CN108156376A - 图像采集方法、装置、终端及存储介质 - Google Patents

Abstract

本申请公开了一种图像采集方法、装置、终端及存储介质，属于图像采集技术领域。该方法包括：在摄像头处于开启状态时，获取感知数据，根据感知数据确定摄像头的取景状态，取景状态包括预拍摄状态或者非预拍摄状态，获取摄像头的取景状态对应的取景参数；控制摄像头使用取景参数进行取景；其中，摄像头使用非预拍摄状态对应的取景参数进行取景时的功耗，小于使用预拍摄状态对应的取景参数进行取景时的功耗。本申请可以解决摄像头在长时间处于取景状态时造成的高功耗状态的问题；由于摄像头可以通过感知数据确定取景状态，因此，本发明实施例可令摄像头较为智能地减少取景过程中带来的功耗，节约电能，延长摄像头的工作时间。

Description

图像采集方法、装置、终端及存储介质

技术领域

本发明实施例涉及图像采集技术领域，特别涉及一种图像采集方法、装置、终端及存储介质。

背景技术

终端中配备有摄像头，摄像头具有采集外界图像的功能。该摄像头采集外界光线，在处理器和感光传感器的协同下成像，并能够在存储器中保存成像后的外界图像。

摄像头在采集外界图像时，需要用户手动开启终端中的照相程序，此时摄像头开始取景。摄像头实时采集外界图像，外界图像的光线在感光传感器上被转化成电信号，随后被处理器所处理，经过处理器处理后生成图像，并在终端的屏幕中显示。

在摄像头长时间取景时，处理器将持续高频运行，以实时生成取景图像，此时，终端进行图像采集时的功耗较大。

发明内容

本发明实施例提供的图像采集方法、装置、终端及存储介质，可以解决终端在摄像头长时间取景时，处理器将持续高频运行，以实时生成取景图像造成的功耗较大的问题。所述技术方案如下：

第一方面，提供了一种图像采集方法，所述方法包括：

在摄像头处于开启状态时，获取感知数据，所述感知数据是通过指定类型传感器采集到的传感器数据；

根据所述感知数据确定所述摄像头的取景状态，所述取景状态包括预拍摄状态或者非预拍摄状态，所述预拍摄状态是满足拍摄图片的条件的状态，所述非预拍摄状态是不满足拍摄图片的条件的状态；

获取所述摄像头的取景状态对应的取景参数；

控制所述摄像头使用所述取景参数进行取景；

其中，所述摄像头使用所述非预拍摄状态对应的取景参数进行取景时的功耗，小于使用所述预拍摄状态对应的取景参数进行取景时的功耗。

第二方面，提供了一种图像采集装置，所述装置包括：

第一获取模块，被配置为在摄像头处于开启状态时，获取感知数据，所述感知数据是通过指定类型传感器采集到的传感器数据；

确定模块，被配置为根据所述感知数据确定所述摄像头的取景状态，所述取景状态包括预拍摄状态或者非预拍摄状态，所述预拍摄状态是满足拍摄图片的条件的状态，所述非预拍摄状态是不满足拍摄图片的条件的状态；

第二获取模块，被配置为获取所述摄像头的取景状态对应的取景参数；

取景模块，被配置为控制所述摄像头使用所述取景参数进行取景；其中，所述摄像头使用所述非预拍摄状态对应的取景参数进行取景时的功耗，小于使用所述预拍摄状态对应的取景参数进行取景时的功耗。

第三方面，提供了一种终端，所述终端包括处理器、与所述处理器相连的存储器，以及存储在所述存储器上的程序指令，所述处理器执行所述程序指令时实现第一方面提供的图像采集方法。

第四方面，一种计算机可读介质，其上存储有程序指令，所述程序指令被处理器执行时实现第一方面提供的图像采集方法。

本发明实施例提供的技术方案带来的有益效果是：

在摄像头处于开启状态时，获取感知数据，根据感知数据确定摄像头的取景状态，取景状态包括预拍摄状态或者非预拍摄状态，获取摄像头的取景状态对应的取景参数；控制摄像头使用取景参数进行取景；其中，摄像头使用非预拍摄状态对应的取景参数进行取景时的功耗，小于使用预拍摄状态对应的取景参数进行取景时的功耗。本申请可以解决摄像头在长时间处于取景状态时造成的高功耗状态的问题；由于摄像头可以通过感知数据确定取景状态，因此，本发明实施例可令摄像头较为智能地减少取景过程中带来的功耗，节约电能，延长摄像头的工作时间。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是本发明实施例的一个示例性实施例示出的一种图像采集方法的流程图；

图2是基于图1所示的实施例提供的一种取景状态和取景参数的对应关系表；

图3是本发明实施例的一个示例性实施例示出的另一种图像采集方法的流程图；

图4是基于图3所示实施例提供的一种感知数据处理流程示意图；

图5是基于图3所示实施例提供的一种数据传递的示意图；

图6是本申请一个实施例提供的图像采集装置的结构方框图；

图7是本申请一个示例性实施例提供的终端的结构方框图。

具体实施方式

为使本申请的目的、技术方案和优点更加清楚，下面将结合附图对本申请实施方式作进一步地详细描述。

首先，对本申请涉及的若干名词进行介绍。

感知数据：指通过指定类型传感器采集到的传感器数据，可以包括表示摄像头的运动状态的数据、用于表示摄像头的镜头姿态的数据和当摄像头集成在终端中，用于表示终端被持握的状态数据。对应的，指定类型传感器可以是加速度传感器、触控传感器、热力传感器或环境光传感器中至少一种。

取景状态：包括预拍摄状态或者非预拍摄状态，预拍摄状态是摄像头在拍摄图片的时刻点前后的一段指定时长内的取景状态，非预拍摄状态是摄像头在拍摄图片的时刻点前后的一段指定时长外的取景状态。摄像头使用非预拍摄状态对应的取景参数进行取景时的功耗，小于使用预拍摄状态对应的取景参数进行取景时的功耗。

取景参数：指摄像头获取取景图像时的光学参数，可以包括图像分辨率、曝光值、感光度、白平衡、色彩饱和度以及锐利度中的至少一种。

拍摄优化功能：指一种可以包含多种参数协同调节的功能。该功能开启后，摄像头在采集取景图像时，将根据预设的拍摄优化功能参数实时协同调节涉及到的取景参数，以实现相应的功能。可选地，该拍摄优化功能参数包括：自动曝光功能参数、自动对焦功能参数、防抖功能参数、人脸检测功能参数、二维码检测功能参数和目标图像检测功能参数中至少一种。其中，人脸检测功能参数用于识别取景图像中的人脸，在检测到人脸后通过自动对焦等方式提高人脸拍摄效果。类似的，二维码检测功能参数用于识别取景图像中的二维码，在检测到二维码后通过自动对焦以及开启闪光灯等方式提高拍摄二维码的效果。另外，目标图像检测功能参数用于在取景图像中识别预设的目标图像或者目标物体的图像，当目标图像或者目标物体的图像出现时，终端的屏幕中展示预设的内容。例如，在终端使用AR(Augmented Reality，增强现实技术)显示技术时，终端可以在取景图像中检测到目标图像后，在显示屏中叠加显示取景图像和预设设置的虚拟图像。

分类模型：是一种用于根据输入的感知数据预测对应的取景状态的数学模型。

分类模型是根据训练样本获得的机器学习模型。其中，训练样本包含标注有对应的取景状态的传感器数据。

可选地，训练样本存储于样本库。样本库包括至少一个训练样本，每一个训练样本都包含对应有取景状态的传感器数据。

可选地，感知数据的格式是输入分类模型的数据的格式。比如：感知数据可以为多维向量或者矩阵的格式。

可选地，分类模型包括但不限于：支持向量机(Support Vector Machine，SVM)、深度神经网络(Deep Neural Network，DNN)模型、循环神经网络(Recurrent NeuralNetworks，RNN)模型、嵌入(embedding)模型、梯度提升决策树(Gradient BoostingDecision Tree，GBDT)模型等，本实施例在此不再一一列举。

支持向量机是一种基于统计学习理论的分类方法。在给定一组训练样本时，支持向量机通过采用监督式学习进行两类分类。在特征空间上令间隔最大，最终实现将给定的训练样本划分为两类。

DNN模型是一种深度学习框架。DNN模型包括输入层、至少一层隐层(或称，中间层)和输出层。可选地，输入层、至少一层隐层(或称，中间层)和输出层均包括至少一个神经元，神经元用于对接收到的数据进行处理。可选地，不同层之间的神经元的数量可以相同；或者，也可以不同。

RNN模型是一种具有反馈结构的神经网络。在RNN模型中，神经元的输出可以在下一个时间戳直接作用到自身，即，第i层神经元在m时刻的输入，除了(i-1)层神经元在该时刻的输出外，还包括其自身在(m-1)时刻的输出。

embedding模型是基于实体和关系分布式向量表示，将每个三元组实例中的关系看作从实体头到实体尾的翻译。其中，三元组实例包括主体、关系、客体，三元组实例可以表示成(主体，关系，客体)；主体为实体头，客体为实体尾。比如：小明的爸爸是大明，则通过三元组实例表示为(小明，爸爸，大明)。

GBDT模型是一种迭代的决策树算法，该算法由多棵决策树组成，所有树的结果累加起来作为最终结果。决策树的每个节点都会得到一个预测值，以年龄为例，预测值为属于年龄对应的节点的所有人年龄的平均值。

本发明实施例中提及的摄像头既可以集成在终端中，和终端成为一个整体。也可以通过有线线缆或者无线通信的方式和终端的处理器连接。当摄像头集成在终端中时，摄像头可以作为一个模组，比如一块控件尺寸固定的模组嵌入在终端表面。例如，手机、平板电脑或者可穿戴设备表面。当摄像探头通过有线线缆或者无线通信的方式和终端的处理器相连时，摄像头可以成为一个独立设备。例如，个人电脑外接的摄像头或监控摄像头等设备。

可选地，终端包括但不限于：手机、平板电脑、可穿戴式设备、智能机器人、智能家居设备、膝上型便携计算机和台式计算机中的至少一种。

可选地，终端中可以搭载操作系统，操作系统包括但不限于：IOS(iPhone OS)系统、安卓(Android)系统、windowPhone系统。

请参见图1，其是本发明实施例的一个示例性实施例示出的一种图像采集方法的流程图。该图像采集方法包括以下几个步骤。

步骤110，在摄像头处于开启状态时，获取感知数据，感知数据是通过指定类型传感器采集到的传感器数据。

在本发明实施例中，终端在摄像头处于开启状态时，获取感知数据。可选地，终端可以根据感知数据类型的不同来确定使用对应的传感器。

例如，当感知数据包括表示摄像头的运动状态的数据时，传感器可以是加速度传感器、陀螺仪或者其它能够检测到加速度的传感器。此时，终端可以将加速度作为感知数据，或者，终端也可以对加速度数据进行处理而获取速度数据，将速度数据作为感知数据。

再例如，当感知数据包括表示摄像头的镜头姿态的数据时，传感器仍可以是陀螺仪。陀螺仪采集的数据可以是以向量展示，该向量能够反映摄像头的镜头朝向。比如摄像头能够水平拍摄、背离地面向上倾斜拍摄或者朝向地面向下倾斜拍摄。

再例如，当摄像头集成在终端中时，感知数据包括表示终端被持握的状态数据。比如用户持握终端时，终端能够通过触控屏幕、热力传感器或者环境光传感器等分辨出用户是使用哪一只手来持握终端的，或者能够识别出用户的持握手势。比如，用户习惯使用左手点击触控屏幕中的快门虚拟按钮拍照，则终端能够识别出用户左手持握终端的手势。需要说明的是，识别终端被持握的状态数据能够根据终端实际配备的传感器来灵活调整，本发明实施例对此不作限制。

步骤120，根据感知数据确定摄像头的取景状态，取景状态包括预拍摄状态或者非预拍摄状态，预拍摄状态是摄像头在拍摄图片的时刻点前后的一段指定时长内的取景状态，非预拍摄状态是摄像头在拍摄图片的时刻点前后的一段指定时长外的取景状态。

在本发明实施例中，终端能够通过感知数据来确定摄像头的取景状态，具体比如，终端的处理器可以通过对感知数据的分析和判断，来预测摄像头目前的取景状态。在本发明实施例中，摄像头的取景状态包括预拍摄状态或者非预拍摄状态。其中，预拍摄状态是满足拍摄图片的条件的状态，非预拍摄状态是不满足拍摄图片的条件的状态。

可选地，拍摄图片的条件是指根据摄像头取景到的画面拍摄图片的条件。例如，摄像头取景到的画面抖动幅度较为剧烈，则拍摄图片的条件不被满足。若摄像头取景到的画面抖动幅度较小，则拍摄图片的条件已被满足。需要说明的是，终端处于预拍摄的状态，说明用户将要使用终端拍摄图片。在该状态中，终端将采用性能较佳的取景参数来实时采集取景图像，并将取景图像展示在终端的屏幕中，以便用户观察进而在较佳的时机拍摄图片。

相对的，摄像头被开启后，不属于预拍摄状态的取景状态均可作为非预拍摄状态，该非预拍摄状态是在拍摄图片的时刻点前后的一端指定时长外的取景状态。由于终端处于非预拍摄状态说明终端目前无需准备拍摄图片，因此终端可以使用较处于预拍摄状态性能较低的取景参数来取景。由于非预拍摄状态对应的取景参数的性能较低，从而能够令终端以较低的功耗进行取景。

步骤130，获取摄像头的取景状态对应的取景参数。

在本发明实施中，终端能够获取摄像头的取景状态对应的取景参数。在实际应用中，终端可以预先存储预拍摄状态对应的取景参数以及非预拍摄状态对应的取景参数。例如，若预拍摄状态对应的取景参数和非预拍摄状态对应的取景参数在图像分辨率上有差别，则终端将根据已经确定的取景状态来获取对应图像分辨率。在一种可能的实现方式中，请参见图2，其是基于图1所示的实施例提供的一种取景状态和取景参数的对应关系表。

针对图2所示的内容，说明如下。在图2所示的本发明的一种可能的实现方式中，取景状态对应的取景参数包括图像分辨率、曝光值、感光度和色彩饱和度四种。其中，预拍摄状态的取景参数中的图像分辨率是1080p，高于非预拍摄状态480p；曝光值为+2EV，高于非预拍摄状态的曝光值-2EV；感光度为100，高于非预拍摄状态的感光度50；色彩饱和度为95％，高于非预拍摄状态的色彩饱和度70％。终端在同样长度的时间段内，使用图2所示的非预拍摄状态的取景参数的功耗，小于图2所示的预拍摄状态的取景参数的功耗。换言之，在同等剩余电量的情况下，终端使用非预拍摄状态的取景参数所能够取景的时长T1，长于使用预拍摄状态的取景参数所能够取景的时长T2。

步骤140，控制摄像头使用取景参数进行取景，其中，摄像头使用非预拍摄状态对应的取景参数进行取景时的功耗，小于使用预拍摄状态对应的取景参数进行取景时的功耗。

在本发明实施中，终端能够控制摄像头使用取景参数进行取景。在实际实现场景中，终端通常通过镜头采集被拍摄景物的产生的或者反射的光线。光线在感光传感器上被转化为电信号，该电信号可以被终端处理器接收并转化为取景图像。终端可以将实时获取到的取景图像显示在屏幕中。在上述过程中，终端将按照取景参数控制相应的模组或者元件进行工作。需要说明的是，摄像头使用非预拍摄状态对应的取景参数进行取景时的功耗，小于使用拍摄状态对应的取景参量进行取景时的功耗。

综上所述，本实施例公开的图像采集方法，在摄像头处于开启状态时，获取感知数据，根据感知数据确定摄像头的取景状态，取景状态包括预拍摄状态或者非预拍摄状态，获取摄像头的取景状态对应的取景参数；控制摄像头使用取景参数进行取景；其中，摄像头使用非预拍摄状态对应的取景参数进行取景时的功耗，小于使用预拍摄状态对应的取景参数进行取景时的功耗。本申请可以解决摄像头在长时间处于取景状态时造成的高功耗状态的问题；由于摄像头可以通过感知数据确定取景状态，因此，本发明实施例可令摄像头较为智能地减少取景过程中带来的功耗，节约电能，延长摄像头的工作时间。

本发明实施例还提供一种图像采集方法，能够通过机器学习的方法训练分类模型，令终端使用被训练后的模型更为智能地确定摄像头的取景状态。

请参见图3，其是本发明实施例的一个示例性实施例示出的另一种图像采集方法的流程图。该图像采集方法包括以下几个步骤。

步骤301，在连续n个周期内，分别获取每一个周期对应的备选感知数据，得到n个备选感知数据，n为正整数。

在本发明实施中，终端可以在连续的n个周期中，分别获取每一个周期对应的备选感知数据。例如，当n等于3时，终端可以在连续的3个周期中分别获取每一个周期对应的备选感知数据A1，A2和A3。或者，每一个周期对应一组备选感知数据，终端可以在连续3个周期中分别获取到三组备选感知数据(A1，B1)、(A2，B2)和(A3，B3)。

可选地，每一个周期对应的备选感知数据可以是该周期内的该数据的最大值、最小值或者是平均值。例如，当感知数据在一个周期内被采集3次时，分别得到a1、a2和a3，其中a2＞a1＞a3。本公开实施例可以将该周期内的a2(最大值)作为该周期对应的感知数据，也可以将a3(最小值)作为该周期对应的感知数据，还可以将(a1+a2+a3)/3(平均值)作为该周期对应的感知数据。

可选地，若每一个周期内只获取一个感知数据，则直接将该感知数据作为该周期对应的感知数据。

步骤302，将n个备选感知数据中，对应的运动状态数值最高的备选感知数据获取为感知数据。

在本发明实施中，终端能够将n个备选感知数据中对应的运动状态数值最高的备选感知数据获取为感知数据，该运动状态数值为移动速度数值、移动加速度数值、角速度数值以及角加速度数值中的至少一种。

步骤303，将感知数据输入分类模型，获得感知数据对应的取景状态，分类模型是预先通过训练样本训练获得的机器学习模型，训练样本包含标注有对应的取景状态的传感器数据。

示意性地，参考图4所示的感知数据处理流程示意图。输入分类模型中的感知数据可以有若干个，该若干个感知数据组成一个感知数据组输入到分类模型中。需要说明的是，在感知数据输入到分类模型中之前，感知数据可以经过预处理。在预处理中，终端将感知数据的格式转换为符合分类模型的要求的格式。在本发明实施中，终端可以将感知数据输入到分类模型中。分类模型对感知数据进行处理后，将输出取景状态。

需要说明的是，分类模型是预先通过训练样本训练获得的机器学习模型，训练样本包含标注有对应的取景状态的传感数据。分类模型的可以是任意一种具备分类能力的算法所实现的模型，本实施例对此不进行限制。

可选地，当摄像头的取景状态为预拍摄状态时，终端将开启拍摄优化功能。其中，若拍摄优化功能已经启动，则终端维持该拍摄优化功能继续保持开启状态。

可选地，当摄像头的取景状态为非预拍摄状态时，终端将关闭拍摄优化功能。其中，若拍摄优化功能已关闭，则终端维持该拍摄优化功能继续保持关闭状态。在本发明实施例中，拍摄优化功能包括自动曝光功能、自动对焦功能、防抖功能、人脸检测功能、二维码检测功能和目标图像检测功能中至少一种，每一种功能都能够向终端提供对应的参数，以令终端实现该功能。

在步骤303执行完成之后，终端可以执行步骤304和步骤305，也可以执行步骤306和步骤307。

步骤304，获取摄像头的取景状态对应的取景参数。

在本发明实施例中，步骤304的执行过程和步骤130的执行过程相同，此处不再赘述。

步骤305，控制摄像头使用取景参数进行取景，其中，摄像头使用非预拍摄状态对应的取景参数进行取景时的功耗，小于使用预拍摄状态对应的取景参数进行取景时的功耗。

在本发明实施例中，步骤305的执行过程和步骤140的执行过程相同，此处不再赘述。

步骤306，获取摄像头的取景状态对应的优化功能参数，优化功能参数包括自动曝光功能参数、自动对焦功能参数、防抖功能参数、人脸检测功能参数、二维码检测功能参数和目标图像检测功能参数中至少一种。

在本发明实施例中，终端在确定了取景状态后，还可以根据该取景状态确定对应的优化功能参数。

步骤307，控制摄像头通过优化功能参数对取景到的图像进行优化。

在本发明实施例中，终端可以通过已经确定的优化功能参数对取景到的图像进行优化。摄像头使用非预拍摄状态对应的优化功能参数对取景到的图像进行优化时的功耗，小于使用预拍摄状态对应的优化功能参数对取景到的图像进行优化时的功耗。

在本发明实施例中的一种可能的实现方式中，分类模型能够和其它程序组件之间进行信息交互。请参考图5，其是基于图3所示实施例提供的一种数据传递的示意图。在图5中，拍照应用程序中的摄像头在启动后，首先向分类模型传递摄像头已经启动的通知消息。或者，在另一种可能实现的方式中，终端中的处理器可以主动获取拍照应用中的摄像头开启消息。随后，终端中的处理器可以从指定类型传感器中获取感知数据，将获取到的感知数据输入到分类模型中。分类模型将根据感知数据判断摄像头的取景状态，当分类模型确定出摄像头的取景状态后，分类模型将取景状态反馈给拍照应用程序，并将取景参数传给拍照应用程序。拍照应用程序在得到取景参数后，将根据取景参数取景。

综上所述，本实施例提供的图像采集方法，在摄像头处于开启状态时，获取感知数据，根据感知数据确定摄像头的取景状态，取景状态包括预拍摄状态或者非预拍摄状态，获取摄像头的取景状态对应的取景参数；控制摄像头使用取景参数进行取景；其中，摄像头使用非预拍摄状态对应的取景参数进行取景时的功耗，小于使用预拍摄状态对应的取景参数进行取景时的功耗。本申请可以解决摄像头在长时间处于取景状态时造成的高功耗状态的问题；由于摄像头可以通过感知数据确定取景状态，因此，本发明实施例可令摄像头较为智能地减少取景过程中带来的功耗，节约电能，延长摄像头的工作时间。

本实施例提供的图像采集方法，还通过在连续n个周期内分别获取每一个周期对应的感知数据，并从中选出符合目标条件的目标感知数据，目标条件时预先设置的参数。由于对连续n个周期内的感知数据首先进行了预处理，使得筛选出的感知数据能够被分类模型高效地处理，提高了分类模型的工作效率，进而提高了确定取景状态和取景参数的效率。

本实施例提供的图像采集方法，还通过将感知数据输入分类模型，获得感知数据对应的取景状态，分类模型是预先通过训练样本训练获得的机器学习模型，训练样本包含标注有对应的取景状态的传感器数据。由于机器学习的模型能够在训练后自动根据感知数据确定取景状态，因此，提高了终端确定取景状态的效率和准确度，使得摄像头在预拍摄状态和非预拍摄状态间智能切换，在保证拍摄图片前的取景图像正常显示的同时，降低了取景状态下终端的功耗。

本实施例提供的图像采集方法，还通过根据摄像头的取景状态的具体形态确定拍摄优化功能的开启或者关闭，使得摄像头提供的取景参数能够在用户将要拍摄图片时对取景到的图像进行优化，在用户不准备拍摄图片时关闭图像优化功能，在保证用户拍摄图片前能获得较佳的效果的前提下，降低了取景状态下终端的功耗。

本实施例提供的图像采集方法，还通过获取摄像头的取景状态对应的优化功能参数，并通过优化功能参数对取景到的图像进行优化。其中，摄像头使用非预拍摄状态对应的优化功能参数对取景到的图像进行优化时的功耗，小于使用预拍摄状态对应的优化功能参数对取景到的图像进行优化时的功耗。可见，本实施例能够根据取景状态的不同使用不同功耗的优化功能参数，降低了取景状态下终端的功耗。

下述为本申请装置实施例，可以用于执行本申请方法实施例。对于本申请装置实施例中未披露的细节，请参照本申请方法实施例。

请参考图6，其示出了本申请一个实施例提供的图像采集装置的结构方框图，该图像采集装置可通过软件、硬件或者两者的结合实现成为图像采集设备的部分或者全部。该装置可以包括：第一获取模块610，确定模块620，第二获取模块630和取景模块640。

第一获取模块610，被配置为在摄像头处于开启状态时，获取感知数据，所述感知数据是通过指定类型传感器采集到的传感器数据；

确定模块620，被配置为根据所述感知数据确定所述摄像头的取景状态，所述取景状态包括预拍摄状态或者非预拍摄状态，所述预拍摄状态是满足拍摄图片的条件的状态，所述非预拍摄状态是不满足拍摄图片的条件的状态；

第二获取模块630，被配置为获取所述摄像头的取景状态对应的取景参数；

取景模块640，被配置为控制所述摄像头使用所述取景参数进行取景；其中，所述摄像头使用所述非预拍摄状态对应的取景参数进行取景时的功耗，小于使用所述预拍摄状态对应的取景参数进行取景时的功耗。

可选地，所述确定模块620，被配置为将所述感知数据输入分类模型，获得所述感知数据对应的取景状态，所述分类模型是预先通过训练样本训练获得的机器学习模型，所述训练样本包含标注有对应的取景状态的传感器数据。

可选地，摄像头采集的图像由终端处理，感知数据包括以下数据中的至少一种：

用于表示所述摄像头的运动状态的数据；

用于表示所述摄像头的镜头姿态的数据；

当所述摄像头集成在所述终端中，用于表示所述终端被持握的状态数据。

可选地，第一获取模块610，被配置为当所述感知数据包括用于表示所述摄像头的运动状态的数据时，在连续n个周期内，分别获取每一个周期对应的备选感知数据，得到n个备选感知数据，n为正整数；

将所述n个备选感知数据中，对应的运动状态数值最高的备选感知数据获取为所述感知数据；

所述运动状态数值为移动速度数值、移动加速度数值、角速度数值以及角加速度数值中的至少一种。

可选地，所述取景参数包括：图像分辨率、曝光值、感光度、白平衡、色彩饱和度以及锐利度中的至少一种。

可选地，当所述取景参数包括图像分辨率时，所述非预拍摄状态对应的取景参数中包括的图像分辨率高于所述预拍摄状态对应的取景参数中包括的图像分辨率。

可选地，所述装置还包括开启模块和关闭模块：

所述开启模块，被配置为当所述摄像头的取景状态为所述预拍摄状态时，开启拍摄优化功能；

所述关闭模块，被配置为当所述摄像头的取景状态为所述非预拍摄状态时，关闭所述拍摄优化功；其中，所述拍摄优化功能通过如下参数中的至少一种来实现优化功能：自动曝光功能参数、自动对焦功能参数、防抖功能参数、人脸检测功能参数、二维码检测功能参数和目标图像检测功能参数。

可选地，所述装置还包括第三获取模块和优化模块。

所述第三获取模块，被配置为获取所述摄像头的取景状态对应的优化功能参数，所述优化功能参数包括自动曝光功能参数、自动对焦功能参数、防抖功能参数、人脸检测功能参数、二维码检测功能参数和目标图像检测功能参数中至少一种；

所述优化模块，被配置为控制所述摄像头通过所述优化功能参数对取景到的图像进行优化；其中，所述摄像头使用所述非预拍摄状态对应的优化功能参数对取景到的图像进行优化时的功耗，小于使用所述预拍摄状态对应的优化功能参数对取景到的图像进行优化时的功耗。

本申请还提供一种计算机可读介质，其上存储有程序指令，程序指令被处理器执行时实现上述各个方法实施例提供的图像采集方法。

本申请还提供了一种包含指令的计算机程序产品，当其在计算机上运行时，使得计算机执行上述各个方法实施例提供的图像采集方法。

参考图7，其示出了本申请一个示例性实施例提供的终端的结构方框图。本申请中的终端可以包括一个或多个如下部件：处理器710、存储器720和指定类型传感器730。

处理器710可以包括一个或者多个处理核心。处理器710利用各种接口和线路连接整个终端内的各个部分，通过运行或执行存储在存储器720内的指令、程序、代码集或指令集，以及调用存储在存储器720内的数据，执行终端的各种功能和处理数据。可选地，处理器710可以采用数字信号处理(Digital Signal Processing，DSP)、现场可编程门阵列(Field－Programmable Gate Array，FPGA)、可编程逻辑阵列(Programmable LogicArray，PLA)中的至少一种硬件形式来实现。处理器710可集成中央处理器(CentralProcessing Unit，CPU)和调制解调器等中的一种或几种的组合。其中，CPU主要处理操作系统和应用程序等；调制解调器用于处理无线通信。可以理解的是，上述调制解调器也可以不集成到处理器710中，单独通过一块芯片进行实现。

可选地，处理器710执行存储器720中的程序指令时实现下上述各个方法实施例提供的图像采集方法。

存储器720可以包括随机存储器(Random Access Memory，RAM)，也可以包括只读存储器(Read-Only Memory)。可选地，该存储器720包括非瞬时性计算机可读介质(non-transitory computer-readable storage medium)。存储器720可用于存储指令、程序、代码、代码集或指令集。存储器720可包括存储程序区和存储数据区，其中，存储程序区可存储用于实现操作系统的指令、用于至少一个功能的指令、用于实现上述各个方法实施例的指令等；存储数据区可存储根据终端的使用所创建的数据等。

指定类型传感器730可以是是加速度传感器、触控传感器、热力传感器或环境光传感器中至少一种。

本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成，也可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，上述提到的存储介质可以是只读存储器，磁盘或光盘等。

以上所述仅为本申请的较佳实施例，并不用以限制本申请，凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。

Claims (11)

1.一种图像采集方法，其特征在于，所述方法包括：

在摄像头处于开启状态时，获取感知数据，所述感知数据是通过指定类型传感器采集到的传感器数据；

根据所述感知数据确定所述摄像头的取景状态，所述取景状态包括预拍摄状态或者非预拍摄状态，所述预拍摄状态是满足拍摄图片的条件的状态，所述非预拍摄状态是不满足拍摄图片的条件的状态；

获取所述摄像头的取景状态对应的取景参数；

控制所述摄像头使用所述取景参数进行取景；

其中，所述摄像头使用所述非预拍摄状态对应的取景参数进行取景时的功耗，小于使用所述预拍摄状态对应的取景参数进行取景时的功耗。

2.根据权利要求1所述的方法，其特征在于，所述根据所述感知数据确定所述摄像头的取景状态，包括：

将所述感知数据输入分类模型，获得所述感知数据对应的取景状态，所述分类模型是预先通过训练样本训练获得的机器学习模型，所述训练样本包含标注有对应的取景状态的传感器数据。

3.根据权利要求1所述的方法，其特征在于，所述摄像头采集的图像由终端处理，所述感知数据包括以下数据中的至少一种：

用于表示所述摄像头的运动状态的数据；

用于表示所述摄像头的镜头姿态的数据；

当所述摄像头集成在所述终端中，用于表示所述终端被持握的状态数据。

4.根据权利要求3所述的方法，其特征在于，当所述感知数据包括用于表示所述摄像头的运动状态的数据时，所述在摄像头处于开启状态时，获取感知数据，包括：

在连续n个周期内，分别获取每一个周期对应的备选感知数据，得到n个备选感知数据，n为正整数；

将所述n个备选感知数据中，对应的运动状态数值最高的备选感知数据获取为所述感知数据；

所述运动状态数值为移动速度数值、移动加速度数值、角速度数值以及角加速度数值中的至少一种。

5.根据权利要求1至4任一所述的方法，其特征在于，

所述取景参数包括：图像分辨率、曝光值、感光度、白平衡、色彩饱和度以及锐利度中的至少一种。

6.根据权利要求5所述的方法，其特征在于，

当所述取景参数包括图像分辨率时，所述非预拍摄状态对应的取景参数中包括的图像分辨率高于所述预拍摄状态对应的取景参数中包括的图像分辨率。

7.根据权利要求1至4所述的方法，其特征在于，所述方法还包括：

当所述摄像头的取景状态为所述预拍摄状态时，开启拍摄优化功能；

当所述摄像头的取景状态为所述非预拍摄状态时，关闭所述拍摄优化功能；

其中，所述拍摄优化功能通过如下参数中的至少一种来实现优化功能：自动曝光功能参数、自动对焦功能参数、防抖功能参数、人脸检测功能参数、二维码检测功能参数和目标图像检测功能参数。

8.根据权利要求1至4任一所述的方法，其特征在于，所述方法还包括；

获取所述摄像头的取景状态对应的优化功能参数，所述优化功能参数包括自动曝光功能参数、自动对焦功能参数、防抖功能参数、人脸检测功能参数、二维码检测功能参数和目标图像检测功能参数中至少一种；

控制所述摄像头通过所述优化功能参数对取景到的图像进行优化；

其中，所述摄像头使用所述非预拍摄状态对应的优化功能参数对取景到的图像进行优化时的功耗，小于使用所述预拍摄状态对应的优化功能参数对取景到的图像进行优化时的功耗。

9.一种图像采集装置，其特征在于，所述装置包括：

第一获取模块，被配置为在摄像头处于开启状态时，获取感知数据，所述感知数据是通过指定类型传感器采集到的传感器数据；

确定模块，被配置为根据所述感知数据确定所述摄像头的取景状态，所述取景状态包括预拍摄状态或者非预拍摄状态，所述预拍摄状态是满足拍摄图片的条件的状态，所述非预拍摄状态是不满足拍摄图片的条件的状态；

第二获取模块，被配置为获取所述摄像头的取景状态对应的取景参数；

取景模块，被配置为控制所述摄像头使用所述取景参数进行取景；其中，所述摄像头使用所述非预拍摄状态对应的取景参数进行取景时的功耗，小于使用所述预拍摄状态对应的取景参数进行取景时的功耗。

10.一种终端，其特征在于，所述终端包括处理器、与所述处理器相连的存储器，以及存储在所述存储器上的程序指令，所述处理器执行所述程序指令时实现如权利要求1至8任一所述的图像采集方法。

11.一种计算机可读存储介质，其特征在于，其上存储有程序指令，所述程序指令被处理器执行时实现如权利要求1至8任一所述的图像采集方法。