CN106096512B - 利用深度摄像头对车辆或行人进行识别的检测装置及方法 - Google Patents
利用深度摄像头对车辆或行人进行识别的检测装置及方法 Download PDFInfo
- Publication number
- CN106096512B CN106096512B CN201610378475.3A CN201610378475A CN106096512B CN 106096512 B CN106096512 B CN 106096512B CN 201610378475 A CN201610378475 A CN 201610378475A CN 106096512 B CN106096512 B CN 106096512B
- Authority
- CN
- China
- Prior art keywords
- depth
- depth image
- camera
- processing unit
- vehicle
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
Abstract
本发明公开的利用深度摄像头对车辆或行人进行识别的检测装置，包括：分布在停车场各个路口处的深度摄像头，深度摄像头获取当前场景中各像素点的深度距离信息，并对深度距离信息进行处理形成深度图像；分别与每一深度摄像头连接的深度图像的控制处理单元，控制处理单元遍历每一帧深度图像中的全部像素点，并对每一帧深度图像进行处理形成与其相对应的深度直方图，判断深度直方图在预计距离范围内是否出现波峰，若判断出现波峰，则对该帧深度图像进行区域分割并进行边缘检测，根据目标特征点的分类和姿态检测方法识别车辆或行人。本发明识别的三维特征更多，识别准确度更高，基本不受环境影响，在夜间及阴雨天气的情况下也可以正常工作。
Description
技术领域
本发明涉及停车场车辆识别系统技术领域，尤其涉及一种利用深度摄像头对车辆或行人进行识别的检测装置及其检测方法。
背景技术
目前市场上在停车场车辆识别系统中应用最多的技术和装置是通过传统的RGB摄像头结合图像处理技术来对停车场内的车辆或行人进行识别，但是这种技术只能获取平面信息，而且传统RGB图像的获取受外界环境光照影响较大，当夜晚或阴雨天外界光照强度不足时就可能导致RGB图像采集出现问题，极受工作环境的约束。另外，传统图像处理技术算法繁琐和体系复杂，不具备简捷快速的特点。
在已知的公知技术中，例如专利申请号为201510645913.3的中国专利申请公开的一种车辆前方行人检测方法及系统，其包括图像获取与预处理步骤、图像缩放步骤、LBP与HOG特征提取步骤、目标区域提取步骤、目标识别步骤、目标融合及预警步骤以及在车辆前方有行人时及时提示驾驶员步骤。通过将LBP特征和HOG特征联合使用，有效地在整体上提高行人检测的准确率。另外，在已知的公知技术中，基于车辆特征识别车辆的方法需依靠车辆自身明显的特征，作为已知的知识作用于对车辆进行检测。在进行车辆检测时，常用的特征是对称性、阴影、边缘等。车辆在较好光照条件下，其底部留下的阴影区域的亮度明显不同于图像其他部分，不过这种区别也仅限于确定车辆大致的位置和车辆宽度。根据车辆的对称性，可以利用这一特点从对称映射图中得到车辆的位置。利用车辆边缘的特点可以将车辆从原图像中很好地分割出来，从而实现基于车辆特征对车辆进行识别的功能。
深度摄像头是通过调制红外光测量目标区域三维深度距离信息成像的摄像头，通常应用于测距、监控设备中。深度摄像头应用一款新型光测距传感器，由发射器发射调制到特定频率的红外光信号，接收器接收目标物的反射光，测量光脉冲之间的相位差计算传输时间，从而算出目标物和摄像头之间的距离，即单像素点的三维深度信息。由多像素单元按照阵列排列构成类似CMOS相机的多像素点深度摄像头，用于测量场景中各像素点到摄像头的深度距离信息。场景中各点相对于摄像头的距离用深度图像(Depth Map)来表示，即深度图像中的每一个像素值表示场景中某一点与摄像机之间的距离，主要用于计算机视觉系统处理中。
深度摄像头除了能够获取深度图像，还可以获取拍摄对象的深度信息，也就是三维图像的位置和尺寸信息，于是整个计算系统就获得了环境和对象的三维立体数据。
据此，本申请人基于深度摄像头的工作原理进行了有益的探索和尝试，找到了解决上述问题的办法，下面将要介绍的技术方案便是在这种背景下产生的。
发明内容
本发明所要解决的技术问题之一在于：针对现有的图像处理技术存在只能获取平面信息、受环境影响较大、算法繁琐、体系复杂、不具备简捷快速的特定等问题，而提供一种识别准确度高、基本不受环境的影响、算法更加简捷、计算量更低、更加高效准确的利用深度摄像头对车辆或行人进行识别的检测装置。
本发明所要解决的技术问题之二在于：提供一种上述利用深度摄像头对车辆或行人进行识别的检测装置的检测方法。
作为本发明第一方面的一种利用深度摄像头对车辆或行人进行识别的检测装置，包括：
分布在停车场各个路口处的深度摄像头，所述深度摄像头获取当前场景中各像素点的深度距离信息，并对深度距离信息进行处理形成深度图像；
分别与每一深度摄像头连接且用于接收所述深度摄像头传送过来的深度图像的控制处理单元，所述控制处理单元遍历每一帧深度图像中的全部像素点，并对每一帧深度图像进行处理形成与其相对应的深度直方图，判断所述深度直方图在预计距离范围内是否出现波峰，若判断出现波峰，则对该帧深度图像进行区域分割并进行边缘检测，根据目标特征点的分类和姿态检测方法识别车辆或行人。
在本发明的一个优选实施例中，所述控制处理单元在接收所述深度摄像头传送过来的深度图像后，通过中值滤波方法对所述深度图像进行噪声阀值处理，防止因噪声导致的误判出现。
在本发明的一个优选实施例中，每一深度摄像头通过无线通讯的方式与所述控制处理单元连接。
在本发明第二方面的上述利用深度摄像头对车辆或行人进行识别的检测装置的检测方法，包括以下步骤：
步骤S1，控制处理单元控制每一深度摄像头获取当前场景中各像素点的深度距离信息，深度摄像头对深度距离信息进行处理形成深度图像，并将深度图像传送至控制处理单元；
步骤S2，控制处理单元接收每一深度摄像头传送过来的深度图像，并遍历每一帧深度图像的全部像素点，对每一帧深度图像进行处理形成深度直方图，然后判读深度直方图在预计距离范围内是否出现波峰，若判断出现波峰，则进入步骤S3，否则返回步骤S1；
步骤S3，对出现波峰的深度直方图所对应的深度图像进行区域分割，并将目标区域与背景分离后进行边缘检测，检测得到深度图像的全部目标特征点；
步骤S4，根据目标特征点的分类和姿态检测方法识别出车辆或行人。
在本发明的一个优选实施例中，在所述步骤S2中，还包括：控制处理单元在接收所述深度摄像头传送过来的深度图像后，通过中值滤波方法对所述深度图像进行噪声阀值处理，防止因噪声导致的误判出现。
在本发明的一个优选实施例中，在所述步骤S4中，所述根据目标特征点的分类和姿态检测方法识别出车辆或行人，包括以下子步骤：
步骤S41，所述控制处理单元通过遍历和比较获取深度图像中目标区域的最高像素点、最低像素点、最左像素点以及最右像素点；
步骤S42，根据步骤S41获取到的深度图像中目标区域的最高像素点、最低像素点、最左像素点以及最右像素点，通过运算获取深度图像像素点的高度和宽度距离；
步骤S43，根据目标物体与深度摄像头的垂直距离和深度摄像头水平视角，结合三角函数定律推算出深度图像中目标区域的实际高度和宽度；
步骤S44，根据步骤S43推算出的深度图像中目标区域的实际高度和宽度与车辆和行人设定不同的阀值进行比较，从而识别出目标物体是车辆还是行人。
本发明采用深度摄像头获取停车场内当前场景中多像素点的深度距离信息，可实时3D再现周围环境，从而对目标区域进行监控，通过控制处理单元实现高效可靠的对车辆或行人轮廓和移动特征进行识别，判断目标区域中的车辆和行人。
本发明与传统的RGB摄像头相比，具有以下几方面的优点：
1、深度摄像头提供场景深度距离信息，识别的三维特征更多，识别准确度更高；
2、深度摄像头获取场景深度距离信息基本不受环境影响，在夜间及阴雨天气的情况下也可以正常工作；
3、在计算机视觉算法方面，利用深度摄像头抓取场景深度距离设计算法更加简捷，计算量更低，更加高效准确。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本发明的深度摄像头的工作状态示意图。
图2是本发明的工作流程图。
具体实施方式
为了使本发明实现的技术手段、创作特征、达成目的与功效易于明白了解，下面结合具体图示，进一步阐述本发明。
本发明的一种利用深度摄像头对车辆或行人进行识别的检测装置，参见图1，包括分布在停车场各个路口处的深度摄像头100以及控制处理单元200，每一深度摄像头100分别通过有线通讯的方式或无线通讯的方式与控制处理单元200连接。
参见图2，本发明的利用深度摄像头对车辆或行人进行识别的检测装置的检测方法，包括以下步骤：
步骤10，控制处理单元200控制每一深度摄像头100获取当前场景中各像素点的深度距离信息，深度摄像头100对深度距离信息进行处理形成深度图像，并将深度图像传送至控制处理单元200；
步骤20，控制处理单元200接收每一深度摄像头100传送过来的深度图像，并通过中值滤波方法对接收到的深度图像进行噪声阀值处理，防止因噪声导致的误判出现；
步骤30，控制处理单元200对噪声阀值处理后的每一帧深度图像的全部像素点进行遍历，然后对每一帧深度图像进行处理形成深度直方图，判读深度直方图在预计距离范围内是否出现波峰，若判断出现波峰，则证明获取场景中有车辆或者行人正在经过，进入步骤40，否则返回步骤10；
步骤40，对出现波峰的深度直方图所对应的深度图像进行区域分割，并将目标区域与背景分离后进行边缘检测，检测得到深度图像的全部目标特征点；
步骤50，根据目标特征点的分类和姿态检测方法识别出车辆或行人。在步骤50中，其包括以下子步骤：
步骤51，所述控制处理单元通过遍历和比较获取深度图像中目标区域的最高像素点depthPixelTop、最低像素点depthPixelBottom、最左像素点depthPixelLeft以及最右像素点depthPixelRight；
步骤52，根据步骤51获取到的深度图像中目标区域的最高像素点depthPixelTop、最低像素点depthPixelBottom、最左像素点depthPixelLeft以及最右像素点depthPixelRight，通过以下公式(1)和公式(2)运算获取深度图像像素点的高度距离depthPixelHeight和深度图像像素点的宽度距离depthPixelWidth；
depthPixelHeight＝ABS(depthPixelTop-depthPixelBottom)(1)
depthPixelWidth＝ABS(depthPixelLeft-depthPixelRight)(2)
步骤53，根据目标物体与深度摄像头的垂直距离d和深度摄像头水平视角θ，结果三角函数定律即公式(3)、(4)、(5)和(6)可以推算目标区域的实际高度Hr和宽度Wr，如图1所示，其中b表示用户所在有效视程的横截面实际宽度的1/2；
将公式(3)、(4)联立，即可推算出目标的实际宽度Wr。
进而，可以推导出每个深度图像帧像素宽度对应的实际宽度OnePixelWidth：
最后，可以计算出目标的实际高度Hr。
Hr＝OnePixelWidth·depthPixelHeight (6)
步骤54，根据步骤53推算出的深度图像中目标区域的实际高度和宽度与车辆和行人设定不同的阀值进行比较，从而识别出目标物体是车辆还是行人。此外，由于车辆的轮廓是固定不变的，而行人在行走或活动过程中会随时发生姿势的变化，因此可以根据连续多帧的轮廓姿态，进一步判断区分车辆和行人，提高识别和判断的准确率。
本发明采用深度摄像头获取停车场内当前场景中多像素点的深度距离信息，可实时3D再现周围环境，从而对目标区域进行监控，通过控制处理单元实现高效可靠的对车辆或行人轮廓和移动特征进行识别，判断目标区域中的车辆和行人。
以上显示和描述了本发明的基本原理和主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。
Claims (4)
1.一种利用深度摄像头对车辆或行人进行识别的检测装置，其特征在于，包括：
分布在停车场各个路口处的深度摄像头，所述深度摄像头获取当前场景中各像素点的深度距离信息，并对深度距离信息进行处理形成深度图像；
分别与每一深度摄像头连接且用于接收所述深度摄像头传送过来的深度图像的控制处理单元，所述控制处理单元遍历每一帧深度图像中的全部像素点，并对每一帧深度图像进行处理形成与其相对应的深度直方图，判断所述深度直方图在预计距离范围内是否出现波峰，若判断出现波峰，则对该帧深度图像进行区域分割并进行边缘检测，根据目标特征点的分类和姿态检测方法识别车辆或行人；
所述的利用深度摄像头对车辆或行人进行识别的检测装置的检测方法，包括以下步骤：
步骤S1，控制处理单元控制每一深度摄像头获取当前场景中各像素点的深度距离信息，深度摄像头对深度距离信息进行处理形成深度图像，并将深度图像传送至控制处理单元；
步骤S2，控制处理单元接收每一深度摄像头传送过来的深度图像，并遍历每一帧深度图像的全部像素点，对每一帧深度图像进行处理形成深度直方图，然后判读深度直方图在预计距离范围内是否出现波峰，若判断出现波峰，则进入步骤S3，否则返回步骤S1；
步骤S3，对出现波峰的深度直方图所对应的深度图像进行区域分割，并将目标区域与背景分离后进行边缘检测，检测得到深度图像的全部目标特征点；
步骤S4，根据目标特征点的分类和姿态检测方法识别出车辆或行人；
在所述步骤S4中，所述根据目标特征点的分类和姿态检测方法识别出车辆或行人，包括以下子步骤：
步骤S41，所述控制处理单元通过遍历和比较获取深度图像中目标区域的最高像素点、最低像素点、最左像素点以及最右像素点；
步骤S42，根据步骤S41获取到的深度图像中目标区域的最高像素点、最低像素点、最左像素点以及最右像素点，通过运算获取深度图像像素点的高度和宽度距离；
步骤S43，根据目标物体与深度摄像头的垂直距离和深度摄像头水平视角，结合三角函数定律推算出深度图像中目标区域的实际高度和宽度；
步骤S44，根据步骤S43推算出的深度图像中目标区域的实际高度和宽度与车辆和行人设定不同的阀值进行比较，从而识别出目标物体是车辆还是行人。
2.如权利要求1所述的利用深度摄像头对车辆或行人进行识别的检测装置，其特征在于，所述控制处理单元在接收所述深度摄像头传送过来的深度图像后，通过中值滤波方法对所述深度图像进行噪声阀值处理，防止因噪声导致的误判出现。
3.如权利要求1所述的利用深度摄像头对车辆或行人进行识别的检测装置，其特征在于，每一深度摄像头通过无线通讯的方式与所述控制处理单元连接。
4.如权利要求1所述的利用深度摄像头对车辆或行人进行识别的检测装置，其特征在于，在所述步骤S2中，还包括：控制处理单元在接收所述深度摄像头传送过来的深度图像后，通过中值滤波方法对所述深度图像进行噪声阀值处理，防止因噪声导致的误判出现。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610378475.3A CN106096512B (zh) | 2016-05-31 | 2016-05-31 | 利用深度摄像头对车辆或行人进行识别的检测装置及方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610378475.3A CN106096512B (zh) | 2016-05-31 | 2016-05-31 | 利用深度摄像头对车辆或行人进行识别的检测装置及方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN106096512A CN106096512A (zh) | 2016-11-09 |
| CN106096512B true CN106096512B (zh) | 2020-08-25 |
Family
ID=57229702
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201610378475.3A Active CN106096512B (zh) | 2016-05-31 | 2016-05-31 | 利用深度摄像头对车辆或行人进行识别的检测装置及方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN106096512B (zh) |
Families Citing this family (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US10419741B2 (en) * | 2017-02-24 | 2019-09-17 | Analog Devices Global Unlimited Company | Systems and methods for compression of three dimensional depth sensing |
| CN109426771A (zh) * | 2017-08-24 | 2019-03-05 | 日立汽车系统株式会社 | 对车辆周围的小物体区域进行识别的装置和方法 |
| CN108335325A (zh) * | 2018-01-30 | 2018-07-27 | 上海数迹智能科技有限公司 | 一种基于深度相机数据的立方体快速测量方法 |
| CN109165591B (zh) * | 2018-08-16 | 2020-10-09 | 大连民族大学 | 道路行人分类方法 |
| CN110853127A (zh) * | 2018-08-20 | 2020-02-28 | 浙江宇视科技有限公司 | 图像处理方法、装置及设备 |
| CN110260839B (zh) * | 2019-04-27 | 2020-02-07 | 绿桥(泰州)生态修复有限公司 | 目标间距测量系统 |
| CN111931638B (zh) * | 2020-08-07 | 2023-06-20 | 华南理工大学 | 一种基于行人重识别的局部复杂区域定位系统及方法 |
| CN111899294B (zh) * | 2020-09-30 | 2021-05-11 | 歌尔光学科技有限公司 | 物体检测方法、物体检测装置以及物体检测系统 |
| CN113065397B (zh) * | 2021-03-02 | 2022-12-23 | 南京苏宁软件技术有限公司 | 行人检测方法及装置 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102316307A (zh) * | 2011-08-22 | 2012-01-11 | 安防科技（中国）有限公司 | 一种道路交通视频检测方法及装置 |
| JP4995555B2 (ja) * | 2006-12-13 | 2012-08-08 | 富士通テン株式会社 | 画像処理装置 |
| CN103679121A (zh) * | 2012-09-14 | 2014-03-26 | 株式会社理光 | 采用视差图像检测路边的方法及系统 |
| CN103971380A (zh) * | 2014-05-05 | 2014-08-06 | 中国民航大学 | 基于rgb-d的行人尾随检测方法 |
| CN103996199A (zh) * | 2014-03-26 | 2014-08-20 | 北京大学深圳研究生院 | 一种基于深度信息的运动检测方法 |
| CN104050712A (zh) * | 2013-03-15 | 2014-09-17 | 索尼公司 | 三维模型的建立方法和装置 |
| CN104751491A (zh) * | 2015-04-10 | 2015-07-01 | 中国科学院宁波材料技术与工程研究所 | 一种人群跟踪及人流量统计方法及装置 |
-
2016
- 2016-05-31 CN CN201610378475.3A patent/CN106096512B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP4995555B2 (ja) * | 2006-12-13 | 2012-08-08 | 富士通テン株式会社 | 画像処理装置 |
| CN102316307A (zh) * | 2011-08-22 | 2012-01-11 | 安防科技（中国）有限公司 | 一种道路交通视频检测方法及装置 |
| CN103679121A (zh) * | 2012-09-14 | 2014-03-26 | 株式会社理光 | 采用视差图像检测路边的方法及系统 |
| CN104050712A (zh) * | 2013-03-15 | 2014-09-17 | 索尼公司 | 三维模型的建立方法和装置 |
| CN103996199A (zh) * | 2014-03-26 | 2014-08-20 | 北京大学深圳研究生院 | 一种基于深度信息的运动检测方法 |
| CN103971380A (zh) * | 2014-05-05 | 2014-08-06 | 中国民航大学 | 基于rgb-d的行人尾随检测方法 |
| CN104751491A (zh) * | 2015-04-10 | 2015-07-01 | 中国科学院宁波材料技术与工程研究所 | 一种人群跟踪及人流量统计方法及装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN106096512A (zh) | 2016-11-09 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN106096512B (zh) | 利用深度摄像头对车辆或行人进行识别的检测装置及方法 | |
| JP3822515B2 (ja) | 障害物検知装置及びその方法 | |
| CN107272021B (zh) | 使用雷达和视觉定义的图像检测区域的对象检测 | |
| US9721460B2 (en) | In-vehicle surrounding environment recognition device | |
| US8634593B2 (en) | Pixel-based texture-less clear path detection | |
| US8890951B2 (en) | Clear path detection with patch smoothing approach | |
| US8452053B2 (en) | Pixel-based texture-rich clear path detection | |
| US9818301B2 (en) | Lane correction system, lane correction apparatus and method of correcting lane | |
| US8670592B2 (en) | Clear path detection using segmentation-based method | |
| US8611585B2 (en) | Clear path detection using patch approach | |
| US8699754B2 (en) | Clear path detection through road modeling | |
| US8332134B2 (en) | Three-dimensional LIDAR-based clear path detection | |
| Hautière et al. | Real-time disparity contrast combination for onboard estimation of the visibility distance | |
| KR101364727B1 (ko) | 촬영된 영상의 처리를 이용한 안개 감지 방법 및 장치 | |
| JP5591730B2 (ja) | 環境認識装置 | |
| KR20160137247A (ko) | 횡단보도 인식 결과를 이용한 안내 정보 제공 장치 및 방법 | |
| KR102021152B1 (ko) | 원적외선 카메라 기반 야간 보행자 인식 방법 | |
| CN104657735A (zh) | 车道线检测方法、系统、车道偏离预警方法及系统 | |
| JP2006268097A (ja) | 車載物体検出装置、および物体検出方法 | |
| Lin et al. | Lane departure and front collision warning using a single camera | |
| KR101191308B1 (ko) | 지능형 운송 시스템의 도로 및 차선 검출 시스템 및 방법 | |
| WO2018008461A1 (ja) | 画像処理装置 | |
| US20220366700A1 (en) | Object recognition device | |
| US11055542B2 (en) | Crosswalk marking estimating device | |
| KR101264282B1 (ko) | 관심영역 설정을 이용한 도로상 차량의 검출방법 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| C41 | Transfer of patent application or patent right or utility model | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20161213 Address after: 200241 Dongchuan Road, Shanghai, No. 555, building 302C, floor, No. Applicant after: MEDIASOC TECHNOLOGIES Co.,Ltd. Applicant after: SHANGHAI DATA MIRACLE INTELLIGENT TECHNOLOGY CO.,LTD. Address before: 200241 Dongchuan Road, Shanghai, No. 555, building 302C, floor, No. Applicant before: MEDIASOC TECHNOLOGIES Co.,Ltd. |
|
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20230731 Address after: 201100 Room 602A, Building 4, No. 555, Dongchuan Road, Minhang District, Shanghai Patentee after: MEDIASOC TECHNOLOGIES Co.,Ltd. Address before: 200241 302C, Building D, 555 Dongchuan Road, Minhang District, Shanghai Patentee before: MEDIASOC TECHNOLOGIES Co.,Ltd. Patentee before: SHANGHAI DATA MIRACLE INTELLIGENT TECHNOLOGY CO.,LTD. |
|
| TR01 | Transfer of patent right |