CN105469367B - 动态视频图像清晰度强化方法及装置 - Google Patents

动态视频图像清晰度强化方法及装置 Download PDF

Info

Publication number
CN105469367B
CN105469367B CN201510847172.7A CN201510847172A CN105469367B CN 105469367 B CN105469367 B CN 105469367B CN 201510847172 A CN201510847172 A CN 201510847172A CN 105469367 B CN105469367 B CN 105469367B
Authority
CN
China
Prior art keywords
component
current pixel
matrix
module
gain coefficient
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
Application number
CN201510847172.7A
Other languages
English (en)
Other versions
CN105469367A (zh
Inventor
张哲�
王伟
王婷婷
何美伊
池宝旺
彭伟刚
林岳
顾思斌
潘柏宇
王冀
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Alibaba China Co Ltd
Youku Network Technology Beijing Co Ltd
Original Assignee
1Verge Internet Technology Beijing Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by 1Verge Internet Technology Beijing Co Ltd filed Critical 1Verge Internet Technology Beijing Co Ltd
Priority to CN201510847172.7A priority Critical patent/CN105469367B/zh
Publication of CN105469367A publication Critical patent/CN105469367A/zh
Application granted granted Critical
Publication of CN105469367B publication Critical patent/CN105469367B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/73—Deblurring; Sharpening
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/20—Image enhancement or restoration using local operators
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10016—Video; Image sequence
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20172—Image enhancement details
    • G06T2207/20201—Motion blur correction

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Image Processing (AREA)

Abstract

本发明涉及图像处理技术领域，公开了一种动态视频图像清晰度强化方法及装置。所述方法包括步骤：获取当前像素的YUV数据，对所述当前像素的YUV数据进行归一化处理；对归一化后数据中的Y分量进行邻域模糊，计算模糊前后的Y分量差值，并使用所述Y分量差值计算Y分量增益系数；结合所述Y分量、所述Y分量差值和所述Y分量增益系数进行清晰度强化；使用强化后的Y分量与当前像素的UV分量计算当前像素的RGB数据，输出所述当前像素的RGB数据。本发明的技术方案通过快速提高图像中不同事物的色差，实现了高效的清晰度强化，可满足动态视频图像的连续处理需求。

Description

动态视频图像清晰度强化方法及装置
技术领域
本发明涉及图像处理技术领域，特别涉及一种动态视频图像清晰度强化方法及装置。
背景技术
摄影摄像设备可帮助人们记录影像以便在任意时间地点进行查看，但受限于设备和拍摄人的能力，很多影像资料所呈现的画面质量并不理想，很难满足用户需求。在重新拍摄的时间和人力物力成本较高的情况下，通常会选择采用一定的技术手段来增强图像的清晰度。
传统的清晰度增强算法往往针对特定的行业或工作环境，比如计算机中的模式识别、医学X光成像、气象成像等，这些只需对个别的静态图像进行处理，处理的实时性要求不高但处理量通常较大，无法满足连续处理动态图像的效率和性能需求。此外，现有技术中的图像增强方法往往只针对某一特定要求进行片面强化，如增强亮度、增强对比度、增强色度等，其强化幅度虽然较大，但算法一般比较单一，如果要同时对图像的多种参数进行强化则需分别运行多种算法，计算量过大而实时性较差。
发明内容
针对现有技术的缺陷，本发明的目的是提供一种动态视频图像清晰度强化方法及装置，以高效快捷实时地对连续的动态视频图像进行清晰度强化。
根据本发明的一个方面，提供了一种动态视频图像清晰度强化方法，包括步骤：
获取当前像素的YUV数据，对所述当前像素的YUV数据进行归一化处理；
对归一化后数据中的Y分量进行邻域模糊，计算模糊前后的Y分量差值，并使用所述Y分量差值计算Y分量增益系数；
结合所述Y分量、所述Y分量差值和所述Y分量增益系数进行清晰度强化；
使用强化后的Y分量与当前像素的UV分量计算当前像素的RGB数据，输出所述当前像素的RGB数据。
优选地，所述进行领域模糊包括：
以所述当前像素为中心点选取邻近的N×N个像素，构建N×N的模糊矩阵和Y分量矩阵，其中N为大于1的奇数；
将所述模糊矩阵和所述Y分量矩阵进行运算得出模糊数据。
优选地，所述计算Y分量增益系数包括：
根据所述Y分量差值计算增益角度，由所述增益角度得到所述Y分量增益系数。
优选地，所述进行清晰度强化包括：
计算强化后的Y分量为Cr＝Src+Diff*Fr，其中Src为所述Y分量，Diff为所述Y分量差值，Fr为所述Y分量增益系数。
优选地，所述方法中：所述模糊矩阵中各元素取值为各像素距所述当前像素的距离，所述Y分量矩阵中各元素取值为各像素的Y分量。
根据本发明的另一个方面，还同时提供了一种动态视频图像清晰度强化装置，包括：
归一化模块，用于获取当前像素的YUV数据，对所述当前像素的YUV数据进行归一化处理；
滤波模块，用于对归一化后数据中的Y分量进行邻域模糊，计算模糊前后的Y分量差值，并使用所述Y分量差值计算Y分量增益系数；
强化模块，用于结合所述Y分量、所述Y分量差值和所述Y分量增益系数进行清晰度强化；
输出模块，用于使用强化后的Y分量与当前像素的UV分量计算当前像素的RGB数据，输出所述当前像素的RGB数据。
优选地，所述滤波模块包括低通滤波模块，其中所述低通滤波模块包括：
矩阵构建模块，用于以所述当前像素为中心点选取邻近的N×N个像素，构建N×N的模糊矩阵和Y分量矩阵，其中N为大于1的奇数；
模糊运算模块，用于将所述模糊矩阵和所述Y分量矩阵进行运算得出模糊数据。
优选地，所述滤波模块还包括：高通滤波模块，用于根据所述Y分量差值计算增益角度，由所述增益角度得到所述Y分量增益系数。
优选地，所述强化模块包括：强化计算模块，用于计算强化后的Y分量为Cr＝Src+Diff*Fr，其中Src为所述Y分量，Diff为所述Y分量差值，Fr为所述Y分量增益系数。
更进一步地，所述矩阵构建模块包括：
模糊矩阵构建模块，用于以各像素距所述当前像素的距离为各元素取值构建所述模糊矩阵；
Y分量矩阵构建模块，用于以各像素的Y分量为各元素取值构建所述Y分量矩阵。
本发明实施例提供了一种动态视频图像清晰度强化方法及装置，通过快速提高图像中不同事物的色差，实现了高效的清晰度强化，可满足动态视频图像的连续处理需求。
附图说明
图1是本发明实施例中动态视频图像清晰度强化方法的流程示意图；
图2是本发明优选实施例中自动增益系数的控制曲线示意图；
图3是本发明实施例中动态视频图像清晰度强化装置的模块示意图；
图4-6是采用本发明实施例的技术方案进行清晰度强化前后的图像对比示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明了，下面结合具体实施方式并参照附图，对本发明进一步详细说明。应该理解，这些描述只是示例性的，而并非要限制本发明的范围。此外，在以下说明中，省略了对公知结构和技术的描述，以避免不必要地混淆本发明的概念。
现有技术中的图像增强方法普遍存在计算量大实时性差的缺陷，一般只适用于处理静态图像，加上现有技术的图像增强方案一般只针对一种图像参数进行片面强化，难以满足动态视频图像的清晰度强化的需求。
本发明实施例提供了一种动态视频图像清晰度强化方案，通过快速提高图像中不同事物的色差，实现了高效的清晰度强化，可满足动态视频图像的连续处理需求。如图1所示，本发明实施例中的动态视频图像清晰度强化方法包括步骤：
S1，获取当前像素的YUV数据，对所述当前像素的YUV数据进行归一化处理；
S2，对归一化后数据中的Y分量进行邻域模糊，计算模糊前后的Y分量差值，并使用所述Y分量差值计算Y分量增益系数；
S3，结合所述Y分量、所述Y分量差值和所述Y分量增益系数进行清晰度强化；
S4，使用强化后的Y分量与当前像素的UV分量计算当前像素的RGB数据，输出所述当前像素的RGB数据。
其中，在本发明实施例中，上述方法对视频中每一图像帧的每一像素进行遍历处理，处理后数据直接输出到显示设备，从而向用户呈现经过清晰度强化的视频。更进一步地，可利用多个处理设备，比如CPU和GPU，或利用处理设备的多个核心处理单元，比如多核处理器，对多个像素同时采用上述方法进行并行处理，多个像素的处理结果数据按时钟信号的控制输出到显示设备。
在本发明优选实施例中，步骤S1的归一化处理包括：将数据原始值统一除以255，即Ynor＝Ysrc/255.0，其中，Ysrc为原始的Y/U/V数据值，Ynor为归一化后的Y/U/V分量值。所述YUV数据通过解码视频数据后获取。
优选地，步骤S2中所述进行领域模糊包括：
以当前像素为中心点选取邻近的N×N个像素，构建N×N的模糊矩阵和Y分量矩阵；其中N为大于1的奇数；模糊矩阵中各元素取值优选为各像素距中心像素的距离，Y分量矩阵中各元素取值优选为各像素的Y分量；N的具体取值根据需求的像素模糊程度来确定，一般N取值越大像素模糊程度越高；
将所述模糊矩阵和所述Y分量矩阵进行运算得出模糊数据(矩阵对应元素进行相乘，然后整体求和，得出的数据即为模糊后的Y分量值)。
进一步地，步骤S2中，所述计算Y分量增益系数包括：
获取所述Y分量差值，在所述Y分量差值的绝对值不超过阈值时，计算增益角度为Angle＝Diff/Thres*90.0，其中Diff为所述Y分量差值，Thres为所述阈值；在所述Y分量差值的绝对值超过阈值时，设置增益角度值为90度；
计算所述Y分量增益系数为Fr＝Rmax*sin(Angle/180.0*π)，其中Rmax为最大幅值，Angle为增益角度。图2所示为自动增益系数的控制曲线，阈值Thres可根据该控制曲线结合预期控制效果来选取设定，最大幅值Rmax为阈值点对应的曲线值(最大自动增益系数)。
步骤S3中，所述进行清晰度强化包括：
计算强化后的Y分量为Cr＝Src+Diff*Fr，其中Src为当前像素的Y分量(归一化的原始值)，Diff为所述Y分量差值(模糊前后的两值之差)，Fr为所述Y分量增益系数(步骤S2中计算所得)。
步骤S4中，所述计算当前像素的RGB数据包括：
使用强化后的Y分量与当前像素的UV分量进行色彩空间转化，计算RGB数据(前述3个分量构成的向量与转化矩阵的乘积)，其中转化矩阵为
下面进一步来说明本发明实施例方案的实现原理，首先，由于各事物之间存在色差，在视觉系统中产生的图像便可根据色差识别不同事物的轮廓，进而产生对不同事物的认知。基于这一现象，本发明实施例的技术方案通过上述方式，首先对图像进行低通滤波(邻域模糊)，再通过与原像素的差值来获取对应的高通值(增益系数)，然后通过高通值提高不同事物之前的色差(清晰度强化)，从而以实现拉大各事物之间的对比度来提高图像的清晰度。
进一步如图3所示，与上述方法一一对应地，本发明实施例还同时提供了一种动态视频图像清晰度强化装置1，包括：
归一化模块101，用于获取当前像素的YUV数据，对所述当前像素的YUV数据进行归一化处理；
滤波模块102，用于对归一化后数据中的Y分量进行邻域模糊，计算模糊前后的Y分量差值，并使用所述Y分量差值计算Y分量增益系数；
强化模块103，用于结合所述Y分量、所述Y分量差值和所述Y分量增益系数进行清晰度强化；
输出模块104，用于使用强化后的Y分量与当前像素的UV分量计算当前像素的RGB数据，输出所述当前像素的RGB数据。
优选地，所述滤波模块包括低通滤波模块，其中所述低通滤波模块包括：
矩阵构建模块，用于以所述当前像素为中心点选取邻近的N×N个像素，构建N×N的模糊矩阵和Y分量矩阵，其中N为大于1的奇数；
模糊运算模块，用于将所述模糊矩阵和所述Y分量矩阵进行运算得出模糊数据。
更进一步地，所述矩阵构建模块包括：
模糊矩阵构建模块，用于以各像素距所述当前像素的距离为各元素取值构建所述模糊矩阵；
Y分量矩阵构建模块，用于以各像素的Y分量为各元素取值构建所述Y分量矩阵。
优选地，所述滤波模块还包括：高通滤波模块，用于根据所述Y分量差值计算增益角度，由所述增益角度得到所述Y分量增益系数。
优选地，所述强化模块包括：强化计算模块，用于计算强化后的Y分量为Cr＝Src+Diff*Fr，其中Src为所述Y分量，Diff为所述Y分量差值，Fr为所述Y分量增益系数。
优选地，上述动态视频图像清晰度强化装置可以是处理设备，比如集群、服务器或处理终端等；也可以是相对独立的功能单元，比如GPU、独立芯片或强化软件等，通过处理设备加载后实现清晰度强化。在实际应用中，上述装置中的各模块均可由位于装置设备中的中央处理器(Central Processing Unit，CPU)、微处理器(Micro Processor Unit，MPU)、数字信号处理器(Digital Signal Processor，DSP)、或现场可编程门阵列(FieldProgrammable Gate Array，FPGA)等实现。
图4-6为按照本发明实施例进行清晰度强化前后的图像对照，其中计算Y分量增益系数时的参数选取为Thres＝0.04，Rmax＝2.5，图4a、5a、6a为强化前图像，图4b、5b、6b为强化后图像。从图像对比可以看出，图像中各事物的清晰度有较明显提升，故可显著提升用户体验。
本发明实施例提供了一种动态视频图像清晰度强化方法及装置，通过快速提高图像中不同事物的色差，实现了高效的清晰度强化，可满足动态视频图像的连续处理需求。其中，本发明实施例的技术方案通过对表示亮度/灰阶值的Y分量进行邻域模糊和增益，可快速实现拉大各事物之间的对比度的目的，从而在不改变视频码率的基础上高效快捷实时地提高图像的清晰度，满足了消费行业中，消费者在视频观看时要求对动态的视频清晰度实时增强的需求，提高了视频观看的用户体验。
应当理解的是，本发明的上述具体实施方式仅仅用于示例性说明或解释本发明的原理，而不构成对本发明的限制。因此，在不偏离本发明的精神和范围的情况下所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。此外，本发明所附权利要求旨在涵盖落入所附权利要求范围和边界、或者这种范围和边界的等同形式内的全部变化和修改例。

Claims (10)

1.一种动态视频图像清晰度强化方法，其特征在于，所述方法包括步骤：
获取当前像素的YUV数据，对所述当前像素的YUV数据进行归一化处理；
对归一化后数据中的Y分量进行邻域模糊，计算模糊前后的Y分量差值，并使用所述Y分量差值计算Y分量增益系数；
结合所述Y分量、所述Y分量差值和所述Y分量增益系数进行清晰度强化；
使用强化后的Y分量与当前像素的UV分量计算当前像素的RGB数据，输出所述当前像素的RGB数据。
2.根据权利要求1所述的方法，其特征在于，所述进行领域模糊包括：
以所述当前像素为中心点选取邻近的N×N个像素，构建N×N的模糊矩阵和Y分量矩阵，其中N为大于1的奇数；
将所述模糊矩阵和所述Y分量矩阵进行运算得出模糊数据。
3.根据权利要求1所述的方法，其特征在于，所述计算Y分量增益系数包括：
根据所述Y分量差值计算增益角度，由所述增益角度得到所述Y分量增益系数；
其中，在所述Y分量差值的绝对值不超过阈值时，所述增益角度Angle为Angle＝Diff/Thres*90.0，其中Diff为所述Y分量差值，Thres为阈值；在所述Y分量差值的绝对值超过阈值时，增益角度Angle为90度；所述Y分量增益系数Fr为Fr＝Rmax*sin(Angle/180.0*π)，其中Rmax为最大幅值。
4.根据权利要求1所述的方法，其特征在于，所述进行清晰度强化包括：
计算强化后的Y分量为Cr＝Src+Diff*Fr，其中Src为所述Y分量，Diff为所述Y分量差值，Fr为所述Y分量增益系数。
5.根据权利要求2所述的方法，其特征在于，所述方法中：
所述模糊矩阵中各元素取值为各像素距所述当前像素的距离，所述Y分量矩阵中各元素取值为各像素的Y分量。
6.一种动态视频图像清晰度强化装置，其特征在于，所述装置包括：
归一化模块，用于获取当前像素的YUV数据，对所述当前像素的YUV数据进行归一化处理；
滤波模块，用于对归一化后数据中的Y分量进行邻域模糊，计算模糊前后的Y分量差值，并使用所述Y分量差值计算Y分量增益系数；
强化模块，用于结合所述Y分量、所述Y分量差值和所述Y分量增益系数进行清晰度强化；
输出模块，用于使用强化后的Y分量与当前像素的UV分量计算当前像素的RGB数据，输出所述当前像素的RGB数据。
7.根据权利要求6所述的装置，其特征在于，所述滤波模块包括低通滤波模块，其中所述低通滤波模块包括：
矩阵构建模块，用于以所述当前像素为中心点选取邻近的N×N个像素，构建N×N的模糊矩阵和Y分量矩阵，其中N为大于1的奇数；
模糊运算模块，用于将所述模糊矩阵和所述Y分量矩阵进行运算得出模糊数据。
8.根据权利要求6所述的装置，其特征在于，所述滤波模块包括：
高通滤波模块，用于根据所述Y分量差值计算增益角度，由所述增益角度得到所述Y分量增益系数；
其中，在所述Y分量差值的绝对值不超过阈值时，所述增益角度Angle为Angle＝Diff/Thres*90.0，其中Diff为所述Y分量差值，Thres为阈值；在所述Y分量差值的绝对值超过阈值时，增益角度Angle为90度；所述Y分量增益系数Fr为Fr＝Rmax*sin(Angle/180.0*π)，其中Rmax为最大幅值。
9.根据权利要求6所述的装置，其特征在于，所述强化模块包括：
强化计算模块，用于计算强化后的Y分量为Cr＝Src+Diff*Fr，其中Src为所述Y分量，Diff为所述Y分量差值，Fr为所述Y分量增益系数。
10.根据权利要求7所述的装置，其特征在于，所述矩阵构建模块包括：
模糊矩阵构建模块，用于以各像素距所述当前像素的距离为各元素取值构建所述模糊矩阵；
Y分量矩阵构建模块，用于以各像素的Y分量为各元素取值构建所述Y分量矩阵。
CN201510847172.7A 2015-11-27 2015-11-27 动态视频图像清晰度强化方法及装置 Active CN105469367B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201510847172.7A CN105469367B (zh) 2015-11-27 2015-11-27 动态视频图像清晰度强化方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201510847172.7A CN105469367B (zh) 2015-11-27 2015-11-27 动态视频图像清晰度强化方法及装置

Publications (2)

Publication Number Publication Date
CN105469367A CN105469367A (zh) 2016-04-06
CN105469367B true CN105469367B (zh) 2018-03-02

Family

ID=55607028

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201510847172.7A Active CN105469367B (zh) 2015-11-27 2015-11-27 动态视频图像清晰度强化方法及装置

Country Status (1)

Country Link
CN (1) CN105469367B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109392533A (zh) * 2018-11-19 2019-03-01 湖北省农业科学院中药材研究所 一种防石斛倒伏的智能支撑系统
CN110689058B (zh) * 2019-09-11 2023-04-07 安徽超清科技股份有限公司 一种基于ai算法的环境检测方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102231264A (zh) * 2011-06-28 2011-11-02 王洪剑 动态对比度增强装置和方法
CN102811353A (zh) * 2012-06-14 2012-12-05 北京暴风科技股份有限公司 提升视频图像清晰度的方法及系统

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104166967B (zh) * 2014-08-15 2017-05-17 西安电子科技大学 提升视频图像清晰度的方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102231264A (zh) * 2011-06-28 2011-11-02 王洪剑 动态对比度增强装置和方法
CN102811353A (zh) * 2012-06-14 2012-12-05 北京暴风科技股份有限公司 提升视频图像清晰度的方法及系统

Also Published As

Publication number Publication date
CN105469367A (zh) 2016-04-06

Similar Documents

Publication Publication Date Title
CN106611429B (zh) 检测皮肤区域的方法和检测皮肤区域的装置
US8059911B2 (en) Depth-based image enhancement
WO2014045026A1 (en) Systems and methods for reducing noise in video streams
KR102084343B1 (ko) 배경 제거
US20130034307A1 (en) Local Area Contrast Enhancement
CN104335565A (zh) 采用具有自适应滤芯的细节增强滤波器的图像处理方法
CN105447830B (zh) 动态视频图像清晰度强化方法及装置
CN102281388A (zh) 适应性滤除影像噪声的方法及装置
CN105389776B (zh) 图像缩放技术
CN107993189B (zh) 一种基于局部分块的图像色调动态调节方法和装置
US11551336B2 (en) Chrominance and luminance enhancing systems and methods
CN105027161B (zh) 图像处理方法和图像处理设备
CN109785264A (zh) 图像增强方法、装置及电子设备
CN105763768A (zh) 一种图像处理方法、装置和系统
CN105469367B (zh) 动态视频图像清晰度强化方法及装置
US11941785B2 (en) Directional scaling systems and methods
WO2020107308A1 (zh) 一种基于Retinex的微光图像快速增强方法及其装置
CN110473281A (zh) 三维模型的描边处理方法、装置、处理器及终端
US20190019272A1 (en) Noise reduction for digital images
CN113052923A (zh) 色调映射方法、装置、电子设备和存储介质
WO2023024660A1 (zh) 一种图像增强的方法及装置
JP4104475B2 (ja) 輪郭補正装置
US10719916B2 (en) Statistical noise estimation systems and methods
CN110140150B (zh) 一种图像处理方法、装置以及终端设备
EP4339877A1 (en) Method and apparatus for super resolution

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
CP01 Change in the name or title of a patent holder

Address after: 100080 Beijing Haidian District city Haidian street A Sinosteel International Plaza No. 8 block 5 layer A, C

Patentee after: Youku network technology (Beijing) Co.,Ltd.

Address before: 100080 Beijing Haidian District city Haidian street A Sinosteel International Plaza No. 8 block 5 layer A, C

Patentee before: 1VERGE INTERNET TECHNOLOGY (BEIJING) Co.,Ltd.

CP01 Change in the name or title of a patent holder
TR01 Transfer of patent right

Effective date of registration: 20200317

Address after: 310005 room 508, floor 5, building 4, No. 699, Wangshang Road, Changhe street, Binjiang District, Hangzhou City, Zhejiang Province

Patentee after: Alibaba (China) Co.,Ltd.

Address before: 100080 Beijing Haidian District city Haidian street A Sinosteel International Plaza No. 8 block 5 layer A, C

Patentee before: Youku network technology (Beijing) Co.,Ltd.

TR01 Transfer of patent right