CN110543497B - 一种高实时性布控解决方法及系统 - Google Patents

一种高实时性布控解决方法及系统 Download PDF

Info

Publication number
CN110543497B
CN110543497B CN201910622978.4A CN201910622978A CN110543497B CN 110543497 B CN110543497 B CN 110543497B CN 201910622978 A CN201910622978 A CN 201910622978A CN 110543497 B CN110543497 B CN 110543497B
Authority
CN
China
Prior art keywords
center
data
early warning
deployment
algorithm
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
CN201910622978.4A
Other languages
English (en)
Other versions
CN110543497A (zh
Inventor
唐四维
陈晓琴
李小龙
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.)
Wuhan Fiberhome Digtal Technology Co Ltd
Original Assignee
Wuhan Fiberhome Digtal Technology 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 Wuhan Fiberhome Digtal Technology Co Ltd filed Critical Wuhan Fiberhome Digtal Technology Co Ltd
Priority to CN201910622978.4A priority Critical patent/CN110543497B/zh
Publication of CN110543497A publication Critical patent/CN110543497A/zh
Application granted granted Critical
Publication of CN110543497B publication Critical patent/CN110543497B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
    • G06F16/2465—Query processing support for facilitating data mining operations in structured databases
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
    • G06F16/53—Querying
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/26—Government or public services
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B29/00—Checking or monitoring of signalling or alarm systems; Prevention or correction of operating errors, e.g. preventing unauthorised operation
    • G08B29/18—Prevention or correction of operating errors
    • G08B29/185—Signal analysis techniques for reducing or preventing false alarms or for enhancing the reliability of the system
    • G08B29/188—Data fusion; cooperative systems, e.g. voting among different detectors

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • Databases & Information Systems (AREA)
  • Tourism & Hospitality (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Economics (AREA)
  • General Business, Economics & Management (AREA)
  • Health & Medical Sciences (AREA)
  • Development Economics (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • Educational Administration (AREA)
  • Fuzzy Systems (AREA)
  • Mathematical Physics (AREA)
  • Probability & Statistics with Applications (AREA)
  • Software Systems (AREA)
  • Computational Linguistics (AREA)
  • Computer Security & Cryptography (AREA)
  • Alarm Systems (AREA)

Abstract

一种高实时性布控解决方法及系统，方法包括：各前端采集设备将采集的前端数据存入数据中心及对应的前端多算法引擎，所述数据中心通过前端数据基于大数据分析各前端采集设备之间的关联关系；将布控信息下发到各前端采集设备对应的前端多算法引擎；前端多算法引擎通过布控信息以及前端数据进行分析，判断是否达到预警条件，到达预警条件时，产生预警信息并上传到告警中心；对产生了预警信息的前端采集设备及其高关联的前端采集设备，通过对应的前端多算法引擎将采集的前端数据上传至高优先处理存储单元；算法中心调集算力优先处理高优先处理存储单元中的数据。

Description

一种高实时性布控解决方法及系统
技术领域
本发明涉及公安刑侦、大数据领域，具体涉及一种高实时性布控解决方法及系统。
背景技术
随着公安信息化建设与人们对社会稳定性要求的提高，全国基于视屏侦察样板工程的建设，公安行业对图像处理技术(人脸识别、车辆识别)深化应用，显著的提高公安的工作效率，降低干警工作强度，加强了社会治安综合治理，在实践过程中公安用户对布控告警的实时性提出了更高的要求。现在布控系统常采用传统数据中心模式，即前端数据到数据中心，算法服务器从数据中心取数据分析，该模式随着前端采集设备的数量急剧的增加，其布控告警的延时会显著的增加。
发明内容
为解决上述技术问题，本发明提供一种高实时性布控解决方法与系统，能够提高告警实时性，并通过该机制有效的提高公安的工作效率，降低干警工作强度，加强了社会治安综合治理。本发明的技术方案如下：
作为本发明的第一方面，提供一种高实时性布控解决方法，所述方法包括：
S1:各前端采集设备将采集的前端数据存入数据中心及对应的前端多算法引擎，所述数据中心通过前端数据基于大数据分析各前端采集设备之间的关联关系；
S2:将布控信息下发到各前端采集设备对应的前端多算法引擎；
S3:前端多算法引擎通过布控信息以及前端数据进行分析，判断是否达到预警条件，到达预警条件时，产生预警信息并上传到告警中心；
S4:对产生了预警信息的前端采集设备及其高关联的前端采集设备，通过对应的前端多算法引擎将采集的前端数据上传至高优先处理存储单元；
S5:算法中心调集算力优先处理高优先处理存储单元中的数据。
进一步地，所述步骤1具体包括：
令A＝{a1,a2,...,am}，其中，A是前端数据集合，a1,a2,...,am分别代表不同前端采集设备所产生的数据集，即存在
Figure BDA0002126115110000022
且i≠j
Figure BDA0002126115110000021
其中
Figure BDA0002126115110000023
表示关联规则，
Figure BDA0002126115110000024
表示计算
Figure BDA0002126115110000025
关联规则的支持度，
Figure BDA0002126115110000026
表示计算
Figure BDA0002126115110000027
关联规则置信，support_count(ai∪aj)表示即出现在ai也出现在aj中的对象，support_count(ai)表示出现在ai中的对象总次数；
通过预先设置的最小出现次数、最小支持度和最小置信度，从而找到前端采集设备的强关联规则。
进一步地，所述方法还包括：步骤2中，还将布控信息下发到算法中心；步骤3中，算法中心还通过布控信息以及前端数据进行分析，产生预警信息并上传到告警中心。
进一步地，所述前端采集设备包括高清摄像机、人脸卡口和车辆卡口。
进一步地，所述布控信息包括布控对象的特征和阈值，所述前端多算法引擎将前端采集设备采集的前端数据与布控对象的特征进行比对，如比对结果超过阈值就产生预警信息。
进一步地，所述方法还包括：在步骤3之后还包括：控制中心根据告警中心的预警信息进一步判断预警信息的真实性，对产生了预警信息的前端采集设备及其高关联的前端采集设备对应的前端多算法引擎下达仅对特定特征比对的指令，将产生的预警信息发给特定接收端。
作为本发明的第二方面，提供一种高实时性布控解决系统，所述系统包括数据中心、前端多算法引擎、告警中心、控制中心、算法中心以及多个前端采集设备；
所述数据中心用于存储前端采集设备采集的的前端数据；
每个前端采集设备配置一个前端多算法引擎，用以通过布控信息以及前端采集设备采集的前端数据进行分析，判断是否达到预警条件，到达预警条件时，产生预警信息并上传到告警中心；
所述告警中心用于存储并过滤重复预警信息；
所述控制中心用于处理预警信息，调度算力和对整个系统的控制，对产生了预警信息的前端采集设备及其高关联的前端采集设备，通过对应的前端多算法引擎将采集的前端数据上传至高优先处理存储单元；
所述高优先处理存储单元用于存储需要有先处理前端采集数据；
所述算法中心用于提供支持算法服务，调集算力优先处理高优先处理存储单元中的数据；
其中，所述布控信息包括布控对象的特征和阈值，所述前端多算法引擎将前端采集设备采集的前端数据与布控对象的特征进行比对，如比对结果超过阈值就产生预警信息。
进一步地，所述控制中心还用于根据告警中心的预警信息进一步判断预警信息的真实性，对产生了预警信息的前端采集设备及其高关联的前端采集设备对应的前端多算法引擎下达仅对特定特征比对的指令，并将预警信息发给特定接收端。
进一步地，所述前端采集设备包括高清摄像机、人脸卡口和车辆卡口。
本发明具有以下有益效果：
对比现有技术，本发明在前端提出前端多算法引擎使用多家算法引擎采用数据融合技术降低仅依赖单独算法厂家因为算法不成熟产生的误报和漏报，同时采用数据挖掘技术，分析前端采集设备之间强关联关系，为告警人员追踪、抓获和优先处理的前端采集设备数据提供了依据，并提出了高优先处理存储单元用于存储有先处理数据。
附图说明
图1为本发明实施例提供的一种高实时性布控解决方法的流程图；
图2为本发明实施例提供的一种高实时性布控解决系统的框架图。
附图标记说明，1、前端采集设备，2、前端多算法引擎，3、数据中心，4、告警中心，5、高优先处理存储单元，6、算法中心，7、控制中心。
具体实施方式
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，所描述的实施例仅仅是本发明一部分，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做出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
如图1所示，作为本发明的第一实施例，提供一种高实时性布控解决方法，所述方法包括：
S1:各前端采集设备1将采集的前端数据存入数据中心3及对应的前端多算法引擎2，所述数据中心3通过前端数据基于大数据分析各前端采集设备1之间的关联关系；
S2:将布控信息下发到各前端采集设备1对应的前端多算法引擎2；
S3:前端多算法引擎2通过布控信息以及前端数据进行分析，判断是否达到预警条件，到达预警条件时，产生预警信息并上传到告警中心4；
S4:对产生了预警信息的前端采集设备1及其高关联的前端采集设备1，通过对应的前端多算法引擎2将采集的前端数据上传至高优先处理存储单元5；
S5:算法中心6调集算力优先处理高优先处理存储单元5中的数据。
其中，所述前端采集设备1包括高清摄像机、人脸卡口和车辆卡口等视频流或图片流的前端采集设备1。
其中，所述布控信息包括布控对象的特征和阈值，所述布控对象可以是人或者车，所述前端多算法引擎2将前端采集设备1采集的前端数据与布控对象的特征进行比对，如比对结果超过预设阈值，即达到预警条件，产生预警信息。
其中，所述步骤1具体包括：
令A＝{a1,a2,...,am}，其中，A是前端数据集合，a1,a2,...,am分别代表不同前端采集设备1所产生的数据集，即存在
Figure BDA0002126115110000055
且i≠j
Figure BDA0002126115110000051
其中
Figure BDA0002126115110000052
表示关联规则，
Figure BDA0002126115110000056
表示计算
Figure BDA0002126115110000057
关联规则的支持度，
Figure BDA0002126115110000053
表示计算
Figure BDA0002126115110000054
关联规则置信，support_count(ai∪aj)表示即出现在ai也出现在aj中的对象，support_count(ai)表示出现在ai中的对象总次数；
通过预先设置的最小出现次数、最小支持度和最小置信度，从而找到前端采集设备1的强关联规则。
本发明在前端提出前端多算法引擎2使用多家算法引擎采用数据融合技术降低仅依赖单独算法厂家因为算法不成熟产生的误报和漏报，同时采用数据挖掘技术，分析前端采集设备1之间强关联关系，为告警人员追踪、抓获和优先处理的前端采集设备1数据提供了依据，并提出了高优先处理存储单元5用于存储有先处理数据。
优选地，所述方法还包括：步骤2中，还将布控信息下发到算法中心6；步骤3中，算法中心6还通过布控信息以及前端数据进行分析，产生预警信息并上传到告警中心4。
优选地，所述方法还包括：在步骤3之后还包括：控制中心7根据告警中心4的预警信息进一步判断预警信息的真实性，对产生了预警信息的前端采集设备1及其高关联的前端采集设备1对应的前端多算法引擎2下达仅对特定特征比对的指令，将产生的预警信息发给特定接收端。
上述实施例中，产生预警信息后，控制中心7根据告警中心4的预警信息进一步判断预警信息的真实性，防止误报，该判断可以是警察二次确认，例如判断预警信息不是误报，确认是布控的对象，就可以调集计算资源对最近出现的设备的关联设备进行分析提高实时性，在首次发现目标后，对产生了预警信息的前端采集设备1及其高关联的前端采集设备1对应的前端多算法引擎2下达仅对特定特征比对的指令，使周边的所有设备都仅针对特定目标搜索目标，并将产生的告警直接发给特定接收端，从而提高搜索的速度。
如图2所示，作为本发明的第二实施例，提供一种高实时性布控解决系统，所述系统包括数据中心3、前端多算法引擎2、告警中心4、控制中心7、算法中心6以及多个前端采集设备1；
所述数据中心3用于存储前端采集设备1采集的的前端数据；
每个前端采集设备1配置一个前端多算法引擎2，用以通过布控信息以及前端采集设备1采集的前端数据进行分析，判断是否达到预警条件，到达预警条件时，产生预警信息并上传到告警中心4；
所述告警中心4用于存储并过滤重复预警信息；
所述控制中心7用于处理预警信息，调度算力和对整个系统的控制，对产生了预警信息的前端采集设备1及其高关联的前端采集设备1，通过对应的前端多算法引擎2将采集的前端数据上传至高优先处理存储单元5；
所述高优先处理存储单元5用于存储需要有先处理前端采集数据；
所述算法中心6用于提供支持算法服务，调集算力优先处理高优先处理存储单元5中的数据；
其中，所述前端多算法引擎2可以配置一个厂家或多个算法厂家的嵌入式设备，并通过数据融合技术，提高比对精度。
其中，所述前端采集设备1包括高清摄像机、人脸卡口和车辆卡口。
其中，所述布控信息包括布控对象的特征和阈值，所述前端多算法引擎2将前端采集设备1采集的前端数据与布控对象的特征进行比对，如比对结果超过阈值就产生预警信息。
优选地，所述控制中心7还用于根据告警中心4的预警信息进一步判断预警信息的真实性，对产生了预警信息的前端采集设备1及其高关联的前端采集设备1对应的前端多算法引擎2下达仅对特定特征比对的指令，并将预警信息发给特定接收端。
以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (9)

1.一种高实时性布控解决方法，其特征在于，所述方法包括：
S1:各前端采集设备将采集的前端数据存入数据中心及对应的前端多算法引擎，所述数据中心通过前端数据基于大数据分析各前端采集设备之间的关联关系；
S2:将布控信息下发到各前端采集设备对应的前端多算法引擎；
S3:前端多算法引擎通过布控信息以及前端数据进行分析，判断是否达到预警条件，到达预警条件时，产生预警信息并上传到告警中心；
S4:对产生了预警信息的前端采集设备及其高关联的前端采集设备，通过对应的前端多算法引擎将采集的前端数据上传至高优先处理存储单元；
S5:算法中心调集算力优先处理高优先处理存储单元中的数据。
2.根据权利要求1所述的高实时性布控解决方法，其特征在于，所述步骤S1具体包括：
令A＝{a1,a2,...,am}，其中，A是前端数据集合，a1,a2,...,am分别代表不同前端采集设备所产生的数据集，即存在
Figure FDA0003496424780000011
且i≠j
Figure FDA0003496424780000012
且i≠j；
其中
Figure FDA0003496424780000013
表示关联规则，
Figure FDA0003496424780000014
表示计算
Figure FDA0003496424780000015
关联规则的支持度，
Figure FDA0003496424780000016
表示计算
Figure FDA0003496424780000017
关联规则置信，support_count(ai∪aj)表示即出现在ai也出现在aj中的对象，support_count(ai)表示出现在ai中的对象总次数；
通过预先设置的最小出现次数、最小支持度和最小置信度，从而找到前端采集设备的强关联规则。
3.根据权利要求1所述的高实时性布控解决方法，其特征在于，所述方法还包括：步骤S2中，还将布控信息下发到算法中心；步骤S3中，算法中心还通过布控信息以及前端数据进行分析，产生预警信息并上传到告警中心。
4.根据权利要求1所述的高实时性布控解决方法，其特征在于，所述前端采集设备包括高清摄像机。
5.根据权利要求1所述的高实时性布控解决方法，其特征在于，所述布控信息包括布控对象的特征和阈值，所述前端多算法引擎将前端采集设备采集的前端数据与布控对象的特征进行比对，如比对结果超过阈值就产生预警信息。
6.根据权利要求5所述的高实时性布控解决方法，其特征在于，所述方法还包括：在步骤S3之后还包括：控制中心根据告警中心的预警信息进一步判断预警信息的真实性，对产生了预警信息的前端采集设备及其高关联的前端采集设备对应的前端多算法引擎下达仅对特定特征比对的指令。
7.一种高实时性布控解决系统，其特征在于，所述系统包括数据中心、前端多算法引擎、告警中心、控制中心、算法中心以及多个前端采集设备，
所述数据中心用于存储前端采集设备采集的前端数据；
每个前端采集设备配置一个前端多算法引擎，用以通过布控信息以及前端采集设备采集的前端数据进行分析，判断是否达到预警条件，到达预警条件时，产生预警信息并上传到告警中心；
所述告警中心用于存储并过滤重复预警信息；
所述控制中心用于处理预警信息，调度算力和对整个系统的控制，对产生了预警信息的前端采集设备及其高关联的前端采集设备，通过对应的前端多算法引擎将采集的前端数据上传至高优先处理存储单元；
所述高优先处理存储单元用于存储需要优先处理前端采集数据；
所述算法中心用于提供支持算法服务，调集算力优先处理高优先处理存储单元中的数据；
其中，所述布控信息包括布控对象的特征和阈值，所述前端多算法引擎将前端采集设备采集的前端数据与布控对象的特征进行比对，如比对结果超过阈值就产生预警信息。
8.根据权利要求7所述的高实时性布控解决系统，其特征在于，所述控制中心还用于根据告警中心的预警信息进一步判断预警信息的真实性，对产生了预警信息的前端采集设备及其高关联的前端采集设备对应的前端多算法引擎下达仅对特定特征比对的指令，并将预警信息发给特定接收端。
9.根据权利要求7所述的高实时性布控解决系统，其特征在于，所述前端采集设备包括高清摄像机。
CN201910622978.4A 2019-07-11 2019-07-11 一种高实时性布控解决方法及系统 Active CN110543497B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910622978.4A CN110543497B (zh) 2019-07-11 2019-07-11 一种高实时性布控解决方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910622978.4A CN110543497B (zh) 2019-07-11 2019-07-11 一种高实时性布控解决方法及系统

Publications (2)

Publication Number Publication Date
CN110543497A CN110543497A (zh) 2019-12-06
CN110543497B true CN110543497B (zh) 2022-05-13

Family

ID=68709732

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910622978.4A Active CN110543497B (zh) 2019-07-11 2019-07-11 一种高实时性布控解决方法及系统

Country Status (1)

Country Link
CN (1) CN110543497B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114116849A (zh) * 2021-12-01 2022-03-01 南威软件股份有限公司 一种针对人像预警信息的二次研判方法及装置

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102510478A (zh) * 2011-10-28 2012-06-20 唐玉勇 一种用于“平安城市”工程的智能布控系统及方法
US20140078304A1 (en) * 2012-09-20 2014-03-20 Cloudcar, Inc. Collection and use of captured vehicle data
CN108364438A (zh) * 2017-12-28 2018-08-03 武汉烽火众智数字技术有限责任公司 基于前端感知数据的预警方法及装置
CN109299642A (zh) * 2018-06-08 2019-02-01 嘉兴弘视智能科技有限公司 基于人像识别的逻辑布控预警系统及方法
CN109739905A (zh) * 2019-01-10 2019-05-10 吉林建筑大学 一种综合管廊火灾预警方法及系统
CN109886204A (zh) * 2019-02-25 2019-06-14 武汉烽火众智数字技术有限责任公司 一种基于大数据警务应用的多维感知系统

Also Published As

Publication number Publication date
CN110543497A (zh) 2019-12-06

Similar Documents

Publication Publication Date Title
US11568723B2 (en) Video surveillance and object recognition
CN108090458B (zh) 人体跌倒检测方法和装置
JP7040463B2 (ja) 解析サーバ、監視システム、監視方法及びプログラム
CN107016322B (zh) 一种尾随人员分析的方法及装置
CN108564052A (zh) 基于mtcnn的多摄像头动态人脸识别系统与方法
CN108364374A (zh) 基于深度学习的人脸门禁控制装置及方法
US20160078883A1 (en) Action analysis device, action analysis method, and action analysis program
CN110414459A (zh) 建立人车关联的方法及装置
CN108288025A (zh) 一种车载视频监控方法、装置及设备
CN210666820U (zh) 一种基于dsp边缘计算的行人异常行为检测系统
CN110543497B (zh) 一种高实时性布控解决方法及系统
CN112419639A (zh) 一种视频信息的获取方法及装置
KR101547255B1 (ko) 지능형 감시 시스템의 객체기반 검색방법
CN113627321A (zh) 基于人工智能的图像识别方法、装置及计算机设备
CN112836557A (zh) 一种人像识别方法及系统
CN112613396B (zh) 一种任务紧急程度处理方法及系统
KR101747212B1 (ko) 영상 감시 시스템 및 그의 동작 방법
CN115641701A (zh) 一种事件提醒方法、装置、设备及存储介质
CN110519562B (zh) 移动侦测方法、装置和系统
WO2013173994A1 (en) Embedded system board, method, front device, backend server and system for video surveillance
CN111753756A (zh) 基于对象识别的布控报警方法、装置及存储介质
CN113591620A (zh) 一种基于一体式移动采集设备的预警方法、装置及系统
KR102569379B1 (ko) 특정 이미지 탐색 기반 비식별화 처리 시스템 및 그 방법
JP7508465B2 (ja) ビデオ監視及びオブジェクト認識
US20240129497A1 (en) Reduced Video Stream Resource Usage

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