CN106815560B - 一种应用于自适应驾座的人脸识别方法 - Google Patents

一种应用于自适应驾座的人脸识别方法 Download PDF

Info

Publication number
CN106815560B
CN106815560B CN201611197191.0A CN201611197191A CN106815560B CN 106815560 B CN106815560 B CN 106815560B CN 201611197191 A CN201611197191 A CN 201611197191A CN 106815560 B CN106815560 B CN 106815560B
Authority
CN
China
Prior art keywords
face
image
face recognition
identity
head portrait
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
CN201611197191.0A
Other languages
English (en)
Other versions
CN106815560A (zh
Inventor
黄文恺
朱静
詹欣国
陈文达
何俊峰
江吉昌
韩晓英
吴羽
伍冯洁
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.)
China Southern Power Grid Internet Service Co ltd
Ourchem Information Consulting Co ltd
Original Assignee
Guangzhou University
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 Guangzhou University filed Critical Guangzhou University
Priority to CN201611197191.0A priority Critical patent/CN106815560B/zh
Publication of CN106815560A publication Critical patent/CN106815560A/zh
Application granted granted Critical
Publication of CN106815560B publication Critical patent/CN106815560B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G06V40/172—Classification, e.g. identification
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/22—Matching criteria, e.g. proximity measures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/50—Extraction of image or video features by performing operations within image blocks; by using histograms, e.g. histogram of oriented gradients [HoG]; by summing image-intensity values; Projection analysis
    • 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
    • G06V20/59—Context or environment of the image inside of a vehicle, e.g. relating to seat occupancy, driver state or inner lighting conditions
    • G06V20/593—Recognising seat occupancy
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16—Human faces, e.g. facial parts, sketches or expressions
    • G06V40/168—Feature extraction; Face representation

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Health & Medical Sciences (AREA)
  • Data Mining & Analysis (AREA)
  • Human Computer Interaction (AREA)
  • General Health & Medical Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Collating Specific Patterns (AREA)
  • Image Analysis (AREA)

Abstract

本发明提供了一种应用于自适应驾座的人脸识别方法，步骤为：加载人脸身份特征头像库；创建人脸识别模型，训练已加载的人脸识别库；在摄像头中获取视频图像；用级联分类器检测视频图像中是否包括人脸特征信息；若包含则将人脸部分提取出来，生成人脸图像；将所提取的特征头像进行尺寸归一化，并进行直方图均衡化处理；利用二维离散快速傅里叶变换将人脸图像从空间域变换到频率域，进行特征提取；将提取的特征放在人脸识别库中进行比对，若相似度高于预设阈值，则输出预测的身份标签，确认乘客身份，启动自适应驾座；否则询问是否录入人脸身份。本发明应用于无人车辅助驾驶系统，配合自适应驾座，能准确、高效、快捷进行人脸识别。

Description

一种应用于自适应驾座的人脸识别方法
技术领域
本发明涉及人脸识别领域和车辆辅助驾驶系统领域，具体涉及一种应用于自适应驾座的人脸识别方法。
背景技术
人脸识别，是基于人的脸部特征信息进行身份识别的一种生物识别技术。用摄像机或摄像头采集含有人脸的图像或视频流，并自动在图像中检测和跟踪人脸，进而对检测到的人脸进行脸部的一系列相关图像处理技术，通常也叫做人像识别、面部识别。目前人脸识别技术应用越来越普遍，但是现有技术中的人脸识别技术还存在着技术缺陷，如受环境影响大、容易被照片欺骗、不适合人脸的自然变化，造成识别率不够高等问题。
人脸识别依赖于人脸特征的提取。在人脸识别的过程中，主要包括人脸图像的匹配和识别过程，就是将提取到的待识别的人脸特征与已得到的存储在数据库中的人脸特征模版进行匹配，根据相似程度对人脸图像的身份信息进行判断。因此，能够提取到准确而丰富的人脸特征对于人脸识别的结果具有重要影响。
发明内容
为了解决现有技术所存在的问题，本发明提供一种人脸识别方法，应用于无人车辅助驾驶系统，能高效、快捷识别出乘客的身份信息。
本发明应用于自适应驾座的人脸识别方法，包括以下步骤：
S1：加载人脸身份特征头像库；
S2：创建人脸识别模型，训练已加载的人脸识别库；
S3：在摄像头中获取视频图像；
S4：用级联分类器检测视频图像中是否包括人脸特征信息；
S5：若不存在人脸特征信息，则返回步骤S3；若存在人脸特征信息，则将人脸部分提取出来，生成人脸图像，作为特征头像；
S6：将所提取的特征头像进行尺寸归一化；
S7：对归一化后的特征头像进行直方图均衡化处理；
S8：利用二维离散快速傅里叶变换将人脸图像从空间域变换到频率域，进行特征提取；
S9：将提取的特征放在人脸识别库中进行比对，若相似度高于预设阈值，则输出预测的身份标签，确认乘客身份，启动自适应驾座；否则，若相似度低于预设阈值，询问是否录入人脸身份；
S10：若不录入人脸身份，则返回步骤S3；若需要录入人脸身份，则对经过处理的人脸头像进行尺寸归一化，并保存至人脸身份特征头像库。
与现有技术相比，本发明具有如下优点和有益效果：
1、从摄像头中获取视频图像时，在视频中获取每秒60帧的视频流，提取RGB三通道图像，计算统计各个像素点分布的情况，大致将像素点区域范围分类，并进行比对，根据相似度适当提取其中的几帧作为样本图像。与传统的将每一帧都作为样本图像进行处理相比，更加高效、快捷。
2、提取特征前，首先将人脸图像经过直方图均衡化处理，使灰度图中各灰度级分布均匀；然后利用二维离散快速傅里叶变换将人脸图像从空间域变换到频率域，可以在简单的振幅谱中提取特征，计算方便，提高效率。
3、应用于无人车辅助驾驶系统，配合自适应驾座，能准确进行人脸识别。当乘客的身份得到确认时，启动自适应驾座，调整驾座的位置及姿势，以适应乘客的身形以及坐姿，为乘客提供较舒适的体验。
4、借助光照传感器，接收光照传感器传来的光照强度值以调整视频图像的白平衡、对比度以及整体亮度，进一步的降低外部光照对识别的影响。
附图说明
图1是本发明的人脸识别结构示意图；
图2是本发明的人脸识别流程示意图。
具体实施方式
下面结合说明书附图和实施例对本发明做进一步详细的描述，但本发明的实施方式不限于此。
实施例
参见图1，本发明应用于自适应驾座，在结构上包括依次连接的视频获取模块101、人脸识别模块102、上位机控制模块103和录入库功能模块104，其中视频获取模块采用摄像头；如图2所示，其人脸识别过程具体包括以下步骤：
S1：加载人脸身份特征头像库；
S2：创建人脸识别模型，训练已加载的人脸识别库；
可通过IO设备或蓝牙、WIFI等发出指令，将捕捉到的人脸录入人脸识别库中，并添加一个身份标签号。此外，还可记忆此时座椅的位置及姿势，并将位置及姿势封装至人脸识别库中。
S3：在摄像头中获取视频图像；
本步骤需要从视频流中获取视频图像，计算统计各个像素点分布的情况，大致将像素点区域范围分类。获取视频图像时，是从视频流中提取RGB三通道图像，拥有24位的颜色模式。而提取特征头像时，则以灰度模式进行提取，只有8位颜色深度的图像，无需再经过对图像进行灰度处理，减少了计算量，提高检测效率。
在摄像头中提取视频图像，可以这样操作：摄像头每一秒获取到60帧的视频资源，组成视频流，将视频流中的图像如数提取，用事先定义好的Mat类向量承载，比对60张图像，根据比对结果进行提取：当所有图像相似度达到93％以上时，仅提取第1帧、第30帧及第60帧作为样本图像进入后续处理；当不是所有图像的相似度均达到93％时，选取其中相似度达到98％或以上的帧数，并提取其中一帧作为样本图像，剩余相似度低于98％的图像都被提取为样本图像进入后续处理。
当某一秒的图像出现失真现象时，对每一帧进行轮廓提取，实际操作为掏空内部点，如果原图中有一点为某一种颜色，且它的8个相邻点都是这种颜色时(此时该点是内部点)，则将该点删除。并将所有帧数图像中相同位置的像素点的数值进行自适应加权平均：求取各组数据的均值和标准差，计算各组数据和标准差之间的模糊贴近度，根据模糊贴近度分配权重，得出相对权重。并根据相对权重计算加权均值。将所有的加权均值放入Mat类向量中，得出平均向量作为样本图像进入后续处理。
本发明可在摄像头旁添加光照传感器，以精确测出摄像头所接收到的光照强度，利用测得的光照强度值，对实时接收到的视频图像在一定范围内调整，调整的参数包括：白平衡、对比度以及整体亮度。
S4：用级联分类器检测视频图像中是否包括人脸特征信息；
S5：若不存在人脸特征信息，则返回步骤S3；若存在人脸特征信息，则将人脸部分提取出来，生成人脸图像，作为特征头像；
本实施例以灰度模式提取8位颜色深度的图像。
S6：将所提取的特征头像进行尺寸归一化；可将特征头像的尺寸归一化为1*1的图像。
S7：进行直方图均衡化处理，减小室外光照对识别率的影响；其中，直方图均衡化处理的过程如下：
-统计原始图像的所有灰度级和各个灰度级的像素数；
-计算原始图像的直方图与累积直方图；
-计算局部对比度实现均衡化并得出新的直方图。
S8：利用二维离散快速傅里叶变换将人脸图像从空间域变换到频率域，进行特征提取。
可在变换域(即频率域)中实现图像增强，步骤如下：首先计算人脸图像的傅里叶变换S(u，v)，将傅里叶变换S(u，v)与一个预先设计的转移函数Y(u，v)相乘，再将相乘结果H(u，v)傅里叶反变换得到增强后的图像。转移函数Y需要根据想要的增强效果进行设计，例如要实现平滑滤波，则使用n阶BLPF转移函数Y(u,v)＝1/1+[D(u,v)/Do]2n，其中Do为截断频率。
S9：将提取的特征放在人脸识别库中进行比对，人脸识别库设在人脸识别模块102中，若相似度高于预设阈值，则输出预测的身份标签，确认乘客身份，启动自适应驾座；否则，若相似度低于预设阈值，询问是否录入人脸身份。
S10：若返回否，即不录入人脸身份，则返回步骤S3；若返回是，即需要录入人脸身份，则对经过处理的人脸头像进行尺寸归一化，并保存至人脸身份特征头像库，所述人脸身份特征头像库设置于录入库功能模块104中。
在将经过处理的人脸头像保存至人脸身份特征头像库前，将经过处理的人脸头像放入人脸身份特征头像库中进行比对，若出现相似度高于阈值时，放弃将此头像录入库中。
上述实施例为本发明较佳的实施方式，但本发明的实施方式并不受上述实施例的限制，其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化，均应为等效的置换方式，都包含在本发明的保护范围之内。

Claims (6)

1.一种应用于自适应驾座的人脸识别方法，其特征在于，包括以下步骤：
S1：加载人脸身份特征头像库；
S2：创建人脸识别模型，训练已加载的人脸识别库；
S3：在摄像头中获取视频图像；
S4：用级联分类器检测视频图像中是否包括人脸特征信息；
S5：若不存在人脸特征信息，则返回步骤S3；若存在人脸特征信息，则将人脸部分提取出来，生成人脸图像，作为特征头像；
S6：将所提取的特征头像进行尺寸归一化；
S7：对归一化后的特征头像进行直方图均衡化处理；
S8：利用二维离散快速傅里叶变换将人脸图像从空间域变换到频率域，进行特征提取；
S9：将提取的特征放在人脸识别库中进行比对，若相似度高于预设阈值，则输出预测的身份标签，确认乘客身份，启动自适应驾座；否则，若相似度低于预设阈值，询问是否录入人脸身份；
S10：若不录入人脸身份，则返回步骤S3；若需要录入人脸身份，则对经过处理的人脸头像进行尺寸归一化，并保存至人脸身份特征头像库；
所述步骤S3获取视频图像的过程为：摄像头每一秒获取到60帧的视频资源，组成视频流，将视频流中的图像如数提取，用事先定义好的Mat类向量承载，比对60张图像，根据比对结果进行提取：当所有图像相似度达到93％以上时，仅提取第1帧、第30帧及第60帧作为样本图像进入后续处理；当不是所有图像的相似度均达到93％时，选取其中相似度达到98％或以上的帧数，并提取其中一帧作为样本图像，剩余相似度低于98％的图像都被提取为样本图像进入后续处理。
2.根据权利要求1所述的应用于自适应驾座的人脸识别方法，其特征在于，所述步骤S3获取视频图像过程中，当某一秒的图像出现失真现象时，对每一帧进行轮廓提取；并将所有帧数图像中相同位置的像素点的数值进行自适应加权平均：求取各组数据的均值和标准差，计算各组数据和标准差之间的模糊贴近度，根据模糊贴近度分配权重，得出相对权重；并根据相对权重计算加权均值，将所有的加权均值放入Mat类向量中，得出平均向量作为样本图像进入后续处理。
3.根据权利要求1所述的应用于自适应驾座的人脸识别方法，其特征在于，步骤S3所述摄像头旁设有用于测量摄像头所接收到的光照强度值的光照传感器。
4.根据权利要求1所述的应用于自适应驾座的人脸识别方法，其特征在于，步骤S7所述直方图均衡化处理的过程为：
-统计原始图像的所有灰度级和各个灰度级的像素数；
-计算原始图像的直方图与累积直方图；
-计算局部对比度实现均衡化并得出新的直方图。
5.根据权利要求1所述的应用于自适应驾座的人脸识别方法，其特征在于，步骤S8还在频率域中实现图像增强：首先计算人脸图像的傅里叶变换S(u，v)，将傅里叶变换S(u，v)与一个预先设计的转移函数Y(u，v)相乘，再将相乘结果H(u，v)傅里叶反变换得到增强后的图像。
6.根据权利要求5所述的应用于自适应驾座的人脸识别方法，其特征在于，步骤S8在频率域中对图像进行平滑滤波，所述转移函数Y使用n阶BLPF转移函数Y(u,v)＝1/1+[D(u,v)/Do]2n，其中Do为截断频率。
CN201611197191.0A 2016-12-22 2016-12-22 一种应用于自适应驾座的人脸识别方法 Active CN106815560B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201611197191.0A CN106815560B (zh) 2016-12-22 2016-12-22 一种应用于自适应驾座的人脸识别方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201611197191.0A CN106815560B (zh) 2016-12-22 2016-12-22 一种应用于自适应驾座的人脸识别方法

Publications (2)

Publication Number Publication Date
CN106815560A CN106815560A (zh) 2017-06-09
CN106815560B true CN106815560B (zh) 2021-03-12

Family

ID=59109245

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201611197191.0A Active CN106815560B (zh) 2016-12-22 2016-12-22 一种应用于自适应驾座的人脸识别方法

Country Status (1)

Country Link
CN (1) CN106815560B (zh)

Families Citing this family (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107831555A (zh) * 2017-08-03 2018-03-23 朱桂湘 一种家居生活中智能安检方法
CN109481170A (zh) * 2017-09-11 2019-03-19 四川金瑞麒智能科学技术有限公司 一种轮椅控制系统、方法及计算机可读存储介质
CN107578025A (zh) * 2017-09-15 2018-01-12 赵立峰 一种驾驶员识别方法及系统
CN108038948B (zh) * 2017-12-26 2020-12-08 杭州数梦工场科技有限公司 乘客身份的验证方法及装置、计算机可读存储介质
CN108564019A (zh) * 2018-04-08 2018-09-21 深浅度视觉科技（大连）有限公司 一种人脸识别方法及系统
CN109145717B (zh) * 2018-06-30 2021-05-11 东南大学 一种在线学习的人脸识别方法
CN108885698B (zh) * 2018-07-05 2022-12-09 达闼机器人股份有限公司 人脸识别方法、装置和服务器
CN109583426A (zh) * 2018-12-23 2019-04-05 广东腾晟信息科技有限公司 一种根据图像辨识人脸的方法
US11386562B2 (en) 2018-12-28 2022-07-12 Cyberlink Corp. Systems and methods for foreground and background processing of content in a live video
CN111461368B (zh) * 2019-01-21 2024-01-09 北京嘀嘀无限科技发展有限公司 异常订单处理方法、装置、设备及计算机可读存储介质
CN110147727A (zh) * 2019-04-15 2019-08-20 深圳壹账通智能科技有限公司 基于面部特征识别的地铁抽查方法及相关设备
CN110956093A (zh) * 2019-11-08 2020-04-03 武汉东湖大数据交易中心股份有限公司 基于大数据的模型识别方法、装置、设备及介质
CN111209845A (zh) * 2020-01-03 2020-05-29 平安科技（深圳）有限公司 人脸识别方法、装置、计算机设备及存储介质
CN113139439B (zh) * 2021-04-06 2022-06-10 广州大学 一种基于人脸识别的在线学习专注度评价方法及装置

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN202230531U (zh) * 2011-10-24 2012-05-23 上海理工大学 停车场门闸机控制系统
CN104268539A (zh) * 2014-10-17 2015-01-07 中国科学技术大学 一种高性能的人脸识别方法及系统
CN105843375A (zh) * 2016-02-22 2016-08-10 乐卡汽车智能科技（北京）有限公司 用于车辆的设置方法、装置及车载电子信息系统
CN105975926A (zh) * 2016-04-29 2016-09-28 中山大学 基于光场相机的人脸活体检测方法

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103324904A (zh) * 2012-03-20 2013-09-25 凹凸电子（武汉）有限公司 人脸识别系统及其方法
WO2015198540A1 (ja) * 2014-06-23 2015-12-30 株式会社デンソー ドライバの運転不能状態検出装置

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN202230531U (zh) * 2011-10-24 2012-05-23 上海理工大学 停车场门闸机控制系统
CN104268539A (zh) * 2014-10-17 2015-01-07 中国科学技术大学 一种高性能的人脸识别方法及系统
CN105843375A (zh) * 2016-02-22 2016-08-10 乐卡汽车智能科技（北京）有限公司 用于车辆的设置方法、装置及车载电子信息系统
CN105975926A (zh) * 2016-04-29 2016-09-28 中山大学 基于光场相机的人脸活体检测方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
不同精度数据融合的自适应加权平均法研究;董真杰;《舰船电子工程》;20141031;第34卷(第10期);正文第3节 *
基于LBP的人脸识别系统的研究与实现;张颖颖;《中国优秀硕士学位论文全文数据库信息科技辑》;20140715;第2014年卷(第07期);正文第3章-第4章 *
基于视频聚类的关键帧提取算法;刘华咏等;《物联网技术》;20140831(第8期);正文引言 *

Also Published As

Publication number Publication date
CN106815560A (zh) 2017-06-09

Similar Documents

Publication Publication Date Title
CN106815560B (zh) 一种应用于自适应驾座的人脸识别方法
CN110348319B (zh) 一种基于人脸深度信息和边缘图像融合的人脸防伪方法
KR102596897B1 (ko) 모션벡터 및 특징벡터 기반 위조 얼굴 검출 방법 및 장치
JP6330385B2 (ja) 画像処理装置、画像処理方法およびプログラム
CN102902959B (zh) 基于二代身份证存储证件照的人脸识别方法及系统
CN113361495B (zh) 人脸图像相似度的计算方法、装置、设备及存储介质
JP6192271B2 (ja) 画像処理装置、画像処理方法及びプログラム
KR102284096B1 (ko) 중요도 맵을 이용한 지능형 주관적 화질 평가 시스템, 방법, 및 상기 방법을 실행시키기 위한 컴퓨터 판독 가능한 프로그램을 기록한 기록 매체
CN107292307B (zh) 一种倒置汉字验证码自动识别方法及系统
CN109725721B (zh) 用于裸眼3d显示系统的人眼定位方法及系统
CN106022223B (zh) 一种高维局部二值模式人脸识别方法及系统
CN111178252A (zh) 多特征融合的身份识别方法
CN103984948A (zh) 一种基于人脸图像融合特征的软双层年龄估计方法
CN111832405A (zh) 一种基于hog和深度残差网络的人脸识别方法
KR20130058286A (ko) 보행자 검출기의 보행자 검출 방법
CN112784712B (zh) 一种基于实时监控的失踪儿童预警实现方法、装置
CN105184771A (zh) 一种自适应运动目标检测系统及检测方法
KR20150089370A (ko) 얼굴 포즈 변화에 강한 연령 인식방법 및 시스템
CN111062308A (zh) 基于稀疏表达和神经网络的人脸识别方法
WO2017092272A1 (zh) 人脸识别方法和装置
US7620246B2 (en) Method and apparatus for image processing
Gurrala et al. A new segmentation method for plant disease diagnosis
CN111709305A (zh) 一种基于局部图像块的人脸年龄识别方法
WO2018027453A1 (en) Artificial neural network
Yusuf et al. Human face detection using skin color segmentation and watershed algorithm

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
TR01 Transfer of patent right

Effective date of registration: 20221221

Address after: Room 301, No. 235, Kexue Avenue, Huangpu District, Guangzhou, Guangdong 510000

Patentee after: OURCHEM INFORMATION CONSULTING CO.,LTD.

Address before: 510006 No. 230 West Ring Road, Panyu District University, Guangdong, Guangzhou

Patentee before: Guangzhou University

Effective date of registration: 20221221

Address after: 510000 room 606-609, compound office complex building, No. 757, Dongfeng East Road, Yuexiu District, Guangzhou City, Guangdong Province (not for plant use)

Patentee after: China Southern Power Grid Internet Service Co.,Ltd.

Address before: Room 301, No. 235, Kexue Avenue, Huangpu District, Guangzhou, Guangdong 510000

Patentee before: OURCHEM INFORMATION CONSULTING CO.,LTD.

TR01 Transfer of patent right