CN108924427A - 一种摄像机聚焦方法、装置以及摄像机 - Google Patents

Abstract

本发明公开了一种摄像机聚焦方法、装置以及摄像机，用于提升摄像机的聚焦结果。该方法包括：从摄像机拍摄的画面中确定出细节区域，所述细节区域为所述拍摄的画面中细节所在的子区域；将所述细节区域的权重值设置为预设权重值，所述预设权重值大于所述拍摄的画面中除所述细节区域之外的其他区域的权重值；基于所述细节区域以及所述预设权重值计算所述拍摄的画面的清晰度，并根据所述清晰度进行聚焦，这样从摄像机拍摄的画面中确定出细节区域，再将细节区域的权重设置为当前画面中的最大权重值，这样聚焦所得到的聚焦结果则能够倾向于细节所在的区域，从而降低画面模糊的概率，提升聚焦效果。

Description

一种摄像机聚焦方法、装置以及摄像机

技术领域

本发明涉及图像处理技术领域，特别涉及一种摄像机聚焦方法、装置以及摄像机。

背景技术

目前，摄像机是根据当前画面的清晰度评价值来确定焦点所对应的马达行进位置，从而进行聚焦，因此清晰度评价值的准确性与聚焦效果是息息相关的。当前大部分厂商提供的摄像机中的芯片都只支持进行区域级的自动聚焦(Auto Focus，AF)统计值的计算，例如图1所示，为对一张图像进行区域级的AF统计值计算的示意图。其中，将整张图像划分为了15*17个区域，通过清晰度评价函数分别计算每个区域的清晰度评价值，再加权求和得到整张图像的清晰度评价值。如图1中所示，每一个子区域都会有该区域对应的统计值曲线，并且可以看出，在房屋等存在细节的区域，统计值曲线均会符合单峰性和一致性等要求，而在如天空等无细节区域，统计值曲线则杂乱无章。

但是，目前在少细节场景或者低照度场景中计算整张图像的清晰度评价值时通常可以采用中心权重模式或者全局权重模式。因为通常人眼观看时，视线焦点通常落在视线范围内的中央，因此中心权重模式即是扩大中心区域的权重，使得聚焦结果偏向于中间区域的物体，但实质上中间区域可能并不是细节区域，这样所得到的聚焦效果可能也并不好；而全局权重模式则是保持芯片原始输出的AF统计值趋势，即将每个子区域一视同仁，但这样很容易使得很多统计值曲线不好的无细节区域或者低信噪比区域对最终聚焦结果的影响较大，从而忽略了真正的细节区域，那么最终的聚焦效果也并不好。

由此可见，现有技术中在少细节场景或者低照度场景中，最终得到的聚焦结果很可能出现与真实画面的焦点不符的情况，换句话说就是很容易出现画面模糊的问题，严重影响用户的使用体验。

发明内容

本发明实施例提供一种摄像机聚焦方法、装置以及摄像机，用于提升摄像机的聚焦结果。

第一方面，提供一种摄像机聚焦方法，该方法包括：

从摄像机拍摄的画面中确定出细节区域，所述细节区域为所述拍摄的画面中细节所在的子区域；

将所述细节区域的权重值设置为预设权重值，所述预设权重值大于所述拍摄的画面中除所述细节区域之外的其他区域的权重值；

基于所述细节区域以及所述预设权重值计算所述拍摄的画面的清晰度，并根据所述清晰度进行聚焦。

本发明实施例中，需要从摄像机拍摄的画面中确定出细节区域，再将细节区域的权重设置为当前画面中的最大权重值，再根据该权重值计算得到整个画面的清晰度，这样，根据该清晰度进行聚焦所得到的聚焦结果则能够倾向于细节所在的区域，从而降低画面模糊的概率，提升聚焦效果。

可选的，从摄像机拍摄的画面中确定出细节区域，包括：

根据预设大小的细节区域框，从所述拍摄的画面中确定N个子区域，N为正整数；

建立坐标系，并获取N个坐标，其中，一个坐标与一个子区域相对应；

利用遗传算法从所述N个坐标中确定出所述细节区域的坐标，以根据所述细节区域的坐标确定所述细节区域。

本发明实施例中，能够通过遗传算法加快从大量的子区域中找出细节区域的速度，从而提升聚焦速度。

可选的，利用遗传算法从所述N个坐标中确定出所述细节区域的坐标，包括：

从所述N个坐标中选择M个坐标作为母代种群，其中，M为正整数，且N与M之间的差值不小于预设数量阈值；

针对所述母代种群，执行以下循环，循环流程如下：

基于预设的清晰度评价函数，计算所述母代种群包括的每个坐标对应的子区域的清晰度；根据计算的清晰度对所述母代种群进行遗传操作，以生成子代种群，所述子代种群包括的M个坐标，与所述母代种群包括的M个坐标中至少一个坐标不同；将得到的子代种群作为新的母代种群，进入新的循环；

在所述循环满足终止条件时，根据生成的子代种群确定所述细节区域的坐标。

可选的，在所述循环满足终止条件时，根据生成的子代种群确定所述细节区域的坐标，包括：

在循环次数大于或者等于预设循环次数阈值时，将最后一次循环得到的子代种群中的最优坐标确定为所述细节区域的坐标，所述最优坐标为子代种群中对应的子区域的清晰度最高的坐标；或者，

在获得每个子代种群中的最优坐标，且确定连续多次获得的最优坐标之间的差值小于预设差值阈值时，将所述连续多次获得的最优坐标中对应的子区域的清晰度最高的坐标确定为所述细节区域的坐标。

可选的，所述根据计算的清晰度对所述母代种群进行遗传操作，以生成子代种群，包括：

根据所述计算的清晰度确定所述母代种群中每个坐标的遗传概率，并根据所述遗传概率从母代种群中选择预设数量的坐标；

对所述预设数量的坐标进行交叉操作和变异操作，得到多个新的坐标；

按照所述多个新的坐标对应的子区域的清晰度的排序，从所述多个新的坐标中确定M个坐标作为所述子代种群；其中，所述交叉操作为将两个坐标中至少一个位置的值进行交换的操作，所述变异操作为将坐标中的至少一个位置的值从第一值变更为第二值的操作，第一值与第二值不同。

可选的，所述N个坐标中的每一个坐标均通过二进制值进行表示，所述二进制值的位数是根据所述N个坐标中值最大的坐标确定的。

可选的，从摄像机拍摄的画面中确定出细节区域，包括：

根据所述拍摄的画面的像素格式，提取出所述拍摄的画面的分量数据中能够表征亮度的分量数据；

根据所述能够表征亮度的分量数据，从所述拍摄的画面中确定所述细节区域。

本发明实施例中，由于亮度分量数据就可以表达出整个画面包括的内容，因而只需要对亮度分量数据进行处理，就可以确定细节区域，这样，既可以减少运算过程所需的计算量，从而加快细节区域的确定，以加快聚焦速度。

可选的，根据所述能够表征亮度的分量数据，从所述拍摄的画面中确定所述细节区域，包括：

对所述能够表征亮度的分量数据进行采样，以将所述能够表征亮度的分量数据呈现的画面压缩为预设大小的图像；

确定所述预设大小的图像中细节所在的子区域；

根据确定的所述预设大小的图像中细节所在的子区域，以及所述预设大小的图像中的子区域与所述拍摄的画面中的子区域之间的映射关系，确定所述细节区域。

本发明实施例中，可以通过对图像进行压缩，以在压缩后的图像中确定细节区域，再反推到原始画面中的细节区域，这样，既可以减少确定细节区域所需的计算量，进一步加快细节区域的确定，以加快聚焦速度。

第二方面，提供一种摄像机聚焦装置，所述装置包括：

确定单元，用于从摄像机拍摄的画面中确定出细节区域，所述细节区域为所述拍摄的画面中细节所在的子区域；

权重设置单元，用于将所述细节区域的权重值设置为预设权重值，所述预设权重值大于所述拍摄的画面中除所述细节区域之外的其他区域的权重值；

执行单元，用于基于所述细节区域以及所述预设权重值计算所述拍摄的画面的清晰度，并根据所述清晰度进行聚焦。

可选的，所述确定单元具体用于：

根据预设大小的细节区域框，从所述拍摄的画面中确定N个子区域，N为正整数；

建立坐标系，并获取N个坐标，其中，一个坐标与一个子区域相对应；

利用遗传算法从所述N个坐标中确定出所述细节区域的坐标，以根据所述细节区域的坐标确定所述细节区域。

可选的，所述确定单元具体用于：

从所述N个坐标中选择M个坐标作为母代种群，其中，M为正整数，且N与M之间的差值不小于预设数量阈值；

针对所述母代种群，执行以下循环，循环流程如下：

基于预设的清晰度评价函数，计算所述母代种群包括的每个坐标对应的子区域的清晰度；根据计算的清晰度对所述母代种群进行遗传操作，以生成子代种群，所述子代种群包括的M个坐标，与所述母代种群包括的M个坐标中至少一个坐标不同；将得到的子代种群作为新的母代种群，进入新的循环；

在所述循环满足终止条件时，根据生成的子代种群确定所述细节区域的坐标。

可选的，所述确定单元具体用于：

在循环次数大于或者等于预设循环次数阈值时，将最后一次循环得到的子代种群中的最优坐标确定为所述细节区域的坐标，所述最优坐标为子代种群中对应的子区域的清晰度最高的坐标；或者，

在获得每个子代种群中的最优坐标，且确定连续多次获得的最优坐标之间的差值小于预设差值阈值时，将所述连续多次获得的最优坐标中对应的子区域的清晰度最高的坐标确定为所述细节区域的坐标。

可选的，所述确定单元具体用于：

根据所述计算的清晰度确定所述母代种群中每个坐标的遗传概率，并根据所述遗传概率从母代种群中选择预设数量的坐标；

对所述预设数量的坐标进行交叉操作和变异操作，得到多个新的坐标；

按照所述多个新的坐标对应的子区域的清晰度的排序，从所述多个新的坐标中确定M个坐标作为所述子代种群；其中，所述交叉操作为将两个坐标中至少一个位置的值进行交换的操作，所述变异操作为将坐标中的至少一个位置的值从第一值变更为第二值的操作，第一值与第二值不同。

可选的，所述N个坐标中的每一个坐标均通过二进制值进行表示，所述二进制值的位数是根据所述N个坐标中值最大的坐标确定的。

可选的，所述确定单元具体用于：

根据所述拍摄的画面的像素格式，提取出所述拍摄的画面的分量数据中能够表征亮度的分量数据；

根据所述能够表征亮度的分量数据，从所述拍摄的画面中确定所述细节区域。

可选的，所述确定单元具体用于：

对所述能够表征亮度的分量数据进行采样，以将所述能够表征亮度的分量数据呈现的画面压缩为预设大小的图像；

确定所述预设大小的图像中细节所在的子区域；

根据确定的所述预设大小的图像中细节所在的子区域，以及所述预设大小的图像中的子区域与所述拍摄的画面中的子区域之间的映射关系，确定所述细节区域。

第三方面，提供一种摄像机，该摄像机包括：

至少一个处理器；以及

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行如第一方面所述的方法。

第四方面，提供一种计算机存储介质，

所述计算机存储介质存储有计算机指令，当所述计算机指令在计算机上运行时，使得计算机执行如第一方面所述的方法。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。

图1为现有技术中的进行区域级的AF统计值计算的示意图；

图2为本发明实施例提供的摄像机聚焦方法的流程示意图；

图3为本发明实施例提供的采样前后的图像的对比示意图；

图4为本发明实施例提供的确定细节区域的流程示意图；

图5为本发明实施例提供的在图像中划分子区域的示意图；

图6为本发明实施例提供的交叉操作的示意图；

图7为本发明实施例提供的变异操作的示意图；

图8为本发明实施例提供的实际拍摄图像的示意图；

图9为本发明实施例提供的摄像机聚焦设备的一种结构示意图；

图10为本发明实施例提供的摄像机的一种结构示意图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述。

本文中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，本文中字符“/”，在不做特别说明的情况下，一般表示前后关联对象是一种“或”的关系。

在具体实践过程中，摄像机是根据当前画面的清晰度评价值来确定焦点所对应的马达行进位置，从而进行聚焦。但是，在少细节场景或者低照度场景中计算整张图像的清晰度评价值时通常可以采用中心权重模式或者全局权重模式，而这两种方式都是采用固定权重的模式，即每个区域的权重均是固定的，例如中心权重模式是将中心区域的权重扩大，但是权重最大的区域可能并不是细节区域，而全局权重模式中每个区域的权重一致，就有可能使得非细节区域对聚焦结果的影响较大，因此上述两种模式的聚焦效果可能都不尽如人意，进而使得画面模糊不清，影响观看。

基于上述现有技术可以发现，在现有技术中每个区域的权重都是固定的，但是在具体拍摄的过程中，画面中细节区域是在实时发生变动的，因而固定权重显然并不能反映真实画面，鉴于此，若是要想提升聚焦效果，就需要找到真实的细节区域，进而针对真实的细节区域来进行权重的设置，这样最终得到的聚焦结果的焦点才会位于细节区域，也就是聚焦能够足够准确。

鉴于上述的分析和考虑，本发明实施例提供了一种摄像机聚焦方法，在该方法中，需要从摄像机拍摄的画面中确定出细节区域，再将细节区域的权重设置为当前画面中的最大权重值，再根据该权重值计算得到整个画面的清晰度，这样，根据该清晰度进行聚焦所得到的聚焦结果则能够倾向于细节所在的区域，从而降低画面模糊的概率，提升聚焦效果。进一步的，由于亮度分量数据就可以表达出整个画面包括的内容，因而只需要对亮度分量数据进行处理，并且还可以通过对图像进行压缩，以在压缩后的图像中确定细节区域，再反推到原始画面中的细节区域，这样，既可以减少确定细节区域所需的计算量，进一步加快细节区域的确定，以加快聚焦速度。进一步的，还可以通过遗传算法加快从大量的子区域中找出细节区域的速度，从而提升聚焦速度。

为进一步说明本发明实施例提供的技术方案，下面结合附图以及具体实施方式对此进行详细的说明。

请参见图2，本发明实施例提供一种摄像机聚焦方法，该方法的流程包括如下步骤：

步骤201：从摄像机拍摄的画面的分量数据中提取能够表征亮度的分量数据。

在一幅图像中包括亮度信息和色度信息，其中，人眼对亮度信息更加敏感，单纯的通过亮度信息就已经可以表达出画面中的物体，例如黑白电视的画面或者黑白照片，其中只包括了亮度信息，而没有用于表征色彩的色度信息，但是人眼在观看黑白电视的画面或者黑白照片时，依然能够分别出画面中的物体。因此，在后续进行细节区域的确定时，色度信息实质上并不能起到较多的辅助作用，反而会增加计算量，那么就可以舍弃掉色度信息，而将亮度信息保留即可。

具体的，摄像机拍摄的画面可以是不同的像素格式，例如可以是YUV格式或者红绿蓝(RGB)格式，针对特定的像素格式，可以从该像素格式中提取最能够表征亮度的分量数据。

例如，YUV格式中，Y分量用于表征亮度(Luminance)，或者可以称为灰阶值，U分量和V分量均用于表征色度(Chrominance)，色度用于描述像素的色彩以及饱和度。因此，对于YUV格式的图像，只需要将Y分量的数据提取出来。

或者，在RGB格式中，R分量、G分量和B分量分别表示红色分量、绿色分量和黄色分量，但是在RGB并没有一个分量是直接表征亮度的，那么就可以从R分量、G分量和B分量中提取一个最能够反映亮度的分量，例如可以选择R分量、G分量和B分量中亮度值最大的一个分量进行提取。

步骤202：对分量数据进行采样，以将该分量数据呈现的画面压缩为预设大小的图像。

本发明实施例中，确定图像中细节区域的辨别，实质上并不需要从整张图像的完整数据中确定，例如对一张图像进行压缩后，对于人眼来讲还是能够分辨出图像中细节所在位置，因此，为了减少后续的计算量，还可以在提取分量数据之后，对该分量数据进行采样，进而将该分量数据呈现的画面压缩为预设大小的图像。

以上述YUV格式的图像为例，在提取Y分量的数据之后，所得到的图像为灰度图，如图3所示，假设该灰度图的大小为1080*1920，那么可以对该灰度图的行数据进行4倍采样，以及对该灰度图的列数据进行4倍采样，即压缩倍数为16，以得到图3中所示的大小为270*480的灰度图，即预设大小为270*480。当然，这里仅为举例，在实际应用中，需要针对拍摄的图像的大小，结合图像细节以及计算量的均衡考虑，来设置采样倍数，换句话说，若是采样倍数较大，有可能图像细节丢失太多，就无法从中准确的确定出细节区域了，而若是采样倍数较小的话，有可能计算量又会增大较多，因而在实际应用中，需要均衡考虑这两个因素，来达到收益最大化。

步骤203：确定预设大小的图像中细节所在的区域。

本发明实施例中，实质上也可以是直接从未经过步骤201和步骤202的处理的图像中确定细节区域，或者也可以从经过步骤201处理后的图像中确定细节区域，或者还可以从经过步骤201和步骤202处理后的图像中确定细节区域，后续以经过步骤201和步骤202处理后的图像中确定细节区域为例对技术方案进行描述。对于另外两种实施方式，只需要将预设大小的图像替换为相应的图像即可，例如，直接从原图中确定细节区域时，只需要将后续的描述中预设大小的图像替换为原图即可。

具体的，请参见图4，确定预设大小的图像中细节所在的区域，具体可以包括：

步骤401：根据预设大小的细节区域框，从所述预设大小的图像中确定N个子区域。

本发明实施例中，为了方便从上述预设大小的图像中确定出细节区域，可以将该预设大小的图像划分为N个子区域，N为正整数，细节区域则会从这N个子区域中确定出来。对于细节区域的大小，可以预先进行设置，那么当设置完成细节区域的大小之后，每个子区域的大小也就相应确定了。如图5中所示，以一个6*10的像素矩阵为例，当细节区域框的预设大小值为4*4时，那么每个子区域的大小也就为4*4了，相应的，在10*6的像素矩阵中则可以确定出21个子区域，即如图5所示，左上角的子区域(实线框所示)向右移动一个像素点即可形成一个新的子区域(虚线框所示)，或者，向下移动一个像素点也可以形成一个新的子区域。

基于上述的子区域划分方式，在上述压缩后得到的270*480的灰度图中，若是设置细节区域框为64*64，那么可以得到207*417个子区域。其中，细节区域框的大小可以根据经验进行设置，也可以是根据实验结果进行设置。

步骤402：建立坐标系，并获取N个坐标，其中，一个坐标与一个子区域相对应。

本发明实施例中，为了对不同的子区域进行区分，和方便描述每个子区域，基于图像二维的特性，可以建立坐标系，通过N个坐标来表示预设大小的图像中的N个子区域，一个坐标就可以代表一个子区域。例如图5所示的10*6的像素矩阵中，左上角的子区域的坐标既可以设置为(1,1)该子区域右侧的子区域的坐标即为(2,1)，其他的依次类推。

在上述压缩后得到的270*480的灰度图中，在得到207*417个子区域后，这些子区域的坐标值则可以表示为(x，y)，且x的取值范围为[1,207]，y的取值范围为[1,417]。

当然，除了用坐标来描述子区域之外，还可以采用其他的方式来描述子区域，例如还可以对每个子区域进行编号。

步骤403：对每个子区域的坐标进行编码。

本发明实施例中，为了在后续的遗传算法中能够更为方便进行遗传操作，还可以对每个坐标进行编码。例如，每个坐标都可以通过二进制值进行表示，二进制的位数可以根据值最大的坐标来确定。

例如，沿用上述270*480的灰度图的例子，值最大的坐标为(207,417)，那么根据2⁸＞207＞2⁷，即8位的二进制编码即可表示所有的X坐标，而2⁹＞417＞2⁸，即9位的二进制编码即可表示所有的Y坐标，那么通过17位的二进制编码即可表示所有的坐标，这17位中前8位表示X坐标，后9位表示Y坐标，例如，坐标为(1,1)的子区域就可以用“00000001000000001”表示。

步骤404：从N个坐标中选择M个坐标作为母代种群。

本发明实施例中，可以通过遗传算法来从N个坐标中找到细节区域的坐标。具体的，可以从N个坐标中选取M个坐标作为母代种群，第一次选取的母代种群实质上也就是初代种群。

具体的，细节区域框的数量N与初代种群的数量M之间的差值不小于预设数量阈值，并且预设数量阈值可以设置的足够大，以使得M能够远远小于N，这样，后续的计算量能够较小。同时，除了考虑计算量之外，还需要考虑找到细节区域的坐标所需的时间来合理的设置种群的数量。一般来讲，种群的数量越多，相应的在每一代中所需的计算量也就更大，而种群的数量越少，相应的需要迭代的代数可能就会更多，使得时间更长，因此，需要衡量这两个因素，将数量M设置一个相对合理的值。一般来讲，在种群的数量可以是根据经验设置的，或者也可以是根据实验结果设置的。例如，种群的数量可以设置为[50，100]这个区间内的值。

例如，沿用上述270*480的灰度图的例子，通过二进制进行编码后，可以得到270*480个二进制值，那么初代种群实质上既可以是从这270*480个二进制值中进行选取的，例如种群的数量设置为50时，则选取出来的坐标可以构成一个大小为50*17包括0或者1的矩阵。

本发明实施例中，从N个坐标中选择M个坐标作为母代种群时，可以是随机进行选取，也可以是按照一定的顺序进行选取。其中，这里选取得到的母代种群为第一代母代种群，即初代种群。

步骤405：基于预设的清晰度评价函数，计算母代种群中每个坐标对应的子区域的清晰度。

本发明实施例中，为了对种群进行优胜劣汰，则需要对种群中的每一条染色体进行评价，然后再将评价值作为种群优胜劣汰的依据。其中，一个坐标即可以认为是一条染色体。

具体的，可以将每个坐标对应的子区域的清晰度作为评价依据，那么则可以通过预设的清晰度评价函数来计算母代种群中每个坐标对应的子区域的清晰度。其中，清晰度评价函数例如可以是拉普拉斯能量和(Sum of Modified Laplacian，SML)函数、能量梯度函数或者灰度方差(Sum Modulus Difference，SMD)函数，或者还可以是其他任何可能的机遇空间域或者频率域的清晰度评价函数。

以SML函数为例，SML函数对噪声的表现比较突出，能够使得本发明实施例的方法的适应性效果更好，SML函数的计算公式如下：

其中，fitness表示计算的子区域的清晰度，w和h分别为预设大小的细节区域框的大小，例如上述细节区域框的大小设置为64*64时，则w和h都为64，x和y为计算的子区域内的像素点的坐标，f(x,y)为坐标为(x,y)的像素点的灰度函数，f(x-1,y)为坐标为(x-1,y)的像素点的灰度函数，即坐标为(x,y)的像素点的左边一个像素点，f(x+1,y为坐标为(x+1,y)的像素点的灰度函数，即坐标为(x,y)的像素点的右边一个像素点，其余以此类推。

本发明实施例中，通过上述清晰度评价函数，可以计算得到每一代的母代种群中每一个坐标所对应的子区域的清晰度，例如初代种群中每一个坐标所对应的子区域的清晰度。

步骤406：判断是否满足终止条件。

本发明实施例中，在对每一代的母代种群进行评价之后，则需要判断是否已到达终止条件。其中，若是到达终止条件，则无需在进行后续的遗传操作，具体如何进行遗传操作会在后续进行描述，在此先不进行赘述，否则继续进行遗传操作。

终止条件具体可以包括但不限于以下条件：

(1)循环次数达到预设循环次数。

其中，循环次数即是指遗传的代数，当遗传的代数达到预设数量的代数时，则可以停止循环。具体的，预设循环次数例如可以设置为[50，100]这个区间内的值。

(2)连续多次获得的最优坐标之间的差值小于预设差值阈值。

本发明实施例中，在获得每一代的子代种群时，都可以得到在该次子代种群中的最优坐标，若是连续多次获得的最优坐标都比较接近，例如，连续5次获得的最优坐标都比较接近时，则可以认为遗传算法已经得到了最优解，那么就可以停止循环。其中，最优坐标是指子代种群中对应的子区域的清晰度最高的坐标。

步骤407：若步骤406的判断结果为否，则对母代种群进行遗传操作，生成子代种群。

本发明实施例中，若是判断还未到达终止条件，则说明遗传算法还未得到了最优解，还需要继续进行后续的操作，那么则可以对当前代数的母代种群进行遗传操作。当然，对于第一代或者代数较为靠前的母代种群来讲，获得最优解的概率几乎为0，因而无需判定也可以知道未到达终止条件，那么实质上可以直接进行后续的遗传操作。

具体的，遗传操作可以包括选择(selection)操作，交叉(crossover)操作和变异(mutation)操作。

选择操作是指从母代种群中选择预设数量的坐标作为父代。具体的，可以采用轮盘赌选择法进行选择，当然，也可以采用其他的方法进行选择。以下以轮盘赌选择法为例进行描述。

在轮盘赌选择法中，首先需要计算每条染色体的遗传概率，遗传概率主要与每条染色体所对应的子区域的清晰度相关，那么遗传概率的计算公式可以如下：

其中，a_i为母代种群中第i条染色体，fitness(a_i)为第i条染色体所对应的子区域的清晰度，P(a_i)为第i条染色体的遗传概率，n为母代种群包括的染色体的数量。

在轮盘赌选择法中，还需要计算每条染色体的累积概率值，累积概率值的计算公式如下：

其中，q_i为第i条染色体的累积概率。

然后，在[0，1]这个区间内产生一个均匀分布的伪随机数r，若是r小于q₁，则将第一条染色体选择出来，若是r大于q_k-1且小于q_k，则将第k条染色体选择出来，如此重复，直至选择出来的染色体的数量达到预设数量。

交叉操作是指将两条染色体中至少一个位置的值进行交换的操作，即将两个坐标中至少一个位置的值进行交换的操作。例如，如图6所示，上述选择出来的染色体中其中两条染色体分别为“00001001000100101”和“00100001000001001”，对这两条染色体进行交叉操作，既可以是将第3位之后的值进行交换，得到新的染色体，即“00000001000001001”和“00101001000100101”。

其中，在遗传算法中，需要设置交叉概率，交叉概率是指两条染色体之间发生交叉的概率。例如，交叉概率可以设置为[0.6,0.8]这个区间内的值，当然，也可以设置为其他可能的值。

变异操作是指将染色体中的至少一个位置的值从第一值变更为不同于第一值的第二值的操作。例如，如图7所示，“00001001000100101”的第4位发生了变异，由0变异成了1，则得到了一条新的染色体，即“00011001000100101”。

其中，在遗传算法中，变异是一种概率性事件，因此也可以为变异操作设置变异概率，用于表征染色体发生变异的概率。例如，交叉概率可以设置为0.002，当然，也可以设置为其他可能的值。

本发明实施例中，通过上述的遗传操作，可以得到大量的新的染色体，因此，可以从中选择出M个染色体，作为子代种群。具体的，可以计算新的染色体对应的子区域的清晰度，并进行排序，将清晰度排序靠前的M个染色体作为子代种群，这样，获得的自代种群则会是这一代中的最优染色体。

步骤408：将得到的子代种群作为新的母代种群，继续执行步骤405。

步骤409：若步骤406的判断结果为是，则根据生成的子代种群确定细节区域的坐标。

本发明实施例中，若是已经到达了终止条件，则说明已经得到了最优解，那么就可以根据以往生成的子代种群中的坐标来确定细节区域的坐标。

具体的，与第一种终止条件相对应的，即已经达到了预设循环次数，那么就可以将最后一次得到的子代种群中的最优坐标作为细节区域的坐标，或者，将历史子代种群中对应的子区域的清晰度最高的坐标作为细节区域的坐标。

具体的，与第二种终止条件相对应的，即连续多次得到最优坐标的差值不大于预设差值阈值，那么就可以从这几次得到最优坐标中随机选择一个最优坐标作为细节区域的坐标，或者，还可以将这几次得到最优坐标中对应的子区域的清晰度最高的最优坐标作为细节区域的坐标。

下面请继续参见图2。

步骤204：根据预设大小的图像中的子区域与拍摄的画面中的子区域之间的映射关系，确定在拍摄的画面中的细节区域。

本发明实施例中，由于上述步骤所确定的细节区域的坐标为二进制，因而可以对上述得到的细节区域的坐标值进行解码，得到便于查看的坐标。例如，上述通过17位二进制编码表示坐标的方式，则可以将前8位从二进制转换为十进制，得到X坐标，以及将后9位从二进制转换为十进制，得到Y坐标。

此外，由于上述步骤所确定的细节区域的坐标是在压缩之后的图像中的细节区域的坐标，因此还需要压缩后的图像中的子区域与拍摄的画面中的子区域之间的映射关系，将上述得到的细节区域的坐标转换的到原图中的坐标，即在摄像机拍摄的画面中的坐标。

具体的，根据采样倍数，只需要将坐标值反向放大即可。例如，得到的在压缩后的图像中细节区域的坐标为(X，Y)，且采样倍数为16倍，那么在原始图像中细节区域的坐标则可以是(4X，4Y)，大小为256*256的区域。

步骤205：将细节区域的权重值设置为预设权重值，预设权重值大于拍摄的画面中除细节区域之外的其他区域的权重值。

本发明实施例中，为了使得最终的聚焦结果更够倾向于细节所在的区域，那么可以将细节区域的权重扩大，即将细节区域的权重设置为大于非细节区域的预设权重值。示例性的，非细节区域的权重设置为1，细节区域的权重设置为5。

具体的，例如图1所示的图像中，在确定出细节区域之后，则可以知道细节区域位于划分的15*17个区域中具体的区域，那么就可以将细节区域所在的整个区域的权重设置为最大。

步骤206：基于细节区域以及预设权重值计算拍摄的画面的清晰度，并根据该清晰度进行聚焦。

本发明实施例中，在将细节区域的权重设置为预设权重值之后，则可以根据设置的权重值计算拍摄的画面的清晰度，从而根据清晰度进行聚焦。由于此过程属于现有技术的范畴，因此在此不再进行赘述。

综上所述，本发明实施例中，可以从摄像机拍摄的画面中确定出细节区域，再将细节区域的权重设置为当前画面中的最大权重值，再根据该权重值计算得到整个画面的清晰度，这样，根据该清晰度进行聚焦所得到的聚焦结果则能够倾向于细节所在的区域，从而降低画面模糊的概率，提升聚焦效果。并且，由于细节区域并不是人为标定的了，而是通过算法自动生成的，能够适应于各种场景中，适用范围广。

进一步的，由于亮度分量数据就可以表达出整个画面包括的内容，因而只需要对亮度分量数据进行处理，并且还可以通过对图像进行压缩，以在压缩后的图像中确定细节区域，再反推到原始画面中的细节区域，这样，既可以减少确定细节区域所需的计算量，进一步加快细节区域的确定，以加快聚焦速度。例如提取出Y分量的数据，该数据为摄像机芯片的原始数据，能更好地反应场景细节特征，保证数据源的可靠性。

进一步的，本发明实施例中将采样压缩以及遗传算法框架应用到聚焦算法中，加快从大量的子区域中找出细节区域的速度，从而提升聚焦速度。

请参见图8，为通过本发明实施例的方法拍摄得到的多个图像，可以看到，这些图像的场景属于细节分布不匀或者高增益的场景，但是，从实际得到的图像中可以看到，均能够得到较好的聚焦效果。

请参见图9，基于同一发明构思，本发明实施例提供一种摄像机聚焦装置，该装置包括：

确定单元901，用于从摄像机拍摄的画面中确定出细节区域，细节区域为拍摄的画面中细节所在的子区域；

权重设置单元902，用于将细节区域的权重值设置为预设权重值，预设权重值大于拍摄的画面中除细节区域之外的其他区域的权重值；

执行单元903，用于基于细节区域以及预设权重值计算拍摄的画面的清晰度，并根据清晰度进行聚焦。

可选的，确定单元901具体用于：

根据预设大小的细节区域框，从拍摄的画面中确定N个子区域，N为正整数；

建立坐标系，并获取N个坐标，其中，一个坐标与一个子区域相对应；

利用遗传算法从N个坐标中确定出细节区域的坐标，以根据细节区域的坐标确定细节区域。

可选的，确定单元901具体用于：

从N个坐标中选择M个坐标作为母代种群，其中，M为正整数，且N与M之间的差值不小于预设数量阈值；

针对母代种群，执行以下循环，循环流程如下：

基于预设的清晰度评价函数，计算母代种群包括的每个坐标对应的子区域的清晰度；根据计算的清晰度对母代种群进行遗传操作，以生成子代种群，子代种群包括的M个坐标，与母代种群包括的M个坐标中至少一个坐标不同；将得到的子代种群作为新的母代种群，进入新的循环；

在循环满足终止条件时，根据生成的子代种群确定细节区域的坐标。

可选的，确定单元901具体用于：

在循环次数大于或者等于预设循环次数阈值时，将最后一次循环得到的子代种群中的最优坐标确定为细节区域的坐标，最优坐标为子代种群中对应的子区域的清晰度最高的坐标；或者，

在获得每个子代种群中的最优坐标，且确定连续多次获得的最优坐标之间的差值小于预设差值阈值时，将连续多次获得的最优坐标中对应的子区域的清晰度最高的坐标确定为细节区域的坐标。

可选的，确定单元901具体用于：

根据计算的清晰度确定母代种群中每个坐标的遗传概率，并根据遗传概率从母代种群中选择预设数量的坐标；

对预设数量的坐标进行交叉操作和变异操作，得到多个新的坐标；

按照多个新的坐标对应的子区域的清晰度的排序，从多个新的坐标中确定M个坐标作为子代种群；其中，交叉操作为将两个坐标中至少一个位置的值进行交换的操作，变异操作为将坐标中的至少一个位置的值从第一值变更为第二值的操作，第一值与第二值不同。

可选的，N个坐标中的每一个坐标均通过二进制值进行表示，二进制值的位数是根据N个坐标中值最大的坐标确定的。

可选的，确定单元901具体用于：

根据拍摄的画面的像素格式，提取出拍摄的画面的分量数据中能够表征亮度的分量数据；

根据能够表征亮度的分量数据，从拍摄的画面中确定细节区域。

可选的，确定单元901具体用于：

对能够表征亮度的分量数据进行采样，以将能够表征亮度的分量数据呈现的画面压缩为预设大小的图像；

确定预设大小的图像中细节所在的子区域；

根据确定的预设大小的图像中细节所在的子区域，以及预设大小的图像中的子区域与拍摄的画面中的子区域之间的映射关系，确定细节区域。

图9所示的摄像机聚焦装置可以用于执行图2-7所示的实施例所提供的方法，因此，对于该设备的各功能模块所能够实现的功能等可参考图2-7所示的实施例的描述，不多赘述。

请参见图10，基于同一发明构思，本发明实施例提供一种摄像机，包括至少一个处理器1001，至少一个处理器1001用于执行存储器中存储的计算机程序时实现图1所示的实施例提供的摄像机聚焦方法的步骤。

可选的，至少一个处理器1001具体可以包括中央处理器(CPU)、特定应用集成电路(application specific integrated circuit，ASIC)，可以是一个或多个用于控制程序执行的集成电路，可以是使用现场可编程门阵列(field programmable gate array，FPGA)开发的硬件电路，可以是基带处理器。

可选的，至少一个处理器1001可以包括至少一个处理核心。

可选的，该摄像机还包括存储器1002，存储器1002可以包括只读存储器(readonly memory，ROM)、随机存取存储器(random access memory，RAM)和磁盘存储器。存储器1002用于存储至少一个处理器1001运行时所需的数据。存储器1002的数量为一个或多个。其中，存储器1002在图10中一并示出，但需要知道的是存储器1002不是必选的功能模块，因此在图10中以虚线示出。

基于同一发明构思，本发明实施例提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机指令，当所述计算机指令在计算机上运行时，使得计算机执行如图2-7所示的方法。

在具体的实施过程中，计算机可读存储介质包括：通用串行总线闪存盘(Universal Serial Bus flash drive，USB)、移动硬盘、只读存储器(Read-Only Memory，ROM)、随机存取存储器(Random Access Memory，RAM)、磁碟或者光盘等各种可以存储程序代码的存储介质。

在本发明实施例中，应该理解到，所揭露的设备和方法，可以通过其它的方式实现。例如，以上所描述的设备实施例仅仅是示意性的，例如，所述单元或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个***，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，设备或单元的间接耦合或通信连接，可以是电性或其它的形式。

在本发明实施例中的各功能单元可以集成在一个处理单元中，或者各个单元也可以均是独立的物理模块。

所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实施例的技术方案的全部或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，例如可以是个人计算机，服务器，或者网络设备等，或处理器(processor)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：通用串行总线闪存盘(universal serial bus flash drive)、移动硬盘、ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。

以上所述，以上实施例仅用以对本申请的技术方案进行了详细介绍，但以上实施例的说明只是用于帮助理解本发明实施例的方法，不应理解为对本发明实施例的限制。本技术领域的技术人员可轻易想到的变化或替换，都应涵盖在本发明实施例的保护范围之内。

Claims (11)

1.一种摄像机聚焦方法，其特征在于，所述方法包括：

从摄像机拍摄的画面中确定出细节区域，所述细节区域为所述拍摄的画面中细节所在的子区域；

将所述细节区域的权重值设置为预设权重值，所述预设权重值大于所述拍摄的画面中除所述细节区域之外的其他区域的权重值；

基于所述细节区域以及所述预设权重值计算所述拍摄的画面的清晰度，并根据所述清晰度进行聚焦。

2.如权利要求1所述的方法，其特征在于，从摄像机拍摄的画面中确定出细节区域，包括：

根据预设大小的细节区域框，从所述拍摄的画面中确定N个子区域，N为正整数；

建立坐标系，并获取N个坐标，其中，一个坐标与一个子区域相对应；

利用遗传算法从所述N个坐标中确定出所述细节区域的坐标，以根据所述细节区域的坐标确定所述细节区域。

3.如权利要求2所述的方法，其特征在于，利用遗传算法从所述N个坐标中确定出所述细节区域的坐标，包括：

从所述N个坐标中选择M个坐标作为母代种群，其中，M为正整数，且N与M之间的差值不小于预设数量阈值；

针对所述母代种群，执行以下循环，循环流程如下：

基于预设的清晰度评价函数，计算所述母代种群包括的每个坐标对应的子区域的清晰度；根据计算的清晰度对所述母代种群进行遗传操作，以生成子代种群，所述子代种群包括的M个坐标，与所述母代种群包括的M个坐标中至少一个坐标不同；将得到的子代种群作为新的母代种群，进入新的循环；

在所述循环满足终止条件时，根据生成的子代种群确定所述细节区域的坐标。

4.如权利要求3所述的方法，其特征在于，在所述循环满足终止条件时，根据生成的子代种群确定所述细节区域的坐标，包括：

在循环次数大于或者等于预设循环次数阈值时，将最后一次循环得到的子代种群中的最优坐标确定为所述细节区域的坐标，所述最优坐标为子代种群中对应的子区域的清晰度最高的坐标；或者，

在获得每个子代种群中的最优坐标，且确定连续多次获得的最优坐标之间的差值小于预设差值阈值时，将所述连续多次获得的最优坐标中对应的子区域的清晰度最高的坐标确定为所述细节区域的坐标。

5.如权利要求3所述的方法，其特征在于，所述根据计算的清晰度对所述母代种群进行遗传操作，以生成子代种群，包括：

根据所述计算的清晰度确定所述母代种群中每个坐标的遗传概率，并根据所述遗传概率从母代种群中选择预设数量的坐标；

对所述预设数量的坐标进行交叉操作和变异操作，得到多个新的坐标；

按照所述多个新的坐标对应的子区域的清晰度的排序，从所述多个新的坐标中确定M个坐标作为所述子代种群；其中，所述交叉操作为将两个坐标中至少一个位置的值进行交换的操作，所述变异操作为将坐标中的至少一个位置的值从第一值变更为第二值的操作，第一值与第二值不同。

6.如权利要求2-5任一所述的方法，其特征在于，所述N个坐标中的每一个坐标均通过二进制值进行表示，所述二进制值的位数是根据所述N个坐标中值最大的坐标确定的。

7.如权利要求1所述的方法，其特征在于，从摄像机拍摄的画面中确定出细节区域，包括：

根据所述拍摄的画面的像素格式，提取出所述拍摄的画面的分量数据中能够表征亮度的分量数据；

根据所述能够表征亮度的分量数据，从所述拍摄的画面中确定所述细节区域。

8.如权利要求7所述的方法，其特征在于，根据所述能够表征亮度的分量数据，从所述拍摄的画面中确定所述细节区域，包括：

对所述能够表征亮度的分量数据进行采样，以将所述能够表征亮度的分量数据呈现的画面压缩为预设大小的图像；

确定所述预设大小的图像中细节所在的子区域；

根据确定的所述预设大小的图像中细节所在的子区域，以及所述预设大小的图像中的子区域与所述拍摄的画面中的子区域之间的映射关系，确定所述细节区域。

9.一种摄像机聚焦装置，其特征在于，所述装置包括：

确定单元，用于从摄像机拍摄的画面中确定出细节区域，所述细节区域为所述拍摄的画面中细节所在的子区域；

权重设置单元，用于将所述细节区域的权重值设置为预设权重值，所述预设权重值大于所述拍摄的画面中除所述细节区域之外的其他区域的权重值；

执行单元，用于基于所述细节区域以及所述预设权重值计算所述拍摄的画面的清晰度，并根据所述清晰度进行聚焦。

10.一种摄像机，其特征在于，包括：

至少一个处理器；以及

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行如权利要求1～8任一权利要求所述的方法。

11.一种计算机存储介质，其特征在于：

所述计算机存储介质存储有计算机指令，当所述计算机指令在计算机上运行时，使得计算机执行如权利要求1-8中任一项所述的方法。