较，若相同则将其也分到A类；假设第三、四、五张分类均与第一张照片所在的原类相同，将其均分到A类；读取第六张照片的原类，其原类与其上一张照片的原类不同，将第六张照片分到B类中。
归纳一下调整的规律，就是当下一张照片的原类与上一张照片不同时，就新建一个类，并将该照片分到新建的类中；若相同则将该照片分到与上一张照片相同的类中。
5.将调整后的分类结果按照拍摄时间顺序排列。
6.考虑到经过调整后，有些类中的照片很少，单独作为一类没有太大的必要，因此，本发明的另一个实施例还提出了合并步骤：查找相邻的且照片数量均小于第一阈值的若干类，将所述若干类中时间差小于第二阈值的两个类及这两个类之间的所有类进行合并。
如查找到两个相邻的类，照片数量均只有1张，小于第一阈值5，且两者的拍摄时间差仅为半天，小于第二阈值2天，那么就可以将这两个类进行合并。
又如查找到相邻的三个类，每个类的照片数量为2张，小于第一阈值，且第一个类的拍摄时间均值与第三个类的拍摄时间均值相差1天，小于第二阈值，那么就可以将第一个类与第三个类及其中间的类——第二个类进行合并。
再如查找到相邻的五个类，每个类的照片数量为2张，小于第一阈值，且第一个类的拍摄时间均值与第三个类的拍摄时间均值相差1天，小于第二阈值，第一个类的拍摄时间均值与第四个类的拍摄时间均值相差3天，大于第二阈值那么就只将第一个类与第三个类及其中间的类——第二个类进行合并。
本步骤中，当某类的照片不止一张时，可将该类的照片拍摄时间的均值作为该类的拍摄时间，或者将该类中任意一张照片的拍摄时间作为该类的拍摄时间。
本发明并不局限于前述的具体实施方式。本发明扩展到任何在本说明书中披露的新特征或任何新的组合，以及披露的任一新的方法或过程的步骤或任何新的组合。
Claims (8)
1.一种基于事件信息的照片分类方法，其特征在于，包括：
步骤1：获取照片的拍摄地点的经度、纬度以及拍摄时间；
步骤2：根据每张照片的经度、纬度及拍摄时间将每张照片映射到三维坐标系中，
所述步骤2还包括，将每张照片的拍摄时间t按照以下公式进行压缩与平移：t＝(t-min(T))/p，其中min(T)为照片中最早的拍摄时间，p为时间间隔，将所述公式计算结果的整数部分作为照片压缩平移后的拍摄时间，再根据每张照片的经度、纬度及压缩平移后的拍摄时间将每张照片映射到三维坐标系中；
步骤3：根据照片在三维坐标系中的位置将照片分为K类；
步骤4：逐一查看每一个类，如果所述K类中某类在拍摄时间上与所述K类中其他任意一类交叉，则把该类中的交叉部分的照片作为一个新类
步骤5：将所有类按照时间顺序排列。
2.根据权利要求1所述的一种基于事件信息的照片分类方法，其特征在于，还包括步骤6：查找相邻的且照片数量均小于第一阈值的若干类，将所述若干类中时间差小于第二阈值的两个类及这两个类之间的所有类进行合并。
3.根据权利要求1所述的一种基于事件信息的照片分类方法，其特征在于，步骤3进一步包括：
步骤31：使用聚类算法分别将照片分为1、2、3、…、N类；
步骤32：用以下公式分别计算上述每种分类结果的畸变率总和SK：
<mrow>
<msub>
<mi>S</mi>
<mi>K</mi>
</msub>
<mo>=</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>j</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>K</mi>
</munderover>
<msub>
<mi>I</mi>
<mi>j</mi>
</msub>
<mo>;</mo>
<msub>
<mi>I</mi>
<mi>j</mi>
</msub>
<mo>=</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>n</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<msub>
<mi>N</mi>
<mi>j</mi>
</msub>
</munderover>
<msup>
<mrow>
<mo>&lsqb;</mo>
<mi>d</mi>
<mrow>
<mo>(</mo>
<msub>
<mi>x</mi>
<mrow>
<mi>j</mi>
<mi>n</mi>
</mrow>
</msub>
<mo>,</mo>
<msub>
<mi>w</mi>
<mi>j</mi>
</msub>
<mo>)</mo>
</mrow>
<mo>&rsqb;</mo>
</mrow>
<mn>2</mn>
</msup>
<mo>;</mo>
</mrow>
其中，K分别取1、2、3、...、N；N为照片总数，xjn为第j个分类的第n个数据点，wj为第j个分类的质心，Nj为第j个分类的数据点总数，d()为求两点距离的函数式；
步骤33:计算上述分类结果的权重因子：
K分别取2、3、…、N；
步骤34：计算K分别取1、2、…、N时对应的f(K)：
最终的分类数为使得f(K)最小的K的取值，最终的分类结果为将照片按照所述聚类算法分为所述最终分类数的结果。
4.根据权利要求3所述的一种基于事件信息的照片分类方法，其特征在于，所述步骤31中采用的聚类算法为K-means聚类算法。
5.一种基于事件信息的照片分类系统，其特征在于，包括：
照片事件信息获取单元，用于获取照片的拍摄地点的经度、纬度以及拍摄时间；
映射单元，用于根据每张照片的经度、纬度及拍摄时间将每张照片映射到三维坐标系中，
所述映射单元还用于将每张照片的拍摄时间t按照以下公式进行压缩与平移：t＝(t-min(T))/p，其中min(T)为照片中最早的拍摄时间，p为时间间隔，将所述公式计算结果的整数部分作为照片压缩平移后的拍摄时间；再根据每张照片的经度、纬度及压缩平移后的拍摄时间将每张照片映射到三维坐标系中；
分类单元，用于根据照片在三维坐标系中的位置将照片分为K类；
分类调整单元，用于逐一查看每一个类，如果所述K类中某类在拍摄时间上与所述K类中其他任意一类交叉，则把该类中的交叉部分的照片作为一个新类；
排序单元，用于将所有类按照时间顺序排列。
6.根据权利要求5所述的一种基于事件信息的照片分类系统，其特征在于，还包括合并单元，用于查找相邻的且照片数量均小于第一阈值的若干类，将所述若干类中时间差小于第二阈值的两个类及这两个类之间的所有类进行合并。
7.根据权利要求5所述的一种基于事件信息的照片分类系统，其特征在于，所述分类单元包括：
聚类算法单元，用于使用聚类算法分别将照片分为1、2、3、…、N类；
畸变率总和计算单元，用于用以下公式分别计算上述每种分类结果的畸变率总和SK：
<mrow>
<msub>
<mi>S</mi>
<mi>K</mi>
</msub>
<mo>=</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>j</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>K</mi>
</munderover>
<msub>
<mi>I</mi>
<mi>j</mi>
</msub>
<mo>;</mo>
<msub>
<mi>I</mi>
<mi>j</mi>
</msub>
<mo>=</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>n</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<msub>
<mi>N</mi>
<mi>j</mi>
</msub>
</munderover>
<msup>
<mrow>
<mo>&lsqb;</mo>
<mi>d</mi>
<mrow>
<mo>(</mo>
<msub>
<mi>x</mi>
<mrow>
<mi>j</mi>
<mi>n</mi>
</mrow>
</msub>
<mo>,</mo>
<msub>
<mi>w</mi>
<mi>j</mi>
</msub>
<mo>)</mo>
</mrow>
<mo>&rsqb;</mo>
</mrow>
<mn>2</mn>
</msup>
<mo>;</mo>
</mrow>
其中，K分别取1、2、3、...、N；N为照片总数，xjn为第j个分类的第n个数据点，wj为第j个分类的质心，Nj为第j个分类的数据点总数，d()为求两点距离的函数式；
权重因子计算单元，用于计算上述分类结果的权重因子：
K分别取2、3、…、N；
最终分类结果确定单元，用于计算K分别取1、2、…、N时对应的f(K)；
最终的分类数为使得f(K)最小的K的取值，最终的分类结果为将照片按照所述聚类算法分为所述最终分类数的结果。
8.根据权利要求7所述的一种基于事件信息的照片分类系统，其特征在于，所述聚类算法单元采用的聚类算法为K-means聚类算法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510076513.5A CN104598932B (zh) | 2015-02-13 | 2015-02-13 | 一种基于事件信息的照片分类方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510076513.5A CN104598932B (zh) | 2015-02-13 | 2015-02-13 | 一种基于事件信息的照片分类方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN104598932A CN104598932A (zh) | 2015-05-06 |
| CN104598932B true CN104598932B (zh) | 2018-04-27 |
Family
ID=53124704
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201510076513.5A Active CN104598932B (zh) | 2015-02-13 | 2015-02-13 | 一种基于事件信息的照片分类方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN104598932B (zh) |
Families Citing this family (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105138681A (zh) * | 2015-09-15 | 2015-12-09 | 成都品果科技有限公司 | 基于空间坐标定位的图片搜索方法及系统 |
| TWI576712B (zh) * | 2015-11-05 | 2017-04-01 | 宏碁股份有限公司 | 照片整理的方法及其電子裝置與電腦程式產品 |
| CN106372664A (zh) * | 2016-08-30 | 2017-02-01 | 成都路行通信息技术有限公司 | 一种图片聚合的方法及装置 |
| CN108897757B (zh) * | 2018-05-14 | 2023-08-22 | 平安科技（深圳）有限公司 | 一种照片存储方法、存储介质和服务器 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103049499A (zh) * | 2012-12-10 | 2013-04-17 | 广东欧珀移动通信有限公司 | 一种利用经纬度位置信息的排序方法和装置 |
| CN103945134A (zh) * | 2014-05-16 | 2014-07-23 | 深圳市东方拓宇科技有限公司 | 一种照片的拍摄和查看方法及其终端 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20060153460A1 (en) * | 2005-01-10 | 2006-07-13 | Samsung Electronics Co., Ltd. | Method and apparatus for clustering digital photos based on situation and system and method for albuming using the same |
-
2015
- 2015-02-13 CN CN201510076513.5A patent/CN104598932B/zh active Active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103049499A (zh) * | 2012-12-10 | 2013-04-17 | 广东欧珀移动通信有限公司 | 一种利用经纬度位置信息的排序方法和装置 |
| CN103945134A (zh) * | 2014-05-16 | 2014-07-23 | 深圳市东方拓宇科技有限公司 | 一种照片的拍摄和查看方法及其终端 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN104598932A (zh) | 2015-05-06 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US8682084B2 (en) | Information processing device, method, and program | |
| JP6323465B2 (ja) | アルバム作成プログラム、アルバム作成方法およびアルバム作成装置 | |
| WO2019047672A1 (zh) | 信息推荐方法、计算机设备及存储介质 | |
| US9141856B2 (en) | Clothing image analysis apparatus, method, and integrated circuit for image event evaluation | |
| US20160042253A1 (en) | Multi-Dimensional Realization of Visual Content of an Image Collection | |
| CN106933867B (zh) | 一种图像查询方法和装置 | |
| CN104598932B (zh) | 一种基于事件信息的照片分类方法及系统 | |
| JPWO2013118218A1 (ja) | 画像認識装置、画像認識方法、プログラムおよび集積回路 | |
| WO2006075902A1 (en) | Method and apparatus for category-based clustering using photographic region templates of digital photo | |
| CN105593851A (zh) | 用于跟踪与通过关联的文本和图像可识别的实体相关的微博消息的方法和装置 | |
| KR100647337B1 (ko) | 지역 분할 템플릿을 이용한 카테고리 기반 사진 클러스터링방법 및 시스템 | |
| CN105760533B (zh) | 一种照片管理方法和装置 | |
| CN105243084A (zh) | 拍摄图像文件的保存方法和系统及其检索方法和系统 | |
| TW200928795A (en) | Data classification system and method for building classification tree thereof | |
| JP2014093058A (ja) | 画像管理装置、画像管理方法、プログラム及び集積回路 | |
| CN106528676A (zh) | 基于人工智能的实体语义检索处理方法及装置 | |
| CN111652141B (zh) | 基于题号和文本行的题目分割方法、装置、设备和介质 | |
| CN105631404A (zh) | 对照片进行聚类的方法及装置 | |
| CN111144215A (zh) | 图像处理方法、装置、电子设备及存储介质 | |
| KR101743169B1 (ko) | 얼굴 정보를 이용한 실종 가족 찾기 시스템 및 방법 그리고 이를 구현하는 프로그램을 기록한 기록 매체 | |
| WO2015102711A2 (en) | A method and system of enforcing privacy policies for mobile sensory devices | |
| CN107506735A (zh) | 照片归类方法以及归类系统 | |
| JP5929532B2 (ja) | イベント検出装置、イベント検出方法およびイベント検出プログラム | |
| TWI486793B (zh) | 地理位置呈現之系統、方法、其電腦可讀取記錄媒體與其電腦程式產品 | |
| US20210073269A1 (en) | Method for clustering at least two timestamped photographs |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| CP02 | Change in the address of a patent holder |
Address after: 610015 floor 13, building 1, No.1268, middle section of Tianfu Avenue, Chengdu high tech Zone, China (Sichuan) pilot Free Trade Zone, Chengdu Patentee after: Chengdu PinGuo Digital Entertainment Ltd. Address before: 610041 C12-16 building, Tianfu Software Park, hi tech Zone, Sichuan, Chengdu Patentee before: Chengdu PinGuo Digital Entertainment Ltd. |
|
| CP02 | Change in the address of a patent holder |