本發(fā)明涉及對(duì)焦
技術(shù)領(lǐng)域：
，尤其涉及一種非接觸式自動(dòng)對(duì)焦方法和裝置。
背景技術(shù)：
：目前，在現(xiàn)有的對(duì)焦方法中，一般采用人臉識(shí)別，或者通過(guò)手動(dòng)點(diǎn)擊畫面上的某一點(diǎn)進(jìn)行自動(dòng)對(duì)焦。但是在采用人臉識(shí)別方法進(jìn)行自動(dòng)對(duì)焦時(shí)，如果用戶需要對(duì)畫面上的運(yùn)動(dòng)對(duì)象進(jìn)行自動(dòng)對(duì)焦，而該運(yùn)動(dòng)對(duì)象不是人體，或者是人體處于側(cè)面和背面，從而沒(méi)有可供識(shí)別的人臉圖案，則無(wú)法進(jìn)行人臉識(shí)別，達(dá)不到自動(dòng)對(duì)焦的目的。若采用手動(dòng)點(diǎn)擊畫面上的某一點(diǎn)進(jìn)行自動(dòng)對(duì)焦，則當(dāng)運(yùn)動(dòng)對(duì)象在畫面中的位置不斷變化時(shí)，依靠手動(dòng)點(diǎn)擊畫面上的對(duì)焦點(diǎn)則會(huì)跟不上運(yùn)動(dòng)對(duì)象的實(shí)際位置，無(wú)法進(jìn)行準(zhǔn)確地自動(dòng)對(duì)焦。技術(shù)實(shí)現(xiàn)要素：本發(fā)明的主要目的在于提供一種非接觸式自動(dòng)對(duì)焦方法和裝置，旨在提高自動(dòng)對(duì)焦的準(zhǔn)確性。為了達(dá)到上述目的，本發(fā)明提供了一種非接觸式自動(dòng)對(duì)焦方法，包括：S1、在拍攝過(guò)程中，檢測(cè)所拍攝的圖像中的運(yùn)動(dòng)對(duì)象，確定圖像中的目標(biāo)區(qū)域；S2、對(duì)所述目標(biāo)區(qū)域進(jìn)行跟蹤，獲得目標(biāo)區(qū)域所在位置；S3、根據(jù)所述目標(biāo)區(qū)域所在位置進(jìn)行自動(dòng)對(duì)焦。優(yōu)選地，所述步驟S1包括：在拍攝過(guò)程中，檢測(cè)所拍攝的當(dāng)前圖像中的運(yùn)動(dòng)對(duì)象，獲得運(yùn)動(dòng)區(qū)域；當(dāng)所獲得的運(yùn)動(dòng)區(qū)域?yàn)槎鄠€(gè)時(shí)，從該多個(gè)運(yùn)動(dòng)區(qū)域中選取一個(gè)作為目標(biāo)區(qū)域；或者，當(dāng)所獲得的運(yùn)動(dòng)區(qū)域?yàn)橐粋€(gè)時(shí)，將該運(yùn)動(dòng)區(qū)域作為目標(biāo)區(qū)域。優(yōu)選地，所述從該多個(gè)運(yùn)動(dòng)區(qū)域中選取一個(gè)作為目標(biāo)區(qū)域包括：根據(jù)預(yù)設(shè)的規(guī)則計(jì)算每個(gè)運(yùn)動(dòng)區(qū)域的權(quán)重，將權(quán)重較大者作為目標(biāo)區(qū)域。優(yōu)選地，所述檢測(cè)所拍攝的圖像中的運(yùn)動(dòng)對(duì)象，獲得運(yùn)動(dòng)區(qū)域包括：對(duì)所拍攝的當(dāng)前幀圖像與前一幀圖像分別進(jìn)行前景和背景分離，獲得當(dāng)前幀圖像的前景區(qū)域塊和前一幀圖像的前景區(qū)域塊；將當(dāng)前幀圖像的前景區(qū)域塊和前一幀圖像的前景區(qū)域塊進(jìn)行同一位置重合比對(duì)，確定運(yùn)動(dòng)區(qū)域。優(yōu)選地，所述非接觸式自動(dòng)對(duì)焦方法還包括：循環(huán)執(zhí)行步驟S2及步驟S3，對(duì)連續(xù)幀圖像中的目標(biāo)區(qū)域進(jìn)行跟蹤及自動(dòng)對(duì)焦；當(dāng)連續(xù)幀圖像的幀數(shù)達(dá)到預(yù)置幀數(shù)時(shí)，轉(zhuǎn)入步驟S1。此外，為實(shí)現(xiàn)上述目的，本發(fā)明還提供了一種非接觸式自動(dòng)對(duì)焦裝置，包括：目標(biāo)區(qū)域確定模塊，用于在拍攝過(guò)程中，檢測(cè)所拍攝的圖像中的運(yùn)動(dòng)對(duì)象，確定圖像中的目標(biāo)區(qū)域；位置獲取模塊，用于對(duì)所述目標(biāo)區(qū)域進(jìn)行跟蹤，獲得目標(biāo)區(qū)域所在位置；對(duì)焦模塊，用于根據(jù)所述目標(biāo)區(qū)域所在位置進(jìn)行自動(dòng)對(duì)焦。優(yōu)選地，所述目標(biāo)區(qū)域確定模塊包括：運(yùn)動(dòng)區(qū)域獲取單元，用于在拍攝過(guò)程中，檢測(cè)所拍攝的當(dāng)前圖像中的運(yùn)動(dòng)對(duì)象，獲得運(yùn)動(dòng)區(qū)域；目標(biāo)區(qū)域確定單元，用于當(dāng)所獲得的運(yùn)動(dòng)區(qū)域?yàn)槎鄠€(gè)時(shí)，從該多個(gè)運(yùn)動(dòng)區(qū)域中選取一個(gè)作為目標(biāo)區(qū)域；或者，當(dāng)所獲得的運(yùn)動(dòng)區(qū)域?yàn)橐粋€(gè)時(shí)，將該運(yùn)動(dòng)區(qū)域作為目標(biāo)區(qū)域。優(yōu)選地，所述確定單元用于：當(dāng)所獲得的運(yùn)動(dòng)區(qū)域?yàn)槎鄠€(gè)時(shí)，根據(jù)預(yù)設(shè)的規(guī)則計(jì)算每個(gè)運(yùn)動(dòng)區(qū)域的權(quán)重，將權(quán)重較大者作為目標(biāo)區(qū)域。優(yōu)選地，所述運(yùn)動(dòng)區(qū)域獲取單元包括：前景區(qū)域塊獲取子單元，用于對(duì)所拍攝的當(dāng)前幀圖像與前一幀圖像分別進(jìn)行前景和背景分離，獲得當(dāng)前幀圖像的前景區(qū)域塊和前一幀圖像的前景區(qū)域塊；運(yùn)動(dòng)區(qū)域確定子單元，用于將當(dāng)前幀圖像的前景區(qū)域塊和前一幀圖像的前景區(qū)域塊進(jìn)行同一位置重合比對(duì)，確定運(yùn)動(dòng)區(qū)域。優(yōu)選地，所述非接觸式自動(dòng)對(duì)焦裝置還包括：循環(huán)控制模塊，用于控制所述位置獲取模塊和對(duì)焦模塊循環(huán)對(duì)連續(xù)幀圖像中的目標(biāo)區(qū)域進(jìn)行跟蹤及自動(dòng)對(duì)焦，直到所述連續(xù)幀圖像的幀數(shù)達(dá)到預(yù)置幀數(shù)；還用于當(dāng)連續(xù)幀圖像的幀數(shù)達(dá)到預(yù)置幀數(shù)時(shí)，控制所述目標(biāo)區(qū)域確定模塊重新確定拍攝圖像中的目標(biāo)區(qū)域。本發(fā)明實(shí)施例通過(guò)在拍攝過(guò)程中，檢測(cè)所拍攝的圖像中的運(yùn)動(dòng)對(duì)象，獲得運(yùn)動(dòng)區(qū)域，并從運(yùn)動(dòng)區(qū)域中確定圖像中的目標(biāo)區(qū)域，然后對(duì)目標(biāo)區(qū)域進(jìn)行跟蹤，獲得目標(biāo)區(qū)域所在位置，再根據(jù)目標(biāo)區(qū)域所在位置進(jìn)行自動(dòng)對(duì)焦，從而提高了自動(dòng)對(duì)焦的準(zhǔn)確性。附圖說(shuō)明圖1為本發(fā)明非接觸式自動(dòng)對(duì)焦方法第一實(shí)施例的流程示意圖；圖2為本發(fā)明聚焦搜索過(guò)程的示意圖；圖3為本發(fā)明非接觸式自動(dòng)對(duì)焦方法中，檢測(cè)所拍攝的圖像中的運(yùn)動(dòng)對(duì)象，確定圖像中的目標(biāo)區(qū)域的細(xì)化流程示意圖；圖4為本發(fā)明非接觸式自動(dòng)對(duì)焦方法中，檢測(cè)所拍攝的圖像中的運(yùn)動(dòng)對(duì)象，獲得運(yùn)動(dòng)區(qū)域的細(xì)化流程示意圖；圖5為本發(fā)明非接觸式自動(dòng)對(duì)焦方法第二實(shí)施例的流程示意圖；圖6為本發(fā)明非接觸式自動(dòng)對(duì)焦裝置第一實(shí)施例的功能模塊示意圖；圖7為本發(fā)明非接觸式自動(dòng)對(duì)焦裝置中目標(biāo)區(qū)域確定模塊的功能模塊示意圖；圖8為本發(fā)明非接觸式自動(dòng)對(duì)焦裝置中運(yùn)動(dòng)區(qū)域獲取單元的功能模塊示意圖；圖9為本發(fā)明非接觸式自動(dòng)對(duì)焦裝置第二實(shí)施例的功能模塊示意圖。為了使本發(fā)明的技術(shù)方案更加清楚、明了，下面將結(jié)合附圖作進(jìn)一步詳述。具體實(shí)施方式應(yīng)當(dāng)理解，此處所描述的具體實(shí)施例僅僅用以解釋本發(fā)明，并不用于限定本發(fā)明。本發(fā)明的主要核心思想是，在拍攝過(guò)程中，檢測(cè)所拍攝的圖像中的運(yùn)動(dòng)對(duì)象，獲得運(yùn)動(dòng)區(qū)域，并從一個(gè)或者多個(gè)運(yùn)動(dòng)區(qū)域中確定圖像中的目標(biāo)區(qū)域，然后對(duì)目標(biāo)區(qū)域進(jìn)行跟蹤，確定目標(biāo)區(qū)域所在位置，再根據(jù)目標(biāo)區(qū)域所在位置進(jìn)行自動(dòng)對(duì)焦，并對(duì)連續(xù)幀圖像進(jìn)行跟蹤及自動(dòng)對(duì)焦，從而提高了自動(dòng)對(duì)焦的準(zhǔn)確性。如圖1所示，示出了本發(fā)明一種非接觸式自動(dòng)對(duì)焦方法第一實(shí)施例。該實(shí)施例的非接觸式自動(dòng)對(duì)焦方法包括以下步驟：步驟S100、在拍攝過(guò)程中，檢測(cè)所拍攝的圖像中的運(yùn)動(dòng)對(duì)象，確定圖像中的目標(biāo)區(qū)域；步驟S200、對(duì)所述目標(biāo)區(qū)域進(jìn)行跟蹤，獲得目標(biāo)區(qū)域所在位置；本實(shí)施例的非接觸式自動(dòng)對(duì)焦方法可應(yīng)用于終端攝像頭等一些拍攝場(chǎng)合，例如，手機(jī)、ipad、照相機(jī)等，以下以手機(jī)攝像頭拍攝為例進(jìn)行說(shuō)明。當(dāng)打開手機(jī)攝像頭后，在拍攝過(guò)程中，存儲(chǔ)連續(xù)多幀圖像，檢測(cè)所拍攝的圖像中的運(yùn)動(dòng)對(duì)象，根據(jù)運(yùn)動(dòng)對(duì)象得到一個(gè)或者多個(gè)運(yùn)動(dòng)區(qū)域，同時(shí)會(huì)得到運(yùn)動(dòng)區(qū)域的位置和大小。再?gòu)脑撨\(yùn)動(dòng)區(qū)域中確定圖像中的目標(biāo)區(qū)域，該目標(biāo)區(qū)域?yàn)閷?duì)焦對(duì)象，并對(duì)連續(xù)幀圖像中的目標(biāo)區(qū)域進(jìn)行跟蹤，確定目標(biāo)區(qū)域所在位置。本實(shí)施例中，對(duì)目標(biāo)區(qū)域進(jìn)行跟蹤的思路是：用一種基于改進(jìn)的局部二值模式(LocalBinaryPattern，LBP)算子，將圖像的紋理直方圖與其顏色直方圖進(jìn)行融合，并嵌入到Camshift算法的框架中，對(duì)Camshift算法進(jìn)行優(yōu)化，以實(shí)現(xiàn)對(duì)目標(biāo)區(qū)域的跟蹤，具體步驟可包括：(1)將檢測(cè)得到的運(yùn)動(dòng)區(qū)域的位置和大小作為跟蹤時(shí)初始運(yùn)動(dòng)區(qū)域的位置和大??；(2)用LBP算子計(jì)算得到所檢測(cè)圖像的紋理直方圖；(3)用得到的紋理直方圖與當(dāng)前跟蹤的圖像進(jìn)行反向投影，得到紋理概率分布圖，并利用所檢測(cè)圖像的顏色直方圖與當(dāng)前跟蹤的圖像進(jìn)行反向投影，得到色調(diào)概率分布圖；(4)將紋理概率分布圖與色調(diào)概率分布圖進(jìn)行相與運(yùn)算，得到灰度圖像， 將該灰度圖像作為Camshift算法的輸入圖像；(5)利用Camshift算法跟蹤該灰度圖像中目標(biāo)區(qū)域，即將初始運(yùn)動(dòng)區(qū)域的位置和大小作為該灰度圖像中目標(biāo)區(qū)域的位置和大?。?6)移動(dòng)灰度圖像中的目標(biāo)區(qū)域位置，直到得到目標(biāo)區(qū)域的質(zhì)心最大，就確定目標(biāo)區(qū)域的位置和大小；(7)加載下一幀圖像作為當(dāng)前跟蹤的圖像，轉(zhuǎn)入步驟(3)。其中，利用LBP算子提取圖像的紋理直方圖具體為：像素點(diǎn)(x，y)處的局部二值化紋理值LBP(x，y)即可通過(guò)下面的公式來(lái)計(jì)算：LBP(x,y)=Σn=0p-12nsgn(in-ic)]]>其中ic表示像素點(diǎn)(x，y)的灰度值，in為相鄰像素的灰度值。p為鄰像素個(gè)數(shù)，若取3×3的計(jì)算窗口，則p＝8，sgn為符號(hào)函數(shù)，其表達(dá)式如下：sgn(x)=1(x≥0)0(x<0)]]>使用該LBP算子求得圖像中每一個(gè)像素的紋理值，從而可得一幅局部二值化的紋理直方圖。需要說(shuō)明的是，上述工作原理中采用了LBP算子、Camshift算法等等，但是并不限定本發(fā)明。凡是利用上述工作原理獲取目標(biāo)區(qū)域的位置，即使加入了其他算法、改進(jìn)的算法等因素的各種變形均在本發(fā)明的保護(hù)范圍之內(nèi)。步驟S300、根據(jù)所述目標(biāo)區(qū)域所在位置進(jìn)行自動(dòng)對(duì)焦。在對(duì)目標(biāo)區(qū)域進(jìn)行跟蹤得到目標(biāo)區(qū)域所在位置后，根據(jù)目標(biāo)區(qū)域所在位置進(jìn)行自動(dòng)對(duì)焦，優(yōu)選地，可以通過(guò)目標(biāo)區(qū)域的中心位置進(jìn)行自動(dòng)對(duì)焦，或者當(dāng)目標(biāo)區(qū)域是人時(shí)，可以選擇人臉的位置進(jìn)行自動(dòng)對(duì)焦。當(dāng)然，也可以在檢測(cè)得到圖像中的目標(biāo)區(qū)域的位置后，不對(duì)該目標(biāo)區(qū)域進(jìn)行跟蹤，直接根據(jù)檢測(cè)得到目標(biāo)區(qū)域所在位置進(jìn)行自動(dòng)對(duì)焦。自動(dòng)對(duì)焦的過(guò)程可包括清晰度評(píng)價(jià)和聚焦搜索，具體地，首先采用改進(jìn)的8鄰域Laplacian算子進(jìn)行清晰度評(píng)價(jià)，改進(jìn)的8鄰域Laplacian算子是根據(jù)圖像f(x，y)在x，y方向上的二階偏導(dǎo)數(shù)定義的一種邊緣檢測(cè)算子，該改進(jìn)的8鄰域Laplacian算子模板表示為：L4(x,y)=▿2≈0101-81010]]>圖像清晰度評(píng)價(jià)函數(shù)為：Jlaplacian8=ΣMΣNL4(x,y)]]>其次采用爬山算法進(jìn)行聚焦搜索，具體地，根據(jù)初始的焦距值，采用圖像清晰度評(píng)價(jià)函數(shù)計(jì)算得到初始的清晰度值。然后獲取下一個(gè)焦距值并再次計(jì)算新的清晰度值，并比較兩次清晰度值的大小，以確定搜索方向，即向清晰度值較大的一側(cè)繼續(xù)迭代搜索。在迭代搜索過(guò)程中，每次迭代都需要保存上一次的焦距值及其對(duì)應(yīng)的清晰度值，當(dāng)沿一個(gè)方向搜索到的清晰度值達(dá)到最大并開始下降時(shí)，第一次搜索結(jié)束。然后以該結(jié)束點(diǎn)開始反向搜索，當(dāng)再次越過(guò)峰值并開始下降時(shí)，第二次搜索結(jié)束，如此反復(fù)，直到找到最大清晰度值。如圖2所示，假設(shè)聚焦搜索的初始焦距值為A，下一焦距值為B，計(jì)算得到的清晰度值J(A)<J(B)，則確定搜索方向?yàn)閺腁向B，依此類推，當(dāng)沿著該方向搜索到的清晰度值在焦距值為P時(shí)達(dá)到最大，并在焦距值為P1開始下降時(shí)，第一次搜索結(jié)束。如圖2中實(shí)線所示，得到搜索路徑為A—>B—>P—>P1。然后以焦距值為P1開始進(jìn)行反向搜索，直到再次越過(guò)峰值P，并在焦距值為P2時(shí)開始下降，第二次搜索結(jié)束。如圖2中的虛線所示，得到搜索路徑為P1—>P—>P2，每搜索一次，搜索的步距相應(yīng)地減小，如此反復(fù)，直到找到最大清晰度值為止，聚焦結(jié)束，即完成自動(dòng)對(duì)焦。本發(fā)明實(shí)施例通過(guò)對(duì)所拍攝的圖像進(jìn)行檢測(cè)，獲取圖像中的運(yùn)動(dòng)區(qū)域，并從一個(gè)或者多個(gè)運(yùn)動(dòng)區(qū)域中確定目標(biāo)區(qū)域，然后對(duì)目標(biāo)區(qū)域進(jìn)行跟蹤，確定目標(biāo)區(qū)域所在位置，再根據(jù)目標(biāo)區(qū)域所在位置進(jìn)行自動(dòng)對(duì)焦，從而提高了自動(dòng)對(duì)焦的準(zhǔn)確性。進(jìn)一步地，如圖3所示，基于上述實(shí)施例，上述步驟S100可包括：步驟S110、在拍攝過(guò)程中，檢測(cè)所拍攝的當(dāng)前圖像中的運(yùn)動(dòng)對(duì)象，獲得運(yùn)動(dòng)區(qū)域；步驟S120、判斷所獲得的運(yùn)動(dòng)區(qū)域是否為多個(gè)；步驟S130、當(dāng)所獲得的運(yùn)動(dòng)區(qū)域?yàn)槎鄠€(gè)時(shí)，從該多個(gè)運(yùn)動(dòng)區(qū)域中選取一個(gè)作為目標(biāo)區(qū)域；或者，步驟S140、當(dāng)所獲得的運(yùn)動(dòng)區(qū)域?yàn)橐粋€(gè)時(shí)，將該運(yùn)動(dòng)區(qū)域作為目標(biāo)區(qū)域。在手機(jī)拍攝過(guò)程中，檢測(cè)所拍攝的當(dāng)前圖像中的運(yùn)動(dòng)對(duì)象，并根據(jù)運(yùn)動(dòng)對(duì)象獲得運(yùn)動(dòng)區(qū)域，由于得到的運(yùn)動(dòng)區(qū)域可能是一個(gè)，也可能是多個(gè)，在確定運(yùn)動(dòng)區(qū)域后，需要判斷所獲得的運(yùn)動(dòng)區(qū)域一個(gè)還是多個(gè)。當(dāng)所獲得的運(yùn)動(dòng)區(qū)域?yàn)槎鄠€(gè)時(shí)，從該多個(gè)運(yùn)動(dòng)區(qū)域中選取一個(gè)作為目標(biāo)區(qū)域。具體地，可根據(jù)預(yù)設(shè)的規(guī)則計(jì)算每個(gè)運(yùn)動(dòng)區(qū)域的權(quán)重，將權(quán)重較大者作為目標(biāo)區(qū)域。該預(yù)設(shè)的規(guī)則可為：對(duì)運(yùn)動(dòng)區(qū)域的面積大小與離圖像中心的距離分別進(jìn)行打分，該打分規(guī)則可為：面積越大分?jǐn)?shù)越高，距離越小分?jǐn)?shù)越高，并根據(jù)兩者加權(quán)后得到運(yùn)動(dòng)區(qū)域的權(quán)重。例如，假設(shè)存在兩個(gè)運(yùn)動(dòng)區(qū)域，且第一運(yùn)動(dòng)區(qū)域的面積為3，離圖像中心的距離為2，得到的權(quán)重為5，而第二運(yùn)動(dòng)區(qū)域的面積為2，離圖像中心的距離為4，得到的權(quán)重為6，則第一運(yùn)動(dòng)區(qū)域的權(quán)重小于第二運(yùn)動(dòng)區(qū)域的權(quán)重，從而將第二運(yùn)動(dòng)區(qū)域作為目標(biāo)區(qū)域，若存在兩個(gè)以上的運(yùn)動(dòng)區(qū)域，計(jì)算方法依此類推。需要說(shuō)明的是，該預(yù)設(shè)的規(guī)則也可根據(jù)具體情況進(jìn)行靈活設(shè)置，并不限定本發(fā)明。當(dāng)只存在一個(gè)運(yùn)動(dòng)區(qū)域時(shí)，則該運(yùn)動(dòng)區(qū)域?yàn)槟繕?biāo)區(qū)域。進(jìn)一步地，為了提高確定圖像中的目標(biāo)區(qū)域的準(zhǔn)確率，如圖4所示，基于上述實(shí)施例，上述步驟S110可包括：步驟S111、對(duì)所拍攝的當(dāng)前幀圖像與前一幀圖像分別進(jìn)行前景和背景分離，獲得當(dāng)前幀圖像的前景區(qū)域塊和前一幀圖像的前景區(qū)域塊；步驟S112、將當(dāng)前幀圖像的前景區(qū)域塊和前一幀圖像的前景區(qū)域塊進(jìn)行同一位置重合比對(duì)，確定運(yùn)動(dòng)區(qū)域。首先將所拍攝的當(dāng)前圖像的RGB圖像轉(zhuǎn)換為灰度圖像，例如，可根據(jù)轉(zhuǎn)換公式：Gray＝0.212671R+0.715160G+0.072169B，轉(zhuǎn)換得到第一灰度圖像，將前一幀圖像用同樣的方法轉(zhuǎn)換得到第二灰度圖像。其次分別對(duì)得到的第一灰度圖像和第二灰度圖像進(jìn)行前景和背景分離，獲得當(dāng)前幀圖像的前景區(qū)域塊和前一幀圖像的前景區(qū)域塊，并將當(dāng)前幀圖像的前景區(qū)域塊和前一幀圖像的前景區(qū)域塊進(jìn)行同一位置重合比對(duì)，以確定圖像中的運(yùn)動(dòng)區(qū)域。具體地，先利用背景匹配法進(jìn)行背景抖動(dòng)消除，即進(jìn)行第一灰度圖像中角點(diǎn)的提取，并與第二灰度圖像上的角點(diǎn)進(jìn)行匹配，篩選掉不合理的匹配點(diǎn)。然后采用三幀差分法進(jìn)行前景區(qū)域的提取，在手機(jī)拍攝的過(guò)程中，會(huì)對(duì)連續(xù)幀圖像進(jìn)行存儲(chǔ)，可以是存儲(chǔ)5幀或者是其他幀數(shù)。三幀差分法可包括：假設(shè)當(dāng)前幀圖像為f1，存儲(chǔ)的前兩幀圖像分別為f2和f3，前景區(qū)域?yàn)閒，則根據(jù)f12＝f1-f2；f23＝f2-f3；f＝f12*f23，可得到前景區(qū)域f，從而實(shí)現(xiàn)了采用兩幀差分相乘的結(jié)果，利用了視頻連續(xù)幀的強(qiáng)相關(guān)性，能夠有效地排除噪聲、光照不均等因素的影響，使運(yùn)動(dòng)區(qū)域提取的精度更高。由于分離出的運(yùn)動(dòng)區(qū)域中可能含有多種噪聲，因此，需要對(duì)得到的運(yùn)動(dòng)區(qū)域進(jìn)行真假判別，以確定出真的運(yùn)動(dòng)區(qū)域。具體地，對(duì)運(yùn)動(dòng)區(qū)域進(jìn)行真假判別的步驟可包括：首先對(duì)上述處理后的當(dāng)前圖像與前一幀圖像分別進(jìn)行平滑去噪，閾值分割以及腐蝕膨脹等形態(tài)學(xué)處理，經(jīng)過(guò)處理后得到二值圖像，即0值像素塊為背景，1值像素塊為可能的運(yùn)動(dòng)區(qū)域或剩余少量孤立噪點(diǎn)。然后對(duì)1值像素塊進(jìn)行邊緣輪廓檢測(cè)，得到每一個(gè)封閉像素塊的上下左右邊界坐標(biāo)以及區(qū)域面積。最后將得到封閉像素塊中區(qū)域面積較小的噪點(diǎn)區(qū)域塊剔除掉，留下的封閉像素塊作為候選的運(yùn)動(dòng)區(qū)域，該區(qū)域面積較小的噪點(diǎn)區(qū)域塊可為小于預(yù)置的區(qū)域面積，該預(yù)置的區(qū)域面積可根據(jù)具體情況進(jìn)行靈活設(shè)置。其次對(duì)候選的運(yùn)動(dòng)區(qū)域進(jìn)行時(shí)域?yàn)V波，即對(duì)當(dāng)前幀圖像的運(yùn)動(dòng)區(qū)域和前一幀圖像的運(yùn)動(dòng)區(qū)域進(jìn)行同一位置重合比對(duì)，將當(dāng)前幀圖像與前一幀圖像在同一位置附近檢測(cè)出的運(yùn)動(dòng)區(qū)域判定為真的運(yùn)動(dòng)區(qū)域。當(dāng)然，也可以對(duì)當(dāng)前圖像與存儲(chǔ)的多幀圖像進(jìn)行連續(xù)多幀圖像檢測(cè)，將檢測(cè)到候選的運(yùn)動(dòng)區(qū)域進(jìn)行同一位置的重合比對(duì)，將連續(xù)多幀圖像在同一位置檢測(cè)出的運(yùn)動(dòng)區(qū)域判定為真的運(yùn)動(dòng)區(qū)域。只在某一幀圖像中偶然檢測(cè)出的運(yùn)動(dòng)區(qū)域則判定為干擾區(qū)域，即為假的運(yùn)動(dòng)區(qū)域，并將其去除，從而實(shí)現(xiàn)了運(yùn)動(dòng)區(qū)域的真假進(jìn)行判別，提高了提取運(yùn)動(dòng)區(qū)域可靠性。需要說(shuō)明的是，上述工作原理中以手機(jī)攝像頭拍攝為例，采用了背景匹配法進(jìn)行背景抖動(dòng)消除、三幀差分法進(jìn)行運(yùn)動(dòng)區(qū)域的提取、時(shí)域?yàn)V波去除干擾等等，但是并不限定本發(fā)明。凡是利用上述工作原理得到運(yùn)動(dòng)區(qū)域，即使加入了其他算法、改進(jìn)的算法等因素的各種變形均在本發(fā)明的保護(hù)范圍之內(nèi)。進(jìn)一步地，如圖5所示，本發(fā)明還提出了一種非接觸式自動(dòng)對(duì)焦方法第二實(shí)施例，上述非接觸式自動(dòng)對(duì)焦方法還包括：步驟S400、根據(jù)目標(biāo)區(qū)域所在位置進(jìn)行自動(dòng)對(duì)焦后，判斷是否退出拍攝；若是，則執(zhí)行步驟S500；若否，則執(zhí)行步驟S600；步驟S500、結(jié)束拍攝；步驟S600、判斷連續(xù)幀圖像的幀數(shù)達(dá)到預(yù)置幀數(shù)；若是，則轉(zhuǎn)入步驟S100；若否，則轉(zhuǎn)入步驟S200。本實(shí)施例中，循環(huán)執(zhí)行步驟S200及步驟S300，對(duì)連續(xù)幀圖像中的目標(biāo)區(qū)域進(jìn)行跟蹤及自動(dòng)對(duì)焦，當(dāng)連續(xù)幀圖像的幀數(shù)達(dá)到預(yù)置幀數(shù)時(shí)，轉(zhuǎn)入步驟S100。具體地，根據(jù)目標(biāo)區(qū)域所在位置進(jìn)行自動(dòng)對(duì)焦后，若已退出拍攝，則關(guān)閉攝像設(shè)備，結(jié)束拍攝。若還未退出拍攝，則手機(jī)攝像頭繼續(xù)捕捉圖像，循環(huán)執(zhí)行對(duì)目標(biāo)區(qū)域進(jìn)行跟蹤，獲得目標(biāo)區(qū)域所在位置，并根據(jù)所述目標(biāo)區(qū)域所在位置進(jìn)行自動(dòng)對(duì)焦，實(shí)現(xiàn)對(duì)連續(xù)幀圖像進(jìn)行跟蹤及自動(dòng)對(duì)焦。例如，當(dāng)對(duì)目標(biāo)區(qū)域進(jìn)行第二次跟蹤時(shí)，將上述得到的所檢測(cè)圖像的紋理直方圖與第二次跟蹤的圖像進(jìn)行反向投影得到紋理概率分布圖，將上述得到的所檢測(cè)圖像的顏色直方圖與第二次跟蹤的圖像進(jìn)行反向投影得到色調(diào)概率分布圖；再將紋理概率分布圖與色調(diào)概率分布圖進(jìn)行相與運(yùn)算，得到的灰度圖像。假設(shè)該灰度圖像中的初始目標(biāo)區(qū)域?yàn)榈谝淮胃櫟玫降哪繕?biāo)區(qū)域的位置和大小，然后移動(dòng)該灰度圖像中的目標(biāo)區(qū)域位置，得到目標(biāo)區(qū)域的質(zhì)心。通過(guò)第一次移動(dòng)得目標(biāo)區(qū)域的質(zhì)心與第二次移動(dòng)得到目標(biāo)區(qū)域的質(zhì)心進(jìn)行比較，記錄較大值，然后進(jìn)行多次移動(dòng)比較，直到得到目標(biāo)區(qū)域的質(zhì)心最大，就確定目標(biāo)區(qū)域的位置。對(duì)目標(biāo)區(qū)域進(jìn)行多次跟蹤時(shí)，依此類推，確定出目標(biāo)區(qū)域的位置。同時(shí)，將連續(xù)幀圖像的幀數(shù)與預(yù)置幀數(shù)進(jìn)行比較，當(dāng)連續(xù)幀圖像的幀數(shù)達(dá)到預(yù)置幀數(shù)時(shí)，則重新檢測(cè)所拍攝的圖像中的運(yùn)動(dòng)對(duì)象，以重新確定圖像中的目標(biāo)區(qū)域?？梢岳斫獾氖?，該預(yù)置幀數(shù)可設(shè)置為5幀或者10幀等，也可根據(jù)具體情況進(jìn)行靈活設(shè)置，并不限定本發(fā)明。若連續(xù)幀圖像的幀數(shù)未達(dá)到預(yù)置幀數(shù)時(shí)，假設(shè)連續(xù)幀圖像的幀數(shù)為3幀，預(yù)置幀數(shù)為6幀，則對(duì)目標(biāo)區(qū)域進(jìn)行跟蹤，獲得目標(biāo)區(qū)域所在位置，根據(jù)目標(biāo)區(qū)域所在位置進(jìn)行自動(dòng)對(duì)焦。本實(shí)施例通過(guò)對(duì)預(yù)置幀數(shù)進(jìn)行設(shè)置，解決了在拍攝過(guò)程中運(yùn)動(dòng)對(duì)象不停運(yùn)動(dòng) 時(shí)，目標(biāo)區(qū)域的位置有所改變而使對(duì)焦不準(zhǔn)確的問(wèn)題，進(jìn)一步提高了跟蹤目標(biāo)區(qū)域的可靠性。對(duì)應(yīng)地，如圖6所示，提出本發(fā)明一種非接觸式自動(dòng)對(duì)焦裝置第一實(shí)施例。該實(shí)施例的非接觸式自動(dòng)對(duì)焦裝置包括：目標(biāo)區(qū)域確定模塊100，用于在拍攝過(guò)程中，檢測(cè)所拍攝的圖像中的運(yùn)動(dòng)對(duì)象，確定圖像中的目標(biāo)區(qū)域；位置獲取模塊200，用于對(duì)所述目標(biāo)區(qū)域進(jìn)行跟蹤，獲得目標(biāo)區(qū)域所在位置；本實(shí)施例的非接觸式自動(dòng)對(duì)焦方法可應(yīng)用于終端攝像頭等一些拍攝場(chǎng)合，例如，手機(jī)、ipad、照相機(jī)等，以下以手機(jī)攝像頭拍攝為例進(jìn)行說(shuō)明。當(dāng)打開手機(jī)攝像頭后，在拍攝過(guò)程中，存儲(chǔ)連續(xù)多幀圖像，檢測(cè)所拍攝的圖像中的運(yùn)動(dòng)對(duì)象，根據(jù)運(yùn)動(dòng)對(duì)象得到一個(gè)或者多個(gè)運(yùn)動(dòng)區(qū)域，同時(shí)會(huì)得到運(yùn)動(dòng)區(qū)域的位置和大小。再?gòu)脑撨\(yùn)動(dòng)區(qū)域中確定圖像中的目標(biāo)區(qū)域，該目標(biāo)區(qū)域?yàn)閷?duì)焦對(duì)象，并對(duì)連續(xù)幀圖像中的目標(biāo)區(qū)域進(jìn)行跟蹤，確定目標(biāo)區(qū)域所在位置。本實(shí)施例中，對(duì)目標(biāo)區(qū)域進(jìn)行跟蹤的思路是：用一種基于改進(jìn)的局部二值模式(LocalBinaryPattern，LBP)算子，將圖像的紋理直方圖與其顏色直方圖進(jìn)行融合，并嵌入到Camshift算法的框架中，對(duì)Camshift算法進(jìn)行優(yōu)化，以實(shí)現(xiàn)對(duì)目標(biāo)區(qū)域的跟蹤，具體步驟可包括：(1)將檢測(cè)得到的運(yùn)動(dòng)區(qū)域的位置和大小作為跟蹤時(shí)初始運(yùn)動(dòng)區(qū)域的位置和大??；(2)用LBP算子計(jì)算得到所檢測(cè)圖像的紋理直方圖；(3)用得到的紋理直方圖與當(dāng)前跟蹤的圖像進(jìn)行反向投影，得到紋理概率分布圖，并利用所檢測(cè)圖像的顏色直方圖與當(dāng)前跟蹤的圖像進(jìn)行反向投影，得到色調(diào)概率分布圖；(4)將紋理概率分布圖與色調(diào)概率分布圖進(jìn)行相與運(yùn)算，得到灰度圖像，將該灰度圖像作為Camshift算法的輸入圖像；(5)利用Camshift算法跟蹤該灰度圖像中目標(biāo)區(qū)域，即將初始運(yùn)動(dòng)區(qū)域的位置和大小作為該灰度圖像中目標(biāo)區(qū)域的位置和大小；(6)移動(dòng)灰度圖像中的目標(biāo)區(qū)域位置，直到得到目標(biāo)區(qū)域的質(zhì)心最大，就確定目標(biāo)區(qū)域的位置和大?。?7)加載下一幀圖像作為當(dāng)前跟蹤的圖像，轉(zhuǎn)入步驟(3)。其中，利用LBP算子提取圖像的紋理直方圖具體為：像素點(diǎn)(x，y)處的局部二值化紋理值LBP(x，y)即可通過(guò)下面的公式來(lái)計(jì)算：LBP(x,y)=Σn=0p-12nsgn(in-ic)]]>其中ic表示像素點(diǎn)(x，y)的灰度值，in為相鄰像素的灰度值。p為鄰像素個(gè)數(shù)，若取3×3的計(jì)算窗口，則p＝8，sgn為符號(hào)函數(shù)，其表達(dá)式如下：sgn(x)=1(x≥0)0(x<0)]]>使用該LBP算子求得圖像中每一個(gè)像素的紋理值，從而可得一幅局部二值化的紋理直方圖。需要說(shuō)明的是，上述工作原理中采用了LBP算子、Camshift算法等等，但是并不限定本發(fā)明。凡是利用上述工作原理獲取目標(biāo)區(qū)域的位置，即使加入了其他算法、改進(jìn)的算法等因素的各種變形均在本發(fā)明的保護(hù)范圍之內(nèi)。對(duì)焦模塊300，用于根據(jù)所述目標(biāo)區(qū)域所在位置進(jìn)行自動(dòng)對(duì)焦。在對(duì)目標(biāo)區(qū)域進(jìn)行跟蹤得到目標(biāo)區(qū)域所在位置后，根據(jù)目標(biāo)區(qū)域所在位置進(jìn)行自動(dòng)對(duì)焦，優(yōu)選地，可以通過(guò)目標(biāo)區(qū)域的中心位置進(jìn)行自動(dòng)對(duì)焦，或者當(dāng)目標(biāo)區(qū)域是人時(shí)，可以選擇人臉的位置進(jìn)行自動(dòng)對(duì)焦。當(dāng)然，也可以在檢測(cè)得到圖像中的目標(biāo)區(qū)域的位置后，不對(duì)該目標(biāo)區(qū)域進(jìn)行跟蹤，直接根據(jù)檢測(cè)得到目標(biāo)區(qū)域所在位置進(jìn)行自動(dòng)對(duì)焦。自動(dòng)對(duì)焦的過(guò)程可包括清晰度評(píng)價(jià)和聚焦搜索，具體地，首先采用改進(jìn)的8鄰域Laplacian算子進(jìn)行清晰度評(píng)價(jià)，改進(jìn)的8鄰域Laplacian算子是根據(jù)圖像f(x，y)在x，y方向上的二階偏導(dǎo)數(shù)定義的一種邊緣檢測(cè)算子，該改進(jìn)的8鄰域Laplacian算子模板表示為：L4(x,y)=▿2≈0101-81010]]>圖像清晰度評(píng)價(jià)函數(shù)為：Jlaplacian8=ΣMΣNL4(x,y)]]>其次采用爬山算法進(jìn)行聚焦搜索，具體地，根據(jù)初始的焦距值，采用圖像清晰度評(píng)價(jià)函數(shù)計(jì)算得到初始的清晰度值。然后獲取下一個(gè)焦距值并再次計(jì)算新的清晰度值，并比較兩次清晰度值的大小，以確定搜索方向，即向清晰度值較大的一側(cè)繼續(xù)迭代搜索。在迭代搜索過(guò)程中，每次迭代都需要保存上一次的焦距值及其對(duì)應(yīng)的清晰度值，當(dāng)沿一個(gè)方向搜索到的清晰度值達(dá)到最大并開始下降時(shí)，第一次搜索結(jié)束。然后以該結(jié)束點(diǎn)開始反向搜索，當(dāng)再次越過(guò)峰值并開始下降時(shí)，第二次搜索結(jié)束，如此反復(fù)，直到找到最大清晰度值。如圖2所示，假設(shè)聚焦搜索的初始焦距值為A，下一焦距值為B，計(jì)算得到的清晰度值J(A)<J(B)，則確定搜索方向?yàn)閺腁向B，依此類推，當(dāng)沿著該方向搜索到的清晰度值在焦距值為P時(shí)達(dá)到最大，并在焦距值為P1開始下降時(shí)，第一次搜索結(jié)束。如圖2中實(shí)線所示，得到搜索路徑為A—>B—>P—>P1。然后以焦距值為P1開始進(jìn)行反向搜索，直到再次越過(guò)峰值P，并在焦距值為P2時(shí)開始下降，第二次搜索結(jié)束。如圖2中的虛線所示，得到搜索路徑為P1—>P—>P2，每搜索一次，搜索的步距相應(yīng)地減小，如此反復(fù)，直到找到最大清晰度值為止，聚焦結(jié)束，即完成自動(dòng)對(duì)焦。本發(fā)明實(shí)施例通過(guò)對(duì)所拍攝的圖像進(jìn)行檢測(cè)，獲取圖像中的運(yùn)動(dòng)區(qū)域，并從一個(gè)或者多個(gè)運(yùn)動(dòng)區(qū)域中確定目標(biāo)區(qū)域，然后對(duì)目標(biāo)區(qū)域進(jìn)行跟蹤，確定目標(biāo)區(qū)域所在位置，再根據(jù)目標(biāo)區(qū)域所在位置進(jìn)行自動(dòng)對(duì)焦，從而提高了自動(dòng)對(duì)焦的準(zhǔn)確性。進(jìn)一步地，如圖7所示，基于上述實(shí)施例，上述目標(biāo)區(qū)域確定模塊100可包括：運(yùn)動(dòng)區(qū)域獲取單元110，用于在拍攝過(guò)程中，檢測(cè)所拍攝的當(dāng)前圖像中的運(yùn)動(dòng)對(duì)象，獲得運(yùn)動(dòng)區(qū)域；目標(biāo)區(qū)域確定單元120，用于當(dāng)所獲得的運(yùn)動(dòng)區(qū)域?yàn)槎鄠€(gè)時(shí)，從該多個(gè)運(yùn)動(dòng)區(qū)域中選取一個(gè)作為目標(biāo)區(qū)域；或者，當(dāng)所獲得的運(yùn)動(dòng)區(qū)域?yàn)橐粋€(gè)時(shí)，將該運(yùn)動(dòng)區(qū)域作為目標(biāo)區(qū)域。進(jìn)一步地，所述確定單元用于：當(dāng)所獲得的運(yùn)動(dòng)區(qū)域?yàn)槎鄠€(gè)時(shí)，根據(jù)預(yù) 設(shè)的規(guī)則計(jì)算每個(gè)運(yùn)動(dòng)區(qū)域的權(quán)重，將權(quán)重較大者作為目標(biāo)區(qū)域。在手機(jī)拍攝過(guò)程中，檢測(cè)所拍攝的當(dāng)前圖像中的運(yùn)動(dòng)對(duì)象，并根據(jù)運(yùn)動(dòng)對(duì)象獲得運(yùn)動(dòng)區(qū)域，由于得到的運(yùn)動(dòng)區(qū)域可能是一個(gè)，也可能是多個(gè)，在確定運(yùn)動(dòng)區(qū)域后，需要判斷所獲得的運(yùn)動(dòng)區(qū)域一個(gè)還是多個(gè)。當(dāng)所獲得的運(yùn)動(dòng)區(qū)域?yàn)槎鄠€(gè)時(shí)，從該多個(gè)運(yùn)動(dòng)區(qū)域中選取一個(gè)作為目標(biāo)區(qū)域。具體地，可根據(jù)預(yù)設(shè)的規(guī)則計(jì)算每個(gè)運(yùn)動(dòng)區(qū)域的權(quán)重，將權(quán)重較大者作為目標(biāo)區(qū)域。該預(yù)設(shè)的規(guī)則可為：對(duì)運(yùn)動(dòng)區(qū)域的面積大小與離圖像中心的距離分別進(jìn)行打分，該打分規(guī)則可為：面積越大分?jǐn)?shù)越高，距離越小分?jǐn)?shù)越高，并根據(jù)兩者加權(quán)后得到運(yùn)動(dòng)區(qū)域的權(quán)重。例如，假設(shè)存在兩個(gè)運(yùn)動(dòng)區(qū)域，且第一運(yùn)動(dòng)區(qū)域的面積為3，離圖像中心的距離為2，得到的權(quán)重為5，而第二運(yùn)動(dòng)區(qū)域的面積為2，離圖像中心的距離為4，得到的權(quán)重為6，則第一運(yùn)動(dòng)區(qū)域的權(quán)重小于第二運(yùn)動(dòng)區(qū)域的權(quán)重，從而將第二運(yùn)動(dòng)區(qū)域作為目標(biāo)區(qū)域，若存在兩個(gè)以上的運(yùn)動(dòng)區(qū)域，計(jì)算方法依此類推。需要說(shuō)明的是，該預(yù)設(shè)的規(guī)則也可根據(jù)具體情況進(jìn)行靈活設(shè)置，并不限定本發(fā)明。當(dāng)只存在一個(gè)運(yùn)動(dòng)區(qū)域時(shí)，則該運(yùn)動(dòng)區(qū)域?yàn)槟繕?biāo)區(qū)域。進(jìn)一步地，如圖8所示，基于上述實(shí)施例，上述運(yùn)動(dòng)區(qū)域獲取單元110可包括：前景區(qū)域塊獲取子單元111，用于對(duì)所拍攝的當(dāng)前幀圖像與前一幀圖像分別進(jìn)行前景和背景分離，獲得當(dāng)前幀圖像的前景區(qū)域塊和前一幀圖像的前景區(qū)域塊；運(yùn)動(dòng)區(qū)域確定子單元112，用于將當(dāng)前幀圖像的前景區(qū)域塊和前一幀圖像的前景區(qū)域塊進(jìn)行同一位置重合比對(duì)，確定運(yùn)動(dòng)區(qū)域。首先將所拍攝的當(dāng)前圖像的RGB圖像轉(zhuǎn)換為灰度圖像，例如，可根據(jù)轉(zhuǎn)換公式：Gray＝0.212671R+0.715160G+0.072169B，轉(zhuǎn)換得到第一灰度圖像，將前一幀圖像用同樣的方法轉(zhuǎn)換得到第二灰度圖像。其次分別對(duì)得到的第一灰度圖像和第二灰度圖像進(jìn)行前景和背景分離，獲得當(dāng)前幀圖像的前景區(qū)域塊和前一幀圖像的前景區(qū)域塊，并將當(dāng)前幀圖像的前景區(qū)域塊和前一幀圖像的前景區(qū)域塊進(jìn)行同一位置重合比對(duì)，以確定圖像中的運(yùn)動(dòng)區(qū)域。具體地，先利用背景匹配法進(jìn)行背景抖動(dòng)消除，即進(jìn)行第一灰度圖像中 角點(diǎn)的提取，并與第二灰度圖像上的角點(diǎn)進(jìn)行匹配，篩選掉不合理的匹配點(diǎn)。然后采用三幀差分法進(jìn)行前景區(qū)域的提取，在手機(jī)拍攝的過(guò)程中，會(huì)對(duì)連續(xù)幀圖像進(jìn)行存儲(chǔ)，可以是存儲(chǔ)5幀或者是其他幀數(shù)。三幀差分法可包括：假設(shè)當(dāng)前幀圖像為f1，存儲(chǔ)的前兩幀圖像分別為f2和f3，前景區(qū)域?yàn)閒，則根據(jù)f12＝f1-f2；f23＝f2-f3；f＝f12*f23，可得到前景區(qū)域f，從而實(shí)現(xiàn)了采用兩幀差分相乘的結(jié)果，利用了視頻連續(xù)幀的強(qiáng)相關(guān)性，能夠有效地排除噪聲、光照不均等因素的影響，使運(yùn)動(dòng)區(qū)域提取的精度更高。由于分離出的運(yùn)動(dòng)區(qū)域中可能含有多種噪聲，因此，需要對(duì)得到的運(yùn)動(dòng)區(qū)域進(jìn)行真假判別，以確定出真的運(yùn)動(dòng)區(qū)域。具體地，對(duì)運(yùn)動(dòng)區(qū)域進(jìn)行真假判別的步驟可包括：首先對(duì)上述處理后的當(dāng)前圖像與前一幀圖像分別進(jìn)行平滑去噪，閾值分割以及腐蝕膨脹等形態(tài)學(xué)處理，經(jīng)過(guò)處理后得到二值圖像，即0值像素塊為背景，1值像素塊為可能的運(yùn)動(dòng)區(qū)域或剩余少量孤立噪點(diǎn)。然后對(duì)1值像素塊進(jìn)行邊緣輪廓檢測(cè)，得到每一個(gè)封閉像素塊的上下左右邊界坐標(biāo)以及區(qū)域面積。最后將得到封閉像素塊中區(qū)域面積較小的噪點(diǎn)區(qū)域塊剔除掉，留下的封閉像素塊作為候選的運(yùn)動(dòng)區(qū)域，該區(qū)域面積較小的噪點(diǎn)區(qū)域塊可為小于預(yù)置的區(qū)域面積，該預(yù)置的區(qū)域面積可根據(jù)具體情況進(jìn)行靈活設(shè)置。其次對(duì)候選的運(yùn)動(dòng)區(qū)域進(jìn)行時(shí)域?yàn)V波，即對(duì)當(dāng)前幀圖像的運(yùn)動(dòng)區(qū)域和前一幀圖像的運(yùn)動(dòng)區(qū)域進(jìn)行同一位置重合比對(duì)，將當(dāng)前幀圖像與前一幀圖像在同一位置附近檢測(cè)出的運(yùn)動(dòng)區(qū)域判定為真的運(yùn)動(dòng)區(qū)域。當(dāng)然，也可以對(duì)當(dāng)前圖像與存儲(chǔ)的多幀圖像進(jìn)行連續(xù)多幀圖像檢測(cè)，將檢測(cè)到候選的運(yùn)動(dòng)區(qū)域進(jìn)行同一位置的重合比對(duì)，將連續(xù)多幀圖像在同一位置檢測(cè)出的運(yùn)動(dòng)區(qū)域判定為真的運(yùn)動(dòng)區(qū)域。只在某一幀圖像中偶然檢測(cè)出的運(yùn)動(dòng)區(qū)域則判定為干擾區(qū)域，即為假的運(yùn)動(dòng)區(qū)域，并將其去除，從而實(shí)現(xiàn)了運(yùn)動(dòng)區(qū)域的真假進(jìn)行判別，提高了提取運(yùn)動(dòng)區(qū)域可靠性。需要說(shuō)明的是，上述工作原理中以手機(jī)攝像頭拍攝為例，采用了背景匹配法進(jìn)行背景抖動(dòng)消除、三幀差分法進(jìn)行運(yùn)動(dòng)區(qū)域的提取、時(shí)域?yàn)V波去除干擾等等，但是并不限定本發(fā)明。凡是利用上述工作原理得到運(yùn)動(dòng)區(qū)域，即使加入了其他算法、改進(jìn)的算法等因素的各種變形均在本發(fā)明的保護(hù)范圍之內(nèi)。進(jìn)一步地，如圖9所示，本發(fā)明還提出了一種非接觸式自動(dòng)對(duì)焦裝置第 二實(shí)施例。該實(shí)施例的非接觸式自動(dòng)對(duì)焦裝置可包括：循環(huán)控制模塊400，用于控制所述位置獲取模塊和對(duì)焦模塊循環(huán)對(duì)連續(xù)幀圖像中的目標(biāo)區(qū)域進(jìn)行跟蹤及自動(dòng)對(duì)焦，直到所述連續(xù)幀圖像的幀數(shù)達(dá)到預(yù)置幀數(shù)；還用于當(dāng)連續(xù)幀圖像的幀數(shù)達(dá)到預(yù)置幀數(shù)時(shí)，控制所述目標(biāo)區(qū)域確定模塊重新確定拍攝圖像中的目標(biāo)區(qū)域。本實(shí)施例中，位置獲取模塊200和對(duì)焦模塊300循環(huán)對(duì)連續(xù)幀圖像中的目標(biāo)區(qū)域進(jìn)行跟蹤及自動(dòng)對(duì)焦，直到所述連續(xù)幀圖像的幀數(shù)達(dá)到預(yù)置幀數(shù)。具體地，根據(jù)目標(biāo)區(qū)域所在位置進(jìn)行自動(dòng)對(duì)焦后，若已退出拍攝，則關(guān)閉攝像設(shè)備，結(jié)束拍攝。若還未退出拍攝，則手機(jī)攝像頭繼續(xù)捕捉圖像，循環(huán)執(zhí)行對(duì)目標(biāo)區(qū)域進(jìn)行跟蹤，獲得目標(biāo)區(qū)域所在位置，并根據(jù)所述目標(biāo)區(qū)域所在位置進(jìn)行自動(dòng)對(duì)焦，實(shí)現(xiàn)對(duì)連續(xù)幀圖像進(jìn)行跟蹤及自動(dòng)對(duì)焦。例如，當(dāng)對(duì)目標(biāo)區(qū)域進(jìn)行第二次跟蹤時(shí)，將上述得到的所檢測(cè)圖像的紋理直方圖與第二次跟蹤的圖像進(jìn)行反向投影得到紋理概率分布圖，將上述得到的所檢測(cè)圖像的顏色直方圖與第二次跟蹤的圖像進(jìn)行反向投影得到色調(diào)概率分布圖；再將紋理概率分布圖與色調(diào)概率分布圖進(jìn)行相與運(yùn)算，得到的灰度圖像。假設(shè)該灰度圖像中的初始目標(biāo)區(qū)域?yàn)榈谝淮胃櫟玫降哪繕?biāo)區(qū)域的位置和大小，然后移動(dòng)該灰度圖像中的目標(biāo)區(qū)域位置，得到目標(biāo)區(qū)域的質(zhì)心，通過(guò)第一次移動(dòng)得目標(biāo)區(qū)域的質(zhì)心與第二次移動(dòng)得到目標(biāo)區(qū)域的質(zhì)心進(jìn)行比較，記錄較大值，然后進(jìn)行多次移動(dòng)比較，直到得到目標(biāo)區(qū)域的質(zhì)心最大，就確定目標(biāo)區(qū)域的位置。對(duì)目標(biāo)區(qū)域進(jìn)行多次跟蹤時(shí)，依此類推，確定出目標(biāo)區(qū)域的位置。同時(shí)，當(dāng)連續(xù)幀圖像的幀數(shù)達(dá)到預(yù)置幀數(shù)時(shí)，控制所述目標(biāo)區(qū)域確定模塊100重新確定拍攝圖像中的目標(biāo)區(qū)域。具體地，將連續(xù)幀圖像的幀數(shù)與預(yù)置幀數(shù)進(jìn)行比較，當(dāng)連續(xù)幀圖像的幀數(shù)達(dá)到預(yù)置幀數(shù)時(shí)，則重新檢測(cè)所拍攝的圖像中的運(yùn)動(dòng)對(duì)象，以重新確定圖像中的目標(biāo)區(qū)域。可以理解的是，該預(yù)置幀數(shù)可設(shè)置為5幀或者10幀等，也可根據(jù)具體情況進(jìn)行靈活設(shè)置，并不限定本發(fā)明。若連續(xù)幀圖像的幀數(shù)未達(dá)到預(yù)置幀數(shù)時(shí)，假設(shè)連續(xù)幀圖像的幀數(shù)為3幀，預(yù)置幀數(shù)為6幀，則對(duì)目標(biāo)區(qū)域進(jìn)行跟蹤，獲得目標(biāo)區(qū)域所在位置，根據(jù)目標(biāo)區(qū)域所在位置進(jìn)行自動(dòng)對(duì)焦。本實(shí)施例通過(guò)對(duì)預(yù)置幀數(shù)進(jìn)行設(shè)置，解決了在拍攝過(guò)程中運(yùn)動(dòng)對(duì)象不停運(yùn)動(dòng)時(shí)，目標(biāo)區(qū)域的位置有所改變而使對(duì)焦不準(zhǔn)確的問(wèn)題，進(jìn)一步提高了跟蹤目標(biāo)區(qū)域的可靠性。以上所述僅為本發(fā)明的優(yōu)選實(shí)施例，并非因此限制本發(fā)明的專利范圍，凡是利用本發(fā)明說(shuō)明書及附圖內(nèi)容所作的等效結(jié)構(gòu)或流程變換，或直接或間接運(yùn)用在其它相關(guān)的
技術(shù)領(lǐng)域：
，均同理包括在本發(fā)明的專利保護(hù)范圍內(nèi)。當(dāng)前第1頁(yè)1 2 3