CN113329217B - 自动白平衡参数处理方法及装置、计算机可读存储介质 - Google Patents

Abstract

一种自动白平衡参数处理方法及装置、计算机可读存储介质，所述方法包括：获取待检测的目标图像对应的图像参数以及初始白平衡增益值；获取待检测的目标图像对应的图像参数以及初始白平衡增益值；获取所述场景检测结果对应的环境场景，确定所述目标图像对应的目标场景；根据所述目标场景以及所述初始白平衡增益值或者目标场景下的调试参数，对所述初始自动白平衡增益值或者目标场景下的调试参数进行调整。上述方案能够对目标图像的初始白平衡增益进行校准，避免输出的图像存在偏色。

Description

自动白平衡参数处理方法及装置、计算机可读存储介质

技术领域

本发明涉及，尤其涉及图像处理技术领域，尤其涉及一种自动白平衡参数处理方法及装置、计算机可读存储介质。

背景技术

近年来，智能场景检测技术已经被广泛应用在相机拍摄中，可以根据不同的场景进行自动调整色彩，帮助用户拍摄出优质的照片。在一些特殊的拍摄场景中，拍摄主体会在整张图像中占用较大的比重，拍摄得到的图像会出现偏色等现象，需要后期手动对图像进行调整。

例如，拍摄场景为蓝天场景，拍摄主体为蓝天。拍摄得到的图像中，拍摄主体(蓝天)所占区域的像素点会落在高色温处，而拍摄主体的像素点会在整张图像占有很大比例。在对图像进行自动白平衡处理时，可能会误判图像为高色温图像。在经过自动白平衡算法处理之后，得到的图像整体偏暖。

发明内容

本发明实施例解决的是对图像进行自动白平衡处理时输出的图像存在偏色的技术问题。

为解决上述技术问题，本发明实施例提供一种自动白平衡参数处理方法，包括：获取待检测的目标图像对应的图像参数以及初始白平衡增益值；对所述目标图像进行场景检测，获取所述目标图像对应的场景检测结果；获取所述场景检测结果对应的环境场景，确定所述目标图像对应的目标场景；根据所述目标场景，对所述初始自动白平衡增益值进行调整。

可选的，所述对所述目标图像进行场景检测，获取所述目标图像对应的场景检测结果，包括：根据所述目标图像对应的图像参数，确定所述目标图像的场景类别概率以及每一场景类别对应的权值；采用预设的神经网络模型对所述目标图像进行检测，获取所述目标图像的初始检测结果，所述初始检测结果包括所述目标图像的对象；根据所述每一场景类别对应的权值和/或所述目标图像的场景类别概率，对所述初始检测结果进行校正，确定所述场景检测结果。

可选的，所述对所述目标图像进行场景检测，获取所述目标图像对应的场景检测结果，包括：根据所述目标图像对应的图像参数，确定所述目标图像的场景类别。

可选的，所述对所述目标图像进行场景检测，获取所述目标图像对应的场景检测结果，包括：采用预设的神经网络模型对所述目标图像进行检测，获取所述目标图像的场景检测结果。

可选的，所述获取所述场景检测结果对应的环境场景，包括：获取拍摄所述目标图像时所处的外部环境信息；根据所述外部环境信息，确定所述环境场景为室内或室外。

可选的，所述外部环境信息包括以下至少一种：所述外部环境的色温信息、所述外部环境的红外光强度信息。

可选的，所述根据所述目标场景，对所述初始自动白平衡增益值进行调整，包括：根据目标图像在所述目标图像中所占目标区域的比例，确定目标区域对应的加权值为w，确定所述目标图像对应的加权值为1-w；0＜w＜1；根据所述目标区域对应的加权值以及所述目标图像对应的加权值，对所述初始自动白平衡增益值进行调整。

可选的，在对所述初始自动白平衡增益值进行调整之后，还包括：根据调整后的自动白平衡增益值，对所述目标图像进行白平衡处理。

本发明实施例还提供了一种自动白平衡参数处理装置，包括：第一获取单元，用于获取待检测的目标图像对应的图像参数以及初始白平衡增益值；第二获取单元，用于对所述目标图像进行场景检测，获取所述目标图像对应的场景检测结果；确定单元，用于获取所述场景检测结果对应的环境场景，确定所述目标图像对应的目标场景；调整单元，用于根据所述目标场景，对所述初始自动白平衡增益值进行调整。

本发明实施例还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为非易失性存储介质或非瞬态存储介质，其上存储有计算机程序，所述计算机程序被处理器运行时执行上述任一种所述的自动白平衡参数处理方法的步骤。

本发明实施例还提供了另一种自动白平衡参数处理装置，包括存储器和处理器，所述存储器上存储有可在所述处理器上运行的计算机程序，所述处理器运行所述计算机程序时执行上述任一种所述的自动白平衡参数处理方法的步骤。

与现有技术相比，本发明实施例的技术方案具有以下有益效果：

对目标图像进行场景检测，获取目标图像对应的场景检测结果，进而获取场景检测结果对应的环境场景，确定目标图像对应的目标场景。根据目标场景，对初始自动白平衡增益值进行调整。在对初始自动白平衡增益值进行调整时，充分考虑目标图像对应的场景检测结果、场景检测结果对应的环境场景，以对初始自动白平衡增益值进行对应调整，从而能够有效避免目标图像的色温误判断，最终得到的图像的偏色较小。

附图说明

图1是本发明实施例中的一种自动白平衡参数处理方法的流程图；

图2是本发明实施例中的一种自动白平衡参数处理装置的结构示意图。

具体实施方式

现有技术中，拍摄得到的图像中，拍摄主体(蓝天)所占区域的像素点会落在高色温处，而拍摄主体的像素点会在整张图像占有很大比例。在对图像进行自动白平衡处理时，可能会误判图像为高色温图像。在经过自动白平衡算法处理之后，得到的图像整体偏暖。

在本发明实施例中，在对初始自动白平衡增益值进行调整时，充分考虑目标图像对应的场景检测结果、场景检测结果对应的环境场景，以对初始自动白平衡增益值进行对应调整，从而能够有效避免目标图像的色温误判断，最终得到的图像的偏色较小。

为使本发明的上述目的、特征和有益效果能够更为明显易懂，下面结合附图对本发明的具体实施例做详细的说明。

本发明实施例提供了一种自动白平衡参数处理方法，参照图1，以下通过具体步骤进行详细说明。

步骤S101，获取待检测的目标图像对应的图像参数以及初始白平衡参数。

在具体实施中，待检测的目标图像可以为摄像设备当前拍摄获取到的图像。摄像设备可以为安装有摄像装置的电子设备。例如，摄像设备为相机。又如，摄像设备为安装有摄像头的手机或平板电脑。

在获取到摄像设备当前拍摄到的目标图像后，可以计算目标图像对应的图像参数以及初始白平衡参数。

在本发明实施例中，目标图像对应的图像参数可以包括如下至少一种：目标图像的色温值，目标图像的亮度值，目标图像的RGB分量，目标图像的R分量、G分量、B分量之间的关系。R分量、G分量、B分量之间的关系可以包括任意两个分量之间的关系。例如，R分量、G分量、B分量之间的关系包括：R分量与G分量之间的关系、B分量与G分量之间的关系。

在本发明实施例中，在获取到待检测的目标图像之后，可以计算目标图像的初始白平衡增益值。根据目标图像计算其对应的初始白平衡增益值的具体算法及过程可以参照现有技术，本发明实施例不做赘述。

步骤S102，对所述目标图像进行场景检测，获取所述目标图像对应的场景检测结果。

在具体实施中，可以对目标图像进行场景检测，以获取目标图像对应的场景检测结果。获取到的目标图像对应的场景检测结果可以为目标图像对应的拍摄场景。拍摄场景可以为蓝天场景、绿植场景、日出场景、日落场景等。

在本发明实施例中，可以根据目标图像对应的图像参数，根据先验的统计信息来判断目标图像的场景类别概率。在确定了目标图像的场景类别概率之后，可以设定每一场景类别对应的权值。目标图像的场景类别概率越高，则其对应的权值可以越大。

例如，根据目标图像的图像参数，确定目标图像的场景类别为蓝天场景的概率为80％，确定目标图像的场景类别为绿植场景的概率为50％。蓝天场景对应的权值为1，绿植场景对应的权值为0.7。

在本发明一实施例中，将目标图像的色温值，目标图像的亮度值，目标图像的R分量、G分量、B分量之间的关系作为目标图像的图像参数。

目标图像中同时包括蓝天绿植等对象。根据对象特性来判断目标图像的场景为蓝天场景的可能性以及拍摄场景为绿植场景的可能性。

对于蓝天对象，利用高色温、高亮度的特点，来计算蓝天场景的可能性统计目标图像中高色温区域的占比大小。如统计目标图像中像素块色温在4000K以上的所有像素块，作为高色温区域，进一步计算高色温区域中目标图像中的所占比例。

获取目标图像对应的环境亮度值。若目标图像对应的环境亮度值大于1200lm，则该目标图像为蓝天场景的可能性较大。

统计R/G或B/G与色温值关系的直方图，在B/G占直方图面积50％处时要求对应的ct值在6000k以上，确定该目标图像为蓝天场景的可能性较大。

在实际应用中可知，色温(Color Temperature)是表示光线中包含颜色成分的一个计量单位，计量单位为“K”(开尔文)，是由光源发出的光的色彩和理论的热黑体辐射体来确定的。低色温光源的特征在能量分布中，红辐射的比例较大，通常称为“暖光”。色温提高后，能量分布中，蓝辐射的比例增加，通常称为“冷光”，所以色温越高越偏蓝，色温越低则越偏黄。

在具体应用中，目标图像的色温值可以通过摄像设备中内置的图像传感器、色温传感器、色温检测仪器等获取。

在具体实施中，还可以采用预设的神经网络模型对目标图像进行检测，获取目标图像的初始检测结果。目标图像的初始检测结果可以包括目标图像的场景。

在本发明实施例中，可以采用诸如Fast R-CNN、SSD系列、YOLO系列等算法，预先建立相应的神经网络模型。神经网络模型的输入可以是待检测的目标图像，输出可以为初始检测结果。在实际应用中，训练神经网络模型的具体过程及算法可以参照现有技术。

例如，可以预先获取多张包括蓝天对象、绿植对象的样本图片，建立初始神经网络模型，采用初始神经网络模型对样本图像进行训练，根据样本图像中的蓝天占比、绿植占比等对初始神经网络模型进行调整，最终得到训练好的神经网络模型。

在本发明实施例中，通过神经网络模型对目标图像进行检测，可以检测出目标图像中所包含的蓝天、绿植、日出、日落、人像、雪景等对象，进而为检测出的每一种对象赋予相应的置信度。

具体而言，可以根据每一对象对应的区域在目标图像中的占比，来为不同的对象赋予对应的置信度。若某一对象对应的区域在目标图像中的占比较大，则可以将该对象赋予较高的置信度。反之，若某一对象对应的区域在目标图像中的占比较小，则可以将该对象赋予较低的置信度。

在本发明实施例中，在得到每一场景类别对应的权值、目标图像的场景类别概率、目标图像的初始检测结果之后，可以对初始检测结果进行校正。

在本发明实施例中，可以根据目标图像的场景类别概率，对初始检测结果进行校正，得到目标图像对应的场景检测结果。

在本发明一实施例中，确定目标图像的场景类别为A场景的概率为a1，初始检测结果中A场景对应对象的置信度为b1，则可以计算A场景对应的结果为a1×b1。确定目标图像的场景类别为B场景的概率为a2，初始检测结果中B场景对应对象的置信度为b2，则可以计算B场景对应的结果为a2×b2。以此类推，将多个场景对应的结果进行比较，选取最大值对应的场景作为目标图像对应的场景。

例如，确定目标图像的场景类别为蓝天场景的概率为80％，确定目标图像的场景类别为绿植场景的概率为50％。初始检测结果中，蓝天对象的置信度为0.4，绿植对应的置信度为0.4，则最终蓝天场景对应的结果为0.4，绿植场景对应的结果为0.2，则确定目标图像对应的场景检测结果为蓝天场景。

在本发明实施例中，也可以根据每一场景类别对应的权值，对初始检测结果进行校正。

例如，确定目标图像的场景类别为蓝天场景的概率为80％，确定目标图像的场景类别为绿植场景的概率为50％。蓝天场景对应的权值为0.7，绿植场景对应的权值为0.6。初始检测结果中，蓝天对象的置信度为0.5，绿植对象的置信度为0.4，则蓝天场景对应的结果为：蓝天场景对应的权值与蓝天对象的置信度乘积，也即0.7×0.5＝0.35。绿植场景对应的结果为：绿植场景对应的权值与绿植对象的置信度乘积，也即0.6×0.4＝0.24。确定目标图像对应的场景检测结果为蓝天场景。

在本发明实施例，还可以根据目标图像的场景类别概率、每一场景类别对应的权值，对初始检测结果进行校正。

例如，确定目标图像的场景类别为蓝天场景的概率为a1＝50％，确定目标图像的场景类别为绿植场景的概率为a2＝80％。蓝天场景对应的权值为b1＝0.4，绿植场景对应的权值为b2＝1。初始检测结果中，蓝天对象的置信度为c1＝0.5，绿植对象的置信度为c2＝0.8，则蓝天场景对应的结果为：b1×(a1+c1)/2＝0.1。绿植场景对应的结果为：b2×(a2+c2)/2＝0.4。确定目标图像对应的场景检测结果为绿植场景。

可以理解的是，在其他实施例中，也可以采用其他的计算方式，对每一场景类别对应的权值、目标图像的场景类别概率以及初始检测结果中对象的置信度进行运算。

在具体实施中，也可以直接根据目标图像对应的图像参数，确定目标图像对应的场景类型。

在具体实施中，还可以直接采用预设的神经网络模型对所述目标图像进行检测，获取所述目标图像的场景检测结果。

通过图像参数确定目标图像的场景类别概率以及每一场景类别对应的权值，采用预设的神经网络模型对所述目标图像进行检测，获取所述目标图像的初始检测结果，所述初始检测结果包括所述目标图像的场景，根据所述每一场景类别对应的权值，对所述初始检测结果进行校正，确定的场景检测结果更加精准。

步骤S103，获取所述场景检测结果对应的环境场景，确定所述目标图像对应的目标场景。

在具体实施中，在获取到目标图像对应的场景检测结果之后，可以进一步确定场景检测结果对应的环境场景。

在本发明实施例中，场景检测结果对应的环境场景，可以是指：采集目标图像的摄像设备在拍摄目标图像时所处的环境场景。例如，用户在室外使用摄像设备采集目标图像，则目标图像对应的环境场景为室外。又如，用户在室内使用摄像设备采集目标图像，则目标图像对应的环境场景为室内。

在具体实施中，可以先获取拍摄目标图像时摄像设备所处的外部环境信息，之后，根据摄像设备拍摄目标图像时所处的外部环境信息，确定环境场景是室内或者室外。

在具体实施中，可以先根据场景检测结果，来确定是否继续获取场景检测结果对应的环境场景。具体而言，可以判断场景检测结果是否满足预设的条件。若场景检测结果满足预设的条件，则确定继续获取场景检测结果对应的环境场景。

在本发明实施例中，预设条件可以为：场景检测结果包括预设场景。例如，预设场景为绿植场景。当目标图像对应的场景检测结果为绿植场景时，确定继续获取场景检测结果对应的环境场景。

在具体实施中，可以通过预设的环境传感器来获取摄像设备拍摄目标图像时所处的外部环境信息。预设的环境传感器可以设置在摄像设备中，也可以独立于摄像设备存在。

在本发明实施例中，环境传感器可以为色温传感器。色温传感器是用于色温统计的一种传感器。色温传感器可以分析判断环境光的波长等信息，得到当前环境的色温、红外光强度等信息，从而进行区分室内室外场景。

在具体应用中可知，光源显色性是指光源在与标准参照光源相比时对物体色产生的颜色效果，反应光源对物体自然原色的呈现程度。光源的显色性一般用显色指数(Ra)表示。Ra是将DIN6169标准中定义的8种测试颜色在标准光源和被测试光源下做比较。测试颜色在标准光源与被测试光源下的色差越小，则显色指数越大，表征待测光源的显色性越好；反之，测试颜色在标准光源与被测试光源下的色差越大，则显色指数越小，表征待测光源的显色性越差。通常情况下显色指数的最大值为100Ra。

为了符合人类长期的照明习惯，国际照明委员会规定5000K以下的低色温光源用普朗克辐射体作为标准光源，色温5000K以上的用标准照明体D作为标准光源，设定标准光源的显色指数为100，各光源下对应显色指数如下表一所示：

光源	显色指数Ra
		卤钨灯	95-99
白炽灯	97
		日光色荧光灯	80-94
暖白色荧光灯	80-90
		白色荧光灯	75-85
镝灯	85以上
		金属卤化物灯	60-65
钠铊铟灯	60-65
		高压汞灯	22-51
高压钠灯	20-30

表一

根据上述表一可以确定光源显色性，结合色温传感器获取到的外部环境信息，可以确定环境场景。例如，确定当前的环境场景为室内，最终确定的场景检测结果对应的目标场景可以为室内白炽灯下绿植场景。

步骤S104，根据所述目标场景以及所述初始白平衡增益值，对所述初始自动白平衡增益值或者目标场景下的调试参数进行调整。

在具体实施中，可以根据目标场景对应的目标对象在目标图像中所占的比例，对初始自动白平衡增益值进行调整。

在本发明实施例中，目标场景对应的目标对象可以为：目标图像中，与目标场景相关的对象。例如，目标场景为室内白炽灯下绿植场景，则目标对象为绿植。又如，目标场景为室外蓝天场景，则目标对象为蓝天。

在确定了目标场景后，可以根据目标对象在目标图像中所占目标区域的比例，确定目标区域对应的加权值为w。在确定目标区域的加权值为w之后，可以确定整个目标图像对应的加权值为1-w。0＜w＜1。

在对初始自动白平衡增益值进行调整时，可以将目标区域对应的加权值w与目标区域对应的初始自动白平衡增益值相乘得到第一乘积，将整个目标图像对应的加权值与整个图像对应的初始自动白平衡增益值相乘得到第二乘积，将二者相加，得到的和值即为目标区域对应的调整后的自动白平衡增益值。

例如，目标场景为蓝天场景。蓝天场景对应的目标对象为蓝天。目标图像中蓝天对应的初始自动白平衡增益值为R_蓝天，目标图像对应的初始自动白平衡增益值为R_目标图像，蓝天对应的目标区域(目标图像中的蓝天区域)的加权值为w，目标图像的加权值为1-w，则调整后的蓝天区域的自动白平衡增益值为：w×R_蓝天+(1-w)×R_目标图像。

在本发明实施例中，目标区域占整个目标图像的比例越大，则目标区域对应的加权值w越大；反之，目标区域占整个目标图像的比例越小，则目标区域对应的加权值w越小。

在本发明实施例中，对初始自动白平衡增益值进行调整，可以是将目标区域对应的初始自动白平衡增益值与整张目标图像对应的初始自动白平衡增益值进行加权运算，以对初始自动白平衡增益值进行调整。

例如，目标区域对应的初始自动白平衡增益值与整张目标图像对应的初始自动白平衡增益值相等，均为x。目标区域对应的加权值为0.8，则整张图像对应的加权值为0.2。将目标区域对应的初始自动白平衡增益值与整张目标图像对应的初始自动白平衡增益值进行加权运算。

在具体实施中，也可以根据目标场景，对目标场景下的调试参数进行调整。

在本发明实施例中，目标场景下的调试参数，可以是针对于目标区域的调试参数。对目标场景下的调试参数进行调整，可以是对目标区域的调试参数进行调整。

例如，目标场景为蓝天场景，目标场景下的调试参数是指对目标图像中的蓝天区域进行调整的调试参数。调试参数可以包括自动白平衡增益值。

在具体实施中，在对初始自动白平衡增益值进行调整之后，即可根据调整后的自动白平衡增益值，对目标图像进行白平衡处理，得到相应的输出图像。

在本发明实施例中，对目标图像进行白平衡处理，可以是对目标图像中的目标区域进行白平衡处理。也就是说，采用调整后的自动白平衡增益值，对目标图像中的目标区域进行白平衡处理。

参照图2，本发明实施例还提供了一种自动白平衡参数处理装置20，包括：第一获取单元201、第二获取单元202、确定单元203以及调整单元204，其中：

第一获取单元201，用于获取待检测的目标图像对应的图像参数以及初始白平衡增益值；

第二获取单元202，用于对所述目标图像进行场景检测，获取所述目标图像对应的场景检测结果；

确定单元203，用于获取所述场景检测结果对应的环境场景，确定所述目标图像对应的目标场景；

调整单元204，用于根据所述目标场景，对所述初始自动白平衡增益值进行调整。

在具体实施中，上述第一获取单元201、第二获取单元202、确定单元203以及调整单元204的具体执行过程可以对应参照上述步骤S101～步骤S104，本发明实施例不做赘述。

在具体实施中，上述的自动白平衡参数处理装置20可以对应于摄像设备中具有数据处理功能的芯片；或者对应于摄像设备中包括具有数据处理功能芯片的芯片模组，或者对应于摄像设备。

本发明实施例还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为非易失性存储介质或非瞬态存储介质，其上存储有计算机程序，所述计算机程序被处理器运行时执行上述步骤S101～步骤S104所提供的自动白平衡参数处理方法的步骤。

本发明实施例还提供了另一种自动白平衡参数处理装置，包括存储器和处理器，所述存储器上存储有可在所述处理器上运行的计算机程序，所述处理器运行所述计算机程序时执行上述步骤S101～步骤S104所提供的自动白平衡参数处理方法的步骤。

在具体实施中，关于上述实施例中描述的各个装置、产品包含的各个模块/单元，其可以是软件模块/单元，也可以是硬件模块/单元，或者也可以部分是软件模块/单元，部分是硬件模块/单元。

例如，对于应用于或集成于芯片的各个装置、产品，其包含的各个模块/单元可以都采用电路等硬件的方式实现，或者，至少部分模块/单元可以采用软件程序的方式实现，该软件程序运行于芯片内部集成的处理器，剩余的(如果有)部分模块/单元可以采用电路等硬件方式实现；对于应用于或集成于芯片模组的各个装置、产品，其包含的各个模块/单元可以都采用电路等硬件的方式实现，不同的模块/单元可以位于芯片模组的同一组件(例如芯片、电路模块等)或者不同组件中，或者，至少部分模块/单元可以采用软件程序的方式实现，该软件程序运行于芯片模组内部集成的处理器，剩余的(如果有)部分模块/单元可以采用电路等硬件方式实现；对于应用于或集成于终端的各个装置、产品，其包含的各个模块/单元可以都采用电路等硬件的方式实现，不同的模块/单元可以位于终端内同一组件(例如，芯片、电路模块等)或者不同组件中，或者，至少部分模块/单元可以采用软件程序的方式实现，该软件程序运行于终端内部集成的处理器，剩余的(如果有)部分模块/单元可以采用电路等硬件方式实现。

本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指示相关的硬件来完成，该程序可以存储于一计算机可读存储介质中，存储介质可以包括：ROM、RAM、磁盘或光盘等。

虽然本发明披露如上，但本发明并非限定于此。任何本领域技术人员，在不脱离本发明的精神和范围内，均可作各种更动与修改，因此本发明的保护范围应当以权利要求所限定的范围为准。

Claims (8)

1.一种自动白平衡参数处理方法，其特征在于，包括：

获取待检测的目标图像对应的图像参数以及初始自动 白平衡增益值；

对所述目标图像进行场景检测，获取所述目标图像对应的场景检测结果，包括：根据所述目标图像对应的图像参数，确定所述目标图像的场景类别；

获取所述场景检测结果对应的环境场景，确定所述目标图像对应的目标场景，包括：获取拍摄所述目标图像时所处的外部环境信息；根据所述外部环境信息，确定所述环境场景为室内或室外；所述目标场景为所述环境场景下的所述场景检测结果；

根据所述目标场景，对所述初始自动白平衡增益值或者目标场景下的调试参数进行调整，包括：根据目标对象在所述目标图像中所占目标区域的比例，确定目标区域对应的加权值为w，确定所述目标图像对应的加权值为1-w；0＜w＜1；根据所述目标区域对应的加权值以及所述目标图像对应的加权值，对所述初始自动白平衡增益值或目标场景下的调试参数进行调整。

2.如权利要求1所述的自动白平衡参数处理方法，其特征在于，所述对所述目标图像进行场景检测，获取所述目标图像对应的场景检测结果，包括：

根据所述目标图像对应的图像参数，确定所述目标图像的场景类别概率以及每一场景类别对应的权值；

采用预设的神经网络模型对所述目标图像进行检测，获取所述目标图像的初始检测结果，所述初始检测结果包括所述目标图像的对象；

根据所述每一场景类别对应的权值和/或所述目标图像的场景类别概率，对所述初始检测结果进行校正，确定所述场景检测结果。

3.如权利要求1所述的自动白平衡参数处理方法，其特征在于，所述对所述目标图像进行场景检测，获取所述目标图像对应的场景检测结果，包括：

采用预设的神经网络模型对所述目标图像进行检测，获取所述目标图像的场景检测结果。

4.如权利要求1所述的自动白平衡参数处理方法，其特征在于，所述外部环境信息包括以下至少一种：所述外部环境的色温信息、所述外部环境的红外光强度信息。

5.如权利要求1～4任一项所述的自动白平衡参数处理方法，其特征在于，在对所述初始自动白平衡增益值进行调整之后，还包括：

根据调整后的初始 自动白平衡增益值，对所述目标图像进行白平衡处理。

6.一种自动白平衡参数处理装置，其特征在于，包括：

第一获取单元，用于获取待检测的目标图像对应的图像参数以及初始自动 白平衡增益值；

第二获取单元，用于对所述目标图像进行场景检测，获取所述目标图像对应的场景检测结果，包括：根据所述目标图像对应的图像参数，确定所述目标图像的场景类别；

确定单元，用于获取所述场景检测结果对应的环境场景，确定所述目标图像对应的目标场景，包括：获取拍摄所述目标图像时所处的外部环境信息；根据所述外部环境信息，确定所述环境场景为室内或室外；所述目标场景为所述环境场景下的所述场景检测结果；

调整单元，用于根据所述目标场景，对所述初始自动白平衡增益值或者目标场景下的调试参数进行调整，包括：根据目标对象在所述目标图像中所占目标区域的比例，确定目标区域对应的加权值为w，确定所述目标图像对应的加权值为1-w；0＜w＜1；根据所述目标区域对应的加权值以及所述目标图像对应的加权值，对所述初始自动白平衡增益值或目标场景下的调试参数进行调整。

7.一种计算机可读存储介质，所述计算机可读存储介质为非易失性存储介质或非瞬态存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器运行时执行权利要求1～5任一项所述的自动白平衡参数处理方法的步骤。

8.一种自动白平衡参数处理装置，包括存储器和处理器，所述存储器上存储有可在所述处理器上运行的计算机程序，其特征在于，所述处理器运行所述计算机程序时执行权利要求1～5任一项所述的自动白平衡参数处理方法的步骤。

Images