CN104751489A - 一种在线课堂中基于网格的接力跟踪方法及装置 - Google Patents
一种在线课堂中基于网格的接力跟踪方法及装置 Download PDFInfo
- Publication number
- CN104751489A CN104751489A CN201510165959.5A CN201510165959A CN104751489A CN 104751489 A CN104751489 A CN 104751489A CN 201510165959 A CN201510165959 A CN 201510165959A CN 104751489 A CN104751489 A CN 104751489A
- Authority
- CN
- China
- Prior art keywords
- moving target
- image block
- grid
- bianry image
- image
- 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
Landscapes
- Image Analysis (AREA)
Abstract
本发明提供一种在线课堂中基于网格的接力跟踪方法及装置，上述方法包括：将二值图像序列网格化；确定在每一帧二值图像中各运动目标所占的网格位置；按照二值图像序列之间的顺序以及各运动目标在每一二值图像中的网格位置统计出各运动目标的运动轨迹；基于运动轨迹判断对应的运动目标是否进入二值图像中的边界网格中；在确定运动目标进入边界网格时，当前摄像机的相邻摄像机对运动目标进行接力跟踪。本发明提供的在线课堂中基于网格的接力跟踪方法及装置，无需复杂的特征计算过程，也无需计算连通域，通过对二值图像进行网格化的手段来进行运动目标检测和跟踪，简化了目标跟踪运算度，增强了目标跟踪的实时性。
Description
技术领域
本发明属于图像处理技术领域，尤其涉及一种在线课堂中基于网格的接力跟踪方法及装置。
背景技术
目前常用的接力跟踪方法都是基于特征匹配来进行运动目标跟踪，但是基于特征匹配的运动目标跟踪算法需要复杂的计算过程，因此需要一种新的目标跟踪算法，无需复杂的特征计算过程。
发明内容
本发明提供一种在线课堂中基于网格的接力跟踪方法及装置，以解决上述技术问题。
根据本发明实施例的第一方面，提供了一种在线课堂中基于网格的接力跟踪方法，包括：将二值图像序列网格化；确定在每一帧二值图像中各运动目标所占的网格位置；按照二值图像序列之间的顺序以及各运动目标在每一二值图像中的网格位置统计出所述各运动目标的运动轨迹；基于所述运动轨迹判断对应的运动目标是否进入二值图像中的边界网格中；在确定所述运动目标进入边界网格时，所述当前摄像机的相邻摄像机对所述运动目标进行接力跟踪。
根据本发明实施例的第二方面，还提供了一种在线课堂中基于网格的接力跟踪装置，包括：划分单元，用于将二值图像序列网格化；位置检测单元，连接至所述划分单元，用于确定在每一帧二值图像中各运动目标所占的网格位置；运动轨迹统计单元，连接至所述位置检测单元，按照二值图像序列之间的顺序以及各运动目标在每一二值图像中的网格位置统计出所述各运动目标的运动轨迹；判断单元，连接至所述运动轨迹统计单元，基于所述运动轨迹判断对应的运动目标是否进入二值图像中的边界网格中；接力跟踪单元，连接至所述判断单元，在确定所述运动目标进入边界网格时，所述当前摄像机的相邻摄像机对所述运动目标进行接力跟踪。
本发明的实施例提供的技术方案可以包括以下有益效果：
相较于先前技术，根据本发明提供的在线课堂中基于网格的接力跟踪方法及装置，无需复杂的特征计算过程，也无需计算连通域，通过对二值图像进行网格化的手段来进行运动目标检测和跟踪，简化了目标跟踪运算度，增强了目标跟踪的实时性。
附图说明
此处所说明的附图用来提供对本发明的进一步理解，构成本申请的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：
图1所示为根据本发明的一较佳实施例提供的在线课堂中基于网格的接力跟踪方法的流程图；
图2所示为根据本发明的又一较佳实施例提供的对二值图像进行网格化的示意图；
图3所示为根据本发明的另一较佳实施例提供的边界网格示意图；
图4所示为根据本发明的较佳实施例提供的在线课堂中基于网格的接力跟踪装置的框图。
具体实施方式
下文中将参考附图并结合实施例来详细说明本发明。需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。
图1所示为根据本发明的一较佳实施例提供的在线课堂中基于网格的接力跟踪方法的流程图。
如图1所示，根据本发明的在线课堂中基于网格的接力跟踪方法主要包括以下三个步骤：
步骤102，将二值图像序列网格化；
步骤104，确定在每一帧二值图像中各运动目标所占的网格位置。
步骤106，按照二值图像序列之间的顺序以及各运动目标在每一二值图像中的网格位置统计出所述各运动目标的运动轨迹。
步骤108，基于所述运动轨迹判断对应的运动目标是否进入二值图像中的边界网格中，在确定所述运动目标进入边界网格时，所述当前摄像机的相邻摄像机对所述运动目标进行接力跟踪。
在上述步骤104中，确定在每一帧二值图像中任一运动目标所占的网格位置，包括：
在二值图像中以Z字形搜索网格，每一网格对应一个图像块；
在检测到有效图像块时，继续判断所述有效图像块的相邻图像块是否是有效图像块，其中，有效图像块是像素值为第一值的像素个数占整个图像块总像素数目的比例，若所述比例大于预设值，则判定该图像块是有效图像块；
如果连续相邻的图像块均为有效图像块，则判定所述连续相邻的图像块是所述运动目标。
上述在线课堂中基于网格的接力跟踪方法还可以包括以下步骤：
判断所述连续相邻的图像块包含的图像块个数是否小于预设值；
根据判断结果将图像块个数大于等于预设值的连续相邻的图像块作为所述运动目标。
在上述步骤106中，确定各运动目标的运动轨迹的过程具体包括：
将当前帧二值图像中的各运动目标对应的图像块与前一帧二值图像中的各运动目标对应的图像块进行比较；
若当前帧二值图像中的运动目标与前一帧二值图像中的运动目标有重叠，则具有重叠的两个运动目标是同一运动目标，所述同一运动目标在前一帧二值图像和当前帧二值图像中的网格位置构成所述同一运动目标的运动轨迹。
上述在线课堂中基于网格的接力跟踪方法还可以包括：
若存在任意两个运动目标的运动轨迹方向是相对的，则在计算所述两个运动目标的运动轨迹时，忽略所述两个运动目标在发生重叠时所在的二值图像中的网格位置，采用预估的网格位置替代在发生重叠时所在的二值图像中的网格位置。
其中，所述边界网格是所述二值图像边缘以内预设行数和/或预设列数的网格。
下面结合图2进一步说明根据本发明的技术方案。
如图2所示，首先，将各二值图像网格化，将图像划分成同等大小的网格，使二值图像被划分成图像块，每一图像块的大小可以是3×3个像素大小。
然后在图像中检测运动目标。运动目标的检测方法具体包括：
在二值图像中以Z字形搜索网格，在检测到有效图像块时，继续判断该有效图像块的相邻图像块是否是有效图像块，其中，在图像块中，若像素值为第一值的像素个数占整个图像块总像素数目的比例大于预设值，则判定该图像块是有效图像块。如果连续相邻的图像块均为有效图像块，则判定连续相邻的图像块是运动目标。如果一个有效图像块的周边没有有效图像块，则忽略该有效图像块。如图2所示，在该二值图像中检测出两个运动目标，运动目标的中心位置可以用对应的网格位置(m，n)来表示，m表示第几行，n表示第几列。
除此之外，为了提高检测准确率，还需要判断连续相邻的图像块数是否大于预设值，只有大于预设值，才认为该连续相邻的图像块是运动目标。
因此，通过该方法可以检测出一个二值图像中有多少个运动目标。
采用上述同样的方法可以在所有的二值图像中检测出运动目标。假设有三帧二值图像f1、f2、f3，在每一帧二值图像中均检测出两个运动目标。在确定每个运动目标中心的网格位置之后，根据图像帧之间的顺序就可以形成针对一个运动目标的运动轨迹。在生成运动轨迹时，需要判断哪个运动目标与哪个运动目标是同一运动目标。在本实施例中，通过判断f1中的运动目标与f2中的运动目标是否有重叠的方式来确定是否是同一运动目标，由于运动目标有位移，因此只要两帧之间的运动目标有重叠，说明这两帧中的运动目标是同一运动目标。在锁定了同一运动目标之后，就可以根据同一运动目标在不同二值图像中的网格位置来生成运动轨迹了。因此，在存在多个运动目标时，也能够获得多个运动目标的不同运动轨迹。
在某些场景下，两个运动目标的运动轨迹方向有可能是相对的，因此在某个时刻的二值图像中，两个运动目标会有重叠，可能会引起误检，认为出现了新的运动目标。在本实施例中也考虑到该特殊情况，如果出现这种情况，即突然出现了个运动目标，在一两秒之后又突然消失，在此可以认为不是真的运动目标，而是两个运动目标出现了重叠。在该情况下，可以忽略发生两个运动目标在发生重叠时所在的二值图像中的网格位置，采用预估的网格位置替代在发生重叠时所在的二值图像中的网格位置。即可以根据已得到的运动目标的运动轨迹来预估在下一刻可能的网格位置，用该网格位置来作为运动目标的实际网格位置。两三帧的网格位置的误差不会影响整个运动目标的运动轨迹趋势。
在生成运动目标的运动轨迹之后，根据该运动轨迹可以判断运动目标是否进入二值图像中的边界网格中，或者是否正要离开当前摄像机的拍摄范围，边界网格是二值图像边缘以内预设行数和/或预设列数的网格。在确定运动目标进入边界网格时，当前摄像机的相邻摄像机对运动目标进行接力跟踪。如图3所示，在本实施例中，可以设置最外的两行两列是边界网格。
从上述实施例中可以看出，根据本发明的在线课堂中基于网格的接力跟踪方法没有特征提取步骤，绕过了复杂的特征计算方法，大大降低了计算复杂度，在没有统计特征的情况下，也能够检测出运动目标，并可统计出运动目标的数量，提高了运动目标检测与跟踪的实时性。
图4所示为根据本发明的较佳实施例提供的在线课堂中基于网格的接力跟踪装置的框图。
如图4所示，根据本发明的实施例的一种基于网格的运动目标接力跟踪装置400可以包括：划分单元402，用于将二值图像序列网格化；
位置检测单元404，连接至所述划分单元402，用于确定在每一帧二值图像中各运动目标所占的网格位置；
运动轨迹统计单元406，连接至所述位置检测单元，按照二值图像序列之间的顺序以及各运动目标在每一二值图像中的网格位置统计出所述各运动目标的运动轨迹；
判断单元408，连接至所述运动轨迹统计单元，基于所述运动轨迹判断对应的运动目标是否进入二值图像中的边界网格中；
接力跟踪单元410，连接至所述判断单元408，在确定所述运动目标进入边界网格时，所述当前摄像机的相邻摄像机对所述运动目标进行接力跟踪。
其中，所述位置检测单元404包括：
搜索子单元，在二值图像中以Z字形搜索网格，每一网格对应一个图像块；
有效图像块检测子单元，在检测到有效图像块时，继续判断所述有效图像块的相邻图像块是否是有效图像块，其中，有效图像块是像素值为第一值的像素个数占整个图像块总像素数目的比例，若所述比例大于预设值，则判定该图像块是有效图像块；
运动目标检测子单元，如果连续相邻的图像块均为有效图像块，则判定所述连续相邻的图像块是所述运动目标。
其中，所述运动轨迹统计单元406可以包括：
比较子单元，将当前帧二值图像中的各运动目标对应的图像块与前一帧二值图像中的各运动目标对应的图像块进行比较；
轨迹计算子单元，若当前帧二值图像中的运动目标与前一帧二值图像中的运动目标有重叠，则具有重叠的两个运动目标是同一运动目标，所述同一运动目标在前一帧二值图像和当前帧二值图像中的网格位置构成所述同一运动目标的运动轨迹。
所述运动轨迹统计单元406还用于若存在任意两个运动目标的运动轨迹方向是相对的，则在计算所述两个运动目标的运动轨迹时，忽略所述两个运动目标在发生重叠时所在的二值图像中的网格位置，采用预估的网格位置替代在发生重叠时所在的二值图像中的网格位置.
根据本发明提供的在线课堂中基于网格的接力跟踪方法及装置，无需复杂的特征计算过程，也无需计算连通域，通过对二值图像进行网格化的手段来进行运动目标检测和跟踪，简化了目标跟踪运算度，增强了目标跟踪的实时性。
以上仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (10)
1.一种在线课堂中基于网格的接力跟踪方法，其特征在于，包括：
将二值图像序列网格化；
确定在每一帧二值图像中各运动目标所占的网格位置；
按照二值图像序列之间的顺序以及各运动目标在每一二值图像中的网格位置统计出所述各运动目标的运动轨迹；
基于所述运动轨迹判断对应的运动目标是否进入二值图像中的边界网格中；
在确定所述运动目标进入边界网格时，所述当前摄像机的相邻摄像机对所述运动目标进行接力跟踪。
2.根据权利要求1所述的方法，其特征在于，确定在每一帧二值图像中任一运动目标所占的网格位置，包括：
在二值图像中以Z字形搜索网格，每一网格对应一个图像块；
在检测到有效图像块时，继续判断所述有效图像块的相邻图像块是否是有效图像块，其中，有效图像块是像素值为第一值的像素个数占整个图像块总像素数目的比例，若所述比例大于预设值，则判定该图像块是有效图像块；
如果连续相邻的图像块均为有效图像块，则判定所述连续相邻的图像块是所述运动目标。
3.根据权利要求2所述的方法，其特征在于，还包括：
判断所述连续相邻的图像块包含的图像块个数是否小于预设值；
根据判断结果将图像块个数大于等于预设值的连续相邻的图像块作为所述运动目标。
4.根据权利要求2所述的方法，其特征在于，确定各运动目标的运动轨迹，包括：
将当前帧二值图像中的各运动目标对应的图像块与前一帧二值图像中的各运动目标对应的图像块进行比较；
若当前帧二值图像中的运动目标与前一帧二值图像中的运动目标有重叠，则具有重叠的两个运动目标是同一运动目标，所述同一运动目标在前一帧二值图像和当前帧二值图像中的网格位置构成所述同一运动目标的运动轨迹。
5.根据权利要求1至4中任一项所述的方法，其特征在于，还包括：
若存在任意两个运动目标的运动轨迹方向是相对的，则在计算所述两个运动目标的运动轨迹时，忽略所述两个运动目标在发生重叠时所在的二值图像中的网格位置，采用预估的网格位置替代在发生重叠时所在的二值图像中的网格位置。
6.根据权利要求1至4中任一项的方法，其特征在于，所述边界网格是所述二值图像边缘以内预设行数和/或预设列数的网格。
7.一种在线课堂中基于网格的运动目标接力跟踪装置，其特征在于，包括：
划分单元，用于将二值图像序列网格化；
位置检测单元，连接至所述划分单元，用于确定在每一帧二值图像中各运动目标所占的网格位置；
运动轨迹统计单元，连接至所述位置检测单元，按照二值图像序列之间的顺序以及各运动目标在每一二值图像中的网格位置统计出所述各运动目标的运动轨迹；
判断单元，连接至所述运动轨迹统计单元，基于所述运动轨迹判断对应的运动目标是否进入二值图像中的边界网格中；
接力跟踪单元，连接至所述判断单元，在确定所述运动目标进入边界网格时，所述当前摄像机的相邻摄像机对所述运动目标进行接力跟踪。
8.根据权利要求7所述的装置，其特征在于，所述位置检测单元包括：
搜索子单元，在二值图像中以Z字形搜索网格，每一网格对应一个图像块；
有效图像块检测子单元，在检测到有效图像块时，继续判断所述有效图像块的相邻图像块是否是有效图像块，其中，有效图像块是像素值为第一值的像素个数占整个图像块总像素数目的比例，若所述比例大于预设值，则判定该图像块是有效图像块；
运动目标检测子单元，如果连续相邻的图像块均为有效图像块，则判定所述连续相邻的图像块是所述运动目标。
9.根据权利要求7所述的装置，其特征在于，所述运动轨迹统计单元包括：
比较子单元，将当前帧二值图像中的各运动目标对应的图像块与前一帧二值图像中的各运动目标对应的图像块进行比较；
轨迹计算子单元，若当前帧二值图像中的运动目标与前一帧二值图像中的运动目标有重叠，则具有重叠的两个运动目标是同一运动目标，所述同一运动目标在前一帧二值图像和当前帧二值图像中的网格位置构成所述同一运动目标的运动轨迹。
10.根据权利要求7至9中任一项所述的装置，其特征在于，所述运动轨迹统计单元还用于若存在任意两个运动目标的运动轨迹方向是相对的，则在计算所述两个运动目标的运动轨迹时，忽略所述两个运动目标在发生重叠时所在的二值图像中的网格位置，采用预估的网格位置替代在发生重叠时所在的二值图像中的网格位置。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510165959.5A CN104751489A (zh) | 2015-04-09 | 2015-04-09 | 一种在线课堂中基于网格的接力跟踪方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510165959.5A CN104751489A (zh) | 2015-04-09 | 2015-04-09 | 一种在线课堂中基于网格的接力跟踪方法及装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN104751489A true CN104751489A (zh) | 2015-07-01 |
Family
ID=53591108
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201510165959.5A Pending CN104751489A (zh) | 2015-04-09 | 2015-04-09 | 一种在线课堂中基于网格的接力跟踪方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN104751489A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109711476A (zh) * | 2018-12-29 | 2019-05-03 | 天津链数科技有限公司 | 一种图像数据标注色斑自动修正的方法 |
| WO2020082866A1 (zh) * | 2018-10-25 | 2020-04-30 | 中兴通讯股份有限公司 | 运动轨迹合成方法及电子设备 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH08171643A (ja) * | 1994-12-16 | 1996-07-02 | Nec Corp | メッシュ状図形の輪郭抽出方式 |
| KR20090041068A (ko) * | 2007-10-23 | 2009-04-28 | 엘아이지넥스원 주식회사 | 표적 추적 방법 및 장치 |
| CN101425143A (zh) * | 2008-11-07 | 2009-05-06 | 东莞市微模式软件有限公司 | 一种图像定位的方法及装置 |
| CN102176246A (zh) * | 2011-01-30 | 2011-09-07 | 西安理工大学 | 一种多相机目标接力跟踪系统的相机接力关系确定方法 |
| CN102663452A (zh) * | 2012-04-14 | 2012-09-12 | 中国人民解放军国防科学技术大学 | 基于视频分析的可疑行为检测方法 |
| CN102945368A (zh) * | 2012-10-17 | 2013-02-27 | 西安理工大学 | 啤酒瓶盖激光字符的定位识别方法 |
| CN104200488A (zh) * | 2014-08-04 | 2014-12-10 | 合肥工业大学 | 一种基于图表示和匹配的多目标跟踪方法 |
-
2015
- 2015-04-09 CN CN201510165959.5A patent/CN104751489A/zh active Pending
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH08171643A (ja) * | 1994-12-16 | 1996-07-02 | Nec Corp | メッシュ状図形の輪郭抽出方式 |
| KR20090041068A (ko) * | 2007-10-23 | 2009-04-28 | 엘아이지넥스원 주식회사 | 표적 추적 방법 및 장치 |
| CN101425143A (zh) * | 2008-11-07 | 2009-05-06 | 东莞市微模式软件有限公司 | 一种图像定位的方法及装置 |
| CN102176246A (zh) * | 2011-01-30 | 2011-09-07 | 西安理工大学 | 一种多相机目标接力跟踪系统的相机接力关系确定方法 |
| CN102663452A (zh) * | 2012-04-14 | 2012-09-12 | 中国人民解放军国防科学技术大学 | 基于视频分析的可疑行为检测方法 |
| CN102945368A (zh) * | 2012-10-17 | 2013-02-27 | 西安理工大学 | 啤酒瓶盖激光字符的定位识别方法 |
| CN104200488A (zh) * | 2014-08-04 | 2014-12-10 | 合肥工业大学 | 一种基于图表示和匹配的多目标跟踪方法 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2020082866A1 (zh) * | 2018-10-25 | 2020-04-30 | 中兴通讯股份有限公司 | 运动轨迹合成方法及电子设备 |
| CN109711476A (zh) * | 2018-12-29 | 2019-05-03 | 天津链数科技有限公司 | 一种图像数据标注色斑自动修正的方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US10452931B2 (en) | Processing method for distinguishing a three dimensional object from a two dimensional object using a vehicular system | |
| KR20180032400A (ko) | 다중 카메라 영상의 객체 정보 기반 다중 객체 추적 장치 및 그 방법 | |
| KR101087592B1 (ko) | Ｉｒ 영상추적기의 단일표적 추적성능 향상 방법 | |
| US8494267B2 (en) | Image processing device, image processing method, and program for normalizing a histogram | |
| EP2754125A1 (en) | A method and apparatus for projective volume monitoring | |
| US8995718B2 (en) | System and method for low complexity change detection in a sequence of images through background estimation | |
| Shen et al. | Deep learning‐based object identification with instance segmentation and pseudo‐LiDAR point cloud for work zone safety | |
| JP7014161B2 (ja) | 画像処理装置、画像処理システム、および画像処理方法、並びにプログラム | |
| Biswas et al. | Anomaly detection via short local trajectories | |
| KR102074555B1 (ko) | 비디오 처리를 위한 블록 기반 정적 영역 검출 | |
| US20150104067A1 (en) | Method and apparatus for tracking object, and method for selecting tracking feature | |
| CN110610150A (zh) | 一种目标运动物体的跟踪方法、装置、计算设备和介质 | |
| CN106991418B (zh) | 飞虫检测方法、装置及终端 | |
| CN106251348B (zh) | 一种面向深度相机的自适应多线索融合背景减除方法 | |
| Xu et al. | Dynamic obstacle detection based on panoramic vision in the moving state of agricultural machineries | |
| CN107094234B (zh) | 一种应用于移动摄像终端的拍摄区域遮挡方法和装置 | |
| Liu et al. | Accelerating vanishing point-based line sampling scheme for real-time people localization | |
| CN107590431B (zh) | 一种基于图像识别的数量统计方法及装置 | |
| US11776137B2 (en) | Systems and methods for detecting motion during 3D data reconstruction | |
| CN104751489A (zh) | 一种在线课堂中基于网格的接力跟踪方法及装置 | |
| US20130027550A1 (en) | Method and device for video surveillance | |
| CN106683113B (zh) | 特征点跟踪方法和装置 | |
| CN116330658B (zh) | 基于深度图像的目标跟踪方法、装置、系统及摄像设备 | |
| US20130027549A1 (en) | Method and device for video surveillance | |
| CN111325073B (zh) | 基于运动信息聚类的监控视频异常行为检测方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| C53 | Correction of patent of invention or patent application | ||
| CB02 | Change of applicant information |
Address after: Suzhou City, Jiangsu province 215121 Suzhou Industrial Park Road No. 8 only Weiting Technology Venture Building 7 floor Applicant after: Kuo Di education and science company limited Address before: Suzhou City, Jiangsu province 215121 Suzhou Industrial Park Road No. 8 only Weiting Technology Venture Building 7 floor Applicant before: Suzhou Kuodi Network Technology Co., Ltd. |
|
| COR | Change of bibliographic data |
Free format text: CORRECT: APPLICANT; FROM: SUZHOU KUODI NETWORK TECHNOLOGY CO., LTD. TO: CODYY EDUCATION TECHNOLOGY CO., LTD. |
|
| WD01 | Invention patent application deemed withdrawn after publication | ||
| WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20150701 |