CN112560658A - 一种预警方法、装置、电子设备及计算机可读存储介质 - Google Patents
一种预警方法、装置、电子设备及计算机可读存储介质 Download PDFInfo
- Publication number
- CN112560658A CN112560658A CN202011455708.8A CN202011455708A CN112560658A CN 112560658 A CN112560658 A CN 112560658A CN 202011455708 A CN202011455708 A CN 202011455708A CN 112560658 A CN112560658 A CN 112560658A
- Authority
- CN
- China
- Prior art keywords
- moving object
- target moving
- target
- preset value
- electrostatic
- 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
- 238000000034 method Methods 0.000 title claims abstract description 49
- 238000001514 detection method Methods 0.000 claims abstract description 97
- 230000003068 static effect Effects 0.000 claims description 25
- 239000011159 matrix material Substances 0.000 claims description 24
- 238000004590 computer program Methods 0.000 claims description 4
- 230000037237 body shape Effects 0.000 claims 3
- 230000000694 effects Effects 0.000 abstract description 7
- 230000008569 process Effects 0.000 abstract description 7
- 230000005611 electricity Effects 0.000 description 14
- 239000007789 gas Substances 0.000 description 4
- 239000003209 petroleum derivative Substances 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000008030 elimination Effects 0.000 description 2
- 238000003379 elimination reaction Methods 0.000 description 2
- 239000002360 explosive Substances 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 241001465754 Metazoa Species 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000877 morphologic effect Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
- G06V20/46—Extracting features or characteristics from the video content, e.g. video fingerprints, representative shots or key frames
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/103—Static body considered as a whole, e.g. static pedestrian or occupant recognition
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
- G08B21/02—Alarms for ensuring the safety of persons
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Emergency Management (AREA)
- Human Computer Interaction (AREA)
- Image Analysis (AREA)
Abstract
本申请实施例提供的一种预警方法、装置、电子设备及计算机可读存储介质,其中,该方法包括:根据获取的包含有静电桩和目标移动对象的目标视频数据,确定目标移动对象与静电桩的最近距离信息;在最近距离信息不大于第一预设值的情况下,判断目标移动对象的目标检测部位所在的检测框与静电桩所在的预测框的交并比是否大于第二预设值;若交并比大于第二预设值,则判断目标移动对象的目标检测部位与静电桩的连续接触时间是否小于预设时间;若连续接触时间小于预设时间,则对目标移动对象进行预警。通过自动判断目标移动对象是否触摸静电桩,起到预警的作用,以提高人员的安全性及监管过程中的自动化。
Description
技术领域
本申请涉及预警技术领域,尤其是涉及一种预警方法、装置、电子设备及计算机可读存储介质。
背景技术
在存储石油气的场景下,空气中容易存有易燃易爆的气体。人如果不触摸静电桩,身上会存有静电,静电与易燃易爆的气体接触,容易发生危险。所以,当人进入存储石油气的场景中时,必须先去除身上的静电,因此必须要触摸静电桩。
当前,为了监控人员是否触摸静电桩,通常使用摄像头进行监控,这种方式只能以视频的方式记录人员是否触摸静电桩,并不能实现实时自动地判断人员是否触摸了静电桩,也不能在人员没触摸静电桩时进行提醒。
发明内容
有鉴于此,本申请的目的在于提供一种预警方法、装置、电子设备及计算机可读存储介质,通过上述三个判断条件,判断目标移动对象是否触摸静电桩,通过对目标移动对象进行自动监控,实现对目标移动对象进行自动预警,从而提高预警的自动化。
第一方面,本申请实施例提供了一种预警方法,包括:
根据获取的包含有静电桩和目标移动对象的目标视频数据,确定目标移动对象与静电桩的最近距离信息;
在目标移动对象与静电桩的最近距离信息不大于第一预设值的情况下,判断目标移动对象的目标检测部位所在的检测框与所述静电桩所在的预测框的交并比是否大于第二预设值;
若目标移动对象的目标检测部位所在的检测框与静电桩所在的预测框的交并比大于第二预设值,则判断目标移动对象的目标检测部位与静电桩的连续接触时间是否小于预设时间;
若目标移动对象的目标检测部位与静电桩的连续接触时间小于预设时间,则对目标移动对象进行预警。
结合第一方面,本申请实施例提供了第一方面的第一种可能的实施方式,还包括:在目标移动对象与静电桩的最近距离信息大于第一预设值的情况下,对目标移动对象进行预警。
结合第一方面,本申请实施例提供了第一方面的第二种可能的实施方式,其中,在判断目标移动对象的目标检测部位所在的检测框与静电桩所在的预测框的交并比是否大于第二预设值之后,还包括:若目标移动对象的目标检测部位所在的检测框与静电桩所在的预测框的交并比不大于第二预设值,则对目标移动对象进行预警。
结合第一方面,本申请实施例提供了第一方面的第三种可能的实施方式,其中,在确定目标移动对象与静电桩的最近距离信息之前,还包括:
获取包含有静电桩和移动对象的前一时刻的第一视频数据以及当前时刻的第二视频数据;
根据第一视频数据,确定移动对象在前一时刻的第一体貌特征、第一位置信息和速度信息,以及根据第二视频数据,确定移动对象在当前时刻的第二体貌特征和第二位置信息;
判断第一体貌特征与第二体貌特征的体貌相似度是否大于第三预设值;
若第一体貌特征与第二体貌特征的体貌相似度大于第三预设值,则根据第一位置信息和速度信息,预测出移动对象在当前时刻的第三位置信息;
判断第三位置信息和第二位置信息之间的距离差值是否小于第四预设值;
若第三位置信息和第二位置信息之间的距离差值小于第四预设值,则确定移动对象为目标移动对象,以及将包含有目标移动对象和静电桩的第二视频数据确定为目标视频数据。
结合第一方面的第三种可能的实施方式,本申请实施例提供了第一方面的第四种可能的实施方式,其中,根据获取的包含有静电桩和目标移动对象的目标视频数据,确定目标移动对象与静电桩的最近距离信息,包括:
根据目标视频数据,确定目标移动对象与静电桩在当前时刻的第一距离信息,以及根据第一视频数据,确定目标移动对象与静电桩在前一时刻的第二距离信息;
判断第一距离信息是否大于第二距离信息;
若第一距离信息大于第二距离信息,则确定第二距离信息为最近距离信息。
结合第一方面的第三种可能的实施方式,本申请实施例提供了第一方面的第五种可能的实施方式,其中,判断第一体貌特征与第二体貌特征的体貌相似度是否大于第三预设值,包括:
根据第一体貌特征生成第一关键特征矩阵,以及根据第二体貌特征生成第二关键特征矩阵;
根据第一关键特征矩阵与第二关键特征矩阵,得到余弦相似度;
判断余弦相似度是否大于第三预设值。
第二方面,本申请实施例还提供一种预警装置,包括:
第一确定模块,用于根据获取的包含有静电桩和目标移动对象的目标视频数据,确定目标移动对象与静电桩的最近距离信息;
第一判断模块,用于在目标移动对象与静电桩的最近距离信息不大于第一预设值的情况下,判断目标移动对象的目标检测部位所在的检测框与静电桩所在的预测框的交并比是否大于第二预设值;
第二判断模块,用于若目标移动对象的目标检测部位所在的检测框与静电桩所在的预测框的交并比大于第二预设值,则判断目标移动对象的目标检测部位与静电桩的连续接触时间是否小于预设时间;
第一预警模块,用于若目标移动对象的目标检测部位与静电桩的连续接触时间小于预设时间,则对目标移动对象进行预警。
结合第二方面,本申请实施例提供了第二方面的第一种可能的实施方式,还包括:
第二预警模块,用于在目标移动对象与静电桩的最近距离信息大于第一预设值的情况下,对目标移动对象进行预警。
第三方面,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,存储器存储有处理器可执行的机器可读指令,当电子设备运行时,处理器与存储器之间通过总线通信,机器可读指令被处理器执行时执行上述第一方面,或第一方面的任一种可能的实施方式中的步骤。
第四方面,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上述第一方面,或第一方面的任一种可能的实施方式中的步骤。
本申请实施例提供的一种预警方法、装置、电子设备及计算机可读存储介质,所述方法包括:根据获取的包含有静电桩和目标移动对象的目标视频数据,确定目标移动对象与静电桩的最近距离信息;在最近距离信息不大于第一预设值的情况下,判断目标移动对象的目标检测部位所在的检测框与静电桩所在的预测框的交并比是否大于第二预设值;若交并比大于第二预设值,则判断目标移动对象的目标检测部位与静电桩的连续接触时间是否小于预设时间;若连续接触时间小于预设时间,则对目标移动对象进行预警。本申请实施例通过上述三个判断条件,判断目标移动对象是否触摸静电桩,通过对目标移动对象进行自动监控,实现对目标移动对象进行自动预警,从而提高预警的自动化。
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第一种预警方法的流程图;
图2示出了本申请实施例所提供的第二种预警方法的流程图;
图3示出了本申请实施例所提供的一种预警装置的结构示意图;
图4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所有其他实施例,都属于本申请保护的范围。
在存储石油气的场景下,空气中容易存有易燃易爆的气体。人如果不触摸静电桩,身上会存有静电,静电与易燃易爆的气体接触,容易发生危险。所以,当人进入存储石油气的场景中时,必须先去除身上的静电,因此必须要触摸静电桩。当前,为了监控人员是否触摸静电桩,通常使用摄像头进行监控,这种方式只能以视频的方式记录人员是否触摸静电桩,并不能实现实时自动地判断人员是否触摸了静电桩,也不能在人员没触摸静电桩时进行提醒。
考虑到上述问题,基于此,本申请实施例提供了一种预警方法、装置、电子设备及计算机可读存储介质,下面通过实施例进行描述。
为便于对本实施例进行理解,首先对本申请实施例所公开的一种预警方法进行详细介绍。
实施例一:
本申请实施例提供了一种预警方法,如图1所示的第一种预警方法的流程图中,包括以下步骤:
S101:根据获取的包含有静电桩和目标移动对象的目标视频数据,确定目标移动对象与静电桩的最近距离信息;
目标移动对象可以是在不同时刻的同一个移动对象,移动对象具体可以指人或者动物或者物体等,静电桩可以是消除移动对象上的静电的装置。目标视频数据可以是包含有静电桩和目标移动对象的视频数据,通过摄像设备进行实时拍摄可以得到包含有静电桩的原始视频数据,通过对原始视频数据中不同时刻的同一个移动对象(即目标移动对象)进行跟踪,得到包含有静电桩和目标移动对象的目标视频数据。
在目标视频数据中,确定目标移动对象与静电桩的最近距离信息时,可以检测出现在目标视频数据中的目标移动对象和静电桩的坐标,然后根据检测到的目标移动对象与静电桩的坐标,确定目标移动对象与静电桩的最近距离信息。
S102:在目标移动对象与静电桩的最近距离信息不大于第一预设值的情况下,判断目标移动对象的目标检测部位所在的检测框与静电桩所在的预测框的交并比是否大于第二预设值;
本申请实施例中,目标移动对象与静电桩的最近距离信息存在两种情况,一种情况是大于第一预设值,另一种情况是不大于第一预设值。大于第一预设值的情况具体在下文进行叙述。其中,不大于第一预设值的情况又可以包括小于第一预设值和等于第一预设值的两种情况。针对小于第一预设值的情况,当目标移动对象与静电桩的最近距离信息小于第一预设值时,说明目标移动对象与静电桩的距离较近,目标移动对象可以触摸到静电桩;针对等于第一预设值的情况,当目标移动对象与静电桩的最近距离信息等于第一预设值时,说明目标移动对象恰好可以触摸到静电桩,若再远一点,就不能触摸到静电桩。
目标移动对象的目标检测部位指的是检测到的触摸静电桩的目标部位,具体可以是手或者其他部位等。
在检测到目标移动对象的目标检测部位时,可以通过检测框将目标检测部位框选出来,目标检测部位可以是包含在检测框内部的,因此目标检测部位所处的位置即检测框所处的位置。
同样,在检测到静电桩时,可以通过预测框将静电桩框选出来,静电桩可以都包含在预测框内,也可以部分地包含在预测框内。在一种优选的实施方式中,静电桩所在的预测框所框选出来的位置为静电桩上能够消除人身上静电的部位。
通过检测框和预测框的位置,可以判断出目标检测部位是否触摸到静电桩。
在具体实施过程中,可以通过边缘计算设备实现上述过程。
目标移动对象的目标检测部位所在的检测框与静电桩所在的预测框的交并比可以是,目标移动对象的目标检测部位所在的检测框的面积与静电桩所在的预测框的面积的交集与并集的比值。比值大于第二预设值时,说明目标检测部位与静电桩的接触面积大于预设接触面积,若接触面积越多,则导致消除静电效果越好;比值不大于第二预设值时,说明目标检测部位与静电桩的接触面积不大于预设接触面积,若接触面积越少,则导致消除静电效果越差。
S103:若目标移动对象的目标检测部位所在的检测框与静电桩所在的预测框的交并比大于第二预设值,则判断目标移动对象的目标检测部位与静电桩的连续接触时间是否小于预设时间;
本申请实施例中,连续接触时间可以用连续的视频帧数或连续的秒数计算。若目标移动对象的目标检测部位与静电桩的连续接触时间不小于预设时间,则说明去除静电的效果越好;若目标移动对象的目标检测部位与静电桩的连续接触时间小于预设时间,说明去除静电的效果越差。
S104:若目标移动对象的目标检测部位与静电桩的连续接触时间小于预设时间,则对目标移动对象进行预警。
本申请实施例中,预警方式包括但不限于声音预警或警示灯预警等预警方式。若目标移动对象的目标检测部位与静电桩的连续接触时间小于预设时间,可能出现目标移动对象将目标检测部位刚放到静电桩上就离开的情况,导致不能完全去除人身上的静电,因此进行报警,提醒工作人员重新触摸静电桩。
本申请实施例提供的预警方法,还包括:在目标移动对象与静电桩的最近距离信息大于第一预设值的情况下,对目标移动对象进行预警。
根据上文中出现的,在步骤S101之后,当目标移动对象与静电桩的最近距离信息大于第一预设值时,说明目标移动对象与静电桩的距离较远,目标移动对象没有走到静电桩的附近,也就不可能触摸到静电桩,若目标移动对象没有触摸到静电桩,就不能消除人身上的静电,因此需要对目标移动对象进行预警。
本申请实施例提供的预警方法,还包括:在判断目标移动对象的目标检测部位所在的检测框与静电桩所在的预测框的交并比是否大于第二预设值之后,若目标移动对象的目标检测部位所在的检测框与静电桩所在的预测框的交并比不大于第二预设值,则对目标移动对象进行预警。
根据上文中出现的,在步骤S102之后,目标移动对象的目标检测部位所在的检测框与静电桩所在的预测框的交并比不大于第二预设值有两种情况,一种情况是交并比小于第二预设值,另一种情况是交并比等于第二预设值。
当交并比小于第二预设值时,说明目标移动对象的目标检测部位与静电桩的接触面积小,消除人身上静电的效果差;当交并比等于第二预设值时,第二预设值为目标移动对象的目标检测部位与静电桩接触面积的界限,只有大于该值,消除静电的效果才好。因此,当目标移动对象的目标检测部位所在的检测框与静电桩所在的预测框的交并比不大于第二预设值时,对目标移动对象进行预警。
前述步骤S101,即在确定目标移动对象与静电桩的最近距离信息之前,如图2所示的第二种预警方法的流程图,具体还可以按照以下步骤执行:
S201:获取包含有静电桩和移动对象的前一时刻的第一视频数据以及当前时刻的第二视频数据;
移动对象可以是出现在第一视频数据和/或第二视频数据中的每一个工作人员,前一时刻指的是相对于当前时刻的前一时刻,前一时刻可以是前一帧图像对应的时刻,当前时刻可以是当前帧图像对应的时刻,第一视频数据可以是前一帧的图像,第二视频数据可以是当前帧的图像。
S202:根据第一视频数据,确定移动对象在前一时刻的第一体貌特征、第一位置信息和速度信息,以及根据第二视频数据,确定移动对象在当前时刻的第二体貌特征和第二位置信息;
通过前一帧的图像,检测出图像中的移动对象的第一体貌特征、第一位置信息、速度信息;通过当前帧的图像,检测出图像中的移动对象的第二体貌特征、第二位置信息。第一体貌特征与第二体貌特征可以通过卷积神经网络提取关键特征得到,其中,体貌特征包括但不限于身高、体型、衣服、帽子等;位置信息可以是坐标位置信息,速度信息可以是移动对象的运动速度信息。
S203:判断第一体貌特征与第二体貌特征的体貌相似度是否大于第三预设值;
为了判断前一时刻检测的移动对象与当前时刻检测到的移动对象是否为同一个人,首先,需要判断第一体貌特征与第二体貌特征的体貌相似度。其中,体貌相似度可以表示前一时刻移动对象的体貌特征与当前时刻移动对象的体貌特征的相似程度,体貌相似度越高,前一时刻检测到的移动对象与当前时刻检测到的移动对象为同一个人的可能性越高。当体貌相似度不大于第三预设值时,则判断前一时刻检测的移动对象与当前时刻检测到的移动对象不是同一个人。
S204:若第一体貌特征与第二体貌特征的体貌相似度大于第三预设值,则根据第一位置信息和速度信息,预测出移动对象在当前时刻的第三位置信息;
当体貌相似度大于第三预设值时,则可以判断前一时刻检测的移动对象与当前时刻检测到的移动对象是同一个人,这里可以继续判断移动对象的实际位置(即第二位置信息)与预测位置(即第三位置信息)是否相同。若移动对象的实际位置与预测位置相同,则判断前一时刻检测的移动对象与当前时刻检测到的移动对象为同一个人;若移动对象的实际位置与预测位置不相同,则判断前一时刻检测的移动对象与当前时刻检测到的移动对象不是同一个人。
判断移动对象的实际位置(即第二位置信息)与预测位置(即第三位置信息)是否相同的过程具体为:根据前一时刻移动对象的第一位置信息和速度信息,预测出移动对象在当前时刻的第三位置信息,即第三位置信息为预测位置信息,其中,预测方法可以是卡尔曼滤波跟踪,根据前一时刻的第一位置信息和速度信息估计出移动对象在当前时刻的第三位置信息。
S205:判断第三位置信息和第二位置信息之间的距离差值是否小于第四预设值;
计算第三位置信息与第二位置信息之间的距离差值,将距离差值与第四预设值比较。
S206:若第三位置信息和第二位置信息之间的距离差值小于第四预设值,则确定移动对象为目标移动对象,以及将包含有目标移动对象和静电桩的第二视频数据确定为目标视频数据。
若距离差值小于第四预设值,则判断移动对象的实际位置即第二位置信息与预测位置即第三位置信息相同,即确定前一时刻检测到的移动对象与当前时刻检测到的移动对象为同一个人。若距离差值不小于第四预设值,则判断移动对象的实际位置即第二位置信息与预测位置即第三位置信息不相同,即确定前一时刻检测到的移动对象与当前时刻检测到的移动对象不是同一个人。
当确定前一时刻检测到的移动对象与当前时刻检测到的移动对象为同一个人时,则将该移动对象确定为目标移动对象,将包含有目标移动对象和静电桩的第二视频数据确定为目标视频数据。其中,第二视频数据为当前时刻的视频数据。
前述步骤S101,即根据获取的包含有静电桩和目标移动对象的目标视频数据,确定目标移动对象与静电桩的最近距离信息,具体还可以按照以下步骤执行:
S1011:根据目标视频数据,确定目标移动对象与静电桩在当前时刻的第一距离信息,以及根据第一视频数据,确定目标移动对象与静电桩在前一时刻的第二距离信息;
在本申请实施例中,第一距离信息可以是当前时刻目标移动对象与静电桩的距离,第二距离信息可以是前一时刻目标移动对象与静电桩的距离。
S1012:判断第一距离信息是否大于第二距离信息;
比较第一距离信息与第二距离信息的大小。
S1013:若第一距离信息大于第二距离信息,则确定第二距离信息为最近距离信息。
在具体的实施例中,当目标移动对象走向静电桩时,当前时刻目标移动对象与静电桩的距离即第一距离信息是最近距离,此时,第一距离信息不大于第二距离信息,并且由于目标移动对象正在走近静电桩,因此不能判断出该目标移动对象会不会触摸静电桩。
当目标移动对象经过静电桩离开后,目标移动对象离静电桩会越来越远,而在目标移动对象经过静电桩时出现最近距离信息。也就是,当前时刻目标移动对象与静电桩的距离即第一距离信息大于前一时刻目标移动对象与静电桩的距离即第二距离信息,其中,前一时刻目标移动对象与静电桩的距离可以理解为目标移动对象经过静电桩时出现的最近距离信息,即当第一距离信息大于第二距离信息时,确定第二距离信息为最近距离信息。
前述步骤S203,即判断第一体貌特征与第二体貌特征的体貌相似度是否大于第三预设值,具体还可以按照以下步骤执行:
S2031:根据第一体貌特征生成第一关键特征矩阵,以及根据第二体貌特征生成第二关键特征矩阵;
在本申请实施例中,第一关键特征矩阵可以是通过第一体貌特征生成的128维向量得到的,第二关键特征矩阵可以是通过第二体貌特征生成的128维向量得到的。
S2032:根据第一关键特征矩阵与第二关键特征矩阵,得到余弦相似度;
第一关键特征矩阵与第二关键特征矩阵可以通过余弦相似度比较得到余弦相似度。
S2033:判断余弦相似度是否大于第三预设值。
若余弦相似度大于第三预设值,则继续判断移动对象的第二位置信息与第三位置信息之间的距离差值是否小于第四预设值。若余弦相似度不大于第三预设值,则确定前一时刻检测的移动对象与当前时刻检测到的移动对象不是同一个人。
本申请实施例提供的一种预警方法,根据获取的包含有静电桩和目标移动对象的目标视频数据,确定目标移动对象与静电桩的最近距离信息;在最近距离信息大于第一预设值的情况下,对目标移动对象进行预警;在最近距离信息不大于第一预设值的情况下,判断目标移动对象的目标检测部位所在的检测框与静电桩所在的预测框的交并比是否大于第二预设值;若交并比小于第二预设值,则对目标移动对象进行预警;若交并比大于第二预设值,则判断目标移动对象的目标检测部位与静电桩的连续接触时间是否小于预设时间;若连续接触时间小于预设时间,则对目标移动对象进行预警。本申请实施例通过上述三个判断条件,判断目标移动对象是否触摸静电桩,通过对目标移动对象进行自动监控,实现对目标移动对象进行自动预警,从而提高预警的自动化。
实施例二:
基于相同的技术构思,本申请实施例还提供一种预警装置,如图3所示的一种预警装置的结构示意图,包括:
第一确定模块301,用于根据获取的包含有静电桩和目标移动对象的目标视频数据,确定目标移动对象与静电桩的最近距离信息;
第一判断模块302,用于在目标移动对象与静电桩的最近距离信息不大于第一预设值的情况下,判断目标移动对象的目标检测部位所在的检测框与静电桩所在的预测框的交并比是否大于第二预设值;
第二判断模块303,用于若目标移动对象的目标检测部位所在的检测框与静电桩所在的预测框的交并比大于第二预设值,则判断目标移动对象的目标检测部位与静电桩的连续接触时间是否小于预设时间;
第一预警模块304,若目标移动对象的目标检测部位与静电桩的连续接触时间小于预设时间,则对目标移动对象进行预警。
其中,前述第一确定模块301,即用于根据获取的包含有静电桩和目标移动对象的目标视频数据,确定目标移动对象与静电桩的最近距离信息之后,还包括:
第二预警模块,用于在目标移动对象与静电桩的最近距离信息大于第一预设值的情况下,对目标移动对象进行预警。
前述第一判断模块302,即用于在目标移动对象与静电桩的最近距离信息不大于第一预设值的情况下,判断目标移动对象的目标检测部位所在的检测框与静电桩所在的预测框的交并比是否大于第二预设值之后,还包括:
第三预警模块,用于若目标移动对象的目标检测部位所在的检测框与静电桩所在的预测框的交并比不大于第二预设值,则对目标移动对象进行预警。
所述预警装置,具体还包括:
第一获取模块,用于获取包含有静电桩和移动对象的前一时刻的第一视频数据以及当前时刻的第二视频数据;
第二确定模块,用于根据第一视频数据,确定移动对象在前一时刻的第一体貌特征、第一位置信息和速度信息,以及根据第二视频数据,确定移动对象在当前时刻的第二体貌特征和第二位置信息;
第三判断模块,用于判断第一体貌特征与第二体貌特征的体貌相似度是否大于第三预设值;具体采用下述方式:根据第一体貌特征生成第一关键特征矩阵,以及根据第二体貌特征生成第二关键特征矩阵;根据第一关键特征矩阵与第二关键特征矩阵,得到余弦相似度;判断余弦相似度是否大于第三预设值。
第一预测模块,用于若第一体貌特征与第二体貌特征的体貌相似度大于第三预设值,则根据第一位置信息和速度信息,预测出移动对象在当前时刻的第三位置信息;
第四判断模块,用于判断第三位置信息和第二位置信息之间的距离差值是否小于第四预设值;
第三确定模块,用于若第三位置信息和第二位置信息之间的距离差值小于第四预设值,则确定移动对象为目标移动对象,以及将包含有目标移动对象和静电桩的第二视频数据确定为目标视频数据。
前述第一确定模块501,即用于根据获取的包含有静电桩和目标移动对象的目标视频数据,确定目标移动对象与静电桩的最近距离信息,具体还包括:
根据目标视频数据,确定目标移动对象与静电桩在当前时刻的第一距离信息,以及根据第一视频数据,确定目标移动对象与静电桩在前一时刻的第二距离信息;
判断第一距离信息是否大于第二距离信息;
若第一距离信息大于第二距离信息,则确定第二距离信息为最近距离信息。
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。
实施例三:
基于相同的技术构思,本申请实施例还提供了一种电子设备,如图4所示的一种电子设备400的结构示意图,该电子设备400包括:处理器401、存储器402和总线403,存储器存储有执行指令,当设备运行时,处理器401与存储器402之间通过总线403通信,处理器401执行存储器402中存储的如下执行指令:
根据获取的包含有静电桩和目标移动对象的目标视频数据,确定目标移动对象与静电桩的最近距离信息;
在目标移动对象与静电桩的最近距离信息不大于第一预设值的情况下,判断目标移动对象的目标检测部位所在的检测框与静电桩所在的预测框的交并比是否大于第二预设值;
若目标移动对象的目标检测部位所在的检测框与静电桩所在的预测框的交并比大于第二预设值,则判断目标移动对象的目标检测部位与静电桩的连续接触时间是否小于预设时间;
若目标移动对象的目标检测部位与静电桩的连续接触时间小于预设时间,则对目标移动对象进行预警。
在一种可行的实施方式中,处理器401具体还用于:在目标移动对象与静电桩的最近距离信息大于第一预设值的情况下,对目标移动对象进行预警。
在判断目标移动对象的目标检测部位所在的检测框与静电桩所在的预测框的交并比是否大于第二预设值之后,处理器401还可以用于:若目标移动对象的目标检测部位所在的检测框与静电桩所在的预测框的交并比不大于第二预设值,则对目标移动对象进行预警。
在确定目标移动对象与静电桩的最近距离信息之前,处理器401还用于:
获取包含有静电桩和移动对象的前一时刻的第一视频数据以及当前时刻的第二视频数据;
根据第一视频数据,确定移动对象在前一时刻的第一体貌特征、第一位置信息和速度信息,以及根据第二视频数据,确定移动对象在当前时刻的第二体貌特征和第二位置信息;
判断第一体貌特征与第二体貌特征的体貌相似度是否大于第三预设值;
若第一体貌特征与第二体貌特征的体貌相似度大于第三预设值,则根据第一位置信息和速度信息,预测出移动对象在当前时刻的第三位置信息;
判断第三位置信息和第二位置信息之间的距离差值是否小于第四预设值;
若第三位置信息和第二位置信息之间的距离差值小于第四预设值,则确定移动对象为目标移动对象,以及将包含有目标移动对象和静电桩的第二视频数据确定为目标视频数据。
根据获取的包含有静电桩和目标移动对象的目标视频数据,确定目标移动对象与静电桩的最近距离信息,处理器401具体用于:
根据目标视频数据,确定目标移动对象与静电桩在当前时刻的第一距离信息,以及根据第一视频数据,确定目标移动对象与静电桩在前一时刻的第二距离信息;
判断第一距离信息是否大于第二距离信息;
若第一距离信息大于第二距离信息,则确定第二距离信息为最近距离信息。
所述判断所述第一体貌特征与所述第二体貌特征的体貌相似度是否大于第三预设值,具体地处理器401还用于:
根据所述第一体貌特征生成第一关键特征矩阵,以及根据所述第二体貌特征生成第二关键特征矩阵;
根据所述第一关键特征矩阵与所述第二关键特征矩阵,得到余弦相似度;
判断所述余弦相似度是否大于第三预设值。
本申请实施例所提供的进行预警方法的计算机程序产品,包括存储了处理器可执行的非易失的程序代码的计算机可读存储介质,程序代码包括的指令可用于执行前面方法实施例中的方法,具体实现可参见方法实施例,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,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。
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。
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-Only Memory,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 (10)
1.一种预警方法,其特征在于,包括:
根据获取的包含有静电桩和目标移动对象的目标视频数据,确定所述目标移动对象与所述静电桩的最近距离信息;
在所述目标移动对象与所述静电桩的最近距离信息不大于第一预设值的情况下,判断所述目标移动对象的目标检测部位所在的检测框与所述静电桩所在的预测框的交并比是否大于第二预设值;
若所述目标移动对象的目标检测部位所在的检测框与所述静电桩所在的预测框的交并比大于第二预设值,则判断所述目标移动对象的目标检测部位与所述静电桩的连续接触时间是否小于预设时间;
若所述目标移动对象的目标检测部位与所述静电桩的连续接触时间小于预设时间,则对所述目标移动对象进行预警。
2.根据权利要求1所述的预警方法,其特征在于,还包括:在所述目标移动对象与所述静电桩的最近距离信息大于第一预设值的情况下,对所述目标移动对象进行预警。
3.根据权利要求1所述的预警方法,其特征在于,在所述判断所述目标移动对象的目标检测部位所在的检测框与所述静电桩所在的预测框的交并比是否大于第二预设值之后,还包括:
若所述目标移动对象的目标检测部位所在的检测框与所述静电桩所在的预测框的交并比不大于第二预设值,则对所述目标移动对象进行预警。
4.根据权利要求1所述的预警方法,其特征在于,在确定所述目标移动对象与所述静电桩的最近距离信息之前,还包括:
获取包含有静电桩和移动对象的前一时刻的第一视频数据以及当前时刻的第二视频数据;
根据所述第一视频数据,确定所述移动对象在前一时刻的第一体貌特征、第一位置信息和速度信息,以及根据所述第二视频数据,确定所述移动对象在当前时刻的第二体貌特征和第二位置信息;
判断所述第一体貌特征与所述第二体貌特征的体貌相似度是否大于第三预设值;
若所述第一体貌特征与所述第二体貌特征的体貌相似度大于第三预设值,则根据所述第一位置信息和所述速度信息,预测出所述移动对象在当前时刻的第三位置信息;
判断所述第三位置信息和所述第二位置信息之间的距离差值是否小于第四预设值;
若所述第三位置信息和所述第二位置信息之间的距离差值小于第四预设值,则确定所述移动对象为目标移动对象,以及将包含有所述目标移动对象和所述静电桩的所述第二视频数据确定为所述目标视频数据。
5.根据权利要求4所述的预警方法,其特征在于,所述根据获取的包含有静电桩和目标移动对象的目标视频数据,确定所述目标移动对象与所述静电桩的最近距离信息,包括:
根据所述目标视频数据,确定所述目标移动对象与所述静电桩在当前时刻的第一距离信息,以及根据所述第一视频数据,确定所述目标移动对象与所述静电桩在前一时刻的第二距离信息;
判断所述第一距离信息是否大于所述第二距离信息;
若所述第一距离信息大于所述第二距离信息,则确定所述第二距离信息为最近距离信息。
6.根据权利要求4所述的预警方法,其特征在于,所述判断所述第一体貌特征与所述第二体貌特征的体貌相似度是否大于第三预设值,包括:
根据所述第一体貌特征生成第一关键特征矩阵,以及根据所述第二体貌特征生成第二关键特征矩阵;
根据所述第一关键特征矩阵与所述第二关键特征矩阵,得到余弦相似度;
判断所述余弦相似度是否大于第三预设值。
7.一种预警装置,其特征在于,包括:
第一确定模块,用于根据获取的包含有静电桩和目标移动对象的目标视频数据,确定所述目标移动对象与所述静电桩的最近距离信息;
第一判断模块,用于在所述目标移动对象与所述静电桩的最近距离信息不大于第一预设值的情况下,判断所述目标移动对象的目标检测部位所在的检测框与所述静电桩所在的预测框的交并比是否大于第二预设值;
第二判断模块,用于若所述目标移动对象的目标检测部位所在的检测框与所述静电桩所在的预测框的交并比大于第二预设值,则判断所述目标移动对象的目标检测部位与所述静电桩的连续接触时间是否小于预设时间;
第一预警模块,用于若所述目标移动对象的目标检测部位与所述静电桩的连续接触时间小于预设时间,则对所述目标移动对象进行预警。
8.根据权利要求7所述的预警装置,其特征在于,还包括:
第二预警模块,用于在所述目标移动对象与所述静电桩的最近距离信息大于第一预设值的情况下,对所述目标移动对象进行预警。
9.一种电子设备,其特征在于,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权利要求1至6任一所述的一种预警方法的步骤。
10.一种计算机可读存储介质,其特征在于,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权利要求1至6任一所述的一种预警方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011455708.8A CN112560658B (zh) | 2020-12-10 | 2020-12-10 | 一种预警方法、装置、电子设备及计算机可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011455708.8A CN112560658B (zh) | 2020-12-10 | 2020-12-10 | 一种预警方法、装置、电子设备及计算机可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112560658A true CN112560658A (zh) | 2021-03-26 |
CN112560658B CN112560658B (zh) | 2024-01-26 |
Family
ID=75062054
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011455708.8A Active CN112560658B (zh) | 2020-12-10 | 2020-12-10 | 一种预警方法、装置、电子设备及计算机可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112560658B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114027968A (zh) * | 2021-11-30 | 2022-02-11 | 深圳市联影高端医疗装备创新研究院 | 手术设备、电外科手术装置和手术设备的安全检测方法 |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005306435A (ja) * | 2004-04-21 | 2005-11-04 | Link & Share Inc | ガソリンスタンドにおける火災防止システム |
CN101458325A (zh) * | 2009-01-08 | 2009-06-17 | 华南理工大学 | 一种基于自适应预测的无线传感器网络目标跟踪方法 |
JP2011021792A (ja) * | 2009-07-14 | 2011-02-03 | Shimizu Corp | 花粉除去方法 |
CN205698898U (zh) * | 2016-03-10 | 2016-11-23 | 江西杉木科技有限公司 | 一种灵敏度高的触摸式人体静电释放报警器 |
CN107132881A (zh) * | 2017-05-04 | 2017-09-05 | 广东小天才科技有限公司 | 一种静电释放方法、智能穿戴设备和计算机可读存储介质 |
CN206809543U (zh) * | 2017-01-20 | 2017-12-29 | 河南省远洋粉体科技股份有限公司 | 粉尘场所智能静电消除装置 |
CN110197502A (zh) * | 2019-06-06 | 2019-09-03 | 山东工商学院 | 一种基于身份再识别的多目标跟踪方法及系统 |
CN110232366A (zh) * | 2019-06-19 | 2019-09-13 | 精英数智科技股份有限公司 | 静电防护执行情况的检测方法、装置、服务器及介质 |
CN111179566A (zh) * | 2020-03-10 | 2020-05-19 | 常州市瑞德信息科技有限公司 | 易燃易爆场所人体静电释放智能管理方法 |
CN111476826A (zh) * | 2020-04-10 | 2020-07-31 | 电子科技大学 | 一种基于ssd目标检测的多目标车辆跟踪方法 |
CN111595336A (zh) * | 2020-07-27 | 2020-08-28 | 北京云迹科技有限公司 | 一种机器人定位信息的确定方法及装置 |
CN111882580A (zh) * | 2020-07-17 | 2020-11-03 | 元神科技(杭州)有限公司 | 一种视频多目标跟踪方法及系统 |
CN112023257A (zh) * | 2020-08-21 | 2020-12-04 | 广东环境保护工程职业学院 | 一种红外线人体静电释放器系统 |
-
2020
- 2020-12-10 CN CN202011455708.8A patent/CN112560658B/zh active Active
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005306435A (ja) * | 2004-04-21 | 2005-11-04 | Link & Share Inc | ガソリンスタンドにおける火災防止システム |
CN101458325A (zh) * | 2009-01-08 | 2009-06-17 | 华南理工大学 | 一种基于自适应预测的无线传感器网络目标跟踪方法 |
JP2011021792A (ja) * | 2009-07-14 | 2011-02-03 | Shimizu Corp | 花粉除去方法 |
CN205698898U (zh) * | 2016-03-10 | 2016-11-23 | 江西杉木科技有限公司 | 一种灵敏度高的触摸式人体静电释放报警器 |
CN206809543U (zh) * | 2017-01-20 | 2017-12-29 | 河南省远洋粉体科技股份有限公司 | 粉尘场所智能静电消除装置 |
CN107132881A (zh) * | 2017-05-04 | 2017-09-05 | 广东小天才科技有限公司 | 一种静电释放方法、智能穿戴设备和计算机可读存储介质 |
CN110197502A (zh) * | 2019-06-06 | 2019-09-03 | 山东工商学院 | 一种基于身份再识别的多目标跟踪方法及系统 |
CN110232366A (zh) * | 2019-06-19 | 2019-09-13 | 精英数智科技股份有限公司 | 静电防护执行情况的检测方法、装置、服务器及介质 |
CN111179566A (zh) * | 2020-03-10 | 2020-05-19 | 常州市瑞德信息科技有限公司 | 易燃易爆场所人体静电释放智能管理方法 |
CN111476826A (zh) * | 2020-04-10 | 2020-07-31 | 电子科技大学 | 一种基于ssd目标检测的多目标车辆跟踪方法 |
CN111882580A (zh) * | 2020-07-17 | 2020-11-03 | 元神科技(杭州)有限公司 | 一种视频多目标跟踪方法及系统 |
CN111595336A (zh) * | 2020-07-27 | 2020-08-28 | 北京云迹科技有限公司 | 一种机器人定位信息的确定方法及装置 |
CN112023257A (zh) * | 2020-08-21 | 2020-12-04 | 广东环境保护工程职业学院 | 一种红外线人体静电释放器系统 |
Non-Patent Citations (1)
Title |
---|
宋坤;: "防静电技术在电子产品生产中的应用", 电子工艺技术, vol. 2020, no. 03, pages 114 - 115 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114027968A (zh) * | 2021-11-30 | 2022-02-11 | 深圳市联影高端医疗装备创新研究院 | 手术设备、电外科手术装置和手术设备的安全检测方法 |
CN114027968B (zh) * | 2021-11-30 | 2024-04-02 | 深圳市联影高端医疗装备创新研究院 | 手术设备、电外科手术装置和手术设备的安全检测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN112560658B (zh) | 2024-01-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9684835B2 (en) | Image processing system, image processing method, and program | |
CN107358149B (zh) | 一种人体姿态检测方法和装置 | |
CN106599716B (zh) | 一种消息内容的保护方法、装置及移动终端 | |
CN109345829B (zh) | 无人车的监控方法、装置、设备及存储介质 | |
CN111310562B (zh) | 基于人工智能的车辆驾驶风险管控方法及其相关设备 | |
EP3373201A1 (en) | Information processing apparatus, information processing method, and storage medium | |
KR20150054995A (ko) | 사람의 활동 개요 생성 시스템 및 방법 | |
CN111738240A (zh) | 区域监测方法、装置、设备及存储介质 | |
CN107077235B (zh) | 确定非故意触摸拒绝 | |
CN109993065B (zh) | 基于深度学习的驾驶员行为检测方法和系统 | |
CN112330964B (zh) | 路况信息监测方法和装置 | |
CN111401282A (zh) | 目标检测方法、装置、计算机设备和存储介质 | |
KR20150031985A (ko) | 모바일 기기와 협력하여 위험 상황을 추적하기 위한 시스템 및 그 방법 | |
CN112560658B (zh) | 一种预警方法、装置、电子设备及计算机可读存储介质 | |
CN115294528A (zh) | 一种行人安全监控方法及装置 | |
CN109543563B (zh) | 安全提示方法、装置、存储介质及电子设备 | |
WO2014112407A1 (ja) | 情報処理システム、情報処理方法及びプログラム | |
KR20170048108A (ko) | 객체 및 상황 인지 방법 및 시스템 | |
CN114648556A (zh) | 视觉跟踪方法、装置和电子设备 | |
CN113723355A (zh) | 一种目标监控方法和装置、存储介质及电子装置 | |
CN111796663B (zh) | 场景识别模型更新方法、装置、存储介质及电子设备 | |
CN111797658A (zh) | 车道线识别方法、装置、存储介质及电子设备 | |
CN115273128A (zh) | 皮带机上人的检测方法、装置、电子设备及存储介质 | |
CN111078100B (zh) | 一种点读方法及电子设备 | |
CN116403165B (zh) | 一种危险化学品泄露应急处理方法、装置及可读存储介质 |
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 | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20220325 Address after: Room 1501, Gehua building, No.1 Qinglong Hutong, Dongcheng District, Beijing Applicant after: Kunlun Digital Technology Co.,Ltd. Applicant after: CHINA NATIONAL PETROLEUM Corp. Address before: 100010 room 1501, Gehua building, No.1 Qinglong Hutong, Dongcheng District, Beijing Applicant before: Kunlun Digital Technology Co.,Ltd. |
|
TA01 | Transfer of patent application right | ||
GR01 | Patent grant | ||
GR01 | Patent grant |