CN110033468B - 一种物体移除检测方法、装置及终端设备 - Google Patents
一种物体移除检测方法、装置及终端设备 Download PDFInfo
- Publication number
- CN110033468B CN110033468B CN201910219848.6A CN201910219848A CN110033468B CN 110033468 B CN110033468 B CN 110033468B CN 201910219848 A CN201910219848 A CN 201910219848A CN 110033468 B CN110033468 B CN 110033468B
- Authority
- CN
- China
- Prior art keywords
- point
- edge
- image
- standard
- edge point
- 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
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30232—Surveillance
Abstract
本申请适用于数据处理技术领域，提供了一种物体移除检测方法、装置及终端设备，所述方法包括：对配置图像进行边缘检测，得到标准内点坐标和标准边缘点坐标；在待分析图像中确定第一内点的第一灰度值和第一边缘点的第二灰度值，在背景图像中确定第二内点的第三灰度值和第二边缘点的第四灰度值；计算内点平均变化量，以及，计算边缘点平均变化量；判断内点平均变化量是否大于内点变化阈值且边缘点平均变化量大于边缘点变化阈值；当内点平均变化量大于内点变化阈值且边缘点平均变化量大于边缘点变化阈值时，判定待值守物体被移除。本申请可以解决现有的物体移除检测算法的可靠性差，容易出现误报漏报的情况的问题。
Description
技术领域
本申请属于数据处理技术领域，尤其涉及一种物体移除检测方法、装置及终端设备。
背景技术
随着科技的发展，人们越来越注意人身安全和物品安全，智慧安防技术得到了越来越多的关注。
智慧安防按照保护对象进行分类时，可以分为保护人和保护物品两大类。在物品保护方面，可以通过多种安防技术手段同时对物品进行防护，而在多种安防技术手段中，最不可或缺的就是视频监控技术，其具有直观有效、部署方便、震慑效果强、性价比高等优点。
通过视频监控技术进行物品防盗值守时，可以分为有人值守和无人值守。有人值守是通过工作人员查看监控视频进行值守，工作量大，工作内容繁琐，容易因工作人员的疏忽导致无法及时发现物体移除情况；无人值守则是通过各种人工智能算法对监控视频的图像进行分析和学习，当检测到异常事件时进行告警提示，将人们从枯燥无味且繁重的监控任务中解放出来。但是，当前各类物体移除检测算法的可靠性较差，容易出现误报漏报的情况，难以在市场中取得信任和推广。
综上，现有的物体移除检测算法的可靠性差，容易出现误报漏报的情况。
发明内容
有鉴于此，本申请实施例提供了一种物体移除检测方法、装置及终端设备，以解决现有的物体移除检测算法的可靠性差，容易出现误报漏报的情况的问题。
本申请实施例的第一方面提供了一种物体移除检测方法，包括：
获取配置图像，对所述配置图像进行边缘检测，得到所述配置图像中待值守物体的标准内点坐标和标准边缘点坐标；
获取待分析图像和背景图像，分别在所述待分析图像中确定与所述标准内点坐标对应的第一内点，与所述标准边缘点坐标对应的第一边缘点，确定所述第一内点的第一灰度值和所述第一边缘点的第二灰度值；以及，分别在所述背景图像中确定与所述标准内点坐标对应的第二内点，与所述标准边缘点坐标对应的第二边缘点，确定所述第二内点的第三灰度值和所述第二边缘点的第四灰度值；
根据所述第一内点的所述第一灰度值和所述第二内点的所述第三灰度值计算内点平均变化量，根据所述第一边缘点的所述第二灰度值和所述第二边缘点的所述第四灰度值计算边缘点平均变化量；
判断所述内点平均变化量是否大于内点变化阈值且边缘点平均变化量大于边缘点变化阈值；
当所述内点平均变化量大于内点变化阈值且边缘点平均变化量大于边缘点变化阈值时，判定所述待值守物体被移除。
本申请实施例的第二方面提供了一种物体移除检测装置，包括：
标准坐标模块，用于获取配置图像，对所述配置图像进行边缘检测，得到所述配置图像中待值守物体的标准内点坐标和标准边缘点坐标；
灰度获取模块，用于获取待分析图像和背景图像，分别在所述待分析图像中确定与所述标准内点坐标对应的第一内点，与所述标准边缘点坐标对应的第一边缘点，确定所述第一内点的第一灰度值和所述第一边缘点的第二灰度值；以及，分别在所述背景图像中确定与所述标准内点坐标对应的第二内点，与所述标准边缘点坐标对应的第二边缘点，确定所述第二内点的第三灰度值和所述第二边缘点的第四灰度值；
变化计算模块，用于根据所述第一内点的所述第一灰度值和所述第二内点的所述第三灰度值计算内点平均变化量，根据所述第一边缘点的所述第二灰度值和所述第二边缘点的所述第四灰度值计算边缘点平均变化量；
变化判断模块，用于判断所述内点平均变化量是否大于内点变化阈值且边缘点平均变化量大于边缘点变化阈值；
移除判定模块，用于当所述内点平均变化量大于内点变化阈值且边缘点平均变化量大于边缘点变化阈值时，判定所述待值守物体被移除。
本申请实施例的第三方面提供了一种终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上述方法的步骤。
本申请实施例的第四方面提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如上述方法的步骤。
本申请实施例与现有技术相比存在的有益效果是：
本申请的物体移除检测方法中，通过边缘检测确定待值守物体的标准内点坐标和标准边缘点坐标，根据标准内点坐标和标准边缘点坐标计算内点平均变化量和边缘点平均变化量，根据内点平均变化量和边缘点平均变化量判断待值守物体是否被移除，在像素级别上进行物体移除的判断，检测精度高，并且移除判断的过程中采用级联判断，当内点平均变化量大于内点变化阈值且边缘点平均变化量大于边缘点变化阈值时，才判定待值守物体被移除，提高了物体移除判断的准确性，提高了算法可靠性，减少了误报漏报情况的发生，解决了现有的物体移除检测算法的可靠性差，容易出现误报漏报的情况的问题。
附图说明
为了更清楚地说明本申请实施例中的技术方案，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申请的一些实施例，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是本申请实施例提供的一种物体移除检测方法的实现流程示意图；
图2是本申请实施例提供的一种物体移除检测装置的示意图；
图3是本申请实施例提供的终端设备的示意图。
具体实施方式
以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本申请实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本申请。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本申请的描述。
为了说明本申请所述的技术方案，下面通过具体实施例来进行说明。
应当理解，当在本说明书和所附权利要求书中使用时，术语“包括”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解，在此本申请说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本申请。如在本申请说明书和所附权利要求书中所使用的那样，除非上下文清楚地指明其它情况，否则单数形式的“一”、“一个”及“该”意在包括复数形式。
还应当进一步理解，在本申请说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。
如在本说明书和所附权利要求书中所使用的那样，术语“如果”可以依据上下文被解释为“当...时”或“一旦”或“响应于确定”或“响应于检测到”。类似地，短语“如果确定”或“如果检测到[所描述条件或事件]”可以依据上下文被解释为意指“一旦确定”或“响应于确定”或“一旦检测到[所描述条件或事件]”或“响应于检测到[所描述条件或事件]”。
另外，在本申请的描述中，术语“第一”、“第二”、“第三”、“第四”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
实施例一：
下面对本申请实施例一提供的一种物体移除检测方法进行描述，请参阅附图1，本申请实施例一中的物体移除检测方法包括：
步骤S101、获取配置图像，对所述配置图像进行边缘检测，得到所述配置图像中待值守物体的标准内点坐标和标准边缘点坐标；
在进行物体移除检测时，先获取配置图像，对配置图像进行边缘检测，通过边缘检测确定配置图像中待值守物体的边缘点和内点，得到待值守物体的标准内点坐标和标准边缘点坐标。
步骤S102、获取待分析图像和背景图像，分别在所述待分析图像中确定与所述标准内点坐标对应的第一内点，与所述标准边缘点坐标对应的第一边缘点，确定所述第一内点的第一灰度值和所述第一边缘点的第二灰度值；以及，分别在所述背景图像中确定与所述标准内点坐标对应的第二内点，与所述标准边缘点坐标对应的第二边缘点，确定所述第二内点的第三灰度值和所述第二边缘点的第四灰度值；
待分析图像为需要进行物体移除检测的图像，可以为摄像头当前拍摄到的图像帧，背景图像为进行物体移除比对的图像。
获取待分析图像和背景图像，可以在待分析图像中确定与标准内点坐标对应的第一内点，与标准边缘点坐标对应的第一边缘点，以及，也可以在背景图像中确定与标准内点坐标对应的第二内点，与标准边缘点坐标对应的第二边缘点，进而得到第一内点的第一灰度值、第一边缘点的第二灰度值、第二内点的第三灰度值和第二边缘点的第四灰度值。
步骤S103、根据所述第一内点的所述第一灰度值和所述第二内点的所述第三灰度值计算内点平均变化量，根据所述第一边缘点的所述第二灰度值和所述第二边缘点的所述第四灰度值计算边缘点平均变化量；
根据各个第一内点的第一灰度值和各个第二内点的第三灰度值可以计算内点平均变化量，根据各个第一边缘点的第二灰度值和第二边缘点的第四灰度值可以计算边缘点平均变化量。
步骤S104、判断所述内点平均变化量是否大于内点变化阈值且边缘点平均变化量大于边缘点变化阈值；
内点平均变化量和边缘点平均变化量可以评估待值守物体的位置是否发生变化，因此可以判断内点平均变化量是否大于内点变化阈值且边缘点平均变化量是否大于边缘点变化阈值。
步骤S105、当所述内点平均变化量大于内点变化阈值且边缘点平均变化量大于边缘点变化阈值时，判定所述待值守物体被移除。
当内点平均变化量大于内点变化量阈值且边缘点平均变化量大于边缘点变化阈值时，表示待值守物体发生了移动，此时可以判定待值守物体被移除。
当内点平均变化量小于或等于内点变化量阈值，或，边缘点平均变化量小于或等于边缘点变化量阈值时，则表示待值守物体未被移除，可以获取下一帧待分析图像继续进行物体移除检测。
进一步地，所述获取配置图像，对所述配置图像进行边缘检测，得到所述配置图像中待值守物体的标准内点坐标和标准边缘点坐标具体包括：
A1、获取配置图像，使用边缘检测算子对所述配置图像中的待值守物体进行边缘检测，得到所述配置图像中所述待值守物体的检测边缘点的检测灰度值；
在检测待值守物体的标准边缘点坐标和标准内点坐标时，可以采用自适应双检测算法进行边缘检测。
首先获取配置图像，使用边缘检测算子对配置图像中的待值守物体进行边缘检测，得到待值守物体的检测边缘点，并确定所述检测边缘点的灰度值。
边缘检测算子的类型可以根据实际情况进行选择，例如可以选用Sobel算子进行边缘检测，当使用Sobel算子进行边缘检测时，Sobel算子的表达式如下：
A2、计算各检测边缘点的检测灰度值的平均值，以所述平均值作为边缘点检测阈值；
之后可以以各检测边缘点的检测灰度值作为基础，计算各个检测灰度值的平均值，以该平均值作为边缘点检测阈值，边缘点检测阈值的表达式如下：
T1＝∑I1(x,y)/num1
其中，T1为边缘点检测阈值，I1为坐标为(x，y)的检测边缘点的灰度值，num1为检测边缘点的数量。
A3、对所述配置图像进行形态学处理，得到新的配置图像；
得到边缘点检测阈值之后，可以对配置图像进行形态学处理，通过形态学处理使待值守物体的边缘更为清晰，得到新的配置图像。
A4、将所述新的配置图像中各像素点的灰度值与所述边缘点检测阈值进行比较，以所述灰度值大于所述边缘点检测阈值的像素点作为所述待值守物体的标准边缘点，以标准边缘点连通域内的像素点作为所述待值守物体的标准内点，得到所述待值守物体的标准内点坐标和标准边缘点坐标。
得到新的配置图像后，可以将新的配置图像中各像素点的灰度值与边缘点检测阈值进行比较，将灰度值大于边缘点检测阈值的像素点作为待值守物体的标准边缘点，各个标准边缘点可以形成连通域，将标准边缘点连通域内的像素点作为待值守物体的标准内点，从而确定待值守物体的标准内点坐标和标准边缘点坐标。
在自适应双检测算法中，使用边缘检测算子确定边缘点检测阈值，与以往通过实验经验确定边缘点检测阈值的方式相比，简化了边缘点检测阈值的确定难度，提高了边缘点检测阈值的准确性，从而更加准确地进行边缘检测。
进一步地，所述获取待分析图像和背景图像，分别在所述待分析图像中确定与所述标准内点坐标对应的第一内点，与所述标准边缘点坐标对应的第一边缘点，确定所述第一内点的第一灰度值和所述第一边缘点的第二灰度值；以及，分别在所述背景图像中确定与所述标准内点坐标对应的第二内点，与所述标准边缘点坐标对应的第二边缘点，确定所述第二内点的第三灰度值和所述第二边缘点的第四灰度值具体包括：
B1、获取待分析图像和背景图像，根据所述背景图像检测所述待分析图像中的前景图像区域；
在获取到待分析图像和背景图像之后，可以先通过背景图像提取待分析图像中的前景图像区域，前景图像区域是指图像中变化较大的区域。
背景图像可以采用固定的背景图像，也可以采用自适应更新的背景图像，使用不断更新的背景图像可以减少误检漏检的情况发生。
背景图像可以根据实际情况进行选择，例如历史监控视频中的图像帧。当背景图像采用自适应更新的背景图像时，可以选用当前待分析视频中的第一帧待分析图像作为背景图像，并初始化背景图像模型，背景图像模型的初始化过程可以表示为：
其中，μ0(x，y)表示初始的背景图像在坐标(x，y)处的灰度值，I(x，y，1)表示第一帧待分析图像在坐标(x，y)处的灰度值，б0 2(x，y)表示在坐标(x，y)处的初始方差，sd为初始化标准差，可以设置为25,。
在进行前景图像检测时，可以根据背景图像提取待分析图像中的前景图像区域，具体前景提取方式可以根据实际情况进行选择，例如，可以通过以下方式提取前景图像区域：
其中，μt-1(x，y)表示第t帧背景图像在坐标(x，y)处的灰度值，I(x，y，t)表示第t帧待分析图像在坐标(x，y)处的灰度值，λ为第一预设参数，бt-1(x，y)在坐标(x，y)处的第t代标准差。
通过上式可以区分背景点和前景点，前景点坐标的集合为前景图像区域。
B2、以所述前景图像区域内的标准内点坐标和标准边缘点坐标作为前景内点坐标和前景边缘点坐标；
前景图像区域内可能包含部分或全部标准内点坐标和标准边缘点坐标，此时可以将前景图像区域内的标准内点坐标和标准边缘点坐标作为前景内点坐标和前景边缘点坐标。
B3、分别在所述待分析图像中确定与所述前景内点坐标对应的第一内点，与所述前景边缘点坐标对应的第一边缘点，确定所述第一内点的第一灰度值和所述第一边缘点的第二灰度值；以及，分别在所述背景图像中确定与所述前景内点坐标对应的第二内点，与所述前景边缘点坐标对应的第二边缘点，确定所述第二内点的第三灰度值和所述第二边缘点的第四灰度值。
在待分析图像中确定与标准内点坐标对应的第一内点，与标准边缘点坐标对应的第一边缘点，以及，也可以在背景图像中确定与标准内点坐标对应的第二内点，与标准边缘点坐标对应的第二边缘点，进而得到第一内点的第一灰度值、第一边缘点的第二灰度值、第二内点的第三灰度值和第二边缘点的第四灰度值。
此外，在本次物体移除检测使用了背景图像之后，可以使用待分析图像对背景图像进行更新，得到新的背景图像，新的背景图像可以用于下一帧待分析图像的物体移除检测。背景图像更新的算法可以根据实际情况进行选择，例如可以选用预设混合高斯更新算法对背景图像的模型进行更新，具体更新过程如下：
其中，μt(x，y)表示第t+1帧背景图像在坐标(x，y)处的灰度值，α为背景更新参数，可以设置为2.5，бt 2(x，y)表示在坐标(x，y)处的第t+1代方差，бt-1 2(x，y)表示在坐标(x，y)处的第t代方差。
进一步地，所述根据所述第一内点的所述第一灰度值和所述第二内点的所述第三灰度值计算内点平均变化量，根据所述第一边缘点的所述第二灰度值和所述第二边缘点的所述第四灰度值计算边缘点平均变化量具体包括：
C1、将所述第一内点的所述第一灰度值减去与所述第一内点对应的第二内点的所述第三灰度值，得到内点变化量，以及，将所述第一边缘点的所述第二灰度值减去与所述第一边缘点对应的第二边缘点的所述第四灰度值，得到边缘点变化量；
在计算内点平均变化量和边缘点平均变化量之前，可以先计算各个内点变化量和各个边缘点变化量，可以将第一内点的第一灰度值减去与该第一内点对应的第二内点的第三灰度值，得到相应的内点变化量，具体表达式如下：
Idiff1(x,y)＝I2(x,y)-I3(x,y)
其中，Idiff1(x，y)为坐标(x，y)处的内点变化量，I2(x，y)为坐标(x，y)处的第一灰度值，I3(x，y)为坐标(x，y)处的第三灰度值。
以及，将第一边缘点的第二灰度值减去与该第一边缘点对应的第二边缘点的第四灰度值，得到相应的边缘点变化量，具体表达式如下：
Idiff2(x,y)＝I4(x,y)-I5(x,y)
其中，Idiff2(x，y)为坐标(x，y)处的边缘点变化量，I4(x，y)为坐标(x，y)处的第二灰度值，I5(x，y)为坐标(x，y)处的第四灰度值。
C2、计算各个所述内点变化量的平均值，得到内点平均变化量，以及，计算各个所述边缘点变化量的平均值，得到边缘点平均变化量。
得到内点变化量和边缘点变化量后，即可对各个内点变化量求平均值，得到内点平均变化量，表达式如下：
Ainner＝∑Idiff1/num2
其中，Ainner为内点平均变化量，num2为内点变化量的数量。
对各个边缘点变化量求平均值，得到边缘点平均变化量表达式如下：
Aedge＝∑Idiff2/num3
其中，Aedge为边缘点平均变化量，num2为边缘点变化量的数量。
之后可以判断Ainner是否大于内点变化阈值Tobj且Aedge大于边缘点变化阈值Tedge，当Ainner大于内点变化阈值且Aedge大于边缘点变化阈值时，判定待值守物体被移除。
内点变化阈值Tobj和边缘点变化阈值Tedge可以实际情况进行设置，例如，边缘点变化阈值Tedge可以选用边缘点检测阈值T1；此外，内点变化阈值Tobj还可以自适应更新，更新方式如下：
Tobj(x,y,t)＝(1-αupdate)*Tobj(x,y,t-1)+αupdate*I(x,y,t-1)
其中，Tobj(x，y，t)为坐标(x，y)处第t代内点变化阈值，Tobj(x，y，t-1)为坐标(x，y)处第t-1代内点变化阈值，I(x，y，t-1)表示第t-1帧待分析图像在坐标(x，y)处的灰度值，αupdate为预设更新速率。
进一步地，在所述获取待分析图像和背景图像，分别在所述待分析图像中确定与所述标准内点坐标对应的第一内点，与所述标准边缘点坐标对应的第一边缘点，确定所述第一内点的第一灰度值和所述第一边缘点的第二灰度值；以及，分别在所述背景图像中确定与所述标准内点坐标对应的第二内点，与所述标准边缘点坐标对应的第二边缘点，确定所述第二内点的第三灰度值和所述第二边缘点的第四灰度值之后还包括：
进一步地，在所述判定所述待值守物体被移除之后，所述方法还包括：
D1、记录物体移除时长，当所述物体移除时长大于预设时长阈值时，执行示警操作。
在判定待值守物体被移除后，可以记录物体移除时长，物体移除时长可以根据连续的判定待值守物体被移除的待分析图像的帧数进行确定，例如，若摄像头拍摄指标为1秒25帧图像，如果连续的判定待值守物体被移除的待分析图像有100帧，则可以确定物体移除时长为4秒。
对物体移除时长进行监控，当物体移除时长大于预设时长阈值时，则执行示警操作，预设时长阈值可以根据实际需求进行设置，例如，预设时长阈值可以设置为0，即检测到待值守物体被移除就即刻示警，也可以设置为1秒，留有一定的检验时间，当物体被移除超过1秒才进行示警，减少误报警的发生。
示警的方式可以用户需求进行设置，例如可以为蜂鸣器示警、灯光闪烁示警、文字示警、语音示警等示警方式中的一种或多种的结合。
本实施例一提供的物体移除检测方法中，通过边缘检测确定待值守物体的标准内点坐标和标准边缘点坐标，根据标准内点坐标和标准边缘点坐标计算内点平均变化量和边缘点平均变化量，根据内点平均变化量和边缘点平均变化量判断待值守物体是否被移除，在像素级别上进行物体移除的判断，检测精度高，并且移除判断的过程中采用级联判断，当内点平均变化量大于内点变化阈值且边缘点平均变化量大于边缘点变化阈值时，才判定待值守物体被移除，提高了物体移除判断的准确性，提高了算法可靠性，减少了误报漏报情况的发生，解决了现有的物体移除检测算法的可靠性差，容易出现误报漏报的情况的问题。
对待值守物体进行边缘检测时，可以采用自适应双检测算法进行边缘检测，先使用边缘检测算子确定边缘点检测阈值，再对配置图像进行形态学处理，使用边缘点检测阈值检测新的配置图像中待值守物体的标准边缘点和标准内点，提高了边缘检测的准确性。
在计算待分析图像和背景图像中确定第一灰度值、第二灰度值、第三灰度值和第四灰度值的过程中，可以不对所有的标准边缘点坐标和标准内点坐标进行分析，可以根据待分析图像和背景图像确定前景图像区域，只对前景图像区域内的标准边缘点坐标和标准内点坐标进行分析，减少非前景图像区域的干扰，提高物体移除检测的准确性。
在计算内点平均变化量和边缘点平均变化量时，可以先计算第一内点和第二内点的帧差，得到内点变化量，计算第一边缘点和第二边缘点的侦查，得到边缘点变化量，再计算各个内点变化量的平均值，得到内点平均变化量，计算各个边缘点变化量的平均值，得到边缘点平均变化量。
此外，还可以使用待分析图像，通过预设混合高斯更新算法对背景图像进行更新，减少误检漏检情况的发生，提高物体移除检测的准确性。
当判定物体被移除时，可以记录物体移除时长，当物体移除时长大于预设时长阈值时，执行示警操作，提示工作人员及时关注待值守物品的安防情况。
应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本申请实施例的实施过程构成任何限定。
实施例二：
本申请实施例二提供了一种物体移除检测装置，为便于说明，仅示出与本申请相关的部分，如图2所示，物体移除检测装置包括，
标准坐标模块201，用于获取配置图像，对所述配置图像进行边缘检测，得到所述配置图像中待值守物体的标准内点坐标和标准边缘点坐标；
灰度获取模块202，用于获取待分析图像和背景图像，分别在所述待分析图像中确定与所述标准内点坐标对应的第一内点，与所述标准边缘点坐标对应的第一边缘点，确定所述第一内点的第一灰度值和所述第一边缘点的第二灰度值；以及，还用于分别在所述背景图像中确定与所述标准内点坐标对应的第二内点，与所述标准边缘点坐标对应的第二边缘点，确定所述第二内点的第三灰度值和所述第二边缘点的第四灰度值；
变化计算模块203，用于根据所述第一内点的所述第一灰度值和所述第二内点的所述第三灰度值计算内点平均变化量，根据所述第一边缘点的所述第二灰度值和所述第二边缘点的所述第四灰度值计算边缘点平均变化量；
变化判断模块204，用于判断所述内点平均变化量是否大于内点变化阈值且边缘点平均变化量大于边缘点变化阈值；
移除判定模块205，用于当所述内点平均变化量大于内点变化阈值且边缘点平均变化量大于边缘点变化阈值时，判定所述待值守物体被移除。
进一步地，所述标准坐标模块201具体包括：
第一检测子模块，用于获取配置图像，使用边缘检测算子对所述配置图像中的待值守物体进行边缘检测，得到所述配置图像中所述待值守物体的检测边缘点的检测灰度值；
阈值计算子模块，用于计算各检测边缘点的检测灰度值的平均值，以所述平均值作为边缘点检测阈值；
形态学子模块，用于对所述配置图像进行形态学处理，得到新的配置图像；
第二检测子模块，用于将所述新的配置图像中各像素点的灰度值与所述边缘点检测阈值进行比较，以所述灰度值大于所述边缘点检测阈值的像素点作为所述待值守物体的标准边缘点，以标准边缘点连通域内的像素点作为所述待值守物体的标准内点，得到所述待值守物体的标准内点坐标和标准边缘点坐标。
进一步地，所述灰度获取模块202具体包括：
前景区域子模块，用于获取待分析图像和背景图像，根据所述背景图像检测所述待分析图像中的前景图像区域；
前景坐标子模块，用于以所述前景图像区域内的标准内点坐标和标准边缘点坐标作为前景内点坐标和前景边缘点坐标；
前景灰度子模块，用于分别在所述待分析图像中确定与所述前景内点坐标对应的第一内点，与所述前景边缘点坐标对应的第一边缘点，确定所述第一内点的第一灰度值和所述第一边缘点的第二灰度值；以及，还用于分别在所述背景图像中确定与所述前景内点坐标对应的第二内点，与所述前景边缘点坐标对应的第二边缘点，确定所述第二内点的第三灰度值和所述第二边缘点的第四灰度值。
进一步地，所述变化计算模块203具体包括：
变化量子模块，用于将所述第一内点的所述第一灰度值减去与所述第一内点对应的第二内点的所述第三灰度值，得到内点变化量，以及，将所述第一边缘点的所述第二灰度值减去与所述第一边缘点对应的第二边缘点的所述第四灰度值，得到边缘点变化量；
平均计算子模块，用于计算各个所述内点变化量的平均值，得到内点平均变化量，以及，计算各个所述边缘点变化量的平均值，得到边缘点平均变化量。
进一步地，所述装置还包括：
背景更新模块，用于根据所述待分析图像，使用预设混合高斯更新算法对所述背景图像进行更新。
进一步地，所述装置还包括：
移除示警模块，用于记录物体移除时长，当所述物体移除时长大于预设时长阈值时，执行示警操作。
需要说明的是，上述装置/单元之间的信息交互、执行过程等内容，由于与本申请方法实施例基于同一构思，其具体功能及带来的技术效果，具体可参见方法实施例部分，此处不再赘述。
实施例三：
图3是本申请实施例三提供的终端设备的示意图。如图3所示，该实施例的终端设备3包括：处理器30、存储器31以及存储在所述存储器31中并可在所述处理器30上运行的计算机程序32。所述处理器30执行所述计算机程序32时实现上述物体移除检测方法实施例中的步骤，例如图1所示的步骤S101至S105。或者，所述处理器30执行所述计算机程序32时实现上述各装置实施例中各模块/单元的功能，例如图2所示模块201至205的功能。
示例性的，所述计算机程序32可以被分割成一个或多个模块/单元，所述一个或者多个模块/单元被存储在所述存储器31中，并由所述处理器30执行，以完成本申请。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述所述计算机程序32在所述终端设备3中的执行过程。例如，所述计算机程序32可以被分割成标准坐标模块、灰度获取模块、变化计算模块、变化判断模块以及移除判定模块，各模块具体功能如下：
标准坐标模块，用于获取配置图像，对所述配置图像进行边缘检测，得到所述配置图像中待值守物体的标准内点坐标和标准边缘点坐标；
灰度获取模块，用于获取待分析图像和背景图像，分别在所述待分析图像中确定与所述标准内点坐标对应的第一内点，与所述标准边缘点坐标对应的第一边缘点，确定所述第一内点的第一灰度值和所述第一边缘点的第二灰度值；以及，分别在所述背景图像中确定与所述标准内点坐标对应的第二内点，与所述标准边缘点坐标对应的第二边缘点，确定所述第二内点的第三灰度值和所述第二边缘点的第四灰度值；
变化计算模块，用于根据所述第一内点的所述第一灰度值和所述第二内点的所述第三灰度值计算内点平均变化量，根据所述第一边缘点的所述第二灰度值和所述第二边缘点的所述第四灰度值计算边缘点平均变化量；
变化判断模块，用于判断所述内点平均变化量是否大于内点变化阈值且边缘点平均变化量大于边缘点变化阈值；
移除判定模块，用于当所述内点平均变化量大于内点变化阈值且边缘点平均变化量大于边缘点变化阈值时，判定所述待值守物体被移除。
所述终端设备3可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述终端设备可包括，但不仅限于，处理器30、存储器31。本领域技术人员可以理解，图3仅仅是终端设备3的示例，并不构成对终端设备3的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如所述终端设备还可以包括输入输出设备、网络接入设备、总线等。
所称处理器30可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
所述存储器31可以是所述终端设备3的内部存储单元，例如终端设备3的硬盘或内存。所述存储器31也可以是所述终端设备3的外部存储设备，例如所述终端设备3上配备的插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(Flash Card)等。进一步地，所述存储器31还可以既包括所述终端设备3的内部存储单元也包括外部存储设备。所述存储器31用于存储所述计算机程序以及所述终端设备所需的其他程序和数据。所述存储器31还可以用于暂时地存储已经输出或者将要输出的数据。
所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将所述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中，上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。另外，各功能单元、模块的具体名称也只是为了便于相互区分，并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。
在本申请所提供的实施例中，应该理解到，所揭露的装置/终端设备和方法，可以通过其它的方式实现。例如，以上所描述的装置/终端设备实施例仅仅是示意性的，例如，所述模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口，装置或单元的间接耦合或通讯连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
所述集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是，所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括电载波信号和电信信号。
以上所述实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围，均应包含在本申请的保护范围之内。
Claims (8)
1.一种物体移除检测方法，其特征在于，包括：
获取配置图像，对所述配置图像进行边缘检测，得到所述配置图像中待值守物体的标准内点坐标和标准边缘点坐标；
获取待分析图像和背景图像，分别在所述待分析图像中确定与所述标准内点坐标对应的第一内点，与所述标准边缘点坐标对应的第一边缘点，确定所述第一内点的第一灰度值和所述第一边缘点的第二灰度值；以及，分别在所述背景图像中确定与所述标准内点坐标对应的第二内点，与所述标准边缘点坐标对应的第二边缘点，确定所述第二内点的第三灰度值和所述第二边缘点的第四灰度值，所述背景图像为用于与所述待分析图像进行物体移除比对的图像；
根据所述第一内点的所述第一灰度值和所述第二内点的所述第三灰度值计算内点平均变化量，根据所述第一边缘点的所述第二灰度值和所述第二边缘点的所述第四灰度值计算边缘点平均变化量；
判断所述内点平均变化量是否大于内点变化阈值且边缘点平均变化量大于边缘点变化阈值；
当所述内点平均变化量大于内点变化阈值且边缘点平均变化量大于边缘点变化阈值时，判定所述待值守物体被移除；
所述获取配置图像，对所述配置图像进行边缘检测，得到所述配置图像中待值守物体的标准内点坐标和标准边缘点坐标具体包括：
获取配置图像，使用边缘检测算子对所述配置图像中的待值守物体进行边缘检测，得到所述配置图像中所述待值守物体的检测边缘点的检测灰度值；
计算各检测边缘点的检测灰度值的平均值，以所述平均值作为边缘点检测阈值；
对所述配置图像进行形态学处理，得到新的配置图像；
将所述新的配置图像中各像素点的灰度值与所述边缘点检测阈值进行比较，以所述灰度值大于所述边缘点检测阈值的像素点作为所述待值守物体的标准边缘点，以标准边缘点连通域内的像素点作为所述待值守物体的标准内点，得到所述待值守物体的标准内点坐标和标准边缘点坐标。
2.如权利要求1所述的物体移除检测方法，其特征在于，所述获取待分析图像和背景图像，分别在所述待分析图像中确定与所述标准内点坐标对应的第一内点，与所述标准边缘点坐标对应的第一边缘点，确定所述第一内点的第一灰度值和所述第一边缘点的第二灰度值；以及，分别在所述背景图像中确定与所述标准内点坐标对应的第二内点，与所述标准边缘点坐标对应的第二边缘点，确定所述第二内点的第三灰度值和所述第二边缘点的第四灰度值具体包括：
获取待分析图像和背景图像，根据所述背景图像检测所述待分析图像中的前景图像区域；
以所述前景图像区域内的标准内点坐标和标准边缘点坐标作为前景内点坐标和前景边缘点坐标；
分别在所述待分析图像中确定与所述前景内点坐标对应的第一内点，与所述前景边缘点坐标对应的第一边缘点，确定所述第一内点的第一灰度值和所述第一边缘点的第二灰度值；以及，分别在所述背景图像中确定与所述前景内点坐标对应的第二内点，与所述前景边缘点坐标对应的第二边缘点，确定所述第二内点的第三灰度值和所述第二边缘点的第四灰度值。
3.如权利要求1所述的物体移除检测方法，其特征在于，所述根据所述第一内点的所述第一灰度值和所述第二内点的所述第三灰度值计算内点平均变化量，根据所述第一边缘点的所述第二灰度值和所述第二边缘点的所述第四灰度值计算边缘点平均变化量具体包括：
将所述第一内点的所述第一灰度值减去与所述第一内点对应的第二内点的所述第三灰度值，得到内点变化量，以及，将所述第一边缘点的所述第二灰度值减去与所述第一边缘点对应的第二边缘点的所述第四灰度值，得到边缘点变化量；
计算各个所述内点变化量的平均值，得到内点平均变化量，以及，计算各个所述边缘点变化量的平均值，得到边缘点平均变化量。
4.如权利要求1所述的物体移除检测方法，其特征在于，在所述获取待分析图像和背景图像，分别在所述待分析图像中确定与所述标准内点坐标对应的第一内点，与所述标准边缘点坐标对应的第一边缘点，确定所述第一内点的第一灰度值和所述第一边缘点的第二灰度值；以及，分别在所述背景图像中确定与所述标准内点坐标对应的第二内点，与所述标准边缘点坐标对应的第二边缘点，确定所述第二内点的第三灰度值和所述第二边缘点的第四灰度值之后还包括：
根据所述待分析图像，使用预设混合高斯更新算法对所述背景图像进行更新。
5.如权利要求1所述的物体移除检测方法，其特征在于，在所述判定所述待值守物体被移除之后，所述方法还包括：
记录物体移除时长，当所述物体移除时长大于预设时长阈值时，执行示警操作。
6.一种物体移除检测装置，其特征在于，包括：
标准坐标模块，用于获取配置图像，对所述配置图像进行边缘检测，得到所述配置图像中待值守物体的标准内点坐标和标准边缘点坐标；
灰度获取模块，用于获取待分析图像和背景图像，分别在所述待分析图像中确定与所述标准内点坐标对应的第一内点，与所述标准边缘点坐标对应的第一边缘点，确定所述第一内点的第一灰度值和所述第一边缘点的第二灰度值；以及，分别在所述背景图像中确定与所述标准内点坐标对应的第二内点，与所述标准边缘点坐标对应的第二边缘点，确定所述第二内点的第三灰度值和所述第二边缘点的第四灰度值，所述背景图像为用于与所述待分析图像进行物体移除比对的图像；
变化计算模块，用于根据所述第一内点的所述第一灰度值和所述第二内点的所述第三灰度值计算内点平均变化量，根据所述第一边缘点的所述第二灰度值和所述第二边缘点的所述第四灰度值计算边缘点平均变化量；
变化判断模块，用于判断所述内点平均变化量是否大于内点变化阈值且边缘点平均变化量大于边缘点变化阈值；
移除判定模块，用于当所述内点平均变化量大于内点变化阈值且边缘点平均变化量大于边缘点变化阈值时，判定所述待值守物体被移除；
所述标准坐标模块具体包括：
第一检测子模块，用于获取配置图像，使用边缘检测算子对所述配置图像中的待值守物体进行边缘检测，得到所述配置图像中所述待值守物体的检测边缘点的检测灰度值；
阈值计算子模块，用于计算各检测边缘点的检测灰度值的平均值，以所述平均值作为边缘点检测阈值；
形态学子模块，用于对所述配置图像进行形态学处理，得到新的配置图像；
第二检测子模块，用于将所述新的配置图像中各像素点的灰度值与所述边缘点检测阈值进行比较，以所述灰度值大于所述边缘点检测阈值的像素点作为所述待值守物体的标准边缘点，以标准边缘点连通域内的像素点作为所述待值守物体的标准内点，得到所述待值守物体的标准内点坐标和标准边缘点坐标。
7.一种终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至5任一项所述方法的步骤。
8.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至5任一项所述方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910219848.6A CN110033468B (zh) | 2019-03-21 | 2019-03-21 | 一种物体移除检测方法、装置及终端设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910219848.6A CN110033468B (zh) | 2019-03-21 | 2019-03-21 | 一种物体移除检测方法、装置及终端设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110033468A CN110033468A (zh) | 2019-07-19 |
| CN110033468B true CN110033468B (zh) | 2020-01-17 |
Family
ID=67236399
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910219848.6A Active CN110033468B (zh) | 2019-03-21 | 2019-03-21 | 一种物体移除检测方法、装置及终端设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110033468B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110896447B (zh) * | 2019-10-09 | 2020-12-01 | 六安荣耀创新智能科技有限公司 | 通信信号内容差异即时检测平台 |
Family Cites Families (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP4843297B2 (ja) * | 2005-11-24 | 2011-12-21 | 良次 大塲 | 被写体監視方法、被写体監視装置、および被写体監視プログラム |
| CN102842135A (zh) * | 2012-07-17 | 2012-12-26 | 杭州淘淘搜科技有限公司 | 一种商品图像主体区域检测方法 |
| US10049434B2 (en) * | 2015-10-15 | 2018-08-14 | The Boeing Company | Systems and methods for object detection |
| CN108492287B (zh) * | 2018-03-14 | 2020-06-02 | 罗普特（厦门）科技集团有限公司 | 一种视频抖动检测方法、终端设备及存储介质 |
-
2019
- 2019-03-21 CN CN201910219848.6A patent/CN110033468B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN110033468A (zh) | 2019-07-19 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110766679B (zh) | 镜头脏污检测方法、装置及终端设备 | |
| CN110491135B (zh) | 检测违章停车的方法及相关装置 | |
| CN110855976B (zh) | 摄像头异常检测方法、装置及终端设备 | |
| AU2009243442B2 (en) | Detection of abnormal behaviour in video objects | |
| CN109409238B (zh) | 一种障碍物检测方法、装置及终端设备 | |
| CN102348128A (zh) | 具有摄像机异常检测装置的监视用摄像机系统 | |
| JP2016085487A (ja) | 情報処理装置、情報処理方法及びコンピュータプログラム | |
| CN111783744A (zh) | 一种操作现场安全防护检测方法及装置 | |
| CN104966304A (zh) | 基于卡尔曼滤波与非参数背景模型的多目标检测跟踪方法 | |
| CN111738240A (zh) | 区域监测方法、装置、设备及存储介质 | |
| CN111144337B (zh) | 火灾检测方法、装置及终端设备 | |
| US20190139233A1 (en) | System and method for face position tracking and alerting user | |
| WO2022082999A1 (zh) | 一种物体识别方法、装置、终端设备及存储介质 | |
| CN112115803B (zh) | 口罩状态提醒方法、装置及移动终端 | |
| CN114005058A (zh) | 粉尘识别方法、装置及终端设备 | |
| CN110647818A (zh) | 一种遮挡目标物体的识别方法及装置 | |
| CN113869137A (zh) | 事件检测方法、装置、终端设备及存储介质 | |
| KR101454644B1 (ko) | 보행자 추적기를 이용한 서성거림을 탐지하는 방법 | |
| CN111460917B (zh) | 基于多模态信息融合的机场异常行为检测系统及方法 | |
| US20170193641A1 (en) | Scene obstruction detection using high pass filters | |
| CN111160187B (zh) | 一种遗留物体检测的方法、装置及系统 | |
| CN110033468B (zh) | 一种物体移除检测方法、装置及终端设备 | |
| CN114758268A (zh) | 手势识别方法、装置及智能设备 | |
| CN115471824A (zh) | 眼部状态检测方法、装置、电子设备和存储介质 | |
| CN116863288A (zh) | 基于深度学习的目标检测和报警方法、装置及设备 |
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: 20210820 Address after: 518000 12b, Sanhang science and technology building, Northwest University of technology, No. 45, Gaoxin South ninth Road, high tech Zone community, Yuehai street, Nanshan District, Shenzhen, Guangdong Patentee after: Shenzhen huasairuifei Intelligent Technology Co.,Ltd. Address before: 518000 6002b, block 2, East veterans building, No. 3012, Xingye Road, Bao'an District, Shenzhen, Guangdong Province Patentee before: Sun Kai |
|
| TR01 | Transfer of patent right | ||
| CP02 | Change in the address of a patent holder |
Address after: 518000, A2305, Building 11, Shenzhen Bay Science and Technology Ecological Park, No. 16, Keji South Road, Gaoxin District, Yuehai Street, Nanshan District, Shenzhen City, Guangdong Province Patentee after: Shenzhen huasairuifei Intelligent Technology Co.,Ltd. Address before: 518000 12b, Sanhang science and technology building, Northwest University of technology, No. 45, Gaoxin South ninth Road, high tech Zone community, Yuehai street, Nanshan District, Shenzhen, Guangdong Patentee before: Shenzhen huasairuifei Intelligent Technology Co.,Ltd. |
|
| CP02 | Change in the address of a patent holder |