CN111565225A - 一种人物行动轨迹确定方法及装置 - Google Patents
一种人物行动轨迹确定方法及装置 Download PDFInfo
- Publication number
- CN111565225A CN111565225A CN202010346468.1A CN202010346468A CN111565225A CN 111565225 A CN111565225 A CN 111565225A CN 202010346468 A CN202010346468 A CN 202010346468A CN 111565225 A CN111565225 A CN 111565225A
- Authority
- CN
- China
- Prior art keywords
- monitoring
- person
- tracked
- video
- action track
- 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
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/06—Protocols specially adapted for file transfer, e.g. file transfer protocol [FTP]
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/10—Protocols in which an application is distributed across nodes in the network
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N7/00—Television systems
- H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
-
- 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
- G06T2207/30196—Human being; Person
-
- 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
- G06T2207/30196—Human being; Person
- G06T2207/30201—Face
Landscapes
- Engineering & Computer Science (AREA)
- Signal Processing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Multimedia (AREA)
- Medical Informatics (AREA)
- General Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Alarm Systems (AREA)
Abstract
本申请提供了一种人物行动轨迹确定方法及装置,该方法应用于边缘计算节点,该方法首先通过与所述边缘计算节点通信连接的所述多个种类的监测终端,获取多个监测数据;然后,根据待追踪人物的特征信息,从所述多个监测数据中筛选出至少一个所述待追踪人物对应的目标监测数据;最后,根据所述目标监测数据对应的多个监测位置与相应监测时间,确定所述待追踪人物的第一行动轨迹。本申请能够利用边缘计算节点对多种监测终端的数据进行处理,打通不同种监测终端之间的数据壁垒;同时,在边缘计算节点上进行监测数据的处理,不需要向云服务器传输大量数据,降低网络传输压力,云服务器也不需要进行大量计算,缓解云服务器的计算压力。
Description
技术领域
本申请涉及计算机技术领域,尤其是涉及一种人物行动轨迹确定方法及装置。
背景技术
物联网(The Internet of Things,简称IOT)是指通过各种信息传感器、射频识别技术、全球定位系统、红外感应器、激光扫描器等各种装置与技术,实时采集任何需要监控、连接、互动的物体或过程,采集其声、光、热、电、力学、化学、生物、位置等各种需要的信息,通过各类可能的网络接入,实现物与物、物与人的泛在连接,实现对物品和过程的智能化感知、识别和管理。通常,一个物联网平台中的监测终端是相同种类的。
目前,可以通过物联网,收集针对人物的监测信息,并将这些监测信息上传至云服务器,由云服务器对这些监测信息进行AI处理和分析,根据监测到特定人物的监控信息,确定该人物的行动轨迹。然而,海量设备产生的大量数据全部上传至云服务器进行处理,一方面给云服务器带来过大的计算压力;另一方面给网络带宽资源造成巨大的负担。并且,基于云模式的AI数据分析存在时延大、用户体验差的问题。
发明内容
有鉴于此,本申请的目的在于提供一种人物行动轨迹确定方法及装置,能够在边缘计算节点对多种监测终端的数据进行处理,打通不同种监测终端之间的数据壁垒;同时,在边缘计算节点上进行监测数据的处理,不需要向云服务器传输大量数据,降低网络传输压力,云服务器也不需要进行大量计算,缓解云服务器的计算压力。
本申请实施例提供了一种人物行动轨迹确定方法,应用于边缘计算节点,所述边缘计算节点与多个种类的监测终端通信连接;所述方法包括:
通过与所述边缘计算节点通信连接的所述多个种类的监测终端,获取多个监测数据;
根据待追踪人物的特征信息,从所述多个监测数据中筛选出至少一个所述待追踪人物对应的目标监测数据;
根据所述目标监测数据对应的监测位置与监测时间,确定所述待追踪人物的第一行动轨迹。
在一种可能的实施方式中,所述方法还包括:
向至少一个监测终端推送所述待追踪人物的第一行动轨迹,以向所述监测终端对应的用户发出提醒。
在一种可能的实施方式中,所述方法还包括:
将所述第一行动轨迹发送至云服务器,以使所述云服务器根据多个其他边缘计算节点发送的待追踪人物的第二行动轨迹及所述第一行动轨迹,确定所述待追踪人物的第三行动轨迹。
在一种可能的实施方式中,所述方法还包括:
向云服务器请求至少一条其他边缘计算节点发送给所述云服务器的所述待追踪人物的第四行动轨迹;
根据所述第四行动轨迹及所述第一行动轨迹,生成待识别用户的第五行动轨迹。
在一种可能的实施方式中,所述监测终端包括以下至少一种:
视频监测器、全球定位系统、执法记录仪、门禁系统、闸机。
在一种可能的实施方式中,所述监测终端包括视频监测器,所述监测数据包括第一监测视频,所述特征信息包括步态特征信息和/或人脸特征信息;
所述根据待追踪人物的特征信息,从所述多个监测数据中筛选出至少一个所述待追踪人物对应的目标监测数据,包括:
根据储存的待追踪人物的步态特征信息和/或人脸特征信息,从所述第一监测视频中筛选出至少一个包括所述待追踪人物的第一目标监测视频作为所述目标监测数据。
在一种可能的实施方式中,所述步态特征信息包括所述待追踪人物的行走视频和/或待追踪人物处于行走状态的图片集;
所述根据储存的待追踪人物的步态特征信息,从所述第一监测视频中筛选出至少一个第一目标监测视频,包括:
利用步态识别算法,确定每个第一监测视频中每个人物的步态特征信息与所述待追踪人物的步态特征信息的相似度;
确定所述相似度大于预设阈值的第一监测视频为第一目标监测视频。
在一种可能的实施方式中,所述边缘计算节点上设置有视频监测器;
所述方法还包括:
通过所述边缘计算节点上设置的视频监测器获取至少一个第二监测视频;
利用步态识别算法,确定每个第二监测视频中每个人物的步态特征信息与所述待追踪人物的步态特征信息的相似度;
确定所述相似度大于预设阈值的第二监测视频为第二目标监测视频;
根据所述第二目标监测视频对应的监测位置与监测时间,确定所述待追踪人物的第六行动轨迹。
在一种可能的实施方式中,所述方法还包括:
向提供所述目标监测数据的监测终端发送配置参数信息,以使该监测终端根据所述配置参数信息进行参数配置。
本申请实施例还提供了一种人物行动轨迹确定装置,用于边缘计算节点,边缘计算节点与多个种类的监测终端通信连接;所述装置包括:
获取模块,用于通过与所述边缘计算节点通信连接的多个种类的监测终端,获取多个监测数据;
筛选模块,用于根据待追踪人物的特征信息,从所述多个监测数据中筛选出至少一个所述待追踪人物对应的目标监测数据;
第一确定模块,用于根据所述目标监测数据对应的监测位置与监测时间,确定所述待追踪人物的第一行动轨迹。
在一种可能的实施方式中,所述装置还包括:
推送模块,用于向至少一个监测终端推送所述待追踪人物的第一行动轨迹,以向所述监测终端对应的用户发出提醒。
在一种可能的实施方式中,所述装置还包括:
第一发送模块,用于将所述第一行动轨迹发送至云服务器,以使所述云服务器根据多个其他边缘计算节点发送的待追踪人物的第二行动轨迹及所述第一行动轨迹,确定所述待追踪人物的第三行动轨迹。
在一种可能的实施方式中,所述装置还包括第二确定模块,所述第二确定模块用于:
向云服务器请求至少一条其他边缘计算节点发送给所述云服务器的所述待追踪人物的第四行动轨迹;
根据所述第四行动轨迹及所述第一行动轨迹,生成待识别用户的第五行动轨迹。
在一种可能的实施方式中,所述监测终端包括以下至少一种:
视频监测器、全球定位系统、执法记录仪、门禁系统、闸机。
在一种可能的实施方式中,所述监测终端包括视频监测器,所述监测数据包括第一监测视频,所述特征信息包括步态特征信息和/或人脸特征信息;
所述筛选模块具体用于:
根据待追踪人物的步态特征信息和/或人脸特征信息,从所述第一监测视频中筛选出至少一个包括所述待追踪人物的第一目标监测视频作为所述目标监测数据。
在一种可能的实施方式中,所述步态特征信息包括所述待追踪人物的行走视频和/或待追踪人物处于行走状态的图片集;
所述筛选模块在根据待追踪人物的步态特征信息,从所述第一监测视频中筛选出至少一个第一目标监测视频时,具体用于:
利用步态识别算法,确定每个第一监测视频中每个人物的步态特征信息与所述待追踪人物的步态特征信息的相似度;
确定所述相似度大于预设阈值的第一监测视频为第一目标监测视频。
在一种可能的实施方式中,所述边缘计算节点上设置有视频监测器;
所述装置还包括第三确定模块,用于:
通过所述边缘计算节点上设置的视频监测器获取至少一个第二监测视频;
利用步态识别算法,确定每个第二监测视频中每个人物的步态特征信息与所述待追踪人物的步态特征信息的相似度;
确定所述相似度大于预设阈值的第二监测视频为第二目标监测视频;
根据所述第二目标监测视频对应的监测位置与监测时间,确定所述待追踪人物的第六行动轨迹。
在一种可能的实施方式中,所述装置还包括:
第二发送模块,用于向提供所述目标监测数据的监测终端发送配置参数信息,以使该监测终端根据所述配置参数信息进行参数配置。
本申请实施例还提供一种电子设备,包括:处理器、存储器和总线,所述存储器存储有所述处理器可执行的机器可读指令,当电子设备运行时,所述处理器与所述存储器之间通过总线通信,所述机器可读指令被所述处理器执行时执行如上述的人物行动轨迹确定方法的步骤。
本申请实施例还提供一种计算机可读存储介质,该计算机可读存储介质上存储有计算机程序,该计算机程序被处理器运行时执行如上述的人物行动轨迹确定方法的步骤。
本申请实施例提供的人物行动轨迹确定方法及装置,首先通过与所述边缘计算节点通信连接的所述多个种类的监测终端,获取多个监测数据;然后,根据待追踪人物的特征信息,从所述多个监测数据中筛选出至少一个所述待追踪人物对应的目标监测数据;最后,根据所述目标监测数据对应的监测位置与监测时间,确定所述待追踪人物的第一行动轨迹。本申请能够边缘计算节点对多种监测终端的数据进行处理,打通不同种监测终端之间的数据壁垒;同时,在边缘计算节点上进行监测数据的处理,不需要向云服务器传输大量数据,降低网络传输压力,云服务器也不需要进行大量计算,缓解云服务器的计算压力。
为使本申请的上述目的、特征和优点能更明显易懂,下文特举较佳实施例,并配合所附附图,作详细说明如下。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本申请的某些实施例,因此不应被看作是对范围的限定,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相关的附图。
图1示出了本申请实施例所提供的一种人物行动轨迹确定系统的结构示意图;
图2示出了本申请实施例所提供的一种人物行动轨迹确定方法的流程图;
图3示出了本申请实施例所提供的一种人物行动轨迹确定装置的结构示意图;
图4示出了本申请实施例所提供的另一种人物行动轨迹确定装置的结构示意图;
图5示出了本申请实施例所提供的一种电子设备的结构示意图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合本申请实施例中附图,对本申请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申请一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。因此,以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围,而是仅仅表示本申请的选定实施例。基于本申请的实施例,本领域技术人员在没有做出创造性劳动的前提下所获得的每个其他实施例,都属于本申请保护的范围。
首先,对本申请可适用的应用场景进行介绍。本申请可应用于一种人物行动轨迹确定系统。请参阅图1,图1为本申请实施例提供的一种人物行动轨迹确定系统的结构示意图。如图1所示,所述人物行动轨迹确定系统包括云服务器、多个边缘计算节点及多个种类的监测终端,每个边缘计算节点与多个种类的监测终端通信连接,云服务器可以与边缘计算节点进行通信连接,边缘计算节点可以收集其含有的各个监测终端所采集的监测数据。
所述人物行动轨迹确定系统可以采用云边端协同的架构,即云端、边缘端和设备终端协同。其中,云端即云服务器,边缘端即边缘计算节点,设备终端即监测终端。监测终端可以接入边缘计算节点的智能终端管理盒、智能计算单元等边缘计算节点,在边缘计算节点运行人工智能算法,并可以在多个监测终端之间传递数据。
其中,边缘计算节点可以针对不同种类的监测设备,进行接入的协议转换通过物理网关,将多个监测设备接入到边缘计算节点,边缘计算节点可以通过其上部署的物联网平台对多个监测设备进行管理。边缘计算节点可以通过物联网平台,对接入的监测设备进行设备信息及设备状态的监控,也可远程对监测设备进行信息推送和参数配置;在边缘计算节点中,可以嵌入智能识别算法,对监测设备发送的数据进行识别、处理。边缘计算节点还可以对监测设备发送的数据进行查询,对视频类数据进行实时浏览、截取图片或录像等操作。
经研究发现,一个物联网平台中的监测终端通常是相同种类的,不同的种类的监测终端的监测数据无法一同在边缘计算节点上进行处理计算。比如,在安防行业的实际业务应用场景中,视频数据、公安人员数据、公安专有设备数据相互独立,数据孤岛带来任务协同问题。
进一步的,在通过物联网确定人物行动轨迹时,需要将大量的数据传输至云服务器,云服务器难以对物联网收集到的大量的监测信息进行实时处理,计算压力和网络传输压力较大。
基于此,本申请实施例提供了一种人物行动轨迹确定方法,以减少发送至云服务器的数据量,降低网络传输压力,减少云服务器的计算量。
请参阅图2,图2为本申请实施例所提供的一种人物行动轨迹确定方法的流程图。如图2中所示,本申请实施例提供的人物行动轨迹确定方法,应用于边缘计算节点,所述边缘计算节点与多个种类的监测终端通信连接,所述方法包括:
S201、通过与所述边缘计算节点通信连接的所述多个种类的监测终端,获取多个监测数据。
该步骤中,监测终端可以是设置在各个监测场景下的终端,可以是传感器、录像设备、门禁等终端,监测数据可以是监测终端记录的监测数据,如录像设备记录的录像、门禁的通过记录、传感器的感应记录等,也可以是监测终端的实时监测数据。
S202、根据待追踪人物的特征信息,从所述多个监测数据中筛选出至少一个所述待追踪人物对应的目标监测数据。
该步骤中,边缘计算节点可以获取待追踪人物的特征信息,该特征信息可以由云服务器提供,也可以由用户通过边缘计算节点的终端进行输入,特征信息可以包括人脸肖像、照片、步态特征、手机号码、身份标识、语音特征等。
具体的,边缘计算节点可以基于人工智能算法,从多个监测数据中,筛选出具备待追踪人物的特征信息的监测数据,作为目标监测数据。
S203、根据所述目标监测数据对应的监测位置与监测时间,确定所述待追踪人物的第一行动轨迹。
该步骤中,在确定目标监测数据之后,可以根据每个目标监测数据对应的监测位置和监测时间,确定待追踪人物的第一行动轨迹。其中,监测位置可以是目标监测数据对应的监测终端所设置的位置,监测时间即为监测终端记录下该目标监测数据的时间。
这样,通过将不同类型的监测终端接入到边缘计算节点,能够统一处理多种类型的监测数据,并生成待追踪人物的行动轨迹,提高人物行动轨迹识别的灵活性,且不需要向云服务器传输大量数据,降低网络传输压力,云服务器也不需要进行大量计算,缓解云服务器的计算压力。
本申请实施例提供的人物行动轨迹确定方法,首先通过与所述边缘计算节点通信连接的所述多个种类的监测终端,获取多个监测数据;然后,根据待追踪人物的特征信息,从所述多个监测数据中筛选出至少一个所述待追踪人物对应的目标监测数据;最后,根据所述目标监测数据对应的监测位置与监测时间,确定所述待追踪人物的第一行动轨迹。本申请能够边缘计算节点对多种监测终端的数据进行处理,打通不同种监测终端之间的数据壁垒;同时,在边缘计算节点上进行监测数据的处理,不需要向云服务器传输大量数据,降低网络传输压力,云服务器也不需要进行大量计算,缓解云服务器的计算压力。
在一些可能的实施方式中,所述方法还包括:
向至少一个监测终端推送所述待追踪人物的第一行动轨迹,以向所述监测终端对应的用户发出提醒。
该步骤中,在确定待追踪人物的第一行动轨迹后,可以向监测终端推送第一行动轨迹,推送第一行动轨迹的监测终端的类型可以包括多个种类,比如,可以包括执法记录仪、门禁系统、监控系统等,这样,可以为接收到推送的监测终端对应的用户提供参考,进行业务相关的行动。
这样,可以将不同类型之间的监测设备进行联动,提高业务处理效率。
在一些可能的实施方式中,所述方法还包括:
将所述第一行动轨迹发送至云服务器,以使所述云服务器根据多个其他边缘计算节点发送的待追踪人物的第二行动轨迹及所述第一行动轨迹,确定所述待追踪人物的第三行动轨迹。
该步骤中,在筛选出目标监测数据之后,可以将目标监测数据发送至云服务器,由于目标监测数据是包含待追踪人物的特征信息的监测数据,因此,云服务器在接收到目标监测数据之后,可以根据每个边缘计算节点发送的目标监测数据,以及每个目标监测数据对应的监测地点,确定待追踪人物的行动轨迹。
这样,通过在边缘计算节点上进行监测数据的筛选,减少发送至云服务器的数据量,降低网络传输压力,减少云服务器的计算量。
在一些可能的实施方式中,所述方法还包括:
向云服务器请求至少一条其他边缘计算节点发送给所述云服务器的所述待追踪人物的第四行动轨迹;
根据所述第四行动轨迹及所述第一行动轨迹,生成待识别用户的第五行动轨迹。
该步骤中,边缘计算节点不仅可以将自身计算得到的待追踪人物的行动轨迹上传至云服务器,还可以向云服务器请求其他边缘计算节点生成的行动轨迹,并根据其他边缘计算节点生成的行动轨迹及自身生成的行动轨迹,生成新的行动轨迹。
在一些可能的实施方式中,所述监测终端包括以下至少一种:
视频监测器、全球定位系统、执法记录仪、门禁系统、闸机。
在一些可能的实施方式中,所述监测终端包括视频监测器,所述监测数据包括第一监测视频,所述特征信息包括步态特征信息和/或人脸特征信息;
所述根据待追踪人物的特征信息,从所述多个监测数据中筛选出至少一个所述待追踪人物对应的目标监测数据,包括:
根据储存的待追踪人物的步态特征信息和/或人脸特征信息,从所述第一监测视频中筛选出至少一个包括所述待追踪人物的第一目标监测视频作为所述目标监测数据。
其中,视频监测器为能够进行拍照或录像的监测设备,如监控摄像机、视频监控系统等。视频监测器可以对监控范围内的人物进行拍照或录像,拍摄的照片或视频中的人物可以处于行走状态。步态特征信息指待追踪人物在行走时的体态特征。不同的人物在行走时的走路姿势都不完全相同,人们在肌肉的力量、肌腱和骨骼长度、骨骼密度、视觉的灵敏程度、协调能力、经历、体重、重心、肌肉或骨骼受损的程度、生理条件以及个人走路的“风格”上都存在细微差异。因此,一个人物的步态特征信息可以认为是独一无二的。人脸特征信息是指人物的脸部特征信息,能够用于身份识别。
该步骤中,可以从第一监测视频中提取出多个人物的步态特征信息,并与待追踪人物的步态特征信息进行对比,当两者相似度达到预设的相似度阈值时,即可将该人物对应的第一监测视频作为第一目标监测视频。对于人脸特征信息,可以采用与步态特征信息相似的步骤。
在一些可能的实施方式中,所述步态特征信息包括所述待追踪人物的行走视频和/或待追踪人物处于行走状态的图片集;
所述根据储存的待追踪人物的步态特征信息,从所述第一监测视频中筛选出至少一个第一目标监测视频,包括:
利用步态识别算法,确定每个第一监测视频中每个人物的步态特征信息与所述待追踪人物的步态特征信息的相似度;
确定所述相似度大于预设阈值的第一监测视频为第一目标监测视频。
这里,边缘计算节点可以利用步态识别算法,提取出待追踪人物的行走视频和/或待追踪人物处于行走状态的图片集中待追踪人物的步态特征向量,并对第一监测视频进行相同的处理,将两者的步态特征向量进行对比。
在一些可能的实施方式中,所述边缘计算节点上设置有视频监测器;
所述方法还包括:
通过所述边缘计算节点上设置的视频监测器获取至少一个第二监测视频;
利用步态识别算法,确定每个第二监测视频中每个人物的步态特征信息与所述待追踪人物的步态特征信息的相似度;
确定所述相似度大于预设阈值的第二监测视频为第二目标监测视频;
根据所述第二目标监测视频对应的监测位置与监测时间,确定所述待追踪人物的第六行动轨迹。
其中,边缘计算节点可以是具有一定计算能力的终端设备,该终端设备上可以设置有视频监测器,即边缘计算节点与视频监测器集成于同一硬件上,该终端设备能够控制设置的视频监测器进行视频录像、视频数据结构化、视频展示等基本功能;进一步的,终端设备上还嵌入有步态识别算法,能够实现步态抓拍、步态提取、步态识别等功能。
由于边缘计算节点上设置了视频监测器,并且具有计算能力,因此,边缘计算节点在不与其他监测终端通信连接时,还可以通过自身具有的视频监测器的监测视频来进行人物行动轨迹的确定。这样,不需要通过物联网之间进行数据传输,能够更快的进行数据处理,并降低云服务器的计算压力。
进一步的,边缘计算节点可以按照数据处理能力分为边缘计算终端和边缘计算阵列,边缘计算终端能够处理的数据的数量规模较小,通常可以处理100路以内的视频监测器的数据,而边缘计算阵列采用多组计算硬件进行数据处理,拥有更加强大的数据处理能力,能够对100路以上的视频监测器的数据进行处理,进行步态分析,最终确定待追踪人物的行动轨迹。在选取边缘计算节点的类型时,可以根据实际应用场景的数据处理需求确定。
在一些可能的实施方式中,所述方法还包括:
向提供所述目标监测数据的监测终端发送配置参数信息,以使该监测终端根据所述配置参数信息进行参数配置。
该步骤中,在确定目标监测数据之后,边缘计算节点可以生成针对提供所述目标监测数据的监测终端的配置参数信息,该配置参数信息用于控制该监测终端,使监测终端改变监测区域或监测时间等参数,进而使其更好的针对待追踪人物进行监测。
进一步的,边缘计算节点还可以将提示信息发送至提供所述目标监测数据的监测终端,使该监测终端的使用者得到提醒,待追踪人物已经在该区域被监测到。
请参阅图3、图4,图3为本申请实施例所提供的一种人物行动轨迹确定装置的结构示意图,图4为本申请实施例所提供的另一种人物行动轨迹确定装置的结构示意图。如图3中所示,所述人物行动轨迹确定装置300包括:
获取模块310,用于通过与所述边缘计算节点通信连接的多个种类的监测终端,获取多个监测数据;
筛选模块320,用于根据待追踪人物的特征信息,从所述多个监测数据中筛选出至少一个所述待追踪人物对应的目标监测数据;
第一确定模块330,用于根据所述目标监测数据对应的监测位置与监测时间,确定所述待追踪人物的第一行动轨迹。
如图4所示,所述人物行动轨迹确定装置400包括:获取模块410、筛选模块420、第一确定模块430及推送模块440,所述推送模块440用于:
向至少一个监测终端推送所述待追踪人物的第一行动轨迹,以向所述监测终端对应的用户发出提醒。
在一种可能的实施方式中,所述人物行动轨迹确定装置400还包括:
第一发送模块450,用于将所述第一行动轨迹发送至云服务器,以使所述云服务器根据多个其他边缘计算节点发送的待追踪人物的第二行动轨迹及所述第一行动轨迹,确定所述待追踪人物的第三行动轨迹。
在一种可能的实施方式中,所述人物行动轨迹确定装置400还包括第二确定模块460,所述第二确定模块460用于:
向云服务器请求至少一条其他边缘计算节点发送给所述云服务器的所述待追踪人物的第四行动轨迹;
根据所述第四行动轨迹及所述第一行动轨迹,生成待识别用户的第五行动轨迹。
在一种可能的实施方式中,所述监测终端包括以下至少一种:
视频监测器、全球定位系统、执法记录仪、门禁系统、闸机。
在一种可能的实施方式中,所述监测终端包括视频监测器,所述监测数据包括第一监测视频,所述特征信息包括步态特征信息和/或人脸特征信息;
所述筛选模块420具体用于:
根据待追踪人物的步态特征信息和/或人脸特征信息,从所述第一监测视频中筛选出至少一个包括所述待追踪人物的第一目标监测视频作为所述目标监测视频。
在一种可能的实施方式中,所述步态特征信息包括所述待追踪人物的行走视频和/或待追踪人物处于行走状态的图片集;
所述筛选模块420在所述根据待追踪人物的步态特征信息,从所述第一监测视频中筛选出至少一个第一目标监测视频时,具体用于:
利用步态识别算法,确定每个第一监测视频中每个人物的步态特征信息与所述待追踪人物的步态特征信息的相似度;
确定所述相似度大于预设阈值的第一监测视频为第一目标监测视频。
在一种可能的实施方式中,所述边缘计算节点上设置有视频监测器;
所述装置还包括第三确定模块,用于:
通过所述边缘计算节点上设置的视频监测器获取至少一个第二监测视频;
利用步态识别算法,确定每个第二监测视频中每个人物的步态特征信息与所述待追踪人物的步态特征信息的相似度;
确定所述相似度大于预设阈值的第二监测视频为第二目标监测视频;
根据所述第二目标监测视频对应的监测位置与监测时间,确定所述待追踪人物的第六行动轨迹。
在一种可能的实施方式中,所述人物行动轨迹确定装置400还包括:
第二发送模块470,用于向提供所述目标监测数据的监测终端发送配置参数信息,以使该监测终端根据所述配置参数信息进行参数配置。
本申请实施例提供的人物行动轨迹确定装置,首先通过与所述边缘计算节点通信连接的所述多个种类的监测终端,获取多个监测数据;然后,根据待追踪人物的特征信息,从所述多个监测数据中筛选出至少一个所述待追踪人物对应的目标监测数据;最后,根据所述目标监测数据对应的监测位置与监测时间,确定所述待追踪人物的第一行动轨迹。本申请能够边缘计算节点对多种监测终端的数据进行处理,打通不同种监测终端之间的数据壁垒;同时,在边缘计算节点上进行监测数据的处理,不需要向云服务器传输大量数据,降低网络传输压力,云服务器也不需要进行大量计算,缓解云服务器的计算压力。
请参阅图5,图5为本申请实施例所提供的一种电子设备的结构示意图。如图5中所示,所述电子设备500包括处理器510、存储器520和总线530。
所述存储器520存储有所述处理器510可执行的机器可读指令,当电子设备500运行时,所述处理器510与所述存储器520之间通过总线530通信,所述机器可读指令被所述处理器510执行时,可以执行如上述图2所示方法实施例中的人物行动轨迹确定方法的步骤,具体实现方式可参见方法实施例,在此不再赘述。
本申请实施例还提供一种计算机可读存储介质,该计算机可读存储介质上存储有计算机程序,该计算机程序被处理器运行时可以执行如上述图2所示方法实施例中的人物行动轨迹确定方法的步骤,具体实现方式可参见方法实施例,在此不再赘述。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统、装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本申请所提供的几个实施例中,应该理解到,所揭露的系统、装置和方法,可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,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,又例如,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信连接可以是通过一些通信接口,装置或单元的间接耦合或通信连接,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。
所述功能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,可以存储在一个处理器可执行的非易失的计算机可读取存储介质中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(Read-OnlyMemory,ROM)、随机存取存储器(Random Access Memory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
最后应说明的是:以上所述实施例,仅为本申请的具体实施方式,用以说明本申请的技术方案,而非对其限制,本申请的保护范围并不局限于此,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:任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化,或者对其中部分技术特征进行等同替换;而这些修改、变化或者替换,并不使相应技术方案的本质脱离本申请实施例技术方案的精神和范围,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应以权利要求的保护范围为准。
Claims (12)
1.一种人物行动轨迹确定方法,其特征在于,应用于边缘计算节点,所述边缘计算节点与多个种类的监测终端通信连接;所述方法包括:
通过与所述边缘计算节点通信连接的所述多个种类的监测终端,获取多个监测数据;
根据待追踪人物的特征信息,从所述多个监测数据中筛选出至少一个所述待追踪人物对应的目标监测数据;
根据所述目标监测数据对应的监测位置与监测时间,确定所述待追踪人物的第一行动轨迹。
2.根据权利要求1所述的方法,其特征在于,所述方法还包括:
向至少一个监测终端推送所述待追踪人物的第一行动轨迹,以向所述监测终端对应的用户发出提醒。
3.根据权利要求1所述的方法,其特征在于,所述方法还包括:
将所述第一行动轨迹发送至云服务器,以使所述云服务器根据多个其他边缘计算节点发送的待追踪人物的第二行动轨迹及所述第一行动轨迹,确定所述待追踪人物的第三行动轨迹。
4.根据权利要求3所述的方法,其特征在于,所述方法还包括:
向云服务器请求至少一条其他边缘计算节点发送给所述云服务器的所述待追踪人物的第四行动轨迹;
根据所述第四行动轨迹及所述第一行动轨迹,生成待识别用户的第五行动轨迹。
5.根据权利要求1所述的方法,其特征在于,所述监测终端包括以下至少一种:
视频监测器、全球定位系统、执法记录仪、门禁系统、闸机。
6.根据权利要求1所述的方法,其特征在于,所述监测终端包括视频监测器,所述监测数据包括第一监测视频,所述特征信息包括步态特征信息和/或人脸特征信息;
所述根据待追踪人物的特征信息,从所述多个监测数据中筛选出至少一个所述待追踪人物对应的目标监测数据,包括:
根据储存的待追踪人物的步态特征信息和/或人脸特征信息,从所述第一监测视频中筛选出至少一个包括所述待追踪人物的第一目标监测视频作为所述目标监测数据。
7.根据权利要求6所述的方法,其特征在于,所述步态特征信息包括所述待追踪人物的行走视频和/或待追踪人物处于行走状态的图片集;
所述根据储存的待追踪人物的步态特征信息,从所述第一监测视频中筛选出至少一个第一目标监测视频,包括:
利用步态识别算法,确定每个第一监测视频中每个人物的步态特征信息与所述待追踪人物的步态特征信息的相似度;
确定所述相似度大于预设阈值的第一监测视频为第一目标监测视频。
8.根据权利要求7所述的方法,其特征在于,所述边缘计算节点上设置有视频监测器;
所述方法还包括:
通过所述边缘计算节点上设置的视频监测器获取至少一个第二监测视频;
利用步态识别算法,确定每个第二监测视频中每个人物的步态特征信息与所述待追踪人物的步态特征信息的相似度;
确定所述相似度大于预设阈值的第二监测视频为第二目标监测视频;
根据所述第二目标监测视频对应的监测位置与监测时间,确定所述待追踪人物的第六行动轨迹。
9.根据权利要求1所述的方法,其特征在于,所述方法还包括:
向提供所述目标监测数据的监测终端发送配置参数信息,以使该监测终端根据所述配置参数信息进行参数配置。
10.一种人物行动轨迹确定装置,其特征在于,用于边缘计算节点,所述边缘计算节点与多个种类的监测终端通信连接;所述装置包括:
获取模块,用于通过与所述边缘计算节点通信连接的多个种类的监测终端,获取多个监测数据;
筛选模块,用于根据待追踪人物的特征信息,从所述多个监测数据中筛选出至少一个所述待追踪人物对应的目标监测数据;
第一确定模块,用于根据所述目标监测数据对应的监测位置与监测时间,确定所述待追踪人物的第一行动轨迹。
11.一种电子设备,其特征在于,包括:处理器、存储介质和总线,所述存储介质存储有所述处理器可执行的机器可读指令,当电子设备运行时,所述处理器与所述存储介质之间通过总线通信,所述处理器执行所述机器可读指令,以执行如权利要求1至9任一所述的人物行动轨迹确定方法的步骤。
12.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器运行时执行如权利要求1至9任一所述的人物行动轨迹确定方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010346468.1A CN111565225B (zh) | 2020-04-27 | 2020-04-27 | 一种人物行动轨迹确定方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010346468.1A CN111565225B (zh) | 2020-04-27 | 2020-04-27 | 一种人物行动轨迹确定方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111565225A true CN111565225A (zh) | 2020-08-21 |
CN111565225B CN111565225B (zh) | 2023-08-04 |
Family
ID=72073186
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010346468.1A Active CN111565225B (zh) | 2020-04-27 | 2020-04-27 | 一种人物行动轨迹确定方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111565225B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112596894A (zh) * | 2020-11-25 | 2021-04-02 | 深圳市中博科创信息技术有限公司 | 一种基于边缘计算的追踪方法及装置 |
CN113421370A (zh) * | 2021-05-08 | 2021-09-21 | 深圳达实智能股份有限公司 | 一种室内人体轨迹追踪方法、系统和计算机终端 |
CN114357243A (zh) * | 2021-12-31 | 2022-04-15 | 山东大学 | 一种海量实时视频流多级分析及监控系统 |
CN114971116A (zh) * | 2021-05-24 | 2022-08-30 | 中移互联网有限公司 | 一种追踪风险终端的方法和装置 |
CN115934318A (zh) * | 2022-11-16 | 2023-04-07 | 鹏橙网络技术(深圳)有限公司 | 一种员工档案管理方法、系统和装置 |
Citations (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040130620A1 (en) * | 2002-11-12 | 2004-07-08 | Buehler Christopher J. | Method and system for tracking and behavioral monitoring of multiple objects moving through multiple fields-of-view |
CN106203260A (zh) * | 2016-06-27 | 2016-12-07 | 南京邮电大学 | 基于多摄像机监控网络的行人识别与跟踪方法 |
WO2017155466A1 (en) * | 2016-03-09 | 2017-09-14 | Trakomatic Pte. Ltd. | Method and system for visitor tracking at a pos area |
US20180189573A1 (en) * | 2013-05-23 | 2018-07-05 | Sri International | Real-time detection, tracking and occlusion reasoning |
CN109271888A (zh) * | 2018-08-29 | 2019-01-25 | 汉王科技股份有限公司 | 基于步态的身份识别方法、装置、电子设备 |
CN109447121A (zh) * | 2018-09-27 | 2019-03-08 | 清华大学 | 一种视觉传感器网络多目标跟踪方法、装置及系统 |
CN109714431A (zh) * | 2019-01-16 | 2019-05-03 | 西安中星测控有限公司 | 一种物联网智能传感器的边缘计算方法和装置 |
CN109996039A (zh) * | 2019-04-04 | 2019-07-09 | 中南大学 | 一种基于边缘计算的目标追踪方法及装置 |
CN110069339A (zh) * | 2019-01-10 | 2019-07-30 | 中国电子科技集团公司电子科学研究院 | 一种分布式识别跟踪系统 |
CN110139075A (zh) * | 2019-05-10 | 2019-08-16 | 银河水滴科技(北京)有限公司 | 视频数据处理方法、装置、计算机设备和存储介质 |
CN110135317A (zh) * | 2019-05-08 | 2019-08-16 | 深圳达实智能股份有限公司 | 基于协同计算体系的行为监控和管理系统和方法 |
CN110245268A (zh) * | 2019-06-26 | 2019-09-17 | 银河水滴科技(北京)有限公司 | 一种路线确定、展示的方法及装置 |
CN110443109A (zh) * | 2019-06-11 | 2019-11-12 | 万翼科技有限公司 | 异常行为监控处理方法、装置、计算机设备和存储介质 |
CN110473129A (zh) * | 2019-07-17 | 2019-11-19 | 山东大学 | 一种基于安卓Android和云平台的监管场所警务专网应用管控系统 |
CN110687865A (zh) * | 2019-10-21 | 2020-01-14 | 福建锋冠科技有限公司 | 一种智慧水务管理平台 |
CN110781750A (zh) * | 2019-09-25 | 2020-02-11 | 万翼科技有限公司 | 危险人物监控处理方法、装置、计算机设备和存储介质 |
CN110992706A (zh) * | 2019-12-24 | 2020-04-10 | 京东数字科技控股有限公司 | 一种车辆检测方法、装置以及车路协同系统 |
-
2020
- 2020-04-27 CN CN202010346468.1A patent/CN111565225B/zh active Active
Patent Citations (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1563686A1 (en) * | 2002-11-12 | 2005-08-17 | Intellivid Corporation | Method and system for tracking and behavioral monitoring of multiple objects moving through multiple fields-of-view |
US20040130620A1 (en) * | 2002-11-12 | 2004-07-08 | Buehler Christopher J. | Method and system for tracking and behavioral monitoring of multiple objects moving through multiple fields-of-view |
US20180189573A1 (en) * | 2013-05-23 | 2018-07-05 | Sri International | Real-time detection, tracking and occlusion reasoning |
WO2017155466A1 (en) * | 2016-03-09 | 2017-09-14 | Trakomatic Pte. Ltd. | Method and system for visitor tracking at a pos area |
CN106203260A (zh) * | 2016-06-27 | 2016-12-07 | 南京邮电大学 | 基于多摄像机监控网络的行人识别与跟踪方法 |
CN109271888A (zh) * | 2018-08-29 | 2019-01-25 | 汉王科技股份有限公司 | 基于步态的身份识别方法、装置、电子设备 |
CN109447121A (zh) * | 2018-09-27 | 2019-03-08 | 清华大学 | 一种视觉传感器网络多目标跟踪方法、装置及系统 |
CN110069339A (zh) * | 2019-01-10 | 2019-07-30 | 中国电子科技集团公司电子科学研究院 | 一种分布式识别跟踪系统 |
CN109714431A (zh) * | 2019-01-16 | 2019-05-03 | 西安中星测控有限公司 | 一种物联网智能传感器的边缘计算方法和装置 |
CN109996039A (zh) * | 2019-04-04 | 2019-07-09 | 中南大学 | 一种基于边缘计算的目标追踪方法及装置 |
CN110135317A (zh) * | 2019-05-08 | 2019-08-16 | 深圳达实智能股份有限公司 | 基于协同计算体系的行为监控和管理系统和方法 |
CN110139075A (zh) * | 2019-05-10 | 2019-08-16 | 银河水滴科技(北京)有限公司 | 视频数据处理方法、装置、计算机设备和存储介质 |
CN110443109A (zh) * | 2019-06-11 | 2019-11-12 | 万翼科技有限公司 | 异常行为监控处理方法、装置、计算机设备和存储介质 |
CN110245268A (zh) * | 2019-06-26 | 2019-09-17 | 银河水滴科技(北京)有限公司 | 一种路线确定、展示的方法及装置 |
CN110473129A (zh) * | 2019-07-17 | 2019-11-19 | 山东大学 | 一种基于安卓Android和云平台的监管场所警务专网应用管控系统 |
CN110781750A (zh) * | 2019-09-25 | 2020-02-11 | 万翼科技有限公司 | 危险人物监控处理方法、装置、计算机设备和存储介质 |
CN110687865A (zh) * | 2019-10-21 | 2020-01-14 | 福建锋冠科技有限公司 | 一种智慧水务管理平台 |
CN110992706A (zh) * | 2019-12-24 | 2020-04-10 | 京东数字科技控股有限公司 | 一种车辆检测方法、装置以及车路协同系统 |
Non-Patent Citations (3)
Title |
---|
吕华章,等.: ""5G_MEC边缘云组网研究与业务使能"", 《邮电设计技术》 * |
杨伟清;范勇;高琳;胡鹏;: "门禁系统中的异常行为检测", 计算机应用研究 * |
电子说(网名): ""边缘计算的概念、发展历程、关键技术分析"", 《电子发烧友》 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112596894A (zh) * | 2020-11-25 | 2021-04-02 | 深圳市中博科创信息技术有限公司 | 一种基于边缘计算的追踪方法及装置 |
CN113421370A (zh) * | 2021-05-08 | 2021-09-21 | 深圳达实智能股份有限公司 | 一种室内人体轨迹追踪方法、系统和计算机终端 |
CN114971116A (zh) * | 2021-05-24 | 2022-08-30 | 中移互联网有限公司 | 一种追踪风险终端的方法和装置 |
CN114971116B (zh) * | 2021-05-24 | 2023-08-18 | 中移互联网有限公司 | 一种追踪风险终端的方法和装置 |
CN114357243A (zh) * | 2021-12-31 | 2022-04-15 | 山东大学 | 一种海量实时视频流多级分析及监控系统 |
CN115934318A (zh) * | 2022-11-16 | 2023-04-07 | 鹏橙网络技术(深圳)有限公司 | 一种员工档案管理方法、系统和装置 |
CN115934318B (zh) * | 2022-11-16 | 2023-09-19 | 鹏橙网络技术(深圳)有限公司 | 一种员工档案管理方法、系统和装置 |
Also Published As
Publication number | Publication date |
---|---|
CN111565225B (zh) | 2023-08-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111565225B (zh) | 一种人物行动轨迹确定方法及装置 | |
EP3321844B1 (en) | Action recognition in a video sequence | |
CN111401344B (zh) | 人脸识别方法和装置及人脸识别系统的训练方法和装置 | |
CN109299709A (zh) | 基于人脸识别的数据推荐方法、装置、服务器端及客户端 | |
US20210357678A1 (en) | Information processing method and apparatus, and storage medium | |
CN108062507B (zh) | 一种视频处理方法及装置 | |
CN111652331B (zh) | 一种图像识别方法、装置和计算机可读存储介质 | |
JP2016129347A (ja) | コンテクストデータを使用して端末によって画像キャプチャの確率を自動的に決定する方法 | |
CN107800998B (zh) | 定位预警提醒方法、计算机设备和存储介质 | |
CN112001274B (zh) | 人群密度确定方法、装置、存储介质和处理器 | |
KR20190118619A (ko) | 보행자 추적 방법 및 전자 디바이스 | |
JP6780803B2 (ja) | 少なくとも1人の対象人物の潜在的な提携者を特定するための方法、身元特定装置及びプログラム | |
CN113378616A (zh) | 视频分析方法、视频分析的管理方法及相关设备 | |
US20230206093A1 (en) | Music recommendation method and apparatus | |
CN105072478A (zh) | 一种基于可穿戴设备的人生记录系统及其方法 | |
CN112749652A (zh) | 身份信息确定的方法和装置、存储介质及电子设备 | |
CN111047622B (zh) | 视频中对象的匹配方法和装置、存储介质及电子装置 | |
CN114679607A (zh) | 一种视频帧率控制方法、装置、电子设备及存储介质 | |
CN111860071A (zh) | 用于识别物品的方法和装置 | |
KR102664027B1 (ko) | 인공지능에 기반하여 영상을 분석하는 카메라 및 그것의 동작 방법 | |
KR102077632B1 (ko) | 로컬 영상분석과 클라우드 서비스를 활용하는 하이브리드 지능형 침입감시 시스템 | |
CN109120896B (zh) | 安防视频监控卫士系统 | |
CN110569715A (zh) | 一种基于卷积神经网络的人脸识别系统 | |
CN112601054B (zh) | 摄像画面的采集方法及装置、存储介质、电子设备 | |
CN110300290B (zh) | 教学监控管理方法、装置及系统 |
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 | ||
TA01 | Transfer of patent application right | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20210127 Address after: 315000 9-3, building 91, 16 Buzheng lane, Haishu District, Ningbo City, Zhejiang Province Applicant after: Yinhe shuidi Technology (Ningbo) Co.,Ltd. Address before: 0701, 7 / F, 51 Xueyuan Road, Haidian District, Beijing 100191 Applicant before: Watrix Technology (Beijing) Co.,Ltd. |
|
GR01 | Patent grant | ||
GR01 | Patent grant |