[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

说明书

本发明提出的一种场景自适应调整图像及声音的方法、系统及计算机可读存储介质，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。通过识别当前显示画面，并将识别结果发送至视频来源终端，使得即便是不具备场景识别功能的设备同样能够根据不同的场景进行最佳的图像及声音调整。

技术领域

本发明涉及终端领域，尤其涉及一种场景自适应调整图像及声音的方法、系统及计算机可读存储介质。

背景技术

当前电视机的播放内容更注重视听体验的提升，为了给用户带来更好的视听体验，电视机在出厂前都需要对图像及声音参数进行调试。由于播放内容的视频，音频各不相同，所以很难通过一套固定的图像、声音参数实现所有播放内容的视频，音频都有良好的视听效果。为了解决这一问题，现有技术中采用对当前播放的画面进行识别以根据不同播放场景进行最佳的图像及声音调整。然而，在不具备场景识别功能的设备上无法对播放的画面进行识别，因此也不能根据不同播放场景进行最佳的图像及声音调整。

发明内容

本发明的主要目的在于提出一种场景自适应调整图像及声音的方法、系统及计算机可读存储介质，旨在解决现有技术中场景识别速度慢、识别准确率不高以及不具备场景识别功能的设备无法根据不同播放场景进行最佳的图像及声音调整的问题。

为实现上述目的，本发明提供一种场景自适应调整图像及声音的方法，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。

可选地，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。

可选地，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，在运行所述预设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。

可选地，所述将所述样本图像作为所述深度学习模型的输入，在运行所述预设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。