CN110233968B - 图像拍摄控制方法及其装置、图像拍摄*** - Google Patents

Abstract

本申请实施例提供一种图像拍摄控制方法及其装置、图像拍摄***，图像拍摄控制方法包括：对图像拍摄单元拍摄的图像场景进行识别；根据识别出的图像场景，自适应调整拍摄控制参数，以控制所述图像拍摄单元拍摄图像。本申请实施例可以实现根据应用场景的需求，自动调整拍摄控制参数，从而保证图像拍摄单元可以拍摄出满足不同应用场景拍摄需求的图像。

Description

图像拍摄控制方法及其装置、图像拍摄***

技术领域

本申请实施例涉及图像处理技术领域，尤其涉及一种图像拍摄控制方法及其装置、图像拍摄***。

背景技术

对于硬件设备来说，其往往可以通过功能扩展或者组件扩展的方式进行图像的拍摄，但是，在不同的应用环境中，为了满足不同应用场景的拍摄需求，现有技术中需要手动去调整硬件设备的相关参数，特别对于以组件扩展方式实现拍摄，导致调整硬件设备参数的难度较大，尤其对于绝大多数非专业级别的用户来说，手动调整意味着需要较高的专业能力，由此导致无法有效的调整硬件设备参数。

因此，亟待提供一种技术方案，以根据应用场景的需求，去自动调整硬件设备的相关参数，从而使得图像拍摄单元拍摄出满足不同应用场景拍摄需求的图像。

发明内容

有鉴于此，本申请实施例所解决的技术问题之一在于提供一种图像拍摄控制方法及其装置、图像拍摄***，用以克服现有技术中的上述缺陷。

本申请实施例提供了一种图像拍摄控制方法，其包括：

对图像拍摄单元拍摄的图像场景进行识别；

根据识别出的图像场景，自适应调整拍摄控制参数，以控制所述图像拍摄单元拍摄图像。

可选地，在本申请的任一实施例中，根据识别出的图像场景，自适应调整拍摄控制参数，以控制所述图像拍摄单元拍摄图像，包括：根据识别出的图像场景，自适应调整所述图像拍摄单元拍摄图像时的光学控制参数，所述拍摄控制参数包括所述光学控制参数。

可选地，在本申请的任一实施例中，根据识别出的图像场景，自适应调整拍摄控制参数，以控制所述图像拍摄单元拍摄图像，包括：根据识别出的图像场景，自适应调整所述图像拍摄单元的姿态控制参数，以控制所述图像拍摄单元拍摄图像，所述拍摄控制参数包括所述姿态控制参数。

可选地，在本申请的任一实施例中，若所述图像拍摄单元设置在支撑组件或者电子设备上；

对应地，根据识别出的图像场景，自适应调整拍摄控制参数，以控制所述图像拍摄单元拍摄图像，包括：根据识别出的图像场景，自适应调整控制所述支撑组件或者所述电子设备的姿态控制参数，以控制所述图像拍摄单元拍摄图像。

可选地，在本申请的任一实施例中，若所述图像拍摄单元设置在支撑组件或者电子设备上，且所述支撑设备或者所述电子设备处于运动状态；对应地，根据识别出的图像场景，自适应调整拍摄控制参数，以控制所述图像拍摄单元拍摄图像，包括：根据识别出的图像场景以及所述支撑组件或者电子设备的运动状态，自适应调整控制所述支撑组件或者电子设备的姿态控制参数，以控制所述图像拍摄单元拍摄图像。

可选地，在本申请的任一实施例中，对图像拍摄单元拍摄的图像场景进行识别，包括：

对所述图像拍摄单元拍摄的图像进行局部特征提取，并将提取到的局部特征量化为视觉单词；

统计所述视觉单词的频次得到视觉单词分布直方图，根据所述视觉单词分布直方图，对所述图像拍摄单元拍摄的图像场景进行识别。

本申请实施例提供了一种图像拍摄控制装置，其包括：

场景识别模块，用于对图像拍摄单元拍摄的图像场景进行识别；

参数调整模块，用于根据识别出的图像场景，自适应调整拍摄控制参数，以控制所述图像拍摄单元拍摄图像。

本申请实施例提供了一种图像拍摄***，其包括：图像拍摄单元、图像拍摄控制装置；所述图像拍摄控制装置包括：

场景识别模块，用于对所述图像拍摄单元拍摄的图像场景进行识别；

参数调整模块，用于所述参数调整模块进一步用于根据识别出的图像场景，自适应调整控制所述支撑组件的姿态控制参数，以控制所述图像拍摄单元拍摄图像。

可选地，在本申请的任一实施例中，所述参数调整模块进一步用于根据识别出的图像场景，自适应调整所述图像拍摄单元拍摄图像时的光学控制参数，所述拍摄控制参数包括所述光学控制参数。

可选地，在本申请的任一实施例中，所述参数调整模块进一步用于根据识别出的图像场景，自适应调整所述图像拍摄单元的姿态控制参数，以控制所述图像拍摄单元拍摄图像，所述拍摄控制参数包括所述姿态控制参数。

可选地，在本申请的任一实施例中，若所述图像拍摄单元设置在支撑组件或者电子组件上；

对应地，所述参数调整模块进一步用于根据识别出的图像场景，自适应调整控制所述支撑组件或者所述电子组件的姿态控制参数，以控制所述图像拍摄单元拍摄图像。

可选地，在本申请的任一实施例中，若所述图像拍摄单元设置在支撑组件或者电子设备上，且所述支撑组件或者电子设备处于运动状态；对应地，所述参数调整模块进一步用于根据识别出的图像场景以及所述支撑组件或者所述电子设备的运动状态，自适应调整控制所述支撑组件或者所述电子设备的姿态控制参数，以控制所述图像拍摄单元拍摄图像。

可选地，在本申请的任一实施例中，所述场景识别模块进一步用于对所述图像拍摄单元拍摄的图像进行局部特征提取，并将提取到的局部特征量化为视觉单词；统计所述视觉单词的频次得到视觉单词分布直方图；以及根据所述视觉单词分布直方图，对所述图像拍摄单元拍摄的图像场景进行识别。

本申请实施例中，通过对图像拍摄单元拍摄的图像场景进行识别；并根据识别出的图像场景，自适应调整拍摄控制参数，以控制所述图像拍摄单元拍摄图像，从而可以实现根据应用场景的需求，自动调整拍摄控制参数，从而保证图像拍摄单元可以拍摄出满足不同应用场景拍摄需求的图像。

附图说明

后文将参照附图以示例性而非限制性的方式详细描述本申请实施例的一些具体实施例。附图中相同的附图标记标示了相同或类似的部件或部分。本领域技术人员应该理解，这些附图未必是按比例绘制的。附图中：

图1为本申请实施例一中图像拍摄控制方法的流程示意图；

图2为本申请实施例二中图像拍摄控制方法的流程示意图；

图3为本申请实施例三中图像拍摄控制方法的流程示意图；

图4为本申请实施例四中图像拍摄控制方法的流程示意图；

图5为本申请实施例五中图像拍摄控制装置的结构示意图；

图6为本申请实施例六中图像拍摄控制装置的结构示意图；

图7为本申请实施例七中图像拍摄控制装置的结构示意图；

图8为本申请实施例八中图像拍摄控制装置的结构示意图；

图9为本申请实施例九中图像拍摄***的结构示意图；

图10为本申请实施例十中图像拍摄***的结构示意图；

图11为本申请实施例十一中图像拍摄***的结构示意图；

图12为本申请实施例十二中图像拍摄***的结构示意图。

具体实施方式

实施本申请实施例的任一技术方案必不一定需要同时达到以上的所有优点。

本申请实施例中，通过对图像拍摄单元拍摄的图像场景进行识别；并根据识别出的图像场景，自适应调整拍摄控制参数，以控制所述图像拍摄单元拍摄图像，从而可以实现根据应用场景的需求，自动调整拍摄控制参数，从而保证图像拍摄单元可以拍摄出满足不同应用场景拍摄需求的图像。

下面结合本申请实施例附图进一步说明本申请实施例具体实现。

图1为本申请实施例一中图像拍摄控制方法的流程示意图；如图1所示，其包括：

S101、对图像拍摄单元拍摄的图像场景进行识别；

本实施例中，图像拍摄单元可以摄像头或者任意可实现图像拍摄的结构。摄像头可以普通摄像头，也可以为深度摄像头等，在此不做特别限定。

可选地，在本实施例中，步骤S101中在对图像拍摄单元拍摄的图像场景进行识别时，具体可以通过如下步骤S111-S121来实现：

S111、对所述图像拍摄单元拍摄的图像进行局部特征提取，并将提取到的局部特征量化为视觉单词；

S121、统计所述视觉单词的频次得到视觉单词分布直方图，根据所述视觉单词分布直方图，对所述图像拍摄单元拍摄的图像场景进行识别。

通过上述步骤S111-S121的处理，最终相当于每幅图像可以视为一个词频向量，每幅图像代表多个主题组成的一个概率分布，每个主题又代表多个视觉单词组成的一个概率分布，从而有效的实现了数据降维，降低了数据处理的难度和复杂度。

在上述步骤S121的实施时，通过分离器对所述视觉单词分布直方图进行分类处理以实现对所述图像拍摄单元拍摄的图像场景进行识别。在具体实施时，可以预先配置一图像场景素材库，其中包括多个图像场景素材，对应得会存在视觉单词素材分布直方图，分类器在对所述视觉单词分布直方图进行分类处理以实现对所述图像拍摄单元拍摄的图像场景进行识别时，可以通过视觉单词素材分布直方图与视觉单词分布直方图的直接比对，从而实现图像场景的快速识别。

进一步地，考虑到出现频次较高的视觉单词相对于频次较低的视觉单词来说，更有利于分类词进行分类处理。因此，进一步地引入了特征函数来加强频次较高的视觉单词提高图像场景识别的准确率。

具体地，该特征函数具体可以表现通过二分法来实现，即：若视觉单词的词频大于设定的词频阈值，则该视觉单词为高频视觉单词，否则为低频视觉单词。之后，利用分类器对这些确定出的高频视觉单词的分布直方图进行图像场景的识别。

此处，需要说明的是，通过上述步骤S111-S121来实现图像场景的识别仅仅是示例，并非唯一性限定。对于本领域普通技术人员来说，其也可以采用其他任何可以识别出图像场景的技术手段。

经过上述步骤S101之后识别出的图像场景比如为海边、城市中、阴天、晴天、雨天等各种可能的场景。

S102、根据识别出的图像场景，自适应调整拍摄控制参数，以控制所述图像拍摄单元拍摄图像。

本实施例中，当通过步骤S101识别出图像场景之后，匹配于所述图像场景自适应地区调整拍摄控制参数，根据调整后的拍摄控制参数控制图像拍摄单元拍摄图像。

进一步地，此处的拍摄控制参数为广义上的控制参数，可以直接与图像拍摄单元有关，或者又称之是图像拍摄单元本身上可影响图像拍摄的任意参数；或者，也可以间接图像拍摄单元有关，是非图像拍摄单元的但可影响图像拍摄的任意参数。详细示例性说明可以参见下述实施例的记载。需要说明的是，下述实施例中的说明，并非是唯一性的限定说明。实际上，对于本领域普通技术人员来说，也可以根据具体场景的需要，灵活设置可自适应调整拍摄控制参数。

图2为本申请实施例二中图像拍摄控制方法的流程示意图；如图2所示，本实施例中，是以自适应调整所述图像拍摄单元拍摄图像时的光学控制参数为例进行说明。具体地，图像拍摄控制方法的流程可以包括：

S201、对图像拍摄单元拍摄的图像场景进行识别；

本实施例中，图像拍摄单元可以摄像头或者任意可实现图像拍摄的结构。摄像头可以普通摄像头，也可以为深度摄像头等，在此不做特别限定。

本实施例中，步骤S201中在对图像拍摄单元拍摄的图像场景进行识别时，可以通过如下步骤S211-S231来实现：

S211、基于RGB空间的颜色直方图从图像中提取颜色特征，基于以及多通道的Gabor滤波器从图像中提取纹理特征；

在步骤S211中，基于RGB空间的颜色直方图从图像中提取颜色特征时，具体可以采用等间隔量化，从而将R、G、B依据各自的范围划分为四个等级。

在步骤S211中使用的Gabor滤波器具体可以通过Gabor函数核来实现，通过配置Gabor函数中的多尺度参数，从而得到多通道的Gabor滤波器。

S221、对所述颜色特征和纹理特征进行归一化处理，得到组合特征；

在步骤S221中所述颜色特征和纹理特征经过归一化处理得到组合特征比如可以为60维的特征向量，前12维为颜色特征向量，而后48维为纹理特征向量，从而有效地实现了所述颜色特征和纹理特征的归一化。

S231、利用向量机对所述组合特征进行分类，以对图像拍摄单元拍摄的图像场景进行识别。

在步骤S231中利用向量机所述组合特征进行分类时，可以不断调整最优模，再通过最优模对所述组合特征进行分类，从而提高场景识别的准确率。

基于上述S211-S231的处理可见，由于综合了颜色特征和纹理特征，可以实现对图像的详细描述，从而尽可能准确地实现图像场景的识别。

S202、根据识别出的图像场景，自适应调整所述图像拍摄单元拍摄图像时的光学控制参数。

本实施例中，为了实现步骤S202，可以预先建立图像场景与光学控制参数的可调关系映射，通过该可调关系映射从而确定出某一图像场景下可被自适应调整的光学控制参数。

本实施例中，所述光学控制参数可以是曝光度、滤镜控制或者白平衡中的至少其一。

具体地，比如如果图像场景为阴天，则自适应调整曝光度防止曝光不足或者又称之欠曝光，导致拍摄到的图像质量较差。相反，如果图像场景为晴天，日照光线较足，则自适应调整曝光度防止曝光过度，导致拍摄到的图像质量较差，从而从整体上提高图像质量。

图2所示示例中是以调整所述图像拍摄单元拍摄图像时的光学控制参数为例进行说明。如前所述，由于拍摄控制参数可以非图像拍摄单元的参数，主要是可以影响图像拍摄的任意参数即可。因此，在不同的应用场景中，影响图像拍摄的任意参数还可以关联与结构扩展组件或者在结构上包括图像拍摄单元的电子设备。

因此，在根据识别出的图像场景，自适应调整拍摄控制参数，以控制所述图像拍摄单元拍摄图像时，可以根据识别出的图像场景，自适应调整所述图像拍摄单元的姿态控制参数，以控制所述图像拍摄单元拍摄图像，所述拍摄控制参数包括所述姿态控制参数。该姿态控制参数用于控制结构扩展组件的姿态，或者电子设备的姿态，从而影响图像拍摄单元进行图像拍摄。示例性的实施例详细请参见下述图3和图4。

图3为本申请实施例三中图像拍摄控制方法的流程示意图；如图3所示，以所述图像拍摄单元设置在图像拍摄单元的结构扩展组件为支撑组件时，图像拍摄单元设置在支撑组件上，该支撑组件比如包括但不限于为云台。具体地，本实施例中，图像拍摄控制方法包括：

S301、对图像拍摄单元拍摄的图像场景进行识别；

本实施例中，步骤S301的具体实施可参照上述步骤S111-S121，或者，上述步骤S213-S233。实际上，为了尽可能地提高图像场景识别的准确率，也可以通过上述步骤S111-S121和上述步骤S213-S233来图像场景识别，比如对上述步骤S111-S121和上述步骤S213-S233分别识别到的图像场景进行统计分析得到最终的图像场景。

S302、根据识别出的图像场景，自适应调整控制所述支撑组件的姿态控制参数，以控制所述图像拍摄单元拍摄图像。

类似上述实施例二，可以预先建立图像场景与姿态控制参数的可调关系映射，通过该可调关系映射从而确定出某一图像场景下可被自适应调整的姿态控制参数。进一步地，实际上还可以通过配置项控制姿态控制参数实际可被调整或者不可被调整。

比如，当支撑组件的产品形态为云台时，则姿态控制参数比如为俯仰姿态控制参数、平移姿态控制参数、或者翻滚姿态控制参数中的至少一种。为此，通过俯仰姿态控制参数调整云台的俯仰动作，通过平移姿态控制参数调整云台的平移动作、或者通过翻滚姿态控制参数的翻滚。由于图像拍摄单元是设置在云台上的，因此，随着云台在上述姿态控制参数的控制下姿态发生变化时，图相拍摄单元的姿态也会发生变化，从而为满足各种应用场景下的图像拍摄。

具体地，在云台上配置俯仰控制电机、平移控制电机、翻滚控制电机，通过上述俯仰姿态控制参数、平移姿态控制参数、或者翻滚姿态控制参数分别控制俯仰控制电机、平移控制电机、翻滚控制电机从而实现云台姿态的调整。

此处，需要说明的是，上述支撑组件为云台仅仅是示例，实际上，上述支撑组件为广义的含义，其实际上可以为任意能对图像拍摄单元提供支撑作用的结构，比如将图像拍摄单元固定在自行车车把上、固定在头盔上，车把和头盔就等同于支撑组件。

参照上述在另外一实施例中，若所述图像拍摄单元设置在电子设备上，电子设备比如为无人机。图像拍摄单元可以作为电子设备的零件，也可以为电子设备的配件。此种情形下，对应地，根据识别出的图像场景，自适应调整拍摄控制参数，以控制所述图像拍摄单元拍摄图像，包括：根据识别出的图像场景，自适应调整控制所述电子设备的姿态控制参数，以控制所述图像拍摄单元拍摄图像。

若所述电子设备为无人机，则姿态控制参数比如为俯仰姿态控制参数、偏航姿态控制参数、或者翻滚姿态控制参数中的至少一种。具体地，类似上述云台的姿态控制，可以在无人机上配置俯仰控制俯仰控制电机、偏航控制电机、翻滚控制电机，通过上述俯仰姿态控制参数、偏航姿态控制参数、或者翻滚姿态控制参数分别控制俯仰控制电机、偏航控制电机、翻滚控制电机从而实现无人机姿态的调整。

需要说明的是，上述电子设备的具体产品形态还可以为***，其姿态控制的原理类似无人机的姿态控制。

图4为本申请实施例四中图像拍摄控制方法的流程示意图；如图4所示，以所述图像拍摄单元设置在图像拍摄单元的结构扩展组件为支撑组件时，图像拍摄单元设置在支撑组件上，且该支撑组件处于运动状态，该支撑组件比如包括但不限于为云台，而云台设置在运动的结构上(如自行车)。具体地，本实施例中，其包括：

S401、对图像拍摄单元拍摄的图像场景进行识别；

本实施例中，步骤S401的具体实施可参照上述步骤S111-S121，或者，上述步骤S213-S233。实际上，为了尽可能地提高图像场景识别的准确率，也可以通过上述步骤S111-S121和上述步骤S213-S233来图像场景识别，比如对上述步骤S111-S121和上述步骤S213-S233分别识别到的图像场景进行统计分析，比如对上述步骤S111-S121和上述步骤S213-S233分别识别到的图像场景计算欧氏距离，距离越近，则表述图像场景识别越准确，为对应图像场景的可能越大。

S402、根据识别出的图像场景以及所述支撑组件的运动状态，自适应调整控制所述支撑组件的姿态控制参数，以控制所述图像拍摄单元拍摄图像。

本实施例中，具体可以在支撑组件上设置运动传感器如陀螺仪或者加速度传感器，根据运动传感器的数据确定支撑组件的运动状态。比如，将云台固定在自行车上而识别出的图像场景为自行车处于行驶状态中，因此，为了避免图像拍摄单元在拍摄图像时晃动导致图像模糊，通过俯仰姿态控制参数、平移姿态控制参数、翻滚姿态控制参数至少其一控制云台的姿态稳定，从而保证图像拍摄单元的姿态尽量稳定，从而拍摄出高质量的图像。

类似地，若所述电子设备为无人机，则姿态控制参数比如为俯仰姿态控制参数、偏航姿态控制参数、或者翻滚姿态控制参数中的至少一种。具体地，类似上述云台的姿态控制，可以在无人机上配置俯仰控制俯仰控制电机、偏航控制电机、翻滚控制电机，通过上述俯仰姿态控制参数、偏航姿态控制参数、或者翻滚姿态控制参数分别控制俯仰控制电机、偏航控制电机、翻滚控制电机从而实现无人机姿态的调整，从而拍摄出高质量的图像。

此处，另外需要说明的是，在一些应用场景中，也可以结合上述图2、图3、图4，同时对光学控制参数和姿态控制参数进行调整。

图5为本申请实施例五中图像拍摄控制装置的结构示意图；如图5所示，其包括：

第一场景识别模块，用于对图像拍摄单元拍摄的图像场景进行识别；

参数调整模块，用于根据识别出的图像场景，自适应调整拍摄控制参数，以控制所述图像拍摄单元拍摄图像。

可选地，在本申请的任一实施例中，所述第一场景识别模块进一步用于对所述图像拍摄单元拍摄的图像进行局部特征提取，并将提取到的局部特征量化为视觉单词；统计所述视觉单词的频次得到视觉单词分布直方图；以及根据所述视觉单词分布直方图，对所述图像拍摄单元拍摄的图像场景进行识别。

可选地，在本实施例中，所述第一场景识别模块可以具体包括：

特征提取单元，用于对所述图像拍摄单元拍摄的图像进行局部特征提取，并将提取到的局部特征量化为视觉单词；

场景识别单元，统计所述视觉单词的频次得到视觉单词分布直方图，根据所述视觉单词分布直方图，对所述图像拍摄单元拍摄的图像场景进行识别。

通过上述所述场景识别模块的处理，最终相当于每幅图像可以视为一个词频向量，每幅图像代表多个主题组成的一个概率分布，每个主题又代表多个视觉单词组成的一个概率分布，从而有效的实现了数据降维度，提高了数据处理的难度和复杂度。

图6为本申请实施例六中图像拍摄控制装置的结构示意图；如图6所示，其包括：

第二场景识别模块，用于对图像拍摄单元拍摄的图像场景进行识别；

第一参数调整模块，用于根据识别出的图像场景，自适应调整所述图像拍摄单元拍摄图像时的光学控制参数，所述拍摄控制参数包括所述光学控制参数。

本实施例中，第二场景识别模块具体包括：

特征提取单元，用于基于RGB空间的颜色直方图从图像中提取颜色特征，基于以及多通道的Gabor滤波器从图像中提取纹理特征；

归一化单元，用于对所述颜色特征和纹理特征进行归一化处理，得到组合特征；

场景识别单元，利用向量机对所述组合特征进行分类，以对图像拍摄单元拍摄的图像场景进行识别。

基于RGB空间的颜色直方图从图像中提取颜色特征时，具体可以采用等间隔量化，从而将R、G、B依据各自的范围划分为四个等级。

使用的Gabor滤波器具体可以通过Gabor函数核来实现，通过配置Gabor函数中的多尺度参数，从而得到多通道的Gabor滤波器。

对所述颜色特征和纹理特征经过归一化处理得到组合特征比如可以为60维的特征向量，前12维为颜色特征向量，而后48维为纹理特征向量，从而有效地实现了所述颜色特征和纹理特征的归一化。

利用向量机所述组合特征进行分类时，可以不断调整最优模，再通过最优模对所述组合特征进行分类，从而提高场景识别的准确率。

基于上述第二场景识别模块的结构可见，由于综合了颜色特征和纹理特征，可以实现对图像的详细描述，从而尽可能准确地实现图像场景的识别。

图7为本申请实施例七中图像拍摄控制装置的结构示意图；如图7所示，以所述图像拍摄单元设置在图像拍摄单元的结构扩展组件为支撑组件时，图像拍摄单元设置在支撑组件上，该支撑组件比如包括但不限于为云台。图像拍摄控制装置包括：

第三场景识别模块，用于对图像拍摄单元拍摄的图像场景进行识别；

第二参数调整模块，用于根据识别出的图像场景，自适应调整控制所述支撑组件或者所述电子组件的姿态控制参数，以控制所述图像拍摄单元拍摄图像。

本实施例中，第三场景识别模块可以复用第一场景识别模块或者第二场景识别模块，或者包括第一场景识别模块和第二场景识别模块，比如对第一场景识别模块和第二场景识别模块分别识别到的图像场景进行统计分析得到最终的图像场景。

类似上述实施例二，可以预先建立图像场景与姿态控制参数的可调关系映射，通过该可调关系映射从而确定出某一图像场景下可被自适应调整的姿态控制参数。进一步地，实际上还可以通过配置项控制姿态控制参数实际可被调整或者不可被调整。

比如，当支撑组件的产品形态为云台时，则姿态控制参数比如为俯仰姿态控制参数、平移姿态控制参数、或者翻滚姿态控制参数中的至少一种。为此，通过俯仰姿态控制参数调整云台的俯仰动作，通过平移姿态控制参数调整云台的平移动作、或者通过翻滚姿态控制参数的翻滚。由于图像拍摄单元是设置在云台上的，因此，随着云台在上述姿态控制参数的控制下姿态发生变化时，图相拍摄单元的姿态也会发生变化，从而为满足各种应用场景下的图像拍摄。

具体地，在云台上配置俯仰控制电机、平移控制电机、翻滚控制电机，通过上述俯仰姿态控制参数、平移姿态控制参数、或者翻滚姿态控制参数分别控制俯仰控制电机、平移控制电机、翻滚控制电机从而实现云台姿态的调整。

此处，需要说明的是，上述支撑组件为云台仅仅是示例，实际上，上述支撑组件为广义的含义，其实际上可以为任意能对图像拍摄单元提供支撑作用的结构，比如将图像拍摄单元固定在自行车车把上、固定在头盔上，车把和头盔就等同于支撑组件。

参照上述在另外一实施例中，若所述图像拍摄单元设置在电子设备上，电子设备比如为无人机。图像拍摄单元可以作为电子设备的零件，也可以为电子设备的配件。此种情形下，对应地，根据识别出的图像场景，自适应调整拍摄控制参数，以控制所述图像拍摄单元拍摄图像，包括：根据识别出的图像场景，自适应调整控制所述电子设备的姿态控制参数，以控制所述图像拍摄单元拍摄图像。

若所述电子设备为无人机，则姿态控制参数比如为俯仰姿态控制参数、偏航姿态控制参数、或者翻滚姿态控制参数中的至少一种。具体地，类似上述云台的姿态控制，可以在无人机上配置俯仰控制俯仰控制电机、偏航控制电机、翻滚控制电机，通过上述俯仰姿态控制参数、偏航姿态控制参数、或者翻滚姿态控制参数分别控制俯仰控制电机、偏航控制电机、翻滚控制电机从而实现无人机姿态的调整。

需要说明的是，上述电子设备的具体产品形态还可以为***，其姿态控制的原理类似无人机的姿态控制。

图8为本申请实施例八中图像拍摄控制装置的结构示意图；如图8所示，以所述图像拍摄单元设置在图像拍摄单元的结构扩展组件为支撑组件时，图像拍摄单元设置在支撑组件上，且该支撑组件处于运动状态，该支撑组件比如包括但不限于为云台，而云台设置在运动的结构上(如自行车)。具体地，本实施例中，图像拍摄控制装置包括：

第四场景识别模块，用于对图像拍摄单元拍摄的图像场景进行识别；

第三参数调整模块，用于根据识别出的图像场景以及所述支撑组件的运动状态，自适应调整控制所述支撑组件或者所述电子设备的姿态控制参数，以控制所述图像拍摄单元拍摄图像。

本实施例中，第四场景识别模块可以复用第一场景识别模块或者第二场景识别模块，或者包括第一场景识别模块和第二场景识别模块，比如对第一场景识别模块和第二场景识别模块分别识别到的图像场景进行统计分析得到最终的图像场景。比如对上述第一场景识别模块和第二场景识别模块分别识别到的图像场景计算欧氏距离，距离越近，则表述图像场景识别越准确，为对应图像场景的可能越大。

本实施例中，具体可以在支撑组件上设置运动传感器如陀螺仪或者加速度传感器，根据运动传感器的数据确定支撑组件的运动状态。比如，将云台固定在自行车上而识别出的图像场景为自行车处于行驶状态中，因此，为了避免图像拍摄单元在拍摄图像时晃动导致图像模糊，通过俯仰姿态控制参数、平移姿态控制参数、翻滚姿态控制参数至少其一控制云台的姿态稳定，从而保证图像拍摄单元的姿态尽量稳定，从而拍摄出高质量的图像。

类似地，若所述电子设备为无人机，则姿态控制参数比如为俯仰姿态控制参数、偏航姿态控制参数、或者翻滚姿态控制参数中的至少一种。具体地，类似上述云台的姿态控制，可以在无人机上配置俯仰控制俯仰控制电机、偏航控制电机、翻滚控制电机，通过上述俯仰姿态控制参数、偏航姿态控制参数、或者翻滚姿态控制参数分别控制俯仰控制电机、偏航控制电机、翻滚控制电机从而实现无人机姿态的调整，从而拍摄出高质量的图像。

此处，另外需要说明的是，在一些应用场景中，也可以结合上述图5、图6、图7，同时对光学控制参数和姿态控制参数进行调整。

图9为本申请实施例九中图像拍摄***的结构示意图；如图9所示，图像拍摄***包括：图像拍摄单元、图像拍摄控制装置；其中，所述图像拍摄控制装置包括：

第一场景识别模块，用于根据预设的场景识别模型，对所述图像拍摄单元拍摄的图像场景进行识别；

参数调整模块，用于所述参数调整模块进一步用于根据识别出的图像场景，自适应调整控制所述支撑组件的姿态控制参数，以控制所述图像拍摄单元拍摄图像。

可选地，在本申请的任一实施例中，所述第一场景识别模块进一步用于对所述图像拍摄单元拍摄的图像进行局部特征提取，并将提取到的局部特征量化为视觉单词；统计所述视觉单词的频次得到视觉单词分布直方图；以及根据所述视觉单词分布直方图，对所述图像拍摄单元拍摄的图像场景进行识别。

可选地，在本实施例中，所述第一场景识别模块可以具体包括：

特征提取单元，用于对所述图像拍摄单元拍摄的图像进行局部特征提取，并将提取到的局部特征量化为视觉单词；

场景识别单元，统计所述视觉单词的频次得到视觉单词分布直方图，根据所述视觉单词分布直方图，对所述图像拍摄单元拍摄的图像场景进行识别。

通过上述所述场景识别模块的处理，最终相当于每幅图像可以视为一个词频向量，每幅图像代表多个主题组成的一个概率分布，每个主题又代表多个视觉单词组成的一个概率分布，从而有效的实现了数据降维度，提高了数据处理的难度和复杂度。

图10为本申请实施例十中图像拍摄***的结构示意图；如图10所示，图像拍摄***包括：图像拍摄单元、图像拍摄控制装置；其中，所述图像拍摄控制装置包括：

第二场景识别模块，用于对图像拍摄单元拍摄的图像场景进行识别；

第一参数调整模块，用于根据识别出的图像场景，自适应调整所述图像拍摄单元拍摄图像时的光学控制参数，所述拍摄控制参数包括所述光学控制参数。

本实施例中，第二场景识别模块具体包括：

特征提取单元，用于基于RGB空间的颜色直方图从图像中提取颜色特征，基于以及多通道的Gabor滤波器从图像中提取纹理特征；

归一化单元，用于对所述颜色特征和纹理特征进行归一化处理，得到组合特征；

场景识别单元，利用向量机对所述组合特征进行分类，以对图像拍摄单元拍摄的图像场景进行识别。

基于RGB空间的颜色直方图从图像中提取颜色特征时，具体可以采用等间隔量化，从而将R、G、B依据各自的范围划分为四个等级。

使用的Gabor滤波器具体可以通过Gabor函数核来实现，通过配置Gabor函数中的多尺度参数，从而得到多通道的Gabor滤波器。

对所述颜色特征和纹理特征经过归一化处理得到组合特征比如可以为60维的特征向量，前12维为颜色特征向量，而后48维为纹理特征向量，从而有效地实现了所述颜色特征和纹理特征的归一化。

利用向量机所述组合特征进行分类时，可以不断调整最优模，再通过最优模对所述组合特征进行分类，从而提高场景识别的准确率。

基于上述第二场景识别模块的结构可见，由于综合了颜色特征和纹理特征，可以实现对图像的详细描述，从而尽可能准确地实现图像场景的识别。

图11为本申请实施例十一中图像拍摄***的结构示意图；如图11所示，以所述图像拍摄单元设置在图像拍摄单元的结构扩展组件为支撑组件时，图像拍摄单元设置在支撑组件上，该支撑组件比如包括但不限于为云台。图像拍摄***包括：图像拍摄单元、图像拍摄控制装置；其中，图像拍摄控制装置包括：

第三场景识别模块，用于对图像拍摄单元拍摄的图像场景进行识别；

第二参数调整模块，用于根据识别出的图像场景，自适应调整控制所述支撑组件或者所述电子组件的姿态控制参数，以控制所述图像拍摄单元拍摄图像。

本实施例中，第三场景识别模块可以复用第一场景识别模块或者第二场景识别模块，或者包括第一场景识别模块和第二场景识别模块，比如对第一场景识别模块和第二场景识别模块分别识别到的图像场景进行统计分析得到最终的图像场景。

类似上述实施例二，可以预先建立图像场景与姿态控制参数的可调关系映射，通过该可调关系映射从而确定出某一图像场景下可被自适应调整的姿态控制参数。进一步地，实际上还可以通过配置项控制姿态控制参数实际可被调整或者不可被调整。

比如，当支撑组件的产品形态为云台时，则姿态控制参数比如为俯仰姿态控制参数、平移姿态控制参数、或者翻滚姿态控制参数中的至少一种。为此，通过俯仰姿态控制参数调整云台的俯仰动作，通过平移姿态控制参数调整云台的平移动作、或者通过翻滚姿态控制参数的翻滚。由于图像拍摄单元是设置在云台上的，因此，随着云台在上述姿态控制参数的控制下姿态发生变化时，图相拍摄单元的姿态也会发生变化，从而为满足各种应用场景下的图像拍摄。

具体地，在云台上配置俯仰控制电机、平移控制电机、翻滚控制电机，通过上述俯仰姿态控制参数、平移姿态控制参数、或者翻滚姿态控制参数分别控制俯仰控制电机、平移控制电机、翻滚控制电机从而实现云台姿态的调整。

此处，需要说明的是，上述支撑组件为云台仅仅是示例，实际上，上述支撑组件为广义的含义，其实际上可以为任意能对图像拍摄单元提供支撑作用的结构，比如将图像拍摄单元固定在自行车车把上、固定在头盔上，车把和头盔就等同于支撑组件。

参照上述在另外一实施例中，若所述图像拍摄单元设置在电子设备上，电子设备比如为无人机。图像拍摄单元可以作为电子设备的零件，也可以为电子设备的配件。此种情形下，对应地，根据识别出的图像场景，自适应调整拍摄控制参数，以控制所述图像拍摄单元拍摄图像，包括：根据识别出的图像场景，自适应调整控制所述电子设备的姿态控制参数，以控制所述图像拍摄单元拍摄图像。

若所述电子设备为无人机，则姿态控制参数比如为俯仰姿态控制参数、偏航姿态控制参数、或者翻滚姿态控制参数中的至少一种。具体地，类似上述云台的姿态控制，可以在无人机上配置俯仰控制俯仰控制电机、偏航控制电机、翻滚控制电机，通过上述俯仰姿态控制参数、偏航姿态控制参数、或者翻滚姿态控制参数分别控制俯仰控制电机、偏航控制电机、翻滚控制电机从而实现无人机姿态的调整。

需要说明的是，上述电子设备的具体产品形态还可以为***，其姿态控制的原理类似无人机的姿态控制。

图12为本申请实施例十二中图像拍摄***的结构示意图；如图12所示，以所述图像拍摄单元设置在图像拍摄单元的结构扩展组件为支撑组件时，图像拍摄单元设置在支撑组件上，且该支撑组件处于运动状态，该支撑组件比如包括但不限于为云台，而云台设置在运动的结构上(如自行车)。图像拍摄***包括：图像拍摄单元、图像拍摄控制装置；其中，图像拍摄控制装置包括：

第四场景识别模块，用于对图像拍摄单元拍摄的图像场景进行识别；

第三参数调整模块，用于根据识别出的图像场景以及所述支撑组件的运动状态，自适应调整控制所述支撑组件或者所述电子设备的姿态控制参数，以控制所述图像拍摄单元拍摄图像。

本实施例中，第四场景识别模块可以复用第一场景识别模块或者第二场景识别模块，或者包括第一场景识别模块和第二场景识别模块，比如对第一场景识别模块和第二场景识别模块分别识别到的图像场景进行统计分析得到最终的图像场景。比如对上述第一场景识别模块和第二场景识别模块分别识别到的图像场景计算欧氏距离，距离越近，则表述图像场景识别越准确，为对应图像场景的可能越大。

本实施例中，具体可以在支撑组件上设置运动传感器如陀螺仪或者加速度传感器，根据运动传感器的数据确定支撑组件的运动状态。比如，将云台固定在自行车上而识别出的图像场景为自行车处于行驶状态中，因此，为了避免图像拍摄单元在拍摄图像时晃动导致图像模糊，通过俯仰姿态控制参数、平移姿态控制参数、翻滚姿态控制参数至少其一控制云台的姿态稳定，从而保证图像拍摄单元的姿态尽量稳定，从而拍摄出高质量的图像。

类似地，若所述电子设备为无人机，则姿态控制参数比如为俯仰姿态控制参数、偏航姿态控制参数、或者翻滚姿态控制参数中的至少一种。具体地，类似上述云台的姿态控制，可以在无人机上配置俯仰控制俯仰控制电机、偏航控制电机、翻滚控制电机，通过上述俯仰姿态控制参数、偏航姿态控制参数、或者翻滚姿态控制参数分别控制俯仰控制电机、偏航控制电机、翻滚控制电机从而实现无人机姿态的调整，从而拍摄出高质量的图像。

此处，另外需要说明的是，在一些应用场景中，也可以结合上述图8、图9、图10，同时对光学控制参数和姿态控制参数进行调整。

上述实施例中，图像拍摄控制装置可以配置在支撑组件(如云台)或者电子设备(如无人机、***)的控制器上。当然，根据应用场景的需求，实际上可以配置在任一可以实现上述技术方案的数据处理单元上。

至此，已经对本主题的特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作可以按照不同的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序，以实现期望的结果。在某些实施方式中，多任务处理和并行处理可以是有利的。

在20世纪90年代，对于一个技术的改进可以很明显地区分是硬件上的改进(例如，对二极管、晶体管、开关等电路结构的改进)还是软件上的改进(对于方法流程的改进)。然而，随着技术的发展，当今的很多方法流程的改进已经可以视为硬件电路结构的直接改进。设计人员几乎都通过将改进的方法流程编程到硬件电路中来得到相应的硬件电路结构。因此，不能说一个方法流程的改进就不能用硬件实体模块来实现。例如，可编程逻辑器件(Programmable Logic Device,PLD)(例如现场可编程门阵列(Field Programmable GateArray，FPGA))就是这样一种集成电路，其逻辑功能由用户对器件编程来确定。由设计人员自行编程来把一个数字***“集成”在一片PLD上，而不需要请芯片制造厂商来设计和制作专用的集成电路芯片。而且，如今，取代手工地制作集成电路芯片，这种编程也多半改用“逻辑编译器(logic compiler)”软件来实现，它与程序开发撰写时所用的软件编译器相类似，而要编译之前的原始代码也得用特定的编程语言来撰写，此称之为硬件描述语言(Hardware Description Language，HDL)，而HDL也并非仅有一种，而是有许多种，如ABEL(Advanced Boolean Expression Language)、AHDL(Altera Hardware DescriptionLanguage)、Confluence、CUPL(Cornell University Programming Language)、HDCal、JHDL(Java Hardware Description Language)、Lava、Lola、MyHDL、PALASM、RHDL(RubyHardware Description Language)等，目前最普遍使用的是VHDL(Very-High-SpeedIntegrated Circuit Hardware Description Language)与Verilog。本领域技术人员也应该清楚，只需要将方法流程用上述几种硬件描述语言稍作逻辑编程并编程到集成电路中，就可以很容易得到实现该逻辑方法流程的硬件电路。

控制器可以按任何适当的方式实现，例如，控制器可以采取例如微处理器或处理器以及存储可由该(微)处理器执行的计算机可读程序代码(例如软件或固件)的计算机可读介质、逻辑门、开关、专用集成电路(Application Specific Integrated Circuit，ASIC)、可编程逻辑控制器和嵌入微控制器的形式，控制器的例子包括但不限于以下微控制器：ARC 625D、Atmel AT91SAM、Microchip PIC18F26K20以及Silicone Labs C8051F320，存储器控制器还可以被实现为存储器的控制逻辑的一部分。本领域技术人员也知道，除了以纯计算机可读程序代码方式实现控制器以外，完全可以通过将方法步骤进行逻辑编程来使得控制器以逻辑门、开关、专用集成电路、可编程逻辑控制器和嵌入微控制器等的形式来实现相同功能。因此这种控制器可以被认为是一种硬件部件，而对其内包括的用于实现各种功能的装置也可以视为硬件部件内的结构。或者甚至，可以将用于实现各种功能的装置视为既可以是实现方法的软件模块又可以是硬件部件内的结构。

为了描述的方便，描述以上装置时以功能分为各种单元分别描述。当然，在实施本申请时可以把各单元的功能在同一个或多个软件和/或硬件中实现。

本领域内的技术人员应明白，本申请的实施例可提供为方法、***、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

本申请是参照根据本申请实施例的方法、设备(***)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

在一个典型的配置中，计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。

内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。

计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。

以上所述仅为本申请的实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原理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权利要求范围之内。

Claims (12)

1.一种图像拍摄控制方法，其特征在于，包括：

对图像拍摄单元拍摄的图像场景进行识别；

根据识别出的图像场景，自适应调整拍摄控制参数，以控制所述图像拍摄单元拍摄图像；

其中，所述对图像拍摄单元拍摄的图像场景进行识别包括：

步骤S111，对所述图像拍摄单元拍摄的图像进行局部特征提取，并将提取到的局部特征量化为视觉单词；步骤S121，统计所述视觉单词的频次得到视觉单词分布直方图，根据所述视觉单词分布直方图，对所述图像拍摄单元拍摄的图像场景进行识别；其中，所述步骤S121包括预先配置一图像场景素材库，所述图像场景素材库包括多个图像场景素材，以及对应的视觉单词素材分布直方图，分类器通过比对所述视觉单词素材分布直方图与所述视觉单词分布直方图，实现对所述图像场景的识别；

步骤S213，基于RGB空间的颜色直方图从图像中提取颜色特征，以及基于多通道的Gabor滤波器从图像中提取纹理特征，所述Gabor滤波器通过配置Gabor函数中的多尺度参数获得；步骤S223，对所述颜色特征和纹理特征进行归一化处理，得到组合特征，所述组合特征为60维的特征向量，前12维为颜色特征向量，后48维为纹理特征向量；步骤S233，利用向量机对所述组合特征进行分类，以对图像拍摄单元拍摄的图像场景进行识别；

对所述步骤S111-S121和所述步骤S213-S233分别识别到的图像场景进行统计分析。

2.根据权利要求1所述的方法，其特征在于，根据识别出的图像场景，自适应调整拍摄控制参数，以控制所述图像拍摄单元拍摄图像，包括：根据识别出的图像场景，自适应调整所述图像拍摄单元拍摄图像时的光学控制参数，所述拍摄控制参数包括所述光学控制参数。

3.根据权利要求1所述的方法，其特征在于，根据识别出的图像场景，自适应调整拍摄控制参数，以控制所述图像拍摄单元拍摄图像，包括：根据识别出的图像场景，自适应调整所述图像拍摄单元的姿态控制参数，以控制所述图像拍摄单元拍摄图像，所述拍摄控制参数包括所述姿态控制参数。

4.根据权利要求3所述的方法，其特征在于，若所述图像拍摄单元设置在支撑组件或者电子设备上；

对应地，根据识别出的图像场景，自适应调整拍摄控制参数，以控制所述图像拍摄单元拍摄图像，包括：根据识别出的图像场景，自适应调整控制所述支撑组件或者所述电子设备的姿态控制参数，以控制所述图像拍摄单元拍摄图像。

5.根据权利要求3所述的方法，其特征在于，若所述图像拍摄单元设置在支撑组件或者电子设备上，且所述支撑组件或者所述电子设备处于运动状态；对应地，根据识别出的图像场景，自适应调整拍摄控制参数，以控制所述图像拍摄单元拍摄图像，包括：根据识别出的图像场景以及所述支撑组件或者电子设备的运动状态，自适应调整控制所述支撑组件或者电子设备的姿态控制参数，以控制所述图像拍摄单元拍摄图像。

6.一种图像拍摄控制装置，其特征在于，包括：

第一场景识别模块，用于对图像拍摄单元拍摄的图像场景进行识别；所述第一场景识别模块包括第一特征提取单元，用于对所述图像拍摄单元拍摄的图像进行局部特征提取，并将提取到的局部特征量化为视觉单词；第一场景识别单元，统计所述视觉单词的频次得到视觉单词分布直方图，根据所述视觉单词分布直方图，对所述图像拍摄单元拍摄的图像场景进行识别；其中，所述第一场景识别单元进一步用于预先配置一图像场景素材库，所述图像场景素材库包括多个图像场景素材，以及对应的视觉单词素材分布直方图，分类器通过比对所述视觉单词素材分布直方图与所述视觉单词分布直方图，实现对所述图像场景的识别；

第二场景识别模块，用于对图像拍摄单元拍摄的图像场景进行识别；所述第二场景识别模块包括第二特征提取单元，用于基于RGB空间的颜色直方图从图像中提取颜色特征，以及基于多通道的Gabor滤波器从图像中提取纹理特征，所述Gabor滤波器通过配置Gabor函数中的多尺度参数获得；归一化单元，用于对所述颜色特征和纹理特征进行归一化处理，得到组合特征，所述组合特征为60维的特征向量，前12维为颜色特征向量，后48维为纹理特征向量；第二场景识别单元，利用向量机对所述组合特征进行分类，以对图像拍摄单元拍摄的图像场景进行识别；

第四场景识别模块，用于对图像拍摄单元拍摄的图像场景进行识别，进一步用于对第一场景识别模块和第二场景识别模块分别识别到的图像场景进行统计分析；

参数调整模块，用于根据识别出的图像场景，自适应调整拍摄控制参数，以控制所述图像拍摄单元拍摄图像。

7.根据权利要求6所述的装置，其特征在于，所述参数调整模块进一步用于根据识别出的图像场景，自适应调整所述图像拍摄单元拍摄图像时的光学控制参数，所述拍摄控制参数包括所述光学控制参数。

8.根据权利要求6所述的装置，其特征在于，所述参数调整模块进一步用于根据识别出的图像场景，自适应调整所述图像拍摄单元的姿态控制参数，以控制所述图像拍摄单元拍摄图像，所述拍摄控制参数包括所述姿态控制参数。

9.根据权利要求8所述的装置，其特征在于，若所述图像拍摄单元设置在支撑组件或者电子组件上；

对应地，所述参数调整模块进一步用于根据识别出的图像场景，自适应调整控制所述支撑组件或者所述电子组件的姿态控制参数，以控制所述图像拍摄单元拍摄图像。

10.根据权利要求8所述的装置，其特征在于，若所述图像拍摄单元设置在支撑组件或者电子设备上，且所述支撑组件或者电子设备处于运动状态；对应地，所述参数调整模块进一步用于根据识别出的图像场景以及所述支撑组件或者所述电子设备的运动状态，自适应调整控制所述支撑组件或者所述电子设备的姿态控制参数，以控制所述图像拍摄单元拍摄图像。

11.一种图像拍摄***，其特征在于，包括：图像拍摄单元、图像拍摄控制装置，以及支撑组件或者电子设备，所述图像拍摄单元设置在所述支撑组件或者所述电子设备上；所述图像拍摄控制装置包括：

第一场景识别模块，用于对所述图像拍摄单元拍摄的图像场景进行识别；所述第一场景识别模块包括第一特征提取单元，用于对所述图像拍摄单元拍摄的图像进行局部特征提取，并将提取到的局部特征量化为视觉单词；第一场景识别单元，统计所述视觉单词的频次得到视觉单词分布直方图，根据所述视觉单词分布直方图，对所述图像拍摄单元拍摄的图像场景进行识别；其中，所述第一场景识别单元进一步用于预先配置一图像场景素材库，所述图像场景素材库包括多个图像场景素材，以及对应的视觉单词素材分布直方图，分类器通过比对所述视觉单词素材分布直方图与所述视觉单词分布直方图，实现对所述图像场景的识别；

第二场景识别模块，用于对图像拍摄单元拍摄的图像场景进行识别；所述第二场景识别模块包括第二特征提取单元，用于基于RGB空间的颜色直方图从图像中提取颜色特征，以及基于多通道的Gabor滤波器从图像中提取纹理特征，所述Gabor滤波器通过配置Gabor函数中的多尺度参数获得；归一化单元，用于对所述颜色特征和纹理特征进行归一化处理，得到组合特征，所述组合特征为60维的特征向量，前12维为颜色特征向量，后48维为纹理特征向量；第二场景识别单元，利用向量机对所述组合特征进行分类，以对图像拍摄单元拍摄的图像场景进行识别；

第四场景识别模块，用于对图像拍摄单元拍摄的图像场景进行识别，进一步用于对第一场景识别模块和第二场景识别模块分别识别到的图像场景进行统计分析；

参数调整模块，用于根据识别出的图像场景，自适应调整控制所述支撑组件或者所述电子设备的姿态控制参数，以控制所述图像拍摄单元拍摄图像。

12.根据权利要求11所述的***，其特征在于，所述支撑组件或者所述电子设备处于运动状态；对应地，所述参数调整模块进一步用于根据识别出的图像场景以及所述支撑组件或者所述电子设备的运动状态，自适应调整控制所述支撑组件或者所述电子设备的姿态控制参数，以控制所述图像拍摄单元拍摄图像。

Images