CN109359616A - 一种基于sift的伪拼接小尺寸指纹识别算法 - Google Patents

一种基于sift的伪拼接小尺寸指纹识别算法 Download PDF

Info

Publication number
CN109359616A
CN109359616A CN201811276192.3A CN201811276192A CN109359616A CN 109359616 A CN109359616 A CN 109359616A CN 201811276192 A CN201811276192 A CN 201811276192A CN 109359616 A CN109359616 A CN 109359616A
Authority
CN
China
Prior art keywords
fingerprint
algorithm
small size
pseudo
recognizing
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.)
Granted
Application number
CN201811276192.3A
Other languages
English (en)
Other versions
CN109359616B (zh
Inventor
刘华
朱定飞
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.)
SHANGHAI HAILICHUANG MICROELECTRONIC CO Ltd
Original Assignee
SHANGHAI HAILICHUANG MICROELECTRONIC 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 SHANGHAI HAILICHUANG MICROELECTRONIC CO Ltd filed Critical SHANGHAI HAILICHUANG MICROELECTRONIC CO Ltd
Priority to CN201811276192.3A priority Critical patent/CN109359616B/zh
Publication of CN109359616A publication Critical patent/CN109359616A/zh
Application granted granted Critical
Publication of CN109359616B publication Critical patent/CN109359616B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06V40/12—Fingerprints or palmprints
    • G06V40/13—Sensors therefor
    • 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
    • G06V40/12—Fingerprints or palmprints
    • G06V40/1365—Matching; Classification

Landscapes

  • Engineering & Computer Science (AREA)
  • Human Computer Interaction (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Collating Specific Patterns (AREA)

Abstract

本发明涉及模式识别技术领域，尤其涉及一种基于SIFT的伪拼接小尺寸指纹识别算法，包括用于指纹录入阶段中构造指纹特征数据库的指纹拼接算法，用于指纹录入阶段中评估指纹图片质量的指纹质量评估算法，在SIFT的基础上提出了伪拼接小尺寸指纹识别算法，旨在提高小尺寸指纹识别率，通过该指纹质量评估算法，过滤掉指纹质量较差的图片，有利于确保指纹识别的可行性，本发明提出的指纹识别算法相对于传统的指纹识别算法在小尺寸的指纹识别上效果较好。

Description

一种基于SIFT的伪拼接小尺寸指纹识别算法
技术领域
本发明涉及模式识别技术领域，尤其涉及一种基于SIFT的伪拼接小尺寸指纹识别算法。
背景技术
近年来，指纹识别技术被广泛应用到各个领域，如管理、门禁、金融、公安和网络安全等。随着指纹识别技术的普及，它被大规模的用在了移动端(手机、个人电脑、平板电脑等)的安全验证上面。在传统的指纹识别技术中，被采集得到的指纹图像分辨率一般为500dpi，在这种分辨率下，许多基于特征点的指纹识别算法的效果非常不错。但是，随着指纹识别技术的商业化，许多厂商为了节约成本，以及移动端对指纹传感器大小的限制，生产出了小尺寸的指纹传感器，小尺寸的传感器采集得到的指纹图像分辨率一般为250dpi，甚至更小。这对传统的指纹识别技术带来了严峻的挑战。小尺寸的传感器在采集的时候，不能采集到整个手指的完整指纹，一次只能采集一个手指的部分指纹图像。部分指纹图像里面包含的特征点比完整指纹图像的特征点要少得多，传统的基于特征点的指纹识别算法不再适合识别小尺寸的指纹图像。
因此，新的适合于小尺寸的指纹识别技术被提出。
发明内容
由于小尺寸指纹图片的特征点少，而且小尺寸指纹图片里面的指纹信息是整个手指的部分信息，所以一张或两张小尺寸的指纹图片不足以涵盖整个手指的指纹信息，这就需要在指纹录入阶段构造一个完整的指纹库，所以本发明提出了一个伪拼接算法，旨在优化指纹匹配的性能，简化指纹匹配算法的复杂度。
因为SIFT算法具有对旋转、尺度缩放、亮度变化等保持不变的特性，在对小尺寸指纹进行拼接的时候，可以通过多次使用SIFT算法来简化指纹拼接的流程，指纹识别主要分为两个阶段，即指纹录入阶段和指纹验证阶段，其中录入阶段需要构造指纹特征数据库，然后在验证阶段把需要验证的指纹图片与指纹数据库作对比，得出匹配结果。
本发明的目的在于提供一种基于SIFT的伪拼接小尺寸指纹识别算法，以解决上述背景技术中提出的问题。
为实现上述目的，本发明提供如下技术方案：一种基于SIFT的伪拼接小尺寸指纹识别算法，包括：用于指纹录入阶段中构造指纹特征数据库的指纹拼接算法，用于指纹录入阶段中评估指纹图片质量的指纹质量评估算法。
进一步的，所述指纹拼接算法，包括步骤：
(1)假定某个用户的一个手指A的特征集合为IA,初始时IA为空集，即IA＝φ；(2)设定指纹相似度阈值θ；
(3)设定一个手指特征集合IA的最大个数阈值μ；
(4)录入指纹时，每获取一个待录入指纹，都把该待录入指纹与特征集合IA中所有指纹进行SIFT匹配，并计算匹配得分score；
(5)将步骤(4)中所述匹配得分score与步骤(2)中所述的指纹相似度阈值θ进行比较；
(6)将特征集合IA的个数n与阈值μ进行比较。
进一步的，所述步骤(5)中匹配得分score的最大值小于步骤(2)中设定的指纹相似度阈值θ时，则把该待录入指纹放进集合IA中。
进一步的，所述步骤(6)中特征集合IA的个数n大于步骤(3)中阈值μ时，终止指纹录入，此时的特征集合为
进一步的，所述指纹质量评估算法，包括步骤：
(a)获取一张待评估的指纹图片；
(b)获取步骤(a)中指纹图片的宽和高，然后以步长s遍历该指纹图片，从该指纹图片中截取边长为b的子图片；
(c)计算步骤(b)中所述子图片的黑色区域比率，如公式(1)所示：
其中
该公式中，r为计算出的所述子图片的黑色区域比率，m和n分别为所述子图的宽和高，pij代表在(i,j)处的像素点是否为黑色，cij为(i,j)处的像素点颜色值，α为判断颜色的阈值，当一个像素点的颜色值大于该阈值α，则被视为白色，否则为黑色；
(d)经上述步骤(c)得黑色区域块集合R＝{r1,r2,…,rL}，其中rk(1≤k≤L)为步骤(c)中所述公式1求得的黑色区域比率，
(e)设定指纹质量阈值ε，并计算无效块个数，如公式(2)所示：
其中
该公式中，L为遍历得到的区域块总数，N为无效块的个数，qk代表第k个黑色区域块是否为无效块，β为无效块的比率阈值；
(f)将步骤(e)中统计得到的无效块个数N与设定的指纹质量阈值ε作比较，最终判断出指纹质量是否合格。
进一步的，所述步骤(f)中，当所述无效块个数N小于指纹质量阈值ε时，则该指纹质量合格，否则，不合格。
进一步的，所述步骤(e)中如果有区域块的黑色比率大于所述无效块的比率阈值β或小于1-β，则被视为无效块。
本发明的优点是：在SIFT的基础上提出了伪拼接小尺寸指纹识别算法，提高小尺寸指纹识别率，提出的指纹识别算法相对于传统的指纹识别算法在小尺寸的指纹识别上效果较好，通过该指纹质量评估算法，过滤掉指纹质量较差的图片，有利于确保指纹识别的可行性。
附图说明
图1为本发明指纹录入流程图；
图2为本发明指纹匹配流程图；
具体实施方式
下面将详细描述本发明的实施例，所述实施例的示例在附图中显示。下面通过参考附图描述的实施例是示例性的，仅用于解释本发明，而不能理解为对本发明的限制。相反，本发明的实施例包括落入所附加权利要求书的精神和内涵范围内的所有变化、修改和等同物。
一种基于SIFT的伪拼接小尺寸指纹识别算法，包括：用于指纹录入阶段中构造指纹特征数据库的指纹拼接算法，用于指纹录入阶段中评估指纹图片质量的指纹质量评估算法。
具体而言，所述指纹拼接算法，包括步骤：
(1)假定某个用户的一个手指A的特征集合为IA,初始时IA为空集，即IA＝φ；
(2)设定指纹相似度阈值θ；
(3)设定一个手指特征集合IA的最大个数阈值μ；
(4)录入指纹时，每获取一个待录入指纹，都把该待录入指纹与特征集合IA中所有指纹进行SIFT匹配，并计算匹配得分score；
(5)将步骤(4)中所述匹配得分score与步骤(2)中所述的指纹相似度阈值θ进行比较；
(6)将特征集合IA的个数n与阈值μ进行比较。
更具体而言，所述步骤(5)中匹配得分score的最大值小于步骤(2)中设定的指纹相似度阈值θ时，则把该待录入指纹放进集合IA中。
更具体而言，所述步骤(6)中特征集合IA的个数n大于步骤(3)中阈值μ时，终止指纹录入，此时的特征集合为
为了更清楚的表达该种指纹拼接算法，下面提供其伪代码步骤：
输入：指纹特征集合IA；指纹相似度阈值θ；指纹特征集合上限μ；待录入的指纹图片fp；输出：指纹特征集合IA。其步骤如下：
经过伪拼接得到的指纹特征库，在后续的指纹验证阶段能够提高指纹验证的精确度。但是，如果遇到质量差的待录入的指纹图片，虽然它也能得到较低的得分，但是它应该被丢弃。所以，这里还提出了一个在指纹录入阶段评估指纹图片质量的算法，包括步骤：
(a)获取一张待评估的指纹图片；
(b)获取步骤(a)中指纹图片的宽和高，然后以步长s遍历该指纹图片，从该指纹图片中截取边长为b的子图片；
(c)计算步骤(b)中所述子图片的黑色区域比率，如下公式(1)所示：
其中
该公式中，r为计算出的所述子图片的黑色区域比率，m和n分别为所述子图的宽和高，pij代表在(i,j)处的像素点是否为黑色，cij为(i,j)处的像素点颜色值，α为判断颜色的阈值，当一个像素点的颜色值大于该阈值α，则被视为白色，否则为黑色；
(d)经上述步骤(c)得黑色区域块集合R＝{r1,r2,…,rL}，其中rk(1≤k≤L)为步骤(c)中所述公式1求得的黑色区域比率，
(e)设定指纹质量阈值ε，并计算无效块个数，如下公式(2)所示：
其中
该公式中，L为遍历得到的区域块总数，N为无效块的个数，qk代表第k个黑色区域块是否为无效块，β为无效块的比率阈值；
(f)将步骤(e)中统计得到的无效块个数N与设定的指纹质量阈值ε作比较，最终判断出指纹质量是否合格。
进一步的，所述步骤(f)中，当所述无效块个数N小于指纹质量阈值ε时，则该指纹质量合格，否则，不合格。
进一步的，所述步骤(e)中如果有区域块的黑色比率大于所述无效块的比率阈值β或小于1-β，则被视为无效块。
为了更清楚的表达该种指纹图片质量的算法，下面本发明提供代码步骤如下：
输入：指纹图片fp；步长s；块边长b；颜色阈值α；无效块的比率阈值β；指纹质量阈值ε；输出：指纹质量评估结果。
通过该指纹质量评估算法，过滤掉指纹质量较差的图片，有利于确保指纹识别的可行性。
作为本发明优选的实施例，在本实例中用到的指纹图片数据为96×96像素的指纹图片，在开始实验之前，首先利用指纹质量评估算法，把质量差的指纹图片过滤掉，然后分别利用基于细节特征点的指纹识别算法、基于图片相似度的算法和基于SIFT的伪拼接小尺寸指纹识别算法来进行测试。本论文的实验数据用到120个人的指纹图片，在测试集中，每个人20张指纹图片，特征库有120个人的特征，每个人5个细节特征集合。在基于细节特征点的指纹识别算法特征库中，每人随机提取5张指纹图片；在基于图片相似度的算法特征库中，每人随机抽取5张指纹图片；在基于SIFT的伪拼接小尺寸指纹识别算法特征库中，通过伪拼接算法得到5张指纹图片。
本次实例对测试集中每个指纹分别与特征库中120个人的特征进行识别。这样测试集中的每个指纹都会得到一个得分，然后根据预定义的相似度阈值θ，给该指纹附上一个标签，即如果该指纹匹配成功，则该指纹的标签赋值为1，否则赋值为0。从而得到一组二元关系[(x111,y111),(x112,y112),…,(xijq,yijq)]，其中i代表测试集中第i个人的指纹，j代表特征库中第j个人的特征，q代表测试集中第i个人的第q个指纹图片，所以xijq代表测试集中第i个人的第q个指纹图片与特征库中第j个人的特征进行匹配的结果，yijq代表对应xijq的标签值，如果i等于j，则yijq等于1，否则为0。然后通过下列公式(3)计算出一个值V，如果V小于0，则被视为拒真，否则视为认假。最后统计拒真的数量和认假的数量，计算出当前相似度阈值θ对应的拒真率和认假率。公式3如下：
当xijq＝θ时，视为0 (3)
本发明的优点是：在SIFT的基础上提出了伪拼接小尺寸指纹识别算法，提高小尺寸指纹识别率，提出的指纹识别算法相对于传统的指纹识别算法在小尺寸的指纹识别上效果较好，通过该指纹质量评估算法，过滤掉指纹质量较差的图片，有利于确保指纹识别的可行性。
可以理解的是，对本发明所在领域的普通技术人员来说，可以根据本发明的技术方案及其构思进行相应的等价变换，未经创造性的等效替换都应当属于本发明所揭露的范围。

Claims (7)

1.一种基于SIFT的伪拼接小尺寸指纹识别算法，其特征在于，包括：用于指纹录入阶段中构造指纹特征数据库的指纹拼接算法，用于指纹录入阶段中评估指纹图片质量的指纹质量评估算法。
2.根据权利要求1所述的一种基于SIFT的伪拼接小尺寸指纹识别算法，其特征在于，所述指纹拼接算法，包括步骤：
(1)假定某个用户的一个手指A的特征集合为IA,初始时IA为空集，即IA＝φ；
(2)设定指纹相似度阈值θ；
(3)设定一个手指特征集合IA的最大个数阈值μ；
(4)录入指纹时，每获取一个待录入指纹，都把该待录入指纹与特征集合IA中所有指纹进行SIFT匹配，并计算匹配得分score；
(5)将步骤(4)中所述匹配得分score与步骤(2)中所述的指纹相似度阈值θ进行比较；以及
(6)将特征集合IA的个数n与阈值μ进行比较。
3.根据权利要求2所述的一种基于SIFT的伪拼接小尺寸指纹识别算法，其特征在于：所述步骤(5)中匹配得分score的最大值小于步骤(2)中设定的指纹相似度阈值θ时，则把该待录入指纹放进集合IA中。
4.根据权利要求2所述的一种基于SIFT的伪拼接小尺寸指纹识别算法，其特征在于：所述步骤(6)中特征集合IA的个数n大于步骤(3)中阈值μ时，终止指纹录入，此时的特征集合为
5.根据权利要求1所述的一种基于SIFT的伪拼接小尺寸指纹识别算法，其特征在于，所述指纹质量评估算法，包括步骤：
(a)获取一张待评估的指纹图片；
(b)获取步骤(a)中指纹图片的宽和高，然后以步长s遍历该指纹图片，从该指纹图片中截取边长为b的子图片；
(c)计算步骤(b)中所述子图片的黑色区域比率，如公式(1)所示：
该公式中，r为计算出的所述子图片的黑色区域比率，m和n分别为所述子图的宽和高，pij代表在(i,j)处的像素点是否为黑色，cij为(i,j)处的像素点颜色值，α为判断颜色的阈值，当一个像素点的颜色值大于该阈值α，则被视为白色，否则为黑色；
(d)经上述步骤(c)得黑色区域块集合R＝{r1,r2,…,rL}，其中rk(1≤k≤L)为步骤(c)中所述公式1求得的黑色区域比率，
(e)设定指纹质量阈值ε，并计算无效块个数，如公式(2)所示：
该公式中，L为遍历得到的区域块总数，N为无效块的个数，qk代表第k个黑色区域块是否为无效块，β为无效块的比率阈值；以及
(f)将步骤(e)中统计得到的无效块个数N与设定的指纹质量阈值ε作比较，最终判断出指纹质量是否合格。
6.根据权利要求5所述的一种基于SIFT的伪拼接小尺寸指纹识别算法，其特征在于：所述步骤(f)中，当所述无效块个数N小于指纹质量阈值ε时，则该指纹质量合格，否则，不合格。
7.根据权利要求5所述的一种基于SIFT的伪拼接小尺寸指纹识别算法，其特征在于：所述步骤(e)中如果有区域块的黑色比率大于所述无效块的比率阈值β或小于1-β，则被视为无效块。
CN201811276192.3A 2018-10-30 2018-10-30 一种基于sift的伪拼接小尺寸指纹识别算法 Active CN109359616B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811276192.3A CN109359616B (zh) 2018-10-30 2018-10-30 一种基于sift的伪拼接小尺寸指纹识别算法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811276192.3A CN109359616B (zh) 2018-10-30 2018-10-30 一种基于sift的伪拼接小尺寸指纹识别算法

Publications (2)

Publication Number Publication Date
CN109359616A true CN109359616A (zh) 2019-02-19
CN109359616B CN109359616B (zh) 2021-02-05

Family

ID=65347118

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811276192.3A Active CN109359616B (zh) 2018-10-30 2018-10-30 一种基于sift的伪拼接小尺寸指纹识别算法

Country Status (1)

Country Link
CN (1) CN109359616B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112395436A (zh) * 2019-08-14 2021-02-23 北京迈格威科技有限公司 一种底库录入方法及装置
CN112837222A (zh) * 2021-01-25 2021-05-25 深圳市奔凯安全技术股份有限公司 指纹图像拼接方法、装置、存储介质及电子设备

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107180182A (zh) * 2017-06-09 2017-09-19 青岛海信移动通信技术股份有限公司 一种指纹解锁方法和装置
CN108305240A (zh) * 2017-05-22 2018-07-20 腾讯科技（深圳）有限公司 图像质量检测方法及装置
US20180307888A1 (en) * 2017-04-24 2018-10-25 Samsung Electronics Co., Ltd. Method and apparatus for performing authentication based on biometric information

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20180307888A1 (en) * 2017-04-24 2018-10-25 Samsung Electronics Co., Ltd. Method and apparatus for performing authentication based on biometric information
CN108305240A (zh) * 2017-05-22 2018-07-20 腾讯科技（深圳）有限公司 图像质量检测方法及装置
CN107180182A (zh) * 2017-06-09 2017-09-19 青岛海信移动通信技术股份有限公司 一种指纹解锁方法和装置

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
付青柳: "小面积指纹拼接算法研究", 《中国优秀硕士学位论文全文数据库信息科技辑》 *
代小红等: "《基于机器视觉的数字图像处理与识别研究》", 31 March 2012, 西南交通大学出版社 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112395436A (zh) * 2019-08-14 2021-02-23 北京迈格威科技有限公司 一种底库录入方法及装置
CN112837222A (zh) * 2021-01-25 2021-05-25 深圳市奔凯安全技术股份有限公司 指纹图像拼接方法、装置、存储介质及电子设备

Also Published As

Publication number Publication date
CN109359616B (zh) 2021-02-05

Similar Documents

Publication Publication Date Title
Marra et al. A deep learning approach for iris sensor model identification
JP5008269B2 (ja) 情報処理装置、情報処理方法
Fourati et al. Anti-spoofing in face recognition-based biometric authentication using image quality assessment
CN104732200B (zh) 一种皮肤类型和皮肤问题的识别方法
Genovese et al. Touchless palmprint recognition systems
CN102902959A (zh) 基于二代身份证存储证件照的人脸识别方法及系统
CN111814574A (zh) 应用双分支三维卷积模型的人脸活体检测系统、终端及存储介质
Anand et al. An improved local binary patterns histograms techniques for face recognition for real time application
de Souza et al. On the learning of deep local features for robust face spoofing detection
CN101980242A (zh) 人脸面相判别方法、系统及公共安全系统
El Khiyari et al. Age invariant face recognition using convolutional neural networks and set distances
JP7151875B2 (ja) 画像処理装置、画像処理方法、およびプログラム
CN111178130A (zh) 一种基于深度学习的人脸识别方法、系统和可读存储介质
CN113095156B (zh) 一种基于逆灰度方式的双流网络签名鉴定方法及装置
Anthony et al. A review of face anti-spoofing methods for face recognition systems
CN105335720B (zh) 虹膜信息的采集方法及采集系统
Barni et al. Iris deidentification with high visual realism for privacy protection on websites and social networks
CN110222660B (zh) 一种基于动态与静态特征融合的签名鉴伪方法及系统
El-Naggar et al. Which dataset is this iris image from?
CN109359616A (zh) 一种基于sift的伪拼接小尺寸指纹识别算法
Singh et al. Performance analysis of ELA-CNN model for image forgery detection
CN111753710A (zh) 一种应用于物流配送的细分类神经网络人脸识别方法
Sai et al. Student Attendance Monitoring System Using Face Recognition
Gupta et al. HaarCascade and LBPH Algorithms in Face Recognition Analysis
Samai et al. Oriented Local Binary Pattern (LBP θ): A new scheme for an efficient feature extraction technique

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
CB02 Change of applicant information

Address after: Room 411, 4th floor, main building, No. 835 and 937, Dangui Road, China (Shanghai) pilot Free Trade Zone, Pudong New Area, Shanghai, 200131

Applicant after: Shanghai hailichuang Technology Co.,Ltd.

Address before: 201203 Room 411, 4th Floor, Main Building (1 Building) of Zhangjiang Guochuang Center, 899 Dangui Road, Pudong New Area, Shanghai

Applicant before: SHANGHAI HYNITRON MICROELECTRONIC Co.,Ltd.

CB02 Change of applicant information
GR01 Patent grant
GR01 Patent grant
PE01 Entry into force of the registration of the contract for pledge of patent right

Denomination of invention: A SIFT-based Pseudo-stitching Small-size Fingerprint Recognition Algorithm

Effective date of registration: 20220830

Granted publication date: 20210205

Pledgee: Bank of Communications Co.,Ltd. Shanghai Zhangjiang Sub branch

Pledgor: Shanghai hailichuang Technology Co.,Ltd.

Registration number: Y2022310000218

PE01 Entry into force of the registration of the contract for pledge of patent right
PC01 Cancellation of the registration of the contract for pledge of patent right

Date of cancellation: 20230329

Granted publication date: 20210205

Pledgee: Bank of Communications Co.,Ltd. Shanghai Zhangjiang Sub branch

Pledgor: Shanghai hailichuang Technology Co.,Ltd.

Registration number: Y2022310000218

PC01 Cancellation of the registration of the contract for pledge of patent right