WO2017097009A1 - 自动聚焦 - Google Patents

自动聚焦 Download PDF

Info

Publication number
WO2017097009A1
WO2017097009A1 PCT/CN2016/099679 CN2016099679W WO2017097009A1 WO 2017097009 A1 WO2017097009 A1 WO 2017097009A1 CN 2016099679 W CN2016099679 W CN 2016099679W WO 2017097009 A1 WO2017097009 A1 WO 2017097009A1
Authority
WO
WIPO (PCT)
Prior art keywords
frequency band
focus point
maximum value
current focus
frequency
Prior art date
Application number
PCT/CN2016/099679
Other languages
English (en)
French (fr)
Inventor
胡星星
陈天钧
Original Assignee
浙江宇视科技有限公司
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 浙江宇视科技有限公司 filed Critical 浙江宇视科技有限公司
Priority to PL16872204T priority Critical patent/PL3389254T3/pl
Priority to ES16872204T priority patent/ES2909490T3/es
Priority to EP16872204.9A priority patent/EP3389254B1/en
Priority to US15/781,655 priority patent/US10887505B2/en
Publication of WO2017097009A1 publication Critical patent/WO2017097009A1/zh

Links

Images

Classifications

    • G—PHYSICS
    • G02—OPTICS
    • G02B—OPTICAL ELEMENTS, SYSTEMS OR APPARATUS
    • G02B7/00—Mountings, adjusting means, or light-tight connections, for optical elements
    • G02B7/28—Systems for automatic generation of focusing signals
    • G02B7/36—Systems for automatic generation of focusing signals using image sharpness techniques, e.g. image processing techniques for generating autofocus signals
    • G02B7/365—Systems for automatic generation of focusing signals using image sharpness techniques, e.g. image processing techniques for generating autofocus signals by analysis of the spatial frequency components of the image
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
    • H04N23/60—Control of cameras or camera modules
    • H04N23/67—Focus control based on electronic image sensor signals
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
    • H04N23/60—Control of cameras or camera modules
    • H04N23/67—Focus control based on electronic image sensor signals
    • H04N23/673—Focus control based on electronic image sensor signals based on contrast or high frequency components of image signals, e.g. hill climbing method
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20021—Dividing image into blocks, subimages or windows
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20048—Transform domain processing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/80—Analysis of captured images to determine intrinsic or extrinsic camera parameters, i.e. camera calibration

Definitions

  • a first aspect of the invention provides a method of autofocusing, the method comprising the steps of:
  • the acquiring the focus value FV of each focus point of the N frequency bands of the video image during the focusing process includes:
  • the determining whether the FV of the current focus point in other frequency bands in the set is the FV maximum value includes:
  • the method further includes:
  • the machine executable instructions cause the processor to perform the following operations when determining whether the FV of the current focus point in the other frequency bands in the set is the FV maximum value:
  • FIG. 1 and FIG. 2 is generally not obtained in practical applications, that is, the focus point is only a partial focus point in FIGS. 1 and 2, and may only include the first half focus point.
  • the corresponding curve of each FV composition may also be only the curve of the first half, and FIGS. 1 and 2 are only an example.
  • Step 302 Select a focus point corresponding to the FV maximum value of the lowest frequency band in the set as the current focus point.
  • the rate of change of the FV of the current focus point and the FV of the adjacent previous focus point (FV of the current focus point - the previous convergence Focus FV) / FV of the previous focus point.
  • the frequency band [40-50] may have reached the FV maximum value at this time, and the frequency band [50-60], the frequency band [60-70).
  • the frequency band [70-80] may not reach the maximum FV. In this case, it can be considered that the FV is in the rising phase.
  • the judgment result may be the FV maximum value, and the focus point is determined. 1
  • the FV corresponding to the frequency band [50-60) has reached the maximum value of FV
  • the judgment result may be that the FV maximum value is not reached. Therefore, the frequency band [30-40] and the frequency band [40-50) can be deleted from the set, so that the processing will be started directly from the frequency band [50-60] in the next processing, thereby effectively improving the processing efficiency.
  • the focus can be generally determined. However, when only one frequency band is left in the set, if the focus is still not determined, the focus point corresponding to the FV maximum value of the frequency band in the set may be directly used as the focus point, or it may be considered that the focus cannot be determined based on the video image.
  • the search direction is not lost, and the reference FV is more and more anti-interference ability.
  • the probability of occurrence of the pseudo peak can be greatly reduced, and the focus failure problem caused by the poor zoom following effect can be avoided, thereby ensuring the rapidity of the focusing process and meeting the real-time requirement of monitoring.
  • an embodiment of the present invention further provides an apparatus for autofocusing, which can be applied to a gimbal device.
  • auto focus control logic 600 includes:
  • the processing module 13 is further configured to: sort the frequency bands in the set according to the order of the frequency bands .
  • the processing module 13 is further configured to determine, as the focus point, a focus point corresponding to an FV maximum value of the frequency band in a case where one frequency band remains in the set.

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Physics & Mathematics (AREA)
  • Optics & Photonics (AREA)
  • Automatic Focus Adjustment (AREA)
  • Studio Devices (AREA)

Abstract

提供一种自动聚焦的方法和装置，该方法包括：获得视频图像，并获取所述视频图像的N个频段在对焦过程中的各聚焦点的聚焦值FV，所述N个频段组成一个集合，所述N为大于1的正整数；获取所述集合内最低频段的FV最大值对应的聚焦点作为当前聚焦点；判断所述当前聚焦点在所述集合内其它频段的FV是否均为FV最大值；如果是，则确定所述当前聚焦点为合焦点；如果否，则从所述集合内删除在所述当前聚焦点达到FV最大值的频段，并基于删除频段后的所述集合中的最低频段获取新的当前聚焦点后重复上述判断。通过该技术方案，使得确定出的合焦点就是最清晰视频图像的聚焦点，采集到最清晰视频图像。

Description

自动聚焦 技术领域
本发明涉及视频技术中的自动聚焦。
背景技术
近年来，随着计算机、网络以及图像处理、传输技术的飞速发展，视频监控的普及化趋势越来越明显。视频监控正在逐步迈入高清化、智能化，视频监控系统可以应用于众多领域，如智能交通，智慧园区、平安城市等。
在视频监控系统中，云台设备(如云台摄像机等)是比较重要的组成部分。云台设备是一种可以旋转的设备，当运动目标移动时，云台设备可以跟着运动目标进行转动，以继续采集运动目标的视频图像。而且，云台设备可以实时的改变聚焦点，以找到运动目标的最清晰视频图像对应的聚焦点(以下可将“最清晰视频图像对应的聚焦点”称为合焦点focal point)，并在该合焦点下采集运动目标的最清晰视频图像。
为了找到合焦点，可以采用爬山法这一聚焦算法。爬山法可以基于理想的FV(Focus Value，聚焦值)曲线找到合焦点。理想的FV曲线一般满足单峰型、无偏性。
但实际应用中，某些应用场景下有可能获取不到理想的FV曲线，如图1所示的FV曲线，该FV曲线不满足单峰型，从而最终找到的FV最大值可能只是局部最大值，即找到的聚焦点可能不是合焦点。
发明内容
本发明的第一方面提供一种自动聚焦的方法，所述方法包括以下步骤：
获得视频图像；
获取所述视频图像的N个频段在对焦过程中的各聚焦点的聚焦值FV，所述N个频段组成一个集合，所述N为大于1的正整数；
获取所述集合内最低频段的FV最大值对应的聚焦点作为当前聚焦点；
判断所述当前聚焦点在所述集合内其它频段的FV是否均为FV最大值；
如果所述当前聚焦点在所述集合内其它频段的FV均为FV最大值，则确定所述当前聚焦 点为合焦点；
如果所述当前聚焦点在所述集合内其它频段的FV不是均为FV最大值，则从所述集合内删除在所述当前聚焦点达到FV最大值的频段，并基于删除频段后的所述集合中的最低频段获取新的当前聚焦点后重复上述判断。
在一个可能的设计中，所述获取所述视频图像的N个频段在对焦过程中的各聚焦点的聚焦值FV，具体包括：
将空间域的所述视频图像变换为频率域的视频图像；
将所述频率域的视频图像分解成N个频段的视频子图像；
在对焦过程中，测量各所述视频子图像在各聚焦点下的FV，得到所述N个频段在对焦过程中的各聚焦点的FV。
在一个可能的设计中，在从所述集合内选择最低频段之前，可以按照频段的高低顺序，对所述集合内的频段进行排序。
在一个可能的设计中，所述判断所述当前聚焦点在所述集合内其它频段的FV是否均为FV最大值，包括：
将所述最低频段作为所述集合内的第1个频段，设置i的初始值为2；
判断所述当前聚焦点在第i个频段的FV是否已经达到FV最大值；
如果所述当前聚焦点在第i个频段的FV是FV最大值，并且所述第i个频段是所述集合内的最后一个频段，则确定所述当前聚焦点在所述集合内其它频段的FV均为FV最大值；
如果所述当前聚焦点在第i个频段的FV是FV最大值，并且所述第i个频段不是所述集合内的最后一个频段，则设置i＝i+1，并返回执行上述判断；
如果所述当前聚焦点在第i个频段的FV不是FV最大值，则确定所述当前聚焦点在所述集合内其它频段的FV不是均为FV最大值。
在一个可能的设计中，所述判断所述当前聚焦点在所述集合内其它频段的FV是否均为FV最大值，包括：
将所述最低频段作为所述集合内的第N个频段，设置i的初始值为N-1；
判断所述当前聚焦点在第i个频段的FV是否已经达到FV最大值；
如果所述当前聚焦点在第i个频段的FV是FV最大值，并且所述第i个频段是所述集合内的第一个频段，则确定所述当前聚焦点在所述集合内其它频段的FV均为FV最大值；
如果所述当前聚焦点在第i个频段的FV是FV最大值，并且所述第i个频段不是所述集 合内的第一个频段，则设置i＝i-1，并返回执行上述判断；
如果所述当前聚焦点在第i个频段的FV不是FV最大值，则确定所述当前聚焦点在所述集合内其它频段的FV不是均为FV最大值。
在一个可能的设计中，从所述集合内删除在所述当前聚焦点达到FV最大值的频段，包括：
当所述当前聚焦点在所述集合内的前M个频段的FV均为FV最大值，且在所述集合内的第M+1个频段的FV不是FV最大值时，从所述集合内删除所述前M个频段；其中，所述M为小于所述N的正整数。
在一个可能的设计中，从所述集合内删除在所述当前聚焦点达到FV最大值的频段，包括：
当所述当前聚焦点在所述集合内的第M至N个频段的FV均为FV最大值，且在所述集合内的第M-1个频段的FV不是FV最大值时，从所述集合内删除所述第M至N个频段；其中，所述M为小于所述N的正整数。
在一个可能的设计中，所述方法还包括：
在所述集合内剩余一个频段的情况下，将该频段的FV最大值对应的聚焦点确定作为所述合焦点。
本发明的第二方面提供一种自动聚焦的装置，所述装置具体包括处理器，通过读取机器可读存储介质所存储的与自动聚焦控制逻辑对应的机器可执行指令并执行所述机器可执行指令，所述处理器执行以下操作：
获得视频图像；
获取所述视频图像的N个频段在对焦过程中的各聚焦点的聚焦值FV，所述N个频段组成一个集合，所述N为大于1的正整数；
获取所述集合内最低频段的FV最大值对应的聚焦点作为当前聚焦点，判断所述当前聚焦点在所述集合内其它频段的FV是否均为FV最大值；如果所述当前聚焦点在所述集合内其它频段的FV均为FV最大值，则确定所述当前聚焦点为合聚焦点；如果所述当前聚焦点在所述集合内其它频段的FV不是均为FV最大值，则从所述集合内删除在所述当前聚焦点达到FV最大值的频段，并基于删除频段后的所述集合中的最低频段获取新的当前聚焦点重复上述判断。
在一个可能的设计中，在获取所述视频图像的N个频段在对焦过程中的各聚焦点的聚焦 值FV时，所述机器可执行指令促使所述处理器执行以下操作：
将空间域的所述视频图像变换为频率域的视频图像；
将所述频率域的视频图像分解成N个频段的视频子图像；
在对焦过程中，测量各所述视频子图像在各聚焦点下的FV，得到所述N个频段在对焦过程中的各聚焦点的FV。
在一个可能的设计中，在获取所述集合内最低频段的FV最大值对应的聚焦点作为当前聚焦点之前，所述机器可执行指令还促使所述处理器执行以下操作：
按照频段的高低顺序，对所述集合内的频段进行排序。
在一个可能的设计中，在判断所述当前聚焦点在所述集合内其它频段的FV是否均为FV最大值时，所述机器可执行指令促使所述处理器执行以下操作：
将所述最低频段作为所述集合内的第1个频段，设置i的初始值为2；
判断所述当前聚焦点在第i个频段的FV是否已经达到FV最大值；
如果所述当前聚焦点在第i个频段的FV是FV最大值，并且所述第i个频段是所述集合内的最后一个频段，则确定所述当前聚焦点在所述集合内其它频段的FV均为FV最大值；
如果所述当前聚焦点在第i个频段的FV是FV最大值，并且所述第i个频段不是所述集合内的最后一个频段，则设置i＝i+1，并返回执行上述判断；
如果所述当前聚焦点在第i个频段的FV不是FV最大值，则确定所述当前聚焦点在所述集合内其它频段的FV不是均为FV最大值。
在一个可能的设计中，在判断所述当前聚焦点在所述集合内其它频段的FV是否均为FV最大值时，所述机器可执行指令促使所述处理器执行以下操作：
将所述最低频段作为所述集合内的第N个频段，设置i的初始值为N-1；
判断所述当前聚焦点在第i个频段的FV是否已经达到FV最大值；
如果所述当前聚焦点在第i个频段的FV是FV最大值，并且所述第i个频段是所述集合内的第一个频段，则确定所述当前聚焦点在所述集合内其它频段的FV均为FV最大值；
如果所述当前聚焦点在第i个频段的FV是FV最大值，并且所述第i个频段不是所述集合内的第一个频段，则设置i＝i-1，并返回执行上述判断；
如果所述当前聚焦点在第i个频段的FV不是FV最大值，则确定所述当前聚焦点在所述集合内其它频段的FV不是均为FV最大值。
在一个可能的设计中，在从所述集合内删除在所述当前聚焦点达到FV最大值的频段时，所述机器可执行指令促使所述处理器执行以下操作：
当所述当前聚焦点在所述集合内的前M个频段的FV均为FV最大值，且在所述集合内的第M+1个频段的FV不是FV最大值时，从所述集合内删除所述前M个频段；其中，所述M为小于所述N的正整数。
在一个可能的设计中，在从所述集合内删除在所述当前聚焦点达到FV最大值的频段时，所述机器可执行指令促使所述处理器执行以下操作：
当所述当前聚焦点在所述集合内的第M至N个频段的FV均为FV最大值，且在所述集合内的第M-1个频段的FV不是FV最大值时，从所述集合内删除所述第M至N个频段；其中，所述M为小于所述N的正整数。
在一个可能的设计中，所述机器可执行指令还促使所述处理器执行以下操作：
在所述集合内剩余一个频段的情况下，将该频段的FV最大值对应的聚焦点确定作为所述合焦点。
基于上述技术方案，本发明实施例中，可以基于N个频段的FV确定最佳聚焦点，使得确定出的最佳聚焦点就是清晰视频图像的聚焦点，即使FV构成的曲线不是理想的曲线，不满足单峰型、无偏性等特性，也可以采集到清晰视频图像。而且，通过使用N个频段的FV确定最佳聚焦点，即使有频段的FV存在局部最大值(即伪峰)，也能够通过其它频段的FV剔除伪峰，从而避免找到不准确的聚焦点。而且，通过先使用最低频段的FV作为参考FV，通过逐步切换更高频段的FV的方式，即保证了搜索方向不丢失，又使得参考FV越来越具有抗干扰能力，伪峰出现的概率大大降低，最大程度减小变焦跟随对聚焦带来的负面影响，避免变焦跟随效果不佳带来的聚焦失败问题，保证聚焦过程的快速性，满足监控实时性的需求。
附图说明
图1是不满足单峰型的FV曲线的示意图；
图2是峰值范围窄的FV曲线的示意图；
图3A是根据本发明一示例提供的一种自动聚焦的方法的流程图；
图3B是图3A所示方法中步骤303的一种可能的实现流程图；
图3C是图3A所示方法中步骤303的另一种可能的实现流程图；
图4A和图4B是根据本发明一示例提供的视频图像的对比示意图；
图5是根据本发明一示例提供的一种云台设备的硬件结构图；
图6是根据本发明另一示例提供的一种自动聚焦控制逻辑的功能模块图。
具体实施方式
为找到合焦点，常用的聚焦算法有爬山法，其可基于理想的FV曲线找到合焦点。理想的FV曲线一般满足单峰型、无偏性。在实际应用中，如图1所示的FV曲线，该FV曲线并不满足单峰型，最终找到的FV最大值可能只是局部最大值，即伪峰值，而FV局部最大值所对应的聚焦点可能并不是合焦点。
另一方面，如果云台设备在实际应用时的变焦跟随效果不佳，那么即使能够获得理想的FV曲线，仍有可能出现聚焦失败的问题。例如，图2示出的FV曲线虽然满足单峰型、无偏性，但由于该FV曲线的峰值范围较窄，变焦跟随时最终找到的聚焦点可能落在该峰值范围之外，这可能会造成云台设备在变倍结束之后出现聚焦失败的问题。
为了解决上述问题，在一种可行的实现方式中，云台设备在聚焦过程中，如果检测到运动目标或者发现FV曲线异常，则可以暂停聚焦，待运动目标离开监控场景或者发现FV曲线正常后，再继续聚焦。但是，视频监控系统的监控场景一般讲究实时性，上述方式会导致聚焦时间过长，影响用户体验。
针对上述问题，本发明实施例提出一种自动聚焦的方法，该方法可以应用在视频监控系统的云台设备(如云台摄像机等)上。其中，当运动目标移动时，则云台设备可以跟着运动目标进行转动，以继续采集运动目标的视频图像。而为了采集到运动目标的最清晰视频图像，云台设备通常会实时的改变聚焦点，以找到合焦点，并在该聚焦点下采集运动目标的视频图像。基于此，在上述应用场景下，为了找到合焦点，则如图3A所示，该自动聚焦的具体可以包括以下步骤301至305。
在步骤301，获得视频图像，并获取视频图像的N个频段在对焦过程中的各聚焦点的FV，所述N个频段组成一个集合，其中，N为大于1的正整数。
其中，当运动目标移动时，在云台设备改变聚焦点以找到合焦点的过程中，可以得到各个聚焦点对应的FV。这些FV是一个个的离散点，基于这些FV的变化趋势可以组成一个曲线，这个曲线就是FV曲线。如图1和图2所示，FV曲线的横坐标为聚焦点(Focus)的数值，该聚焦点是不断变化的；该FV曲线的纵坐标为FV(Focus Value)，FV用于表示聚焦点对应的视频图像的清晰度，即当前获得的视频图像的清晰度，可以表征聚焦点的能量。需要注意的是，实际应用中一般不会得到图1和图2所示的FV曲线，即聚焦点只会是图1和图2中的部分聚焦点，如可能只包含前半部分聚焦点。这样，对应的各个FV组成的曲线也可能只是前半部分的曲线，图1和图2只是一种示例。
在聚焦点的确定过程中，实际上就是要找到FV最大值对应的聚焦点。而FV最大值对应的聚焦点，就是最清晰的视频图像的聚焦点。在使用该聚焦点采集视频图像时，就是运动目标的最清晰视频图像。如果使用FV最大值之外的其它FV对应的聚焦点采集视频图像，通常不会得到最清晰视频图像。
在本发明实施例中，上述获取视频图像的N个频段在对焦过程中的各聚焦点的FV的过程，具体可以包括但不限于如下方式：将空间域的视频图像变换为频率域的视频图像；将频率域的视频图像分解成N个频段的视频子图像；针对N个频段的视频子图像中的每个频段的视频子图像，在对焦过程中，实时测量各视频子图像在各聚焦点下的FV，得到N个频段在对焦过程中的各聚焦点的FV。
其中，空间域又称图像空间，其是由以像元为单位组成的空间。在空间域中以长度/距离为自变量，直接对像元值进行处理可称为空间域处理。频率域是以频率(即波数)为自变量描述图像的特征，可以将一幅图像的像元值在空间上的变化分解为具有不同振幅、频率和相位的简振函数的线性叠加。图像中各种频率成分的组成和分布称为频谱，这种对图像的频率特征进行分解、处理和分析可称为频率域处理或者波数域处理。频率域处理主要用于与图像频率有关的处理中，如图像恢复、图像重建、辐射变换、边缘增强、图像锐化、图像平滑、噪声压制、频谱分析、纹理分析等。
云台设备获得的视频图像通常为空间域的视频图像，而空间域的视频图像和频率域的视频图像之间可以互相转换，处理步骤可以为：1、对视频图像进行二维离散傅立叶变换或者小波变换，将视频图像由空间域转换到频率域。2、在频率域中对视频图像的频谱作分析处理，以改变视频图像的频率特征，例如可设计不同的数字滤波器对视频图像的频谱进行滤波。在此基础上，将空间域的视频图像变换为频率域的视频图像的过程，具体可以包括但不限于如下方式：通过傅里叶变换将空间域的视频图像变换为频率域的视频图像，其使用的傅里叶变换公式可以为：
Figure PCTCN2016099679-appb-000001
在该公式中，(x，y)是空间域的视频图像中的像素的坐标值，f(x，y)是该像素(x，y)在空间域的视频图像中的灰度值。(u，v)是频率域的视频图像的频率起始值和频率终止值，可表示一个频段范围，如频段30-80。F(u，v)是该频段(u，v)在频率域的视频图像中的图像值，以下也可称为频率范围(u，v)的视频图像。
在实际应用中，一个频段范围(u，v)的视频图像通常可由多个频段的视频子图像组成。因此，可以将频率域的视频图像分解成N个频段的视频子图像。一个视频子图像可以是一个 图层的视频图像。例如，频段[30-80]的视频图像可分解为由频段[30-40)的视频子图像、频段[40-50)的视频子图像、频段[50-60)的视频子图像、频段[60-70)的视频子图像、频段[70-80]的视频子图像组成。如图4A所示，为一个频率域的视频图像分解成多个频段的视频子图像的示意图。
在云台设备改变聚焦点以找到合焦点的过程(即云台设备的对焦过程)中，可以实时测量这些频段的视频子图像(N个频段的视频子图像)中每个视频子图像对应的FV，从而可得到N个频段在各聚焦点的FV。例如，可得到频段[30-40)下的各聚焦点的FV、频段[40-50)下的各聚焦点的FV、频段[50-60)下的各聚焦点的FV、频段[60-70)下的各聚焦点的FV、频段[70-80]下的各聚焦点的FV。这样，可得到一个包括N个频段在各聚焦点的FV的集合，即集合中包含在对焦过程中频段[30-40)、频段[40-50)、频段[50-60)、频段[60-70)、频段[70-80]在各聚焦点的FV。
需要说明的是，本发明实施例通过步骤301获取到各聚焦点的FV值之后，不需要比较这些FV值的大小。
步骤302，选择集合内最低频段的FV最大值对应的聚焦点作为当前聚焦点。
本发明实施例中，在从集合内选择最低频段之前，可以按照频段从低到高的顺序，对集合内的N个频段进行排序。或者，还可以按照频段从高到低的顺序，对集合内的N个频段进行排序。
例如，按照频段从低到高的顺序，对N个频段进行排序的结果依次为频段[30-40)、频段[40-50)、频段[50-60)、频段[60-70)、频段[70-80]。或者，按照频段从高到低的顺序，对N个频段进行排序的结果依次为频段[70-80]、频段[60-70)、频段[50-60)、频段[40-50)、频段[30-40)。其中，基于排序后的集合，可以很迅速的找到集合内的最低频段，如集合内的第一个频段或者集合内的最后一个频段，从而可加快处理效率。
本发明实施例中，在选择最低频段之后，可以获得该最低频段的FV最大值，即最低频段的纵坐标的最大FV，而FV最大值在横坐标的数值就是该FV最大值对应的聚焦点。对于FV最大值的获得方式，可以基于爬山算法获知。
在一个例子中，可以基于当前聚焦点的FV与相邻的前一个聚焦点的FV的变化率确定当前聚焦点的FV是否为FV最大值。例如，当前聚焦点之前的各聚焦点的FV均存在向上升的变化率，而到当前聚焦点时，如果当前聚焦点的FV与相邻的前一个聚焦点的FV的变化率小于一个预设阈值，则可以认为当前聚焦点的FV是FV最大值。其中，当前聚焦点的FV与相邻的前一个聚焦点的FV的变化率可以通过如下方式得到：
当前聚焦点的FV与相邻的前一个聚焦点的FV的变化率＝(当前聚焦点的FV-前一个聚 焦点的FV)/前一个聚焦点的FV。
在另一个例子中，假设聚焦点1之前的各聚焦点的FV均是变大的趋势，聚焦点1的FV大于相邻的前一个聚焦点2的FV，且聚焦点1的FV大于相邻的后一个聚焦点3的FV，如果聚焦点1的FV与聚焦点3的FV之间的差值大于预设数值，则可以认为聚焦点1的FV是FV最大值。
在另一个例子中，假设聚焦点1之前的各聚焦点的FV均是变大的趋势，聚焦点1的FV大于相邻的前一个聚焦点2的FV，且聚焦点1的FV大于相邻的后一个聚焦点3的FV，如果聚焦点1的FV与聚焦点3的FV之间的差值不大于预设数值，但是聚焦点3的FV大于与其相邻的后一个聚焦点4的FV，则可以认为聚焦点1的FV是FV最大值。
步骤303，判断当前聚焦点在集合内其它频段的FV是否均为FV最大值；如果是，则执行步骤304；如果否，则执行步骤305。
其中，该当前聚焦点是指步骤302获得的最低频段的FV最大值对应的聚焦点。
本发明实施例中，如果集合内的N个频段按照频段从低到高的顺序进行了排序，那么判断当前聚焦点在集合内其它频段的FV是否均为FV最大值的过程，可以如图3B所示包括以下步骤3031-3035。
步骤3031、在步骤302获得当前聚焦点之后，将最低频段作为集合内的第1个频段，并设置i的初始值为2。
步骤3032、判断该当前聚焦点在第i个频段下的FV是否已经达到FV最大值；如果是，则执行步骤3033；如果否，则执行步骤3036。
步骤3033、判断第i个频段是否为集合内的最后一个频段；如果是，则执行步骤3035；如果否，则执行步骤3034。
步骤3034、设置i＝i+1，并返回执行步骤3032。
步骤3035、确定该当前聚焦点在集合内其它频段FV均为FV最大值，并后续执行步骤304。
步骤3036、确定该当前聚焦点在集合内其它频段的FV不是均为FV最大值，并后续执行步骤305。
以按照频段从低到高的顺序，对N个频段进行排序的结果依次为频段[30-40)、频段[40-50)、频段[50-60)、频段[60-70)、频段[70-80]为例，对上述过程进行说明。在获得频段[30-40)的FV最大值对应的聚焦点1后，将频段[30-40)作为第1个频段，判断聚焦点1在第i＝2个频段的FV是否已经达到FV最大值，如果是，则判断第2个频段是否为集合内的最后一个频段，由于不是，设置i＝2+1＝3，并判断聚焦点1在第3个频段对应的FV是否已经达到FV最大值， 如果是，则判断第3个频段是否为集合内的最后一个频段，由于不是，设置i＝3+1＝4，判断聚焦点1在第4个频段对应的FV是否已经达到FV最大值，以此类推，最终确定聚焦点1在集合内其它频段的FV均为FV最大值，或者聚焦点1在集合内其它频段的FV不是均为FV最大值。
基于上述方式，在获得频段[30-40)的FV最大值对应的聚焦点1后，此时频段[40-50)、频段[50-60)、频段[60-70)、频段[70-80]可能均未达到FV最大值。在这种情况下，可认为FV正处在上升阶段，在判断聚焦点1在频段[40-50)对应的FV是否已经达到FV最大值时，判断结果可能为没有达到FV最大值。这样，可直接确定聚焦点1在集合内其它频段的FV不是均为FV最大值，而不再需要判断频段[50-60)、频段[60-70)、频段[70-80]，从而可有效提高处理效率。
本发明实施例中，如果集合内的N个频段按照频段从高到低的顺序进行了排序，那么判断当前聚焦点在集合内其它频段的FV是否均为FV最大值的过程，可以如图3C所示包括以下步骤3031’-3035’。
步骤3031’、在步骤302获得当前聚焦点之后，将最低频段作为集合内的第N个频段，并设置i的初始值为N-1。
步骤3032’、判断该当前聚焦点在第i个频段下的FV是否已经达到FV最大值；如果是，则执行步骤3033’；如果否，则执行步骤3036’。
步骤3033’、判断第i个频段是否为集合内的最后一个频段；如果是，则执行步骤3035’；如果否，则执行步骤3034’。
步骤3034’、设置i＝i-1，并返回执行步骤3032’。
步骤3035’、确定该当前聚焦点在集合内其它频段FV均为FV最大值，并后续执行步骤304。
步骤3036’、确定该当前聚焦点在集合内其它频段的FV不是均为FV最大值，并后续执行步骤305。
可选的，上述步骤3032和3032’中判断当前聚焦点在第i个频段下的FV值是否为最大值的判断过程，可以仅通过在第i个频段下该当前聚焦点的FV值及其相邻聚焦点的FV值来判断，而无需从该第i个频段下的第一个聚焦点开始逐一计算判断。具体的判断过程可以参考步骤302中例举的3个例子，此处不作赘述。
步骤304，确定该当前聚焦点为最佳聚焦点、即合焦点。之后，云台设备可以在该合焦点下采集运动目标的视频图像。
步骤305，从集合内删除在当前聚焦点达到FV最大值的频段，并返回步骤302。
本发明实施例中，如果集合内的N个频段按照频段从低到高的顺序进行了排序，那么从集合内删除频段的过程具体可以包括但不限于如下方式：当该当前聚焦点在集合内的前M个频段的FV均为FV最大值，且在集合内的第M+1个频段的FV不是FV最大值时，则从集合内删除前M个频段。其中，M为小于N的正整数。
例如，在获得频段[30-40)的FV最大值对应的聚焦点1后，此时频段[40-50)可能已经达到FV最大值，而频段[50-60)、频段[60-70)、频段[70-80]可能均未达到FV最大值。在这种情况下，可认为FV正处在上升阶段，在判断聚焦点1在频段[40-50)的FV是否已经达到FV最大值时，判断结果可为达到FV最大值，在判断聚焦点1在频段[50-60)对应的FV是否已经达到FV最大值时，判断结果可为未达到FV最大值。因此，可从集合内删除频段[30-40)、频段[40-50)，这样，在下次处理时，将直接从频段[50-60)开始处理，从而可有效提高处理效率。
本发明实施例中，如果集合内的N个频段按照频段从高到低的顺序进行了排序，那么从集合内删除频段的过程具体可以包括但不限于如下方式：当该当前聚集点在集合内的第M至N个频段的FV均为FV最大值，且在所述集合内的第M-1个频段的FV不是FV最大值时，从所述集合内删除所述第M至N个频段；其中，所述M为小于所述N的正整数。
本发明实施例中，在从集合内删除频段之后，在返回步骤302之前，还可以判断集合内剩余的频段是否为一个频段。如果否，则返回步骤302。如果是，则可将集合内的一个频段的FV最大值对应的聚焦点作为合焦点，或者认为当前无法基于视频图像确定出合焦点。
其中，在采用本发明实施例的技术方案后，一般可以确定出合焦点。但是在集合内只剩下一个频段时，如果仍然未确定出合焦点，则可以直接将集合内的该频段的FV最大值对应的聚焦点作为合焦点，或者认为当前无法基于视频图像确定出合焦点。
基于上述技术方案，本发明实施例中，可以基于N个频段的FV确定合焦点，使得即使FV构成的曲线不满足单峰型、无偏性等特性，也可以采集到最清晰视频图像。而且，通过使用N个频段的FV确定合焦点，即使有频段的FV存在局部最大值(即伪峰)，也能够通过其它频段的FV剔除该伪峰，从而避免找到不准确的合焦点。
而且，通过先使用最低频段的FV作为参考FV，再逐步切换更高频段的FV作为参考FV的方式，既保证了搜索方向不丢失，又使得参考FV越来越具有抗干扰能力。这样，伪峰出现的概率可大大降低，可避免变焦跟随效果不佳带来的聚焦失败问题，从而可保证聚焦过程的快速性，满足监控实时性的需求。
以下结合具体的应用对本发明实施例的效果进行详细说明。如图4B所示，为通过MATLAB仿真对视频图像进行傅里叶变化，得到的空间域的视频图像与频率域的视频图像的对比示意图。从图中可以看出，当画面模糊时，能量主要集中在低频部分，而频率越高的区 域，会随着图像逐渐变清晰，才逐渐具有能量。因此，频率较低区域的能量变化的范围较广，从模糊至清晰状态均能看到能量的显著变化；与之相对比，频率较高的区域的能量变化的区域逐渐变窄，能量几乎只在画面清晰时显现。因此，低频部分的FV在任意起始聚焦点均变化明显，但容易受到干扰形成伪峰。而高频部分的FV的抗干扰性较强，但仅在聚焦清晰点附近才有较明显的FV值变化，对变焦跟随的要求较高。
基于上述特性，本发明实施例中，先选择最低频段的FV作为参考FV，由于最低频段的FV不会出现图2所示的情况，可保证在任意聚焦位置下均能够快速找到对焦搜索方向，即使在变焦跟随偏离严重时。
而且，当最低频段的FV达到FV最大值时，查看该FV最大值对应的聚焦点在其它频段的FV是否也达到FV最大值，若均为FV最大值，则表示该FV最大值为全局峰值，该FV最大值对应的聚焦点为合焦点。若此时存在某个频段的FV未达到FV最大值，则表示最低频段的FV最大值是伪峰，此后不再参考最低频段，转而参考下一频段。在上述过程中，通过逐渐切换到更高频段的方式，即保证了搜索方向不丢失，又使得参考FV越来越具有抗干扰能力，伪峰出现的概率可大大降低，可保证聚焦的准确性和快速性，从而可满足视频监控的实时性需求。
基于与上述方法同样的发明构思，本发明实施例中还提供了一种自动聚焦的装置，该自动聚焦的装置可以应用在云台设备中。
如图5所示，该云台设备可包括处理器510以及机器可读存储介质520，其中处理器510和机器可读存储介质520通常借由内部总线530相互连接。在其他可能的实现方式中，该云台设备还可能包括网络接口540，以能够与其他设备或者部件进行通信。
在不同的例子中，所述机器可读存储介质520可以是：RAM(Radom Access Memory，随机存取存储器)、易失存储器、非易失性存储器、闪存、存储驱动器(如硬盘驱动器)、固态硬盘、任何类型的存储盘(如光盘、DVD等)，或者类似的存储介质，或者它们的组合。
进一步地，机器可读存储介质520上存储有与自动聚焦控制逻辑600对应的机器可执行指令。如图6所示，从功能上划分，所述自动聚焦控制逻辑600包括：
第一获取模块11，用于获得视频图像；
第二获取模块12，用于获取所述视频图像的N个频段在对焦过程中的各聚焦点的聚焦值FV，所述N个频段组成一个集合，所述N为大于1的正整数；
处理模块13，用于获取所述集合内最低频段的FV最大值对应的聚焦点作为当前聚焦点，判断所述当前聚焦点在所述集合内其它频段的FV是否均为FV最大值；如果所述当前聚焦点在所述集合内其它频段的FV均为FV最大值，则确定所述当前聚焦点为合聚焦点；如果所述 当前聚焦点在所述集合内其它频段的FV不是均为FV最大值，则从所述集合内删除在所述当前聚焦点达到FV最大值的频段，并基于删除频段后的所述集合中的最低频段获取新的当前聚焦点重复上述判断。
可选的，所述第二获取模块12具体用于：在获取所述视频图像的N个频段在对焦过程中的各聚焦点的FV的过程中，将空间域的所述视频图像变换为频率域的视频图像；将所述频率域的视频图像分解成N个频段的视频子图像；在对焦过程中，测量各所述视频子图像在各聚焦点下的FV，得到所述N个频段在对焦过程中的各聚焦点的FV。
可选的，在获取所述集合内最低频段的FV最大值对应的聚焦点作为当前聚焦点之前，所述处理模块13还用于：按照频段的高低顺序，对所述集合内的频段进行排序。
可选的，在判断所述当前聚焦点在所述集合内其它频段的FV是否均为FV最大值时，所述处理模块13具体用于：将所述最低频段作为所述集合内的第1个频段，设置i的初始值为2；判断所述当前聚焦点在第i个频段的FV是否已经达到FV最大值；如果所述当前聚焦点在第i个频段的FV是FV最大值，并且所述第i个频段是所述集合内的最后一个频段，则确定所述当前聚焦点在所述集合内其它频段的FV均为FV最大值；如果所述当前聚焦点在第i个频段的FV是FV最大值，并且所述第i个频段不是所述集合内的最后一个频段，则设置i＝i+1，并返回执行上述判断；如果所述当前聚焦点在第i个频段的FV不是FV最大值，则确定所述当前聚焦点在所述集合内其它频段的FV不是均为FV最大值。
可选的，在判断所述当前聚焦点在所述集合内其它频段的FV是否均为FV最大值时，所述处理模块13具体用于：将所述最低频段作为所述集合内的第N个频段，设置i的初始值为N-1；判断所述当前聚焦点在第i个频段的FV是否已经达到FV最大值；如果所述当前聚焦点在第i个频段的FV是FV最大值，并且所述第i个频段是所述集合内的第一个频段，则确定所述当前聚焦点在所述集合内其它频段的FV均为FV最大值；如果所述当前聚焦点在第i个频段的FV是FV最大值，并且所述第i个频段不是所述集合内的第一个频段，则设置i＝i-1，并返回执行上述判断；如果所述当前聚焦点在第i个频段的FV不是FV最大值，则确定所述当前聚焦点在所述集合内其它频段的FV不是均为FV最大值。
可选的，在从所述集合内删除在所述当前聚焦点达到FV最大值的频段时，所述处理模块13具体用于：当所述当前聚焦点在所述集合内的前M个频段的FV均为FV最大值，且在所述集合内的第M+1个频段的FV不是FV最大值时，从所述集合内删除所述前M个频段；其中，所述M为小于所述N的正整数。
可选的，在从所述集合内删除在所述当前聚焦点达到FV最大值的频段时，所述处理模块13具体用于：当所述当前聚焦点在所述集合内的第M至N个频段的FV均为FV最大值， 且在所述集合内的第M-1个频段的FV不是FV最大值时，从所述集合内删除所述第M至N个频段；其中，所述M为小于所述N的正整数。
可选的，所述处理模块13还可以用于：在所述集合内剩余一个频段的情况下，将该频段的FV最大值对应的聚焦点确定作为所述合焦点。
其中，本发明装置的各个模块可以集成于一体，也可以分离部署。上述模块可以合并为一个模块，也可以进一步拆分成多个子模块。
下面以软件实现为例，进一步描述云台设备如何执行该自动聚焦控制逻辑600。在该例子中，本公开的自动聚焦控制逻辑600可理解为存储在机器可读存储介质520中的机器可执行指令。当本公开的云台设备上的处理器510执行该自动聚焦控制逻辑600时，该处理器510通过调用机器可读存储介质520上保存的自动聚焦控制逻辑600对应的机器可执行指令来执行如下操作：
获得视频图像；
获取所述视频图像的N个频段在对焦过程中的各聚焦点的聚焦值FV，所述N个频段组成一个集合，所述N为大于1的正整数；
获取所述集合内最低频段的FV最大值对应的聚焦点作为当前聚焦点，判断所述当前聚焦点在所述集合内其它频段的FV是否均为FV最大值；如果所述当前聚焦点在所述集合内其它频段的FV均为FV最大值，则确定所述当前聚焦点为合聚焦点；如果所述当前聚焦点在所述集合内其它频段的FV不是均为FV最大值，则从所述集合内删除在所述当前聚焦点达到FV最大值的频段，并基于删除频段后的所述集合中的最低频段获取新的当前聚焦点重复上述判断。
根据一个例子，在获取所述视频图像的N个频段在对焦过程中的各聚焦点的聚焦值FV时，所述机器可执行指令促使所述处理器510执行以下操作：
将空间域的所述视频图像变换为频率域的视频图像；
将所述频率域的视频图像分解成N个频段的视频子图像；
在对焦过程中，测量各所述视频子图像在各聚焦点下的FV，得到所述N个频段在对焦过程中的各聚焦点的FV。
根据一个例子，在获取所述集合内最低频段的FV最大值对应的聚焦点作为当前聚焦点之前，所述机器可执行指令还促使所述处理器510执行以下操作：
按照频段的高低顺序，对所述集合内的频段进行排序。
根据一个例子，在判断所述当前聚焦点在所述集合内其它频段的FV是否均为FV最大值时，所述机器可执行指令促使所述处理器510执行以下操作：
将所述最低频段作为所述集合内的第1个频段，设置i的初始值为2；
判断所述当前聚焦点在第i个频段的FV是否已经达到FV最大值；
如果所述当前聚焦点在第i个频段的FV是FV最大值，并且所述第i个频段是所述集合内的最后一个频段，则确定所述当前聚焦点在所述集合内其它频段的FV均为FV最大值；
如果所述当前聚焦点在第i个频段的FV是FV最大值，并且所述第i个频段不是所述集合内的最后一个频段，则设置i＝i+1，并返回执行上述判断；
如果所述当前聚焦点在第i个频段的FV不是FV最大值，则确定所述当前聚焦点在所述集合内其它频段的FV不是均为FV最大值。
根据一个例子，在判断所述当前聚焦点在所述集合内其它频段的FV是否均为FV最大值时，所述机器可执行指令促使所述处理器510执行以下操作：
将所述最低频段作为所述集合内的第N个频段，设置i的初始值为N-1；
判断所述当前聚焦点在第i个频段的FV是否已经达到FV最大值；
如果所述当前聚焦点在第i个频段的FV是FV最大值，并且所述第i个频段是所述集合内的第一个频段，则确定所述当前聚焦点在所述集合内其它频段的FV均为FV最大值；
如果所述当前聚焦点在第i个频段的FV是FV最大值，并且所述第i个频段不是所述集合内的第一个频段，则设置i＝i-1，并返回执行上述判断；
如果所述当前聚焦点在第i个频段的FV不是FV最大值，则确定所述当前聚焦点在所述集合内其它频段的FV不是均为FV最大值。
根据一个例子，在从所述集合内删除在所述当前聚焦点达到FV最大值的频段时，所述机器可执行指令促使所述处理器510执行以下操作：
当所述当前聚焦点在所述集合内的前M个频段的FV均为FV最大值，且在所述集合内的第M+1个频段的FV不是FV最大值时，从所述集合内删除所述前M个频段；其中，所述M为小于所述N的正整数。
根据一个例子，在从所述集合内删除在所述当前聚焦点达到FV最大值的频段时，所述机器可执行指令促使所述处理器510执行以下操作：
当所述当前聚焦点在所述集合内的第M至N个频段的FV均为FV最大值，且在所述集合内的第M-1个频段的FV不是FV最大值时，从所述集合内删除所述第M至N个频段；其中，所述M为小于所述N的正整数。
根据一个例子，所述机器可执行指令还促使所述处理器510执行以下操作：
在所述集合内剩余一个频段的情况下，将该频段的FV最大值对应的聚焦点确定作为所述合焦点。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到本发明可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述的方法。本领域技术人员可以理解附图只是一个优选实施例的示意图，附图中的模块或流程并不一定是实施本发明所必须的。
本领域技术人员可以理解实施例中的装置中的模块可以按照实施例描述进行分布于实施例的装置中，也可以进行相应变化位于不同于本实施例的一个或多个装置中。上述实施例的模块可以合并为一个模块，也可进一步拆分成多个子模块。上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
以上公开的仅为本发明的几个具体实施例，但是，本发明并非局限于此，任何本领域的技术人员能思之的变化都应落入本发明的保护范围。

Claims (16)

  1. 一种自动聚焦的方法，包括以下步骤：
    获得视频图像；
    获取所述视频图像的N个频段在对焦过程中的各聚焦点的聚焦值FV，所述N个频段组成一个集合，所述N为大于1的正整数；
    获取所述集合内最低频段的FV最大值对应的聚焦点作为当前聚焦点；
    判断所述当前聚焦点在所述集合内其它频段的FV是否均为FV最大值；
    如果所述当前聚焦点在所述集合内其它频段的FV均为FV最大值，则确定所述当前聚焦点为合焦点；
    如果所述当前聚焦点在所述集合内其它频段的FV不是均为FV最大值，则从所述集合内删除在所述当前聚焦点达到FV最大值的频段，并基于删除频段后的所述集合中的最低频段获取新的当前聚焦点后重复上述判断。
  2. 根据权利要求1所述的方法，其特征在于，所述获取所述视频图像的N个频段在对焦过程中的各聚焦点的聚焦值FV，包括：
    将空间域的所述视频图像变换为频率域的视频图像；
    将所述频率域的视频图像分解成N个频段的视频子图像；
    在对焦过程中，测量各所述视频子图像在各聚焦点下的FV，得到所述N个频段在对焦过程中的各聚焦点的FV。
  3. 根据权利要求1或2所述的方法，其特征在于，还包括：
    按照频段的高低顺序，对所述集合内的频段进行排序。
  4. 根据权利要求3所述的方法，其特征在于，所述判断所述当前聚焦点在所述集合内其它频段的FV是否均为FV最大值，包括：
    将所述最低频段作为所述集合内的第1个频段，设置i的初始值为2；
    判断所述当前聚焦点在第i个频段的FV是否已经达到FV最大值；
    如果所述当前聚焦点在第i个频段的FV是FV最大值，并且所述第i个频段是所述集合内的最后一个频段，则确定所述当前聚焦点在所述集合内其它频段的FV均为FV最大值；
    如果所述当前聚焦点在第i个频段的FV是FV最大值，并且所述第i个频段不是所述集合内的最后一个频段，则设置i＝i+1，并返回执行上述判断；
    如果所述当前聚焦点在第i个频段的FV不是FV最大值，则确定所述当前聚焦点在所述集合内其它频段的FV不是均为FV最大值。
  5. 根据权利要求3所述的方法，其特征在于，所述判断所述当前聚焦点在所述集合内其它频段的FV是否均为FV最大值，包括：
    将所述最低频段作为所述集合内的第N个频段，设置i的初始值为N-1；
    判断所述当前聚焦点在第i个频段的FV是否已经达到FV最大值；
    如果所述当前聚焦点在第i个频段的FV是FV最大值，并且所述第i个频段是所述集合内的第一个频段，则确定所述当前聚焦点在所述集合内其它频段的FV均为FV最大值；
    如果所述当前聚焦点在第i个频段的FV是FV最大值，并且所述第i个频段不是所述集合内的第一个频段，则设置i＝i-1，并返回执行上述判断；
    如果所述当前聚焦点在第i个频段的FV不是FV最大值，则确定所述当前聚焦点在所述集合内其它频段的FV不是均为FV最大值。
  6. 根据权利要求4所述的方法，其特征在于，从所述集合内删除在所述当前聚焦点达到FV最大值的频段，包括：
    当所述当前聚焦点在所述集合内的前M个频段的FV均为FV最大值，且在所述集合内的第M+1个频段的FV不是FV最大值时，从所述集合内删除所述前M个频段；其中，所述M为小于所述N的正整数。
  7. 根据权利要求5所述的方法，其特征在于，从所述集合内删除在所述当前聚焦点达到FV最大值的频段，包括：
    当所述当前聚焦点在所述集合内的第M至N个频段的FV均为FV最大值，且在所述集合内的第M-1个频段的FV不是FV最大值时，从所述集合内删除所述第M至N个频段；其中，所述M为小于所述N的正整数。
  8. 根据权利要求1或2所述的方法，其特征在于，还包括：
    在所述集合内剩余一个频段的情况下，将该频段的FV最大值对应的聚焦点确定作为所述合焦点。
  9. 一种自动聚焦的装置，包括处理器，通过读取机器可读存储介质所存储的与自动聚焦控制逻辑对应的机器可执行指令并执行所述机器可执行指令，所述处理器执行以下操作：：
    获得视频图像；
    获取所述视频图像的N个频段在对焦过程中的各聚焦点的聚焦值FV，所述N个频段组成一个集合，所述N为大于1的正整数；
    获取所述集合内最低频段的FV最大值对应的聚焦点作为当前聚焦点，判断所述当前聚焦点在所述集合内其它频段的FV是否均为FV最大值；如果所述当前聚焦点在所述集 合内其它频段的FV均为FV最大值，则确定所述当前聚焦点为合聚焦点；如果所述当前聚焦点在所述集合内其它频段的FV不是均为FV最大值，则从所述集合内删除在所述当前聚焦点达到FV最大值的频段，并基于删除频段后的所述集合中的最低频段获取新的当前聚焦点重复上述判断。
  10. 根据权利要求9所述的装置，其特征在于，在获取所述视频图像的N个频段在对焦过程中的各聚焦点的聚焦值FV时，所述机器可执行指令促使所述处理器执行以下操作：
    将空间域的所述视频图像变换为频率域的视频图像；
    将所述频率域的视频图像分解成N个频段的视频子图像；
    在对焦过程中，测量各所述视频子图像在各聚焦点下的FV，得到所述N个频段在对焦过程中的各聚焦点的FV。
  11. 根据权利要求9或10所述的装置，其特征在于，在获取所述集合内最低频段的FV最大值对应的聚焦点作为当前聚焦点之前，所述机器可执行指令还促使所述处理器执行以下操作：
    按照频段的高低顺序，对所述集合内的频段进行排序。
  12. 根据权利要求11所述的装置，其特征在于，在判断所述当前聚焦点在所述集合内其它频段的FV是否均为FV最大值时，所述机器可执行指令促使所述处理器执行以下操作：
    将所述最低频段作为所述集合内的第1个频段，设置i的初始值为2；
    判断所述当前聚焦点在第i个频段的FV是否已经达到FV最大值；
    如果所述当前聚焦点在第i个频段的FV是FV最大值，并且所述第i个频段是所述集合内的最后一个频段，则确定所述当前聚焦点在所述集合内其它频段的FV均为FV最大值；
    如果所述当前聚焦点在第i个频段的FV是FV最大值，并且所述第i个频段不是所述集合内的最后一个频段，则设置i＝i+1，并返回执行上述判断；
    如果所述当前聚焦点在第i个频段的FV不是FV最大值，则确定所述当前聚焦点在所述集合内其它频段的FV不是均为FV最大值。
  13. 根据权利要求11所述的装置，其特征在于，在判断所述当前聚焦点在所述集合内其它频段的FV是否均为FV最大值时，所述机器可执行指令促使所述处理器执行以下操作：
    将所述最低频段作为所述集合内的第N个频段，设置i的初始值为N-1；
    判断所述当前聚焦点在第i个频段的FV是否已经达到FV最大值；
    如果所述当前聚焦点在第i个频段的FV是FV最大值，并且所述第i个频段是所述集合内的第一个频段，则确定所述当前聚焦点在所述集合内其它频段的FV均为FV最大值；
    如果所述当前聚焦点在第i个频段的FV是FV最大值，并且所述第i个频段不是所述集合内的第一个频段，则设置i＝i-1，并返回执行上述判断；
    如果所述当前聚焦点在第i个频段的FV不是FV最大值，则确定所述当前聚焦点在所述集合内其它频段的FV不是均为FV最大值。
  14. 根据权利要求12所述的装置，其特征在于，在从所述集合内删除在所述当前聚焦点达到FV最大值的频段时，所述机器可执行指令促使所述处理器执行以下操作：
    当所述当前聚焦点在所述集合内的前M个频段的FV均为FV最大值，且在所述集合内的第M+1个频段的FV不是FV最大值时，从所述集合内删除所述前M个频段；其中，所述M为小于所述N的正整数。
  15. 根据权利要求13所述的装置其特征在于，在从所述集合内删除在所述当前聚焦点达到FV最大值的频段时，所述机器可执行指令促使所述处理器执行以下操作：
    当所述当前聚焦点在所述集合内的第M至N个频段的FV均为FV最大值，且在所述集合内的第M-1个频段的FV不是FV最大值时，从所述集合内删除所述第M至N个频段；其中，所述M为小于所述N的正整数。
  16. 根据权利要求9或10所述的装置，其特征在于，所述机器可执行指令还促使所述处理器执行以下操作：
    在所述集合内剩余一个频段的情况下，将该频段的FV最大值对应的聚焦点确定作为所述合焦点。
PCT/CN2016/099679 2015-12-10 2016-09-22 自动聚焦 WO2017097009A1 (zh)

Priority Applications (4)

Application Number Priority Date Filing Date Title
PL16872204T PL3389254T3 (pl) 2015-12-10 2016-09-22 Automatyczne ustawianie ostrości
ES16872204T ES2909490T3 (es) 2015-12-10 2016-09-22 Enfoque automático
EP16872204.9A EP3389254B1 (en) 2015-12-10 2016-09-22 Automatic focusing
US15/781,655 US10887505B2 (en) 2015-12-10 2016-09-22 Auto-focusing

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
CN201510917459.2A CN105430270B (zh) 2015-12-10 2015-12-10 一种自动聚焦的方法和装置
CN201510917459.2 2015-12-10

Publications (1)

Publication Number Publication Date
WO2017097009A1 true WO2017097009A1 (zh) 2017-06-15

Family

ID=55508173

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/CN2016/099679 WO2017097009A1 (zh) 2015-12-10 2016-09-22 自动聚焦

Country Status (7)

Country Link
US (1) US10887505B2 (zh)
EP (1) EP3389254B1 (zh)
CN (1) CN105430270B (zh)
ES (1) ES2909490T3 (zh)
HU (1) HUE058211T2 (zh)
PL (1) PL3389254T3 (zh)
WO (1) WO2017097009A1 (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105430270B (zh) 2015-12-10 2018-11-13 浙江宇视科技有限公司 一种自动聚焦的方法和装置
JP2022190309A (ja) * 2021-06-14 2022-12-26 セイコーエプソン株式会社 オートフォーカスの方法、分光カメラ、及びコンピュータープログラム

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5070353A (en) * 1989-01-09 1991-12-03 Olympus Optical Co., Ltd. Automatic focusing apparatus
JP2009175184A (ja) * 2008-01-21 2009-08-06 Canon Inc 自動焦点調整装置及びその自動焦点調整方法
CN102200674A (zh) * 2010-03-23 2011-09-28 三星电子株式会社 利用多个带通滤波器执行自动对焦功能的成像装置及方法
CN103886590A (zh) * 2014-03-05 2014-06-25 浙江大学 一种基于小波包能量谱的推扫式遥感相机自动对焦方法
CN104980717A (zh) * 2014-04-02 2015-10-14 深圳市先河系统技术有限公司 图像处理装置和摄像镜头、摄像机身、摄像设备
CN105430270A (zh) * 2015-12-10 2016-03-23 浙江宇视科技有限公司 一种自动聚焦的方法和装置

Family Cites Families (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2580576B2 (ja) * 1986-12-03 1997-02-12 キヤノン株式会社 合焦検出装置
JP3103587B2 (ja) * 1990-04-25 2000-10-30 オリンパス光学工業株式会社 自動合焦装置
US6222588B1 (en) * 1993-05-28 2001-04-24 Canon Kabushiki Kaisha Automatic focus adjusting device with driving direction control
KR19990049877A (ko) * 1997-12-15 1999-07-05 윤종용 카메라시스템의 자동 초점조정장치 및 그에 따른 초점조정방법
EP1111444B1 (fr) * 1999-12-21 2005-10-05 Koninklijke Philips Electronics N.V. Appareil photographique comportant un dispositif de focalisation automatique
JP3679693B2 (ja) * 2000-07-31 2005-08-03 三洋電機株式会社 オートフォーカスカメラ
JP4647885B2 (ja) * 2003-02-17 2011-03-09 株式会社ニコン カメラ
JP4641494B2 (ja) * 2005-11-28 2011-03-02 キヤノン株式会社 光学機器
JP2007192859A (ja) * 2006-01-17 2007-08-02 Sony Corp 合焦制御装置、及び撮像装置
CN109889721B (zh) * 2015-12-23 2021-01-29 北京奇虎科技有限公司 摄像头自动聚焦控制方法及装置
JP2019101359A (ja) * 2017-12-07 2019-06-24 オリンパス株式会社 観察装置および焦点検出方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5070353A (en) * 1989-01-09 1991-12-03 Olympus Optical Co., Ltd. Automatic focusing apparatus
JP2009175184A (ja) * 2008-01-21 2009-08-06 Canon Inc 自動焦点調整装置及びその自動焦点調整方法
CN102200674A (zh) * 2010-03-23 2011-09-28 三星电子株式会社 利用多个带通滤波器执行自动对焦功能的成像装置及方法
CN103886590A (zh) * 2014-03-05 2014-06-25 浙江大学 一种基于小波包能量谱的推扫式遥感相机自动对焦方法
CN104980717A (zh) * 2014-04-02 2015-10-14 深圳市先河系统技术有限公司 图像处理装置和摄像镜头、摄像机身、摄像设备
CN105430270A (zh) * 2015-12-10 2016-03-23 浙江宇视科技有限公司 一种自动聚焦的方法和装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
See also references of EP3389254A4 *

Also Published As

Publication number Publication date
CN105430270B (zh) 2018-11-13
US10887505B2 (en) 2021-01-05
CN105430270A (zh) 2016-03-23
EP3389254B1 (en) 2022-02-23
PL3389254T3 (pl) 2022-04-25
EP3389254A1 (en) 2018-10-17
EP3389254A4 (en) 2018-12-05
HUE058211T2 (hu) 2022-07-28
US20190068888A1 (en) 2019-02-28
ES2909490T3 (es) 2022-05-06

Similar Documents

Publication Publication Date Title
US10269130B2 (en) Methods and apparatus for control of light field capture object distance adjustment range via adjusting bending degree of sensor imaging zone
US8988520B2 (en) Method and apparatus for improving depth of field (DOF) in microscopy
US10123024B2 (en) Image processing methods and image processing apparatuses
WO2018059158A1 (zh) 一种自动聚焦方法及装置
KR101811718B1 (ko) 영상 처리 방법 및 장치
US8644604B2 (en) Apparatus and method for aligning color channels
JP5988068B2 (ja) 適応的カーネルを利用することにより深度推定を実行するためのシステム及び方法
US8942509B2 (en) Apparatus and method creating ghost-free high dynamic range image using filtering
US20120093399A1 (en) Apparatus and method for enhancing image quality of image captured by using multiple color-filter aperture
US20160093022A1 (en) Method and apparatus for processing super resolution image using adaptive preprocessing filtering and/or postprocessing filtering
WO2017107840A1 (zh) 自动聚焦控制方法和装置
CN105354817A (zh) 一种噪声图像自动聚焦方法
US20120224789A1 (en) Noise suppression in low light images
WO2017097009A1 (zh) 自动聚焦
KR20160044979A (ko) 영상 처리 방법 및 장치
CN112449117A (zh) 一种聚焦步长确定方法、装置、存储介质及电子装置
JP2012155456A (ja) 被写体分離装置、画像復元装置、被写体分離方法及び画像復元方法
Ye et al. Accurate single-image defocus deblurring based on improved integration with defocus map estimation
CN107274430B (zh) 一种对象运动轨迹预测方法和装置
JP5784472B2 (ja) 画像処理装置、方法及びプログラム
CN103841312B (zh) 物体侦测装置及方法
Vuong et al. Initial direction and speed decision system for auto focus based on blur detection
CN112150532A (zh) 图像处理的方法、装置、电子设备和计算机可读介质
WO2016035568A1 (ja) 信号処理装置および信号処理方法、固体撮像素子、撮像装置、電子機器、並びにプログラム
Yoo et al. Optimal PSF selection using second-order frequency analysis for digital autofocusing

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 16872204

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

WWE Wipo information: entry into national phase

Ref document number: 2016872204

Country of ref document: EP