CN110300241A - 一种视频检测区噪声帧去除方法 - Google Patents
一种视频检测区噪声帧去除方法 Download PDFInfo
- Publication number
- CN110300241A CN110300241A CN201910718948.3A CN201910718948A CN110300241A CN 110300241 A CN110300241 A CN 110300241A CN 201910718948 A CN201910718948 A CN 201910718948A CN 110300241 A CN110300241 A CN 110300241A
- Authority
- CN
- China
- Prior art keywords
- point
- points
- frame
- video
- coordinate
- 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
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 45
- 238000005516 engineering process Methods 0.000 title claims abstract description 31
- 238000000034 method Methods 0.000 claims abstract description 15
- 239000011159 matrix material Substances 0.000 claims abstract description 14
- 238000000605 extraction Methods 0.000 claims abstract description 7
- 239000000284 extract Substances 0.000 claims description 5
- 238000004458 analytical method Methods 0.000 abstract description 7
- 230000000694 effects Effects 0.000 abstract description 6
- 230000008707 rearrangement Effects 0.000 abstract description 5
- 230000009467 reduction Effects 0.000 abstract description 5
- 230000007246 mechanism Effects 0.000 abstract description 4
- 238000007781 pre-processing Methods 0.000 abstract description 4
- 230000004044 response Effects 0.000 description 4
- 230000006872 improvement Effects 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 238000007689 inspection Methods 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000009194 climbing Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 235000013305 food Nutrition 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N5/00—Details of television systems
- H04N5/14—Picture signal circuitry for video frequency region
- H04N5/21—Circuitry for suppressing or minimising disturbance, e.g. moiré or halo
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种视频检测区域噪声帧去除方法，通过对凸多边形视频检测区帧提取和重新排序，从而对检测区域视频帧矩阵数字归一化处理，利用矩阵运算的特性，对视频智能分析做好预先处理机制，将凸多边形周边噪声帧进行去除。本发明一种视频检测区域噪声帧去除方法针对检测区域整体图像特性检测方面提出一种视频检测区域视频帧提取和重排的方法，将干扰帧进行去除，从根本上剔除检测区噪声帧的干扰，本发明一种视频检测区域噪声帧去除方法具有准确度高，降噪效果好的优点。
Description
技术领域
本发明涉及视频处理技术领域，尤其涉及一种准确度高，降噪效果好的视频检测区噪声帧去除方法。
背景技术
随着外来人口的大量流入，城市人口状况呈现基数大、流动性高、居住位置分散、管控难度高的特点，由此衍生的各类治安、刑事案件以及其他社会问题也出现逐年上升趋势，给人民群众安居乐业、城市综合治理带来了巨大的考验和挑战,同时围绕社区层面的新型案件侦查、反恐等方面的需求也越来越迫切，因此亟需构建智能化、立体化的社区安全防控体系来提高社区安全治理水平，从而提高城市的综合管理能力。此时，人工智能技术的突飞猛进的发展，带来了从根本上解决问题的方法，特别是图像处理、人脸识别、语音识别和意识识别等关键技术的突破，不断有新的技术、智能化产品和解决方案落地与智慧社区应用领域。特别是图像处理技术在智能安防领域的应用，例如违规停车、消防占道、攀爬告警等，在这些应用场景内的检测区域往往是一些不规则的形状，因此在进行图像算法分析计算时，难免会存在干扰帧。现有存在的方法大部分是通过直方图、归一化等方法从整体算法层面来突出目标物体的特征，进行抗干扰处理。但是，干扰帧的干扰因素仍旧存在。
因此，有必要提出一种改进，以克服现有技术缺陷。
发明内容
本发明的目的是解决现有技术中的问题，提供一种准确度高，降噪效果好的视频检测区噪声帧去除方法。
本发明的技术方案是：
一种视频检测区噪声帧去除方法，包括以下步骤：S1、读取一帧图像视频帧frame；S2、获取检测区域凸多边形的所有点坐标信息points[N]，N为点个数；S3、对凸多边形的点坐标进行逆时针排序points[N]＝sort(points[N])；S4、获取该凸多边形的最左边点坐标left＝points[m]和最右边点坐标right＝points[n]；S5、设置起始点及终止点；由起始点向终止点扩散，获取与起始点最邻近的两个点所组成的上下线段的横轴方向最短线段截止包围的区域的视频帧进行提取；所述起始点为最左边点或最右边点，所述终止点对应为最右边点或最左边点；S6、对所提取的视频帧进行重新排列。
作为一种优选的技术方案，所述步骤S3中“凸多边形的点坐标进行逆时针排序”的方法为利用矩形矩阵判定和交叉判定进行。
作为一种优选的技术方案，所述步骤S5的具体方法包括以下步骤：S5a、设置起始点start_x为所述最左边点points[m]，初始化线段上点up_point及下点down_point为up_point＝down_point＝points[m]；与最左边点最邻近的点在凸多边形所有点坐标信息points[N]中的索引为i，j，则i＝m+1，和j＝(m-1)％N，两个点的坐标信息分别为points[i]、points[j]；S5b、创建提取视频帧存储列表area_picture_element＝[]；S5c、由坐标对[up_point,points[i]]和[down_point,points[j]]根据函数y＝kx+b获取两条线段的函数表达式line_up和line_down；S5d、若points[i].x>points[j].x，则线段终点的x坐标end_x＝points[j].x，j＝(j-1)％N；否则，线段终点的x坐标end_x＝points[i].x，i＝(i+1)％N；在线段起点的x坐标star_x t与线段终点的x坐标end_x之间的区域[start_x,end_x]内将图像像素值两条线段line_up和line_down所包围区域的帧添加至提取视频帧存储列表area_picture_element。
作为一种进一步优选的技术方案，所述步骤S5d之后还设置步骤S5e、当start_x＝end_x，若start_x！＝points[n].x，则转向步骤S5d；否则视频帧提取结束。
作为另一种进一步优选的技术方案，所述步骤S6包括以下步骤：S6a、创建重排后矩阵列表为new_detect_area_frame＝[],列数为column＝15；S6b、将视频帧存储列表area_picture_element分为15份；S6c、将分好的视频帧重组到new_detect_area_frame。
本发明一种视频检测区域噪声帧去除方法，通过对凸多边形视频检测区帧提取和重新排序，从而对检测区域视频帧矩阵数字归一化处理，利用矩阵运算的特性，对视频智能分析做好预先处理机制，将凸多边形周边噪声帧进行去除。本发明一种视频检测区域噪声帧去除方法针对检测区域整体图像特性检测方面提出一种视频检测区域视频帧提取和重排的方法，将干扰帧进行去除，从根本上剔除检测区噪声帧的干扰，本发明一种视频检测区域噪声帧去除方法具有准确度高，降噪效果好的优点。
附图说明
图1为本发明一种视频检测区噪声帧去除方法具体实施方式流程框图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
在本发明实施例中使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本发明。在本发明实施例和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义，“多种”一般包含至少两种，但是不排除包含至少一种的情况。
应当理解，本文中使用的术语“和/或”仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，本文中字符“/”，一般表示前后关联对象是一种“或”的关系。
取决于语境，如在此所使用的词语“如果”、“若”可以被解释成为“在……时”或“当……时”或“响应于确定”或“响应于检测”。类似地，取决于语境，短语“如果确定”或“如果检测(陈述的条件或事件)”可以被解释成为“当确定时”或“响应于确定”或“当检测(陈述的条件或事件)时”或“响应于检测(陈述的条件或事件)”。
还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的商品或者系统不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种商品或者系统所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的商品或者系统中还存在另外的相同要素。
如图1所示，本发明的一种视频检测区噪声帧去除方法，包括以下步骤：
S1、读取一帧图像视频帧frame；
S2、获取检测区域凸多边形的所有点坐标信息points[N]，N为点个数；
S3、对凸多边形的点坐标进行逆时针排序points[N]＝sort(points[N])；
S4、获取该凸多边形的最左边点坐标left＝points[m]和最右边点坐标right＝points[n]；
S5、设置起始点及终止点；由起始点向终止点扩散，获取与起始点最邻近的两个点所组成的上下线段的横轴方向最短线段截止包围的区域的视频帧进行提取；所述起始点为最左边点或最右边点，所述终止点对应为最右边点或最左边点；
S6、对所提取的视频帧进行重新排列。
本发明一种视频检测区域噪声帧去除方法，通过对凸多边形视频检测区帧提取和重新排序，从而对检测区域视频帧矩阵数字归一化处理，利用矩阵运算的特性，对视频智能分析做好预先处理机制，将凸多边形周边噪声帧进行去除。
作为一种优选方案，步骤S3中“凸多边形的点坐标进行逆时针排序”的方法为利用矩形矩阵判定和交叉判定(右手法则)进行。
在实际应用中，本实施例的一种食品检测区噪声帧去除方法，步骤S5的具体方法包括以下步骤：
S5a、设置起始点start_x为所述最左边点points[m]，初始化线段上点up_point及下点down_point为up_point＝down_point＝points[m]；与最左边点最邻近的点在凸多边形所有点坐标信息points[N]中的索引为i，j，则i＝m+1，和j＝(m-1)％N，两个点的坐标信息分别为points[i]、points[j]；
S5b、创建提取视频帧存储列表area_picture_element＝[]；
S5c、由坐标对[up_point,points[i]]和[down_point,points[j]]根据函数y＝kx+b获取两条线段的函数表达式line_up和line_down；
S5d、若points[i].x>points[j].x，则线段终点的x坐标end_x＝points[j].x，j＝(j-1)％N；否则，线段终点的x坐标end_x＝points[i].x，i＝(i+1)％N；在线段起点的x坐标star_x t与线段终点的x坐标end_x之间的区域[start_x,end_x]内将图像像素值两条线段line_up和line_down所包围区域的帧添加至提取视频帧存储列表area_picture_element。具体操作描述为：
为了保证视频帧提取可以覆盖全部图像视频帧，本实施例的一种视频检测区噪声帧去除方法在所述步骤S5d之后还设置步骤S5e、当start_x＝end_x，若start_x！＝points[n].x，则转向步骤S5d；否则视频帧提取结束。
作为优选方案，本实施例的一种视频检测区噪声帧去除方法中，步骤S6“对所提取的视频帧进行重新排列”具体包括以下步骤：
S6a、创建重排后矩阵列表为new_detect_area_frame＝[],列数为column＝15；
S6b、将视频帧存储列表area_picture_element分为15份；
S6c、将分好的视频帧重组到new_detect_area_frame。具体操作为：
for i in range(15):
list＝[]
list＝area_picture_element[i*row,(i+1)row]
new_detect_area_frame.append(list)
采用本发明的一种视频检测区噪声帧去除方法处理之后的视频帧，将原始图像视频帧进行提取和重排，去除噪声帧之后再进行视频智能分析，可以提高检测区的检测灵敏度和精准性从而有效提高视频智能分析检测的精准度。
应当知晓，本实施例以起始点为最左边点，终止点为最右边点举例，在实际应用中，还可以将起始点设置为最右边点，对应的终止点为最左边点，对应的数值关系进行调整即可，均可实现本发明一种视频检测区噪声帧去除方法的作用，不影响本发明一种视频检测区噪声帧去除方法的优点体现。
本发明一种视频检测区域噪声帧去除方法，通过对凸多边形视频检测区帧提取和重新排序，从而对检测区域视频帧矩阵数字归一化处理，利用矩阵运算的特性，对视频智能分析做好预先处理机制，将凸多边形周边噪声帧进行去除。本发明一种视频检测区域噪声帧去除方法针对检测区域整体图像特性检测方面提出一种视频检测区域视频帧提取和重排的方法，将干扰帧进行去除，从根本上剔除检测区噪声帧的干扰，本发明一种视频检测区域噪声帧去除方法具有准确度高，降噪效果好的优点。
综上所述仅为本发明较佳的实施例，并非用来限定本发明的实施范围。即凡依本发明申请专利范围的内容所作的等效变化及修饰，皆应属于本发明的技术范畴。
Claims (5)
1.一种视频检测区噪声帧去除方法，其特征在于：包括以下步骤：
S1、读取一帧图像视频帧frame；
S2、获取检测区域凸多边形的所有点坐标信息points[N]，N为点个数；
S3、对凸多边形的点坐标进行逆时针排序points[N]＝sort(points[N])；
S4、获取该凸多边形的最左边点坐标left＝points[m]和最右边点坐标right＝points[n]；
S5、设置起始点及终止点；由起始点向终止点扩散，获取与起始点最邻近的两个点所组成的上下线段的横轴方向最短线段截止包围的区域的视频帧进行提取；所述起始点为最左边点或最右边点，所述终止点对应为最右边点或最左边点；
S6、对所提取的视频帧进行重新排列。
2.根据权利要求1所述的一种视频检测区噪声帧去除方法，其特征在于：所述步骤S3中“凸多边形的点坐标进行逆时针排序”的方法为利用矩形矩阵判定和交叉判定进行。
3.根据权利要求1所述的一种视频检测区噪声帧去除方法，其特征在于：所述步骤S5的具体方法包括以下步骤：
S5a、设置起始点start_x为所述最左边点points[m]，初始化线段上点up_point及下点down_point为up_point＝down_point＝points[m]；与最左边点最邻近的点在凸多边形所有点坐标信息points[N]中的索引为i，j，则i＝m+1，和j＝(m-1)％N，两个点的坐标信息分别为points[i]、points[j]；
S5b、创建提取视频帧存储列表area_picture_element＝[]；
S5c、由坐标对[up_point,points[i]]和[down_point,points[j]]根据函数y＝kx+b获取两条线段的函数表达式line_up和line_down；
S5d、若points[i].x>points[j].x，则线段终点的x坐标end_x＝points[j].x，j＝(j-1)％N；否则，线段终点的x坐标end_x＝points[i].x，i＝(i+1)％N；在线段起点的x坐标star_x t与线段终点的x坐标end_x之间的区域[start_x,end_x]内将图像像素值两条线段line_up和line_down所包围区域的帧添加至提取视频帧存储列表area_picture_element。
4.根据权利要求3所述的一种视频检测区噪声帧去除方法，其特征在于：所述步骤S5d之后还设置步骤S5e、当start_x＝end_x，若start_x！＝points[n].x，则转向步骤S5d；否则视频帧提取结束。
5.根据权利要求3所述的，其特征在于：所述步骤S6包括以下步骤：
S6a、创建重排后矩阵列表为new_detect_area_frame＝[],列数为column＝15；
S6b、将视频帧存储列表area_picture_element分为15份；
S6c、将分好的视频帧重组到new_detect_area_frame。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910718948.3A CN110300241B (zh) | 2019-08-05 | 2019-08-05 | 一种视频检测区噪声帧去除方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910718948.3A CN110300241B (zh) | 2019-08-05 | 2019-08-05 | 一种视频检测区噪声帧去除方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110300241A true CN110300241A (zh) | 2019-10-01 |
| CN110300241B CN110300241B (zh) | 2021-09-17 |
Family
ID=68032682
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910718948.3A Active CN110300241B (zh) | 2019-08-05 | 2019-08-05 | 一种视频检测区噪声帧去除方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110300241B (zh) |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH11355723A (ja) * | 1998-06-12 | 1999-12-24 | Brother Ind Ltd | 動画音声データ圧縮装置 |
| WO2009076182A1 (en) * | 2007-12-13 | 2009-06-18 | Clemson University | Vision based real time traffic monitoring |
| CN101464952A (zh) * | 2007-12-19 | 2009-06-24 | 中国科学院自动化研究所 | 基于轮廓的异常行为识别方法 |
| US20110280312A1 (en) * | 2010-05-13 | 2011-11-17 | Texas Instruments Incorporated | Video processing device with memory optimization in image post-processing |
| CN104822067A (zh) * | 2015-05-03 | 2015-08-05 | 华东理工大学 | 一种基于分块置乱和非线性变换的图像及视频信息隐藏方法 |
| CN106373125A (zh) * | 2016-09-30 | 2017-02-01 | 杭州电子科技大学 | 一种基于信息熵的雪花噪声检测方法 |
| CN106803259A (zh) * | 2017-01-19 | 2017-06-06 | 电子科技大学 | 一种流水作业平台烟条自动视觉检测与计数方法 |
| CN108960185A (zh) * | 2018-07-20 | 2018-12-07 | 泰华智慧产业集团股份有限公司 | 基于YOLOv2的车辆目标检测方法及系统 |
| CN109409205A (zh) * | 2018-09-07 | 2019-03-01 | 东南大学 | 基于线间距特征点聚类的航拍视频公路车道线检测方法 |
| CN109583441A (zh) * | 2018-10-19 | 2019-04-05 | 天津大学 | 基于监控平台的字幕识别方法 |
-
2019
- 2019-08-05 CN CN201910718948.3A patent/CN110300241B/zh active Active
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH11355723A (ja) * | 1998-06-12 | 1999-12-24 | Brother Ind Ltd | 動画音声データ圧縮装置 |
| WO2009076182A1 (en) * | 2007-12-13 | 2009-06-18 | Clemson University | Vision based real time traffic monitoring |
| CN101464952A (zh) * | 2007-12-19 | 2009-06-24 | 中国科学院自动化研究所 | 基于轮廓的异常行为识别方法 |
| US20110280312A1 (en) * | 2010-05-13 | 2011-11-17 | Texas Instruments Incorporated | Video processing device with memory optimization in image post-processing |
| CN104822067A (zh) * | 2015-05-03 | 2015-08-05 | 华东理工大学 | 一种基于分块置乱和非线性变换的图像及视频信息隐藏方法 |
| CN106373125A (zh) * | 2016-09-30 | 2017-02-01 | 杭州电子科技大学 | 一种基于信息熵的雪花噪声检测方法 |
| CN106803259A (zh) * | 2017-01-19 | 2017-06-06 | 电子科技大学 | 一种流水作业平台烟条自动视觉检测与计数方法 |
| CN108960185A (zh) * | 2018-07-20 | 2018-12-07 | 泰华智慧产业集团股份有限公司 | 基于YOLOv2的车辆目标检测方法及系统 |
| CN109409205A (zh) * | 2018-09-07 | 2019-03-01 | 东南大学 | 基于线间距特征点聚类的航拍视频公路车道线检测方法 |
| CN109583441A (zh) * | 2018-10-19 | 2019-04-05 | 天津大学 | 基于监控平台的字幕识别方法 |
Non-Patent Citations (1)
| Title |
|---|
| 时舒森 等: ""一种鲁棒自适应差分能量视频水印算法"", 《上海交通大学学报》 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110300241B (zh) | 2021-09-17 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Babu et al. | Vehicle number plate detection and recognition using bounding box method | |
| US9754160B2 (en) | Method and device for detecting gathering of objects based on stereo vision as well as non-transitory computer-readable medium | |
| CN104899508B (zh) | 一种多阶段钓鱼网站检测方法与系统 | |
| CN107016370A (zh) | 一种基于数据增强的部分遮挡人脸识别方法 | |
| CN112200081A (zh) | 异常行为识别方法、装置、电子设备及存储介质 | |
| CN110033040B (zh) | 一种火焰识别方法、系统、介质和设备 | |
| CN104992148A (zh) | 基于随机森林的atm终端部分遮挡人脸关键点检测方法 | |
| CN112528997B (zh) | 一种基于文本中心区域扩增的藏汉双语场景文本检测方法 | |
| WO2018210047A1 (zh) | 数据处理方法、数据处理装置、电子设备及存储介质 | |
| CN110321905A (zh) | 基于语义分割的异常区域检测方法、系统及相关组件 | |
| Kaur et al. | Captcha and its techniques: a review | |
| CN107622489A (zh) | 一种图像篡改检测方法及装置 | |
| CN111813997A (zh) | 入侵分析方法、装置、设备及存储介质 | |
| CN107067412A (zh) | 一种多信息融合的视频火焰烟雾检测方法 | |
| CN106127222A (zh) | 一种基于视觉的字符串相似度计算方法及相似性判断方法 | |
| CN111814612A (zh) | 目标的脸部检测方法及其相关装置 | |
| CA3119574A1 (en) | System and method for using artificial intelligence to enable elevated temperature detection of persons using commodity-based thermal cameras | |
| CN114140663A (zh) | 一种基于多尺度注意力学习网络的害虫识别方法及系统 | |
| JP2024040203A (ja) | 人物検出装置、人物追跡装置、人物追跡システム、人物検出方法、人物追跡方法、人物検出プログラム及び人物追跡プログラム | |
| CN113378668A (zh) | 积水类别的确定方法、装置、设备及存储介质 | |
| Horry et al. | I know your face but not where I saw you: Context memory is impaired for other-race faces | |
| CN110300241A (zh) | 一种视频检测区噪声帧去除方法 | |
| CN105095906A (zh) | 目标特征模型数据库建立的方法、装置及系统 | |
| CN111160263B (zh) | 一种获取人脸识别阈值的方法及系统 | |
| CN110647595A (zh) | 一种新增兴趣点的确定方法、装置、设备和介质 |
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: 20231206 Address after: No.2252, Shaling Road, Shatou, Jiangsu Province Patentee after: JIANGSU TC SMART SYSTEMS GROUP Co.,Ltd. Address before: Room 904, building 2, No. 618, Guangxing Road, Songjiang District, Shanghai 201613 Patentee before: SHANGHAI TIANCHENG BIJI TECHNOLOGY Co.,Ltd. |
|
| TR01 | Transfer of patent right | ||
| CP03 | Change of name, title or address |
Address after: No.2252, Shaling Road, Shatou, Jiangsu Province Patentee after: Jiangsu Tiancheng Intelligent Group Co.,Ltd. Country or region after: China Address before: No.2252, Shaling Road, Shatou, Jiangsu Province Patentee before: JIANGSU TC SMART SYSTEMS GROUP Co.,Ltd. Country or region before: China |
|
| CP03 | Change of name, title or address |