CN102222346A - 一种车辆检测和跟踪方法 - Google Patents
一种车辆检测和跟踪方法 Download PDFInfo
- Publication number
- CN102222346A CN102222346A CN 201110134533 CN201110134533A CN102222346A CN 102222346 A CN102222346 A CN 102222346A CN 201110134533 CN201110134533 CN 201110134533 CN 201110134533 A CN201110134533 A CN 201110134533A CN 102222346 A CN102222346 A CN 102222346A
- Authority
- CN
- China
- Prior art keywords
- region
- vehicle
- frame
- tracking
- threshold value
- 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
本发明涉及一种车辆检测和跟踪方法，其特征在于，首先对视频中的每一帧图像建立高斯背景模型；利用帧差法对相邻两帧做差分处理，得到粗略的运动区域和静止区域；对获得的静止区域进行背景更新，运动区域不更新；对当前帧图像和获得的更新后的背景图像做差分，得到精确的运动区域；利用每个像素点匹配方法对获得的相邻两帧运动区域图像找出重叠区域，并比较重叠区域与给定阈值大小；如果重叠区域大于给定阈值，则判断是否发生目标重合；如果是，则计算相邻两帧中的第一帧运动区域的长宽比，通过这个比例检测和跟踪该运动车辆；如果不是，则判断为同一车辆；如果重叠区域小于给定阈值，则求出多个目标框的最小外接矩形来正确对车辆检测和跟踪。
Description
技术领域
本发明涉及图像处理方面，特别涉及一种车辆检测和跟踪方法。
背景技术
智能交通***(ITS)是目前研究和开发的一大热点。智能交通***是将先进的信息技术、数据通讯传输技术、电子传感技术、电子控制技术以及计算机处理技术等有效地集成运用于整个交通运输管理体系，而建立起的一种在大范围内、全方位发挥作用的，实时、准确、高效的综合运输和管理***。
其中，在智能交通***中，车辆的检测与跟踪是最基础的部分，它要求从摄像机所得到的图像序列中，检测有无运动车辆进入摄像机的试场，并且定位运动车辆的位置，它属于计算机视觉的研究范围。
目前，常用的车辆检测方法有背景差法、帧差法和光流法。其中，背景差法是目前运动车辆分割中最常用的一种方法，它是利用当前图像与图像的差分来检测运动区域的一种技术。它基于自适应的合高斯背景模型，对每个像素利用混合高斯分布建模，并利用在线估计来更新，从而可靠的处理了光照变化、背景混乱运动的干扰等影响。该方法能够提取完整的特征数据，但是其对于动态场景的变化，如天气、光照以及树木扰动非常敏感。因此，如何获取一个具有实时更新能力的背景是关键。帧差法是在连续的图像序列中固定的两帧或多帧间隔图像之间作基于像素点的时间差分并阈值化来提取运动区域实现运动车辆的检测。Lipton等利用两帧差分方法从实际视频图像中检测出运动目标，进而用于目标的识别与跟踪；帧差法对于动态环境具有较强的自适应性，但是一般不能完全提取出所有的相关的特征像素点。在车辆目标内部，容易产生空洞现象，而且一般检测出的车辆目标都会被拉长，很难得到较精确的目标区域。运动目标随时间变化具有光流特性，因此就有利用目标的光流场实现运动检测。1981年，Horn和Schunck创造性地将二维速度场与灰度相联系，引入光流约束方程，得到光流计算的基本算法。Barron等人对多种光流计算技术进行了总结，按照理论基础与数学方法的区别把他们分成四种：基于梯度的方法、基于匹配的方法、基于能量的方法、基于相位的方法。但是，绝大多数的光流计算方法是相当复杂的，而且抗噪声能力差，在处理实时的全帧视频流时必须有特定的硬件支持才能完成，否则无法满足实时性的要求。
对检测出来的运动车辆要进行跟踪，目前常用的车辆跟踪算法主要有：基于特征的跟踪算法、基于3-D的跟踪算法、基于变形模型的跟踪算法和基于区域的跟踪算法。其中，基于特征的跟踪算法，就是对每辆车提取一些特征如可区别的直线或拐角等，或将这些特征组合来表示一个车辆，这类算法突出的优点是即使存在部分遮挡，一些特征仍是可见的。但是当车辆彼此太接近时，存在特征太近无法分割的问题。基于3-D的跟踪算法是通过使用摄像机和场景的几何学知识，将一个有精确几何形状的三维模型投影成图像，根据图像中的位置变化来进行跟踪。这类算法的优点是在确定的车辆类型和几何模型细节时准确率高，缺点是由于计算的工作量大，实时性差。基于变形模型的跟踪算法以车辆轮廓为跟踪对象，通过snake主动轮廓模型提取轮廓特征。这种方法对噪声遮挡敏感，存在轮廓初始化问题。基于区域的跟踪算法首先连接区域提取并根据情况被合并或分割。该方法的最严重的弱点是在车辆检测中区域合并和分割存在不准确的情况。
以上多种车辆检测和跟踪效率不高，需要急需解决这个问题。
发明内容
本发明的目的在于，为解决上述问题，本发明提出一种车辆检测和跟踪方法，达到提高了检测和跟踪的效率。
为实现上述发明目的，本发明提出一种车辆检测和跟踪方法，其特征在于，该方法步骤包括：
步骤1)：对视频中的每一帧图像建立高斯背景模型；
步骤2)：根据所述步骤1)获得的每一帧高斯背景模型图像，利用帧差法对相邻两帧做差分处理，得到粗略的运动区域和静止区域；
步骤3)：对所述步骤2)中获得的静止区域进行背景更新，运动区域不更新；
步骤4)：对当前帧图像和所述步骤3)获得的更新后的背景图像做差分，得到精确的运动区域；
步骤5)：利用每个像素点匹配方法对所述步骤4)获得的相邻两帧运动区域图像找出重叠区域，并比较重叠区域与给定阈值大小；
如果重叠区域大于给定阈值，则判断是否发生目标重合；如果是，则计算相邻两帧中的第一帧运动区域的长宽比，通过这个比例检测和跟踪该运动车辆；如果不是，则判断为同一车辆；
如果重叠区域小于给定阈值，则求出多个目标框的最小外接矩形来正确对车辆检测和跟踪。
所述步骤5)中的阈值为目标框区域的50％。
本发明的优点在于，本发明结合了背景差法和帧差法，克服了两个方法的不足，能够更加准确的确定背景并分割出运动区域。同时，在目标跟踪和匹配阶段，对于重叠车辆和***区域进行判断，克服了基于区域的跟踪算法的缺点，取得了很好的效果。
附图说明
图1为本发明的一种车辆检测和跟踪方法流程图；
图2为背景差法示意图；
图3为运动目标重叠示意图；
图4为相同车辆目标区域的***示意图；
图5为***区域的融合示意图。
具体实施方式
下面结合附图和具体实施方式，对本发明的方法进行进一步详细的说明。
如图1所示，图1为本发明的一种车辆检测和跟踪方法流程图。本发明提出的改进的车辆检测和跟踪算法结合实施例详细说明如下：本实施例方法包括以下步骤：
1)对每一帧图像，建立高斯背景模型；
单分布的高斯背景模型认为，对一个背景图像，特定像素亮度的分布满足高斯分布，这样背景模型的每个像素属性包括两个参数：平均值u和方差d。建立背景模型的过程就是对每个像素求出这两个参数。
2)利用帧差法，找出粗略的运动区域和静止区域；
对相邻两帧做差分处理，得到运动变化的区域。再通过边缘提取找出运动物体的边缘，最后检测出运动物体。
3)对2)中找出的静止区域进行背景更新，运动区域不更新；
随着时间的变化，背景图像也会发生缓慢的变化，这时我们要不断更新每个象素点的平均值：
u(t+1，x，y)＝a*u(t，x，y)+(1-a)*I(x，y) (1)
4)利用背景差法，找出当前帧的精确运动区域；
如图2所示，图2为背景差法示意图。对当前帧图像和更新后的背景图像做差分，得到运动区域。对于相邻帧的运动区域，寻找出重叠部分；即对于相邻两帧图像，利用每个像素点匹配的方法，找出重叠部分。
5)重合车辆的判断和分割；
如图3所示，图3为运动目标重叠示意图。当车辆距离太近时，就会发生运动区域重叠现象。当被跟踪的车辆在下一帧中与其他的车辆发生了重叠，直接用现有的跟踪算法就会发生漏检现象，因此在第一次跟踪失败后进行下面的分割处理后再进行跟踪。
假设第i帧运动区域检测正确，第i+1帧出现目标重合。那么，在重叠区域判断中，就会有2个区域与第i+1红色区域重叠，即存在目标重合。求出第i帧运动区域的长宽比，通过这个比例分割出运动车辆。
6)相同车辆***区域的判断和融合；
如图4所示，图4为相同车辆目标区域的***示意图。当车辆比较大，例如公交车，由于行驶缓慢或者纹理与背景相近，求出的运动区域经过膨胀腐蚀操作，经常会***成多个区域，这就会造成误匹配。
校正方法：计算第i帧每个目标框与第i-1帧目标框的重叠区域。如果重叠区域大于目标框区域的50％，就认为匹配。如果第i帧多个目标框与第i-1帧的同一个框匹配，就认为存在误匹配，需要进行融合。如图5所示，图5为***区域的融合示意图。融合的方法是求这些目标框的最小外接矩形。
改进的车辆检测和跟踪算法在实际***中进行测试。用本发明中的算法对车辆进行检测跟踪并计数，计数结果与人工计数结果相比较。实际行驶车辆为260，改进后算法计算得到的车辆数位261；用背景差法和基于区域的跟踪方法得到的车辆数位238；用帧差法和基于区域的跟踪方法得到的车辆数位241。可见，改进后的方法准确率有了大幅提高。
最后所应说明的是，以上实施例仅用以说明本发明的技术方案而非限制。尽管参照实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，对本发明的技术方案进行修改或者等同替换，都不脱离本发明技术方案的精神和范围，其均应涵盖在本发明的权利要求范围当中。
Claims (2)
1.一种车辆检测和跟踪方法，其特征在于，该方法步骤包括：
步骤1)：对视频中的每一帧图像建立高斯背景模型；
步骤2)：根据所述步骤1)获得的每一帧高斯背景模型图像，利用帧差法对相邻两帧做差分处理，得到粗略的运动区域和静止区域；
步骤3)：对所述步骤2)中获得的静止区域进行背景更新，运动区域不更新；
步骤4)：对当前帧图像和所述步骤3)获得的更新后的背景图像做差分，得到精确的运动区域；
步骤5)：利用每个像素点匹配方法对所述步骤4)获得的相邻两帧运动区域图像找出重叠区域，并比较重叠区域与给定阈值大小；
如果重叠区域大于给定阈值，则判断是否发生目标重合；如果是，则计算相邻两帧中的第一帧运动区域的长宽比，通过这个比例检测和跟踪该运动车辆；如果不是，则判断为同一车辆；
如果重叠区域小于给定阈值，则求出多个目标框的最小外接矩形来正确对车辆检测和跟踪。
2.根据权利要求1所述的车辆检测和跟踪方法，其特征在于，所述步骤5)中的阈值为目标框区域的50％。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN 201110134533 CN102222346B (zh) | 2011-05-23 | 2011-05-23 | 一种车辆检测和跟踪方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN 201110134533 CN102222346B (zh) | 2011-05-23 | 2011-05-23 | 一种车辆检测和跟踪方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN102222346A true CN102222346A (zh) | 2011-10-19 |
| CN102222346B CN102222346B (zh) | 2013-03-13 |
Family
ID=44778890
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN 201110134533 Expired - Fee Related CN102222346B (zh) | 2011-05-23 | 2011-05-23 | 一种车辆检测和跟踪方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN102222346B (zh) |
Cited By (19)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103116986A (zh) * | 2013-01-21 | 2013-05-22 | 信帧电子技术（北京）有限公司 | 车辆识别方法 |
| US20130286205A1 (en) * | 2012-04-27 | 2013-10-31 | Fujitsu Limited | Approaching object detection device and method for detecting approaching objects |
| CN103425764B (zh) * | 2013-07-30 | 2017-04-12 | 广东工业大学 | 一种基于视频的车辆匹配方法 |
| CN108010050A (zh) * | 2017-11-27 | 2018-05-08 | 电子科技大学 | 一种基于自适应背景更新和选择性背景更新的前景检测方法 |
| CN108694722A (zh) * | 2017-04-12 | 2018-10-23 | 杭州登虹科技有限公司 | 利用画面数据进行目标追踪的方法 |
| CN109028235A (zh) * | 2018-09-29 | 2018-12-18 | 佛山市云米电器科技有限公司 | 基于背景建模的智能风速调节式油烟机 |
| CN109324052A (zh) * | 2018-09-29 | 2019-02-12 | 佛山市云米电器科技有限公司 | 油烟机抽烟检测方法 |
| CN109684920A (zh) * | 2018-11-19 | 2019-04-26 | 腾讯科技（深圳）有限公司 | 物体关键点的定位方法、图像处理方法、装置及存储介质 |
| CN109712167A (zh) * | 2017-10-25 | 2019-05-03 | 财团法人资讯工业策进会 | 目标侦测与追踪方法及*** |
| CN109902627A (zh) * | 2019-02-28 | 2019-06-18 | 中科创达软件股份有限公司 | 一种目标检测方法及装置 |
| CN111275036A (zh) * | 2018-12-04 | 2020-06-12 | 北京嘀嘀无限科技发展有限公司 | 目标检测方法、装置、电子设备及计算机可读存储介质 |
| CN111488776A (zh) * | 2019-01-25 | 2020-08-04 | 北京地平线机器人技术研发有限公司 | 对象检测方法、对象检测装置和电子设备 |
| CN111523385A (zh) * | 2020-03-20 | 2020-08-11 | 北京航空航天大学合肥创新研究院 | 一种基于帧差法的静止车辆检测方法及*** |
| CN111781600A (zh) * | 2020-06-18 | 2020-10-16 | 重庆工程职业技术学院 | 一种适用于信号交叉口场景的车辆排队长度检测方法 |
| CN113066108A (zh) * | 2021-04-14 | 2021-07-02 | 武汉卓目科技有限公司 | 基于eco算法的抗遮挡视觉目标跟踪方法及装置 |
| CN113361299A (zh) * | 2020-03-03 | 2021-09-07 | 浙江宇视科技有限公司 | 一种异常停车的检测方法、装置、存储介质及电子设备 |
| CN114549371A (zh) * | 2022-04-26 | 2022-05-27 | 中国科学技术大学 | 图像分析方法及装置 |
| CN114664096A (zh) * | 2022-03-24 | 2022-06-24 | 北京四象网讯科技有限公司 | 停车场的监控视频处理方法及装置 |
| CN117237396A (zh) * | 2023-11-16 | 2023-12-15 | 山东华盛中天工程机械有限责任公司 | 基于图像特征的钢轨螺栓锈蚀区域分割方法 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101017573A (zh) * | 2007-02-09 | 2007-08-15 | 南京大学 | 一种基于视频监控的运动目标检测与识别方法 |
| CN101094413A (zh) * | 2007-07-06 | 2007-12-26 | 浙江大学 | 用于视频监控的实时运动检测方法 |
| US20090067716A1 (en) * | 2005-01-20 | 2009-03-12 | Lisa Marie Brown | Robust and efficient foreground analysis for real-time video surveillance |
-
2011
- 2011-05-23 CN CN 201110134533 patent/CN102222346B/zh not_active Expired - Fee Related
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20090067716A1 (en) * | 2005-01-20 | 2009-03-12 | Lisa Marie Brown | Robust and efficient foreground analysis for real-time video surveillance |
| CN101017573A (zh) * | 2007-02-09 | 2007-08-15 | 南京大学 | 一种基于视频监控的运动目标检测与识别方法 |
| CN101094413A (zh) * | 2007-07-06 | 2007-12-26 | 浙江大学 | 用于视频监控的实时运动检测方法 |
Non-Patent Citations (2)
| Title |
|---|
| 《Pattern Recognition Letters》 20031231 ElÃas Herrero-Jaraba et al. Detected motion classification with a double-background and a Neighborhood-based difference 第2079-2092页 1-2 第24卷, * |
| 《信息与控制》 20020831 刘亚等 一种基于背景模型的运动目标检测与跟踪算法 第318页 1-2 第31卷, 第4期 * |
Cited By (29)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20130286205A1 (en) * | 2012-04-27 | 2013-10-31 | Fujitsu Limited | Approaching object detection device and method for detecting approaching objects |
| CN103116986A (zh) * | 2013-01-21 | 2013-05-22 | 信帧电子技术（北京）有限公司 | 车辆识别方法 |
| CN103116986B (zh) * | 2013-01-21 | 2014-12-10 | 信帧电子技术（北京）有限公司 | 车辆识别方法 |
| CN103425764B (zh) * | 2013-07-30 | 2017-04-12 | 广东工业大学 | 一种基于视频的车辆匹配方法 |
| CN108694722A (zh) * | 2017-04-12 | 2018-10-23 | 杭州登虹科技有限公司 | 利用画面数据进行目标追踪的方法 |
| CN109712167A (zh) * | 2017-10-25 | 2019-05-03 | 财团法人资讯工业策进会 | 目标侦测与追踪方法及*** |
| CN108010050A (zh) * | 2017-11-27 | 2018-05-08 | 电子科技大学 | 一种基于自适应背景更新和选择性背景更新的前景检测方法 |
| CN108010050B (zh) * | 2017-11-27 | 2022-01-25 | 电子科技大学 | 一种基于自适应背景更新和选择性背景更新的前景检测方法 |
| CN109028235A (zh) * | 2018-09-29 | 2018-12-18 | 佛山市云米电器科技有限公司 | 基于背景建模的智能风速调节式油烟机 |
| CN109324052A (zh) * | 2018-09-29 | 2019-02-12 | 佛山市云米电器科技有限公司 | 油烟机抽烟检测方法 |
| CN109684920B (zh) * | 2018-11-19 | 2020-12-11 | 腾讯科技（深圳）有限公司 | 物体关键点的定位方法、图像处理方法、装置及存储介质 |
| US11450080B2 (en) | 2018-11-19 | 2022-09-20 | Tencent Technology (Shenzhen) Company Limited | Image processing method and apparatus, and storage medium |
| CN109684920A (zh) * | 2018-11-19 | 2019-04-26 | 腾讯科技（深圳）有限公司 | 物体关键点的定位方法、图像处理方法、装置及存储介质 |
| CN111275036A (zh) * | 2018-12-04 | 2020-06-12 | 北京嘀嘀无限科技发展有限公司 | 目标检测方法、装置、电子设备及计算机可读存储介质 |
| CN111488776A (zh) * | 2019-01-25 | 2020-08-04 | 北京地平线机器人技术研发有限公司 | 对象检测方法、对象检测装置和电子设备 |
| CN111488776B (zh) * | 2019-01-25 | 2023-08-08 | 北京地平线机器人技术研发有限公司 | 对象检测方法、对象检测装置和电子设备 |
| CN109902627A (zh) * | 2019-02-28 | 2019-06-18 | 中科创达软件股份有限公司 | 一种目标检测方法及装置 |
| CN113361299B (zh) * | 2020-03-03 | 2023-08-15 | 浙江宇视科技有限公司 | 一种异常停车的检测方法、装置、存储介质及电子设备 |
| CN113361299A (zh) * | 2020-03-03 | 2021-09-07 | 浙江宇视科技有限公司 | 一种异常停车的检测方法、装置、存储介质及电子设备 |
| CN111523385A (zh) * | 2020-03-20 | 2020-08-11 | 北京航空航天大学合肥创新研究院 | 一种基于帧差法的静止车辆检测方法及*** |
| CN111523385B (zh) * | 2020-03-20 | 2022-11-04 | 北京航空航天大学合肥创新研究院 | 一种基于帧差法的静止车辆检测方法及*** |
| CN111781600A (zh) * | 2020-06-18 | 2020-10-16 | 重庆工程职业技术学院 | 一种适用于信号交叉口场景的车辆排队长度检测方法 |
| CN113066108A (zh) * | 2021-04-14 | 2021-07-02 | 武汉卓目科技有限公司 | 基于eco算法的抗遮挡视觉目标跟踪方法及装置 |
| CN113066108B (zh) * | 2021-04-14 | 2024-07-02 | 武汉卓目科技股份有限公司 | 基于eco算法的抗遮挡视觉目标跟踪方法及装置 |
| CN114664096A (zh) * | 2022-03-24 | 2022-06-24 | 北京四象网讯科技有限公司 | 停车场的监控视频处理方法及装置 |
| CN114549371B (zh) * | 2022-04-26 | 2022-09-09 | 中国科学技术大学 | 图像分析方法及装置 |
| CN114549371A (zh) * | 2022-04-26 | 2022-05-27 | 中国科学技术大学 | 图像分析方法及装置 |
| CN117237396A (zh) * | 2023-11-16 | 2023-12-15 | 山东华盛中天工程机械有限责任公司 | 基于图像特征的钢轨螺栓锈蚀区域分割方法 |
| CN117237396B (zh) * | 2023-11-16 | 2024-02-06 | 山东华盛中天工程机械有限责任公司 | 基于图像特征的钢轨螺栓锈蚀区域分割方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN102222346B (zh) | 2013-03-13 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN102222346B (zh) | 一种车辆检测和跟踪方法 | |
| CN111563442B (zh) | 基于激光雷达的点云和相机图像数据融合的slam方法及*** | |
| CN110379168B (zh) | 一种基于Mask R-CNN的交通车辆信息获取方法 | |
| CN103106659A (zh) | 基于双目视觉稀疏点匹配的空旷区域目标检测与跟踪方法 | |
| Li et al. | Automatic registration of panoramic image sequence and mobile laser scanning data using semantic features | |
| CN102289948A (zh) | 高速公路场景下一种多特征融合的多车辆视频跟踪方法 | |
| CN104700414A (zh) | 一种基于车载双目相机的前方道路行人快速测距方法 | |
| CN104517275A (zh) | 对象检测方法和*** | |
| CN102609945B (zh) | 可见光和热红外图像序列自动配准方法 | |
| CN101887586A (zh) | 基于图像轮廓尖锐度的自适应角点检测方法 | |
| Lian et al. | A novel method on moving-objects detection based on background subtraction and three frames differencing | |
| CN104599291B (zh) | 基于结构相似度和显著性分析的红外运动目标检测方法 | |
| CN106558069A (zh) | 一种基于视频监控下的目标跟踪方法及*** | |
| CN106504274A (zh) | 一种基于红外摄像头下的视觉跟踪方法及*** | |
| CN103440669A (zh) | 一种基于压缩域融合的Mean shift核窗宽动态更新方法 | |
| CN107808524A (zh) | 一种基于无人机的道路交叉口车辆检测方法 | |
| CN103577833A (zh) | 基于运动模板的异常闯入检测方法 | |
| CN113487631B (zh) | 基于lego-loam的可调式大角度探测感知及控制方法 | |
| Xia et al. | Automatic multi-vehicle tracking using video cameras: An improved CAMShift approach | |
| Yu et al. | Drso-slam: A dynamic rgb-d slam algorithm for indoor dynamic scenes | |
| CN109784229B (zh) | 一种地面建筑物数据融合的复合识别方法 | |
| CN113160299B (zh) | 基于卡尔曼滤波的车辆视频测速方法和计算机可读存储介质 | |
| Chen et al. | Target detection based on the interframe difference of block and graph-based | |
| CN106874837A (zh) | 一种基于视频图像处理的车辆检测方法 | |
| Lu et al. | Multi-feature fusion based object detecting and tracking |
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 | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20130313 Termination date: 20150523 |
|
| EXPY | Termination of patent right or utility model |