CN101079109B - 基于制服特征的身份识别方法和系统 - Google Patents
基于制服特征的身份识别方法和系统 Download PDFInfo
- Publication number
- CN101079109B CN101079109B CN2007101179625A CN200710117962A CN101079109B CN 101079109 B CN101079109 B CN 101079109B CN 2007101179625 A CN2007101179625 A CN 2007101179625A CN 200710117962 A CN200710117962 A CN 200710117962A CN 101079109 B CN101079109 B CN 101079109B
- Authority
- CN
- China
- Prior art keywords
- uniform
- characteristic
- feature
- module
- video image
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 24
- 238000013528 artificial neural network Methods 0.000 claims description 19
- 239000000284 extract Substances 0.000 claims description 11
- 238000001514 detection method Methods 0.000 claims description 7
- 238000000605 extraction Methods 0.000 claims description 4
- 230000001537 neural effect Effects 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 210000004218 nerve net Anatomy 0.000 description 1
Images
Landscapes
- Image Analysis (AREA)
Abstract
一种多维制服特征的身份识别方法，用于多类识别目标身着不同制服的场合，该方法包括以下步骤：(a)采集视频图像，检测出其中的识别目标图像并将其分割出来；(b)提取出所述识别目标图像的制服特征；(c)对所述制服特征进行分类，根据分类结果确定识别目标的身份。相应的，本发明的身份识别系统包括视频图像采集模块、识别目标检测与分割模块、特征提取模块和身份识别模块。本发明可以应用于远距离、大场景条件下的身份识别。如监狱中的监控视频、战场上的无人侦察机采集的视频等，识别穿着特定制服人群及其位置，可以检测是否存在特定的行为，及时为决策者提供准确的参考意见。
Description
技术领域
本发明涉及一种身份识别方法和系统。
现有的身份识别系统一般都适用于比较近距离的情况，例如人脸识别、指纹识别、虹膜识别等都只有在待识别对象较近或接触获取设备时才起作用，而且都是进行个人的身份识别。对于待识别对象在远距离和非接触的条件下，常用的身份识别技术都无法发挥作用。如在监狱治安分析、战地敌我态势判别等的应用中，需要在远距离和大场景的条件下对目标区域中的人员的身份进行识别，此时常用的识别方法无法应用。
本发明要解决的技术问题是提供一种基于制服特征的身份识别方法和系统，可以扩大基于制服特征的识别身份的适用范围且识别更精确。
为了解决上述问题，本发明提供了一种多维制服特征的身份识别方法，用于多类识别目标身着不同制服的场合，所述制服特征包括制服的颜色、图案和样式；该方法包括以下步骤：
(a)采集视频图像，检测出其中的识别目标图像并将其分割出来；
(b)提取出所述识别目标图像的制服特征；其中，提取的所述制服特征包括制服的主特征，或者包括制服的主特征和次特征；
(c)对所述制服特征进行分类，根据分类结果确定识别目标的身份。
进一步地，上述身份识别方法还可具有以下特点：
步骤(a)是从视频图像中检测出运动目标并将其分割出来，作为所述识别目标图像。
进一步地，上述身份识别方法还可具有以下特点：
步骤(b)中提取的制服特征包括制服的主特征和次特征，步骤(c)中对所述主特征和次特征分别分类，然后对输出的两个分类结果进行加权组合，得到最终的分类结果。
进一步地，上述身份识别方法还可具有以下特点：
所述制服的主特征为颜色，所述制服的次特征为图案。
进一步地，上述身份识别方法还可具有以下特点：
步骤(c)分类时采用基于神经网络的组合分类器，在步骤(a)之前先对该组合分类器进行训练，该训练过程包括以下步骤：
(I)输入包括不同制服的训练用的样本图像，从中提取出制服主特征和制服次特征；
(II)将主次特征输入主特征神经网络，将次特征输入次特征神经网络，分别进行分类训练；
(III)在给定样本下如得到预期的识别率，则将该训练好的组合神经网络作为实际使用的组合分类器。
进一步地，上述身份识别方法还可具有以下特点：
步骤(b)还提取出识别目标的位置信息，和步骤(c)得到的身份信息一起作为决策的依据。
本发明提供的多维制服特征的身份识别系统包括视频图像采集模块、识别目标检测与分割模块、特征提取模块和身份识别模块，所述制服特征包括制服的颜色、图案和样式；其中：
所述视频图像采集模块，用于对视频图像进行采集并输出到所述识别目标检测与分割模块；
所述识别目标检测与分割模块，用于从视频图像中检测出包含制服的识别目标图像并将其分割出来，输出到所述特征提取模块；其中，提取的所述制服特征包括制服的主特征，或者包括制服的主特征和次特征；
所述特征提取模块，用于提取出所述识别目标图像的制服特征，输出到所述分类器；
所述身份识别模块，用于对所述制服特征进行分类，再根据分类结果确定识别目标的身份。
进一步地，上述身份识别系统还可具有以下特点：
所述识别目标检测与分割模块是从视频图像中检测出运动目标并将其分割出来，作为所述识别目标图像。
进一步地，上述身份识别系统还可具有以下特点：
所述特征提取模块提取的制服特征包括制服的主特征和次特征；所述身份识别模块为一基于神经网络的组合分类器，用于对提取的所述主特征和次特征分别分类，然后对输出的两个分类结果进行加权组合，得到最终的分类结果，再根据该分类结果确定识别目标的身份。
进一步地，上述身份识别系统还可具有以下特点：
所述特征提取模块提取的制服主特征为颜色，制服次特征为图案。
本发明通过在监控视频中，如监狱中的监控视频、战场上的无人侦察机采集的视频等，识别穿着特定制服人群及其位置，可以检测是否存在特定的行为，及时为决策者提供准确的参考意见。
附图说明
图1是本发明实施例基于多个神经网络的组合分类器的示意图。
图2是本发明实施例训练过程的示意图。
图3是本发明实施例识别过程的示意图。
图4是本发明实施例身份识别系统的模块图。
具体实施方式
在远距离的大场景中，存在多人且分辨率较低的特点，我们只需要对他们的身份进行大致的分类识别，如警察或者囚犯等。在这种分辨率较低的情况下，衣服的颜色、样式等特征相对于人脸、虹膜等来说还是清楚的；并且在这类应用场景中，人员都穿着统一的制服，这样我们就可以利用制服的颜色、样式等特征来识别、区分人员的身份。这就是本发明提出的基于制服特征的身份识别技术。
下面以监狱监管自动化系统为例，结合附图对本发明进行详细说明。
本实施例首先定义了一种组合制服特征。制服，例如监管人员的服装和被监管人员如囚徒的服装在颜色和图案上存在着很大的差别。因此在远距离大场景的情况下，颜色特征是最主要的特征，因此提取目标的区域块中的颜色均值或者主颜色等作为主特征(Main Feature，FM)。在远距离的情况下一些图案的轮廓也可以区分不同的对象，例如格子、条纹、球衣上的号码等，但是由于图案在摄像机平面上的投影畸变太大往往会带来误识，因此将图案特征作为我们制服识别的次特征(Sub Feature，FS)。然后，将两种特征进行组合得到组合特征，定义为“组合多维制服特征”：
F＝{FM，FS}.
用于身份识别的模块可以采用多种分类器，如线性距离分类器、神经网络等等，可以根据具体情况来设计合适的分类器。本实施例中提出一种基于多个神经网络的组合分类器，来实现组合多维制服特征的分类，分类器结构见图1。其中，主特征和次特征分别输入主特征神经网络分类器、次特征神经网络分类器，然后把两个分类器的输出进行加权组合，就得到了最后的分类输出。这里可以采用BP网络等。图中的μM、μS是权重因子，可以根据应用场景来进行设定。
在进行识别之前，需要对身份识别装置即组合分类器进行训练，请参照图2，该训练过程具体包括以下步骤：
步骤210，输入包括不同制服的训练用的样本图像；
在本实施例中可以是监管人员的服装和囚徒的服装的样本图像。
步骤220，从输入制服的样本图像中提取出颜色特征为主特征，提取出图案特征为次特征；
步骤230，分别对主特征神经网络和次特征神经网络进行分类训练；
进行分类训练是为了通过调整得到最优的网络参数。
步骤240，在给定样本下如可得到预期的识别率，则将该训练好的组合神经网络作为实际使用的分类器。
在识别过程中，由于大场景中穿制服的人数一般比较多，因此本实施例中根据视频的特点检测出运动的目标，然后从运动目标中滤出人体，提取人体的制服特征，输入组合分类器进行识别。
参照图3，该识别过程包括以下步骤：
步骤310，对视频图像进行采集；
步骤320，从视频图像中检测出运动目标并将其分割出来；
在本实施例环境下，运动目标通常为要识别其身份的人员。因此需将其检测、分割出来进行后续的处理。在其他实施方式中，也可以通过其它方式来检测出运动目标。
步骤330，进行人体目标检测，从各个运动目标的图像中分别提取出制服主特征即颜色以及制服次特征即图案；
步骤340，将制服主特征和次特征分别输入到基于神经网的组合分类器，得到分类结果，根据分类结果即可确定运动目标的身份。
其中组合分类器是对输入的主特征和次特征分别进行分类，再对两个分类结果进行加权组合，得到最后的分类结果。
此外，在步骤330还可以提取出运动目标的位置信息，和其身份信息一起作为决策的依据。
相应的，本实施例基于组合多维制服特征的身份识别系统如图4所示，包括以下模块：
视频图像采集模块，用于对视频图像进行采集并输出到运动目标检测与分割模块；
运动目标检测与分割模块，用于从视频图像中检测出运动目标并将其分 割出来，输出到特征提取模块；
特征提取模块，用于提取出各个运动目标图像的制服主特征及制服次特征，然后输入到组合分类器，其中主特征输入到其中的主特征神经网络分类器，次特征输入到其中的次特征神经网络分类器；
组合分类器，包括主特征神经网络分类器、次特征神经网络分类器和组合单元，分别用于对输入的主特征和次特征进行分类，两个子分类器输出的分类结果再在组合单元进行加权组合，得到最终的分类结果，根据分类结果即可确定运动目标的身份。
利用上述识别方法，可以判断出在目标区域出现的有哪类人，还可得知这些人所处的位置，从而可以判断是否发生了异常情况。
需要进行说明的是，在另一实施例中，也可以只对一个主特征，例如是颜色主特征进行提取、训练和识别。另外，在不同的应用场合下，制服主特征也不局限于为颜色，次特征也不局限为图案，两者可以互换或者采用制服的其它特征，如形状特征。
Claims (8)
1.一种基于制服特征的身份识别方法，用于多类识别目标身着不同制服的场合，所述制服特征为多维制服特征，所述制服特征包括制服的颜色、图案和样式；该方法包括以下步骤：
(a)采集视频图像，检测出其中的识别目标图像并将其分割出来；
(b)提取出所述识别目标图像的制服特征；其中，提取的所述制服特征包括制服的主特征和次特征；
(c)对所述主特征和次特征分别分类，然后对输出的两个分类结果进行加权组合，得到最终的分类结果，根据最终的分类结果确定识别目标的身份。
2.如权利要求1所述的身份识别方法，其特征在于：
步骤(a)是从视频图像中检测出运动目标并将其分割出来，作为所述识别目标图像。
3.如权利要求1所述的身份识别方法，其特征在于：所述制服的主特征为颜色，所述制服的次特征为图案。
4.如权利要求1或3所述的身份识别方法，其特征在于：
步骤(c)分类时采用基于神经网络的组合分类器，在步骤(a)之前先对该组合分类器进行训练，该训练过程包括以下步骤：
(I)输入包括不同制服的训练用的样本图像，从中提取出制服主特征和制服次特征；
(II)将主次特征输入主特征神经网络，将次特征输入次特征神经网络，分别进行分类训练；
(III)在给定样本下如得到预期的识别率，则将该训练好的组合神经网络作为实际使用的组合分类器。
5.如权利要求1所述的身份识别方法，其特征在于：
步骤(b)还提取出识别目标的位置信息，和步骤(c)得到的身份信息一起作为决策的依据。
6.一种基于制服特征的身份识别系统，其特征在于，包括视频图像采集模块、识别目标检测与分割模块、特征提取模块和身份识别模块，所述制服特征为多维制服特征，所述制服特征包括制服的颜色、图案和样式；其中：
所述视频图像采集模块，用于对视频图像进行采集并输出到所述识别目标检测与分割模块；
所述识别目标检测与分割模块，用于从视频图像中检测出包含制服的识别目标图像并将其分割出来，输出到所述特征提取模块；
所述特征提取模块，用于提取出所述识别目标图像的制服特征，输出到所述分类器；其中，提取的所述制服特征包括制服的主特征和次特征；
所述身份识别模块为一基于神经网络的组合分类器，用于对提取的所述主特征和次特征分别分类，然后对输出的两个分类结果进行加权组合，得到最终的分类结果，再根据最终的分类结果确定识别目标的身份。
7.如权利要求6所述的身份识别系统，其特征在于：
所述识别目标检测与分割模块是从视频图像中检测出运动目标并将其分割出来，作为所述识别目标图像。
8.如权利要求6所述的身份识别系统，其特征在于：
所述特征提取模块提取的制服主特征为颜色，制服次特征为图案。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN2007101179625A CN101079109B (zh) | 2007-06-26 | 2007-06-26 | 基于制服特征的身份识别方法和系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN2007101179625A CN101079109B (zh) | 2007-06-26 | 2007-06-26 | 基于制服特征的身份识别方法和系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN101079109A CN101079109A (zh) | 2007-11-28 |
| CN101079109B true CN101079109B (zh) | 2011-11-30 |
Family
ID=38906578
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN2007101179625A Active CN101079109B (zh) | 2007-06-26 | 2007-06-26 | 基于制服特征的身份识别方法和系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN101079109B (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105718908B (zh) * | 2016-01-25 | 2018-11-16 | 大连楼兰科技股份有限公司 | 一种基于衣帽特征与姿态检测的交警检测方法和系统 |
| CN112307834A (zh) * | 2019-07-31 | 2021-02-02 | 广州弘度信息科技有限公司 | 一种警卫服饰识别方法及系统 |
Families Citing this family (25)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2010083238A1 (en) | 2009-01-13 | 2010-07-22 | Futurewei Technologies, Inc. | Method and system for image processing to classify an object in an image |
| JP5866360B2 (ja) * | 2011-07-13 | 2016-02-17 | パナソニック インテレクチュアル プロパティ コーポレーション オブアメリカＰａｎａｓｏｎｉｃ Ｉｎｔｅｌｌｅｃｔｕａｌ Ｐｒｏｐｅｒｔｙ Ｃｏｒｐｏｒａｔｉｏｎ ｏｆ Ａｍｅｒｉｃａ | 画像評価装置、画像評価方法、プログラム、および集積回路 |
| CN102521565B (zh) * | 2011-11-23 | 2014-02-26 | 浙江晨鹰科技有限公司 | 低分辨率视频的服装识别方法及系统 |
| WO2013174288A1 (zh) * | 2012-05-23 | 2013-11-28 | Wang Hao | 影像摄影装置和影像摄影方法 |
| CN104931038B (zh) * | 2014-03-19 | 2018-05-01 | 中广核工程有限公司 | 核电站工作人员定位及导航的系统和方法 |
| CN105740776B (zh) * | 2016-01-25 | 2019-02-12 | 大连楼兰科技股份有限公司 | 基于衣帽特征与姿态检测的交警检测方法和系统 |
| US10230860B2 (en) * | 2016-08-08 | 2019-03-12 | Kabushiki Kaisha Toshiba | Authentication apparatus for carrying out authentication based on captured image, authentication method and server |
| CN106599781A (zh) * | 2016-11-08 | 2017-04-26 | 国网山东省电力公司威海供电公司 | 基于颜色与Hu矩匹配的电力营业厅着装规范性识别方法 |
| CN107909580A (zh) * | 2017-11-01 | 2018-04-13 | 深圳市深网视界科技有限公司 | 一种行人衣着颜色识别方法、电子设备及存储介质 |
| CN108134920B (zh) * | 2017-11-28 | 2019-01-18 | 特斯联（北京）科技有限公司 | 一种实现楼宇访客识别与通行管理的智能系统和方法 |
| CN108230497A (zh) * | 2017-12-21 | 2018-06-29 | 合肥天之通电子商务有限公司 | 一种基于快递特征识别的门禁安防方法 |
| CN108491830A (zh) * | 2018-04-23 | 2018-09-04 | 济南浪潮高新科技投资发展有限公司 | 一种基于深度学习的施工现场人员制服穿着识别的方法 |
| WO2020056769A1 (en) * | 2018-09-21 | 2020-03-26 | Intel Corporation | Method and system of facial resolution upsampling for image processing |
| CN109040719A (zh) * | 2018-10-19 | 2018-12-18 | 天津英田视讯科技有限公司 | 一种管教球形摄像机 |
| CN111079757B (zh) * | 2018-10-19 | 2024-09-20 | 北京奇虎科技有限公司 | 服饰属性识别方法、装置及电子设备 |
| CN109801394B (zh) * | 2018-12-29 | 2021-07-30 | 南京天溯自动化控制系统有限公司 | 一种工作人员考勤方法及装置、电子设备和可读存储介质 |
| CN110781844B (zh) * | 2019-10-29 | 2023-05-16 | 贵州省烟草公司六盘水市公司 | 保安巡察监测方法及装置 |
| CN113052197B (zh) * | 2019-12-28 | 2024-03-12 | 中移(成都)信息通信科技有限公司 | 身份识别的方法、装置、设备和介质 |
| CN111553327B (zh) * | 2020-05-29 | 2023-10-27 | 上海依图网络科技有限公司 | 一种服饰识别方法、装置、设备和介质 |
| CN111721361A (zh) * | 2020-06-29 | 2020-09-29 | 杭州鲁尔物联科技有限公司 | 一种堤防监测系统、方法及设备 |
| CN111739065A (zh) * | 2020-06-29 | 2020-10-02 | 上海出版印刷高等专科学校 | 基于数码印花的目标识别方法、系统、电子设备和介质 |
| CN111767923B (zh) * | 2020-07-28 | 2024-02-20 | 腾讯科技（深圳）有限公司 | 一种图像数据检测方法、装置以及计算机可读存储介质 |
| CN112149520B (zh) * | 2020-09-03 | 2023-05-09 | 上海趋视信息科技有限公司 | 一种多目标管理方法、系统及装置 |
| CN112165605A (zh) * | 2020-09-14 | 2021-01-01 | 上海明略人工智能(集团)有限公司 | 一种限制行为告警方法及装置 |
| CN113343891A (zh) * | 2021-06-24 | 2021-09-03 | 深圳市起点人工智能科技有限公司 | 一种孩子踢被的检测装置和检测方法 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1561503A (zh) * | 2001-02-27 | 2005-01-05 | 皇家菲利浦电子有限公司 | 通过模型集合体的对象分类 |
| CN1619593A (zh) * | 2004-12-09 | 2005-05-25 | 上海交通大学 | 基于多特征信息融合的视频运动目标自适应跟踪方法 |
| CN1945602A (zh) * | 2006-07-07 | 2007-04-11 | 华中科技大学 | 一种基于人工神经网络的特征选择方法 |
-
2007
- 2007-06-26 CN CN2007101179625A patent/CN101079109B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1561503A (zh) * | 2001-02-27 | 2005-01-05 | 皇家菲利浦电子有限公司 | 通过模型集合体的对象分类 |
| CN1619593A (zh) * | 2004-12-09 | 2005-05-25 | 上海交通大学 | 基于多特征信息融合的视频运动目标自适应跟踪方法 |
| CN1945602A (zh) * | 2006-07-07 | 2007-04-11 | 华中科技大学 | 一种基于人工神经网络的特征选择方法 |
Non-Patent Citations (3)
| Title |
|---|
| CN 1561503 A,全文. |
| N.Vandenbroucke, L. Macaire , J.G.Postaire.Soccer player recogition by pixel classification in a hybridcolor space.Proc.SPIE.3071 23.1997,3071(23),23-33. |
| N.Vandenbroucke, L. Macaire, J.G.Postaire.Soccer player recogition by pixel classification in a hybridcolor space.Proc.SPIE.3071 23.1997,3071(23),23-33. * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105718908B (zh) * | 2016-01-25 | 2018-11-16 | 大连楼兰科技股份有限公司 | 一种基于衣帽特征与姿态检测的交警检测方法和系统 |
| CN112307834A (zh) * | 2019-07-31 | 2021-02-02 | 广州弘度信息科技有限公司 | 一种警卫服饰识别方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN101079109A (zh) | 2007-11-28 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN101079109B (zh) | 基于制服特征的身份识别方法和系统 | |
| CN111898514B (zh) | 一种基于目标检测与动作识别的多目标视觉监管方法 | |
| CN108062349B (zh) | 基于视频结构化数据及深度学习的视频监控方法和系统 | |
| CN105608479B (zh) | 结合深度数据的异常行为检测方法及系统 | |
| CN104935879B (zh) | 用于活动顺序验证的基于视觉的监视系统 | |
| CN104751136B (zh) | 一种基于人脸识别的多相机视频事件回溯追踪方法 | |
| CN102521565A (zh) | 低分辨率视频的服装识别方法及系统 | |
| CN110188724A (zh) | 基于深度学习的安全帽定位与颜色识别的方法及系统 | |
| CN109298785A (zh) | 一种监测设备的人机联控系统及方法 | |
| CN108009473A (zh) | 基于目标行为属性视频结构化处理方法、系统及存储装置 | |
| CN111209848A (zh) | 一种基于深度学习的实时跌倒检测方法 | |
| KR102149832B1 (ko) | 딥러닝 기반의 자동 폭력 감지 시스템 | |
| CN104298964B (zh) | 一种人体行为动作快速识别方法及装置 | |
| CN105426820A (zh) | 基于安防监控视频数据的多人异常行为检测方法 | |
| CN101635835A (zh) | 智能视频监控方法及系统 | |
| CN106339657B (zh) | 基于监控视频的秸秆焚烧监测方法、装置 | |
| CN109829382B (zh) | 基于行为特征智能分析的异常目标预警追踪系统及方法 | |
| CN110728252B (zh) | 一种应用于区域人员运动轨迹监控的人脸检测方法 | |
| CN112132157B (zh) | 一种基于树莓派的步态人脸融合识别方法 | |
| Lian et al. | Matching of tracked pedestrians across disjoint camera views using CI-DLBP | |
| CN109919968A (zh) | 一种用于监控无人机的目标检测与部件识别系统 | |
| CN105931429A (zh) | 一种智慧金睛识别夜间接近报警方法和装置 | |
| KR101547255B1 (ko) | 지능형 감시 시스템의 객체기반 검색방법 | |
| CN105447463B (zh) | 变电站基于人体特征识别的跨摄像机自动跟踪系统 | |
| CN110023949B (zh) | 用于鸟的自动监视的系统及有关的使用方法 |
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 | ||
| ASS | Succession or assignment of patent right |
Owner name: SHANXI ZHONGTIANXIN TECHNOLOGY CO., LTD. Free format text: FORMER OWNER: BEIJING VIMICRO CORPORATION Effective date: 20130305 |
|
| C41 | Transfer of patent application or patent right or utility model | ||
| COR | Change of bibliographic data |
Free format text: CORRECT: ADDRESS; FROM: 100083 HAIDIAN, BEIJING TO: 030032 TAIYUAN, SHAANXI PROVINCE |
|
| TR01 | Transfer of patent right |
Effective date of registration: 20130305 Address after: 105, room 3, building 6, Kaiyuan street, Taiyuan economic and Technological Development Zone, Shanxi 030032, China Patentee after: SHANXI VIMICRO TECHNOLOGY CO., LTD. Address before: 100083, Haidian District, Xueyuan Road, Beijing No. 35, Nanjing Ning building, 15 Floor Patentee before: Beijing Vimicro Corporation |