CN112597895A - 基于偏移量检测的置信度确定方法、路侧设备及云控平台 - Google Patents
基于偏移量检测的置信度确定方法、路侧设备及云控平台 Download PDFInfo
- Publication number
- CN112597895A CN112597895A CN202011543151.3A CN202011543151A CN112597895A CN 112597895 A CN112597895 A CN 112597895A CN 202011543151 A CN202011543151 A CN 202011543151A CN 112597895 A CN112597895 A CN 112597895A
- Authority
- CN
- China
- Prior art keywords
- image
- processed
- determining
- target area
- standard
- 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 97
- 238000000034 method Methods 0.000 title claims abstract description 52
- 238000004590 computer program Methods 0.000 claims description 11
- 230000004044 response Effects 0.000 claims description 10
- 239000000126 substance Substances 0.000 claims 1
- 230000000875 corresponding effect Effects 0.000 description 59
- 238000012545 processing Methods 0.000 description 13
- 238000004891 communication Methods 0.000 description 12
- 238000010586 diagram Methods 0.000 description 9
- 238000004364 calculation method Methods 0.000 description 7
- 238000012544 monitoring process Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 4
- 230000003993 interaction Effects 0.000 description 4
- 230000008447 perception Effects 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 3
- 238000006073 displacement reaction Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000013473 artificial intelligence Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013136 deep learning model Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 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
- G06V20/50—Context or environment of the image
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
- G06V20/58—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Data Mining & Analysis (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Image Analysis (AREA)
Abstract
本申请公开了基于偏移量检测的置信度确定方法及装置，涉及智能交通技术领域。具体实现方案为：针对于待处理视频中的每一帧待处理图像，执行如下操作：比对该待处理图像和标准图像，确定视频获取装置在获取该待处理图像时的姿态信息，相对于在获取标准图像时的姿态信息的偏移量；根据偏移量，确定基于该待处理图像所得到的检测结果的置信度；根据预设时间窗内的各待处理图像对应的检测结果的置信度，确定待处理视频对应的检测结果的置信度。本方案提高了基于待处理视频所得到的检测结果的置信度的确定效率和准确度。
Description
技术领域
本公开涉及计算机技术领域，具体涉及智能交通技术，为一种基于偏移量检测的置信度确定方法、装置、电子设备、存储介质、路侧设备、云控平台以及程序产品。
背景技术
在国家大力推行的新基建建设的过程中，基于相机的障碍物感知算法扮演着重要的作用。其中，基于人工智能深度学习模型的障碍物感知算法取得的长足的发展。在异常工况(例如雨、雪、雾、夜、视频流中断等)时，感知模型对障碍物的召回率和准确率都会有一定程度的下降。
发明内容
本公开提供了一种基于偏移量检测的置信度确定方法、装置、电子设备、存储介质、路侧设备、云控平台以及程序产品。
根据第一方面，本公开提供了一种基于偏移量检测的置信度确定方法，包括：针对于待处理视频中的每一帧待处理图像，执行如下操作：比对该待处理图像和标准图像，确定视频获取装置在获取该待处理图像时的姿态信息，相对于在获取标准图像时的姿态信息的偏移量；根据偏移量，确定基于该待处理图像所得到的检测结果的置信度；根据预设时间窗内的各待处理图像对应的检测结果的置信度，确定待处理视频对应的检测结果的置信度。
根据第二方面，本公开提供了一种基于偏移量检测的置信度确定装置，包括：执行单元，被配置成针对于待处理视频中的每一帧待处理图像，执行如下操作：比对该待处理图像和标准图像，确定视频获取装置在获取该待处理图像时的姿态信息，相对于在获取标准图像时的姿态信息的偏移量；根据偏移量，确定基于该待处理图像所得到的检测结果的置信度；第一确定单元，被配置成根据预设时间窗内的各待处理图像对应的检测结果的置信度，确定待处理视频对应的检测结果的置信度。
根据第三方面，提供了一种电子设备，包括：至少一个处理器；以及与至少一个处理器通信连接的存储器；其中，存储器存储有可被至少一个处理器执行的指令，指令被至少一个处理器执行，以使至少一个处理器能够执行上述第一方面中任一项的方法。
根据第四方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，计算机指令用于使计算机执行上述第一方面中任一项的方法。
根据第五方面，提供了一种路侧设备，包括如第三方面的电子设备。
根据第六方面，提供了一种云控平台，包括如第三方面的电子设备。
根据第七方面，提供了一种计算机程序产品，包括计算机程序，计算机程序在被处理器执行时实现第一方面任一项的方法。
根据本公开的技术，通过对比待处理图像中的待处理图像和标准图像，确定视频获取装置在获取待处理图像时的姿态信息，相对于在获取标准图像时的姿态信息的偏移量，进而根据偏移量确定待处理视频的置信度，从而提供了一种基于偏移量检测的置信度确定方法，提高了基于待处理视频所得到的检测结果的置信度的确定效率和准确度。
应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图用于更好地理解本方案，不构成对本公开的限定。其中：
图1是本公开的一个实施例可以应用于其中的示例性系统架构图；
图2是根据本公开的基于偏移量检测的置信度确定方法的一个实施例的流程图；
图3是根据本公开的基于偏移量检测的置信度确定方法的一个应用场景的示意图；
图4是根据本公开的基于偏移量检测的置信度确定方法的又一个实施例的流程图；
图5是根据本公开的基于偏移量检测的置信度确定装置协同配合的一个实施例的流程图；
图6是适于用来实现本公开的实施例的电子设备/终端设备或服务器的计算机系统的结构示意图。
具体实施方式
以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本申请的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
图1示出了可以应用本公开的基于偏移量检测的置信度确定方法及装置的示例性架构100。
如图1所示，系统架构100可以包括终端设备101、102、103，网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。
终端设备101、102、103可以是支持网络连接从而进行数据交互和数据处理的硬件设备或软件。当终端设备101、102、103为硬件时，其可以是支持网络连接，信息获取、交互、显示、处理等功能的各种电子设备，包括但不限于摄像头、智能手机、平板电脑、车载电脑、膝上型便携计算机和台式计算机等等。当终端设备101、102、103为软件时，可以安装在上述所列举的电子设备中。其可以实现成例如用来提供分布式服务的多个软件或软件模块，也可以实现成单个软件或软件模块。在此不做具体限定。
服务器105可以是提供各种服务的服务器，例如接收终端设备101、102、103获取的待处理视频，确定待处理视频的检测结果的置信度的后台处理服务器。例如，后台处理服务器确定基于待处理视频中的每一帧待处理图像所得到的检测结果的置信度，然后基于预设时间窗内的各待处理图像对应的检测结果的置信度，确定待处理视频对应的检测结果的置信度。作为示例，服务器105可以是云端服务器。
需要说明的是，服务器可以是硬件，也可以是软件。当服务器为硬件时，可以实现成多个服务器组成的分布式服务器集群，也可以实现成单个服务器。当服务器为软件时，可以实现成多个软件或软件模块(例如用来提供分布式服务的软件或软件模块)，也可以实现成单个软件或软件模块。在此不做具体限定。
还需要说明的是，本公开的实施例所提供的基于偏移量检测的置信度确定方法可以由服务器执行，也可以由终端设备执行，还可以由服务器和终端设备彼此配合执行。相应地，基于偏移量检测的置信度确定装置包括的各个部分(例如各个单元、各个模块)可以全部设置于服务器中，也可以全部设置于终端设备中，还可以分别设置于服务器和终端设备中。
应该理解，图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。当基于偏移量检测的置信度确定方法运行于其上的电子设备不需要与其他电子设备进行数据传输时，该系统架构可以仅包括基于偏移量检测的置信度确定方法运行于其上的电子设备(例如服务器或终端设备)。
继续参考图2，示出了基于偏移量检测的置信度确定方法的一个实施例的流程200，包括以下步骤：
步骤201，针对于待处理视频中的每一帧待处理图像，执行如下操作：
步骤2011，比对该待处理图像和标准图像，确定视频获取装置在获取该待处理图像时的姿态信息，相对于在获取标准图像时的姿态信息的偏移量。
本实施例中，基于偏移量检测的置信度确定方法的执行主体(例如图1中的服务器)可以通过有线连接方式或无线连接方式从远程，或从本地获取待处理视频。其中，待处理视频可以是视频获取装置所拍摄的、包括任意内容的视频。作为示例，待处理视频可以是监控摄像头拍摄的表征交通情况的视频。
标准图像表征视频获取装置在未发生偏移的情况下获取的视频。可以理解，由于标准图像与待处理图像均为同一视频获取装置得到，两者的尺寸信息相同。以视频获取装置为监控摄像头为例，安装后、调试好的监控摄像头可以获取监控区域的待处理视频。在大风、雨雪等因素的干扰下，可能使得监控摄像头发生偏移，从而使得待处理视频中的待处理图像所对应的监控区域发生偏移。也即，当视频获取装置发生偏移时，视频获取装置的视野所对应的区域会发生偏移，可以理解，这种情况下，待处理视频的置信度降低。
作为示例，上述执行主体可以采用相位相关法检测该待处理图像和标准图像之间的相对位移量，将相对位移量确定为视频获取装置在获取该待处理图像时的姿态信息，相对于在获取标准图像时的姿态信息的偏移量。
在本实施例的一些可选的实现方式中，上述执行主体可以通过如下方式执行上述步骤2011：
第一，在该待处理图像中确定出至少一个目标区域。
本实现方式中，目标区域可以是待处理图像中的固定对象所表征的区域。作为示例，固定对象可以是建筑、路面标识等固定物。其中，目标区域的数量可以根据实际情况具体设定，例如，目标区域的数量可以为4。
第二，针对于至少一个目标区域中的每个目标区域，在标准图像中确定出与该目标区域对应的标准区域，对比该目标区域与对应于该目标区域的标准区域，确定该目标区域与对应于该目标区域的标准区域之间的偏移量。
本实现方式中，该目标区域在标准图像中的位置信息，与对应于该目标区域的标准区域在标准图像中的位置信息相同。作为示例，上述执行主体可以基于相位相关法确定该目标区域与对应于该目标区域的标准区域之间的偏移量。
第三，根据至少一个目标区域所对应的偏移量，确定视频获取装置在获取该待处理图像时的姿态信息，相对于在获取标准图像时的姿态信息的偏移量。
作为示例，上述执行主体可以将至少一个目标区域对应的偏移量的平均值，确定为视频获取装置在获取该待处理图像时的姿态信息，相对于在获取标准图像时的姿态信息的偏移量。
本实现方式中，上述执行主体只针对于待处理图像中的至少一个目标区域，与标准图像中对应于至少一个目标区域的标准区域，确定视频获取装置在获取该待处理图像时的姿态信息，相对于在获取标准图像时的姿态信息的偏移量，减小了进行偏移量计算的图像面积，可以提高上述执行主体针对偏移量的确定效率。进一步的，在待处理图像中确定的至少一个目标区域，可以为固定对象对应的区域，避免了移动对象对偏移量计算的干扰，提高了偏移量的准确度。
在本实施例的一些可选的实现方式中，针对于上述第二步骤，上述执行主体可以通过如下方式执行：
针对于至少一个目标区域中的每个目标区域，执行如下操作：
首先，检测该目标区域和对应于该目标区域的标准区域是否存在移动对象。其中，移动对象表征在待处理视频中可移动的对象。作为示例，移动对象可以是行驶的车辆、行人等。
然后，响应于确定该目标区域和对应于该目标区域的标准区域中均不存在移动对象，对比该目标区域和对应于该目标区域的标准区域，确定该目标区域和对应于该目标区域的标准区域之间的偏移量。
这里，响应于确定该目标区域或对应于该目标区域的标准区域中存在移动对象，不再确定该目标区域和对应于该目标区域的标准区域之间的偏移量。
本实现方式中，上述执行主体可以进一步过滤存在移动对象的标准区域，从而针对于均不存在移动对象的目标区域和对应于该目标区域的标准区域，确定两者之间的偏移量，进一步提高了偏移量的准确度。
步骤2012，根据偏移量，确定基于该待处理图像所得到的检测结果的置信度。
本实施例中，上述执行主体可以根据偏移量，确定基于该待处理图像所得到的检测结果的置信度。其中，检测结果可以是基于该待处理图像得到的任意检测结果，包括已经得到的检测结果和未进行的检测结果。作为示例，检测结果可以是对该待处理图像中的目标对象(例如行人、车辆)进行检测得到的检测框信息。
本实施例中，偏移量与基于待处理图像所得到的检测结果的置信度呈负相关。当偏移量越大时，基于该待处理图像所得到的检测结果的置信度越低；当偏移量越小时，基于该待处理图像所得到的检测结果的置信度越高。
在本实施例的一些可选的实现方式中，上述执行主体可以根据偏移量与预设阈值的比值，确定基于该待处理图像所得到的检测结果的置信度。
其中，预设阈值可以根据实际情况具体设定。作为示例，预设阈值可以是视频获取装置的偏移量的报警阈值。可以理解，当偏移量达到报警阈值时，视频获取装置存在较大程度的偏移，基于所获取的待处理视频所得到的检测结果的置信度较低。通过本实现方式，可以简便地确定基于待处理图像所得到的检测结果的置信度。
本实现方式中，具体的，上述执行主体可以通过公式C＝1-O/T得到基于该待处理图像所得到的检测结果的置信度。其中，C表征基于该待处理图像所得到的检测结果的置信度，O表征偏移量，T表征预设阈值。
步骤202，根据预设时间窗内的各待处理图像对应的检测结果的置信度，确定待处理视频对应的检测结果的置信度。
本实施例中，上述执行主体可以根据预设时间窗内的各待处理图像对应的检测结果的置信度，确定待处理视频对应的检测结果的置信度。其中，预设时间窗的时间长度可以根据实际情况具体设置。例如，预设时间窗的时间长度为5秒钟。
作为示例，上述执行主体可以基于滑动的预设时间窗，将截止到当前时间的预设时间窗内的各待处理图像对应的检测结果的置信度的平均值，确定为待处理视频对饮的检测结果的置信度。可以理解，待处理视频在不同时间段的检测结果的置信度可能不同。
继续参见图3，图3是根据本实施例的基于偏移量检测的置信度确定方法的应用场景的一个示意图。在图3所示的应用场景中，摄像头301拍摄表征交通情况的待处理视频，并将待处理视频实时传输至服务器302。服务器302针对于待处理视频中的每一帧待处理图像，执行如下操作：首先，比对该待处理图像303和标准图像304，确定视频获取装置在获取该待处理图像时的姿态信息，相对于在获取标准图像时的姿态信息的偏移量；根据偏移量，确定基于该待处理图像所得到的检测结果的置信度。最后，服务器302根据预设时间窗内的各待处理图像对应的检测结果的置信度，确定待处理视频对应的检测结果的置信度。
本实施例中，通过对比待处理图像中的待处理图像和标准图像，确定视频获取装置在获取待处理图像时的姿态信息，相对于在获取标准图像时的姿态信息的偏移量，进而根据偏移量确定待处理视频的置信度，从而提供了一种基于偏移量检测的置信度确定方法，提高了基于待处理视频所得到的检测结果的置信度的确定效率和准确度。
在本实施例的一些可选的实现方式中，上述执行主体还可以响应于确定偏移量为零，将该待处理图像确定为下一帧待处理图像对应的标准图像。可以理解，当视频获取装置在获取该待处理图像时的姿态信息，相对于获取标准图像时的姿态信息的偏移量为零，表征视频获取装置并未发生偏移，因而可以将该待处理图像确定为下一帧待处理图像对应的标准图像。通过更新标准图像，尽量将使得标准图像与被比对的待处理图像为相邻帧图像，可以避免因标准图像与被比对的待处理图像的时间间隔较大，而造成待处理图像与标准图像内容差距较大，而无法比对的情况。
在本实施例的一些可选的实现方式中，上述执行主体还可以将待处理视频以及每一帧待处理图像对应的检测结果的置信度信息发送至对待处理视频进行后续操作的终端设备，以使得终端设备根据待处理视频以及每一帧待处理图像对应的检测结果的置信度信息进行相应操作。
在本实施例的一些可选的实现方式中，视频获取装置被安装在可控制视频获取装置旋转的旋转装置上。上述执行主体可以根据偏移量控制旋转装置旋转，以使得旋转后的视频获取装置的姿态信息与视频获取装置在获取标准图像时的姿态信息相同。
继续参考图4，示出了根据本申请的基于偏移量检测的置信度确定方法的另一个实施例的示意性流程400，包括以下步骤：
步骤401，针对于待处理视频中的每一帧待处理图像，执行如下操作：
步骤4011，在该待处理图像中确定出至少一个目标区域。
步骤4012，针对于至少一个目标区域中的每个目标区域，在标准图像中确定出与该目标区域对应的标准区域。
步骤4013，针对于至少一个目标区域中的每个目标区域，执行如下操作：
步骤40131，检测该目标区域和对应于该目标区域的标准区域是否存在移动对象。
步骤40132，响应于确定该目标区域和对应于该目标区域的标准区域中均不存在移动对象，对比该目标区域和对应于该目标区域的标准区域，确定该目标区域和对应于该目标区域的标准区域之间的偏移量。
步骤4014，根据至少一个目标区域所对应的偏移量，确定视频获取装置在获取该待处理图像时的姿态信息，相对于在获取标准图像时的姿态信息的偏移量。
步骤4015，根据偏移量与预设阈值的比值，确定基于该待处理图像所得到的检测结果的置信度。
步骤402，根据预设时间窗内的各待处理图像对应的检测结果的置信度，确定待处理视频对应的检测结果的置信度。
本实施例中，从图4中可以看出，与图2对应的实施例相比，本实施例中的基于偏移量检测的置信度确定方法的流程400突出说明了待处理图像与标准图像的比对过程，从而进一步提高了基于于待处理视频所得到的检测结果的置信度的确定效率和准确度。
进一步参考图5，作为对上述图2所示方法的实现，本公开提供了一种基于偏移量检测的置信度确定装置的一个实施例，该装置实施例与图2所示的方法实施例相对应，除下面所记载的特征外，该装置实施例还可以包括与图2所示的方法实施例相同或相应的特征，以及产生与图2所示的方法实施例相同或相应的效果。该装置具体可以应用于各种电子设备中。
如图5所示，本实施例的基于偏移量检测的置信度确定装置，包括：执行单元501，被配置成针对于待处理视频中的每一帧待处理图像，执行如下操作：比对该待处理图像和标准图像，确定视频获取装置在获取该待处理图像时的姿态信息，相对于在获取标准图像时的姿态信息的偏移量；根据偏移量，确定基于该待处理图像所得到的检测结果的置信度；第一确定单元502，被配置成根据预设时间窗内的各待处理图像对应的检测结果的置信度，确定待处理视频对应的检测结果的置信度。
在本实施例的一些可选的实现方式中，执行单元501，进一步被配置成：在该待处理图像中确定出至少一个目标区域；针对于至少一个目标区域中的每个目标区域，在标准图像中确定出与该目标区域对应的标准区域，对比该目标区域与对应于该目标区域的标准区域，确定该目标区域与对应于该目标区域的标准区域之间的偏移量；根据至少一个目标区域所对应的偏移量，确定视频获取装置在获取该待处理图像时的姿态信息，相对于在获取标准图像时的姿态信息的偏移量。
在本实施例的一些可选的实现方式中，执行单元501，进一步被配置成：针对于至少一个目标区域中的每个目标区域，执行如下操作：检测该目标区域和对应于该目标区域的标准区域是否存在移动对象；响应于确定该目标区域和对应于该目标区域的标准区域中均不存在移动对象，对比该目标区域和对应于该目标区域的标准区域，确定该目标区域和对应于该目标区域的标准区域之间的偏移量。
在本实施例的一些可选的实现方式中，上述装置还包括：第二确定单元(图中未示出)，被配置成响应于确定偏移量为零，将该待处理图像确定为下一帧待处理图像对应的标准图像。
在本实施例的一些可选的实现方式中，第一确定单元502，进一步被配置成：根据偏移量与预设阈值的比值，确定基于该待处理图像所得到的检测结果的置信度。
本实施方式中，通过对比待处理图像中的待处理图像和标准图像，确定视频获取装置在获取待处理图像时的姿态信息，相对于在获取标准图像时的姿态信息的偏移量，进而根据偏移量确定基于待处理视频所得到的检测结果的置信度，从而提供了一种基于偏移量检测的置信度确定方法，提高了基于待处理视频所得到的检测结果的置信度的确定效率和准确度。
根据本申请的实施例，本申请还提供了一种电子设备、一种可读存储介质、一种路侧设备、一种云控平台和一种计算机程序产品。
图6示出了可以用来实施本申请的实施例的示例电子设备600的示意性框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本申请的实现。
如图6所示，设备600包括计算单元601，其可以根据存储在只读存储器(ROM)602中的计算机程序或者从存储单元608加载到随机访问存储器(RAM)603中的计算机程序，来执行各种适当的动作和处理。在RAM 603中，还可存储设备600操作所需的各种程序和数据。计算单元601、ROM 602以及RAM 603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。
设备600中的多个部件连接至I/O接口605，包括：输入单元606，例如键盘、鼠标等；输出单元607，例如各种类型的显示器、扬声器等；存储单元608，例如磁盘、光盘等；以及通信单元609，例如网卡、调制解调器、无线通信收发机等。通信单元609允许设备600通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
计算单元601可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元601的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元601执行上文所描述的各个方法和处理，例如基于偏移量检测的置信度确定方法。例如，在一些实施例中，基于偏移量检测的置信度确定方法可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元608。在一些实施例中，计算机程序的部分或者全部可以经由ROM 602和/或通信单元609而被载入和/或安装到设备600上。当计算机程序加载到RAM 603并由计算单元601执行时，可以执行上文描述的基于偏移量检测的置信度确定方法的一个或多个步骤。备选地，在其他实施例中，计算单元601可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行基于偏移量检测的置信度确定方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本申请的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本申请的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)和互联网。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，又称为云计算服务器或云主机，是云计算服务体系中的一项主机产品，以解决传统物理主机与虚拟专用服务器(VPS，Virtual Private Server)服务中存在的管理难度大，业务扩展性弱的缺陷。
路侧设备除了包括电子设备，还可以包括通信部件等，电子设备可以和通信部件一体集成，也可以分体设置。电子设备可以获取感知设备(如相机)的数据，例如图片和视频等，从而进行视频处理和数据计算。
云控平台在云端执行处理，云控平台包括的电子设备可以获取感知设备(如相机)的数据，例如图片和视频等，从而进行视频处理和数据计算；云控平台也可以称为车路协同管理平台、边缘计算平台、云计算平台、中心系统等。
根据本申请实施例的技术方案，通过对比待处理图像中的待处理图像和标准图像，确定视频获取装置在获取待处理图像时的姿态信息，相对于在获取标准图像时的姿态信息的偏移量，进而根据偏移量确定待处理视频对应的检测结果的置信度，从而提供了一种基于偏移量检测的置信度确定方法，提高了基于待处理视频所得到的检测结果的置信度的确定效率和准确度。
应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本申请公开的技术方案所期望的结果，本文在此不进行限制。
上述具体实施方式，并不构成对本申请保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本申请的精神和原则之内所作的修改、等同替换和改进等，均应包含在本申请保护范围之内。
Claims (15)
1.一种基于偏移量检测的置信度确定方法，包括：
针对于待处理视频中的每一帧待处理图像，执行如下操作：比对该待处理图像和标准图像，确定视频获取装置在获取该待处理图像时的姿态信息，相对于在获取所述标准图像时的姿态信息的偏移量；根据所述偏移量，确定基于该待处理图像所得到的检测结果的置信度；
根据预设时间窗内的各待处理图像对应的检测结果的置信度，确定所述待处理视频对应的检测结果的置信度。
2.根据权利要求1所述的方法，其中，所述比对该待处理图像和标准图像，确定视频获取装置在获取该待处理图像时的姿态信息，相对于在获取所述标准图像时的姿态信息的偏移量，包括：
在该待处理图像中确定出至少一个目标区域；
针对于所述至少一个目标区域中的每个目标区域，在所述标准图像中确定出与该目标区域对应的标准区域，对比该目标区域与对应于该目标区域的标准区域，确定该目标区域与对应于该目标区域的标准区域之间的偏移量；
根据所述至少一个目标区域所对应的偏移量，确定所述视频获取装置在获取该待处理图像时的姿态信息，相对于在获取所述标准图像时的姿态信息的偏移量。
3.根据权利要求2所述的方法，其中，所述针对于所述至少一个目标区域中的每个目标区域，在所述标准图像中确定出与该目标区域对应的标准区域，对比该目标区域与对应于该目标区域的标准区域，确定该目标区域与对应于该目标区域的标准区域之间的偏移量，包括：
针对于所述至少一个目标区域中的每个目标区域，执行如下操作：
检测该目标区域和对应于该目标区域的标准区域是否存在移动对象；
响应于确定该目标区域和对应于该目标区域的标准区域中均不存在移动对象，对比该目标区域和对应于该目标区域的标准区域，确定该目标区域和对应于该目标区域的标准区域之间的偏移量。
4.根据权利要求1所述的方法，其中，还包括：
响应于确定所述偏移量为零，将该待处理图像确定为下一帧待处理图像对应的标准图像。
5.根据权利要求1所述的方法，其中，所述根据所述偏移量，确定基于该待处理图像所得到的检测结果的置信度，包括：
根据所述偏移量与预设阈值的比值，确定基于该待处理图像所得到的检测结果的置信度。
6.一种基于偏移量检测的置信度确定装置，包括：
执行单元，被配置成针对于待处理视频中的每一帧待处理图像，执行如下操作：比对该待处理图像和标准图像，确定视频获取装置在获取该待处理图像时的姿态信息，相对于在获取所述标准图像时的姿态信息的偏移量；根据所述偏移量，确定基于该待处理图像所得到的检测结果的置信度；
第一确定单元，被配置成根据预设时间窗内的各待处理图像对应的检测结果的置信度，确定所述待处理视频对应的检测结果的置信度。
7.根据权利要求6所述的装置，其中，所述执行单元，进一步被配置成：
在该待处理图像中确定出至少一个目标区域；针对于所述至少一个目标区域中的每个目标区域，在所述标准图像中确定出与该目标区域对应的标准区域，对比该目标区域与对应于该目标区域的标准区域，确定该目标区域与对应于该目标区域的标准区域之间的偏移量；根据所述至少一个目标区域所对应的偏移量，确定所述视频获取装置在获取该待处理图像时的姿态信息，相对于在获取所述标准图像时的姿态信息的偏移量。
8.根据权利要求7所述的装置，其中，所述执行单元，进一步被配置成：
针对于所述至少一个目标区域中的每个目标区域，执行如下操作：检测该目标区域和对应于该目标区域的标准区域是否存在移动对象；响应于确定该目标区域和对应于该目标区域的标准区域中均不存在移动对象，对比该目标区域和对应于该目标区域的标准区域，确定该目标区域和对应于该目标区域的标准区域之间的偏移量。
9.根据权利要求6所述的装置，其中，还包括：
第二确定单元，被配置成响应于确定所述偏移量为零，将该待处理图像确定为下一帧待处理图像对应的标准图像。
10.根据权利要求6所述的装置，其中，所述第一确定单元，进一步被配置成：
根据所述偏移量与预设阈值的比值，确定基于该待处理图像所得到的检测结果的置信度。
11.一种电子设备，其特征在于，包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-5中任一项所述的方法。
12.一种存储有计算机指令的非瞬时计算机可读存储介质，其特征在于，所述计算机指令用于使所述计算机执行权利要求1-5中任一项所述的方法。
13.一种路侧设备，包括如权利要求11所述的电子设备。
14.一种云控平台，包括如权利要求11所述的电子设备。
15.一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现根据权利要求1-5中任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011543151.3A CN112597895B (zh) | 2020-12-22 | 2020-12-22 | 基于偏移量检测的置信度确定方法、路侧设备及云控平台 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011543151.3A CN112597895B (zh) | 2020-12-22 | 2020-12-22 | 基于偏移量检测的置信度确定方法、路侧设备及云控平台 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112597895A true CN112597895A (zh) | 2021-04-02 |
| CN112597895B CN112597895B (zh) | 2024-04-26 |
Family
ID=75200518
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011543151.3A Active CN112597895B (zh) | 2020-12-22 | 2020-12-22 | 基于偏移量检测的置信度确定方法、路侧设备及云控平台 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112597895B (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113516013A (zh) * | 2021-04-09 | 2021-10-19 | 阿波罗智联(北京)科技有限公司 | 目标检测方法、装置、电子设备、路侧设备和云控平台 |
| CN113794875A (zh) * | 2021-11-15 | 2021-12-14 | 浪潮软件股份有限公司 | 一种重大项目现场视频偏移智能巡检的方法及装置 |
| CN114360201A (zh) * | 2021-12-17 | 2022-04-15 | 中建八局发展建设有限公司 | 基于ai技术的建筑临边危险区域越界识别方法和系统 |
Citations (16)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20120243737A1 (en) * | 2011-03-25 | 2012-09-27 | Sony Corporation | Image processing apparatus, image processing method, recording medium, and program |
| WO2015014878A1 (en) * | 2013-07-31 | 2015-02-05 | Connaught Electronics Ltd. | Method and system for detecting pedestrians |
| US20160358032A1 (en) * | 2015-06-04 | 2016-12-08 | Canon Kabushiki Kaisha | Methods, devices and computer programs for processing images in a system comprising a plurality of cameras |
| CN106778890A (zh) * | 2016-12-28 | 2017-05-31 | 南京师范大学 | 基于sift匹配的云台相机姿态变化检测方法 |
| US20180204562A1 (en) * | 2015-09-08 | 2018-07-19 | Beijing Baidu Netcom Science And Technology Co., Ltd. | Method and device for image recognition |
| CN108932732A (zh) * | 2018-06-21 | 2018-12-04 | 浙江大华技术股份有限公司 | 一种获取监测对象数据信息的方法及装置 |
| CN109458990A (zh) * | 2018-11-08 | 2019-03-12 | 华南理工大学 | 一种基于免标记锚点检测的仪器设备位姿测量及误差补偿方法 |
| US20190138791A1 (en) * | 2016-08-10 | 2019-05-09 | Tencent Technology (Shenzhen) Company Limited | Key point positioning method, terminal, and computer storage medium |
| CN109902537A (zh) * | 2017-12-08 | 2019-06-18 | 杭州海康威视数字技术股份有限公司 | 一种人数统计方法、装置、系统及电子设备 |
| CN110163205A (zh) * | 2019-05-06 | 2019-08-23 | 网易有道信息技术（北京）有限公司 | 图像处理方法、装置、介质和计算设备 |
| CN110796864A (zh) * | 2019-11-06 | 2020-02-14 | 北京百度网讯科技有限公司 | 智能交通控制方法、装置、电子设备和存储介质 |
| CN110796141A (zh) * | 2019-10-21 | 2020-02-14 | 腾讯科技（深圳）有限公司 | 目标检测方法及相关设备 |
| US20200074641A1 (en) * | 2018-08-30 | 2020-03-05 | Baidu Online Network Technology (Beijing) Co., Ltd. | Method, apparatus, device, and storage medium for calibrating posture of moving obstacle |
| US20200110965A1 (en) * | 2018-10-08 | 2020-04-09 | Baidu Online Network Technology (Beijing) Co., Ltd. | Method and apparatus for generating vehicle damage information |
| CN111027512A (zh) * | 2019-12-24 | 2020-04-17 | 北方工业大学 | 一种遥感图像近岸船检测与定位方法及装置 |
| US20200143563A1 (en) * | 2017-11-22 | 2020-05-07 | Beijing Sensetime Technology Development Co., Ltd. | Methods and apparatuses for object detection, and devices |
-
2020
- 2020-12-22 CN CN202011543151.3A patent/CN112597895B/zh active Active
Patent Citations (16)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20120243737A1 (en) * | 2011-03-25 | 2012-09-27 | Sony Corporation | Image processing apparatus, image processing method, recording medium, and program |
| WO2015014878A1 (en) * | 2013-07-31 | 2015-02-05 | Connaught Electronics Ltd. | Method and system for detecting pedestrians |
| US20160358032A1 (en) * | 2015-06-04 | 2016-12-08 | Canon Kabushiki Kaisha | Methods, devices and computer programs for processing images in a system comprising a plurality of cameras |
| US20180204562A1 (en) * | 2015-09-08 | 2018-07-19 | Beijing Baidu Netcom Science And Technology Co., Ltd. | Method and device for image recognition |
| US20190138791A1 (en) * | 2016-08-10 | 2019-05-09 | Tencent Technology (Shenzhen) Company Limited | Key point positioning method, terminal, and computer storage medium |
| CN106778890A (zh) * | 2016-12-28 | 2017-05-31 | 南京师范大学 | 基于sift匹配的云台相机姿态变化检测方法 |
| US20200143563A1 (en) * | 2017-11-22 | 2020-05-07 | Beijing Sensetime Technology Development Co., Ltd. | Methods and apparatuses for object detection, and devices |
| CN109902537A (zh) * | 2017-12-08 | 2019-06-18 | 杭州海康威视数字技术股份有限公司 | 一种人数统计方法、装置、系统及电子设备 |
| CN108932732A (zh) * | 2018-06-21 | 2018-12-04 | 浙江大华技术股份有限公司 | 一种获取监测对象数据信息的方法及装置 |
| US20200074641A1 (en) * | 2018-08-30 | 2020-03-05 | Baidu Online Network Technology (Beijing) Co., Ltd. | Method, apparatus, device, and storage medium for calibrating posture of moving obstacle |
| US20200110965A1 (en) * | 2018-10-08 | 2020-04-09 | Baidu Online Network Technology (Beijing) Co., Ltd. | Method and apparatus for generating vehicle damage information |
| CN109458990A (zh) * | 2018-11-08 | 2019-03-12 | 华南理工大学 | 一种基于免标记锚点检测的仪器设备位姿测量及误差补偿方法 |
| CN110163205A (zh) * | 2019-05-06 | 2019-08-23 | 网易有道信息技术（北京）有限公司 | 图像处理方法、装置、介质和计算设备 |
| CN110796141A (zh) * | 2019-10-21 | 2020-02-14 | 腾讯科技（深圳）有限公司 | 目标检测方法及相关设备 |
| CN110796864A (zh) * | 2019-11-06 | 2020-02-14 | 北京百度网讯科技有限公司 | 智能交通控制方法、装置、电子设备和存储介质 |
| CN111027512A (zh) * | 2019-12-24 | 2020-04-17 | 北方工业大学 | 一种遥感图像近岸船检测与定位方法及装置 |
Non-Patent Citations (1)
| Title |
|---|
| 王培珍;毛雪芹;毛雪菲;高尚义;张代林;: "基于均值偏移和边缘置信度的焦炭显微图像分割", 中国图象图形学报, no. 10, pages 59 - 65 * |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113516013A (zh) * | 2021-04-09 | 2021-10-19 | 阿波罗智联(北京)科技有限公司 | 目标检测方法、装置、电子设备、路侧设备和云控平台 |
| CN113516013B (zh) * | 2021-04-09 | 2024-05-14 | 阿波罗智联(北京)科技有限公司 | 目标检测方法、装置、电子设备、路侧设备和云控平台 |
| CN113794875A (zh) * | 2021-11-15 | 2021-12-14 | 浪潮软件股份有限公司 | 一种重大项目现场视频偏移智能巡检的方法及装置 |
| CN114360201A (zh) * | 2021-12-17 | 2022-04-15 | 中建八局发展建设有限公司 | 基于ai技术的建筑临边危险区域越界识别方法和系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112597895B (zh) | 2024-04-26 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112597895B (zh) | 基于偏移量检测的置信度确定方法、路侧设备及云控平台 | |
| CN107886048A (zh) | 目标跟踪方法及系统、存储介质及电子终端 | |
| CN112528927B (zh) | 基于轨迹分析的置信度确定方法、路侧设备及云控平台 | |
| CN113420682A (zh) | 车路协同中目标检测方法、装置和路侧设备 | |
| CN112560684A (zh) | 车道线检测方法、装置、电子设备、存储介质以及车辆 | |
| JP2022043214A (ja) | 信号灯の位置判定方法、装置、記憶媒体、プログラム、路側機器 | |
| CN112966599A (zh) | 关键点识别模型的训练方法、关键点识别方法及装置 | |
| CN113436100A (zh) | 用于修复视频的方法、装置、设备、介质和产品 | |
| CN114037087B (zh) | 模型训练方法及装置、深度预测方法及装置、设备和介质 | |
| CN108010052A (zh) | 复杂场景中的目标跟踪方法及系统、存储介质及电子终端 | |
| CN113587928B (zh) | 导航方法、装置、电子设备、存储介质及计算机程序产品 | |
| CN113435462A (zh) | 定位方法、装置、电子设备和介质 | |
| CN112560726B (zh) | 目标检测置信度确定方法、路侧设备及云控平台 | |
| CN112507957B (zh) | 一种车辆关联方法、装置、路侧设备及云控平台 | |
| CN113920273B (zh) | 图像处理方法、装置、电子设备和存储介质 | |
| CN115131315A (zh) | 一种图像的变化检测方法、装置、设备及存储介质 | |
| CN114064745A (zh) | 一种确定交通提示距离的方法、装置及电子设备 | |
| KR20210134252A (ko) | 이미지 안정화 방법, 장치, 노변 기기 및 클라우드 제어 플랫폼 | |
| CN114581711A (zh) | 目标对象检测方法、装置、设备、存储介质以及程序产品 | |
| CN114119990A (zh) | 用于图像特征点匹配的方法、装置及计算机程序产品 | |
| CN113379750A (zh) | 语义分割模型的半监督学习方法、相关装置及产品 | |
| CN112700657B (zh) | 用于生成检测信息的方法、装置、路侧设备和云控平台 | |
| CN114694138B (zh) | 一种应用于智能驾驶的路面检测方法、装置及设备 | |
| CN113963326A (zh) | 交通标志检测方法、装置、设备、介质和自动驾驶车辆 | |
| CN114445606A (zh) | 捕获车牌图像的方法、装置、电子设备及存储介质 |
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: 20211014 Address after: 100176 101, floor 1, building 1, yard 7, Ruihe West 2nd Road, Beijing Economic and Technological Development Zone, Daxing District, Beijing Applicant after: Apollo Zhilian (Beijing) Technology Co.,Ltd. Address before: 2 / F, baidu building, 10 Shangdi 10th Street, Haidian District, Beijing 100085 Applicant before: BEIJING BAIDU NETCOM SCIENCE AND TECHNOLOGY Co.,Ltd. |
|
| TA01 | Transfer of patent application right | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |