CN110135274A - 一种基于人脸识别的人流量统计方法 - Google Patents
一种基于人脸识别的人流量统计方法 Download PDFInfo
- Publication number
- CN110135274A CN110135274A CN201910318566.1A CN201910318566A CN110135274A CN 110135274 A CN110135274 A CN 110135274A CN 201910318566 A CN201910318566 A CN 201910318566A CN 110135274 A CN110135274 A CN 110135274A
- Authority
- CN
- China
- Prior art keywords
- image
- testing image
- testing
- carried out
- face
- 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
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
- G06V20/53—Recognition of crowd images, e.g. recognition of crowd congestion
-
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Human Computer Interaction (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种基于人脸识别的人流量统计方法,包括采集待测图像;对待测图像进行图像预处理;将清晰度不足的待测图像删除;对待测图像进行光照补偿;提取矩形特征,生成高维矩阵;将高维矩阵输入到分类器中;提取待测图像中的人脸区域,对人脸图像与数据库中存储的人脸图像进行匹配,匹配不成功,则对人流量进行加1操作;将所述人流量实时上传。本申请通过对待测图像进行预处理以及光照补偿操作,提高待测图像的质量以及后期人脸识别的准确度;之后通过提取矩形特征,生成高维矩阵,将高维矩阵输入到分类器中判断出待测图像是否存在人脸,最后将待测图像中的人脸图像与数据库中的人脸图像进行匹配,从而得到高准确度的人流量数据。
Description
技术领域
本发明涉及人脸识别技术领域,更具体地说涉及一种基于人脸识别的人流量统计方法。
背景技术
现在对于大型场所(游乐场或者景区等地方)控制实时人流量是保证各大场所正常运营的必要措施,传统的人流量统计手段主要是依靠在场人员人为主观地进行统计判断,准确度低,实时性差,难以及时的避免各类安全事故的发生。
为了解决上述问题,个别的场所管理人员采用射频识别(RFID)技术作为场所人流量统计的手段,虽然在一定程度上提高了人流量统计的准确度,同时还能够减轻工作人员的工作负担,但是由于现在的人们都是随身携带着各种通信设备,容易对射频识别设备造成干扰,导致对人流量的统计结果造成影响,即目前利用射频识别方案对人流量的统计准确度依然不足。
发明内容
本发明要解决的技术问题是:提供一种准确度高的、基于人脸识别的人流量统计方法。
本发明解决其技术问题的解决方案是:
一种基于人脸识别的人流量统计方法,包括以下步骤:
步骤100,采集实时的视频片段,从所述视频片段中以读帧的方式采集待测图像;
步骤200,对所采集的待测图像进行图像预处理操作;
步骤300,判断各个待测图像是否清晰,并将清晰度不足的待测图像删除;
步骤400,对保留下来的待测图像进行光照补偿操作;
步骤500,对所述待测图像进行矩形特征提取,生成高维矩阵;
步骤600,将所述高维矩阵输入到分类器中,所述分类器输出待测图像中的人脸检测结果;
步骤700,若所述分类器判断出所述待测图像中存在人脸,将待测图像中的人脸区域提取出来,生成人脸图像,对所述人脸图像与数据库中存储的各个人脸图像进行匹配识别,若匹配不成功,则对人流量进行加1操作,同时将人脸图像存入到数据库中,若匹配成功,无需进行任何操作,若所述分类器判断出待测图像中不存在人脸,无需进行任何操作;
步骤800,将所述人流量实时发送到云端服务器和/或手机APP和/或显示屏上。
作为上述技术方案的进一步改进,步骤200中对所采集的待测图像进行图像预处理操作包括以下步骤:
步骤210,对所述待测图像进行直方图均衡化操作;
步骤220,对所述待测图像进行平滑滤波操作。
作为上述技术方案的进一步改进,所述步骤300包括以下步骤:
步骤310,设定图像清晰度阈值;
步骤320,对所述待测图像进行灰度化处理;
步骤330,通过公式1计算待测图像的图像清晰度,公式1如下所示:
D(f)=∑y∑x[|f(x,y)-f(x,y-1)|+|f(x,y)-f(x+1,y)|]
其中D(f)表示图像清晰度,f(x,y)表示待测图像坐标为(x,y)处的灰度值;
步骤340,将图像清晰度低于所设置的图像清晰度阈值的待测图像删除。
作为上述技术方案的进一步改进,步骤400包括以下步骤:
步骤410,获取待测图像中各个像素点亮度;
步骤420,对待测图像的各个像素点亮度按照从高到低的顺序排列,提取排列前5%的像素点;
步骤430,将所提取的像素点亮度作为参考白0,将所提取的像素点的RGB颜色分量值均调整为255,计算光照补偿系数;
步骤440,将待测图像中各个像素点亮度乘以所述光照补偿系数,使得待测图像的亮度按照光照补偿系数线性放大。
作为上述技术方案的进一步改进,步骤500包括以下步骤:
步骤510,设置若干个特征模板,将所述待测图像划分成多个子窗口;
步骤520,将各个所述特征模板依次放置在待测图像的各个子窗口上;
步骤530,利用积分图计算各个子窗口所对应的特征模板的特征值,各个所述特征模板的特征值组成高维矩阵。
作为上述技术方案的进一步改进,步骤700中通过计算待测图像与数据库中各个人脸图像之间的欧氏距离判断待测图像与数据库中各个人脸图像是否匹配。
本发明的有益效果是:本发明通过对待测图像进行预处理以及光照补偿操作,提高待测图像的质量以及后期人脸识别的准确度;之后通过提取矩形特征,生成高维矩阵,将高维矩阵输入到分类器中判断出待测图像是否存在人脸,最后将待测图像中的人脸图像与数据库中的人脸图像进行匹配,从而得到高准确度的人流量数据。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单说明。显然,所描述的附图只是本发明的一部分实施例,而不是全部实施例,本领域的技术人员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设计方案和附图。
图1是本发明的方法流程图。
具体实施方式
以下将结合实施例和附图对本发明的构思、具体结构及产生的技术效果进行清楚、完整的描述,以充分地理解本发明的目的、特征和效果。显然,所描述的实施例只是本申请的一部分实施例,而不是全部实施例,基于本申请的实施例,本领域的技术人员在不付出创造性劳动的前提下所获得的其他实施例,均属于本申请保护的范围。另外,文中所提到的所有连接关系,并非单指构建直接相接,而是指可根据具体实施情况,通过添加或减少连接辅件,来组成更优的连接结构。本发明创造中的各个技术特征,在不互相矛盾冲突的前提下可以交互组合。最后需要说明的是,如文中术语“中心、上、下、左、右、竖直、水平、内、外”等指示的方位或位置关系则为基于附图所示的方位或位置关系,仅是为了便于描述本技术方案和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本申请的限制。
参照图1,为解决现有技术中人流量统计准确度不高的技术问题,本申请提供了一种基于人脸识别的人流量统计方法,所述人流量统计方法的第一实施例,包括以下步骤:
步骤100,采集实时的视频片段,从所述视频片段中以读帧的方式采集待测图像;
步骤200,对所采集的待测图像进行图像预处理操作;
步骤300,判断各个待测图像是否清晰,并将清晰度不足的待测图像删除;
步骤400,对保留下来的待测图像进行光照补偿操作;
步骤500,对所述待测图像进行矩形特征提取,生成高维矩阵;
步骤600,将所述高维矩阵输入到分类器中,所述分类器输出待测图像中的人脸检测结果;
步骤700,若所述分类器判断出所述待测图像中存在人脸,将待测图像中的人脸区域提取出来,生成人脸图像,对所述人脸图像与数据库中存储的各个人脸图像进行匹配识别,若匹配不成功,则对人流量进行加1操作,同时将人脸图像存入到数据库中,若匹配成功,无需进行任何操作,若所述分类器判断出待测图像中不存在人脸,无需进行任何操作;
步骤800,将所述人流量实时发送到云端服务器和/或手机APP和/或显示屏上。
具体地,本申请通过对待测图像进行预处理以及光照补偿操作,提高待测图像的质量以及后期人脸识别的准确度;之后通过提取矩形特征,生成高维矩阵,将高维矩阵输入到分类器中判断出待测图像是否存在人脸,最后将待测图像中的人脸图像与数据库中的人脸图像进行匹配,从而得到高准确度的人流量数据。
进一步作为优选的实施方式,本实施例中,步骤200中对所采集的待测图像进行图像预处理操作包括以下步骤:
步骤210,对所述待测图像进行直方图均衡化操作;
步骤220,对所述待测图像进行平滑滤波操作。
本实施例首先对所述待测图像进行直方图均衡化操作,对待测图像进行非线性拉伸,重新分配待测图像象元值,使一定灰度范围内象元值的数量大致相等,使原来直方图中间的峰顶部分对比度得到增强,而两侧的谷底部分对比度降低;之后对待测图像进行平滑滤波操作,将待测图像的噪声信息滤除,提高图像清晰视觉效果,本实施例通过求邻近像元点的平均亮度值实现平滑滤波,邻域越大平滑的效果越好,通过合理选择邻域的大小,使图像变得相对清晰。
进一步作为优选的实施方式,本实施例中,所述步骤300包括以下步骤:
步骤310,设定图像清晰度阈值;
步骤320,对所述待测图像进行灰度化处理;
步骤330,通过公式1计算待测图像的图像清晰度,公式1如下所示:
D(f)=∑y∑x[|f(x,y)-f(x,y-1)|+|f(x,y)-f(x+1,y)|]
其中D(f)表示图像清晰度,f(x,y)表示待测图像坐标为(x,y)处的灰度值;
步骤340,将图像清晰度低于所设置的图像清晰度阈值的待测图像删除。
具体地,本申请通过灰度变化作为评价待测图像清晰度的标准,准确度高,计算量较低,易于实现。
进一步作为优选的实施方式,本实施例中,步骤400包括以下步骤:
步骤410,获取待测图像中各个像素点亮度;
步骤420,对待测图像的各个像素点亮度按照从高到低的顺序排列,提取排列前5%的像素点;
步骤430,将所提取的像素点亮度作为参考白0,将所提取的像素点的RGB颜色分量值均调整为255,计算光照补偿系数,光照补偿系数其中i∈[lu,255]表示排列前5%的像素点亮度,fi表示i像素点的灰度值;
步骤440,将待测图像中各个像素点亮度乘以所述光照补偿系数,即xnew=xold/Mtop×255x∈{R,G,B},xnew表示光照补偿操作后像素点亮度,xold表示光照补偿操作前像素点亮度,使得待测图像的亮度按照光照补偿系数线性放大。
具体地,本实施例在实际应用过程中,由于外界环境光照强度的不致,导致从视频片段中获取的待测图像存在亮度信息不一致的技术问题,为此本实施例采用基于“参考白”算法的光照补偿操作,以抵消由于待测图像亮度信息不一致而存在的色彩偏差。
进一步作为优选的实施方式,本实施例中步骤500具体是通过Ada Boost算法判断待测图像中是否存在人脸,在检测过程中通过积分图构建算法实现待测图像特征值的计算,计算效率高,程序执行速度快,步骤500包括以下步骤:
步骤510,设置若干个特征模板,将所述待测图像划分成多个子窗口;
步骤520,将各个所述特征模板依次放置在待测图像的各个子窗口上;
步骤530,利用积分图计算各个子窗口所对应的特征模板的特征值,各个所述特征模板的特征值组成高维矩阵。
进一步作为优选的实施方式,本实施例中所述步骤700中通过计算待测图像与数据库中各个人脸图像之间的欧氏距离判断待测图像与数据库中各个人脸图像是否匹配。具体地,设待测图像的图像矩阵以及数据库中人脸图像的图像矩阵均有N个像素点,分别用N个元素值表示,从而组成待测图像的特征组,特征组形成了N维空间,特征组的每个像素点构成一维数值,在N维空间下,两个图像矩阵各形成了一个点,然后利用数学上的欧式距离公式计算这两个点之间的距离,距离最小者就是最匹配的图像。假设待测图像为A(x1,x2,x3,…xn),数据库中的人脸图像为B(y1,y2,y3,…yn),则待测图像与数据库中的人脸图像的欧氏距离为
以上对本申请的较佳实施方式进行了具体说明,但本申请并不限于所述实施例,熟悉本领域的技术人员在不违背本发明精神的前提下还可作出种种的等同变型或替换,这些等同的变型或替换均包含在本申请权利要求所限定的范围内。
Claims (6)
1.一种基于人脸识别的人流量统计方法,其特征在于,包括以下步骤:
步骤100,采集实时的视频片段,从所述视频片段中以读帧的方式采集待测图像;
步骤200,对所采集的待测图像进行图像预处理操作;
步骤300,判断各个待测图像是否清晰,并将清晰度不足的待测图像删除;
步骤400,对保留下来的待测图像进行光照补偿操作;
步骤500,对所述待测图像进行矩形特征提取,生成高维矩阵;
步骤600,将所述高维矩阵输入到分类器中,所述分类器输出待测图像中的人脸检测结果;
步骤700,若所述分类器判断出所述待测图像中存在人脸,将待测图像中的人脸区域提取出来,生成人脸图像,对所述人脸图像与数据库中存储的各个人脸图像进行匹配识别,若匹配不成功,则对人流量进行加1操作,同时将人脸图像存入到数据库中,若匹配成功,无需进行任何操作,若所述分类器判断出待测图像中不存在人脸,无需进行任何操作;
步骤800,将所述人流量实时发送到云端服务器和/或手机APP和/或显示屏上。
2.根据权利要求1所述的一种基于人脸识别的人流量统计方法,其特征在于,步骤200中对所采集的待测图像进行图像预处理操作包括以下步骤:
步骤210,对所述待测图像进行直方图均衡化操作;
步骤220,对所述待测图像进行平滑滤波操作。
3.根据权利要求1所述的一种基于人脸识别的人流量统计方法,其特征在于,所述步骤300包括以下步骤:
步骤310,设定图像清晰度阈值;
步骤320,对所述待测图像进行灰度化处理;
步骤330,通过公式1计算待测图像的图像清晰度,公式1如下所示:
D(f)=∑y∑x[|f(x,y)-f(x,y-1)|+|f(x,y)-f(x+1,y)|]
其中D(f)表示图像清晰度,f(x,y)表示待测图像坐标为(x,y)处的灰度值;
步骤340,将图像清晰度低于所设置的图像清晰度阈值的待测图像删除。
4.根据权利要求1所述的一种基于人脸识别的人流量统计方法,其特征在于,步骤400包括以下步骤:
步骤410,获取待测图像中各个像素点亮度;
步骤420,对待测图像的各个像素点亮度按照从高到低的顺序排列,提取排列前5%的像素点;
步骤430,将所提取的像素点亮度作为参考白0,将所提取的像素点的RGB颜色分量值均调整为255,计算光照补偿系数;
步骤440,将待测图像中各个像素点亮度乘以所述光照补偿系数,使得待测图像的亮度按照光照补偿系数线性放大。
5.根据权利要求1所述的一种基于人脸识别的人流量统计方法,其特征在于,步骤500包括以下步骤:
步骤510,设置若干个特征模板,将所述待测图像划分成多个子窗口;
步骤520,将各个所述特征模板依次放置在待测图像的各个子窗口上;
步骤530,利用积分图计算各个子窗口所对应的特征模板的特征值,各个所述特征模板的特征值组成高维矩阵。
6.根据权利要求1所述的一种基于人脸识别的人流量统计方法,其特征在于,步骤700中通过计算待测图像与数据库中各个人脸图像之间的欧氏距离判断待测图像与数据库中各个人脸图像是否匹配。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910318566.1A CN110135274B (zh) | 2019-04-19 | 2019-04-19 | 一种基于人脸识别的人流量统计方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910318566.1A CN110135274B (zh) | 2019-04-19 | 2019-04-19 | 一种基于人脸识别的人流量统计方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110135274A true CN110135274A (zh) | 2019-08-16 |
CN110135274B CN110135274B (zh) | 2023-06-16 |
Family
ID=67570620
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910318566.1A Active CN110135274B (zh) | 2019-04-19 | 2019-04-19 | 一种基于人脸识别的人流量统计方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110135274B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN112692826A (zh) * | 2020-12-08 | 2021-04-23 | 佛山科学技术学院 | 一种基于改进遗传算法的工业机器人轨迹优化方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103902978A (zh) * | 2014-04-01 | 2014-07-02 | 浙江大学 | 人脸检测及识别方法 |
CN105447459A (zh) * | 2015-11-18 | 2016-03-30 | 上海海事大学 | 一种无人机自动检测目标和跟踪方法 |
CN106971159A (zh) * | 2017-03-23 | 2017-07-21 | 中国联合网络通信集团有限公司 | 一种图像清晰度识别方法、身份认证方法及装置 |
CN107665361A (zh) * | 2017-09-30 | 2018-02-06 | 珠海芯桥科技有限公司 | 一种基于人脸识别的客流计数方法 |
CN109101888A (zh) * | 2018-07-11 | 2018-12-28 | 南京农业大学 | 一种游客人流量监控预警方法 |
-
2019
- 2019-04-19 CN CN201910318566.1A patent/CN110135274B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103902978A (zh) * | 2014-04-01 | 2014-07-02 | 浙江大学 | 人脸检测及识别方法 |
CN105447459A (zh) * | 2015-11-18 | 2016-03-30 | 上海海事大学 | 一种无人机自动检测目标和跟踪方法 |
CN106971159A (zh) * | 2017-03-23 | 2017-07-21 | 中国联合网络通信集团有限公司 | 一种图像清晰度识别方法、身份认证方法及装置 |
CN107665361A (zh) * | 2017-09-30 | 2018-02-06 | 珠海芯桥科技有限公司 | 一种基于人脸识别的客流计数方法 |
CN109101888A (zh) * | 2018-07-11 | 2018-12-28 | 南京农业大学 | 一种游客人流量监控预警方法 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN112692826A (zh) * | 2020-12-08 | 2021-04-23 | 佛山科学技术学院 | 一种基于改进遗传算法的工业机器人轨迹优化方法 |
CN112692826B (zh) * | 2020-12-08 | 2022-04-26 | 佛山科学技术学院 | 一种基于改进遗传算法的工业机器人轨迹优化方法 |
Also Published As
Publication number | Publication date |
---|---|
CN110135274B (zh) | 2023-06-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110059694B (zh) | 电力行业复杂场景下的文字数据的智能识别方法 | |
CN106023185B (zh) | 一种输电设备故障诊断方法 | |
CN110689531A (zh) | 一种基于yolo的输电线路机巡图像缺陷自动识别方法 | |
CN106682665B (zh) | 一种基于计算机视觉的七段式数显仪表数字识别方法 | |
CN109389569B (zh) | 基于改进DehazeNet的监控视频实时去雾方法 | |
CN109800698A (zh) | 基于深度网络的图标检测方法 | |
CN107038416A (zh) | 一种基于二值图像改进型hog特征的行人检测方法 | |
CN103295009B (zh) | 基于笔画分解的车牌字符识别方法 | |
CN113408662B (zh) | 图像识别、图像识别模型的训练方法和装置 | |
JP2021531571A (ja) | 証明書画像抽出方法及び端末機器 | |
CN106096603A (zh) | 一种融合多特征的动态火焰检测方法及装置 | |
CN112989995B (zh) | 文本检测方法、装置及电子设备 | |
CN111900694B (zh) | 一种基于自动识别的继电保护设备信息采集方法及*** | |
CN109815864A (zh) | 一种基于迁移学习的人脸图像年龄识别方法 | |
CN107264570A (zh) | 钢轨光带分布检测装置与方法 | |
CN110135274A (zh) | 一种基于人脸识别的人流量统计方法 | |
CN114022761A (zh) | 一种卫星遥感影像输电线路杆塔检测定位方法及装置 | |
CN111582654B (zh) | 基于深度循环神经网络的服务质量评价方法及其装置 | |
CN111414938A (zh) | 一种板式换热器内气泡的目标检测方法 | |
CN117854402A (zh) | 显示屏的异常显示检测方法、装置、终端设备 | |
CN108734158B (zh) | 一种实时列车车号识别方法及装置 | |
CN115909312A (zh) | 一种基于深度学习的板坯号实时检测与识别方法 | |
CN114820676A (zh) | 一种设备运行状态识别方法及装置 | |
CN114972335A (zh) | 一种用于工业检测的图像分类方法、装置及计算机设备 | |
CN112070048B (zh) | 基于RDSNet的车辆属性识别方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |