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。