CN101621629B - 自动曝光的方法 - Google Patents

Abstract

本发明公开一种自动曝光的方法，设计一种影像调整的方法。为解决现有技术对对象切割不准确而造成曝光效果不佳的问题而发明。本发明的技术方案包括：一种自动曝光的方法，适用于图像处理，其中，至少一第二影像数据产生的时间在一第一影像数据之前，本方法包括下列步骤：输入该第一影像数据；执行一对象侦测程序，以取得至少一前景物体与一目标背景；判断该前景物体的面积是否大于一临界值；以及，根据该前景物体、该目标背景与该临界值，以决定曝光量。

Description

自动曝光的方法

技术领域

本发明涉及一种影像调整的方法，尤其涉及一种通过侦测前景物体，以自动曝光的方法。

背景技术

在影像调整的技术中，曝光控制的目的在于，当拍摄环境的亮度发生变化时，系统控制光圈或快门使撷取到的影像维持适当曝光量，不至于过亮或过暗。自动曝光控制是指系统随时侦测画面亮度的变化，以进行曝光量控制。如图1所示，现有自动曝光技术在撷取画面后，对整张画面进行亮度分析。之后，根据前述亮度分析的结果，现有自动曝光技术改变曝光的时间，以调整曝光量。

然而，现有自动曝光技术存在许多严重的缺点，无法正确评估画面的亮度。在现有自动曝光技术中，最常见的缺点是，大面积的深色或浅色物体经过画面后，使相机误认为光源改变，而调整曝光量。如图2所示，若第一影像数据200所对应的画面内含有袋子202、地板204与人物206。若袋子202与地板204为黑色，而人物206穿着白色的衬衫208与白色的长裤210，走过袋子202附近，则现有自动曝光技术将判断光源改变，而调整曝光量，造成亮度不稳定。由上述可知，现有自动曝光技术过于简略，而不能正确地进行亮度分析。再者，现有自动曝光技术没有运用画面中的对象特征来提高自动曝光的正确率，十分可惜。因此，若我们能利用准确度高的对象侦测算法，根据对象侦测的结果来调整曝光量，必能大幅提高影像的质量。

然而，不幸的是，现有对象侦测算法仍存在许多无法克服的缺点。如图3所示，对象切割方块将输入影像中的前景物体切割出来。对象撷取方块将切割出来的物体依其特征建立对象信息。通过追踪每张画面物体的动向，对象追踪方块可得知物体速度等等数据。如图4所示，现有的对象切割方式主要有以下几种：

1、画面差异算法(Frame Difference)：该方法利用本画面的每一像素与前一张画面的每一像素相减，找出移动的物体。该方法的优点在于运算简单，缺点在于若欲侦测的前景物体没有运动，则无法切割出来。

2、区域结合算法(Region Merge)：该方法利用相邻像素的相似性作结合，经由一定次数的重复运算，找出具有一致性特征的物体。该方法的缺点为只能找出具有均匀特征的物体，且需要一定次数的重复运算。优点在于由于采取相邻像素作结合，因此不需维持背景模型。

3、背景相减算法(Background Subtraction)：此方法利用历史画面建立背景模型，经由每一像素与背景模型相比对，找出与背景不相同的物体。该方法的优点为可靠度较高，对于动态背景等情况有较佳的抵抗力。缺点为需要维持背景模型。

然而，不幸的是，现有的对象切割算法都单纯地以像素为出发点作侦测，并未从「对象」的角度来作处理。因此，现有的对象切割算法，极容易产生错误警报(False alarm)，如将光影变化，画面噪声误认为前景物体，而使得判断失误的情形增加。

当现有对象切割算法执行对象切割时，通常会设定一个临界值(threshold)来作为前景与背景的分别。但是，现有对象切割算法设定临界值时，将会遇到两难的问题。最常见的缺点是，若临界值设定太宽，则许多物体产生的噪声、反光、微弱的光影变化将被视为前景。若临界值设定太窄，则某些与背景相似的前景物体，将不会被切割出来。相关专利案请参考US6999620，US6141433US6075875。

如此一来，现有对象切割算法在准确率尚未能达到令人满意的程度，因而在应用上，更产生许多的限制，例如：

1、当物体与背景颜色特征相当接近时，现有对象切割算法不易准确地切割。

2、现有对象切割算法容易发生物体因切割不慎而断开(如：身体某部分与背景颜色相似)，进而使单一物体被判断成两个物体的现象。

3、当画面有光线反射与影子变化时，现有对象切割算法不易准确地切割，而容易将光影变化当成新的前景物件而切割出来，使得错误警报次数增加。

4、以物体学习速率的变化而言，当物体学习速率快时，若物体不移动很快就被学进背景。当物体学习速率慢时，若背景产生变化，则背景模型无法实时的更新。这些效果都会造成对象切割算法的失败。

综合上述，现有对象切割算法不仅存在许多限制，而且现有对象切割算法具有许多严重的缺点，使得图像处理过程产生许多瑕疵。这些缺点大部分是因为现有对象切割算法均以像素为出发点而造成的，举例而言，若由对象为出发点，则物体不慎切割成两个物体可通过对象信息救回，光影变化也可由对象突然出现等对象信息解决。因此，现有对象切割算法亟待改善。

发明内容

有鉴于此，本发明的目的就是在提供一种自动曝光的方法。本方法利用切割出背景物体，本发明执行亮度分析，以决定曝光量。再者，本发明通过预测前景物体的位置，以进行对象切割。本发明欲解决现有技术对象切割时所产生的瑕疵，以提高对象切割的准确度。

为达成上述及其他目的，本发明提出一种自动曝光的方法，适用于图像处理。其中，在t时间(即第t张画面)时，第二影像数据(第t-1，t-2，...，t-n张画面)产生的时间在第一影像数据(第t张画面)之前，本方法包括下列步骤：本方法输入第一影像数据。之后，本方法执行对象侦测程序，以取得至少一个前景物体。其后，本方法逐一判断所有前景物体的面积是否大于临界值。接下来，根据前景物体、背景与临界值，本方法决定曝光量。

依照本发明的较佳实施例所述，若某一前景物体的面积大于临界值，则本方法将此前景纳入进行亮度分析，以调整曝光量。若前景物体的面积小于临界值，则本方法忽略此前景，对背景部分进行亮度分析，以调整曝光量。

依照本发明的较佳实施例所述，上述的对象侦测程序包括下列步骤：本方法执行对象切割程序，输入前述第一影像数据，根据前述第一影像数据与对象投影程序所算出的目标位置，以切割出前景物体，并且输出切割数据(二元式影像光罩)。之后，本方法执行对象撷取程序，输入前述切割数据，根据前述前景物体与前述切割资料，萃取出每一个前景物体所对应的第一特征数据。接下来，本方法执行对象追踪程序，输入前述第一特征数据，分析前述第一影像数据中的第一特征数据与前述第二影像数据中对应的第一特征数据，以得到第一影像数据中每个物体的第二特征数据。其后，本方法执行对象投影程序，输入前述第二特征数据，分析前述第二特征数据与前述第二影像数据中的第二特征数据，以预测前述前景物体在第三影像数据中(第t+1张画面)对应的目标位置，之后，将前述目标位置输出至前述对象切割程序，以切割出第三影像数据中(第t+1张画面)的前景物体。

在本发明中，第一影像数据指当前画面，即第t张画面。第二影像数据指历史画面，即第t-1，t-2，...，t-n张画面。第三影像数据指下一张画面，即第t+1张画面。第一特征数据指对象撷取程序后所获得的物体信息。第二特征数据指对象追踪程序后的特征信息。第一位置指对象在第一影像数据中的位置，第二位置指对象在第二影像中的位置，第三位置指对象在第三影像中的位置。第一机率指对象切割中通过对象投影程序产生的目标位置所得知的每个位置为前景的机率。第二机率指经由与多重高斯混合背景模型相比，所得到的机率。第三机率指目标像素与邻近像素相比较所得的机率。综合第一、第二、及第三机率可得到该位置出现前景的前景机率。

依照本发明的较佳实施例所述，上述的对象切割程序包括下列步骤：本方法读取第一影像数据的其中一个像素成为目标像素。之后，根据前述目标像素与对应的前述对象投影程序产生的目标位置，以决定前述目标像素为前景像素的机率，成为第一机率。其后，本方法比较前述目标像素与多重高斯混合背景模型的相似度，以决定前述目标像素为前景像素的机率，成为第二机率。接下来，本方法比较前述目标像素与目标像素的对应邻近像素的相似度，以决定前述目标像素为前景像素的机率，成为第三机率。最后，根据前述第一机率、前述第二机率与前述第三机率，决定前述目标像素是否为前景像素。

依照本发明的较佳实施例所述，上述的前述对象切割程序更包括下列步骤：藉由前述多重高斯混合背景模型，本方法得到时域差异参数。之后，藉由前述目标像素邻近的像素，本方法以得到空间差异参数。接着，若前述时域差异参数与前述空间差异参数之和大于一个临界值，则本方法判断前述目标像素为前景像素。若前述时域差异参数与前述空间差异参数之和小于一个临界值，则本方法判断前述目标像素不为前景像素。

依照本发明的较佳实施例所述，若前述目标位置投影至对应的位置，则提高对应的位置出现前述前景像素的机率或降低该位置判别是否为前景的临界值。

依照本发明的较佳实施例所述，上述的对象投影程序包括下列步骤：根据第二特征数据与第二影像数据，本对象投影程序可得知第一影像数据(第t张画面，即当前画面)中所有目标对象的目标位置(第一位置)。之后，根据前述第一影像数据的第一位置及第二影像数据的第二位置，对象投影程序决定第t+1张画面时的第三影像数据中，前述目标对象的第三位置(即t+1张画面时该目标对象的位置)。对象投影程序计算目标位置的方式如下：根据前述第二影像数据，本方法得知前述目标对象的第二位置(即t-1，t-2，...，t-n张画面的该目标对象的位置)。其后，根据前述第一位置与前述第二位置，本方法估计该目标对象对应的运动方向与运动速度。接下来，本方法记录历史运动方向与历史运动速度。之后，本方法预测第t+1张画面对应的运动方向与对应的运动速度。最后，本方法预测前述目标对象在下一张影像(第三影像数据)中的目标位置(即第三位置)。

综合上述，本发明提出一种自动曝光的方法。本发明通过侦测前景物体，以调整曝光量。因此，本发明不仅能正确地侦测前景物体，而且更能精确地调整曝光量。在对象侦测程序中，由于对象追踪功能可以求得物体的速度，所以本发明利用对象追踪功能的结果，以预测下一张画面的前景物体所在的位置，即可大幅提升对象切割的准确度。本发明至少具有下列优点：

1、本发明结合自动曝光与对象侦测的技术，不仅具有新颖性，而且更具有进步性。通过侦测前景物体的特征(例如：面积)，本发明能大幅提高自动曝光的准确率，例如：通过侦测画面中的移动物体，本发明能消除前景颜色造成的亮度误判，进而能更稳定、更精确地评估画面的亮度。

2、由前述第1点可知，本发明已克服现有技术的缺点，前景物体的颜色将不会影响曝光的稳定性。也就是，大面积的深色或浅色物体经过画面后，相机不会误认为光源改变，而调整曝光量。

3、为了使曝光量稳定且正确，准确的对象侦测能力是必要的。本发明采用整个对象侦测系统的数据来调整临界值，使得对象侦测的正确率大幅提升。

4、本发明以投影的原理来预测对象的位置，这种方法在对象切割的技术中，不仅具备新颖性，更具有进步性。对象投影的目的在于，本发明利用第二影像数据(第t-1，t-2，...，t-n张画面)，以预测第三影像数据(第t+1张画面)的物体所可能出现的位置。之后，本方法将这个可能出现的位置反馈至对象切割方块，以当作对象切割的辅助，例如：本发明提高对象投影区域出现物体的机率，并且降低没有投影到的区域出现前景物体的机率。如此一来，本发明提高对象切割的正确率，并且达到降低错误警报的效果。

5、对象投影对对象切割的帮助在于，对象投影可补回物体不慎切割断开的部分，本发明克服现有技术的缺点，避免一个物体因断开而被误认为两个物体。

6、对象投影对对象切割的帮助在于，对象投影增加侦测物体轮廓的准确性。本发明可增加物体在相似背景中，成功割出的机率。

7、对象投影对对象切割的帮助在于，对象投影可依投影结果调整临界值，有效地降低使用单一固定临界值造成的不良影响。例如：降低投影区域的临界值，提高非投影区域的临界值。

8、对象投影对对象切割的帮助在于，对象投影增加前景物体可在画面中停留静止的时间，而使物体不会被快速学入背景而不被侦测出来。

9、对象投影对对象切割的帮助在于，对象投影克服现有对象侦测算法以像素为单位来作切割的缺点，对象投影利用整个物体的特征数据，来增加对象切割的正确度。

由上述可知，对象投影计算出的每个位置可能出现前景物体的机率，调整对象切割算法的切割能力(例如：临界值)，以提升整体对象侦测系统的准确度。

附图说明

图1为现有自动曝光技术的流程图；

图2为现有自动曝光的示意图；

图3为现有对象侦测算法的功能方块图；

图4为现有对象切割的功能方块图；

图5为本发明一较佳实施例的自动曝光的方法的流程图；

图6为本发明一较佳实施例的对象侦测程序的功能方块图；

图7为本发明一较佳实施例的对象切割程序的流程图；

图8为本发明一较佳实施例的决定目标像素为前景像素的机率的流程图；

图9为本发明一较佳实施例的对象投影程序的流程图；

图10为本发明一较佳实施例的对象切割的示意图。

具体实施方式

如图5所示，本发明一较佳实施例的自动曝光的方法的流程图。本方法适用于图像处理，其中，在t时间(即第t张画面)时，第二影像数据(第t-1，t-2，...，t-n张画面)产生的时间在第一影像数据(第t张画面)之前，本方法包括下列步骤：本方法输入第一影像数据(S502)。之后，本方法执行对象侦测程序，以取得至少一个前景物体(S504)。接下来，本方法判断前述前景物体在画面中所占据的面积是否大于一个临界值(S506)。若前景物体的面积大于该临界值，则本方法对整个第一影像数据进行亮度分析，以调整曝光量(S508、S512)。再者，若前景物体的面积小于该临界值，则本方法仅对目标背景进行亮度分析，以调整曝光量(S510、S512)。

另外，若第一影像数据包含复数个前景物体，则只要任一个前景物体的面积大于临界值，本方法便选择对第一影像数据进行一亮度分析，以调整曝光量。若所有前景物体的面积都小于临界值，则本方法会忽略所有前景物体，仅对目标背景进行亮度分析，以调整曝光量。

此外，前述对象侦测程序可利用背景相减算法，以取得前景物体。当在本方法决定前景物体时，本方法判断物体是否移动。之后，根据前述物体是否移动，本方法选择移动的物体为前景物体，或者本方法不选择移动的物体为前景物体。

如图6所示，本发明一较佳实施例的对象侦测程序的功能方块图。本方块图包括对象切割方块602、对象撷取方块604、对象追踪方块606与对象投影方块608。本方法将第一影像数据(第t张画面)与第二影像数据(第t-1，t-2，...，t-n张画面)产生的对应目标位置输入对象切割方块602。接下来，本方法执行对象切割程序，使对象切割方块602输出对应的二元式影像光罩至对象撷取方块604。之后，本方法执行对象撷取程序，使对象撷取方块604输出对应的第一特征数据至对象追踪方块606。其后，本方法执行对象追踪程序，使对象追踪方块606输出对应的第二特征数据至对象投影方块608。接着，本方法执行对象投影程序，使对象投影方块608输出第一影像数据的对应目标位置至对象切割方块602，以协助第三影像数据(第t+1张画面)的影像数据切割对象。

本方法包括下列步骤：本方法执行对象切割程序，输入前述第一影像数据与目标位置。根据前述第一影像数据与前述目标位置，以切割出画面中所有的前景物体与形成其对应的切割资料。之后，本方法执行对象撷取程序，输入前述切割数据，此切割数据即二元式影像光罩。根据前述前景物体与前述切割资料，使每一个前景物体具有对应的第一特征数据。其后，本方法执行对象追踪程序，输入前述第一特征数据，并分析前述第一影像数据中的第一特征数据与前述第二影像数据中对应的前述第一特征数据，通过比对得知对应关系，以得到第一影像数据中每个对象的第二特征数据。接着，本方法执行对象投影程序，输入前述第二特征数据，分析前述第二特征数据与前述第二影像数据对应的第二特征数据，以预测前述前景物体对应的前述目标位置(第三位置)。之后，本方法将前述目标位置输出至前述对象切割程序，以进行前述的第三影像数据的对象切割。

如图7所示，本发明一较佳实施例的对象切割程序的流程图。前述对象切割程序包括下列步骤：本方法读取第一影像数据(第t张画面)的其中一个像素成为目标像素(S704)。接下来，本方法输入第二影像数据(第t-1，t-2，...，t-n张画面)，以及在第t-1张画面时决定对应的目标位置(S706)。之后，本方法读取此目标位置(S708)。接着，根据前述目标像素与对应的前述目标位置，以决定前述目标位置出现前景像素的机率，成为第一机率(S710)。此外，根据高斯混合背景模型，取得对应的时域切割资料(S712)。接下来，本方法读取前述时域切割数据(S714)。接着，本方法比较前述目标像素与高斯混合背景模型的相似度，以决定前述目标像素为前景像素的机率，成为第二机率(S716)。另外，本方法读取第一影像数据(S718)。之后，根据前述目标像素与目标像素的对应邻近像素，取得空间数据(S720)。其后，本方法比较前述目标像素与目标像素的对应邻近像素的相似度，以决定前述目标像素为前景像素的机率，成为第三机率(S722)。接着，根据第一机率、第二机率与第三机率，决定前述目标像素是否为前景像素。(S724)。接下来，本方法输出前述目标像素至二元式影像光罩(S726)。之后，本方法判断整张画面的像素是否都切割完成(S728)。若整张画面的像素未切割完成，则本方法再次执行步骤704。若整张画面的像素切割完成，则本方法结束对象切割程序(S730)。

如图8所示，本发明一较佳实施例的决定目标像素为前景像素的机率的流程图。本方法形成前景像素机率包括下列步骤：通过读取该物体的第一影像数据及对象投影信息目标位置，可得知前述的第一机率。通过多重高斯混合背景模型，本方法得到时域差异参数。通过此时域差异参数，可得知前述的第二机率。之后，通过目标像素邻近的像素，本方法得到空间差异参数。通过此空间差异参数，可得知前述的第三机率。通过前述第一机率，调整第二机率及第三机率判断的临界值，并由与临界值比较的结果，可求得前景像素机率。由此前景像素机率可判定该像素是否为前景像素，完成该像素的对象切割。

如图6所示，对象撷取程序可使用现有的链接组件卷标算法(ConnectedComponent Labeling)，以分析链接组件的连接情况、位置与物体分布，以取得第一特征数据。对象追踪程序可使用对象配对算法，通过一对一的比对每张画面，寻找相似对象以进行追踪，以取得第二特征数据。

如图9所示，本发明一较佳实施例的对象投影程序的流程图。对象投影程序包括下列步骤：本方法读取要进行对象投影的目标对象(S904)。此外，本方法取得第二影像数据的目标对象的数据(S906)。之后，本方法读取第二影像数据(第t-1，t-2，...，t-n张画面)的目标对象的位置(S908)。此外，本方法取得第一影像数据(本张画面t)的目标对象的数据(S910)。之后，根据第一影像数据，决定第t张画面时，目标对象的第一位置，也即，本方法读取本张画面(第t张画面)的目标对象的位置(S912)。之后，根据前述第一位置与前述第二位置，估计运动方向与运动速度(S914)。之后，本方法记录历史运动方向与历史运动速度(S916)。并且，本方法预测第三影像数据(第t+1张画面)的对应的运动方向与对应的运动速度(S918)。根据步骤912与步骤918，本方法预测目标对象在第三影像数据(第t+1张画面)中的目标位置(S920)。其后，本方法输出目标对象在第t+1张画面的影像中的目标位置(S922)。接着，本方法判断第一影像数据中的所有目标对象是否全部投影完成(S924)。若第一影像数据中的所有目标对象尚未投影完成，则本方法再次执行步骤904。若第一影像数据中的所有目标对象已投影完成，则本方法结束对象投影程序(S926)。

值得说明的是，第一特征数据为颜色分布、物体质心或对象大小等对象信息。第二特征数据为移动数据，通过分析对象移动状况所取得的数据，例如：对象速度、对象位置或运动方向等信息。此外，第二特征数据也可为分类数据，前述分类数据指示对象的种类，例如：人或车。再者，第二特征数据也可为场景位置数据，前述场景位置数据指示对象所在场景，例如：门口、上坡或下坡。另外，第二特征数据也可为互动数据，通过分析各个链接组件间的互动行为，可得到前述互动数据，例如：谈话行为或身体接触行为。再者，第二特征数据也可为场景深度数据，前述场景深度数据指示对象所在的场景深度。通过第二特征数据，本方法可利用第二特征数据来预测目标对象在下一张画面的目标位置，之后，本方法回授下一张画面的目标位置至原有的对象切割程序，即可得到第一机率。本方法配合其他第二机率与第三机率作更精确的预测，即可更精确的完成对象切割的工作。

如图10所示，本发明一较佳实施例的对象切割的示意图。结合图8与图9，第一影像数据1000内含目标像素1002，通过目标像素1002邻近像素，可以得到第三机率。再者，通过多重高斯混合背景模型1004、多重高斯混合背景模型1006、多重高斯混合背景模型1008等等N个模型，可得到第二机率。另外，通过对象移动数据，本方法可取得第一机率，其数学形式如下：

Pos(Obj(k)，t)：物体k在t时间的位置

MV(Obj(k)，t)：物体k在t与t-1时间的移动向量(motion vector)

MV(Obj(k)，t)＝Pos(Obj(k)，t)-Pos(Obj(k)，t-1)

MP(Obj(k)，t)：移动预测函数(motion prediction)

Low_pass_filter(X)：低通滤波函数

MP(Obj(k)，t)＝Low_pass_filter(MV(Obj(k)，t)，MV(Obj(k)，t-1)，MV(Obj(k)，t-2)，...)

Proj_pos(Obj(k)，t+1)：根据前述资料，本方法预测(投影)物体t+1时间出现的位置

Proj_pos(Obj(k)，t+1)＝Pos(Obj(k)，t)+MP(Obj(k)，t)

本方法在进行t+1张画面的物体分割时，若该位置为对象投影的目标位置，则提高该位置物体出现的机率，也就是，本方法降低判断该位置为前景的临界值。

本方法在进行t+1张画面的物体分割时，若该位置为对象投影的目标位置，则提高该位置物体出现的机率，也就是，本方法降低判断该位置为前景的临界值。

举例来说，通过图6至图10的对象侦测程序，本方法能精确地将侦测出前景物体与背景。结合图2，第一影像数据200所对应的画面内含有黑色的袋子202、黑色的地板204与人物206。其中，人物206穿着白色的衬衫208与白色的长裤210。当第一影像数据200中，人物206正走近黑色的袋子202时，由于本方法侦测到人物206与黑色的袋子202为前景物体，且占据的面积小于临界值，则本方法忽略此二前景物体，仅对画面中的背景部份进行亮度分析，以调整曝光量。另外，若身着白衣的人物206朝摄影机方向走近，致使在画面中占据的面积大于临界值，则此前景物体206对画面亮度的影响不可忽略，故本方法将前景物体与背景一并进行亮度分析，以调整曝光量。

本方法进行亮度分析时，统计像素值得到画面亮度。之后，本方法利用预设的亮度评估表以评估画面亮度。接着，通过亮度分析的结果，本方法调整镜头曝光量，例如：延长或缩短曝光时间。接着，本方法再撷取下一张画面，重复进行前述动作，以调整曝光量。

值得注意的是，上述的说明仅是为了解释本发明，而并非用以限定本发明的实施可能性，叙述特殊细节的目的，乃是为了使本发明被详尽地了解。然而，熟习此技艺者当知此并非唯一的解法。在没有违背发明的精神或所揭露的本质特征之下，上述的实施例可以其他的特殊形式呈现。

Claims (22)

1.一种自动曝光的方法，适用于图像处理，其特征在于，其中，至少一第二影像数据产生的时间在一第一影像数据产生的时间之前，本方法包括下列步骤：

输入该第一影像数据；

执行一对象侦测程序，以取得至少一前景物体与一目标背景；

判断该前景物体的面积是否大于一临界值；以及，

根据该前景物体、该目标背景与该临界值，以决定曝光量。

2.根据权利要求1所述的自动曝光的方法，其特征在于，该方法还包括下列步骤：

若该前景物体的面积大于该临界值，则对该第一影像数据进行一亮度分析，以调整曝光量；以及，

若该前景物体的面积小于该临界值，则对该目标背景进行该亮度分析，以调整曝光量。

3.根据权利要求1所述的自动曝光的方法，其特征在于，该方法还包括下列步骤：

若该第一影像数据报含复数个前景物体，且该些前景物体的其一的面积大于该临界值，则对该第一影像数据进行一亮度分析，以调整曝光量。

4.根据权利要求1所述的自动曝光的方法，其特征在于，该方法更包括下列步骤：

若该第一影像数据报含复数个前景物体，且所有该些前景物体的面积皆小于临界值，则忽略所有该些前景物体，仅对该目标背景进行亮度分析，以调整曝光量。

5.根据权利要求1所述的自动曝光的方法，其特征在于，其中，该对象侦测程序还包括下列步骤：

执行一对象切割程序，输入该第一影像数据与对象投影的一目标位置，根据该第一影像数据与该目标位置，以切割出该第一影像数据画面中所有该前景物体与形成对应的切割资料；

执行一对象撷取程序，输入该切割资料，根据该前景物体与该切割资料，使每一该前景物体具有对应的一第一特征数据；

执行一对象追踪程序，输入该第一特征数据，分析该第一影像数据中的该第一特征数据与该第二影像数据中对应的该第一特征数据，以得到至少一第二特征数据；以及，

执行一对象投影程序，输入该第二特征数据，分析该第二特征数据与该第二影像数据，以预测该前景物体对应的该目标位置，之后，将该目标位置输出至该对象切割程序，以辅助进行一第三影像数据的切割，其中，该第三影像数据产生的时间在该第一影像数据产生的时间之后。

6.根据权利要求5所述的自动曝光的方法，其特征在于，该对象切割程序包括下列步骤：

读取该第一影像数据的其中一个像素成为一目标像素；

根据该目标像素与对应的该目标位置，以决定该目标位置出现一前景像素的机率，成为一第一机率；

比较该目标像素与一背景模型的相似度，以决定该目标像素为该前景像素的机率，成为一第二机率；

比较该目标像素与该目标像素的对应邻近像素的相似度，以决定该目标像素为该前景像素的机率，成为一第三机率；以及，

根据该第一机率、该第二机率与该第三机率，决定该目标像素是否为该前景像素。

7.根据权利要求6所述的自动曝光的方法，其特征在于，该背景模型为一多重高斯混合背景模型。

8.根据权利要求7所述的自动曝光的方法，其特征在于，该对象切割程序还包括下列步骤：

通过该多重高斯混合背景模型，以得到一时域差异参数；

通过该目标像素邻近的像素，以得到一空间差异参数；

若该时域差异参数与该空间差异参数之和大于一临界值，则判断该目标像素为该前景像素；以及，

若该时域差异参数与该空间差异参数之和小于该临界值，则判断该目标像素不为该前景像素。

9.根据权利要求6所述的自动曝光的方法，其特征在于，若该目标位置投影至对应的位置，则提高对应的位置出现该前景像素的机率。

10.根据权利要求5所述的自动曝光的方法，其特征在于，该切割数据为一二元式影像光罩。

11.根据权利要求5所述的自动曝光的方法，其特征在于，该第一特征数据为一颜色分布、一物体质心或一对象大小。

12.根据权利要求5所述的自动曝光的方法，其特征在于，其中，该第二特征数据为一移动数据，该移动数据是通过分析对象移动状况所取得的数据。

13.根据权利要求12所述的自动曝光的方法，其特征在于，该移动数据为一对象速度、一对象位置或一运动方向。

14.根据权利要求5所述的自动曝光的方法，其特征在于，该第二特征数据为一分类数据，该分类数据指示对象的种类。

15.根据权利要求14所述的自动曝光的方法，其特征在于，该分类数据为一人或一车。

16.根据权利要求5所述的自动曝光的方法，其特征在于，该第二特征数据为一场景位置数据，该场景位置数据指示对象所在场景。

17.根据权利要求16所述的自动曝光的方法，其特征在于，该场景位置数据为一门口、一上坡或一下坡。

18.根据权利要求5所述的自动曝光的方法，其特征在于，该第二特征数据为一互动数据，通过分析至少两个链接组件间的互动行为，以得到该互动数据。

19.根据权利要求18所述的自动曝光的方法，其特征在于，该互动数据为一谈话行为与一身体接触行为。

20.根据权利要求5所述的自动曝光的方法，其特征在于，该第二特征数据为一场景深度数据，该场景深度数据指示对象的场景深度。

21.根据权利要求5所述的自动曝光的方法，其特征在于，该对象投影程序包括下列步骤：

根据该第二特征数据与该第二影像数据，决定至少一目标对象；

根据该第一影像数据，决定第t张画面时，该目标对象的一第一位置；

根据该第二影像数据，决定第t-1，t-2，...，t-n张画面时，该目标对象的一第二位置；

根据该第一位置与该第二位置，估计一运动方向与一运动速度；

记录一历史运动方向与一历史运动速度；

预测该第三影像数据，该第三影像数据为第t+1张画面时对应的该运动方向与对应的该运动速度；以及，

预测该目标对象在该第三影像数据中的该目标位置。

22.根据权利要求1所述的自动曝光的方法，其特征在于，该对象侦测程序为一背景相减算法。

Images