[发明专利]场景自适应调整图像及声音的方法、系统及可读存储介质

权利要求书

1.一种场景自适应调整图像及声音的方法，其特征在于，所述方法包括步骤：

获取当前显示画面，并通过训练完成的深度学习模型对所述当前显示画面进行识别，得到与所述当前显示画面匹配的场景识别结果；

将场景识别结果发送至所述当前显示画面映射的视频来源终端，以使所述视频来源终端根据所述场景识别结果调节图像参数及声音参数；

所述将场景识别结果发送至所述当前显示画面映射的视频来源终端，以使所述视频来源终端根据所述场景识别结果调节图像参数及声音参数的步骤包括：

将获取的场景识别结果发送至视频来源终端，以使所述视频来源终端获取当前显示画面的图像参数及声音参数以及所述场景识别结果对应的预设映射关系表中所述当前显示画面的调节参数以根据所述调节参数对图像参数及声音参数进行调节。

2.如权利要求1所述的场景自适应调整图像及声音的方法，其特征在于，所述获取当前显示画面的步骤之前，还包括：

从样本库中采集不同类别的样本图像；

根据所述不同类别的样本图像对深度学习模型进行训练，以获得训练完成的深度学习模型。

3.如权利要求2所述的场景自适应调整图像及声音的方法，其特征在于，所述根据所述不同类别的样本图像对深度学习模型进行训练的步骤包括：

根据所述样本图像的类别获取对应的场景标签数据；

将所述样本图像作为所述深度学习模型的输入，在运行所述深度学习模型后输出预测场景标签数据，并根据所述预测场景标签数据与所述样本图像对应的场景标签数据训练深度学习模型，以获得训练完成的深度学习模型。

4.如权利要求3所述的场景自适应调整图像及声音的方法，其特征在于，所述将所述样本图像作为所述深度学习模型的输入，在运行所述深度学习模型后输出预测场景标签数据，并根据所述预测场景标签数据与所述样本图像对应的场景标签数据训练深度学习模型，以获得训练完成的深度学习模型的步骤包括：

将样本图像输入至深度学习模型，以使所述深度学习模型输出预测场景标签数据，并使累计训练次数自加1；

比较所述样本图像对应的场景标签数据与所述预测场景标签数据，以获取损失函数；

根据所述损失函数对深度学习模型的参数进行调整，以更新所述深度学习模型；

判断所述累计训练次数是否达到预设训练阈值；

当所述累计训练次数达到预设训练阈值时，停止训练，将达到预设训练阈值时的深度学习模型作为训练完成的深度学习模型；

当所述累计训练次数未达到预设训练阈值时，获取新的样本图像并执行将样本图像输入至深度学习模型的步骤。

5.如权利要求1所述的场景自适应调整图像及声音的方法，其特征在于，所述通过训练完成的深度学习模型对所述当前显示画面进行识别，得到与所述当前显示画面匹配的场景识别结果的步骤包括：

将所述当前显示画面输入至训练完成的深度学习模型中，以获取对应的场景识别结果。

6.如权利要求1~5任一项所述的场景自适应调整图像及声音的方法，其特征在于，所述将场景识别结果发送至所述当前显示画面映射的视频来源终端，以使所述视频来源终端根据所述场景识别结果调节图像参数及声音参数的步骤的同时，还包括：

将场景识别结果发送至音频输出设备，以使所述音频输出设备根据所述场景识别结果调节声音参数。

7.如权利要求6所述的场景自适应调整图像及声音的方法，其特征在于，所述将场景识别结果发送至音频输出设备，以使所述音频输出设备根据所述场景识别结果调节声音参数的步骤包括：

将获取的场景识别结果发送至音频输出设备，以使所述音频输出设备获取当前声音参数以及所述场景识别结果对应的预设音频映射关系表中所述场景识别结果对应的调节参数以根据所述调节参数对声音参数进行调节。