CN105551261A - 换牌车辆检测方法及其系统 - Google Patents

换牌车辆检测方法及其系统 Download PDF

Info

Publication number
CN105551261A
CN105551261A CN201610124110.8A CN201610124110A CN105551261A CN 105551261 A CN105551261 A CN 105551261A CN 201610124110 A CN201610124110 A CN 201610124110A CN 105551261 A CN105551261 A CN 105551261A
Authority
CN
China
Prior art keywords
vehicle
car
board
feature
descriptor feature
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
Application number
CN201610124110.8A
Other languages
English (en)
Inventor
赵晓萌
刘丹
张如高
彭莉
虞正华
於承义
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.)
BOCOM SMART NETWORK TECHNOLOGIES Inc
Original Assignee
BOCOM SMART NETWORK TECHNOLOGIES Inc
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 BOCOM SMART NETWORK TECHNOLOGIES Inc filed Critical BOCOM SMART NETWORK TECHNOLOGIES Inc
Priority to CN201610124110.8A priority Critical patent/CN105551261A/zh
Publication of CN105551261A publication Critical patent/CN105551261A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/017—Detecting movement of traffic to be counted or controlled identifying vehicles
    • G08G1/0175—Detecting movement of traffic to be counted or controlled identifying vehicles by photographing vehicles, e.g. when violating traffic rules

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Image Analysis (AREA)

Abstract

一种换牌车辆检测方法，包括：通过卡口相机抓拍车辆图片，在该车辆图片中识别车辆检测区域；在所述车辆检测区域内提取包含车牌的车辆描述信息特征；将所述车辆描述信息特征与车管所数据库中的数据进行比对，若比对结果不一致，则相应车辆为换牌车。本发明将交通管制与后端再录数据有效结合，依赖前端相机获取车辆的包含车牌在内的车辆描述信息特征，通过与车管所信息一次比对，判定是否为换牌车辆，高效快速。

Description

换牌车辆检测方法及其系统
技术领域
本发明属于车辆检测技术领域，尤其涉及一种换牌车辆检测方法及其系统。
背景技术
依赖车牌信息进行交通管制的技术，对于交通管制、公路布控、公路收费等内容具有深远的意义。针对目前存在的大量换牌车辆，如何快速高效的识别出换牌车是首先要解决的问题。
进一步的说，如何判定该换牌车为套牌车或者在逃嫌疑车也是急需解决的问题，尤其随着越来越多的交通逃逸事件中，犯罪嫌疑人为逃避捕获，在逃逸途中通过更换车牌，扰乱视野增加抓捕难度，扰乱社会治安。因此，如何独立于车牌实现对嫌疑车辆的跟踪及抓捕，已成为智能交通管理技术研究领域的一个新的挑战。
发明内容
基于此，针对上述技术问题，提供一种换牌车辆检测方法及其系统。
为解决上述技术问题，本发明采用如下技术方案：
一种换牌车辆检测方法，包括：
通过卡口相机抓拍车辆图片，在该车辆图片中识别车辆检测区域；
在所述车辆检测区域内提取包含车牌的车辆描述信息特征；
将所述车辆描述信息特征与车管所数据库中的数据进行比对，若比对结果不一致，则相应车辆为换牌车。
本方案还包括：
提取所述换牌车在多个其他卡口相机所抓拍车辆图片中的车辆描述信息特征；
将来自多个其他卡口的车辆描述信息特征进行比对，若比对结果不一致，则将所述车辆描述信息特征与已布控的黑名单嫌疑车信息库数据进行比对，若比对结果一致，则所述换牌车为在逃嫌疑车，反之，该换牌车为套牌车。
本方案还包括根据所述套牌车或者在逃嫌疑车的车辆描述信息特征，获取其行车轨迹，并预估其逃逸方向。
所述车辆描述信息特征包括结构化特征以及非结构化特征，所述结构化特征包括车牌、车标、车型以及车身颜色，所述非结构化特征包括纹理以及形状。
本方案还涉及一种换牌车辆检测系统，包括：
车辆检测区域识别模块，用于通过卡口相机抓拍车辆图片，在该车辆图片中识别车辆检测区域；
车辆描述信息特征提取模块，用于在所述车辆检测区域内提取包含车牌的车辆描述信息特征；
换牌车比对模块，用于将所述车辆描述信息特征与车管所数据库中的数据进行比对，若比对结果不一致，则相应车辆为换牌车。
本方案还包括换牌车性质检测模块，用于：
提取所述换牌车在多个其他卡口相机所抓拍车辆图片中的车辆描述信息特征；
将来自多个其他卡口的车辆描述信息特征进行比对，若比对结果不一致，则将所述车辆描述信息特征与已布控的黑名单嫌疑车信息库数据进行比对，若比对结果一致，则所述换牌车为在逃嫌疑车，反之，该换牌车为套牌车。
本方案还包括逃逸预估模块，用于根据所述套牌车或者在逃嫌疑车的车辆描述信息特征，获取其行车轨迹，并预估其逃逸方向。
所述车辆描述信息特征包括结构化特征以及非结构化特征，所述结构化特征包括车牌、车标、车型以及车身颜色，所述非结构化特征包括纹理以及形状。
本发明将交通管制与后端再录数据有效结合，依赖前端相机获取车辆的包含车牌在内的车辆描述信息特征，通过与车管所信息一次比对，判定是否为换牌车辆，高效快速；
进一步确认该换牌车的性质时，结合各个卡口特征比对，及数据分析来判定该换牌车为套牌车或者在逃嫌疑车。系统在有效抓捕套牌车辆的同时，也解决肇事逃逸途中因频换更换车牌而引发的目标难定位，捕获困难的问题。
附图说明
下面结合附图和具体实施方式本发明进行详细说明：
图1为本发明的一种换牌车辆检测方法的流程图；
图2为本发明的检测换牌车的性质的原理示意图；
图3为本发明的一种换牌车辆检测系统的结构示意图。
具体实施方式
如图1所示，一种换牌车辆检测方法，包括：
S110、通过卡口相机抓拍车辆图片，在该图片中利用基于harr、acf或深度学习的车辆检测技术识别车辆检测区域内的车辆。
其中，车辆检测区域为在图像中初始设定的一块封闭区域，在该区域内进行车辆检测，该区域以外的范围，不进行车辆检测。
基于Haar特征的检测技术：haar特征为边缘、线性、中心等模板特征，通过不同模板特征的选取与组合和级联分类器来完成特定检测任务。
ACF特征检测技术：ACF(AggregateChannelFeatures)为一种在基于Harr特征的检测技术上改进的快速高效的滑动窗检测器。
基于深度学习的检测技术：利用深层神经网络自主的提取感兴趣区域以及物体特征，端到端的完成整个检测流程。
S120、在车辆检测区域内提取包含车牌的车辆描述信息特征。
对车辆描述信息特征的提取可采用基于深度学习网络的特征提取，亦可采用基于浅层机器学习的方法实现。
基于深度学习网络的特征提取：通过深层网络学习到的特征自主地提取图像特征。
基于浅层机器学习的方法：通过人工设计的手工模板特征以及等效的浅层网络提取图像特征。
S130、将车辆描述信息特征与车管所数据库中的数据进行比对，若比对结果不一致，则相应车辆为换牌车，反之，则进行下一帧车辆图片的检测。
每辆车正规挂牌上路前需在车管库内进行车辆信息登记，在正常情况下应为一车一牌，绝对的一一对应。故基于车牌的车辆描述信息的比对，若出现同车一牌，而车辆的其他描述信息均不一致，则该车为换牌车。
S140、进一步检测换牌车的性质：
如图2所示，提取该换牌车在多个其他卡口相机所抓拍车辆图片中的车辆描述信息特征，参考S120以及S130。
将来自多个其他卡口的车辆描述信息特征进行比对，若比对结果不一致，则将所述车辆描述信息特征与已布控的黑名单嫌疑车信息库数据进行比对，若比对结果一致，则所述换牌车为在逃嫌疑车，反之，该换牌车为套牌车。
S150、逃逸预估：根据套牌车或者在逃嫌疑车的车辆描述信息特征，获取其行车轨迹，并预估其逃逸方向，以进行布控拦截该车辆，以便对该车进行处罚或抓捕。
具体地，若干个卡口相机分别分布在不同的地理位置，形成一个相机抓拍网络，每个卡口相机之间信息是互通的，通过比对技术，就可以获知嫌疑车辆在一段时间内通过哪些卡口相机，将这些点位连接起来，形成车辆在该段时间内的行驶轨迹，通过行驶轨迹，可以预估车辆的逃逸方向。
其中，车辆描述信息特征包括结构化特征以及非结构化特征，结构化特征包括车牌、车标、车型以及车身颜色，非结构化特征包括纹理以及形状。
本发明将交通管制与后端再录数据有效结合，依赖前端相机获取车辆的包含车牌在内的车辆描述信息特征，通过与车管所信息一次比对，判定是否为换牌车辆，高效快速。
进一步确认该换牌车的性质时，结合各个卡口特征比对，及数据分析来判定该换牌车为套牌车或者在逃嫌疑车。系统在有效抓捕套牌车辆的同时，也解决肇事逃逸途中因频换更换车牌而引发的目标难定位，捕获困难的问题。
如图3所示，本发明还涉及一种换牌车辆检测系统，包括车辆检测区域识别模块110、车辆描述信息特征提取模块120、换牌车比对模块130、换牌车性质检测模块140以及逃逸预估模块150。
车辆检测区域识别模块110用于通过卡口相机抓拍车辆图片，在该车辆图片中基于harr、acf或深度学习的车辆检测技术识别车辆检测区域。
车辆描述信息特征提取模块120用于在车辆检测区域内提取包含车牌的车辆描述信息特征。
对车辆描述信息特征的提取可采用基于深度学习网络的特征提取，亦可采用基于浅层机器学习的方法实现。
换牌车比对模块130用于将车辆描述信息特征与车管所数据库中的数据进行比对，若比对结果不一致，则相应车辆为换牌车，反之，则进行下一帧车辆图片的检测。
每辆车正规挂牌上路前需在车管库内进行车辆信息登记，在正常情况下应为一车一牌，绝对的一一对应。故基于车牌的车辆描述信息的比对，若出现同车一牌，而车辆的其他描述信息均不一致，则该车为换牌车。
为了进一步检测换牌车的性质，需换牌车性质检测模块140进行如下处理：
提取所述换牌车在多个其他卡口相机所抓拍车辆图片中的车辆描述信息特征；
将来自多个其他卡口的车辆描述信息特征进行比对，若比对结果不一致，则将所述车辆描述信息特征与已布控的黑名单嫌疑车信息库数据进行比对，若比对结果一致，则所述换牌车为在逃嫌疑车，反之，该换牌车为套牌车。
为了便于处罚或抓捕套牌车或者在逃嫌疑车，逃逸预估模块150根据套牌车或者在逃嫌疑车的车辆描述信息特征，获取其行车轨迹，并预估其逃逸方向，以进行布控拦截该车辆，以便对该车进行处罚或抓捕。
具体地，若干个卡口相机分别分布在不同的地理位置，形成一个相机抓拍网络，每个卡口相机之间信息是互通的，通过比对技术，就可以获知嫌疑车辆在一段时间内通过哪些卡口相机，将这些点位连接起来，形成车辆在该段时间内的行驶轨迹，通过行驶轨迹，可以预估车辆的逃逸方向。
其中，所述车辆描述信息特征包括结构化特征以及非结构化特征，所述结构化特征包括车牌、车标、车型以及车身颜色，所述非结构化特征包括纹理以及形状。
本发明将交通管制与后端再录数据有效结合，依赖前端相机获取车辆的包含车牌在内的车辆描述信息特征，通过与车管所信息一次比对，判定是否为换牌车辆，高效快速。
进一步确认该换牌车的性质时，结合各个卡口特征比对，及数据分析来判定该换牌车为套牌车或者在逃嫌疑车。系统在有效抓捕套牌车辆的同时，也解决肇事逃逸途中因频换更换车牌而引发的目标难定位，捕获困难的问题。
但是，本技术领域中的普通技术人员应当认识到，以上的实施例仅是用来说明本发明，而并非用作为对本发明的限定，只要在本发明的实质精神范围内，对以上所述实施例的变化、变型都将落在本发明的权利要求书范围内。

Claims (8)

1.一种换牌车辆检测方法，其特征在于，包括：
通过卡口相机抓拍车辆图片，在该车辆图片中识别车辆检测区域；
在所述车辆检测区域内提取包含车牌的车辆描述信息特征；
将所述车辆描述信息特征与车管所数据库中的数据进行比对，若比对结果不一致，则相应车辆为换牌车。
2.根据权利要求1所述的一种换牌车辆检测方法，其特征在于，还包括：
提取所述换牌车在多个其他卡口相机所抓拍车辆图片中的车辆描述信息特征；
将来自多个其他卡口的车辆描述信息特征进行比对，若比对结果不一致，则将所述车辆描述信息特征与已布控的黑名单嫌疑车信息库数据进行比对，若比对结果一致，则所述换牌车为在逃嫌疑车，反之，该换牌车为套牌车。
3.根据权利要求2所述的一种换牌车辆检测方法，其特征在于，还包括根据所述套牌车或者在逃嫌疑车的车辆描述信息特征，获取其行车轨迹，并预估其逃逸方向。
4.根据权利要求1或3所述的一种换牌车辆检测方法，其特征在于，所述车辆描述信息特征包括结构化特征以及非结构化特征，所述结构化特征包括车牌、车标、车型以及车身颜色，所述非结构化特征包括纹理以及形状。
5.一种换牌车辆检测系统，其特征在于，包括：
车辆检测区域识别模块，用于通过卡口相机抓拍车辆图片，在该车辆图片中识别车辆检测区域；
车辆描述信息特征提取模块，用于在所述车辆检测区域内提取包含车牌的车辆描述信息特征；
换牌车比对模块，用于将所述车辆描述信息特征与车管所数据库中的数据进行比对，若比对结果不一致，则相应车辆为换牌车。
6.根据权利要求5所述的一种换牌车辆检测系统，其特征在于，还包括换牌车性质检测模块，用于：
提取所述换牌车在多个其他卡口相机所抓拍车辆图片中的车辆描述信息特征；
将来自多个其他卡口的车辆描述信息特征进行比对，若比对结果不一致，则将所述车辆描述信息特征与已布控的黑名单嫌疑车信息库数据进行比对，若比对结果一致，则所述换牌车为在逃嫌疑车，反之，该换牌车为套牌车。
7.根据权利要求6所述的一种换牌车辆检测系统，其特征在于，还包括逃逸预估模块，用于根据所述套牌车或者在逃嫌疑车的车辆描述信息特征，获取其行车轨迹，并预估其逃逸方向。
8.根据权利要求7所述的一种换牌车辆检测系统，其特征在于，所述车辆描述信息特征包括结构化特征以及非结构化特征，所述结构化特征包括车牌、车标、车型以及车身颜色，所述非结构化特征包括纹理以及形状。
CN201610124110.8A 2016-03-04 2016-03-04 换牌车辆检测方法及其系统 Pending CN105551261A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610124110.8A CN105551261A (zh) 2016-03-04 2016-03-04 换牌车辆检测方法及其系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610124110.8A CN105551261A (zh) 2016-03-04 2016-03-04 换牌车辆检测方法及其系统

Publications (1)

Publication Number Publication Date
CN105551261A true CN105551261A (zh) 2016-05-04

Family

ID=55830430

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610124110.8A Pending CN105551261A (zh) 2016-03-04 2016-03-04 换牌车辆检测方法及其系统

Country Status (1)

Country Link
CN (1) CN105551261A (zh)

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106056916A (zh) * 2016-06-23 2016-10-26 安徽时旭智能科技有限公司 一种基于智能交通的换牌车辆检测方法及其系统
CN106571040A (zh) * 2016-10-31 2017-04-19 浙江宇视科技有限公司 一种可疑车辆确认方法及设备
CN106599905A (zh) * 2016-11-25 2017-04-26 杭州中奥科技有限公司 一种基于深度学习的套牌车分析方法
CN107038871A (zh) * 2017-05-11 2017-08-11 姜茂清 一种汽车在互联网中安全与消费智能管理系统
CN107346435A (zh) * 2017-06-15 2017-11-14 浙江捷尚视觉科技股份有限公司 一种基于车辆特征库的嫌疑套牌车捕获方法
CN108022427A (zh) * 2017-10-30 2018-05-11 深圳市赛亿科技开发有限公司 一种套牌车辆的识别方法及系统
CN109214345A (zh) * 2018-09-17 2019-01-15 公安部交通管理科学研究所 基于相似度比对查找换牌车辆的行驶轨迹的方法
CN110609861A (zh) * 2018-05-29 2019-12-24 杭州海康威视数字技术股份有限公司 车辆识别方法、装置、电子设备及存储介质
US10740643B2 (en) 2018-08-28 2020-08-11 Sony Corporation Automatic license plate recognition based on augmented datasets
CN113269011A (zh) * 2020-02-17 2021-08-17 浙江宇视科技有限公司 车辆检测方法、装置、设备及存储介质

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102610102A (zh) * 2012-02-27 2012-07-25 安科智慧城市技术（中国）有限公司 一种嫌疑车辆查控方法及系统
CN103246876A (zh) * 2013-05-10 2013-08-14 苏州祥益网络科技有限公司 基于图像特征比对的车辆套牌识别方法
CN103279756A (zh) * 2013-06-13 2013-09-04 苏州市公安局苏州工业园区分局 基于集成分类器的车辆检测分析系统及其检测分析方法
CN103488973A (zh) * 2013-09-12 2014-01-01 上海依图网络科技有限公司 基于图像的车辆品牌识别方法和系统
CN104700620A (zh) * 2014-03-28 2015-06-10 杭州海康威视数字技术股份有限公司 一种基于交通卡口的套牌车辆识别方法和装置
CN105139659A (zh) * 2015-10-09 2015-12-09 东方网力科技股份有限公司 车牌识别方法与装置
CN105279475A (zh) * 2014-07-15 2016-01-27 贺江涛 一种基于车辆身份识别的套牌车识别的方法与装置
CN105321352A (zh) * 2015-11-16 2016-02-10 深圳市哈工大交通电子技术有限公司 一种机动车遮挡号牌违章行为检测及取证方法

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102610102A (zh) * 2012-02-27 2012-07-25 安科智慧城市技术（中国）有限公司 一种嫌疑车辆查控方法及系统
CN103246876A (zh) * 2013-05-10 2013-08-14 苏州祥益网络科技有限公司 基于图像特征比对的车辆套牌识别方法
CN103279756A (zh) * 2013-06-13 2013-09-04 苏州市公安局苏州工业园区分局 基于集成分类器的车辆检测分析系统及其检测分析方法
CN103488973A (zh) * 2013-09-12 2014-01-01 上海依图网络科技有限公司 基于图像的车辆品牌识别方法和系统
CN104700620A (zh) * 2014-03-28 2015-06-10 杭州海康威视数字技术股份有限公司 一种基于交通卡口的套牌车辆识别方法和装置
CN105279475A (zh) * 2014-07-15 2016-01-27 贺江涛 一种基于车辆身份识别的套牌车识别的方法与装置
CN105139659A (zh) * 2015-10-09 2015-12-09 东方网力科技股份有限公司 车牌识别方法与装置
CN105321352A (zh) * 2015-11-16 2016-02-10 深圳市哈工大交通电子技术有限公司 一种机动车遮挡号牌违章行为检测及取证方法

Cited By (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106056916A (zh) * 2016-06-23 2016-10-26 安徽时旭智能科技有限公司 一种基于智能交通的换牌车辆检测方法及其系统
CN106571040A (zh) * 2016-10-31 2017-04-19 浙江宇视科技有限公司 一种可疑车辆确认方法及设备
CN106599905A (zh) * 2016-11-25 2017-04-26 杭州中奥科技有限公司 一种基于深度学习的套牌车分析方法
CN107038871B (zh) * 2017-05-11 2021-09-10 姜茂清 一种汽车在互联网中消费与安全智能管理系统
CN107038871A (zh) * 2017-05-11 2017-08-11 姜茂清 一种汽车在互联网中安全与消费智能管理系统
CN107346435A (zh) * 2017-06-15 2017-11-14 浙江捷尚视觉科技股份有限公司 一种基于车辆特征库的嫌疑套牌车捕获方法
CN108022427A (zh) * 2017-10-30 2018-05-11 深圳市赛亿科技开发有限公司 一种套牌车辆的识别方法及系统
CN110609861A (zh) * 2018-05-29 2019-12-24 杭州海康威视数字技术股份有限公司 车辆识别方法、装置、电子设备及存储介质
US10740643B2 (en) 2018-08-28 2020-08-11 Sony Corporation Automatic license plate recognition based on augmented datasets
CN109214345A (zh) * 2018-09-17 2019-01-15 公安部交通管理科学研究所 基于相似度比对查找换牌车辆的行驶轨迹的方法
CN109214345B (zh) * 2018-09-17 2022-05-31 公安部交通管理科学研究所 基于相似度比对查找换牌车辆的行驶轨迹的方法
CN113269011A (zh) * 2020-02-17 2021-08-17 浙江宇视科技有限公司 车辆检测方法、装置、设备及存储介质
CN113269011B (zh) * 2020-02-17 2022-10-14 浙江宇视科技有限公司 车辆检测方法、装置、设备及存储介质

Similar Documents

Publication Publication Date Title
CN105551261A (zh) 换牌车辆检测方法及其系统
CN105702048B (zh) 基于行车记录仪的高速公路前车违法占道识别系统及方法
CN202077142U (zh) 一种车载智能视频侦测分析系统
CN103279756B (zh) 基于集成分类器的车辆检测分析系统及其检测分析方法
CN104268596B (zh) 一种车牌识别器及其车牌检测方法与系统
CN105488453B (zh) 一种基于图像处理的驾驶员未系安全带检测识别方法
CN111161543A (zh) 一种基于图像识别的公交前车违章行为自动抓拍方法及系统
CN103914682A (zh) 一种车牌识别方法及系统
CN106097722B (zh) 利用视频进行路侧车位自动化监管的系统和方法
CN101692313A (zh) 基于嵌入式平台的便携式车辆识别装置
CN103544481A (zh) 一种基于人脸识别的道路卡口监控方法及系统
CN108133599A (zh) 一种渣土车视频识别方法及系统
CN103268703A (zh) 公交专用道抓拍系统
CN104537840B (zh) 非法营运出租车辆的检测系统
CN105046966A (zh) 即停即离区域的违章停车行为自动检测系统和方法
CN105184301B (zh) 一种利用四轴飞行器判别车辆方位的方法
CN103647896A (zh) 红外违停智能高速球及其控制方法
CN106780886A (zh) 一种车辆识别系统和车辆进场、出场识别方法
CN110009058A (zh) 一种停车场车牌识别系统及方法
CN103854029A (zh) 一种前车窗右上角点检测方法
CN106056916A (zh) 一种基于智能交通的换牌车辆检测方法及其系统
CN107393311A (zh) 一种车牌篡改识别装置及方法
CN105512662A (zh) 一种无牌车辆检测方法及装置
Ali et al. License plate recognition system
CN104408431A (zh) 交通监控下的车款识别方法

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

Address after: 201201 room 11, building 955, No. 221, Chuansha Road, Shanghai, Pudong New Area

Applicant after: Bocom Intelligent Network Technology Co. Ltd.

Address before: 201201 room 11, building 955, No. 221, Chuansha Road, Shanghai, Pudong New Area

Applicant before: BOCOM Smart Network Technologies Inc.

COR Change of bibliographic data
RJ01 Rejection of invention patent application after publication

Application publication date: 20160504

RJ01 Rejection of invention patent application after publication