[发明专利]一种异常指示方法及移动终端在审
申请号: | 201710816809.5 | 申请日: | 2017-09-12 |
公开(公告)号: | CN107729372A | 公开(公告)日: | 2018-02-23 |
发明(设计)人: | 顾弘;张华琪;王国刚 | 申请(专利权)人: | 维沃移动通信有限公司 |
主分类号: | G06F17/30 | 分类号: | G06F17/30;G06K9/62 |
代理公司: | 北京银龙知识产权代理有限公司11243 | 代理人: | 许静,安利霞 |
地址: | 523860 广东省*** | 国省代码: | 广东;44 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 异常 指示 方法 移动 终端 | ||
1.一种异常指示方法,其特征在于,包括:
获取车辆的中控显示区域的图像;
根据所述图像,识别所述中控显示区域所显示的异常图标;
在预先存储的异常信息数据库中,获取所述异常图标相对应的异常信息。
2.根据权利要求1所述的方法,其特征在于,根据所述图像,识别所述中控显示区域所显示的异常图标之前,还包括:
根据所述图像,识别所述车辆的车型;
在预先存储的异常信息数据库中,获取所述异常图标相对应的异常信息的步骤包括:
在预先存储的异常信息数据库中,获取所述车辆的车型相对应的异常信息数据集;
在所述车辆的车型相对应的异常信息数据集中,获取所述异常图标相对应的异常信息;
其中,所述异常信息数据库中存储有至少一种车型相对应的异常信息数据集。
3.根据权利要求2所述的方法,其特征在于,根据所述图像,识别所述车辆的车型的步骤包括:
通过预先训练得到的深度神经网络,确定所述图像的类型,并根据所述图像的类型,获得所述中控显示区域所对应的车辆的车型;
或者,通过预先训练得到的深度神经网络,对所述图像进行特征提取,获得所述图像对应的特征信息,并在预先存储的样本特征信息中,获取与所述图像对应的特征信息相匹配的样本特征信息,将所述样本特征信息对应的车型,确定为所述中控显示区域所对应的车辆的车型。
4.根据权利要求1所述的方法,其特征在于,根据所述图像,识别所述中控显示区域所显示的异常图标的步骤包括:
通过区域卷积神经网络,对所述图像进行异常图标检测,获得所述中控显示区域所显示的异常图标。
5.根据权利要求4所述的方法,其特征在于,通过区域卷积神经网络,对所述图像进行异常图标检测,获得所述中控显示区域所显示的异常图标的步骤包括:
根据区域卷积神经网络,构建所述车辆的车型相对应的异常图标检测模型;
通过所述异常图标检测模型,对所述图像进行异常图标检测,获得所述中控显示区域所显示的异常图标。
6.根据权利要求1所述的方法,其特征在于,在预先存储的异常信息数据库中,获取所述异常图标相对应的异常信息之后,还包括:
输出所述异常图标相对应的异常信息。
7.一种移动终端,其特征在于,包括:
第一获取模块,用于获取车辆的中控显示区域的图像;
第一识别模块,用于根据所述图像,识别所述中控显示区域所显示的异常图标;
第二获取模块,用于在预先存储的异常信息数据库中,获取所述异常图标相对应的异常信息。
8.根据权利要求7所述的移动终端,其特征在于,还包括:
第二识别模块,用于根据所述图像,识别所述车辆的车型;
所述第二获取模块包括:
第一获取子模块,用于在预先存储的异常信息数据库中,获取所述车辆的车型相对应的异常信息数据集;
第二获取子模块,用于在所述车辆的车型相对应的异常信息数据集中,获取所述异常图标相对应的异常信息;
其中,所述异常信息数据库中存储有至少一种车型相对应的异常信息数据集。
9.根据权利要求8所述的移动终端,其特征在于,所述第二识别模块包括:
第一识别子模块,用于通过预先训练得到的深度神经网络,确定所述图像的类型,并根据所述图像的类型,获得所述中控显示区域所对应的车辆的车型;
或者,第二识别子模块,用于通过预先训练得到的深度神经网络,对所述图像进行特征提取,获得所述图像对应的特征信息,并在预先存储的样本特征信息中,获取与所述图像对应的特征信息相匹配的样本特征信息,将所述样本特征信息对应的车型,确定为所述中控显示区域所对应的车辆的车型。
10.根据权利要求7所述的移动终端,其特征在于,所述第一识别模块包括:
检测子模块,用于通过区域卷积神经网络,对所述图像进行异常图标检测,获得所述中控显示区域所显示的异常图标。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于维沃移动通信有限公司,未经维沃移动通信有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201710816809.5/1.html,转载请声明来源钻瓜专利网。