CN101561932A - 一种动态复杂背景下的实时运动目标检测方法和装置 - Google Patents
一种动态复杂背景下的实时运动目标检测方法和装置 Download PDFInfo
- Publication number
- CN101561932A CN101561932A CNA2009100840075A CN200910084007A CN101561932A CN 101561932 A CN101561932 A CN 101561932A CN A2009100840075 A CNA2009100840075 A CN A2009100840075A CN 200910084007 A CN200910084007 A CN 200910084007A CN 101561932 A CN101561932 A CN 101561932A
- Authority
- CN
- China
- Prior art keywords
- pixel
- point
- frame image
- value
- covariance
- 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
Landscapes
- Image Analysis (AREA)
Abstract
一种动态复杂背景下的实时运动目标检测方法和装置,它的方案为:从视频中获取帧图像,确定当前帧图像中颜色的协方差,并获得所述帧图像的灰度图像;获得所述灰度图像中像素点的灰度值和梯度值,根据得到的所述像素点的灰度值、梯度值和预定参数确定像素点值,判断所述像素点值是否小于前一帧图像中确定的颜色的协方差的预定倍数,若是,则所述像素点为背景点,若否,则所述像素点为前景点,所述前景点的集合为实时运动目标。本发明实施例通过将视频图像转换为灰度图像来抑制光照的突然变化对检测结果的影响,从而更准确的检测运动目标。
Description
技术领域
本发明涉及视频分析与监测技术,具体涉及一种动态复杂背景下的实时运动目标检测方法和装置。
背景技术
运动目标的检测是数字视频分析及视频监视***的基础,运动目标的准确检测能够为后续工作带来十分有益的效果。目前运动目标的检测方法主要有帧差法、光流法和背景差法三种,其中背景差法是目前最通用也最有效的方法,它是利用场景信息,建立一个没有运动目标的背景模型,并将其与当前帧进行比较从而检测运动目标,它不能适应光照的突然变化,若背景光照突然发生变化,则大部分背景点的颜色会发生变化从而被认定为前景点;它还无法识别如摇摆的树枝或水流等无规律的背景运动目标。
发明内容
本发明实施例提供了一种动态复杂背景下的实时运动目标检测方法和装置,它能够适应光照的突然变化,能更准确的检测运动目标。
本发明实施例提供的一种动态复杂背景下的实时运动目标检测方法,包括:
从视频中获取帧图像,确定当前帧图像中颜色的协方差,并获得所述帧图像的灰度图像;
获得所述灰度图像中像素点的灰度值和梯度值,根据得到的所述像素点的灰度值、梯度值和预定参数确定像素点值,判断所述像素点值是否小于前一帧图像中确定的颜色的协方差的预定倍数,若是,则确定所述像素点为背景点,若否,则确定所述像素点为前景点,所述前景点的集合为实时运动目标。
本发明实施例提供的一种动态复杂背景下的实时运动目标检测装置,包括:
协方差获取模块,用于从视频中获取帧图像,确定当前帧图像中颜色的协方差;
像素点获取模块,用于将协方差获取模块中所述帧图像转换为灰度图像,并获得所述灰度图像中像素点的灰度值和梯度值,灰度图像获取模块中所述灰度图像中像素点的灰度值和梯度值,并根据得到的所述像素点的灰度值、梯度值和预定参数确定像素点值;
第一动态目标确定模块,用于判断像素点获取模块所确定的所述像素点值是否小于前一帧图像中协方差获取模块确定的颜色的协方差的预定倍数,若是,则确定所述像素点为背景点,若否,则确定所述像素点为前景点,所述前景点的集合为实时运动目标。
本发明实施例提供的一种动态复杂背景下的实时运动目标检测方法和装置,它通过将视频图像转换为灰度图像来抑制光照的突然变化对检测结果的影响,能更准确的检测运动目标。
附图说明
图1是本发明实施例提供的所述的一种动态复杂背景下的实时运动目标检测装置的结构示意图;
图2是本发明实施例提供的所述的一种动态复杂背景下的实时运动目标检测装置在实施例中进一步描述的结构示意图。
具体实施方式
本发明实施例提供的一种动态复杂背景下的实时运动目标检测方法的方案中,首先,从视频中获取帧图像,确定当前帧图像中颜色的协方差,并获得所述帧图像的灰度图像;然后,获得所述灰度图像中像素点的灰度值和梯度值,根据得到的所述像素点的灰度值、梯度值和预定参数确定像素点值,判断所述像素点值是否小于前一帧图像中确定的颜色的协方差的预定倍数,若是,则确定所述像素点为背景点,若否,则确定所述像素点为前景点,所述前景点的集合为实时运动目标。
在上述方案中,进一步可以包括根据前一帧图像中确定的前景点对当前帧中确定的前景点进行调整,具体的调整过程可以为:提取出前一帧图像中为前景点的当前帧的像素点值,根据提取出的所述当前帧的像素点值和前一帧图像中所述像素点的邻域点确定当前帧的像素点为真正前景点的概率,若所确定的概率小于指定值,则将所述当前帧中确定的前景点调整为背景点,若所确定的概率大于等于指定值,则不对确定的前景点进行调整。
综合上述方案,具体的过程可以为:
步骤S1、从视频中获取帧图像;
步骤S2、确定所述帧图像中颜色k的权重wk、均值μk和协方差σk 2,其中k为预设的自然数,一般选取5或3;
步骤S3、将所述帧图像转换为灰度图像,获得所述灰度图像中像素点的灰度值Aij,根据获得的所述灰度图像中像素点的灰度值Aij得到像素点的梯度值 及梯度方向Rij=ac tan 2(Aij-Ai+1,j,Aij-Ai,j+1),其中i为横坐标,j为纵坐标,并根据得到的所述像素点的灰度值Aij、梯度值Mij和预定参数λ确定像素点值Xij=(λAij,(1-λ)Mij),其中预定参数λ是[0,1]内的值,它是根据图像的颜色信息确定的。根据上述数据建立混合高斯模型: 其中∑k是标准协方差σk与单位矩阵相乘得到的,(Xij-μk)T表示(Xij-μk)的转置;
步骤S4、判断所述当前帧像素点值Xt+1是否小于前一帧图像中确定的颜色k的标准协方差σt的预定倍数,其中预定倍数一般选为2.5,也就是判断所述当前帧像素点值Xt+1是否与前一帧图像的颜色k的混合高斯模型匹配,若是,则执行步骤S5,若否,则执行步骤S6;
步骤S5、确定所述像素点为背景点,并根据前一帧图像中颜色k的权重wt、均值μt和协方差σt 2以及当前帧的梯度值Mt+1和像素点值Xt+1更新当前帧图像中颜色的权重wt+1、均值μt+1和协方差σt+1 2,具体更新过程可以包括: 其中α为预定值,它是根据前一帧图像与当前帧图像的变化程度确定的,ρ=α/wt+1,并根据上述数据更新混合高斯模型P(Xt+1);
步骤S6、确定所述像素点为前景点,并按照预定的值更新当前帧图像中颜色的权重wt+1′、均值μt+1′和标准协方差σt+1′,具体过程可以包括:令权重wt+1′等于预定的值,一般选取0.05,令标准协方差σt+1′等于预定的值,一般选取30,令均值μt+1′=Xt+1,并根据上述数据更新混合高斯模型P(Xt+1);
步骤S7、根据前一帧图像中步骤S5和步骤S6确定的前景点和背景点,对当前帧中确定的前景点进行调整,具体的调整过程包括:提取出前一帧图像中像素点为前景点的当前帧的像素点Xt+1,根据前一帧图像中像素点的邻域点Yij确定当前帧的像素点Xt+1为真正前景点的概率其中a为正数,k和l分别为横纵坐标的变化量,k和l取为整数,d取奇数,表示邻域宽度,b为前一帧图像中所述像素点与所述像素点的邻域点之间的距离,它可以替换为一个d×d的对称矩阵的高斯模板,所述对称矩阵的元素值符合高斯分布,可以用高斯核函数计算得到,例如n=3的高斯模板为: 如果用256级的灰度值表示像素的颜色,那么可以是一个预先被计算好的大小为256的数组,若所确定的概率小于指定值,则执行步骤S8,若所确定的概率大于等于指定值,则执行步骤S9,所述的指定值是根据视频图像的场景确定的,若场景复杂,则指定值可以选取[0.5,0.7]内的值,若场景简单,则指定值可以选取[0.3,0.5]内的值;
步骤S8、将所述当前帧中确定的前景点调整为背景点,并执行步骤S10;
步骤S9、不对确定的前景点进行调整,并执行步骤S10;
步骤S10、当前帧图像数据替换前一帧图像数据,并重新执行步骤S1直到视频中的最后一帧图像。
本发明实施例还提供了一种动态复杂背景下的实时运动目标检测装置,如图1所示,包括:
协方差获取模块1,用于从视频中获取帧图像,确定当前帧图像中颜色的协方差;
像素点获取模块2,用于将协方差获取模块1中所述帧图像转换为灰度图像,并获得所述灰度图像中像素点的灰度值和梯度值,灰度图像获取模块中所述灰度图像中像素点的灰度值和梯度值,并根据得到的所述像素点的灰度值、梯度值和预定参数确定像素点值;
第一动态目标确定模块3,用于判断像素点获取模块2所确定的所述像素点值是否小于前一帧图像中协方差获取模块1确定的颜色的协方差的预定倍数,若是,则确定所述像素点为背景点,若否,则确定所述像素点为前景点,所述前景点的集合为实时运动目标。
上述装置中,像素点获取模块2中根据得到的所述像素点的灰度值、梯度值和预定参数确定像素点值的过程可以包括:
像素点值Xij=(λAij,(1-λ)Mij),其中,Aij和Mij分别为所述像素点的灰度值和梯度值,其中i为横坐标,j为纵坐标,λ为预定参数。
上述装置中,第一动态目标确定模块3还可以包括:
第一协方差更新模块,用于确定所述像素点为背景点后,更新当前帧图像中颜色的协方差,具体过程可以包括:
所述协方差σt+1 2=(1-ρ)σt 2+ρ(Xt+1-μt+1)T(Xt+1-μt+1),其中α为预定值,ρ=α/wt+1,wt+1和μt+1分别为当前帧图像中颜色的权重和均值。
第二协方差更新模块,用于确定所述像素点为前景点后,更新当前帧图像中颜色的标准协方差σt+1′等于预定的值。
根据前一帧图像中确定的前景点对当前帧中确定的前景点进行调整,如图2所示,上述装置中,还可以包括:
提取模块4,用于根据前一帧图像中第一动态目标确定模块3确定的前景点与背景点,提取出前一帧图像中为前景点的当前帧的像素点值Xt+1;
概率生成模块5,用于根据提取模块4中获得的所述当前帧的像素点值Xt+1和前一帧图像中所述像素点的邻域点Yij确定当前帧的像素点为真正前景点的概率其中a为正数,k和l分别为横纵坐标的变化量,k和l取为整数,d取奇数,表示邻域宽度,b为前一帧图像中所述像素点与所述像素点的邻域点之间的距离,它可以替换为一个d×d的对称矩阵的高斯模板,所述对称矩阵的元素值符合高斯分布,可以用高斯核函数计算得到,例如n=3的高斯模板为: 如果用256级的灰度值表示像素的颜色,那么可以是一个预先被计算好的大小为256的数组;
第二动态目标确定模块,用于将概率生成模块所确定的概率与指定值进行比较,若所确定的概率小于指定值,则将所述当前帧中确定的前景点调整为背景点,若所确定的概率大于等于指定值,则不对确定的前景点进行调整,若场景复杂,则指定值可以选取[0.5,0.7]内的值,若场景简单,则指定值可以选取[0.3,0.5]内的值。
本发明实施例提供的方法和装置,通过将视频图像转换为灰度图像来抑制光照的突然变化对检测结果的影响,并通过提取前一帧图像中确定的前景点进一步确定当前帧的前景点与背景点,能够去除一些无规律的背景运动目标,从而能够更准确的检测运动目标。
以上所述,仅为本发明较佳的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应该以权利要求书的保护范围为准。
Claims (10)
1、一种动态复杂背景下的实时运动目标检测方法,其特征在于,包括,
从视频中获取帧图像,确定当前帧图像中颜色的协方差,并获得所述帧图像的灰度图像;
获得所述灰度图像中像素点的灰度值和梯度值,根据得到的所述像素点的灰度值、梯度值和预定参数确定像素点值,判断所述像素点值是否小于前一帧图像中确定的颜色的协方差的预定倍数,若是,则确定所述像素点为背景点,若否,则确定所述像素点为前景点,所述前景点的集合为实时运动目标。
2、根据权利要求1所述的方法,其特征在于,所述根据得到的所述像素点的灰度值、梯度值和预定参数确定像素点值的过程包括:
像素点值Xij=(λAij,(1-λ)Mij),其中,Aij和Mij分别为所述像素点的灰度值和梯度值,其中i为横坐标,j为纵坐标,λ为预定参数。
3、根据权利要求1所述的方法,其特征在于,确定所述像素点为背景点后,更新当前帧图像中颜色的协方差,具体过程包括:
所述协方差σt+1 2=(1-ρ)σt 2+ρ(Xt+1-μt+1)T(Xt+1-μt+1),其中α为预定值,ρ=α/wt+1,wt+1和μt+1分别为当前帧图像中颜色的权重和均值。
4、根据权利要求1所述的方法,其特征在于,确定所述像素点为前景点后,更新当前帧图像中颜色的标准协方差σt+1′等于预定的值。
6、一种动态复杂背景下的实时运动目标检测装置,其特征在于,包括:
协方差获取模块,用于从视频中获取帧图像,确定当前帧图像中颜色的协方差;
像素点获取模块,用于将协方差获取模块中所述帧图像转换为灰度图像,并获得所述灰度图像中像素点的灰度值和梯度值,灰度图像获取模块中所述灰度图像中像素点的灰度值和梯度值,并根据得到的所述像素点的灰度值、梯度值和预定参数确定像素点值;
第一动态目标确定模块,用于判断像素点获取模块所确定的所述像素点值是否小于前一帧图像中协方差获取模块确定的颜色的协方差的预定倍数,若是,则确定所述像素点为背景点,若否,则确定所述像素点为前景点,所述前景点的集合为实时运动目标。
7、根据权利要求6所述的装置,其特征在于,所述像素点获取模块中根据得到的所述像素点的灰度值、梯度值和预定参数确定像素点值的过程包括:
像素点值Xij=(λAij,(1-λ)Mij),其中,Aij和Mij分别为所述像素点的灰度值和梯度值,其中i为横坐标,j为纵坐标,λ为预定参数。
8、根据权利要求6所述的装置,其特征在于,所述第一动态目标确定模块还包括:第一协方差更新模块,用于确定所述像素点为背景点后,更新当前帧图像中颜色的协方差,具体过程包括:
所述协方差σt+1 2=(1-ρ)σt 2+ρ(Xt+1-μt+1)T(Xt+1-μt+1),其中α为预定值,ρ=α/wt+1,wt+1和μt+1分别为当前帧图像中颜色的权重和均值。
9、根据权利要求6所述的装置,其特征在于,所述第一动态目标确定模块还包括:第二协方差更新模块,用于确定所述像素点为前景点后,更新当前帧图像中颜色的标准协方差σt+1′等于预定的值。
10、根据权利要求6至9中任一项所述的装置,其特征在于,还包括
提取模块,用于根据前一帧图像中第一动态目标确定模块确定的前景点,提取出前一帧图像中为前景点的当前帧的像素点值Xt+1;
概率生成模块,用于根据提取模块中获得的所述当前帧的像素点值Xt+1和前一帧图像中所述像素点的邻域点Yij确定当前帧的像素点为真正前景点的概率其中a为正数,k和l分别为横纵坐标的变化量,d为邻域宽度,b为前一帧图像中所述像素点与所述像素点的邻域点之间的距离;
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2009100840075A CN101561932B (zh) | 2009-05-12 | 2009-05-12 | 一种动态复杂背景下的实时运动目标检测方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2009100840075A CN101561932B (zh) | 2009-05-12 | 2009-05-12 | 一种动态复杂背景下的实时运动目标检测方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN101561932A true CN101561932A (zh) | 2009-10-21 |
CN101561932B CN101561932B (zh) | 2012-01-11 |
Family
ID=41220719
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2009100840075A Expired - Fee Related CN101561932B (zh) | 2009-05-12 | 2009-05-12 | 一种动态复杂背景下的实时运动目标检测方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN101561932B (zh) |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101799434A (zh) * | 2010-03-15 | 2010-08-11 | 深圳市中钞科信金融科技有限公司 | 一种印刷图像缺陷检测方法 |
CN101908214A (zh) * | 2010-08-10 | 2010-12-08 | 长安大学 | 基于邻域相关的背景重构的运动目标检测方法 |
CN101976439A (zh) * | 2010-11-02 | 2011-02-16 | 上海海事大学 | 海难搜救机器视觉***中结合运动信息的视觉注意模型 |
CN103150739A (zh) * | 2013-03-04 | 2013-06-12 | 上海大学 | 一种基于多特征稳健主成分分析的视频运动对象分割算法 |
CN103824297A (zh) * | 2014-03-07 | 2014-05-28 | 电子科技大学 | 基于多线程在复杂高动态环境中快速更新背景和前景的方法 |
CN103971386A (zh) * | 2014-05-30 | 2014-08-06 | 南京大学 | 一种动态背景场景下的前景检测方法 |
CN101751670B (zh) * | 2009-12-17 | 2014-09-10 | 北京中星微电子有限公司 | 一种前景目标检测方法和装置 |
CN106572387A (zh) * | 2016-11-09 | 2017-04-19 | 广州视源电子科技股份有限公司 | 视频序列对齐方法和*** |
CN110166851A (zh) * | 2018-08-21 | 2019-08-23 | 腾讯科技(深圳)有限公司 | 一种视频摘要生成方法、装置和存储介质 |
CN110276788A (zh) * | 2019-06-12 | 2019-09-24 | 北京轩宇空间科技有限公司 | 用于红外成像式导引头目标跟踪的方法和装置 |
CN111369591A (zh) * | 2020-03-05 | 2020-07-03 | 杭州晨鹰军泰科技有限公司 | 一种运动物体的跟踪方法、装置及设备 |
CN112166435A (zh) * | 2019-12-23 | 2021-01-01 | 商汤国际私人有限公司 | 目标跟踪方法、装置、电子设备及存储介质 |
-
2009
- 2009-05-12 CN CN2009100840075A patent/CN101561932B/zh not_active Expired - Fee Related
Cited By (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101751670B (zh) * | 2009-12-17 | 2014-09-10 | 北京中星微电子有限公司 | 一种前景目标检测方法和装置 |
CN101799434B (zh) * | 2010-03-15 | 2011-06-29 | 深圳市中钞科信金融科技有限公司 | 一种印刷图像缺陷检测方法 |
CN101799434A (zh) * | 2010-03-15 | 2010-08-11 | 深圳市中钞科信金融科技有限公司 | 一种印刷图像缺陷检测方法 |
CN101908214A (zh) * | 2010-08-10 | 2010-12-08 | 长安大学 | 基于邻域相关的背景重构的运动目标检测方法 |
CN101976439A (zh) * | 2010-11-02 | 2011-02-16 | 上海海事大学 | 海难搜救机器视觉***中结合运动信息的视觉注意模型 |
CN103150739A (zh) * | 2013-03-04 | 2013-06-12 | 上海大学 | 一种基于多特征稳健主成分分析的视频运动对象分割算法 |
CN103824297B (zh) * | 2014-03-07 | 2016-08-24 | 电子科技大学 | 基于多线程在复杂高动态环境中快速更新背景和前景的方法 |
CN103824297A (zh) * | 2014-03-07 | 2014-05-28 | 电子科技大学 | 基于多线程在复杂高动态环境中快速更新背景和前景的方法 |
CN103971386A (zh) * | 2014-05-30 | 2014-08-06 | 南京大学 | 一种动态背景场景下的前景检测方法 |
CN103971386B (zh) * | 2014-05-30 | 2017-03-15 | 南京大学 | 一种动态背景场景下的前景检测方法 |
CN106572387A (zh) * | 2016-11-09 | 2017-04-19 | 广州视源电子科技股份有限公司 | 视频序列对齐方法和*** |
CN106572387B (zh) * | 2016-11-09 | 2019-09-17 | 广州视源电子科技股份有限公司 | 视频序列对齐方法和*** |
CN110166851A (zh) * | 2018-08-21 | 2019-08-23 | 腾讯科技(深圳)有限公司 | 一种视频摘要生成方法、装置和存储介质 |
CN110166851B (zh) * | 2018-08-21 | 2022-01-04 | 腾讯科技(深圳)有限公司 | 一种视频摘要生成方法、装置和存储介质 |
US11347792B2 (en) | 2018-08-21 | 2022-05-31 | Tencent Technology (Shenzhen) Company Limited | Video abstract generating method, apparatus, and storage medium |
CN110276788A (zh) * | 2019-06-12 | 2019-09-24 | 北京轩宇空间科技有限公司 | 用于红外成像式导引头目标跟踪的方法和装置 |
CN112166435A (zh) * | 2019-12-23 | 2021-01-01 | 商汤国际私人有限公司 | 目标跟踪方法、装置、电子设备及存储介质 |
CN111369591A (zh) * | 2020-03-05 | 2020-07-03 | 杭州晨鹰军泰科技有限公司 | 一种运动物体的跟踪方法、装置及设备 |
Also Published As
Publication number | Publication date |
---|---|
CN101561932B (zh) | 2012-01-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101561932B (zh) | 一种动态复杂背景下的实时运动目标检测方法和装置 | |
CN111028213B (zh) | 图像缺陷检测方法、装置、电子设备及存储介质 | |
CN101727662B (zh) | Sar图像非局部均值去斑方法 | |
CN103994724B (zh) | 基于数字图像处理技术的结构二维位移及应变监测方法 | |
CN105654091B (zh) | 海面目标检测方法及装置 | |
CN102855485B (zh) | 一种小麦抽穗的自动检测方法 | |
CN108921099A (zh) | 一种基于深度学习的航道内运动船舶目标检测方法 | |
CN102297822A (zh) | 一种通过图像分析预测煤粒灰分的方法 | |
CN104197900A (zh) | 一种汽车仪表指针刻度识别方法 | |
CN111950457A (zh) | 油田安全生产图像识别方法及*** | |
CN103093458A (zh) | 关键帧的检测方法及装置 | |
CN104574381A (zh) | 一种基于局部二值模式的全参考图像质量评价方法 | |
CN111950812A (zh) | 一种自动识别与预测雨量的方法及其装置 | |
CN112287838A (zh) | 基于静止气象卫星影像序列的云雾自动判识方法及*** | |
CN109472790A (zh) | 一种机械零件缺陷检测方法及*** | |
CN115375991A (zh) | 一种强/弱光照和雾环境自适应目标检测方法 | |
CN109272484B (zh) | 一种基于视频图像的降雨检测方法 | |
CN112884795A (zh) | 一种基于多特征显著性融合的输电线路巡检前景与背景分割方法 | |
CN115830514B (zh) | 一种适用于带弯曲河道的全河段表面流速计算方法及*** | |
CN117237736A (zh) | 一种基于机器视觉和深度学习的大曲质量检测方法 | |
CN109784317B (zh) | 一种交通信号灯的识别方法及装置 | |
CN116188316A (zh) | 一种基于雾浓度感知的水域去雾方法 | |
CN106023166A (zh) | 微波图像中人体隐藏危险物体的检测方法和装置 | |
CN113591740B (zh) | 基于深度学习的复杂河流环境下泥沙颗粒识别方法及装置 | |
CN105513071A (zh) | 一种地形图图式质量评价方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
C17 | Cessation of patent right | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20120111 Termination date: 20120512 |