[发明专利]跟踪对焦方法及计算机可读存储介质

说明书

本发明公开了一种跟踪对焦方法及计算机可读存储介质，方法包括：获取第一帧图像，并对所述第一帧图像的全部区域进行对焦，得到第一帧图像的焦距；从对焦后的第一帧图像中识别得到跟踪目标；获取下一帧图像，并对所述跟踪目标进行跟踪，得到跟踪窗口；根据上一帧图像的焦距以及预设的邻域范围，对所述跟踪窗口进行焦距调整，并计算对焦评价函数；获取对焦评价函数最大值对应的焦距，并根据所述焦距，对所述跟踪窗口进行对焦，得到当前帧图像的焦距。本发明可高效地实现物体跟踪与对焦。

技术领域

本发明涉及物体跟踪与摄像头对焦技术领域，尤其涉及一种跟踪对焦方法及计算机可读存储介质。

背景技术

摄像头对焦算法被应用在很多场景中，包括手机拍照、直播、摄像摄影等。在数字系统里面的自动对焦是基于图像处理的自动对焦，基于数字图像处理的自动对焦方法主要有离焦深度法(DFD，Depth from Defocusing)和对焦深度法(DFF，Depth from Focusing)两种(《基于图像处理的自动对焦技术综述》，尤玉虎，刘通，刘佳文)。

离焦深度法，是一种从离焦图像中取得深度信息从而完成自动对焦的方法。这种方法需要获得2～3幅的不同成像参数下的图像，还要求事先用数学模型描述成像系统，然后根据少量的成像位置获取的图像来计算最佳对焦位置。

离焦深度法的主要缺点是：需要事先获得成像系统精确的数学模型，才能保证对焦的精度，而该数学模型在理论上还不能精确地确定，只能近似估计，从而导致误差极大。常用的算法像是正则匹配，这种方法的特点是实现简单，缺点是算法效率低下。

对焦深度法，是一种建立在搜寻过程上的对焦方式。它通过选取一种适当的评价函数来评价不同对焦位置所获得图像的清晰度，清晰度值最大时对应最佳的对焦位置。这种方法要通过一系列对焦逐渐准确的图像来确定物体到探测器相面的距离，一般要搜索10～12幅图像才能够精确地找到这个位置，所用图像越多则对焦精度越高。这种方法的理论基础是理想的自动对焦评价函数是单峰值的，在峰值两侧都是单调的，在最佳对焦位置获得最大值，即峰值点就是对焦最清楚的位置。为了能准确地找到峰值的位置，减少由于噪声产生的局部极值及边缘凸出效应的干扰，可以通过Fibonacci搜索法、爬山法及曲线拟合法等来寻找最佳对焦位置。

对焦深度法是应用较多的自动对焦方法，它的广泛应用部分原因是弥补了其他对焦方法某些方面的不足，同时也因为镜头技术的快速发展，使镜头在相机中承担了更多的任务，使得自动对焦系统更加简化，对焦效果更好。

除了对焦方法，摄像头对焦技术还涉及3个核心问题：

1、图像清晰度评价

对特定的成像系统，图像的清晰度反映了系统的离焦/合焦程度。当图像比较清晰(即对焦较准确)时，图像细节丰富，在空域表现为相邻像素的特征值(如灰度、颜色等)变化较大，在频域表现为频谱的高频分量多。利用这一特点可以构造各种对焦评价函数对图像的清晰度进行评价。

2、对焦窗口的选择

对焦窗口是图像中的感兴趣区域，对焦是对感兴趣区域的对焦。对焦窗口选择算法直接地影响到对焦的复杂度、计算量和精确度。选择好了对焦窗口一方面可以减少数据处理量，加快对焦速度；另一方面非感兴趣区域多为背景，混入的背景图像会使评价函数曲线出现“双峰”或“多峰”，影响对焦精度。通常情况下，感兴趣区域为目标，对焦窗口内大部分为目标图像，缩小对焦窗口有助于减少计算量，加快对焦速度，但较小的对焦窗口容易受到噪声的影响。因此，对焦窗口的选择是非常必要的，良好的对焦窗口对自动对焦的准确性和对焦速度有显著提高。

传统的对焦窗口选择方案主要包括中央选择法和多区域选择法：①中央选择法，即选择图像中央一个M×N个像素的小区域，其中M和N为2的整数次方，其取值范围通常为32≤M，N≤256；②多区域选择法，即选择图像中具有代表意义的几个区域作为对焦窗口。此外，还有基于黄金分割点的对焦窗口和基于皮肤探测的对焦窗口等。