CN107729372A - 一种异常指示方法及移动终端 - Google Patents

Abstract

本发明提供了一种异常指示方法及移动终端，该方法包括：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。本发明基于车辆的中控显示区域的图像，能够准确、快速地获得异常图标相对应的异常信息，提升了移动终端的使用便捷性和智能程度。

Description

一种异常指示方法及移动终端

技术领域

本发明涉及电子技术领域，并且更具体地，涉及一种异常指示方法及移动终端。

背景技术

现代汽车技术发展采用了越来越多的电子控制，并配置了不同的传感器检测系统异常情况。例如，电控喷油喷射、废气排放、刹车防抱死系统、自动空调、大灯亮度控制、驾驶座位自动调整、转向控制、电控悬挂。电子自动控制的工作要依赖传感器的信息反馈，异常情况的反馈通常由汽车内部的中控显示屏幕反馈给用户。

汽车在发生异常后，根据传感器的反馈信息，通常在中控显示区域会出现异常图标。在不同的车型上，中控显示给出的异常图标类型已经达到了150种以上。对于不熟悉当前所驾驶车辆的驾驶员，在不熟悉该车型的情况下，往往很难明确异常图标的含义。

为了明确异常图标的含义，通常需要用户翻阅汽车内部的说明书，耗时较多，对用户造成很大的不便。

发明内容

本发明实施例提供一种异常指示方法及移动终端，以解决现有技术无法快捷方便地获得异常图标相关的信息的问题。

第一方面，提供了一种异常指示方法，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。

第二方面，提供了一种移动终端，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。

第三方面，提供了一种移动终端，包括处理器、存储器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述计算机程序被所述处理器执行时实现如上任一项所述的异常指示方法的步骤。

第四方面，提供了一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如上任一项所述的异常指示方法的步骤。

这样，本发明实施例基于车辆的中控显示区域的图像，能够准确、快速地获得异常图标相对应的异常信息，提升了移动终端的使用便捷性和智能程度。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1为本发明异常指示方法的流程图；

图2为本发明异常指示方法的另一流程图；

图3为本发明异常指示方法的另一流程图；

图4为本发明异常指示方法的另一流程图；

图5为本发明异常指示方法的另一流程图；

图6为本发明移动终端的结构示意图；

图7为本发明移动终端的另一结构示意图；

图8为本发明移动终端的另一结构示意图；

图9为本发明移动终端的另一结构示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

在本发明的一些实施例中，参照图1所示，提供了一种异常指示方法，包括：

步骤101，获取车辆的中控显示区域的图像。

这里，可以获取移动终端的摄像头拍摄得到的车辆的中控显示区域的图像，也可以通过其他方式获取车辆的中控显示区域的图像，如通过蓝牙或网络接收其他设备传送的车辆的中控显示区域的图像。

其中，优选的获取车辆完整的中控显示区域的图像，以保证后续识别异常图标和获取异常信息的准确性。

步骤102，根据所述图像，识别所述中控显示区域所显示的异常图标。

这里，由于中控显示区域的图像清晰地展示了中控显示区域的显示内容，因此根据中控显示区域的图像，能够准确识别中控显示区域所显示的异常图标。

步骤103，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。

这里，在异常信息数据库中，预先存储了车辆的多种异常图标相对应的异常信息，因此在预先存储的异常信息数据库中，能够准确、快速地获取到所识别出的异常图标相对应的异常信息。从而使得任何用户都能够在短时间内准确获得异常图标相关的异常信息。

本发明实施例的异常指示方法，基于车辆的中控显示区域的图像，能够准确、快速地获得异常图标相对应的异常信息，使得任何用户都能够在短时间内准确获得异常图标相关的异常信息，实现方式快捷、方便。

由于不同车型对于不同故障的异常图标可能很相近，因此如果不区分车型，直接在很多车型的异常图标中获取某个异常图标相对应的异常信息，有可能出现误识别。为了避免误识别，进一步精确获得的异常图标相对应的异常信息，可选的，如图2所示，上述步骤102之前，还包括：

步骤104，根据所述图像，识别所述车辆的车型。

这里，由于不同车辆的车型对应的中控显示区域的形状、布局等均有差别，因此根据中控显示区域的图像，能够准确识别中控显示区域对应的车辆的车型。通过识别车辆的车型，便于后续步骤基于车辆的车型，精确获得的异常图标相对应的异常信息。

如图3所示，上述步骤103包括：

步骤1031，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。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。

这里，在异常信息数据库中按照车型存储了不同车型相对应的异常信息数据集，异常信息数据集包括所属车型的多种异常图标相对应的异常信息。由于预先已经识别出了车辆的车型，因此在预先存储的异常信息数据库中，能够准确获取车辆的车型相对应的异常信息数据集。

其中，可在异常信息数据库中按照数据表的形式存储不同车型的多种异常图标相对应的异常信息，但不限于此。

步骤1032，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。

这里，只在车辆所属车型相对应的异常信息数据集中，获取异常图标相对应的异常信息，避免了由于不同车型对于不同故障的异常图标可能很相近，导致的误识别，提高了精确度。且只在车辆所属车型相对应的异常信息数据集中，查找异常图标相对应的异常信息，减少了需要查找的数据量，提高了效率。

可选的，上述步骤104包括：

步骤1041，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。

其中，可通过不同车辆的中控显示区域的图像的大数据样本进行深度学习，得到深度神经网络。

这里，通过深度神经网络能够准确确定图像的类型，由于图像的类型是基于不同车辆的中控显示区域的图像进行的分类，因此根据图像的类型，能够准确获得中控显示区域所对应的车辆的车型。

或者，步骤1042，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。

其中，可通过不同车辆的中控显示区域的图像的大数据样本进行深度学习，得到深度神经网络。

这里，通过深度神经网络对图像进行特征提取，有效获得了图像对应的特征信息，然后可在预先存储的样本特征信息中，获取与图像对应的特征信息相匹配的样本特征信息，由于预先建立了各样本特征信息与车型的对应关系，因此基于相匹配的样本特征信息，可准确获取对应的车型，从而准确确定出了中控显示区域所对应的车辆的车型。

其中，可将图像的特征信息与样本特征信息进行相似度排序，然后获取与图像的特征信息相似度最高的样本特征信息，作为与图像对应的特征信息相匹配的样本特征信息。

可选的，上述步骤102包括：

步骤1021，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。

此时，通过区域卷积神经网络，如faster-rcnn(faster-region basedconvolutional neural network，更快的区域卷积神经网络)，对图像进行异常图标检测，可以准确获得中控显示区域所显示的异常图标，且可以有效避免由于拍摄模糊、失真等情况下造成的误识别。

其中，区域卷积神经网络可采用faster-rcnn，但不限于此，也可采用其他卷积神经网络。

进一步的，如图4所示，上述步骤1021包括：

步骤10211，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。

这里，根据区域卷积神经网络，如faster-rcnn，为每个车型训练独立的异常图标检测模型，极大的提升了检测模型检测的准确率，且每次训练只需要车型对应的大数据样本，减少了训练的数据量，提高了效率。

步骤10212，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。

这里，通过车型相对应的异常图标检测模型，对图像进行异常图标检测，能够准确获得中控显示区域所显示的异常图标，极大的提升了检测的准确率。

其中，可为每个车型分别训练RPN(Region Proposal Network，区域建议网络)模型和faster-rcnn模型，然后将图像输入到车型对应的RPN模型，通过RPN模型提取图像的中控显示区域的异常图标候选框；再将异常图标候选框输入到车型对应的faster-rcnn模型，通过faster-rcnn模型根据异常图标候选框，确定最终的异常图标区域，从而准确获得了中控显示区域所显示的异常图标。

进一步的，如图2所示，上述步骤103之后，还包括：

步骤105，输出所述异常图标相对应的异常信息。

此时，通过将异常图标相对应的异常信息提示给用户，使用户能够准确了解到异常图标相对应的异常信息。

其中，异常信息可以包括异常图标相对应的故障说明信息、社区用户评论信息等。

本发明实施例的异常指示方法，可应用于移动终端或服务器。

应用于移动终端时，可以离线方式识别，即移动终端的摄像头拍摄车辆的中控显示区域的图像，然后根据图像，识别中控显示区域所显示的异常图标，再在预先存储的异常信息数据库中，获取异常图标相对应的异常信息，不需要网络连接。

应用于服务器时，可以在线方式识别，即移动终端把摄像头拍摄的车辆的中控显示区域的图像通过网络传输给服务器，由服务器根据图像，识别中控显示区域所显示的异常图标，然后在预先存储的异常信息数据库中，获取异常图标相对应的异常信息，服务器再将异常图标相对应的异常信息通过网络返回给移动终端。

下面对本发明实施例的异常指示方法的一具体应用流程举例说明如下。

假设车辆的车型为X田霸道，车辆的中控显示区域显示的异常图标为VCS(VehicleStability Control，车身稳定控制系统)的异常图标。

如图5所示，本发明实施例的异常指示方法，应用于移动终端，包括：

步骤501，获取移动终端的摄像头拍摄的车辆的中控显示区域的图像。

步骤502，根据图像，识别车辆的车型X田霸道。

这里，可以将图像输入到预先训练得到的深度神经网络，通过深度神经网络，确定图像的类型，并根据图像的类型，获得中控显示区域所对应的车辆的车型。或者，将图像输入到预先训练得到的深度神经网络，通过深度神经网络对图像进行特征提取，获得图像对应的特征信息，并在预先存储的样本特征信息中，获取与图像对应的特征信息相匹配的样本特征信息，将相匹配的样本特征信息对应的车型，确定为中控显示区域所对应的车辆的车型。

步骤503，通过faster-rcnn，构建车辆的车型X田霸道相对应的异常图标检测模型。

步骤504，通过异常图标检测模型，对图像进行异常图标检测，获得中控显示区域所显示VCS的异常图标。

步骤505，在预先存储的异常信息数据库中，获取车辆的车型X田霸道相对应的异常信息数据集。

步骤506，在车辆的车型X田霸道相对应的异常信息数据集中，获取VCS的异常图标相对应的异常信息。

步骤507，输出VCS的异常图标相对应的异常信息。

本发明实施例的异常指示方法基于车辆的中控显示区域的图像，能够准确、快速地获得异常图标相对应的异常信息，提升了移动终端的使用便捷性和智能程度。

在本发明的一些实施例中，参照图6所示，还提供了一种移动终端600。图6所示的移动终端600，包括：

第一获取模块601，用于获取车辆的中控显示区域的图像；

第一识别模块602，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603，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。

本发明实施例的移动终端600基于车辆的中控显示区域的图像，能够准确、快速地获得异常图标相对应的异常信息，提升了移动终端的使用便捷性和智能程度。

可选的，如图7所示，还包括：

第二识别模块604，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603包括：

第一获取子模块6031，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6032，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。

可选的，所述第二识别模块604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。

可选的，所述第一识别模块602包括：

检测子模块6021，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。

可选的，所述检测子模块6021包括：

构建单元60211，用于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；

检测单元60212，用于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。

可选的，还包括：

输出模块605，用于输出所述异常图标相对应的异常信息。

本发明实施例能够实现图1至图5的方法实施例中各步骤，为避免重复，在此不再赘述。本发明实施例的移动终端600，基于车辆的中控显示区域的图像，能够准确、快速地获得异常图标相对应的异常信息，使得任何用户都能够在短时间内准确获得异常图标相关的异常信息，实现方式快捷、方便。

本发明实施例还提供一种移动终端，包括处理器，存储器，存储在所述存储器上并可在所述处理器上运行的计算机程序，所述计算机程序被所述处理器执行时实现上述异常指示方法实施例的各个过程，且能达到相同的技术效果，为避免重复，这里不再赘述。

本发明实施例还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现上述异常指示方法实施例的各个过程，且能达到相同的技术效果，为避免重复，这里不再赘述。其中，所述的计算机可读存储介质，如只读存储器(Read-Only Memory，简称ROM)、随机存取存储器(Random AccessMemory，简称RAM)、磁碟或者光盘等。

图8是本发明一个实施例的移动终端的框图。图8所示的移动终端800包括：至少一个处理器801、存储器802、至少一个网络接口804和其他用户接口803。移动终端800中的各个组件通过总线系统805耦合在一起。可理解，总线系统805用于实现这些组件之间的连接通信。总线系统805除包括数据总线之外，还包括电源总线、控制总线和状态信号总线。但是为了清楚说明起见，在图8中将各种总线都标为总线系统805。

其中，用户接口803可以包括显示器、键盘或者点击设备(例如，鼠标，轨迹球(trackball)、触感板或者触摸屏等)。

可以理解，本发明实施例中的存储器802可以是易失性存储器或非易失性存储器，或可包括易失性和非易失性存储器两者。其中，非易失性存储器可以是只读存储器(Read-Only Memory，ROM)、可编程只读存储器(Programmable ROM，PROM)、可擦除可编程只读存储器(Erasable PROM，EPROM)、电可擦除可编程只读存储器(Electrically EPROM，EEPROM)或闪存。易失性存储器可以是随机存取存储器(Random Access Memory，RAM)，其用作外部高速缓存。通过示例性但不是限制性说明，许多形式的RAM可用，例如静态随机存取存储器(Static RAM，SRAM)、动态随机存取存储器(Dynamic RAM，DRAM)、同步动态随机存取存储器(Synchronous DRAM，SDRAM)、双倍数据速率同步动态随机存取存储器(Double Data RateSDRAM，DDRSDRAM)、增强型同步动态随机存取存储器(Enhanced SDRAM，ESDRAM)、同步连接动态随机存取存储器(Synch Link DRAM，SLDRAM)和直接内存总线随机存取存储器(DirectRambus RAM，DRRAM)。本文描述的系统和方法的存储器802旨在包括但不限于这些和任意其它适合类型的存储器。

在一些实施方式中，存储器802存储了如下的元素，可执行模块或者数据结构，或者他们的子集，或者他们的扩展集：操作系统8021和应用程序8022。

其中，操作系统8021，包含各种系统程序，例如框架层、核心库层、驱动层等，用于实现各种基础业务以及处理基于硬件的任务。应用程序8022，包含各种应用程序，例如媒体播放器(Media Player)、浏览器(Browser)等，用于实现各种应用业务。实现本发明实施例方法的程序可以包含在应用程序8022中。

在本发明实施例中，移动终端800还包括：存储在存储器802上并可在处理器801上运行的计算机程序，计算机程序被处理器801执行时实现如下步骤：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。

上述本发明实施例揭示的方法可以应用于处理器801中，或者由处理器801实现。处理器801可能是一种集成电路芯片，具有信号的处理能力。在实现过程中，上述方法的各步骤可以通过处理器801中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器801可以是通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(FieldProgrammable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本发明实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本发明实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器，闪存、只读存储器，可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的计算机可读存储介质中。该计算机可读存储介质位于存储器802，处理器801读取存储器802中的信息，结合其硬件完成上述方法的步骤。具体地，该计算机可读存储介质上存储有计算机程序，计算机程序被处理器801执行时实现如上述网页显示方法实施例的各步骤。

可以理解的是，本文描述的这些实施例可以用硬件、软件、固件、中间件、微码或其组合来实现。对于硬件实现，处理单元可以实现在一个或多个专用集成电路(ApplicationSpecific Integrated Circuits，ASIC)、数字信号处理器(Digital Signal Processing，DSP)、数字信号处理设备(DSP Device，DSPD)、可编程逻辑设备(Programmable LogicDevice，PLD)、现场可编程门阵列(Field-Programmable Gate Array，FPGA)、通用处理器、控制器、微控制器、微处理器、用于执行本申请功能的其它电子单元或其组合中。

对于软件实现，可通过执行本文功能的模块(例如过程、函数等)来实现本文的技术。软件代码可存储在存储器中并通过处理器执行。存储器可以在处理器中或在处理器外部实现。

可选的，计算机程序被处理器801执行时还可实现如下步骤：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。

可选的，计算机程序被处理器801执行时还可实现如下步骤：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。

可选的，计算机程序被处理器801执行时还可实现如下步骤：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。

可选的，计算机程序被处理器801执行时还可实现如下步骤：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。

可选的，计算机程序被处理器801执行时还可实现如下步骤：输出所述异常图标相对应的异常信息。

移动终端800能够实现前述实施例中移动终端实现的各个过程，为避免重复，这里不再赘述。

移动终端800基于车辆的中控显示区域的图像，能够准确、快速地获得异常图标相对应的异常信息，使得任何用户都能够在短时间内准确获得异常图标相关的异常信息，实现方式快捷、方便。

图9是本发明另一个实施例的移动终端的结构示意图。具体地，图9中的移动终端900可以为手机、平板电脑、个人数字助理(Personal Digital Assistant，PDA)、或车载电脑等。

图9中的移动终端900包括射频(Radio Frequency，RF)电路910、存储器920、输入单元930、显示单元940、处理器960、音频电路970、Wi-Fi(Wireless Fidelity)模块980和电源990。

其中，输入单元930可用于接收用户输入的数字或字符信息，以及产生与移动终端900的用户设置以及功能控制有关的信号输入。具体地，本发明实施例中，该输入单元930可以包括触控面板931。触控面板931，也称为触摸屏，可收集用户在其上或附近的触摸操作(比如用户使用手指、触笔等任何适合的物体或附件在触控面板931上的操作)，并根据预先设定的程式驱动相应的连接装置。可选的，触控面板931可包括触摸检测装置和触摸控制器两个部分。其中，触摸检测装置检测用户的触摸方位，并检测触摸操作带来的信号，将信号传送给触摸控制器；触摸控制器从触摸检测装置上接收触摸信息，并将它转换成触点坐标，再送给该处理器960，并能接收处理器960发来的命令并加以执行。此外，可以采用电阻式、电容式、红外线以及表面声波等多种类型实现触控面板931。除了触控面板931，输入单元930还可以包括其他输入设备932，其他输入设备932可以包括但不限于物理键盘、功能键(比如音量控制按键、开关按键等)、轨迹球、鼠标、操作杆等中的一种或多种。

其中，显示单元940可用于显示由用户输入的信息或提供给用户的信息以及移动终端900的各种菜单界面。显示单元940可包括显示面板941，可选的，可以采用LCD或有机发光二极管(Organic Light-Emitting Diode，OLED)等形式来配置显示面板941。

应注意，触控面板931可以覆盖显示面板941，形成触摸显示屏，当该触摸显示屏检测到在其上或附近的触摸操作后，传送给处理器960以确定触摸事件的类型，随后处理器960根据触摸事件的类型在触摸显示屏上提供相应的视觉输出。

触摸显示屏包括应用程序界面显示区及常用控件显示区。该应用程序界面显示区及该常用控件显示区的排列方式并不限定，可以为上下排列、左右排列等可以区分两个显示区的排列方式。该应用程序界面显示区可以用于显示应用程序的界面。每一个界面可以包含至少一个应用程序的图标和/或widget桌面控件等界面元素。该应用程序界面显示区也可以为不包含任何内容的空界面。该常用控件显示区用于显示使用率较高的控件，例如，设置按钮、界面编号、滚动条、电话本图标等应用程序图标等。

其中处理器960是移动终端900的控制中心，利用各种接口和线路连接整个手机的各个部分，通过运行或执行存储在第一存储器921内的软件程序和/或模块，以及调用存储在第二存储器922内的数据，执行移动终端900的各种功能和处理数据，从而对移动终端900进行整体监控。可选的，处理器960可包括一个或多个处理单元。

在本发明实施例中，移动终端900还包括：存储在存储器920上并可在处理器960上运行的计算机程序，计算机程序被处理器960执行时实现如下步骤：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。

可选的，计算机程序被处理器960执行时还可实现如下步骤：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。

可选的，计算机程序被处理器960执行时还可实现如下步骤：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。

可选的，计算机程序被处理器960执行时还可实现如下步骤：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。

可选的，计算机程序被处理器960执行时还可实现如下步骤：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。

可选的，计算机程序被处理器960执行时还可实现如下步骤：输出所述异常图标相对应的异常信息。

可见，移动终端900基于车辆的中控显示区域的图像，能够准确、快速地获得异常图标相对应的异常信息，使得任何用户都能够在短时间内准确获得异常图标相关的异常信息，实现方式快捷、方便。

本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。

所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统、装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

在本申请所提供的实施例中，应该理解到，所揭露的装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。

所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。

以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。

Claims (14)

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。

11.根据权利要求10所述的移动终端，其特征在于，所述检测子模块包括：

构建单元，用于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；

检测单元，用于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。

12.根据权利要求7所述的移动终端，其特征在于，还包括：

输出模块，用于输出所述异常图标相对应的异常信息。

13.一种移动终端，其特征在于，包括处理器、存储器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述计算机程序被所述处理器执行时实现如权利要求1至6中任一项所述的异常指示方法的步骤。

14.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至6中任一项所述的异常指示方法的步骤。