CN110022432B

CN110022432B - 用于追踪移动被摄体的镜头控制设备和控制方法

Info

Publication number: CN110022432B
Application number: CN201811367008.6A
Authority: CN
Inventors: 杉谷邦明; 铃木康之
Original assignee: Canon Inc
Current assignee: Canon Inc
Priority date: 2017-11-16
Filing date: 2018-11-16
Publication date: 2021-03-26
Anticipated expiration: 2038-11-16
Also published as: JP2019091031A; CN110022432A; JP7305332B2

Abstract

本发明提供一种用于追踪移动被摄体的镜头控制设备和控制方法。基于与被摄体在第一时刻的状态相对应的信息，来估计与被摄体在与第一时刻之后的第二时刻的状态相对应的信息。通过基于焦点检测单元在第二时刻检测到的焦点检测结果对估计的与被摄体在第二时刻的状态相对应的信息进行校正，来计算被摄体在与第二时刻的状态相对应的信息。基于与被摄体在第二时刻的状态相对应的信息以及在从第二时刻起、直到第二时刻之后的第三时刻为止的时间的信息，来预测在第三时刻的像面位置。基于第一预测单元所预测出的像面位置来控制调焦透镜的驱动。

Description

用于追踪移动被摄体的镜头控制设备和控制方法

技术领域

实施例的一个公开方面涉及镜头控制技术。

背景技术

传统上，讨论了如下技术：基于特定时刻的焦点检测结果，预测在该特定时刻之后的时刻的像面位置并基于所预测的像面位置来控制调焦透镜的驱动。

日本特开2001-21794的公开讨论了如下已知技术：使用像面位置的多个数据和与这些像面位置相对应的焦点检测时刻的多个数据，通过最小二乘法(也称为“批量最小二乘法”)获得对于预测函数最适合的系数，由此预测像面位置。

使用上述批量最小二乘法来预测像面位置，并且基于所预测的像面位置来控制调焦透镜的驱动，由此可以相对对移动被摄体调节焦点位置。

然而，为了在使用批量最小二乘法来预测在特定时刻之后的时刻的与被摄体相对应的像面位置的情况下获得更稳定的预测结果，需要增加计算量。这是因为，需要使用像面位置以及与像面位置相对应的焦点检测时刻的更多数据来进行计算。

发明内容

实施例的一个公开方面涉及一种能够减少处理负荷并且还适当地聚焦于被摄体上的镜头控制设备以及用于控制镜头控制设备的方法。

根据实施例的方面，一种镜头控制设备包括估计单元、状态计算单元、第一预测单元和驱动控制单元。估计单元被配置为基于与被摄体在第一时刻的状态相对应的信息来估计与所述被摄体在所述第一时刻之后的第二时刻的状态相对应的信息。状态计算单元被配置为通过基于焦点检测单元在所述第二时刻检测到的焦点检测结果对所述估计单元所估计出的与所述被摄体在所述第二时刻的状态相对应的信息进行校正，来计算与所述被摄体在所述第二时刻的状态相对应的信息。第一预测单元被配置为基于所述状态计算单元所计算出的与所述被摄体在所述第二时刻的状态相对应的信息以及与从所述第二时刻起、直到所述第二时刻之后的第三时刻为止的时间有关的信息，来预测在所述第三时刻的像面位置。驱动控制单元被配置为基于所述第一预测单元所预测出的像面位置来控制调焦透镜的驱动。

一种用于控制镜头控制设备的控制方法，所述控制方法包括：基于与被摄体在第一时刻的状态相对应的信息来估计与所述被摄体在所述第一时刻之后的第二时刻的状态相对应的信息；通过基于在所述第二时刻的焦点检测的焦点检测结果对所估计出的与所述被摄体在所述第二时刻的状态相对应的信息进行校正，来计算与所述被摄体在所述第二时刻的状态相对应的信息；基于所计算出的与所述被摄体在所述第二时刻的状态相对应的信息以及从所述第二时刻起、直到所述第二时刻之后的第三时刻为止的时间的信息，来预测在所述第三时刻的像面位置；以及基于所预测出的像面位置来控制调焦透镜的驱动。

根据实施例的另一方面，一种镜头控制设备包括散焦量检测单元、计算单元、存储单元、识别单元、第一预测单元和确定单元。散焦量检测单元被配置为检测散焦量，所述散焦量是摄像镜头的图像形成位置与所述摄像镜头进行摄像操作的所述摄像镜头的像面位置之间的差。计算单元被配置为根据所述散焦量检测单元所检测到的散焦量和所述摄像镜头的图像形成位置来计算与被摄体相对应的像面位置。存储单元被配置为存储所述散焦量检测单元检测到所述散焦量的多个检测时刻以及所述计算单元所计算出的所述被摄体的多个先前的像面位置。识别单元被配置为使用与所述被摄体相对应的先前的像面位置的模型和所述计算单元所计算出的与所述被摄体相对应的像面位置，通过递归识别方法来识别与所述被摄体相对应的像面位置的模型。第一预测单元被配置为使用所述识别单元所识别出的与所述被摄体相对应的像面位置的模型来预测与所述被摄体相对应的将来像面位置。确定单元被配置为在所述识别单元所识别出的与所述被摄体相对应的像面位置的模型的识别度小于第一阈值的情况下，确定为要使用所述第一预测单元所预测的与所述被摄体相对应的将来像面位置。

一种用于控制镜头控制设备的控制方法，该控制方法包括：检测散焦量，所述散焦量是摄像镜头的图像形成位置与所述摄像镜头进行摄像操作的所述摄像镜头的像面位置之间的差；根据所检测到的散焦量和所述摄像镜头的图像形成位置来计算与被摄体相对应的像面位置；存储检测到所述散焦量的多个检测时刻以及所计算出的所述被摄体的多个先前的像面位置；使用与所述被摄体相对应的先前的像面位置的模型和所计算出的与所述被摄体相对应的像面位置，通过递归识别方法来识别与所述被摄体相对应的像面位置的模型；使用所识别出的与所述被摄体相对应的像面位置的模型来预测与所述被摄体相对应的将来像面位置；以及在所识别出的与所述被摄体相对应的像面位置的模型的识别度小于第一阈值的情况下，确定为要使用所预测的与所述被摄体相对应的将来像面位置。

一种镜头控制设备，包括：焦点检测单元，其被配置为获得焦点检测结果；估计单元，其被配置为基于所述焦点检测结果来估计被摄体的将来像面位置；以及驱动控制单元，被配置为基于所述估计单元所估计出的所述将来像面位置来控制调焦透镜的驱动，其中，所述估计单元基于递归识别方法来估计所述将来像面位置。

一种用于控制镜头控制设备的控制方法，所述控制方法包括：获得焦点检测结果；基于所述焦点检测结果来估计被摄体的将来像面位置；以及基于所述估计中所估计出的将来像面位置来控制调焦透镜的驱动，其中，在所述估计中，基于递归识别方法来估计所述将来像面位置。

通过以下参考附图对典型实施例的说明，本发明的其它特征将变得明显。

附图说明

图1是示出根据第一典型实施例的数字单镜头反光照相机的结构的框图。

图2是示出根据第一典型实施例的摄像处理的操作的示例的流程图。

图3是示出根据第一典型实施例的焦点调节处理的流程图。

图4是示出根据第二典型实施例的焦点调节处理的流程图。

图5是示出根据第三典型实施例的焦点调节处理的流程图。

图6是示出根据第四典型实施例的焦点调节处理的流程图。

图7是示出根据第一典型实施例的卡尔曼(Kalman)滤波计算的图。

图8是示出批量最小二乘法的图。

具体实施方式

给出第一典型实施例的描述。在本典型实施例中，描述了将本发明应用于数字单镜头反光照相机的示例。

<摄像设备的结构>

图1是示出数字单镜头反光照相机的结构的框图。

透镜驱动电路202包括例如直流(DC)马达或步进马达。微计算机224控制驱动，使得透镜驱动电路202改变包括在摄像镜头201中的调焦透镜的位置，由此调节焦点位置。换句话说，微计算机224控制镜头。

镜头通信电路203与摄像镜头201内的微计算机(未示出)通信。通信内容由微计算机224控制，使得镜头通信电路203获取摄像镜头201的状态。

光圈驱动电路205驱动光圈204。光圈204应被驱动的量通过微计算机224来计算，并且改变光学光圈值。

主镜206通常被设置反射光束以将光束引导到取景器部分(未示出)。然而，在拍摄图像的情况下，主镜206翻转并相对光束缩回以将光束引导到图像传感器213。换句话说，主镜206在将从摄像镜头201入射的光束引导到取景器侧以及将从摄像镜头201入射的光束引导到图像传感器侧之间切换。主镜206是半透半反射镜，使得主镜206的中央部分可以使一部分光透过。主镜206使一部分光束透过，使得该一部分光束入射在(放置在焦点检测电路210中的)焦点检测传感器上，以进行焦点检测。

副镜207反射透过主镜206的光束并将该光束引导至焦点检测传感器以进行焦点检测。

五棱镜208将由主镜206反射的光束引导至取景器部分(未示出)。取景器部分包括聚焦屏和目镜(未示出)。

测光电路209使用(放置在测光电路209中的)包括滤色器的测光传感器将形成在聚焦屏(未示出)上的被摄体图像的颜色和亮度转换为电信号。

透过镜206的中央部分并由副镜207反射的光束到达放置在焦点检测电路210内的用于进行光电转换的焦点检测传感器。通过计算焦点检测传感器的输出来求出作为焦点检测结果的散焦量。微计算机224评价计算结果并指示透镜驱动电路202驱动调焦透镜。

快门驱动电路212驱动焦平面快门211。快门的打开时间由微计算机224控制。

电荷耦合器件(CCD)或互补金属氧化物半导体(CMOS)传感器用作图像传感器213。图像传感器213将由摄像镜头201形成的被摄体图像转换为电信号。

钳位电路214和自动增益控制(AGC)电路215进行在进行模数(A/D)转换之前的基本模拟信号处理。然后，微计算机224改变钳位电平和AGC基准电平。

A/D转换器216将来自图像传感器213的模拟输出信号转换为数字信号。

视频信号处理电路217由诸如门阵列等的逻辑装置来实现。视频信号处理电路217对数字化图像数据进行滤波处理、颜色转换处理和伽玛处理，还对数字化图像数据进行联合图像专家组(JPEG)压缩处理，并将得到的图像数据输出到存储器控制器220。

视频信号处理电路217可以根据需要将来自图像传感器213的信号的曝光信息和与白平衡有关的信息输出到微计算机224。基于这些信息，微计算机224给出用以调节白平衡或增益的指示。在连续摄像操作的情况下，通过将拍摄数据原样作为未处理图像临时存储在缓冲存储器223中、经由存储器控制器220读取未处理的图像数据、并使用视频信号处理电路217对所读取的图像数据进行图像处理和压缩处理，来连续拍摄图像。连续拍摄的图像的数量取决于缓冲存储器223的大小。

存储器控制器220将从视频信号处理电路217输入的未处理的数字图像数据存储在缓冲存储器223中，并将处理后的数字图像数据存储在存储器221中。另一方面，存储器控制器220将图像数据从缓冲存储器223或存储器221输出到视频信号处理电路217。还存在存储器221可移除的情况。存储器控制器220可以经由可以连接到计算机的外部接口222来输出存储在存储器221中的图像。

操作构件225向微计算机224通知操作构件225的状态。根据操作构件225的状态的改变，微计算机224控制组件。

开关1(以下称为“SW1”)和开关2(以下称为“SW2”)是通过操作快门释放按钮而接通和断开的开关。SW1和SW2各自是操作构件225的输入开关之一。仅SW1接通的状态是快门释放按钮的半按下状态。在这种状态下，进行自动调焦操作或测光操作。

SW1和SW2两者都接通的状态是快门释放按钮的全按下状态，并且是用于记录图像的快门释放按钮的接通状态。在这种状态下，拍摄图像。在SW1和SW2持续接通的情况下，进行连续摄像操作。另外，操作构件225连接到诸如国际标准化组织(ISO)设置按钮、图像大小设置按钮、图像质量设置按钮和信息显示按钮(未示出)等的开关，并且这些开关的状态被检测。

根据来自微计算机224的显示内容命令，液晶驱动电路228驱动外部液晶显示构件229或取景器内液晶显示构件230。在取景器内液晶显示构件230中，放置具有发光二极管(LED)(未示出)的背光灯，并且LED也通过液晶驱动电路228来驱动。基于与拍摄图像之前所设置的ISO感光度、图像大小和图像质量相对应的图像大小的预测值数据，微计算机224可以通过存储器控制器220来确认存储器221的容量，然后计算仍然可拍摄的图像数量。根据需要，还可以将该数量显示在外部液晶显示构件229或取景器内液晶显示构件230上。

非易失性存储器231(电可擦除可编程只读存储器(EEPROM))即使在照相机关闭的状态下也可以保存数据。例如，将与对应于在不同时刻检测到的散焦量的像面位置有关的多个信息和与对应于这些像面位置的时刻有关的多个信息一起存储。该配置可以是使得将与像面位置有关的多个信息和与对应于这些像面位置的时刻有关的多个信息存储在易失性存储器(未示出)中，并且如果照相机的电源被断开，则数据被擦除。

电源232向各集成电路(IC)和驱动系统提供必要的电力。

根据本典型实施例的微计算机224是本申请的权利要求书中的状态计算单元、距离计算单元、误差计算单元、速度计算单元、散焦量检测单元和确定单元的示例。

<卡尔曼滤波计算>

描述本典型实施例中使用的卡尔曼滤波计算。首先，描述一般的卡尔曼滤波计算。时刻k的时间序列数据y(k)由以下等式给出。时间序列数据也被称为观测值。在下面的描述中，时刻k-1、时刻k和时刻k+1全部都与获得时间序列数据的时刻等效。

y(k)＝X^T(k)A(k)+ω(k) (1)

A(k+1)＝L(k)A(k)+m(k)ν(k) (2)

X(k)和m(k)是n维列向量。A(k)是n维列向量(状态向量)。ω(k)是具有0的平均值和方差σ_ω ²的观测噪声。L(k)是n×n矩阵。ν是具有0的平均值和方差σ_ν ²的系统噪声。

进行卡尔曼滤波计算以求出状态向量A(k)，并且卡尔曼滤波计算被分成两个计算步骤、即预测步骤和滤波步骤。首先，在预测步骤中，预先估计状态。然后，在滤波步骤中，使用观测结果来估计状态。

在预测步骤中，通过以下方式求出事前状态估计向量A'(k)(n维列向量)和事前误差协方差矩阵P'(k)(n×n矩阵)。在下面的描述中，时刻k-1、时刻k和时刻k+1全部都与获得时间序列数据y(k)的时刻等效。

A'(k)＝L(k-1)A(k-1) (3)

P'(k)＝L(k-1)P(k-1)L^T(k-1)+σ_ν ²(k-1)m(k-1)m^T(k-1) (4)

如在上面的等式中所示，事前状态估计向量A'(k)是用于基于在时刻(k-1)所获得的状态向量A(k-1)和任意L(k)来估计时刻k的状态向量。等式(4)中的事前误差协方差矩阵P'(k)是时刻k的状态向量A(k)和事前状态估计向量A'(k)之间的估计误差。

在滤波步骤中，根据检测出的时间序列数据y(k)中，通过以下等式(5)求出状态向量A(k)(n维列向量)。通过以下等式(6)求出事后误差协方差矩阵P(k)(n×n矩阵)：

A(k)＝A'(k)+g(k)(y(k)-X^T(k)A'(k)) (5)

P(k)＝(I-g(k)X^T(k))P'(k) (6)

如在上面的等式中所示，A(k)通过将利用作为实际检测结果的y(k)与基于预先预测的检测结果的X^T(k)A'(k)之间的差乘以卡尔曼增益g(k)所获得的校正值与A'(k)相加来计算。矩阵I是n×n单位矩阵。

通过以下等式(7)来获得卡尔曼增益g(k)。

如在上面的等式中所示(7)，观测噪声σ² _ω(k)越大，卡尔曼增益g(k)越小。事前误差协方差矩阵P'(k)越大，卡尔曼增益g(k)越小。换句话说，与在y(k)或X^T(k)A'(k)中没有产生误差的情况相比，在考虑到所检测到的y(k)或X^T(k)A'(k)中产生误差的可能性高的情况下，g(k)更小。因此，要计算的A(k)受到误差的影响的可能性小。

状态向量的初始值A(0)和误差协方差矩阵的初始值P(0)由以下等式给出。

P(0)＝p₀I

(9)

<本典型实施例中的卡尔曼滤波计算和模型公式>

描述本典型实施例中的卡尔曼滤波计算。

如果将上述卡尔曼滤波计算应用于本典型实施例，则y(k)是时刻k的像面位置的检测结果。在根据本典型实施例的卡尔曼滤波计算中，根据状态向量A(k)来估计时刻k的像面位置和像面移动速度作为与被摄体的状态相对应的信息。此外，通过计算基于状态向量A(k)的状态向量A(k+1)来估计时刻k+1的像面位置和像面移动速度作为与被摄体的状态相对应的信息。在本典型实施例中，像面位置是与摄像镜头201相对应的后焦点的位置(也称为“摄像镜头的像面位置”或“镜头像面位置”)。与被摄体相对应的像面位置(其中必须使镜头聚焦)是摄像镜头201在被摄体处于前焦点的位置处的情况下的后焦点的位置。换句话说，对应于被摄体的像面位置是在对被摄体进行焦点检测时基于焦点检测的结果(本典型实施例中的散焦量)和此时的后焦点所计算的后焦点的位置。尽管在本典型实施例中将使用像面位置作为与像面位置相对应的信息作为示例进行描述，但是可以使用除了与像面位置相对应的信息之外的信息。例如，由于像面位置对应于摄像镜头201的位置，因此代替本典型实施例中的像面位置，可以使用与像面位置相对应的摄像镜头201的位置。在这种情况下，对应于被摄体的像面位置是在对被摄体进行焦点检测时基于焦点检测的结果(本典型实施例中的散焦量)和此时的调焦透镜位置所计算的调焦透镜的位置。

使用与被摄体的状态相对应的信息(由卡尔曼滤波计算估计出的像面位置和像面移动速度)来描述用于预测被摄体的运动的模型公式。图7示出模型公式或等式的示例。考虑如图7中的虚线所示那样用于预测与被摄体相对应的像面位置的一维形式的(二维形式的)模型公式或等式。在该模型中，可以基于时刻k的平均像面移动速度v和时刻0的像面位置y_A来预测时刻k的像面位置。此时，列向量A被定义为时刻0的像面位置(截距)y_A和时刻k的平均像面移动速度(斜率)v。列向量X被定义为1，使得时刻k和像面位置y_A是常数。方差σ_ω ²可以基于检测结果的方差来配置。在初始值A(0)中，可以基于例如首次检测到的像面位置y₀来配置y_A的初始值。平均像面移动速度v的初始值可以配置为0。在初始值P(0)中，可以配置适当的值。矩阵L、列向量m和方差σ_ν ²可以基于该模型的特性(诸如要拍摄的被摄体的运动等的特性)来设置，或者可以是时间不变的。

像面移动速度是像面位置移动的速度，并且其对应于被摄体的移动速度。

在本典型实施例中，仅为了说明性的目的，描述了模型公式或等式是一维(二维)的示例。然而，模型公式或等式可以根据要假设的被摄体的运动而使用任何维度，并且可以仅需要根据模型公式或等式的维度来定义列向量A。

基于以上所述，定义了预测步骤中所需的矩阵、向量和方差。然后，重复使用像面位置的检测结果的滤波步骤和下一时刻的预测步骤，由此可以通过卡尔曼滤波计算来获得用于预测被摄体的运动的模型公式或等式。

根据卡尔曼滤波计算，如上所述，在考虑到误差的情况下进行计算。因此，即使在焦点检测结果中可能产生误差的情形下，也可以高精度地预测像面位置。

<利用批量最小二乘法的计算>

参考图8，更详细地描述基于批量最小二乘法对像面位置的预测，这也是在日本特开2001-21794的公开中所详细讨论的。

时刻x_k的像面位置是y_k并且在图8中表示为“●”。在时刻t由(n-1)阶多维公式模型表示图8中的多个标记“●”的情况下，像面位置y(t)由以下等式给出，并且给出了图8中的点划线曲线，其中在该等式中，像面位置是y(t)，时间参数是列向量T(t)，以及模型公式或等式的系数是列向量C(t)。

y(t)＝C(t)^TT(t) (10)

列向量C(t)和列向量T(t)如下：

作为用于求出上述列向量C的方法，可以使用批量最小二乘法。模型公式或等式是(n-1)阶多维公式。先前像面位置的测量结果的数量是N。矩阵Z(k)由获得与包括时刻k的先前像面位置相对应的焦点检测结果的时刻给出。列向量Y(k)由包括时刻k的先前像面位置给出。此时，要求出的列向量C(k)由下式给出。

C(k)＝[Z(k)^TZ(k)]^-1Z(k)^TY(k) (13)

矩阵Z(k)和列向量Y(k)的由下式给出。

使用上述批量最小二乘法来预测像面位置，并且基于所预测的像面位置来控制调焦透镜的驱动，由此可以相对移动被摄体调节焦点位置。

然而，在使用批量最小二乘法来预测与特定时刻之后的时刻的被摄体相对应的像面位置的情况下，需要增加计算量以获得更稳定的预测结果。求出列向量C的计算量至少为O(N·n²)。由于这个原因，为了求出稳定的列向量C，需要使用大量的先前测量结果N。计算量与N成比例地增加。

与此相对，使用n维参数的卡尔曼滤波的计算量是O(n³)。在模型公式或等式是低维的情况下，可以使卡尔曼滤波的计算次数充分小于相同维度中的批量最小二乘法的计算次数。在观测结果变化的情况下，批量最小二乘法倾向于采用大量先前的观测结果N来用于计算。然而，如上所述，批量最小二乘法的计算量是O(Nn²)。由于这个原因，如果N是很大的数，则批量最小二乘法的计算量远大于卡尔曼滤波的计算量。因此，如在本典型实施例中那样，在适当的场景中通过卡尔曼滤波来进行计算，由此可以使计算量小于批量最小二乘法的计算量。

<摄像处理的操作的示例>

参考图2中的流程图，描述根据第一典型实施例的摄像处理的操作的示例。

通常，照相机具有两种类型的模式，即相对于在特定时刻被摄体的像面(必须使镜头聚焦)驱动镜头的模式(一次性摄像模式)以及在预测当前时刻之后的时刻的被摄体的像面的同时驱动镜头的模式(预测摄像模式)。第一典型实施例示出在照相机被设置在预测摄像模式的情况下的照相机的操作。

在步骤S401中，微计算机224判断SW1的状态。如果SW1接通(步骤S401中为“是”)，则处理进入步骤S402。如果SW1断开(步骤S401为“否”)，则微计算机224进行用以结束预测摄像模式的控制。

在步骤S402中，微计算机224进行用以进行焦点调节处理的控制。下面将参考图3来描述焦点调节过程的细节。

在步骤S403中，微计算机224判断SW2的状态。如果SW2断开(步骤S403中为“否”)，则处理返回到步骤S401。如果SW2接通(步骤S403中为“是”)，则处理进入步骤S404。

在步骤S404中，微计算机224进行控制以翻转主镜206并使焦平面快门211操作，由此拍摄图像。然后，处理返回到步骤S401。

<焦点调节处理>

参考图3中的流程图，描述步骤S402中的焦点调节处理的操作的示例。

在步骤S501中，微计算机224驱动焦点检测电路210，由此求出散焦量。此外，基于散焦量和摄像镜头201的当前位置，微计算机224获取像面位置，该像面位置是摄像镜头201聚焦于被摄体上的摄像镜头201的位置。

在步骤S502中，微计算机224进行用以进行存储处理的控制。在存储处理中，微计算机224在存储器221中存储步骤S501中所获得的像面位置和在步骤S501中获得散焦量时的检测时刻。

在步骤S503中，微计算机224进行上述卡尔曼滤波计算。卡尔曼滤波是一种递归识别方法，并且与批量最小二乘法不同，其在进行计算时不需要多个时间序列数据。基于状态向量A(k)来估计时刻(k)的像面位置和像面移动速度作为与被摄体的状态相对应的信息。

在步骤S504中，微计算机224评价存储在存储器221中的数据的数量是否小于第一数量。如果数据的数量小于第一数量(步骤S504中为“是”)，则处理进入步骤S508。如果数据的数量等于或大于第一数量(步骤S504中为“否”)，则处理进入步骤S505。

在步骤S505中，微计算机224评价在步骤S503中进行的卡尔曼滤波计算的识别度。使用上述事后误差协方差矩阵P来评价识别度。这是因为，可以使用事后误差协方差矩阵P来判断通过卡尔曼滤波计算求出的状态估计向量A的结果是否收敛。如果识别度、即事后误差协方差矩阵P小于第一值(步骤S505中为“是”)，则处理进入步骤S507。这是因为，存在通过卡尔曼滤波计算求出的状态估计向量A的结果不收敛、即通过卡尔曼滤波计算获得的像面位置中产生了误差的可能性。如果识别度，即、事后误差协方差矩阵P等于或大于第一值(步骤S505中为“否”)，则处理进入步骤S506。因此，基于识别度来切换预测技术，由此可以在卡尔曼滤波计算的结果充分收敛的情况下选择用于减少计算量的技术。

在步骤S506中，微计算机224通过批量最小二乘法来预测焦点。具体地，使用在步骤S502中存储在存储器221中的多个像面位置和与检测到像面位置的检测时刻有关的多个时间序列数据，通过批量最小二乘法来求出与被摄体相对应的像面位置的模型公式或等式。然后，基于所获得的模型公式或等式的结果，求出与在当前时刻(k)之后的时刻(k+1)的被摄体相对应的像面位置。

在步骤S507中，微计算机224使用卡尔曼滤波来预测焦点。由于通过在步骤S503中求出状态向量A(k)来识别与被摄体相对应的像面位置的模型公式或等式，因此基于该模型公式或等式的结果来预测将来的像面位置。更具体地，通过使用通过计算状态向量A(k)而被估计为与被摄体的状态相对应的信息的时刻(k)的像面位置(对应于截距)和像面移动速度(对应于斜率)以及模型公式来计算时刻k+Δd的像面位置。时刻k+Δd对应于拍摄图像的时刻。例如，时刻k+Δd对应于步骤S404中的时刻。

在步骤S508中，微计算机224基于焦点检测结果来进行用以驱动调焦透镜的控制。微计算机224基于与在步骤S501中获得的被摄体相对应的像面位置来驱动摄像镜头201。

在步骤S509中，微计算机224基于焦点预测结果来驱动透镜。由于在步骤S506或S507中求出了将来的像面位置，因此微计算机224基于所求出的像面位置的结果来驱动调焦透镜。

<效果>

如上所述，在第一典型实施例中，基于使用卡尔曼滤波计算所计算出的与被摄体相对应的像面位置来控制调焦透镜的驱动。因此，与不使用卡尔曼滤波计算的情况相比，在使用卡尔曼滤波计算的情况下，可以使处理负荷更少并且可以相对被摄体更适当地调节焦点位置。

在第一典型实施例中，根据条件来切换使用卡尔曼滤波计算的情况和不使用卡尔曼滤波计算的情况。结果，可以减少处理负荷，并且还可以相对被摄体更适当地调节焦点位置。

在第一典型实施例中，描述了在通过卡尔曼滤波计算所获得的识别度小于阈值的情况下使用卡尔曼滤波计算的示例。

在第二典型实施例，描述除了通过卡尔曼滤波计算所获得的识别度以外还考虑到被摄体的运动的示例。在第二典型实施例中，尽可能少地描述与第一典型实施例共同的特征，并且着重于与第一典型实施例的不同来描述第二典型实施例。

数字单镜头反光照相机的结构(图1)和摄像处理的操作(图2)与第一典型实施例中的结构和操作相同，因此这里不再描述。

<焦点调节处理>

参考图4中的流程图，描述本典型实施例中的焦点调节处理的操作。

步骤S601与步骤S501相同，因此这里不再描述。

在步骤S602中，微计算机224计算被摄体距离。被摄体距离是从照相机到被摄体的摄像距离。使用镜头通信电路203，微计算机224从摄像镜头201获取根据摄像镜头201的当前图像形成位置所求出的被摄体距离。

步骤S603和S604分别与步骤S502和S503相同，因此这里不再描述。

在步骤S605中，微计算机224计算像面移动速度。可以通过步骤S604中的卡尔曼滤波计算来求出像面移动速度。在本典型实施例中，模型公式或等式在时刻k是二维(一维)的。列向量A被定义为表示时刻0的像面位置()和时刻k的平均像面移动速度(斜率)。因此，可以通过求出A(k)来获得像面移动速度。可以通过其它已知方法来求出像面移动速度。

步骤S606和S607分别与步骤S504和S505相同，因此这里不再描述。

在步骤S608中，微计算机224评价被摄体距离。如果在步骤S602中求出的被摄体距离等于或大于第一距离(步骤S608中为“是”)，则处理进入步骤S609。如果被摄体距离小于第一距离(步骤S608中为“否”)，则处理进入步骤S610。如果用于卡尔曼滤波计算的模型公式或等式是例如一维(二维)并且被摄体距离小，则可以想到对应于被摄体的像面位置与该模型公式不匹配。因此，如果被摄体距离小于第一距离(步骤S608中为“否”)，则处理进入步骤S610。在步骤S610中，通过批量最小二乘法来求出将来的像面位置。

在步骤S609中，微计算机224评价像面移动速度。如果在步骤S604中求出的像面移动速度小于第一速度(步骤S609中为“是”)，则处理进入步骤S611。如果像面移动速度等于或大于第一速度(步骤S609中为“否”)，则处理进入步骤S610。这也是因为考虑到如下这样情况：在像面移动速度快的情况下，对应于被摄体的像面位置与模型公式或等式不匹配，尽管它可能取决于用于卡尔曼滤波计算的模型公式或等式。

步骤S610至S613分别与步骤S506至S509相同，因此这里不再描述。

<效果>

如上所述，在第二典型实施例中，通过根据被摄体的运动采用卡尔曼滤波计算来求出像面位置。更具体地，根据与被摄体的移动速度相对应的像面移动速度来判断是否采用卡尔曼滤波计算。以这种方式，可以减少处理负荷，并且还可以适当地预测与被摄体相对应的像面位置。

在第一典型实施例中，描述了在通过卡尔曼滤波计算所获得的识别度小于阈值的情况下使用卡尔曼滤波计算的示例。在第二典型实施例中，描述了除了第一典型实施例中的示例之外还考虑到被摄体的运动来使用卡尔曼滤波计算的示例。

在第三典型实施例，描述考虑到焦点检测结果的变化来使用卡尔曼滤波计算的示例。在第三典型实施例中，尽可能少地描述与第一典型实施例共同的特征，并且着重于与第一典型实施例的不同来描述第三典型实施例。

<焦点调节处理>

参考图5中的流程图，描述本典型实施例中的焦点调节处理的操作。

步骤S701至S703分别与步骤S501至S503相同，因此这里不再描述。

在步骤S704中，微计算机224计算变化。通常，焦点检测结果在一定程度上变化。例如，被摄体距离越大，焦点检测结果的变化越大。在步骤S702中，微计算机224使用存储在存储器221中的像面位置和检测到像面位置的检测时刻来求出与被摄体相对应的像面位置的(方差的)变化。

步骤S705和S706分别与步骤S504和S505相同，因此这里不再描述。

在步骤S707中，微计算机224评价变化。如果在步骤S704中求出的像面位置的变化等于或大于第二值(步骤S707为是)，则处理进入步骤S709以使用卡尔曼滤波计算来预测焦点。这是因为，由于卡尔曼滤波计算是考虑到检测结果中的误差的计算，因此使用卡尔曼滤波计算来预测焦点，由此即使在焦点检测结果中发生变化的情况下也可以获得稳定的计算结果。结果，可以以更高的精度来计算像面位置。如果在步骤S704中求出的像面位置的变化小于第二值(步骤S707中为“否”)，则处理进入步骤S708。

步骤S708至S711分别与步骤S506至S509相同，因此这里不再描述。

<效果>

如上所述，在第三典型实施例中，根据焦点检测结果的变化来使用卡尔曼滤波计算。更具体地，如果焦点检测结果的变化等于或大于阈值，则使用卡尔曼滤波计算。因此，可以减少变为处理负荷的计算的量，并且可以相对被摄体更适当地调节焦点位置。

在使用卡尔曼滤波计算并且矩阵L和列向量m固定的情况下，存在对应于被摄体的像面位置根据被摄体的运动而偏离模型公式或等式的情况。具体地，如果被摄体靠近，由此摄像距离变小并且被摄体的像面移动速度变快，则与摄像距离不小并且被摄体的像面移动速度不快的情况相比，需要使状态估计向量A的变化量更大。否则，对应于被摄体的像面位置可能偏离模型公式或等式。可以通过矩阵L、列向量m和方差σ_ν ²来改变状态估计向量A的变化量。作为响应，在第四典型实施例中，描述通过根据各种条件改变用于卡尔曼滤波计算的设置参数来以更高精度进行卡尔曼滤波计算的示例。

给出第四典型实施例的描述。在第四典型实施例中，尽可能少地描述与第一典型实施例共同的特征，并且着重于与第一典型实施例的不同之处来描述第四典型实施例。

数字单镜头反光照相机的结构(图1)和摄像处理的操作(图2)与第一典型实施例中的结构和操作不同，因此这里不再描述。

<焦点调节处理>

参考图6中的流程图，描述第四典型实施例中的焦点调节处理的操作的示例。

步骤S1301与步骤S501相同，因此这里不再描述。

在步骤S1302中，微计算机224计算像面移动速度。

在步骤S1303中，微计算机224计算被摄体距离。使用镜头通信电路203，微计算机224从摄像镜头201获取根据摄像镜头201的当前图像形成位置所求出的被摄体距离。

在步骤S1304中，微计算机224根据焦距、步骤S1302中所求出的像面移动速度和步骤S1303中所求出的被摄体距离来设置矩阵L和列向量m。因此，基于像面移动速度和被摄体距离来改变矩阵L和列向量m，由此可以在被摄体的被摄体距离不会偏离模型公式或等式的情况下求出将来的像面位置。

在步骤S1305中，微计算机224评价在步骤S1304中求出的列向量m。微计算机224评价列向量m是否小于第一阈值。如果列向量m小于第一阈值(步骤S1305中为“是”)，则处理进入步骤S1306。否则(步骤S1305中为“否”)，处理进入步骤S1307。

在步骤S1306中，微计算机224将列向量m设置为默认值。如果列向量m表示的改变量小，则微计算机224将列向量m设置为默认值，并定义改变量的最小值。

在步骤S1307中，微计算机224进行卡尔曼滤波计算。步骤S1307与步骤S503相同，因此这里不再描述。

在步骤S1308中，微计算机224使用卡尔曼滤波来预测焦点。步骤S1308与步骤S507相同，因此这里不再描述。

在步骤S1309中，微计算机224基于焦点预测结果来控制调焦透镜的驱动。由于在步骤S1308中求出了将来的像面位置，因此微计算机224基于所求出的像面位置的结果来控制调焦透镜的驱动。

<效果>

基于上述典型实施例，根据各种条件来改变矩阵L和列向量m，由此即使在对应于被摄体的像面位置可能偏离模型公式或等式的条件下，也可以使用卡尔曼滤波来求出将来的像面位置。

<其它典型实施例>

在上述典型实施例中，使用卡尔曼滤波计算。可选地，可以使用作为另一种类型的递归识别方法的递归最小二乘法(RLS方法)。在这种情况下，σ_ω ²(k)＝1。换句话说，递归最小二乘法是一个特殊示例，其中设置了比本典型实施例中的卡尔曼滤波计算中的参数更少的参数。由于这个原因，就计算量而言，获得与卡尔曼滤波相同的效果。

作为模型公式或等式，如上所述，可以使用除了在本典型实施例中引入的模型公式或等式之外的模型公式或等式。在上述典型实施例中，描述了基于状态向量A(k)计算时刻k的像面位置和像面移动速度作为与被摄体的状态相对应的信息的示例，但是与被摄体的状态相对应的信息不限于此该示例。例如，可以基于状态向量A(k)来计算时刻k的像面位置和像面移动速度。

尽管在第四典型实施例中根据各种条件来设置矩阵L和列向量m，但是可以仅需要设置矩阵L、列向量m和方差σ_v ²中的至少一个。

可以由用户设置矩阵L、列向量m和方差σ_v ²。因此，可以根据用户识别的摄像场景的特性来调节计算结果。

这些实施例还可以通过以下处理来实现：将用于实现上述典型实施例的一个或多个功能的程序经由网络或存储介质提供给系统或设备，并且使得系统或设备的计算机的一个或多个处理器读取并执行该程序。此外，这些实施例还可以通过用于实现所述一个或多个功能的电路(例如，专用集成电路(ASIC))来实现。

尽管上面已经描述了本发明的期望的典型实施例，但本发明并不限于这些典型实施例，而是可以在本发明的范围内以各种方式进行修改和改变

本发明的实施例还可以通过如下的方法来实现，即，通过网络或者各种存储介质将进行上述实施例的功能的软件(程序)提供给系统或装置，该系统或装置的计算机或是中央处理单元(CPU)、微处理单元(MPU)读出并进行程序的方法。

尽管已经参考典型实施例说明了本发明，但是应该理解，本发明不局限于所公开的典型实施例。所附权利要求书的范围符合最宽的解释，以包含所有这类修改、等同结构和功能。

Claims

1.一种镜头控制设备，包括：

估计单元，其被配置为基于与被摄体在第一时刻的状态相对应的信息来估计与所述被摄体在所述第一时刻之后的第二时刻的状态相对应的信息；

状态计算单元，其被配置为通过基于焦点检测单元在所述第二时刻检测到的焦点检测结果对所述估计单元所估计出的与所述被摄体在所述第二时刻的状态相对应的信息进行校正，来计算与所述被摄体在所述第二时刻的状态相对应的信息；

第一预测单元，其被配置为基于所述状态计算单元所计算出的与所述被摄体在所述第二时刻的状态相对应的信息以及与从所述第二时刻起、直到所述第二时刻之后的第三时刻为止的时间有关的信息，来预测在所述第三时刻的像面位置；

驱动控制单元，其被配置为基于所述第一预测单元所预测出的像面位置来控制调焦透镜的驱动；以及

误差计算单元，其被配置为计算表示所述估计单元所估计出的与所述被摄体在所述第二时刻的状态相对应的信息相对于所述状态计算单元所计算出的与所述被摄体在所述第二时刻的状态相对应的信息的误差的信息，

其中，在所述误差计算单元所计算出的表示所述误差的信息小于第一值的情况下，所述驱动控制单元基于所述第一预测单元所预测出的像面位置来控制所述调焦透镜的驱动。

2.根据权利要求1所述的镜头控制设备，其中，与所述被摄体的状态相对应的信息是包括像面位置的信息。

3.根据权利要求1所述的镜头控制设备，还包括第二预测单元，所述第二预测单元被配置为使用所述焦点检测单元进行焦点检测的多个时刻以及基于所述焦点检测的结果的多个像面位置，来预测在所述焦点检测单元进行焦点检测的时刻之后的时刻的像面位置，

其中，在所述误差计算单元所计算出的表示所述误差的信息等于或大于所述第一值的情况下，所述驱动控制单元基于所述第二预测单元所预测出的像面位置来控制所述调焦透镜的驱动。

4.根据权利要求1所述的镜头控制设备，还包括第二预测单元和距离计算单元，所述第二预测单元被配置为使用所述焦点检测单元进行焦点检测的多个时刻以及基于所述焦点检测的结果的多个像面位置，来预测在所述焦点检测单元进行焦点检测的时刻之后的时刻的像面位置，所述距离计算单元被配置为计算到所述被摄体的摄像距离，

其中，在所述距离计算单元所计算出的到所述被摄体的摄像距离小于第一距离的情况下，所述驱动控制单元基于所述第二预测单元所预测出的像面位置来控制所述调焦透镜的驱动。

5.根据权利要求4所述的镜头控制设备，其中，在所述距离计算单元所计算出的到所述被摄体的摄像距离等于或大于所述第一距离的情况下，所述驱动控制单元基于所述第一预测单元所预测出的像面位置来控制所述调焦透镜的驱动。

6.根据权利要求1所述的镜头控制设备，还包括第二预测单元和速度计算单元，所述第二预测单元被配置为使用所述焦点检测单元进行焦点检测的多个时刻以及基于所述焦点检测的结果的多个像面位置，来预测在所述焦点检测单元进行焦点检测的时刻之后的时刻的像面位置，所述速度计算单元被配置为计算作为像面位置的移动速度的像面移动速度，

其中，在所述速度计算单元所计算出的像面移动速度小于第一速度的情况下，所述驱动控制单元基于所述第一预测单元所预测出的像面位置来控制所述调焦透镜的驱动。

7.根据权利要求6所述的镜头控制设备，其中，在所述速度计算单元所计算出的像面移动速度等于或大于所述第一速度的情况下，所述驱动控制单元基于所述第二预测单元所预测出的像面位置来控制所述调焦透镜的驱动。

8.根据权利要求1所述的镜头控制设备，还包括第二预测单元和变化计算单元，所述第二预测单元被配置为使用所述焦点检测单元进行焦点检测的多个时刻以及基于所述焦点检测的结果的多个像面位置，来预测在所述焦点检测单元进行焦点检测的时刻之后的时刻的像面位置，所述变化计算单元被配置为使用基于由所述焦点检测单元进行的焦点检测的结果的多个像面位置来计算表示与所述被摄体相对应的像面位置的变化的值，

其中，在所述变化计算单元所计算出的表示与所述被摄体相对应的像面位置的变化的值等于或大于第二值的情况下，所述驱动控制单元基于所述第一预测单元所预测出的像面位置来控制所述调焦透镜的驱动。

9.根据权利要求8所述的镜头控制设备，其中，在所述变化计算单元所计算出的表示与所述被摄体相对应的像面位置的变化的值小于所述第二值的情况下，所述驱动控制单元基于所述第二预测单元所预测出的像面位置来控制所述调焦透镜的驱动。

10.根据权利要求1所述的镜头控制设备，其中，所述估计单元和所述状态计算单元基于递归识别方法来进行处理。

11.根据权利要求10所述的镜头控制设备，还包括设置单元，所述设置单元被配置为设置所述递归识别方法中的参数，

其中，所述设置单元根据所述被摄体的运动来设置所述参数。

12.根据权利要求11所述的镜头控制设备，其中，所述估计单元和所述状态计算单元使用卡尔曼滤波作为所述递归识别方法来进行处理。

13.根据权利要求11所述的镜头控制设备，其中，所述设置单元基于像面移动速度和到所述被摄体的摄像距离中的至少一个来设置所述参数。

14.根据权利要求1所述的镜头控制设备，还包括第二预测单元和识别单元，所述第二预测单元被配置为使用所述焦点检测单元进行焦点检测的多个时刻以及基于所述焦点检测的结果的多个像面位置，来预测在所述焦点检测单元进行焦点检测的时刻之后的时刻的像面位置，所述识别单元被配置为识别与所述被摄体相对应的像面位置的模型的识别度，

其中，在所述识别度小于第一阈值的情况下，确定单元确定为要使用所述第一预测单元所预测出的与所述被摄体相对应的将来像面位置，以及

在所述识别度等于或大于所述第一阈值的情况下，确定单元确定为要使用所述第二预测单元所预测出的与所述被摄体相对应的将来像面位置。

15.一种用于控制镜头控制设备的控制方法，所述控制方法包括：

基于与被摄体在第一时刻的状态相对应的信息来估计与所述被摄体在所述第一时刻之后的第二时刻的状态相对应的信息；

通过基于在所述第二时刻的焦点检测的焦点检测结果对所估计出的与所述被摄体在所述第二时刻的状态相对应的信息进行校正，来计算与所述被摄体在所述第二时刻的状态相对应的信息；

基于所计算出的与所述被摄体在所述第二时刻的状态相对应的信息以及从所述第二时刻起、直到所述第二时刻之后的第三时刻为止的时间的信息，来预测在所述第三时刻的像面位置；

基于所预测出的像面位置来控制调焦透镜的驱动；以及

计算表示所估计出的与所述被摄体在所述第二时刻的状态相对应的信息相对于所计算出的与所述被摄体在所述第二时刻的状态相对应的信息的误差的信息，

其中，在所计算出的表示所述误差的信息小于第一值的情况下，基于所预测出的像面位置来控制所述调焦透镜的驱动。

16.一种镜头控制设备，包括：

散焦量检测单元，其被配置为检测散焦量，所述散焦量是摄像镜头的图像形成位置与所述摄像镜头进行摄像操作的所述摄像镜头的像面位置之间的差；

计算单元，其被配置为根据所述散焦量检测单元所检测到的散焦量和所述摄像镜头的图像形成位置来计算与被摄体相对应的像面位置；

存储单元，其被配置为存储所述散焦量检测单元检测到所述散焦量的多个检测时刻以及所述计算单元所计算出的所述被摄体的多个先前的像面位置；

识别单元，其被配置为使用与所述被摄体相对应的先前的像面位置的模型和所述计算单元所计算出的与所述被摄体相对应的像面位置，通过递归识别方法来识别与所述被摄体相对应的像面位置的模型；

第一预测单元，其被配置为使用所述识别单元所识别出的与所述被摄体相对应的像面位置的模型来预测与所述被摄体相对应的将来像面位置；以及

确定单元，其被配置为在所述识别单元所识别出的与所述被摄体相对应的像面位置的模型的识别度小于第一阈值的情况下，确定为要使用所述第一预测单元所预测的与所述被摄体相对应的将来像面位置。

17.根据权利要求16所述的镜头控制设备，还包括第二预测单元，所述第二预测单元被配置为使用所述存储单元中所存储的与多个散焦量相对应的多个检测时刻和所述被摄体的多个像面位置来预测与所述被摄体相对应的将来像面位置，

其中，在所述识别单元所识别出的与所述被摄体相对应的像面位置的模型的识别度等于或大于所述第一阈值的情况下，所述确定单元确定为要使用所述第二预测单元所预测的与所述被摄体相对应的将来像面位置。

18.根据权利要求16所述的镜头控制设备，还包括距离计算单元，所述距离计算单元被配置为基于所述摄像镜头的图像形成位置来计算所述被摄体的摄像距离，

其中，在所述识别单元所识别出的与所述被摄体相对应的像面位置的模型的识别度小于所述第一阈值并且所述距离计算单元所计算出的所述被摄体的摄像距离等于或者大于第一距离的情况下，所述确定单元确定为要使用所述第一预测单元所预测的与所述被摄体相对应的将来像面位置。

19.根据权利要求18所述的镜头控制设备，还包括第二预测单元，所述第二预测单元被配置为使用焦点检测单元进行焦点检测的多个时刻以及基于所述焦点检测的结果的多个像面位置，来预测在所述焦点检测单元进行焦点检测的时刻之后的时刻的像面位置，

其中，在所述距离计算单元所计算出的所述被摄体的摄像距离小于所述第一距离的情况下，所述确定单元确定为要使用所述第二预测单元所预测出的与所述被摄体相对应的将来像面位置。

20.根据权利要求17所述的镜头控制设备，还包括速度计算单元，所述速度计算单元被配置为基于所述计算单元所计算出的与所述被摄体相对应的像面位置来计算作为像面位置的移动速度的像面移动速度，

其中，在所述识别单元所识别出的与所述被摄体相对应的像面位置的模型的识别度小于所述第一阈值并且所述速度计算单元所计算出的像面移动速度小于第一速度的情况下，所述确定单元确定为要使用所述第一预测单元所预测的与所述被摄体相对应的将来像面位置。

21.根据权利要求20所述的镜头控制设备，其中，在所述速度计算单元所计算出的像面移动速度等于或大于所述第一速度的情况下，所述确定单元确定为要使用所述第二预测单元所预测的与所述被摄体相对应的将来像面位置。

22.根据权利要求16所述的镜头控制设备，还包括变化计算单元，所述变化计算单元被配置为基于所述存储单元中所存储的所述被摄体的多个像面位置来计算与所述被摄体相对应的像面位置的变化，

其中，在所述识别单元所识别出的与所述被摄体相对应的像面位置的模型的识别度小于所述第一阈值并且所述变化计算单元所计算出的与所述被摄体相对应的像面位置的变化等于或大于第一变化的情况下，所述确定单元确定为要使用所述第一预测单元所预测的与所述被摄体相对应的将来像面位置。

23.根据权利要求22所述的镜头控制设备，还包括第二预测单元，所述第二预测单元被配置为使用焦点检测单元进行焦点检测的多个时刻以及基于所述焦点检测的结果的多个像面位置，来预测在所述焦点检测单元进行焦点检测的时刻之后的时刻的像面位置，

其中，在所述变化计算单元所计算出的与所述被摄体相对应的像面位置的变化小于所述第一变化的情况下，所述确定单元确定为要使用所述第二预测单元所预测的与所述被摄体相对应的将来像面位置。

24.根据权利要求16所述的镜头控制设备，其中，所述识别单元使用卡尔曼滤波作为所述递归识别方法。

25.根据权利要求16所述的镜头控制设备，还包括改变单元，所述改变单元被配置为根据所观测到的被摄体的运动来改变用于所述识别单元的参数。

26.一种用于控制镜头控制设备的控制方法，该控制方法包括：

检测散焦量，所述散焦量是摄像镜头的图像形成位置与所述摄像镜头进行摄像操作的所述摄像镜头的像面位置之间的差；

根据所检测到的散焦量和所述摄像镜头的图像形成位置来计算与被摄体相对应的像面位置；

存储检测到所述散焦量的多个检测时刻以及所计算出的所述被摄体的多个先前的像面位置；

使用与所述被摄体相对应的先前的像面位置的模型和所计算出的与所述被摄体相对应的像面位置，通过递归识别方法来识别与所述被摄体相对应的像面位置的模型；

使用所识别出的与所述被摄体相对应的像面位置的模型来预测与所述被摄体相对应的将来像面位置；以及

在所识别出的与所述被摄体相对应的像面位置的模型的识别度小于第一阈值的情况下，确定为要使用所预测的与所述被摄体相对应的将来像面位置。