CN111582936A - 一种区分顾客批次的计算方法 - Google Patents

一种区分顾客批次的计算方法 Download PDF

Info

Publication number
CN111582936A
CN111582936A CN202010384454.9A CN202010384454A CN111582936A CN 111582936 A CN111582936 A CN 111582936A CN 202010384454 A CN202010384454 A CN 202010384454A CN 111582936 A CN111582936 A CN 111582936A
Authority
CN
China
Prior art keywords
model
operator
positioning
classification
data
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.)
Pending
Application number
CN202010384454.9A
Other languages
English (en)
Inventor
韩承锟
黄建平
熊俊强
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.)
Younike Shanghai Enterprise Management Co ltd
Original Assignee
Younike Shanghai Enterprise Management 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 Younike Shanghai Enterprise Management Co ltd filed Critical Younike Shanghai Enterprise Management Co ltd
Priority to CN202010384454.9A priority Critical patent/CN111582936A/zh
Publication of CN111582936A publication Critical patent/CN111582936A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • 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
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0201—Market modelling; Market analysis; Collecting market data
    • 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
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/02—Services making use of location information
    • H04W4/029—Location-based management or tracking services
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/30—Services specially adapted for particular environments, situations or purposes
    • H04W4/35—Services specially adapted for particular environments, situations or purposes for the management of goods or merchandise
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W64/00—Locating users or terminals or network equipment for network management purposes, e.g. mobility management
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/60—Type of objects
    • G06V20/62—Text, e.g. of license plates, overlay texts or captions on TV images
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
    • G06V30/10—Character recognition

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Signal Processing (AREA)
  • Finance (AREA)
  • Strategic Management (AREA)
  • Accounting & Taxation (AREA)
  • Development Economics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Game Theory and Decision Science (AREA)
  • Data Mining & Analysis (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Multimedia (AREA)
  • Image Analysis (AREA)

Abstract

本发明公开了一种区分顾客批次的计算方法，包括：S1、通过定位系统，利用摄像头获取用户的活动轨迹，对进入经营场所的每位顾客的实时轨迹进行跟踪监控；S2、按照轨迹的开始、过程中、结束3个阶段分别计算用户轨迹的相似程度，对进入经营场所的每位顾客的行动路线图、区域停留时长、活动时间段进行分析；S3、建立分类模型；S4、通过现实环境中的数据对分类模型进行训练；S5、通过模型计算所有顾客轨迹的相似程度，选取相似度高的顾客分为同一批次，与现有技术相比，不仅支持绝对定位系统，也支持相对定位系统，适用于利用特征值或者相对位置计算用户轨迹的定位系统，增加了用户对于硬件设备的选择性，也有助于降低系统实施的成本。

Description

一种区分顾客批次的计算方法
技术领域
本发明属于市场营销技术领域，具体涉及一种区分顾客批次的计算方法。
背景技术
目前，很多经营场所都需要区分顾客的批次，需要知道一共多少批顾客到店，而不是多少人。区分顾客批次，可以更好的判断营销手段和时机。
目前这种场景中，都是人工手段来记录和区分顾客批次，如果利用本发明自动来计算顾客批次，将可以极大的减轻人工的工作量，减少漏记的情况。
发明内容
本发明的目的在于提供一种区分顾客批次的计算方法，以解决上述背景技术中提出的对于人工手段来记录和区分顾客批次不仅工作量大，且经常存在漏记的问题。
为实现上述目的，本发明采用了如下技术方案：
一种区分顾客批次的计算方法，包括如下步骤：
S1、通过定位系统，利用摄像头获取用户的活动轨迹，对进入经营场所的每位顾客的实时轨迹进行跟踪监控，并绘制行动路线图，也可以调阅其历史时段轨迹路线图；
S2、按照轨迹的开始、过程中、结束3个阶段分别计算用户轨迹的相似程度，对进入经营场所的每位顾客的行动路线图、区域停留时长、活动时间段进行分析，系统支持自定义现场地图，并在电子地图上标注各个监控点，支持电子地图无极缩放，支持跨区域切换；
S3、建立分类模型，利用对比模块为用户活动的3个阶段进行相似度评分，并且设定不同阶段评分的比重；
S4、通过现实环境中的数据对分类模型进行训练，提高模型的分类准确程度；
S5、通过模型计算所有顾客轨迹的相似程度，选取相似度高的顾客分为同一批次，模型计算的定位数据包括绝对定位和相对定位，用于计算用户之间轨迹的相似程度，来判定某两个顾客是否属于相同的批次。
优选的，步骤1所述定位系统可通过wifi指纹进行顾客轨迹的特征数据追踪，基于wifi的室内定位系统包括三角定位和直纹定位，三角定位在障碍物较多的复杂环境中定位误差较大，而直纹定位预先建立离线指纹库，在定位阶段把实时采集直纹与离线指纹库进行匹配到最佳位置点，能在复杂环境中得到较高的采集精度。
优选的，步骤S1所述的摄像头包括：转动底座和远红外摄像头，所述远红外摄像头转动安装于转动底座上，所述转动底座通过电动马达驱动，且电动马达上设置有马达控制器，所述马达控制器与自适应控制器电性连接。
优选的，步骤S1所述的摄像头为远红外摄像头，远红外摄像头的波长为1.5-400微米，所述红外摄像头包括镜头、感光元件、信号处理元件，外部光线通过镜头聚焦在感光元件上，感光元件与信号处理元件电连接，所述信号处理模块输出端输出模拟信号、数字信号或视频流；所述模拟信号为CVBS、S-VIDEO、VGA；所述数字信号为ITU-R BT.656、ITU-RBT.601、ITU-R BT.1120、DVI、HDMI；所述视频流为通过Ethernet、WIFI、Bluetooth、RS-232、RS-485、CAN传输。
优选的，步骤S3中的分类模型包括初始分类模型中的每个单模态分类模型对相应类型的模态数据进行分类，不同的单模态分类模型对应的模态数据类型不同，但是多个单模态分类模型对应的分类任务相同。例如，多模态分类模型包括三个单模态分类模型，分别用模型A、模型B和模型C表示，其中模型A用于对图像数据进行分类，模型B对文字数据进行分类，模型C对视频数据进行分类，但是模型A、模型B和模型C的分类任务相同。
优选的，步骤S3所述对比模块采用算术运算符、赋值运算符、关系运算符、逻辑运算符和位运算符进行图形对比，所述算术运算符、赋值运算符、关系运算符、逻辑运算符和位运算符按优先级从底到高排列为：赋值运算符＜逻辑与运算符＜关系运算符＜算术运算符。
优选的，步骤S4所述的分类模型的训练方法为，首先获取训练图片的OCR识别结果，并提取所述训练图片的第一特征信息；获取与所述训练图片的OCR识别结果对应的第一分类标注数据；提取所述OCR识别结果的第二特征信息；根据所述第一特征信息、第二特征信息和第一分类标注数据进行训练，以生成分类模型。
本发明的技术效果和优点：本发明提出的一种区分顾客批次的计算方法，与现有技术相比，不仅支持绝对定位系统，也支持相对定位系统，例如通过wifi指纹进行顾客轨迹的特征数据追踪；两种定位数据都可以实现用户批次的判断；通过这种特性，该算法可以进一步减少对于定位方法的依赖，形成一共通用的用户批次计算方法，不仅适用于wifi定位，gps定位，蓝牙定位等通常的室内定位手段，也可以适用于利用特征值或者相对位置计算用户轨迹的定位系统，增加了用户对于硬件设备的选择性，也有助于降低系统实施的成本。
附图说明
图1为本发明一种区分顾客批次的计算方法的控制流程图。
具体实施方式
下面将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实施例，而不是全部的实施例。此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。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他实施例，都属于本发明保护的范围。
本发明提供了如图1所示的一种区分顾客批次的计算方法，包括如下步骤：
S1、通过定位系统，利用摄像头获取用户的活动轨迹，对进入经营场所的每位顾客的实时轨迹进行跟踪监控，并绘制行动路线图，也可以调阅其历史时段轨迹路线图；
S2、按照轨迹的开始、过程中、结束3个阶段分别计算用户轨迹的相似程度，对进入经营场所的每位顾客的行动路线图、区域停留时长、活动时间段进行分析，系统支持自定义现场地图，并在电子地图上标注各个监控点，支持电子地图无极缩放，支持跨区域切换；
S3、建立分类模型，利用对比模块为用户活动的3个阶段进行相似度评分，并且设定不同阶段评分的比重；
S4、通过现实环境中的数据对分类模型进行训练，提高模型的分类准确程度；
S5、通过模型计算所有顾客轨迹的相似程度，选取相似度高的顾客分为同一批次，模型计算的定位数据包括绝对定位和相对定位，用于计算用户之间轨迹的相似程度，来判定某两个顾客是否属于相同的批次。
其中，步骤1所述定位系统可通过wifi指纹进行顾客轨迹的特征数据追踪，基于wifi的室内定位系统包括三角定位和直纹定位，三角定位在障碍物较多的复杂环境中定位误差较大，而直纹定位预先建立离线指纹库，在定位阶段把实时采集直纹与离线指纹库进行匹配到最佳位置点，能在复杂环境中得到较高的采集精度。
其中，步骤S1所述的摄像头包括：转动底座和远红外摄像头，所述远红外摄像头转动安装于转动底座上，所述转动底座通过电动马达驱动，且电动马达上设置有马达控制器，所述马达控制器与自适应控制器电性连接。
其中，步骤S1所述的摄像头为远红外摄像头，远红外摄像头的波长为1.5-400微米，所述红外摄像头包括镜头、感光元件、信号处理元件，外部光线通过镜头聚焦在感光元件上，感光元件与信号处理元件电连接，所述信号处理模块输出端输出模拟信号、数字信号或视频流；所述模拟信号为CVBS、S-VIDEO、VGA；所述数字信号为ITU-R BT.656、ITU-RBT.601、ITU-R BT.1120、DVI、HDMI；所述视频流为通过Ethernet、WIFI、Bluetooth、RS-232、RS-485、CAN传输。
其中，步骤S3中的分类模型包括初始分类模型中的每个单模态分类模型对相应类型的模态数据进行分类，不同的单模态分类模型对应的模态数据类型不同，但是多个单模态分类模型对应的分类任务相同；例如，多模态分类模型包括三个单模态分类模型，分别用模型A、模型B和模型C表示，其中模型A用于对图像数据进行分类，模型B对文字数据进行分类，模型C对视频数据进行分类，但是模型A、模型B和模型C的分类任务相同。
其中，步骤S3所述对比模块采用算术运算符、赋值运算符、关系运算符、逻辑运算符和位运算符进行图形对比，所述算术运算符、赋值运算符、关系运算符、逻辑运算符和位运算符按优先级从底到高排列为：赋值运算符＜逻辑与运算符＜关系运算符＜算术运算符。
其中，步骤S4所述的分类模型的训练方法为，首先获取训练图片的OCR识别结果，并提取所述训练图片的第一特征信息；获取与所述训练图片的OCR识别结果对应的第一分类标注数据；提取所述OCR识别结果的第二特征信息；根据所述第一特征信息、第二特征信息和第一分类标注数据进行训练，以生成分类模型。
本发明提出的一种区分顾客批次的计算方法，与现有技术相比，不仅支持绝对定位系统，也支持相对定位系统，例如通过wifi指纹进行顾客轨迹的特征数据追踪，两种定位数据都可以实现用户批次的判断；通过这种特性，该算法可以进一步减少对于定位方法的依赖，形成一共通用的用户批次计算方法，不仅适用于wifi定位，GPS定位，蓝牙定位等通常的室内定位手段，也可以适用于利用特征值或者相对位置计算用户轨迹的定位系统，增加了用户对于硬件设备的选择性，也有助于降低系统实施的成本。
最后应说明的是：以上所述仅为本发明的优选实施例而已，并不用于限制本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，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，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 (7)

1.一种区分顾客批次的计算方法，其特征在于：包括如下步骤：
S1、通过定位系统，利用摄像头获取用户的活动轨迹，对进入经营场所的每位顾客的实时轨迹进行跟踪监控，并绘制行动路线图，也可以调阅其历史时段轨迹路线图；
S2、按照轨迹的开始、过程中、结束3个阶段分别计算用户轨迹的相似程度，对进入经营场所的每位顾客的行动路线图、区域停留时长、活动时间段进行分析，系统支持自定义现场地图，并在电子地图上标注各个监控点，支持电子地图无极缩放，支持跨区域切换；
S3、建立分类模型，利用对比模块为用户活动的3个阶段进行相似度评分，并且设定不同阶段评分的比重；
S4、通过现实环境中的数据对分类模型进行训练，提高模型的分类准确程度；
S5、通过模型计算所有顾客轨迹的相似程度，选取相似度高的顾客分为同一批次，模型计算的定位数据包括绝对定位和相对定位，用于计算用户之间轨迹的相似程度，来判定某两个顾客是否属于相同的批次。
2.根据权利要求1所述的一种区分顾客批次的计算方法，其特征在于：步骤1所述定位系统可通过wifi指纹进行顾客轨迹的特征数据追踪，基于wifi的室内定位系统包括三角定位和直纹定位，三角定位在障碍物较多的复杂环境中定位误差较大，而直纹定位预先建立离线指纹库，在定位阶段把实时采集直纹与离线指纹库进行匹配到最佳位置点，能在复杂环境中得到较高的采集精度。
3.根据权利要求1所述的一种区分顾客批次的计算方法，其特征在于：步骤S1所述的摄像头包括：转动底座和远红外摄像头，所述远红外摄像头转动安装于转动底座上，所述转动底座通过电动马达驱动，且电动马达上设置有马达控制器，所述马达控制器与自适应控制器电性连接。
4.根据权利要求1所述的一种区分顾客批次的计算方法，其特征在于：步骤S1所述的摄像头为远红外摄像头，远红外摄像头的波长为1.5-400微米，所述红外摄像头包括镜头、感光元件、信号处理元件，外部光线通过镜头聚焦在感光元件上，感光元件与信号处理元件电连接，所述信号处理模块输出端输出模拟信号、数字信号或视频流；所述模拟信号为CVBS、S-VIDEO、VGA；所述数字信号为ITU-R BT.656、ITU-R BT.601、ITU-R BT.1120、DVI、HDMI；所述视频流为通过Ethernet、WIFI、Bluetooth、RS-232、RS-485、CAN传输。
5.根据权利要求1所述的一种区分顾客批次的计算方法，其特征在于：步骤S3中的分类模型包括初始分类模型中的每个单模态分类模型对相应类型的模态数据进行分类，不同的单模态分类模型对应的模态数据类型不同，但是多个单模态分类模型对应的分类任务相同。例如，多模态分类模型包括三个单模态分类模型，分别用模型A、模型B和模型C表示，其中模型A用于对图像数据进行分类，模型B对文字数据进行分类，模型C对视频数据进行分类，但是模型A、模型B和模型C的分类任务相同。
6.根据权利要求1所述的一种区分顾客批次的计算方法，其特征在于：步骤S3所述对比模块采用算术运算符、赋值运算符、关系运算符、逻辑运算符和位运算符进行图形对比，所述算术运算符、赋值运算符、关系运算符、逻辑运算符和位运算符按优先级从底到高排列为：赋值运算符＜逻辑与运算符＜关系运算符＜算术运算符。
7.根据权利要求1所述的一种区分顾客批次的计算方法，其特征在于：步骤S4所述的分类模型的训练方法为，首先获取训练图片的OCR识别结果，并提取所述训练图片的第一特征信息；获取与所述训练图片的OCR识别结果对应的第一分类标注数据；提取所述OCR识别结果的第二特征信息；根据所述第一特征信息、第二特征信息和第一分类标注数据进行训练，以生成分类模型。
CN202010384454.9A 2020-05-07 2020-05-07 一种区分顾客批次的计算方法 Pending CN111582936A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010384454.9A CN111582936A (zh) 2020-05-07 2020-05-07 一种区分顾客批次的计算方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010384454.9A CN111582936A (zh) 2020-05-07 2020-05-07 一种区分顾客批次的计算方法

Publications (1)

Publication Number Publication Date
CN111582936A true CN111582936A (zh) 2020-08-25

Family

ID=72120732

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010384454.9A Pending CN111582936A (zh) 2020-05-07 2020-05-07 一种区分顾客批次的计算方法

Country Status (1)

Country Link
CN (1) CN111582936A (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003223548A (ja) * 2002-01-30 2003-08-08 Japan Research Institute Ltd 顧客行動解析方法および解析プログラム
JP2006011817A (ja) * 2004-06-25 2006-01-12 Osaka Gas Co Ltd 顧客及び販売機器の管理システム
US20150169683A1 (en) * 2013-12-17 2015-06-18 Microsoft Corporation Analytical Data Processing Engine
CN107529221A (zh) * 2017-08-22 2017-12-29 上海兴容信息技术有限公司 一种结合视频监控和Wi‑Fi定位的追踪分析系统及方法
CN108230023A (zh) * 2017-12-29 2018-06-29 南京光普信息技术有限公司 一种基于顾客游逛行为的客群分类方法
CN110766474A (zh) * 2019-10-30 2020-02-07 浙江易时科技股份有限公司 基于人脸识别技术的销售展厅客流批次统计

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003223548A (ja) * 2002-01-30 2003-08-08 Japan Research Institute Ltd 顧客行動解析方法および解析プログラム
JP2006011817A (ja) * 2004-06-25 2006-01-12 Osaka Gas Co Ltd 顧客及び販売機器の管理システム
US20150169683A1 (en) * 2013-12-17 2015-06-18 Microsoft Corporation Analytical Data Processing Engine
CN107529221A (zh) * 2017-08-22 2017-12-29 上海兴容信息技术有限公司 一种结合视频监控和Wi‑Fi定位的追踪分析系统及方法
CN108230023A (zh) * 2017-12-29 2018-06-29 南京光普信息技术有限公司 一种基于顾客游逛行为的客群分类方法
CN110766474A (zh) * 2019-10-30 2020-02-07 浙江易时科技股份有限公司 基于人脸识别技术的销售展厅客流批次统计

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
任亚唯: "视觉密码技术研究", 河北科学技术出版社, pages: 125 - 126 *
张博文;孙晓艳;: "基于视频大数据的商业智能化应用", vol. 07, no. 01 *
连海佳;季建华;: "MC模式下批量流程工业单机生产指派问题", vol. 38, no. 12 *
邱国新;姜海波;: "批量到达的多服务台M~(ξ)/M/n/m排队系统研究", vol. 25, no. 01 *

Similar Documents

Publication Publication Date Title
CN110826538B (zh) 一种用于电力营业厅的异常离岗识别系统
CN107977639B (zh) 一种人脸清晰度判断方法
Zhou et al. Self‐supervised learning to visually detect terrain surfaces for autonomous robots operating in forested terrain
Atev et al. Learning traffic patterns at intersections by spectral clustering of motion trajectories
CN111080693A (zh) 一种基于YOLOv3的机器人自主分类抓取方法
CN111832400B (zh) 一种基于概率神经网络的口罩佩戴情况的监测系统及方法
KR100612858B1 (ko) 로봇을 이용하여 사람을 추적하는 방법 및 장치
CN112488073A (zh) 目标检测方法、系统、设备及存储介质
US20130148848A1 (en) Method and apparatus for video analytics based object counting
US8898185B2 (en) Trajectory retrieval system, method and software for trajectory data retrieval
CN101989326A (zh) 人体姿态识别方法和装置
KR101645959B1 (ko) 복수의 오버헤드 카메라와 사이트 맵에 기반한 객체 추적 장치 및 그 방법
CN101848377A (zh) 一种基于云计算及海量视频检索的多视频录入装置智能联动的装置和方法
CN103593654A (zh) 一种人脸定位的方法与装置
CN114596555B (zh) 障碍物点云数据筛选方法、装置、电子设备及存储介质
CN114279433A (zh) 地图数据自动化生产方法、相关装置及计算机程序产品
CN103905824A (zh) 视频语义检索与压缩同步的摄像系统与方法
CN110889908B (zh) 一种融合人脸识别与数据分析的智能签到系统
Chen et al. Pedestrian detection and tracking based on 2d lidar
CN117115728A (zh) 一种应用于变电站现场作业的风险识别方法及系统
CN117197676A (zh) 一种基于特征融合的目标检测识别方法
CN112785564B (zh) 一种基于机械臂的行人检测跟踪系统与方法
CN111260696A (zh) 一种面向边缘端行人跟踪和人数精确统计的方法
CN111582936A (zh) 一种区分顾客批次的计算方法
Sumi et al. Frame level difference (FLD) features to detect partially occluded pedestrian for ADAS

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
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20200825