本发明涉及图像采集领域，特别地，涉及一种曝光参数的获取方法。
背景技术：
1、自动曝光技术是图像采集设备例如相机系统中不可或缺的一环，该技术直接决定了所呈现图像的明暗程度。
2、通常而言，自动曝光的技术原理是：对传感器例如cmos传感器得到的当前图像帧数据进行统计，得到当前图像帧全帧的亮度均值hm，通过比对亮度阈值h和hm的差异来调整曝光时间、模拟增益以及数字增益等曝光参数，从而实现自动曝光。
3、现有的自动曝光算法中，通常会设定多个离散的亮度阈值，将当前统计的亮度均值与亮度阈值1进行比对，根据两者的差异依次调整曝光时间、模拟增益、数字增益等曝光参数，若仍达不到预期，则统计当前图像帧的亮度均值，并与亮度阈值2进行比对，根据两者的差异再次调整曝光参数……以此类推，如此反复，这样，将会在一定时间内才能得到适合于当前场景下的曝光配置，导致前期获得的图像的亮度呈现出一个亮度变化的过程，例如时亮时暗，无法一次性地获得正常曝光下的图像帧，即需要较长时间才能获得质量较佳的图像帧。
4、另外，现有的自动曝光算法只能运行在专有cpu上，通过cpu输出的曝光参数控制isp芯片，由此带来较大的整体功耗损耗。
技术实现思路
1、本发明提供了一种曝光参数的获取方法，以提高曝光参数的配置效率。
2、本技术第一方面，提供了一种曝光参数的获取方法，该方法包括：
3、将来自传感器的待捕获当前图像数据输入至训练后的神经网络模型进行增益系数分类，得到用于表征当前图像数据对应的当前增益系数所属增益系数类别的分类结果、以及用于表征当前增益系数所属分类结果中子类别的偏置结果，
4、在分类结果属于过曝的情形下，根据分类结果、偏置结果、以及预设的过曝类别间距和过曝增益系数范围下限，确定当前增益系数，
5、在分类结果属于欠曝的情形下，根据分类结果、偏置结果、以及预设的欠曝类别间距和欠曝增益系数范围下限，确定当前增益系数；
6、根据当前增益系数，配置用于捕获当前图像的曝光参数，
7、其中，
8、过曝类别间距用于表征相邻两过曝增益系数类别之间增益系数的差值，
9、欠曝类别间距用于表征相邻两欠曝增益系数类别之间增益系数的差值。
10、较佳地，所述根据分类结果、偏置结果、以及预设的过曝类别间距和过曝增益系数范围下限，确定当前增益系数，包括：
11、根据分类结果以及过曝类别间距，计算分类结果对应的第一增益系数，
12、根据偏置结果以及过曝类别间距，计算偏置结果对应的第二增益系数，
13、将第一增益系数、第二增益系数、以及过曝增益系数范围下限进行累加，得到当前增益系数。
14、较佳地，所述根据分类结果以及过曝类别间距，计算分类结果对应的第一增益系数，包括：
15、计算用于描述分类结果的分类计数值与过曝类别间距的乘积，得到第一增益系数；
16、所述根据偏置结果以及过曝类别间距，计算偏置结果对应的第二增益系数，包括：
17、计算用于描述偏置结果的偏置值与过曝类别间距的乘积，得到第二增益系数。
18、较佳地，所述根据分类结果、欠曝类别间距、欠曝增益系数范围下限、以及偏置结果确定当前增益系数，包括：
19、根据分类结果以及欠曝类别间距，计算分类结果对应的第三增益系数，
20、根据偏置结果以及欠曝类别间距，计算偏置结果对应的第四增益系数，
21、将第三增益系数、第四增益系数、以及欠曝增益系数范围下限进行累加，得到当前增益系数。
22、较佳地，所述根据分类结果以及欠曝类别间距，计算分类结果对应的第三增益系数，包括：
23、计算用于描述分类结果的分类计数值与欠曝类别间距的乘积，得到第三增益系数；
24、所述根据偏置结果以及欠曝类别间距，计算偏置结果对应的第四增益系数，包括：
25、计算用于偏置结果的偏置值与欠曝类别间距的乘积，得到第四增益系数。
26、较佳地，所述过曝类别间距为：设置的过曝增益系数范围与设置的过曝增益系数类别的数量之比，
27、所述欠曝类别间距为：设置的欠曝增益系数范围与设置的欠曝增益系数类别的数量之比。
28、本技术第二方面提供一种神经网络模型的训练方法，该方法包括：
29、将样本图像数据输入至神经网络模型，得到用于表征样本图像数据对应的样本增益系数所属增益系数样本类别的样本分类结果、以及用于表征所述样本增益系数所属样本分类结果中子样本类别的样本偏置结果，
30、根据样本分类结果与标准分类结果之间的差异、样本偏置结果与标准偏置结果之间的差异，调整神经网络模型参数，
31、其中，
32、在样本增益系数在预设的过曝增益系数范围内的情形下，样本分类结果根据样本增益系数、过曝增益系数范围的下限、以及过曝类别间距确定，样本偏置结果根据样本增益系数、样本分类结果、过曝增益系数范围的下限、以及过曝类别间距确定，
33、在样本增益系数在预设的欠曝增益系数范围内的情形下，样本分类结果根据样本增益系数、欠曝增益系数范围下限、以及欠曝类别间距确定，样本偏置结果根据样本增益系数、样本分类结果、欠曝增益系数范围的下限、以及欠曝类别间距确定；
34、过曝类别间距用于表征相邻两过曝增益系数类别之间增益系数的差值，
35、欠曝类别间距用于表征相邻两欠曝增益系数类别之间增益系数的差值。
36、较佳地，所述样本分类结果根据样本增益系数、过曝增益系数范围的下限、以及过曝类别间距确定，包括：
37、计算样本增益系数与过曝增益系数范围的下限之间的第一差值，
38、计算第一差值与过曝类别间距的比值，并向下取整，得到样本分类结果；
39、所述样本偏置结果根据样本增益系数、样本分类结果、过曝增益系数范围的下限、以及过曝类别间距确定，包括：
40、计算样本分类结果对应的第五增益系数，
41、计算第五增益系数与过曝增益系数范围的下限之和，
42、确定样本增益系数与所计算的第五增益系数与过曝增益系数范围的下限之和之间的第二差值，
43、计算第二差值与过曝类别间距的比值，得到样本偏置结果。
44、较佳地，所述样本分类结果根据样本增益系数、欠曝增益系数范围下限、以及欠曝类别间距确定，包括：
45、计算样本增益系数与欠曝增益系数范围的下限之间的第三差值，
46、计算第三差值与欠曝类别间距的比值，并向下取整，得到样本分类结果；
47、所述样本偏置结果根据样本增益系数、样本分类结果、欠曝增益系数范围的下限、以及欠曝类别间距确定，包括：
48、计算样本分类结果对应的第六增益系数，
49、计算第六增益系数与欠曝增益系数范围的下限之和，
50、确定样本增益系数与所计算的第六增益系数与欠曝增益系数范围的下限之和之间的第四差值，
51、计算第四差值与欠曝类别间距的比值，得到样本偏置结果。
52、本技术第三方面提供一种曝光参数的获取装置，该装置包括：
53、分类模块，用于将来自传感器的待捕获当前图像数据输入至训练后的神经网络模型进行增益系数分类，得到用于表征当前图像数据对应的当前增益系数所属增益系数类别的分类结果、以及用于表征当前增益系数所属分类结果中子类别的偏置结果；
54、确定模块，用于在分类结果属于过曝的情形下，根据分类结果、偏置结果、以及预设的过曝类别间距和过曝增益系数范围下限，确定当前增益系数，
55、在分类结果属于欠曝的情形下，根据分类结果、偏置结果、以及预设的欠曝类别间距和欠曝增益系数范围下限，确定当前增益系数；
56、根据当前增益系数，配置用于捕获当前图像的曝光参数，
57、其中，
58、过曝类别间距用于表征相邻两过曝增益系数类别之间增益系数的差值，
59、欠曝类别间距用于表征相邻两欠曝增益系数类别之间增益系数的差值。
60、本技术第四方面提供一种神经网络模型的训练装置，该装置包括：
61、样本测试模块，将样本图像数据输入至神经网络模型，得到用于表征样本图像数据对应的样本增益系数所属增益系数样本类别的样本分类结果、以及用于表征所述样本增益系数所属样本分类结果中子样本类别的样本偏置结果，
62、调参模块，根据样本分类结果与标准分类结果之间的差异、样本偏置结果与标准偏置结果之间的差异，调整神经网络模型参数，
63、其中，
64、在样本增益系数在预设的过曝增益系数范围内的情形下，样本分类结果根据样本增益系数、过曝增益系数范围的下限、以及过曝类别间距确定，样本偏置结果根据样本增益系数、样本分类结果、过曝增益系数范围的下限、以及过曝类别间距确定，
65、在样本增益系数在预设的欠曝增益系数范围内的情形下，样本分类结果根据样本增益系数、欠曝增益系数范围下限、以及欠曝类别间距确定，样本偏置结果根据样本增益系数、样本分类结果、欠曝增益系数范围的下限、以及欠曝类别间距确定；
66、过曝类别间距用于表征相邻两过曝增益系数类别之间增益系数的差值，
67、欠曝类别间距用于表征相邻两欠曝增益系数类别之间增益系数的差值。
68、本技术第五方面提供一种电子设备，包括有用于图像数据输出的传感器、用于捕获图像的图像处理器的图像采集模组，所述图像采集模组还包括所述的曝光参数的获取装置。
69、本技术第六方面提供一种计算机可读存储介质，所述存储介质内存储有计算机程序，所述计算机程序被处理器执行时实现任一所述曝光参数的获取方法的步骤和/或任一所述神经网络模型的训练方法的步骤。
70、本技术实施例提供的曝光参数的获取方法，通过训练后的神经网络模型对待捕获当前图像数据进行增益系数分类，并根据所得到的分类结果和偏置结果确定增益系数，以根据增益系数进行曝光参数配置，可一次性地获得正常曝光下的图像，避免了现有自动曝光算法中反复调整曝光参数所带来的图像亮度渐变的情形，既提高了曝光参数的配置效率，又提高了捕获图像的质量。
1.一种曝光参数的获取方法，其特征在于，该方法包括：
2.如权利要求1所述的获取方法，其特征在于，所述根据分类结果、偏置结果、以及预设的过曝类别间距和过曝增益系数范围下限，确定当前增益系数，包括：
3.如权利要求2所述的获取方法，其特征在于，所述根据分类结果以及过曝类别间距，计算分类结果对应的第一增益系数，包括：
4.如权利要求1所述的获取方法，其特征在于，所述根据分类结果、欠曝类别间距、欠曝增益系数范围下限、以及偏置结果确定当前增益系数，包括：
5.如权利要求4所述的获取方法，其特征在于，所述根据分类结果以及欠曝类别间距，计算分类结果对应的第三增益系数，包括：
6.如权利要求1所述的获取方法，其特征在于，所述过曝类别间距为：设置的过曝增益系数范围与设置的过曝增益系数类别的数量之比，
7.一种神经网络模型的训练方法，其特征在于，该方法包括：
8.如权利要求1所述的训练方法，其特征在于，所述样本分类结果根据样本增益系数、过曝增益系数范围的下限、以及过曝类别间距确定，包括：
9.如权利要求1所述的训练方法，其特征在于，所述样本分类结果根据样本增益系数、欠曝增益系数范围下限、以及欠曝类别间距确定，包括：
10.一种曝光参数的获取装置，其特征在于，该装置包括：
11.一种神经网络模型的训练装置，其特征在于，该装置包括：
12.一种电子设备，包括有用于图像数据输出的传感器、用于捕获图像的图像处理器的图像采集模组，其特征在于，所述图像采集模组还包括如权利要求10所述的曝光参数的获取装置。
13.一种计算机可读存储介质，其特征在于，所述存储介质内存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至6任一所述曝光参数的获取方法的步骤和/或如权利要求7至9任一所述神经网络模型的训练方法的步骤。
