CN107679613A - 一种人员信息的统计方法、装置、终端设备和存储介质 - Google Patents
一种人员信息的统计方法、装置、终端设备和存储介质 Download PDFInfo
- Publication number
- CN107679613A CN107679613A CN201710914439.9A CN201710914439A CN107679613A CN 107679613 A CN107679613 A CN 107679613A CN 201710914439 A CN201710914439 A CN 201710914439A CN 107679613 A CN107679613 A CN 107679613A
- Authority
- CN
- China
- Prior art keywords
- personnel
- face feature
- image
- target image
- target
- 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
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06M—COUNTING MECHANISMS; COUNTING OF OBJECTS NOT OTHERWISE PROVIDED FOR
- G06M11/00—Counting of objects distributed at random, e.g. on a surface
-
- 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
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/161—Detection; Localisation; Normalisation
-
- 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
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/172—Classification, e.g. identification
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Human Computer Interaction (AREA)
- Multimedia (AREA)
- Collating Specific Patterns (AREA)
Abstract
本发明涉及信息收集技术领域,提出一种人员信息的统计方法、装置、终端设备和计算机存储介质。所述统计方法包括:按照第一频率实时采集预设区域内的目标图像;检测所述目标图像中是否存在人脸图像;若检测到所述目标图像中存在人脸图像,则每隔第一时长获取一帧所述目标图像,直至所述目标图像中检测不到人脸图像;对获取到的每帧所述目标图像中的人脸图像分别进行人脸识别,确定每帧所述目标图像中的人脸图像分别对应的人员身份;对确定出的不同人员身份所对应的统计次数分别累加一次。若将所述统计方法应用于顾客光顾次数的统计,能够解决获取到的动态人脸图像被误识别为同一顾客的多次光顾的问题,提高顾客光顾次数统计的准确性。
Description
技术领域
本发明涉及信息收集技术领域,尤其涉及一种人员信息的统计方法、装置、终端设备和计算机存储介质。
背景技术
为了留住长期客户,很多商家都会建立会员优惠制度,当某个顾客进行购物时,会根据该顾客的会员级别给予相应的优惠,并在购物结束后统计该顾客的光顾次数信息,当光顾次数超过预定的阈值时提升该顾客的会员级别。
目前,统计顾客光顾次数的方式主要为:在店铺门口设置摄像头等图像采集装置获取进店顾客的人脸图像信息;将获取到的人脸图像信息与会员信息库中的人脸图像信息进行比对,确定该进店顾客的会员身份;将该会员身份对应的光顾次数加一。然而,由于顾客进入店铺时处于移动的状态,获取到的动态人脸图像可能会被误识别为同一顾客的多次光顾,从而导致顾客光顾次数的统计错误。
发明内容
有鉴于此,本发明实施例提供了一种人员信息的统计方法、装置、终端设备和计算机存储介质,能够提高顾客光顾次数统计的准确性。
本发明实施例的第一方面提供了一种人员信息的统计方法,包括:
按照第一频率实时采集预设区域内的目标图像;
检测所述目标图像中是否存在人脸图像;
若检测到所述目标图像中存在人脸图像,则每隔第一时长获取一帧所述目标图像,直至所述目标图像中检测不到人脸图像;
对获取到的每帧所述目标图像中的人脸图像分别进行人脸识别,确定每帧所述目标图像中的人脸图像分别对应的人员身份;
对确定出的不同人员身份所对应的统计次数分别累加一次。
本发明实施例的第二方面提供了一种人员信息的统计装置,包括:
图像采集模块,用于按照第一频率实时采集预设区域内的目标图像;
人脸检测模块,用于检测所述目标图像中是否存在人脸图像;
图像获取模块,用于若检测到所述目标图像中存在人脸图像,则每隔第一时长获取一帧所述目标图像,直至所述目标图像中检测不到人脸图像;
人脸识别模块,用于对获取到的每帧所述目标图像中的人脸图像分别进行人脸识别,确定每帧所述目标图像中的人脸图像分别对应的人员身份;
统计次数累加模块,用于对确定出的不同人员身份所对应的统计次数分别累加一次。
本发明实施例的第三方面提供了一种终端设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现如本发明实施例的第一方面提供的人员信息的统计方法的步骤。
本发明实施例的第四方面提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现如本发明实施例的第一方面提供的人员信息的统计方法的步骤。
在本发明实施例中,按照第一频率实时采集预设区域内的目标图像;检测所述目标图像中是否存在人脸图像;若检测到所述目标图像中存在人脸图像,则每隔第一时长获取一帧所述目标图像,直至所述目标图像中检测不到人脸图像;对获取到的每帧所述目标图像中的人脸图像分别进行人脸识别,确定每帧所述目标图像中的人脸图像分别对应的人员身份;对确定出的不同人员身份所对应的统计次数分别累加一次。若将上述方法应用于顾客光顾次数的统计,即使获取到同一顾客的多幅动态人脸图像,由于这些动态人脸图像都对应于同一个人员身份,在信息统计时该人员身份对应的统计次数只会累加一次,因而解决了误识为多次光顾的问题,提高了顾客光顾次数统计的准确性。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的一种人员信息的统计方法的第一个实施例的流程图;
图2是本发明实施例提供的一种人员信息的统计方法的第二个实施例的流程图;
图3是本发明实施例提供的一种人员信息的统计方法在一个实际应用场景下的流程图;
图4是本发明实施例提供的一种人员信息的统计装置的一个实施例的结构图;
图5是本发明实施例提供的一种终端设备的示意图。
具体实施方式
以下描述中,为了说明而不是为了限定,提出了诸如特定***结构、技术之类的具体细节,以便透彻理解本发明实施例。然而,本领域的技术人员应当清楚,在没有这些具体细节的其它实施例中也可以实现本发明。在其它情况中,省略对众所周知的***、装置、电路以及方法的详细说明,以免不必要的细节妨碍本发明的描述。
本发明实施例提供了一种人员信息的统计方法、装置、终端设备和计算机存储介质,能够提高顾客光顾次数统计的准确性。
请参阅图1,本发明实施例中一种人员信息的统计方法的第一个实施例包括:
101、按照第一频率实时采集预设区域内的目标图像;
在步骤101中,通过摄像头等图像采集设备按照第一频率实时采集预设区域内的目标图像。所述预设区域可以是任意的有利于进行人员信息统计的区域,比如店铺的门口、收银台,重要的路口拐角,学校的门口等。所述预设区域可以是一块区域,也可以是多块不同的区域,通过调整图像采集设备的安装位置和摄像角度,使得能够清晰地采集到所述预设区域内的图像。所述第一频率指目标图像的采集频率,可以根据实际情况灵活调整,比如可以设为25帧/秒。
102、检测所述目标图像中是否存在人脸图像;
在目标图像的实时采集过程中,检测所述目标图像中是否存在人脸图像。可以通过任意的人脸图像识别算法进行人脸图像的检测,当有一个或以上的人进入所述预设区域内时,即可检测到所述目标图像中存在人脸图像。若检测到人脸图像,则执行步骤103,否则停留在步骤102。
103、每隔第一时长获取一帧所述目标图像,直至所述目标图像中检测不到人脸图像;
若检测到所述目标图像中存在人脸图像,则每隔第一时长获取一帧所述目标图像,直至所述目标图像中检测不到人脸图像。这里的第一时长可以根据实际情况设置,从采集到的目标图像中持续获取一定数量的目标图像,直至所述目标图像中检测不到人脸图像为止。假设目标图像的实时采集频率(即所述第一频率)为25帧/秒,所述第一时长设为0.2秒,当某人进入所述预设区域内时,即触发目标图像的获取,从实时采集到的目标图像中每间隔0.2秒提取一帧图像(即每间隔5帧提取一帧图像),图像的提取过程在所述某人离开所述预设区域后结束,假设所述某人从进入所述预设区域到离开所述预设区域的时间为2秒,则总共获取到2/0.2即10帧目标图像。对于多人同时进入所述预设区域的情况,第一个人进入所述预设区域即触发目标图像的获取,直至最后一个人离开所述预设区域才停止目标图像的获取。
104、对获取到的每帧所述目标图像中的人脸图像分别进行人脸识别,确定每帧所述目标图像中的人脸图像分别对应的人员身份;
在获取到包含人脸图像的一定数量的目标图像后,分别对这些目标图像中的人脸图像进行人脸识别,确定获取到的每帧目标图像中的人脸图像分别对应的人员身份。具体的,可以将获取到的人脸图像的相关特征与数据库中保存的人脸图像的相关特征进行比对,若相似度超过一定的阈值,则认为该获取到的人脸图像的人员身份与数据库中对应的人脸图像的人员身份相同。
105、对确定出的不同人员身份所对应的统计次数分别累加一次。
在确定每帧所述目标图像中的人脸图像分别对应的人员身份后,对确定出的不同人员身份所对应的统计次数分别累加一次。针对不同的应用场景,所述统计次数可以是通过次数,光顾次数等不同类别的统计数值。具体的,可以在数据库中保存每个人员身份所对应的统计次数,并对步骤104中确定出的人员身份的统计次数累加一次。需要注意的是,步骤105是对确定出的不同人员身份所对应的统计次数分别累加一次,即使某个人员身份被多次确定(获取到的多帧目标图像中的人脸图像对应该人员身份),该人员身份的统计次数只会累加一次。
在某些特定情况下,采用上述方法对次数的统计可能存在较大的误差。比如在进行顾客关顾次数的统计时,若某个顾客在店门口由于某种原因(比如忘记拿东西,打电话等)在短时间内来回进出店门多次,此时该顾客实际上只光顾了一次,而他的光顾次数却累加了多次,这显然是不合理的。
进一步的,为了解决上述问题,进一步提高次数统计的准确性,步骤105具体可以为:
对确定出的不同人员身份所对应的统计次数分别累加一次,且所述确定出的人员身份的统计次数在第二时长内最多累加一次。
所述第二时长可以根据实际情况设置,比如可以设为3个小时或者1天。在第二时长内无论某个人员进出所述预设区域多少次,最多只会累加该人员身份所对应的统计次数一次。在程序的具体执行过程中,在确定出某个人员身份后,首先判断该人员身份的统计次数在第二时长内是否进行过累加,若是则当前不对该人员身份的统计次数进行累加,若否则对该人员身份的统计次数进行累加。显然,通过合理设置所述第二时长,能够有效解决上述问题。
可选的,当某个人员身份所对应的统计次数超过预设的阈值时,可以执行预设的处理步骤,比如将该统计次数置零,或者提升该人员身份所对应的会员等级等。
在本发明实施例中,按照第一频率实时采集预设区域内的目标图像;检测所述目标图像中是否存在人脸图像;若检测到所述目标图像中存在人脸图像,则每隔第一时长获取一帧所述目标图像,直至所述目标图像中检测不到人脸图像;对获取到的每帧所述目标图像中的人脸图像分别进行人脸识别,确定每帧所述目标图像中的人脸图像分别对应的人员身份;对确定出的不同人员身份所对应的统计次数分别累加一次。若将上述方法应用于顾客光顾次数的统计,即使获取到同一顾客的多幅动态人脸图像,由于这些动态人脸图像都对应于同一个人员身份,在信息统计时该人员身份对应的统计次数只会累加一次,因而解决了误识为多次光顾的问题,提高了顾客光顾次数统计的准确性。
请参阅图2,本发明实施例中一种人员信息的统计方法的第二个实施例包括:
201、按照第一频率实时采集预设区域内的目标图像;
202、检测所述目标图像中是否存在人脸图像;
若检测到人脸图像,则执行步骤203,否则停留在步骤202。
203、每隔第一时长获取一帧所述目标图像,直至所述目标图像中检测不到人脸图像;
步骤201至203与步骤101至103相同,具体可参照步骤101至103的相关说明。其中,获取到的任意一帧所述目标图像中的人脸图像对应的人员身份通过以下步骤204至206确定。
204、提取任意一帧获取到的所述目标图像中的人脸图像的目标脸部特征;
所述目标脸部特征可以包括各种类型的脸部特征,比如眼睛、鼻子、嘴巴等各个特征点之间的欧式距离、曲率和角度等。
205、将所述目标脸部特征分别与预先建立的各个第一人员脸部特征进行匹配,得到各个所述第一人员脸部特征的第一匹配率,每个所述第一人员脸部特征对应一个人员身份;
在获取到目标脸部特征之后,将其分别与预先建立的各个第一人员脸部特征进行匹配,得到各个所述第一人员脸部特征的第一匹配率。所述第一人员脸部特征为数据库中已保存的人员身份所对应的脸部特征,所述第一匹配率代表着所述目标脸部特征和数据库中已有的第一人员脸部特征之间的相似程度。在某个实际应用场景中,可以在数据库中建立顾客的会员身份信息,并将会员身份信息与顾客的人脸特征建立对应关系,则各个已知顾客的人脸特征即为各个所述第一人员脸部特征。
206、将所述各个第一人员脸部特征中所述第一匹配率高于第一阈值的第一人员脸部特征所对应的人员身份确定为所述任意一帧所述目标图像中的人脸图像对应的人员身份;
在分别得到各个所述第一人员脸部特征与所述目标脸部特征之间的第一匹配率之后,将所述各个第一人员脸部特征中所述第一匹配率高于第一阈值的第一人员脸部特征所对应的人员身份确定为所述任意一帧所述目标图像中的人脸图像对应的人员身份。所述第一阈值可以根据测试的结果合理制定,比如0.75或0.8。若所述目标脸部特征与某个第一人员脸部特征的第一匹配率高于第一阈值,可以判定该目标脸部特征与该某个第一人员脸部特征属于同一个人,即对应于同一个人员身份。另外,若某帧目标图像中具有多个人脸图像,则同时提取每个人脸图像的脸部特征,即提取出多个目标脸部特征,再将每个目标脸部特征分别与各个所述第一人员脸部特征进行匹配,从而确定每个目标脸部特征分别对应的人员身份。
进一步的,若所述各个第一人员脸部特征中所述第一匹配率高于第一阈值的第一人员脸部特征的数量超过一个,则按照预设的比例提高所述第一阈值,重新执行确定所述各个第一人员脸部特征中所述第一匹配率高于第一阈值的第一人员脸部特征的步骤,直至所述第一匹配率高于第一阈值的第一人员脸部特征的数量小于或等于一个。
在某些特定情况下,所述各个第一人员脸部特征中与所述目标脸部特征之间的第一匹配率高于第一阈值的第一人员脸部特征的数量可能超过一个,此时按照预设的比例提高所述第一阈值后再执行对比,若对比后发现该数量还是超过一个,则再一次提高所述第一阈值,如此反复直至该数量为1或者0,所述第一阈值每次提高的比例可以根据经验值确定。通过这样设置,能够避免对同一个人脸图像识别出两个以上的人员身份,在一定程度上提高了次数统计的准确性。比如,若初始的第一阈值为0.7,某个目标脸部特征与第一人员脸部特征A之间的第一匹配率为0.78,该目标脸部特征与第一人员脸部特征B之间的第一匹配率为0.73,则可以将第一阈值提高至0.75,即可确定该目标脸部特征与第一人员脸部特征A相互匹配,最终确定的人员身份即为A对应的人员身份。
进一步的,若所述各个第一人员脸部特征中不存在所述第一匹配率高于第一阈值的第一人员脸部特征,则根据所述目标脸部特征构建新的第一人员脸部特征,并为所述新的第一人员脸部特征设置对应的新人员身份,将所述新人员身份确定为所述任意一帧所述目标图像中的人脸图像对应的人员身份,并设定所述新人员身份对应的统计次数为零。
在某些情况下,所述各个第一人员脸部特征中与所述目标脸部特征之间的第一匹配率高于第一阈值的第一人员脸部特征的数量为0,此时认为所述目标脸部特征来源于相关信息未录入***数据库的新人员,可以根据所述目标脸部特征构建新的第一人员脸部特征,并为所述新的第一人员脸部特征设置对应的新人员身份,将所述新人员身份确定为所述任意一帧所述目标图像中的人脸图像对应的人员身份,并设定所述新人员身份对应的统计次数为零。通过这样设置,***能够自动采集并存储新人员对应的相关信息。
在顾客光顾次数统计等应用场景中,检测到的人脸图像有可能来源于店员,由于店员信息不会记录于已有的顾客数据库中,为了避免将获取到的店员人脸图像识别为新顾客的人脸图像,可以增加以下步骤:
更进一步的,若所述各个第一人员脸部特征中不存在所述第一匹配率高于第一阈值的第一人员脸部特征,在根据所述目标脸部特征构建新的第一人员脸部特征之前,还可以包括:
将所述目标脸部特征分别与预先建立的各个第二人员脸部特征进行匹配,得到各个所述第二人员脸部特征的第二匹配率;
若所述各个第二人员脸部特征中不存在所述第二匹配率高于第二阈值的第二人员脸部特征,则执行根据所述目标脸部特征构建新的第一人员脸部特征的步骤。
所述第二人员脸部特征来源于无需执行次数统计的特定人群,比如顾客光顾次数统计中的店员。在根据所述目标脸部特征构建新的第一人员脸部特征之前,先将该目标脸部特征与各个第二人员脸部特征进行匹配,在确定该目标脸部特征不属于第二人员脸部特征的特定人群之后,再执行根据所述目标脸部特征构建新的第一人员脸部特征的步骤,这样即可避免将特定人群误识别为新人员身份,进一步提高所述统计方法的实用性。
207、根据相同的方法确定获取到的每帧目标图像中的人脸图像分别对应的人员身份;
将步骤203中获取到的每帧目标图像都按照步骤204至206进行操作,以确定获取到的每帧目标图像中的人脸图像分别对应的人员身份。
208、对确定出的不同人员身份所对应的统计次数分别累加一次。
步骤208与步骤105相同,具体可参照步骤105的相关说明。
在本发明实施例中,按照第一频率实时采集预设区域内的目标图像;检测所述目标图像中是否存在人脸图像;若检测到所述目标图像中存在人脸图像,则每隔第一时长获取一帧所述目标图像,直至所述目标图像中检测不到人脸图像;提取任意一帧获取到的所述目标图像中的人脸图像的目标脸部特征;将所述目标脸部特征分别与预先建立的各个第一人员脸部特征进行匹配,得到各个所述第一人员脸部特征的第一匹配率,每个所述第一人员脸部特征对应一个人员身份;将所述各个第一人员脸部特征中所述第一匹配率高于第一阈值的第一人员脸部特征所对应的人员身份确定为所述任意一帧所述目标图像中的人脸图像对应的人员身份;根据相同的方法确定获取到的每帧目标图像中的人脸图像分别对应的人员身份;对确定出的不同人员身份所对应的统计次数分别累加一次。若将上述方法应用于顾客光顾次数的统计,即使获取到同一顾客的多幅动态人脸图像,由于这些动态人脸图像都对应于同一个人员身份,在信息统计时该人员身份对应的统计次数只会累加一次,因而解决了误识为多次光顾的问题,提高了顾客光顾次数统计的准确性。
请参阅图3,示出了本发明实施例中一种人员信息的统计方法在一个实际应用场景下的流程图。
本应用场景为顾客光顾次数的统计,在店铺门口的指定位置设置有网络摄像机,在***的数据库中保存着已有顾客的脸部特征以及对应的光顾次数等顾客信息,该数据库中还保存着店员的脸部特征等店员信息。
该实际应用场景的流程包括:
301、按照第一频率实时采集店门区域的图像;
由于顾客光顾店铺时必然通过店门,因此选择店门区域为图像的采集区域,利用网络摄像机按照第一频率实时采集店门区域的图像。
302、检测所述图像中是否存在人脸图像;
时刻检测所述图像中是否存在人脸图像,即检测是否有人通过店门区域。若检测到人脸图像,则执行步骤303,否则停留在步骤302。
303、每隔第一时长获取一帧所述图像,直至所述图像中检测不到人脸图像;
当检测到有人进入店门区域时,开始每隔第一时长获取一帧所述图像,直至所述图像中检测不到人脸图像,即直至所有人离开店门区域为止。
304、对获取到的每帧所述图像中的人脸图像分别进行人脸识别,确定每帧所述图像中的人脸图像分别对应的顾客身份;
具体的,提取获取到的每帧所述图像中的人脸图像的脸部特征,将提取到的脸部特征分别与数据库中保存着的各个已有顾客的脸部特征进行匹配,若某个已有顾客的脸部特征与该提取到的脸部特征的匹配率高于预设的阈值,则确定当前获取到的人脸图像为该已有顾客的人脸图像,从而确定当前获取到的人脸图像所对应的顾客身份。若所有已有顾客的脸部特征与该提取到的脸部特征的匹配率都低于预设的阈值,则说明当前获取到的人脸图像不属于已有顾客,此时先将该人脸图像的脸部特征与数据库中保存的店员脸部特征进行匹配,判断该人脸图像是否属于店员;若该人脸图像不属于店员,则说明该人脸图像属于新顾客,此时将其脸部特征存入数据库中,并为其建立对应的新顾客身份,新顾客身份的预置光顾次数为0;若该人脸图像属于店员,则不必存储其脸部特征。
305、对确定出的不同顾客身份所对应的光顾次数分别累加一次。
无论是新顾客或者老顾客,对确定出的不同顾客身份所对应的光顾次数均分别累加一次。与此同时,若某个顾客身份所对应的光顾次数达到某个阈值,可以将其录入VIP客户。
在上述应用场景中,即使获取到同一顾客的多幅动态人脸图像,由于这些动态人脸图像都对应于同一个顾客身份,在信息统计时该顾客身份对应的光顾次数只会累加一次,不存在误识为多次光顾的问题。而且,对于新顾客还能自动录入脸部特征信息,同时为其建立新的顾客身份以及预置初始的光顾次数,大大提高了实用性。另外,本方法还能避免将店员误识为新顾客,进一步提高了顾客光顾次数统计的准确性。
应理解,上述各个实施例中各步骤的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本发明实施例的实施过程构成任何限定。
上面主要描述了一种人员信息的统计方法,下面将对一种人员信息的统计装置进行描述。
请参阅图4,本发明实施例中一种人员信息的统计装置的一个实施例包括:
图像采集模块401,用于按照第一频率实时采集预设区域内的目标图像;
人脸检测模块402,用于检测所述目标图像中是否存在人脸图像;
图像获取模块403,用于若检测到所述目标图像中存在人脸图像,则每隔第一时长获取一帧所述目标图像,直至所述目标图像中检测不到人脸图像;
人脸识别模块404,用于对获取到的每帧所述目标图像中的人脸图像分别进行人脸识别,确定每帧所述目标图像中的人脸图像分别对应的人员身份;
统计次数累加模块405,用于对确定出的不同人员身份所对应的统计次数分别累加一次。
进一步的,所述统计次数累加模块405具体可以用于:
对确定出的不同人员身份所对应的统计次数分别累加一次,且所述确定出的人员身份的统计次数在第二时长内最多累加一次。
本发明实施例还提供一种终端设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现如图1或图2表示的任意一种人员信息的统计方法的步骤。
本发明实施例还提供一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现如图1或图2表示的任意一种人员信息的统计方法的步骤。
图5是本发明一实施例提供的终端设备的示意图。如图5所示,该实施例的终端设备5包括:处理器50、存储器51以及存储在所述存储器51中并可在所述处理器50上运行的计算机程序52。所述处理器50执行所述计算机程序52时实现上述各个人员信息的统计方法的实施例中的步骤,例如图1所示的步骤101至105。或者,所述处理器50执行所述计算机程序52时实现上述各装置实施例中各模块/单元的功能,例如图4所示模块401至405的功能。
所述计算机程序52可以被分割成一个或多个模块/单元,所述一个或者多个模块/单元被存储在所述存储器51中,并由所述处理器50执行,以完成本发明。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段,该指令段用于描述所述计算机程序52在所述终端设备5中的执行过程。
所述终端设备5可以是各种类型的手机、桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述终端设备可包括,但不仅限于,处理器50、存储器51。本领域技术人员可以理解,图5仅仅是终端设备5的示例,并不构成对终端设备5的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件,例如所述终端设备5还可以包括输入输出设备、网络接入设备、总线等。
所称处理器50可以是中央处理单元(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
所述存储器51可以是所述终端设备5的内部存储单元,例如终端设备5的硬盘或内存。所述存储器51也可以是所述终端设备5的外部存储设备,例如所述终端设备5上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)等。进一步地,所述存储器51还可以既包括所述终端设备5的内部存储单元也包括外部存储设备。所述存储器51用于存储所述计算机程序以及所述终端设备所需的其他程序和数据。所述存储器51还可以用于暂时地存储已经输出或者将要输出的数据。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,仅以上述各功能单元、模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能单元、模块完成,即将所述装置的内部结构划分成不同的功能单元或模块,以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块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,上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。另外,各功能单元、模块的具体名称也只是为了便于相互区分,并不用于限制本申请的保护范围。
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***,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。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述或记载的部分,可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
在本发明所提供的实施例中,应该理解到,所揭露的装置和方法,可以通过其它的方式实现。例如,以上所描述的***实施例仅仅是示意性的,例如,所述模块或单元的划分,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,例如多个单元或组件可以结合或者可以集成到另一个***,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讯连接可以是通过一些接口,装置或单元的间接耦合或通讯连接,可以是电性,机械或其它的形式。
所述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,在本发明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。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的单元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,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明实现上述实施例方法中的全部或部分流程,也可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个方法实施例的步骤。其中,所述计算机程序包括计算机程序代码,所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,RandomAccess Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是,所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减,例如在某些司法管辖区,根据立法和专利实践,计算机可读介质不包括是电载波信号和电信信号。
以上所述实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解: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;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围,均应包含在本发明的保护范围之内。
Claims (10)
1.一种人员信息的统计方法,其特征在于,包括:
按照第一频率实时采集预设区域内的目标图像;
检测所述目标图像中是否存在人脸图像;
若检测到所述目标图像中存在人脸图像,则每隔第一时长获取一帧所述目标图像,直至所述目标图像中检测不到人脸图像;
对获取到的每帧所述目标图像中的人脸图像分别进行人脸识别,确定每帧所述目标图像中的人脸图像分别对应的人员身份;
对确定出的不同人员身份所对应的统计次数分别累加一次。
2.如权利要求1所述的人员信息的统计方法,其特征在于,获取到的任意一帧所述目标图像中的人脸图像对应的人员身份通过以下步骤确定:
提取任意一帧所述目标图像中的人脸图像的目标脸部特征;
将所述目标脸部特征分别与预先建立的各个第一人员脸部特征进行匹配,得到各个所述第一人员脸部特征的第一匹配率,每个所述第一人员脸部特征对应一个人员身份;
将所述各个第一人员脸部特征中所述第一匹配率高于第一阈值的第一人员脸部特征所对应的人员身份确定为所述任意一帧所述目标图像中的人脸图像对应的人员身份。
3.如权利要求2所述的人员信息的统计方法,其特征在于,还包括:
若所述各个第一人员脸部特征中所述第一匹配率高于第一阈值的第一人员脸部特征的数量超过一个,则按照预设的比例提高所述第一阈值,重新执行确定所述各个第一人员脸部特征中所述第一匹配率高于第一阈值的第一人员脸部特征的步骤,直至所述第一匹配率高于第一阈值的第一人员脸部特征的数量小于或等于一个。
4.如权利要求2所述的人员信息的统计方法,其特征在于,还包括:
若所述各个第一人员脸部特征中不存在所述第一匹配率高于第一阈值的第一人员脸部特征,则根据所述目标脸部特征构建新的第一人员脸部特征,并为所述新的第一人员脸部特征设置对应的新人员身份,将所述新人员身份确定为所述任意一帧所述目标图像中的人脸图像对应的人员身份,并设定所述新人员身份对应的统计次数为零。
5.如权利要求4所述的人员信息的统计方法,其特征在于,若所述各个第一人员脸部特征中不存在所述第一匹配率高于第一阈值的第一人员脸部特征,在根据所述目标脸部特征构建新的第一人员脸部特征之前,还包括:
将所述目标脸部特征分别与预先建立的各个第二人员脸部特征进行匹配,得到各个所述第二人员脸部特征的第二匹配率;
若所述各个第二人员脸部特征中不存在所述第二匹配率高于第二阈值的第二人员脸部特征,则执行根据所述目标脸部特征构建新的第一人员脸部特征的步骤。
6.如权利要求1至5中任一项所述的人员信息的统计方法,其特征在于,所述对确定出的不同人员身份所对应的统计次数分别累加一次具体为:
对确定出的不同人员身份所对应的统计次数分别累加一次,且所述确定出的人员身份的统计次数在第二时长内最多累加一次。
7.一种人员信息的统计装置,其特征在于,包括:
图像采集模块,用于按照第一频率实时采集预设区域内的目标图像;
人脸检测模块,用于检测所述目标图像中是否存在人脸图像;
图像获取模块,用于若检测到所述目标图像中存在人脸图像,则每隔第一时长获取一帧所述目标图像,直至所述目标图像中检测不到人脸图像;
人脸识别模块,用于对获取到的每帧所述目标图像中的人脸图像分别进行人脸识别,确定每帧所述目标图像中的人脸图像分别对应的人员身份;
统计次数累加模块,用于对确定出的不同人员身份所对应的统计次数分别累加一次。
8.如权利要求7所述的人员信息的统计装置,其特征在于,所述统计次数累加模块具体用于:
对确定出的不同人员身份所对应的统计次数分别累加一次,且所述确定出的人员身份的统计次数在第二时长内最多累加一次。
9.一种终端设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至6中任一项所述的人员信息的统计方法的步骤。
10.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至6中任一项所述的人员信息的统计方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710914439.9A CN107679613A (zh) | 2017-09-30 | 2017-09-30 | 一种人员信息的统计方法、装置、终端设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710914439.9A CN107679613A (zh) | 2017-09-30 | 2017-09-30 | 一种人员信息的统计方法、装置、终端设备和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107679613A true CN107679613A (zh) | 2018-02-09 |
Family
ID=61138688
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710914439.9A Pending CN107679613A (zh) | 2017-09-30 | 2017-09-30 | 一种人员信息的统计方法、装置、终端设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107679613A (zh) |
Cited By (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108564038A (zh) * | 2018-04-16 | 2018-09-21 | 上海小蚁科技有限公司 | 顾客访问量的统计方法及装置、存储介质、终端 |
CN108597065A (zh) * | 2018-03-12 | 2018-09-28 | 南京甄视智能科技有限公司 | 基于人脸识别的客流统计方法 |
CN108810485A (zh) * | 2018-07-02 | 2018-11-13 | 重庆中科云丛科技有限公司 | 一种监控***工作方法 |
CN109145707A (zh) * | 2018-06-20 | 2019-01-04 | 北京市商汤科技开发有限公司 | 图像处理方法及装置、电子设备和存储介质 |
CN109190586A (zh) * | 2018-09-18 | 2019-01-11 | 图普科技(广州)有限公司 | 顾客到访分析方法、装置及存储介质 |
CN109344765A (zh) * | 2018-09-28 | 2019-02-15 | 广州云从人工智能技术有限公司 | 一种针对连锁门店入店人员分析的智能分析方法 |
CN109360205A (zh) * | 2018-12-07 | 2019-02-19 | 泰康保险集团股份有限公司 | 双录视频质检方法、装置、介质和电子设备 |
CN109376637A (zh) * | 2018-10-15 | 2019-02-22 | 齐鲁工业大学 | 基于视频监控图像处理的人数统计*** |
CN109409962A (zh) * | 2018-11-08 | 2019-03-01 | 北京旷视科技有限公司 | 图像处理方法、装置、电子设备、计算机可读存储介质 |
CN110874878A (zh) * | 2018-08-09 | 2020-03-10 | 深圳云天励飞技术有限公司 | 行人分析方法、装置、终端及存储介质 |
CN110969050A (zh) * | 2018-09-29 | 2020-04-07 | 上海小蚁科技有限公司 | 员工的工作状态检测方法、装置、存储介质、终端 |
CN110969045A (zh) * | 2018-09-28 | 2020-04-07 | 杭州海康威视数字技术股份有限公司 | 一种行为检测方法、装置、电子设备和存储介质 |
CN111046817A (zh) * | 2019-12-18 | 2020-04-21 | 深圳市捷顺科技实业股份有限公司 | 一种人员计数方法及相关设备 |
CN111126119A (zh) * | 2018-11-01 | 2020-05-08 | 百度在线网络技术(北京)有限公司 | 基于人脸识别的到店用户行为统计方法和装置 |
CN111400687A (zh) * | 2020-03-09 | 2020-07-10 | 京东数字科技控股有限公司 | 鉴权方法、装置和机器人 |
CN111639689A (zh) * | 2020-05-20 | 2020-09-08 | 杭州海康威视***技术有限公司 | 人脸数据处理方法、装置及计算机可读存储介质 |
CN111951058A (zh) * | 2020-08-24 | 2020-11-17 | 珠海格力电器股份有限公司 | 基于电子价签的商品关注度分析方法、装置及*** |
CN112070020A (zh) * | 2020-09-09 | 2020-12-11 | 精英数智科技股份有限公司 | 入井人数的统计方法、装置、电子设备及可读存储介质 |
CN112200084A (zh) * | 2020-10-10 | 2021-01-08 | 华航高科(北京)技术有限公司 | 用于视频流的人脸识别方法、装置、电子设备以及存储介质 |
CN112835954A (zh) * | 2021-01-26 | 2021-05-25 | 浙江大华技术股份有限公司 | 一种确定目标服务对象的方法和装置及设备 |
CN113887541A (zh) * | 2021-12-06 | 2022-01-04 | 北京惠朗时代科技有限公司 | 一种应用于公司管理的多区域员工数量检测方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105488478A (zh) * | 2015-12-02 | 2016-04-13 | 深圳市商汤科技有限公司 | 一种人脸识别***和方法 |
CN205451095U (zh) * | 2015-12-02 | 2016-08-10 | 深圳市商汤科技有限公司 | 一种人脸识别装置 |
US20170011256A1 (en) * | 2014-05-08 | 2017-01-12 | Shutterfly, Inc. | Image product creation based on face images grouped using image product statistics |
CN106384237A (zh) * | 2016-08-31 | 2017-02-08 | 北京志光伯元科技有限公司 | 基于人脸识别的会员认证和管理方法、装置及*** |
-
2017
- 2017-09-30 CN CN201710914439.9A patent/CN107679613A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20170011256A1 (en) * | 2014-05-08 | 2017-01-12 | Shutterfly, Inc. | Image product creation based on face images grouped using image product statistics |
CN105488478A (zh) * | 2015-12-02 | 2016-04-13 | 深圳市商汤科技有限公司 | 一种人脸识别***和方法 |
CN205451095U (zh) * | 2015-12-02 | 2016-08-10 | 深圳市商汤科技有限公司 | 一种人脸识别装置 |
CN106384237A (zh) * | 2016-08-31 | 2017-02-08 | 北京志光伯元科技有限公司 | 基于人脸识别的会员认证和管理方法、装置及*** |
Non-Patent Citations (1)
Title |
---|
余程胜等: "《微型机与应用2016年第35卷第12期》", 30 June 2016 * |
Cited By (29)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108597065A (zh) * | 2018-03-12 | 2018-09-28 | 南京甄视智能科技有限公司 | 基于人脸识别的客流统计方法 |
CN108564038A (zh) * | 2018-04-16 | 2018-09-21 | 上海小蚁科技有限公司 | 顾客访问量的统计方法及装置、存储介质、终端 |
CN109145707B (zh) * | 2018-06-20 | 2021-09-14 | 北京市商汤科技开发有限公司 | 图像处理方法及装置、电子设备和存储介质 |
CN109145707A (zh) * | 2018-06-20 | 2019-01-04 | 北京市商汤科技开发有限公司 | 图像处理方法及装置、电子设备和存储介质 |
CN108810485A (zh) * | 2018-07-02 | 2018-11-13 | 重庆中科云丛科技有限公司 | 一种监控***工作方法 |
CN110874878A (zh) * | 2018-08-09 | 2020-03-10 | 深圳云天励飞技术有限公司 | 行人分析方法、装置、终端及存储介质 |
CN109190586B (zh) * | 2018-09-18 | 2019-06-11 | 图普科技(广州)有限公司 | 顾客到访分析方法、装置及存储介质 |
CN109190586A (zh) * | 2018-09-18 | 2019-01-11 | 图普科技(广州)有限公司 | 顾客到访分析方法、装置及存储介质 |
WO2020056915A1 (zh) * | 2018-09-18 | 2020-03-26 | 图普科技(广州)有限公司 | 顾客到访分析方法、装置及存储介质 |
CN110969045B (zh) * | 2018-09-28 | 2023-06-02 | 杭州海康威视数字技术股份有限公司 | 一种行为检测方法、装置、电子设备和存储介质 |
CN109344765A (zh) * | 2018-09-28 | 2019-02-15 | 广州云从人工智能技术有限公司 | 一种针对连锁门店入店人员分析的智能分析方法 |
CN110969045A (zh) * | 2018-09-28 | 2020-04-07 | 杭州海康威视数字技术股份有限公司 | 一种行为检测方法、装置、电子设备和存储介质 |
CN110969050A (zh) * | 2018-09-29 | 2020-04-07 | 上海小蚁科技有限公司 | 员工的工作状态检测方法、装置、存储介质、终端 |
CN109376637B (zh) * | 2018-10-15 | 2021-03-02 | 齐鲁工业大学 | 基于视频监控图像处理的人数统计*** |
CN109376637A (zh) * | 2018-10-15 | 2019-02-22 | 齐鲁工业大学 | 基于视频监控图像处理的人数统计*** |
CN111126119A (zh) * | 2018-11-01 | 2020-05-08 | 百度在线网络技术(北京)有限公司 | 基于人脸识别的到店用户行为统计方法和装置 |
CN109409962A (zh) * | 2018-11-08 | 2019-03-01 | 北京旷视科技有限公司 | 图像处理方法、装置、电子设备、计算机可读存储介质 |
CN109360205A (zh) * | 2018-12-07 | 2019-02-19 | 泰康保险集团股份有限公司 | 双录视频质检方法、装置、介质和电子设备 |
CN111046817A (zh) * | 2019-12-18 | 2020-04-21 | 深圳市捷顺科技实业股份有限公司 | 一种人员计数方法及相关设备 |
CN111400687A (zh) * | 2020-03-09 | 2020-07-10 | 京东数字科技控股有限公司 | 鉴权方法、装置和机器人 |
CN111400687B (zh) * | 2020-03-09 | 2024-02-09 | 京东科技控股股份有限公司 | 鉴权方法、装置和机器人 |
CN111639689A (zh) * | 2020-05-20 | 2020-09-08 | 杭州海康威视***技术有限公司 | 人脸数据处理方法、装置及计算机可读存储介质 |
CN111639689B (zh) * | 2020-05-20 | 2023-07-25 | 杭州海康威视***技术有限公司 | 人脸数据处理方法、装置及计算机可读存储介质 |
CN111951058A (zh) * | 2020-08-24 | 2020-11-17 | 珠海格力电器股份有限公司 | 基于电子价签的商品关注度分析方法、装置及*** |
CN112070020A (zh) * | 2020-09-09 | 2020-12-11 | 精英数智科技股份有限公司 | 入井人数的统计方法、装置、电子设备及可读存储介质 |
CN112070020B (zh) * | 2020-09-09 | 2024-02-09 | 精英数智科技股份有限公司 | 入井人数的统计方法、装置、电子设备及可读存储介质 |
CN112200084A (zh) * | 2020-10-10 | 2021-01-08 | 华航高科(北京)技术有限公司 | 用于视频流的人脸识别方法、装置、电子设备以及存储介质 |
CN112835954A (zh) * | 2021-01-26 | 2021-05-25 | 浙江大华技术股份有限公司 | 一种确定目标服务对象的方法和装置及设备 |
CN113887541A (zh) * | 2021-12-06 | 2022-01-04 | 北京惠朗时代科技有限公司 | 一种应用于公司管理的多区域员工数量检测方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107679613A (zh) | 一种人员信息的统计方法、装置、终端设备和存储介质 | |
CN108038937A (zh) | 一种迎宾信息的展示方法、装置、终端设备和存储介质 | |
CN102124493B (zh) | 脸部识别装置、人物图像检索***、以及脸部识别装置的控制方法 | |
CN109920174B (zh) | 图书借阅方法、装置、电子设备及存储介质 | |
CN108351967A (zh) | 一种多人脸检测方法、装置、服务器、***及存储介质 | |
CN106856015B (zh) | 一种考勤方法及装置 | |
CN102945366A (zh) | 一种人脸识别的方法及装置 | |
CN101739742B (zh) | 联网式多通道门禁考勤*** | |
CN106846564A (zh) | 一种智能门禁***及控制方法 | |
CN108197592B (zh) | 信息获取方法和装置 | |
CN105160318A (zh) | 基于面部表情的测谎方法及*** | |
CN105809178A (zh) | 一种基于人脸属性的人群分析方法及装置 | |
CN108446681B (zh) | 行人分析方法、装置、终端及存储介质 | |
CN109829072A (zh) | 构建图谱方法及相关装置 | |
CN105989174A (zh) | 关注区域提取装置以及关注区域提取方法 | |
CN108108711A (zh) | 人脸布控方法、电子设备及存储介质 | |
CN112199530B (zh) | 多维度脸库图片自动更新方法、***、设备及介质 | |
CN110363747A (zh) | 智能化异常细胞判断方法、装置及计算机可读存储介质 | |
CN109712291A (zh) | 电子闸门的开启方法、装置及服务器 | |
CN110363180A (zh) | 一种统计陌生人人脸重复出现的方法和装置以及设备 | |
CN109801056A (zh) | 一种交通计费的方法及装置 | |
CN112580531A (zh) | 一种真假车牌的识别检测方法及*** | |
CN109801394B (zh) | 一种工作人员考勤方法及装置、电子设备和可读存储介质 | |
CN111178339A (zh) | 用户身份识别方法、装置、设备及介质 | |
US20200012772A1 (en) | Systems and methods for matching identity and readily accessible personal identifier information based on transaction timestamp |
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 |
Application publication date: 20180209 |
|
RJ01 | Rejection of invention patent application after publication |