CN104615972B - 指针式仪表智能识别方法及其装置 - Google Patents
指针式仪表智能识别方法及其装置 Download PDFInfo
- Publication number
- CN104615972B CN104615972B CN201310542287.6A CN201310542287A CN104615972B CN 104615972 B CN104615972 B CN 104615972B CN 201310542287 A CN201310542287 A CN 201310542287A CN 104615972 B CN104615972 B CN 104615972B
- Authority
- CN
- China
- Prior art keywords
- image
- processing
- pointer
- processed
- pointer instrument
- 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
Landscapes
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种指针式仪表智能识别方法及其装置,所述方法包括:从视频流中获取待处理图像,并对该待处理图像进行图像中值滤波处理以及图像增强处理获得一次处理图像;基于大津法阈值分割方法对所述一次处理图像进行二值化处理获得二值化图像,对二值化图像作拉普拉斯变换,并将所述二值化图像与经拉普拉斯变换得到的图像作异或处理,再对经异或处理得到的图像进行中值滤波处理获得二次处理图像;对所述二次处理图像进行细化处理,并对经细化处理得到的图像进行直线检测处理,识别出指针式仪表的指针直线;依据指针式仪表的参数信息以及识别出来的指针直线计算指针式仪表的指针此时所指的刻度值。采用本发明能提高指针式仪表指针识别的鲁棒性。
Description
技术领域
本发明涉及视频监控技术领域,尤其涉及视频监控领域中的智能分析,具体而言,涉及一种指针式仪表智能识别方法及其装置。
背景技术
在视频监控中的智能分析技术领域里,对指针式仪表的识别是指:通过一些视频处理方法和/或图像处理方法获取目标监控场景范围内的指针式仪表的实时指示值。现有技术通常采用的处理方法为:
首先是获取视频流,其中,所述视频流来自架设在各个场景的摄像头。
其次从视频流中抓取包含指针式仪表的图片,对抓取的图像作一系列图像处理,并最终获取指针式仪表的实时指示值。
然而,采用该现有技术在指针式仪表的识别过程中,存在很多干扰因素,严重影响指针式仪表识别的准确率,因此在指针式仪表的指针识别过程中,如何消除干扰,以提升识别算法的鲁棒性是需要解决的一大技术问题。
由于用于采集视频流的摄像头通常会被架设在环境复杂的各个场景,例如光线昏暗、雾气弥漫等严重影响视频质量的环境。在进行指针式仪表的识别过程中,如果从质量受影响的视频流中抓取图片,所获取的图片其受到的干扰较大,加之仪表本身同样也会存在很多干扰纹理,因此在识别这些图片中的仪表时,这些干扰会严重影响仪表的识别准确度。
在公开号为CN101650198、专利名称为“一种读取指针式仪表示值的图像处理方法”的中国专利文献中,其在识别仪表的指针和指针左侧的刻度线时,需要获取指针与圆的交点位置以及指针左侧的刻度线与圆的交点位置,并根据指针与圆的交点位置以及指针左侧的刻度线与圆的交点位置计算仪表指针的示值。在这个技术方案中,其整个识别处理过程对图像的清晰度要求较高,而对于在环境较为复杂的情况下采集的图像而言,例如待识别的图像因为光线昏暗而较为模糊,或待识别的图像本身存在较多干扰性纹理,采用该技术方案会导致指针式仪表的实时指示值难以被准确识别出来或者存在较大误差。
发明内容
为了提高指针式仪表指针识别的鲁棒性,本发明实施例的目的在于提供一种指针式仪表智能识别方法及其装置,本发明实施例采用一系列图像优化处理措施,在一定程度上可以消除图像中存在的干扰,这些干扰有客观环境造成的图像模糊干扰,也有仪表本省自带的纹理干扰。采用本发明进行指针式仪表指针的识别具有较好的鲁棒性,从而可以应用到各个实际环境中。
为了达到本发明的目的,本发明采用以下技术方案实现:
一种指针式仪表智能识别方法,其包括:
从视频流中获取待处理图像,并对该待处理图像进行图像中值滤波处理以及图像增强处理获得一次处理图像;
基于大津法阈值分割方法对所述一次处理图像进行二值化处理获得二值化图像,对二值化图像作拉普拉斯变换,并将所述二值化图像与经拉普拉斯变换得到的图像作异或处理,再对经异或处理得到的图像进行中值滤波处理获得二次处理图像;
对所述二次处理图像进行细化处理,并对经细化处理得到的图像进行直线检测处理,识别出指针式仪表的指针直线;
依据指针式仪表的参数信息以及识别出来的指针直线计算指针式仪表的指针此时所指的刻度值。
优选地,对该待处理图像进行图像中值滤波处理以及图像增强处理获得一次处理图像的步骤包括:
对该待处理图像的Y分量或灰度分量进行中值滤波处理,以去除部分噪声;
对经中值滤波处理后的图像作拉普拉斯变换获取图像的边缘细节,并将经中值滤波处理后的图像与经拉普拉斯变换后的图像进行相加,以增强图像的边缘细节。
优选地,所述细化处理是指连续剥离形体最外层元素直到获得单位宽度的连通线。
优选地,在对所述二次处理图像进行细化处理之后,采用霍夫hough变换直线检测方法对经细化处理得到的图像进行直线检测处理,识别出指针式仪表的指针直线。
优选地,所述指针式仪表的参数信息包括指针式仪表轴心坐标、起始点坐标及起始点刻度值信息。
一种指针式仪表智能识别装置,其包括:
第一处理模块,用于从视频流中获取待处理图像,并对该待处理图像进行图像中值滤波处理以及图像增强处理获得一次处理图像;
第二处理模块,用于基于大津法阈值分割方法对所述一次处理图像进行二值化处理获得二值化图像,对二值化图像作拉普拉斯变换,并将所述二值化图像与经拉普拉斯变换得到的图像作异或处理,再对经异或处理得到的图像进行中值滤波处理获得二次处理图像;
直线检测模块,用于对所述二次处理图像进行细化处理,并对经细化处理得到的图像进行直线检测处理,识别出指针式仪表的指针直线;
刻度计算模块,用于依据指针式仪表的参数信息以及识别出来的指针直线计算指针式仪表的指针此时所指的刻度值。
优选地,所述第一处理模块包括:
获取单元,用于从视频流中获取待处理图像;
中值滤波处理单元,用于对该待处理图像的Y分量或灰度分量进行中值滤波处理,以去除部分噪声;
图像增强处理单元,用于对经中值滤波处理后的图像作拉普拉斯变换获取图像的边缘细节,并将经中值滤波处理后的图像与经拉普拉斯变换后的图像进行相加,以增强图像的边缘细节。
优选地,所述细化处理是指连续剥离形体最外层元素直到获得单位宽度的连通线。
优选地,在直线检测模块对所述二次处理图像进行细化处理之后,直线检测模块采用霍夫hough变换直线检测方法对经细化处理得到的图像进行直线检测处理,识别出指针式仪表的指针直线。
优选地,所述指针式仪表的参数信息包括指针式仪表轴心坐标、起始点坐标及起始点刻度值信息。
与现有的指针式仪表指针识别方法相比,本发明提供的指针式仪表智能识别方法其鲁棒性较好,能抵抗一些客观环境造成的干扰以及仪表本身自带的一些干扰,能够很好应用到较为复杂的实际环境之中。
附图说明
图1为本发明实施例提供的指针式仪表智能识别方法流程示意图;
图2为本发明实施例提供的指针式仪表智能识别装置结构示意图;
图3为本发明实施例提供的第一处理模块功能结构示意图。
本发明目的的实现、功能特点及优异效果,下面将结合具体实施例以及附图做进一步的说明。
具体实施方式
下面结合附图和具体实施例对本发明所述技术方案作进一步的详细描述,以使本领域的技术人员可以更好的理解本发明并能予以实施,但所举实施例不作为对本发明的限定。
如图1所示,本发明实施例提供的一种指针式仪表智能识别方法,其包括如下步骤:
S10、从视频流中获取待处理图像,并对该待处理图像进行图像中值滤波处理以及图像增强处理获得一次处理图像;
S20、基于大津法阈值分割方法对所述一次处理图像进行二值化处理获得二值化图像,对二值化图像作拉普拉斯变换,并将所述二值化图像与经拉普拉斯变换得到的图像作异或处理,再对经异或处理得到的图像进行中值滤波处理获得二次处理图像;
S30、对所述二次处理图像进行细化处理,并对经细化处理得到的图像进行直线检测处理,识别出指针式仪表的指针直线;
S40、依据指针式仪表的参数信息以及识别出来的指针直线计算指针式仪表的指针此时所指的刻度值。
本实施例中,被监控对象为指针式仪表,目的在于获得所述指针式仪表的指针所指的具体刻度。在所述步骤S10中,所述视频流可以为YUV数据格式的视频数据,也可以为其他格式的视频数据。
对于所述步骤S10,对该待处理图像进行图像中值滤波处理以及图像增强处理获得一次处理图像的步骤包括:
S101、对该待处理图像的Y分量(即YUV格式数据的Y分量)或灰度分量进行中值滤波处理,以去除部分噪声;
在本实施例中,对于图像中值滤波,所选窗口可以为3×3大小。由于来自摄像头的视频流存在来自各个客观环境的噪声,同样地,从视频流中抓取的图像存在着噪声,通过中值滤波可以消除部分噪声。
S102、对经中值滤波处理后的图像作拉普拉斯变换获取图像的边缘细节,并将经中值滤波处理后的图像与经拉普拉斯变换后的图像进行相加,以增强图像的边缘细节。
在指针式仪表识别的过程中,其要识别的对象是仪表的指针,然而,在图像中,指针需要靠其边缘信息表征出来,所述边缘信息即指针两边的边缘直线。这两条直线属于整幅图像中的细节成分,所以在本步骤中,需要对图像进行图像增强处理以加强细节成分强度。
对于所述步骤S20,其具体包括:
S201、图像二值化处理,其中,二值化处理的阈值由大津法阈值分割算法获取;
S202、对二值化图像作拉普拉斯变换,并将得到的拉普拉斯变换结果与由步骤S201经二值化处理得到的图像作异或操作;
S203、对步骤S202中得到的结果进行中值滤波处理,该步骤可以消除二值图像中一些零散的噪点,从而达到消除仪表本身自带的一些纹理干扰的目的。
经过该步骤,二值化图像前景的边缘被腐蚀一层像素,同时仪表本身自带的纹理干扰有一定程度的减弱。
在所述步骤S30中,所述细化处理是指连续剥离形体最外层元素直到获得单位宽度的连通线。在对所述二次处理图像进行细化处理之后,仪表指针部分的像素集被处理成单像素直线,该细线近似一条直线,此时可以采用霍夫hough变换直线检测方法对经细化处理得到的图像进行直线检测处理,识别出指针式仪表的指针直线。
对于所述步骤S40,所述指针式仪表的参数信息包括指针式仪表轴心坐标、起始点坐标及起始点刻度值信息。
具体地,依据指针式仪表的参数信息以及识别出来的指针直线计算指针式仪表的指针此时所指的刻度值的步骤包括:
S401、基于参数信息计算出起始直线到终点直线的弧度,轴心点坐标和起始点坐标形成起始直线,轴心点坐标和终止点坐标形成终点直线,从起始直线出发,顺时针旋转到终止直线所经过的弧度为最大偏转弧度;
S402、从起始直线出发,顺时针旋转到被识别出来的指针直线所经历的弧度为指针直线旋转弧度;
S403、结合起始刻度值和终止刻度值及得到的旋转弧度,可以计算出此时指针所指示的刻度值。
如图2所示,本发明实施例还提供了一种指针式仪表智能识别装置,其包括:
第一处理模块10,用于从视频流中获取待处理图像,并对该待处理图像进行图像中值滤波处理以及图像增强处理获得一次处理图像;
第二处理模块20,用于基于大津法阈值分割方法对所述一次处理图像进行二值化处理获得二值化图像,对二值化图像作拉普拉斯变换,并将所述二值化图像与经拉普拉斯变换得到的图像作异或处理,再对经异或处理得到的图像进行中值滤波处理获得二次处理图像;
直线检测模块30,用于对所述二次处理图像进行细化处理,并对经细化处理得到的图像进行直线检测处理,识别出指针式仪表的指针直线;其中,本实施例中,所述细化处理是指连续剥离形体最外层元素直到获得单位宽度的连通线;
另外,在本实施例中,例如,直线检测模块可以采用霍夫hough变换直线检测方法对经细化处理得到的图像进行直线检测处理,识别出指针式仪表的指针直线;
以及,刻度计算模块40,用于依据指针式仪表的参数信息以及识别出来的指针直线计算指针式仪表的指针此时所指的刻度值。本实施例中,所述指针式仪表的参数信息包括指针式仪表轴心坐标、起始点坐标及起始点刻度值信息。
参考图3,本实施例中,所述第一处理模块10包括:
获取单元101,用于从视频流中获取待处理图像;
中值滤波处理单元102,用于对该待处理图像的Y分量或灰度分量进行中值滤波处理,以去除部分噪声;
图像增强处理单元103,用于对经中值滤波处理后的图像作拉普拉斯变换获取图像的边缘细节,并将经中值滤波处理后的图像与经拉普拉斯变换后的图像进行相加,以增强图像的边缘细节。
以上所述仅为本发明的优选实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (10)
1.一种指针式仪表智能识别方法,其特征在于,包括:
从视频流中获取待处理图像,并对该待处理图像进行图像中值滤波处理,对经中值滤波处理后的图像作拉普拉斯变换获取图像的边缘细节,并将经中值滤波处理后的图像与经拉普拉斯变换后的图像进行相加获得一次处理图像;
基于大津法阈值分割方法对所述一次处理图像进行二值化处理获得二值化图像,对二值化图像作拉普拉斯变换,并将所述二值化图像与所述二值化图像经拉普拉斯变换得到的图像作异或处理,再对经异或处理得到的图像进行中值滤波处理获得二次处理图像;
对所述二次处理图像进行细化处理,并对经细化处理得到的图像进行直线检测处理,识别出指针式仪表的指针直线;
依据指针式仪表的参数信息以及识别出来的指针直线计算指针式仪表的指针此时所指的刻度值。
2.如权利要求1所述的指针式仪表智能识别方法,其特征在于,所述对该待处理图像进行图像中值滤波处理,对经中值滤波处理后的图像作拉普拉斯变换获取图像的边缘细节,并将经中值滤波处理后的图像与经拉普拉斯变换后的图像进行相加获得一次处理图像的步骤包括:
对该待处理图像的Y分量或灰度分量进行中值滤波处理,以去除部分噪声;
对经中值滤波处理后的图像作拉普拉斯变换获取图像的边缘细节,并将经中值滤波处理后的图像与经拉普拉斯变换后的图像进行相加,以增强图像的边缘细节。
3.如权利要求1所述的指针式仪表智能识别方法,其特征在于,所述细化处理是指连续剥离形体最外层元素直到获得单位宽度的连通线。
4.如权利要求1所述的指针式仪表智能识别方法,其特征在于,在对所述二次处理图像进行细化处理之后,采用霍夫hough变换直线检测方法对经细化处理得到的图像进行直线检测处理,识别出指针式仪表的指针直线。
5.如权利要求1所述的指针式仪表智能识别方法,其特征在于,所述指针式仪表的参数信息包括指针式仪表轴心坐标、起始点坐标及起始点刻度值信息。
6.一种指针式仪表智能识别装置,其特征在于,包括:
第一处理模块,用于从视频流中获取待处理图像,并对该待处理图像进行图像中值滤波处理,对经中值滤波处理后的图像作拉普拉斯变换获取图像的边缘细节,并将经中值滤波处理后的图像与经拉普拉斯变换后的图像进行相加获得一次处理图像;
第二处理模块,用于基于大津法阈值分割方法对所述一次处理图像进行二值化处理获得二值化图像,对二值化图像作拉普拉斯变换,并将所述二值化图像与所述二值化图像经拉普拉斯变换得到的图像作异或处理,再对经异或处理得到的图像进行中值滤波处理获得二次处理图像;
直线检测模块,用于对所述二次处理图像进行细化处理,并对经细化处理得到的图像进行直线检测处理,识别出指针式仪表的指针直线;
刻度计算模块,用于依据指针式仪表的参数信息以及识别出来的指针直线计算指针式仪表的指针此时所指的刻度值。
7.如权利要求6所述的指针式仪表智能识别装置,其特征在于,所述第一处理模块包括:
获取单元,用于从视频流中获取待处理图像;
中值滤波处理单元,用于对该待处理图像的Y分量或灰度分量进行中值滤波处理,以去除部分噪声;
图像增强处理单元,用于对经中值滤波处理后的图像作拉普拉斯变换获取图像的边缘细节,并将经中值滤波处理后的图像与经拉普拉斯变换后的图像进行相加,以增强图像的边缘细节。
8.如权利要求6所述的指针式仪表智能识别装置,其特征在于,所述细化处理是指连续剥离形体最外层元素直到获得单位宽度的连通线。
9.如权利要求6所述的指针式仪表智能识别装置,其特征在于,在直线检测模块对所述二次处理图像进行细化处理之后,直线检测模块采用霍夫hough变换直线检测方法对经细化处理得到的图像进行直线检测处理,识别出指针式仪表的指针直线。
10.如权利要求6所述的指针式仪表智能识别装置,其特征在于,所述指针式仪表的参数信息包括指针式仪表轴心坐标、起始点坐标及起始点刻度值信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310542287.6A CN104615972B (zh) | 2013-11-05 | 2013-11-05 | 指针式仪表智能识别方法及其装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310542287.6A CN104615972B (zh) | 2013-11-05 | 2013-11-05 | 指针式仪表智能识别方法及其装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104615972A CN104615972A (zh) | 2015-05-13 |
CN104615972B true CN104615972B (zh) | 2019-12-20 |
Family
ID=53150410
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310542287.6A Active CN104615972B (zh) | 2013-11-05 | 2013-11-05 | 指针式仪表智能识别方法及其装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104615972B (zh) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105300482B (zh) * | 2015-09-28 | 2018-08-10 | 北京石油化工学院 | 基于图像处理的水表检定方法、装置及系统 |
CN106295658B (zh) * | 2016-08-13 | 2019-10-01 | 国网福建省电力有限公司 | 一种变电站指针式仪表读数自动识别系统 |
CN106295665B (zh) * | 2016-08-13 | 2019-10-01 | 国网福建省电力有限公司 | 一种变电站指针式仪表读数自动识别方法 |
CN106650697B (zh) * | 2016-12-30 | 2019-11-15 | 亿嘉和科技股份有限公司 | 一种仪表刻度识别方法 |
CN108038489A (zh) * | 2017-12-20 | 2018-05-15 | 杭州讯能科技有限公司 | 一种指针式仪表识别方法、系统及嵌入式系统 |
CN108898632B (zh) * | 2018-06-13 | 2020-09-29 | 浙江大华技术股份有限公司 | 一种仪表指针的旋转角度确定方法及装置 |
CN109146806A (zh) * | 2018-07-29 | 2019-01-04 | 国网上海市电力公司 | 在电力远程监控中基于阴影消除优化的仪表指针位置检测识别方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1693852A (zh) * | 2005-01-28 | 2005-11-09 | 华南理工大学 | 一种仪表指针自动检测识别方法及自动读数方法 |
CN101739548A (zh) * | 2009-02-11 | 2010-06-16 | 北京智安邦科技有限公司 | 人眼检测方法及系统 |
CN102628854A (zh) * | 2012-03-29 | 2012-08-08 | 赵宝明 | 汽车仪表板检测系统及方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8622979B2 (en) * | 2010-10-19 | 2014-01-07 | Baxter Healthcare S.A. | Infusion system using optical imager for controlling flow and method thereof |
-
2013
- 2013-11-05 CN CN201310542287.6A patent/CN104615972B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1693852A (zh) * | 2005-01-28 | 2005-11-09 | 华南理工大学 | 一种仪表指针自动检测识别方法及自动读数方法 |
CN101739548A (zh) * | 2009-02-11 | 2010-06-16 | 北京智安邦科技有限公司 | 人眼检测方法及系统 |
CN102628854A (zh) * | 2012-03-29 | 2012-08-08 | 赵宝明 | 汽车仪表板检测系统及方法 |
Non-Patent Citations (2)
Title |
---|
基于图像处理技术的直读式仪表校验研究;岳国义;《中国优秀博硕士学位论文全文数据库(硕士)工程科技Ⅱ辑》;20050315(第01期);论文第24页、第27-29页 * |
基于图像处理的汽车仪表误差自动计算与校正;赵勇;《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》;20091015(第10期);论文第22-26,30-32,35-38,43-46,49-53页 * |
Also Published As
Publication number | Publication date |
---|---|
CN104615972A (zh) | 2015-05-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104615972B (zh) | 指针式仪表智能识别方法及其装置 | |
CN108229475B (zh) | 车辆跟踪方法、系统、计算机设备及可读存储介质 | |
US9639943B1 (en) | Scanning of a handheld object for 3-dimensional reconstruction | |
CN108921813B (zh) | 一种基于机器视觉的无人机检测桥梁结构裂缝识别方法 | |
CN112308854B (zh) | 一种芯片表面瑕疵的自动检测方法、系统及电子设备 | |
CN102521859A (zh) | 基于人工标志的增强现实方法及装置 | |
CN107909554B (zh) | 图像降噪方法、装置、终端设备及介质 | |
WO2014002692A1 (ja) | ステレオカメラ | |
US20170039721A1 (en) | Pose detection using depth camera | |
WO2017120796A1 (zh) | 路面病害的检测方法及其装置、电子设备 | |
CN110660072A (zh) | 一种直线边缘的识别方法、装置、存储介质及电子设备 | |
CN110657812A (zh) | 车辆定位方法、装置及车辆 | |
US20130201358A1 (en) | Efficient Line Detection Method | |
JP2011134012A (ja) | 画像処理装置、その画像処理方法及びプログラム | |
CN115205223A (zh) | 透明物体的视觉检测方法、装置、计算机设备及介质 | |
CN112991374A (zh) | 基于Canny算法的边缘增强方法、装置、设备及存储介质 | |
CN113283439B (zh) | 基于图像识别的智能计数方法、装置及系统 | |
CN104966283A (zh) | 图像分层配准方法 | |
CN112837384B (zh) | 车辆标记方法、装置和电子设备 | |
CN109479118A (zh) | 对象检测方法、对象检测装置以及电子设备 | |
CN116993654B (zh) | 摄像头模组缺陷检测方法、装置、设备、存储介质及产品 | |
CN114581890B (zh) | 确定车道线的方法、装置、电子设备和存储介质 | |
CN115841632A (zh) | 输电线路提取方法、装置以及双目测距方法 | |
CN112785550B (zh) | 图像质量值确定方法、装置、存储介质及电子装置 | |
CN110188601B (zh) | 一种基于学习的机场遥感图像检测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
CB02 | Change of applicant information | ||
CB02 | Change of applicant information |
Address after: 518000 Guangdong province Shenzhen city streets Nanshan District Keyuan Guangdong Road No. 3099 building six layer storage Applicant after: Shenzhen Liwei Zhilian Technology Co., Ltd. Address before: 518057 Nanshan District science and technology zone, Guangdong, Zhejiang Province, South Road, building W1-A, the first floor of the building, building two Applicant before: Shenzhen ZTE NetView Technology Co., Ltd. |
|
GR01 | Patent grant | ||
GR01 | Patent grant |