[發明專利]一種異常指示方法及移動終端

在審

• 申請號: 201710816809.5
• 申請日: 2017-09-12
• 公開（公告）號: CN107729372A
• 公開（公告）日: 2018-02-23
• 發明（設計）人: 顧弘;張華琪;王國剛
• 申請（專利權）人: 維沃移動通信有限公司
• 主分類號: G06F17/30
• 分類號: G06F17/30;G06K9/62
• 代理公司: 北京銀龍知識產權代理有限公司11243
• 代理人: 許靜,安利霞

1.一種異常指示方法，其特征在于，包括：

獲取車輛的中控顯示區域的圖像；

根據所述圖像，識別所述中控顯示區域所顯示的異常圖標；

在預先存儲的異常信息數據庫中，獲取所述異常圖標相對應的異常信息。

2.根據權利要求1所述的方法，其特征在于，根據所述圖像，識別所述中控顯示區域所顯示的異常圖標之前，還包括：

根據所述圖像，識別所述車輛的車型；

在預先存儲的異常信息數據庫中，獲取所述異常圖標相對應的異常信息的步驟包括：

在預先存儲的異常信息數據庫中，獲取所述車輛的車型相對應的異常信息數據集；

在所述車輛的車型相對應的異常信息數據集中，獲取所述異常圖標相對應的異常信息；

其中，所述異常信息數據庫中存儲有至少一種車型相對應的異常信息數據集。

3.根據權利要求2所述的方法，其特征在于，根據所述圖像，識別所述車輛的車型的步驟包括：

通過預先訓練得到的深度神經網絡，確定所述圖像的類型，并根據所述圖像的類型，獲得所述中控顯示區域所對應的車輛的車型；

或者，通過預先訓練得到的深度神經網絡，對所述圖像進行特征提取，獲得所述圖像對應的特征信息，并在預先存儲的樣本特征信息中，獲取與所述圖像對應的特征信息相匹配的樣本特征信息，將所述樣本特征信息對應的車型，確定為所述中控顯示區域所對應的車輛的車型。

4.根據權利要求1所述的方法，其特征在于，根據所述圖像，識別所述中控顯示區域所顯示的異常圖標的步驟包括：

通過區域卷積神經網絡，對所述圖像進行異常圖標檢測，獲得所述中控顯示區域所顯示的異常圖標。

5.根據權利要求4所述的方法，其特征在于，通過區域卷積神經網絡，對所述圖像進行異常圖標檢測，獲得所述中控顯示區域所顯示的異常圖標的步驟包括：

根據區域卷積神經網絡，構建所述車輛的車型相對應的異常圖標檢測模型；

通過所述異常圖標檢測模型，對所述圖像進行異常圖標檢測，獲得所述中控顯示區域所顯示的異常圖標。

6.根據權利要求1所述的方法，其特征在于，在預先存儲的異常信息數據庫中，獲取所述異常圖標相對應的異常信息之后，還包括：

輸出所述異常圖標相對應的異常信息。

7.一種移動終端，其特征在于，包括：

第一獲取模塊，用于獲取車輛的中控顯示區域的圖像；

第一識別模塊，用于根據所述圖像，識別所述中控顯示區域所顯示的異常圖標；

第二獲取模塊，用于在預先存儲的異常信息數據庫中，獲取所述異常圖標相對應的異常信息。

8.根據權利要求7所述的移動終端，其特征在于，還包括：

第二識別模塊，用于根據所述圖像，識別所述車輛的車型；

所述第二獲取模塊包括：

第一獲取子模塊，用于在預先存儲的異常信息數據庫中，獲取所述車輛的車型相對應的異常信息數據集；

第二獲取子模塊，用于在所述車輛的車型相對應的異常信息數據集中，獲取所述異常圖標相對應的異常信息；

其中，所述異常信息數據庫中存儲有至少一種車型相對應的異常信息數據集。

9.根據權利要求8所述的移動終端，其特征在于，所述第二識別模塊包括：

第一識別子模塊，用于通過預先訓練得到的深度神經網絡，確定所述圖像的類型，并根據所述圖像的類型，獲得所述中控顯示區域所對應的車輛的車型；

或者，第二識別子模塊，用于通過預先訓練得到的深度神經網絡，對所述圖像進行特征提取，獲得所述圖像對應的特征信息，并在預先存儲的樣本特征信息中，獲取與所述圖像對應的特征信息相匹配的樣本特征信息，將所述樣本特征信息對應的車型，確定為所述中控顯示區域所對應的車輛的車型。

10.根據權利要求7所述的移動終端，其特征在于，所述第一識別模塊包括：

檢測子模塊，用于通過區域卷積神經網絡，對所述圖像進行異常圖標檢測，獲得所述中控顯示區域所顯示的異常圖標。