CN111428611A - 一种非注册运动人群的基于大数据面部识别***及方法 - Google Patents
一种非注册运动人群的基于大数据面部识别***及方法 Download PDFInfo
- Publication number
- CN111428611A CN111428611A CN202010196864.0A CN202010196864A CN111428611A CN 111428611 A CN111428611 A CN 111428611A CN 202010196864 A CN202010196864 A CN 202010196864A CN 111428611 A CN111428611 A CN 111428611A
- Authority
- CN
- China
- Prior art keywords
- unregistered
- image
- user
- unregistered user
- similarity
- 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
Classifications
-
- 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
- G06V40/168—Feature extraction; Face representation
- G06V40/171—Local features and components; Facial parts ; Occluding parts, e.g. glasses; Geometrical relationships
-
- 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
- G06V40/173—Classification, e.g. identification face re-identification, e.g. recognising unknown faces across different face tracks
-
- 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
- G06V40/50—Maintenance of biometric data or enrolment thereof
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- General Health & Medical Sciences (AREA)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Collating Specific Patterns (AREA)
- Image Analysis (AREA)
Abstract
本发明提供一种非注册运动人群的基于大数据面部识别***及方法,包括:S1、获取目标区域每个时间段人群的图像,通过面部识别***判断每个用户是否属于未注册用户,若是,则为每个未注册用户建立个人档案;S2、计算目标区域每个时间段人群的图像中的每个未注册用户的图像对应的最大相似度;S3、确定出未注册的相似度阈值;S4、判断目标区域每个时间段的人群的图像中是否存在相同的未注册用户的图像;S5、提取未注册用户的人体特征进行对比;S6、当未注册用户进行注册时,是否存在个人档案,若是,则将该未注册用户与其个人档案进行绑定并建立唯一的映射关系,并转为注册用户;具有成本低、可以直接服务非注册用户以提升服务效果。
Description
技术领域
本发明属于面部识别技术领域,具体涉及一种非注册运动人群的基于大数据面部识别***及方法。
背景技术
现在越来越多的人会到专业的健身场所(如健身房、健身工作室等等)进行运动健身。根据健身路径普及现状和国家全民健身要求,采用大数据与AI智能技术结合的方式,在一代健身路径的基础上不断改进,形成具有独特技术特点的智慧健身路径解决方案,通过专业摄像头捕捉运动人群特征和动作轨迹,经视觉识别技术和云端AI处理后,写入后端管理平台形成统计报表,并反馈给电子显示屏和手机APP,但是用户想要使用这一套体系就必须成为注册用户,往往很难服务到非注册用户,同时由于非注册用户体量相对较大,如果对其进行一一宣传注册,工作量巨大且成本高,为此,提出一种能够直接面向和服务非注册用户的非注册运动人群的基于大数据面部识别***及方法。
发明内容
本发明的目的是提供一种非注册运动人群的基于大数据面部识别***及方法,以解决在健身场所中,存在很多未注册用户,对这些未注册用户难以进行服务和管理的问题,同时如果对大量未注册用户进行宣传注册,工作量大成本高的问题。
本发明提供了如下的技术方案:
一种非注册运动人群的基于大数据面部识别方法,包括以下步骤:
S1、获取目标区域每个时间段人群的图像,人群中至少包括一个用户,通过面部识别***判断每个用户是否属于未注册用户,若是,则为每个未注册用户建立个人档案;所述未注册用户为面部识别***中不存在属于所述未注册用户的注册图像的用户;S2、计算目标区域每个时间段人群的图像中的每个未注册用户的图像对应的最大相似度;所述最大相似度为所述未注册用户的图像中的面部信息与面部识别***中的多个未注册用户的图像中的面部信息的相似度中的最大的相似度;S3、基于计算出的每个未注册用户的图像对应的最大相似度,确定出未注册的相似度阈值;S4、基于未注册的相似度阈值判断目标区域每个时间段的人群的图像中是否存在相同的未注册用户的图像,若是,则获取该相同的未注册用户在每个时间段的图像;S5、提取未注册用户的人体特征进行对比,并判断是否匹配,若是,则将相同的未注册用户的图像对应保存到该未注册用户的个人档案中;S6、当未注册用户进行注册时,通过面部识别***判断该未注册用户是否存在个人档案,若是,则将该未注册用户与其个人档案进行绑定并建立唯一的映射关系,并转为注册用户。
进一步的,所述通过面部识别***判断每个用户是否属于未注册用户包括,所述面部识别***基于在进行身份验证时采集到的用户的图像中的面部信息与所述面部识别***中已注册图像中的面部信息的相似度中的最大的相似度是否大于相似度阈值而确定所述用户是否属于未注册用户。
进一步的,所述计算目标区域每个时间段人群的图像中的每个未注册用户的图像对应的最大相似度包括:计算每个未注册用户的图像中的面部信息对应的特征向量与其他未注册用户的图像中的面部信息对应的特征向量的余弦相似度;将余弦相似度作为未注册用户的图像中的面部信息与其他未注册用户的图像中的面部信息的相似度。
进一步的,所述计算每个未注册用户的图像中的面部信息对应的特征向量与其他未注册用户的图像中的面部信息对应的特征向量的余弦相似度包括:计算每个未注册特征向量和其他未注册特征矩阵的乘积,得到每个未注册用户的图像中的面部信息对应的特征向量与其他未注册用户的图像中的面部信息对应的特征向量的余弦相似度,其中,其他未注册特征矩阵中的每列为一个未注册图像中的面部信息对应的特征向量。
进一步的,所述面部信息包括眼睛区块信息、颌区块信息、嘴唇区块信息、眉毛区块信息以及鼻子区块信息中的至少一种。
进一步的,所述基于未注册的相似度阈值判断目标区域每个时间段的人群的图像中是否存在相同的未注册用户的图像包括:判断目标区域每个时间段的人群的图像中是否存在未注册用户的图像中的面部信息的相似度大于未注册的相似度阈值,若是,则存在相同的未注册用户的图像。
一种非注册运动人群的基于大数据面部识别***,其特征在于,所述***包括:获取单元,配置用于获取目标区域每个时间段人群的图像;计算单元,配置用于计算多个未注册用户的图像中的每个未注册用户的图像对应的最大相似度;确定单元,配置用于基于计算出的每个未注册用户的图像对应的最大相似度,确定出未注册的相似度阈值;存储单元,配置用于将相同的未注册用户的图像对应保存到该未注册用户的个人档案中。
本发明的有益效果是:
本发明非注册运动人群的基于大数据面部识别方法及***,基于大数据面部识别***对目标区域的人群进行识别,区分出未注册用户,并且将未注册用户的图像进行归纳并保存;当该未注册用户注册时,可以直接绑定使用;综上,可以直接为未注册用户进行服务和统计,避免让未注册用户注册的高成本;同时,未注册用户注册时,可以直接获得之前的数据,服务体验更好。
附图说明
附图用来提供对本发明的进一步理解,并且构成说明书的一部分,与本发明的实施例一起用于解释本发明,并不构成对本发明的限制。在附图中:
图1是本发明方法流程示意图;
图2是本发明***结构示意图。
具体实施方式
如图1所示,一种非注册运动人群的基于大数据面部识别方法,包括以下步骤:
S1、获取目标区域每个时间段人群的图像,人群中至少包括一个用户,通过面部识别***判断每个用户是否属于未注册用户,若是,则为每个未注册用户建立个人档案;未注册用户为面部识别***中不存在属于未注册用户的注册图像的用户;
通过面部识别***判断每个用户是否属于未注册用户包括,面部识别***基于在进行身份验证时采集到的用户的图像中的面部信息与面部识别***中已注册图像中的面部信息的相似度中的最大的相似度是否大于相似度阈值而确定用户是否属于未注册用户。
在本实施例中,任何可能被面部识别***进行身份验证的人均可以称之为用户。在图像中的一个用户的面部可以称之为用户的面部对应的面部对象。当一个图像中仅包含一个用户的面部对应的面部对象时,则该图像可以称之为用户的图像。例如,用户的图像可以为仅包含一个用户的面部对应的面部对象的证件照;
本实施例中,注册图像可以是指预先在面部识别***中注册过的用户的图像。一个用户的图像在面部识别***中进行注册可以相当于面部识别***保存该用户的图像和该用户的图像所属的用户的对应关系;
在本实施例中,在面部识别***中未注册有属于一个用户的图像时,则可以将该用户称之为未注册用户。属于一个用户的任意一个用户的图像均未在面部识别***中注册过,则该用户可以称之为未注册用户;
在本实施例中,获取到的多个未注册用户的图像中,属于同一个未注册用户的图像的数量可以为多个。属于同一个未注册用户的每一个用户的图像均未在面部识别***中注册过。
S2、计算目标区域每个时间段人群的图像中的每个未注册用户的图像对应的最大相似度;最大相似度为未注册用户的图像中的面部信息与面部识别***中的多个未注册用户的图像中的面部信息的相似度中的最大的相似度;
面部信息包括眼睛区块信息、颌区块信息、嘴唇区块信息、眉毛区块信息以及鼻子区块信息中的至少一种。
计算目标区域每个时间段人群的图像中的每个未注册用户的图像对应的最大相似度包括:计算每个未注册用户的图像中的面部信息对应的特征向量与其他未注册用户的图像中的面部信息对应的特征向量的余弦相似度;将余弦相似度作为未注册用户的图像中的面部信息与其他未注册用户的图像中的面部信息的相似度。
计算每个未注册用户的图像中的面部信息对应的特征向量与其他未注册用户的图像中的面部信息对应的特征向量的余弦相似度包括:计算每个未注册特征向量和其他未注册特征矩阵的乘积,得到每个未注册用户的图像中的面部信息对应的特征向量与其他未注册用户的图像中的面部信息对应的特征向量的余弦相似度,其中,其他未注册特征矩阵中的每列为一个未注册图像中的面部信息对应的特征向量
例如,面部识别***中的未册图像数量为1万个,在计算1万个未注册用户的图像中的每个未注册用户的图像对应的最大相似度时,对于每个未注册用户的图像,需要计算未注册用户的图像中的面部对象与其他9999注册图像中的每个注册图像中的面部对象的相似度,对于每一个未注册用户的图像,需要进行9999次相似度计算。可以将未注册特征向量与其他未注册特征矩阵相乘,得到1万个未注册用户的图像中的每一个未注册用户的图像中的面部对象与所有注册图像中的每一个注册图像中的面部对象的相似度。
S3、基于计算出的每个未注册用户的图像对应的最大相似度,确定出未注册的相似度阈值;
S4、基于未注册的相似度阈值判断目标区域每个时间段的人群的图像中是否存在相同的未注册用户的图像,若是,则获取该相同的未注册用户在每个时间段的图像;
基于未注册的相似度阈值判断目标区域每个时间段的人群的图像中是否存在相同的未注册用户的图像包括:判断目标区域每个时间段的人群的图像中是否存在未注册用户的图像中的面部信息的相似度大于未注册的相似度阈值,若是,则存在相同的未注册用户的图像。
S5、提取未注册用户的人体特征进行对比,并判断是否匹配,若是,则将相同的未注册用户的图像对应保存到该未注册用户的个人档案中;
S6、当未注册用户进行注册时,通过面部识别***判断该未注册用户是否存在个人档案,若是,则将该未注册用户与其个人档案进行绑定并建立唯一的映射关系,并转为注册用户。
如图2所示,一种非注册运动人群的基于大数据面部识别***,其特征在于,***包括:获取单元,配置用于获取目标区域每个时间段人群的图像;计算单元,配置用于计算多个未注册用户的图像中的每个未注册用户的图像对应的最大相似度;确定单元,配置用于基于计算出的每个未注册用户的图像对应的最大相似度,确定出未注册的相似度阈值;存储单元,配置用于将相同的未注册用户的图像对应保存到该未注册用户的个人档案中。
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,尽管参照前述实施例对本发明进行了详细的说明,对于本领域的技术人员来说,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。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (7)
1.一种非注册运动人群的基于大数据面部识别方法,其特征在于,包括以下步骤:
S1、获取目标区域每个时间段人群的图像,人群中至少包括一个用户,通过面部识别***判断每个用户是否属于未注册用户,若是,则为每个未注册用户建立个人档案;所述未注册用户为面部识别***中不存在属于所述未注册用户的注册图像的用户;
S2、计算目标区域每个时间段人群的图像中的每个未注册用户的图像对应的最大相似度;所述最大相似度为所述未注册用户的图像中的面部信息与面部识别***中的多个未注册用户的图像中的面部信息的相似度中的最大的相似度;
S3、基于计算出的每个未注册用户的图像对应的最大相似度,确定出未注册的相似度阈值;
S4、基于未注册的相似度阈值判断目标区域每个时间段的人群的图像中是否存在相同的未注册用户的图像,若是,则获取该相同的未注册用户在每个时间段的图像;
S5、提取未注册用户的人体特征进行对比,并判断是否匹配,若是,则将相同的未注册用户的图像对应保存到该未注册用户的个人档案中;
S6、当未注册用户进行注册时,通过面部识别***判断该未注册用户是否存在个人档案,若是,则将该未注册用户与其个人档案进行绑定并建立唯一的映射关系,并转为注册用户。
2.根据权利要求1所述的一种非注册运动人群的基于大数据面部识别方法,其特征在于,所述通过面部识别***判断每个用户是否属于未注册用户包括,所述面部识别***基于在进行身份验证时采集到的用户的图像中的面部信息与所述面部识别***中已注册图像中的面部信息的相似度中的最大的相似度是否大于相似度阈值而确定所述用户是否属于未注册用户。
3.根据权利要求1所述的一种非注册运动人群的基于大数据面部识别方法,其特征在于,所述计算目标区域每个时间段人群的图像中的每个未注册用户的图像对应的最大相似度包括:计算每个未注册用户的图像中的面部信息对应的特征向量与其他未注册用户的图像中的面部信息对应的特征向量的余弦相似度;将余弦相似度作为未注册用户的图像中的面部信息与其他未注册用户的图像中的面部信息的相似度。
4.根据权利要求3所述的一种非注册运动人群的基于大数据面部识别方法,其特征在于,所述计算每个未注册用户的图像中的面部信息对应的特征向量与其他未注册用户的图像中的面部信息对应的特征向量的余弦相似度包括:计算每个未注册特征向量和其他未注册特征矩阵的乘积,得到每个未注册用户的图像中的面部信息对应的特征向量与其他未注册用户的图像中的面部信息对应的特征向量的余弦相似度,其中,其他未注册特征矩阵中的每列为一个未注册图像中的面部信息对应的特征向量。
5.根据权利要求1所述的一种非注册运动人群的基于大数据面部识别方法,其特征在于,所述面部信息包括眼睛区块信息、颌区块信息、嘴唇区块信息、眉毛区块信息以及鼻子区块信息中的至少一种。
6.根据权利要求1所述的一种非注册运动人群的基于大数据面部识别方法,其特征在于,所述基于未注册的相似度阈值判断目标区域每个时间段的人群的图像中是否存在相同的未注册用户的图像包括:判断目标区域每个时间段的人群的图像中是否存在未注册用户的图像中的面部信息的相似度大于未注册的相似度阈值,若是,则存在相同的未注册用户的图像。
7.一种非注册运动人群的基于大数据面部识别***,其特征在于,所述***包括:
获取单元,配置用于获取目标区域每个时间段人群的图像;
计算单元,配置用于计算多个未注册用户的图像中的每个未注册用户的图像对应的最大相似度;
确定单元,配置用于基于计算出的每个未注册用户的图像对应的最大相似度,确定出未注册的相似度阈值;
存储单元,配置用于将相同的未注册用户的图像对应保存到该未注册用户的个人档案中。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010196864.0A CN111428611B (zh) | 2020-03-19 | 2020-03-19 | 一种非注册运动人群的基于大数据面部识别***及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010196864.0A CN111428611B (zh) | 2020-03-19 | 2020-03-19 | 一种非注册运动人群的基于大数据面部识别***及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111428611A true CN111428611A (zh) | 2020-07-17 |
CN111428611B CN111428611B (zh) | 2022-07-12 |
Family
ID=71547539
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010196864.0A Active CN111428611B (zh) | 2020-03-19 | 2020-03-19 | 一种非注册运动人群的基于大数据面部识别***及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111428611B (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2013210788A (ja) * | 2012-03-30 | 2013-10-10 | Secom Co Ltd | 顔画像認証装置 |
CN107197374A (zh) * | 2017-07-04 | 2017-09-22 | 易视腾科技股份有限公司 | 机顶盒设备的用户识别方法及*** |
CN107563360A (zh) * | 2017-09-30 | 2018-01-09 | 百度在线网络技术(北京)有限公司 | 信息获取方法和装置 |
CN108197565A (zh) * | 2017-12-29 | 2018-06-22 | 深圳英飞拓科技股份有限公司 | 基于人脸识别的目标寻踪方法及*** |
CN108566371A (zh) * | 2018-02-13 | 2018-09-21 | 深圳市爱浦联科技有限公司 | 一种社交认证方法、***及终端设备 |
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 |
CN110135852A (zh) * | 2019-04-17 | 2019-08-16 | 深圳市雄帝科技股份有限公司 | 乘车支付方法、***、支付受理设备和服务器 |
CN110363180A (zh) * | 2019-07-24 | 2019-10-22 | 厦门云上未来人工智能研究院有限公司 | 一种统计陌生人人脸重复出现的方法和装置以及设备 |
CN110717388A (zh) * | 2019-09-02 | 2020-01-21 | 平安科技(深圳)有限公司 | 多账户关联注册的方法、装置、计算机设备及存储介质 |
CN110750670A (zh) * | 2019-09-05 | 2020-02-04 | 北京旷视科技有限公司 | 陌生人监控方法、装置、***和存储介质 |
-
2020
- 2020-03-19 CN CN202010196864.0A patent/CN111428611B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2013210788A (ja) * | 2012-03-30 | 2013-10-10 | Secom Co Ltd | 顔画像認証装置 |
CN107197374A (zh) * | 2017-07-04 | 2017-09-22 | 易视腾科技股份有限公司 | 机顶盒设备的用户识别方法及*** |
CN107563360A (zh) * | 2017-09-30 | 2018-01-09 | 百度在线网络技术(北京)有限公司 | 信息获取方法和装置 |
CN108197565A (zh) * | 2017-12-29 | 2018-06-22 | 深圳英飞拓科技股份有限公司 | 基于人脸识别的目标寻踪方法及*** |
CN108566371A (zh) * | 2018-02-13 | 2018-09-21 | 深圳市爱浦联科技有限公司 | 一种社交认证方法、***及终端设备 |
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 |
CN110135852A (zh) * | 2019-04-17 | 2019-08-16 | 深圳市雄帝科技股份有限公司 | 乘车支付方法、***、支付受理设备和服务器 |
CN110363180A (zh) * | 2019-07-24 | 2019-10-22 | 厦门云上未来人工智能研究院有限公司 | 一种统计陌生人人脸重复出现的方法和装置以及设备 |
CN110717388A (zh) * | 2019-09-02 | 2020-01-21 | 平安科技(深圳)有限公司 | 多账户关联注册的方法、装置、计算机设备及存储介质 |
CN110750670A (zh) * | 2019-09-05 | 2020-02-04 | 北京旷视科技有限公司 | 陌生人监控方法、装置、***和存储介质 |
Non-Patent Citations (2)
Title |
---|
刘坤: "基于人脸识别的身份认证***的设计与开发", 《硕士论文电子期刊工程科技Ⅱ辑》 * |
黄亮: "人脸识别技术在地铁自动售检票***中的应用研究", 《铁路技术创新》 * |
Also Published As
Publication number | Publication date |
---|---|
CN111428611B (zh) | 2022-07-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110119673B (zh) | 无感人脸考勤方法、装置、设备及存储介质 | |
CN107066983B (zh) | 一种身份验证方法及装置 | |
CN108805048B (zh) | 一种人脸识别模型的调整方法、装置和存储介质 | |
US8565493B2 (en) | Method, system, and computer-readable recording medium for recognizing face of person included in digital data by using feature data | |
CN107978044A (zh) | 基于人脸识别技术和rfid技术的高精度识别***和识别方法 | |
CN109784274A (zh) | 识别尾随的方法及相关产品 | |
CN104112209A (zh) | 显示终端的受众统计方法和*** | |
Chen et al. | Person re-identification by exploiting spatio-temporal cues and multi-view metric learning | |
WO2022007559A1 (zh) | 掌纹识别方法、特征提取模型训练方法、设备及介质 | |
US20210397822A1 (en) | Living body detection method, apparatus, electronic device, storage medium and program product | |
CN111553327B (zh) | 一种服饰识别方法、装置、设备和介质 | |
CN111985360A (zh) | 一种人脸识别的方法、装置、设备和介质 | |
CN109902681B (zh) | 用户群体关系确定方法、装置、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 | |
WO2020062671A1 (zh) | 身份识别方法、计算机可读存储介质、终端设备及装置 | |
CN114078275A (zh) | 表情识别方法、***及计算机设备 | |
CN109902550A (zh) | 行人属性的识别方法和装置 | |
KR20150089370A (ko) | 얼굴 포즈 변화에 강한 연령 인식방법 및 시스템 | |
CN110889314A (zh) | 图像处理方法、装置、电子设备、服务器及*** | |
CN112712569A (zh) | 一种肤色检测方法、装置、移动终端和存储介质 | |
CN111652260B (zh) | 一种人脸聚类样本数量的选择方法及*** | |
CN111428611B (zh) | 一种非注册运动人群的基于大数据面部识别***及方法 | |
CN106980818B (zh) | 一种用于人脸图像的个性化预处理方法、***及其终端 | |
CN112258707A (zh) | 一种基于人脸识别的智能门禁管理*** | |
CN112699159A (zh) | 一种数据显示方法、装置及设备 |
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 |