本發(fā)明涉及信息處理技術(shù)，具體涉及一種信息處理方法及電子設(shè)備。

背景技術(shù)：

隨著電子設(shè)備的發(fā)展，越來越多的智能終端都具有圖像采集功能，且在圖像采集過程中通過跟蹤算法識別出目標(biāo)對象；如識別出圖像中的人臉，或是樹木等等?，F(xiàn)有技術(shù)中，在一種方式是，采用簡單的跟蹤算法(如模板匹配算法)跟蹤圖像內(nèi)的目標(biāo)對象，但是這種算法在復(fù)雜的場景下或者目標(biāo)對象處于運動狀態(tài)時的跟蹤效果不好，無法跟蹤到移動的目標(biāo)對象。另一種方式是，采用較高級的跟蹤算法(如視頻追蹤算法)跟蹤圖像內(nèi)的目標(biāo)對象，但這種算法在運行時需要消耗較長的時間且較大的功耗，在簡單的場景下使用這種算法通常會對功耗造成不必要的浪費且耗時較長，不利于用戶的體驗。

技術(shù)實現(xiàn)要素：

為解決現(xiàn)有存在的技術(shù)問題，本發(fā)明實施例提供一種信息處理方法及電子設(shè)備，能夠智能選擇跟蹤算法跟蹤目標(biāo)對象。

為達到上述目的，本發(fā)明實施例的技術(shù)方案是這樣實現(xiàn)的：

本發(fā)明實施例提供了一種信息處理方法，所述方法包括：

采集至少兩幀圖像；

分析所述至少兩幀圖像，獲得所述至少兩幀圖像中的目標(biāo)對象的屬性信息；

選擇與所述屬性信息匹配的預(yù)設(shè)跟蹤算法，基于所述預(yù)設(shè)跟蹤算法對所述目標(biāo)對象進行跟蹤。

上述方案中，所述分析所述至少兩幀圖像，獲得所述至少兩幀圖像中的目標(biāo)對象的屬性信息，包括：

分析所述至少兩幀圖像，識別出所述至少兩幀圖像中的目標(biāo)對象；

基于所述至少兩幀圖像判斷所述目標(biāo)對象在所述至少兩幀圖像中的位置是否變化，根據(jù)判斷結(jié)果確定所述目標(biāo)對象的屬性信息為運動屬性信息或靜止屬性信息。

上述方案中，所述目標(biāo)對象的屬性信息包括：運動屬性信息或靜止屬性信息；

所述選擇與所述屬性信息匹配的預(yù)設(shè)跟蹤算法，包括：

當(dāng)所述屬性信息為運動屬性信息時，在預(yù)設(shè)算法集合中選擇與所述運動屬性信息匹配的第一預(yù)設(shè)跟蹤算法；所述第一預(yù)設(shè)跟蹤算法為與運動屬性相適配的跟蹤算法；

當(dāng)所述屬性信息為靜止屬性信息時，在所述預(yù)設(shè)算法集合中選擇與所述靜止屬性信息匹配的第二預(yù)設(shè)跟蹤算法；所述第二預(yù)設(shè)跟蹤算法為與靜止屬性相適配的跟蹤算法。

上述方案中，所述運動屬性信息包括運動類型；所述在預(yù)設(shè)算法集合中選擇與所述運動屬性信息匹配的第一預(yù)設(shè)跟蹤算法之前，所述方法還包括：

分析所述至少兩幀圖像中的目標(biāo)對象，識別出所述目標(biāo)對象的運動特征數(shù)據(jù)；

基于所述運動特征數(shù)據(jù)確定所述目標(biāo)對象的運動類型；所述運動類型包括以下類型的至少之一：勻速運動類型、加速運動類型、減速運動類型、旋轉(zhuǎn)運動類型；

相應(yīng)的，所述在預(yù)設(shè)算法集合中選擇與所述運動屬性信息匹配的第一預(yù)設(shè)跟蹤算法，包括：

在所述預(yù)設(shè)算法集合中選擇與所述目標(biāo)對象的運動類型匹配的第一預(yù)設(shè)跟蹤算法。

上述方案中，所述基于所述預(yù)設(shè)跟蹤算法對所述目標(biāo)對象進行跟蹤后，所述方法還包括：

確定所述目標(biāo)對象在圖像采集區(qū)域中的位置，基于所述位置確定第一對焦 參數(shù)，采用所述第一對象參數(shù)采集圖像。

本發(fā)明實施例還提供了一種電子設(shè)備，所述電子設(shè)備包括：圖像采集單元、分析單元和匹配跟蹤單元；其中，

所述圖像采集單元，用于采集至少兩幀圖像；

所述分析單元，用于分析所述圖像采集單元采集的所述至少兩幀圖像，獲得所述至少兩幀圖像中的目標(biāo)對象的屬性信息；

所述匹配跟蹤單元，用于選擇與所述分析單元獲得的所述屬性信息匹配的預(yù)設(shè)跟蹤算法，基于所述預(yù)設(shè)跟蹤算法對所述目標(biāo)對象進行跟蹤。

上述方案中，所述分析單元，用于分析所述至少兩幀圖像，識別出所述至少兩幀圖像中的目標(biāo)對象；基于所述至少兩幀圖像判斷所述目標(biāo)對象在所述至少兩幀圖像中的位置是否變化，根據(jù)判斷結(jié)果確定所述目標(biāo)對象的屬性信息為運動屬性信息或靜止屬性信息。

上述方案中，所述目標(biāo)對象的屬性信息包括：運動屬性信息或靜止屬性信息；所述匹配跟蹤單元，用于當(dāng)所述屬性信息為運動屬性信息時，在預(yù)設(shè)算法集合中選擇與所述運動屬性信息匹配的第一預(yù)設(shè)跟蹤算法；所述第一預(yù)設(shè)跟蹤算法為與運動屬性相適配的跟蹤算法；當(dāng)所述屬性信息為靜止屬性信息時，在所述預(yù)設(shè)算法集合中選擇與所述靜止屬性信息匹配的第二預(yù)設(shè)跟蹤算法；所述第二預(yù)設(shè)跟蹤算法為與靜止屬性相適配的跟蹤算法。

上述方案中，所述運動屬性信息包括運動類型；所述分析單元，還用于所述匹配跟蹤單元在預(yù)設(shè)算法集合中選擇與所述運動屬性信息匹配的第一預(yù)設(shè)跟蹤算法之前，分析所述至少兩幀圖像中的目標(biāo)對象，識別出所述目標(biāo)對象的運動特征數(shù)據(jù)；基于所述運動特征數(shù)據(jù)確定所述目標(biāo)對象的運動類型；所述運動類型包括以下類型的至少之一：勻速運動類型、加速運動類型、減速運動類型、旋轉(zhuǎn)運動類型；

相應(yīng)的，所述匹配跟蹤單元，用于在所述預(yù)設(shè)算法集合中選擇與所述目標(biāo)對象的運動類型匹配的第一預(yù)設(shè)跟蹤算法。

上述方案中，所述匹配跟蹤單元，用于基于所述預(yù)設(shè)跟蹤算法對所述目標(biāo) 對象進行跟蹤，確定所述目標(biāo)對象在圖像采集區(qū)域中的位置；

所述圖像采集單元，用于基于所述匹配跟蹤單元確定的位置確定第一對焦參數(shù)，采用所述第一對象參數(shù)采集圖像。

本發(fā)明實施例提供的信息處理方法及電子設(shè)備。所述信息處理方法通過采集至少兩幀圖像；分析所述至少兩幀圖像，獲得所述至少兩幀圖像中的目標(biāo)對象的屬性信息；選擇與所述屬性信息匹配的預(yù)設(shè)跟蹤算法，基于所述預(yù)設(shè)跟蹤算法對所述目標(biāo)對象進行跟蹤。如此，采用本發(fā)明實施例的技術(shù)方案，通過識別出的目標(biāo)對象的屬性信息選擇不同的跟蹤算法，在環(huán)境簡單的場景下，如靜止目標(biāo)對象選擇較簡單的跟蹤算法(如模板匹配算法)；在環(huán)境復(fù)雜的場景下，如運動的目標(biāo)對象選擇較復(fù)雜的跟蹤算法(如視頻追蹤算法)，這樣，避免了在簡單的場景下選用復(fù)雜的跟蹤算法從而造成系統(tǒng)資源的浪費，且處理時間較長，提高了系統(tǒng)的資源利用效率，提升了用戶的操作體驗。

附圖說明

圖1為本發(fā)明實施例一的信息處理方法的流程示意圖；

圖2為本發(fā)明實施例二的信息處理方法的流程示意圖；

圖3為本發(fā)明實施例三的信息處理方法的流程示意圖；

圖4為本發(fā)明實施例的電子設(shè)備的組成結(jié)構(gòu)示意圖。

具體實施方式

下面結(jié)合附圖及具體實施例對本發(fā)明作進一步詳細(xì)的說明。

實施例一

本發(fā)明實施例提供了一種信息處理方法。圖1為本發(fā)明實施例一的信息處理方法的流程示意圖；如圖1所示，所述信息處理方法包括：

步驟101：采集至少兩幀圖像。

本實施例所述的信息處理方法應(yīng)用于電子設(shè)備中，所述電子設(shè)備設(shè)置有圖像采集單元，所述圖像采集單元具體可通過攝像頭實現(xiàn)；即所述電子設(shè)備具體 可以為設(shè)置有攝像頭的手機、平板電腦、筆記本電腦、一體機電腦等終端設(shè)備實現(xiàn)。則本步驟中，所述采集至少兩幀圖像，包括：通過電子設(shè)備的圖像采集單元采集至少兩幀圖像。

步驟102：分析所述至少兩幀圖像，獲得所述至少兩幀圖像中的目標(biāo)對象的屬性信息。

本實施例中，所述電子設(shè)備采用預(yù)設(shè)圖像識別算法分析所述至少兩幀圖像，識別出所述至少兩幀圖像中的目標(biāo)對象，所述圖像識別算法可以是現(xiàn)有技術(shù)中所包括的所有能夠?qū)D像進行分析處理且識別出各種不同模式的目標(biāo)和對象的算法。其中，所述目標(biāo)對象不限于人物、動物，甚至可以是靜態(tài)的物體，如樹木等等。進一步地，所述電子設(shè)備識別出所述至少兩幀圖像中的目標(biāo)對象后，基于所述目標(biāo)對象在所述至少兩幀圖像中的不同狀態(tài)確定所述目標(biāo)對象的屬性信息，所述目標(biāo)對象的屬性信息可以包括運動屬性信息或靜止屬性信息。例如，當(dāng)所述電子設(shè)備確定所述目標(biāo)對象在第一幀圖像中的位置為(X1,Y1)，所述目標(biāo)對象在第二幀圖像中的位置為(X2,Y2)時，基于兩幀圖像中位置的不同可確定所述目標(biāo)對象的屬性信息為運動屬性信息。再例如，當(dāng)所述電子設(shè)備確定所述目標(biāo)對象在每一幀圖像中的位置均為(X1,Y1)時，基于至少兩幀圖像中的相同位置可確定所述目標(biāo)對象的屬性信息為靜止屬性信息。

進一步地，當(dāng)所述目標(biāo)對象處于運動狀態(tài)，也即所述目標(biāo)對象的屬性信息為運動屬性信息時，由于所述目標(biāo)對象的運動類型多種多樣，則所述電子設(shè)備還可通過分析識別所述至少兩幀圖像中的目標(biāo)對象，確定所述目標(biāo)對象的運動類型；即本實施方式中，所述目標(biāo)對象的運動屬性信息還包括運動類型；所述運動類型包括以下類型的至少之一：勻速直線運動類型、加速直線運動類型、減速直線運動類型、旋轉(zhuǎn)運動類型，當(dāng)然不限于上述運動類型，可包括現(xiàn)實生活中的所有的運動類型。

步驟103：選擇與所述屬性信息匹配的預(yù)設(shè)跟蹤算法，基于所述預(yù)設(shè)跟蹤算法對所述目標(biāo)對象進行跟蹤。

本實施例中，所述電子設(shè)備中預(yù)先設(shè)置有跟蹤算法集合，所述跟蹤算法集 合中包括至少兩組跟蹤算法與目標(biāo)對象的屬性信息的映射關(guān)系。當(dāng)確定所述目標(biāo)對象的屬性信息為運動屬性信息時，從所述跟蹤算法集合中選擇與所述運動屬性信息匹配的第一預(yù)設(shè)跟蹤算法，基于所述第一預(yù)設(shè)跟蹤算法對所述目標(biāo)對象進行跟蹤；當(dāng)確定所述目標(biāo)對象的屬性信息為靜止屬性信息時，從所述跟蹤算法集合中選擇與所述靜止屬性信息匹配的第二預(yù)設(shè)跟蹤算法，基于所述第二預(yù)設(shè)跟蹤算法對所述目標(biāo)對象進行跟蹤。其中，所述第一預(yù)設(shè)跟蹤算法為與運動屬性相適配的跟蹤算法，具體可以為跟蹤探測(TLD，Tracking Learning Detector)算法。所述第二預(yù)設(shè)跟蹤算法為與靜止屬性相適配的跟蹤算法，具體可以為模板匹配算法(或深度匹配算法)。

采用本發(fā)明實施例的技術(shù)方案，通過識別出的目標(biāo)對象的屬性信息選擇不同的跟蹤算法，在環(huán)境簡單的場景下，如靜止目標(biāo)對象選擇較簡單的跟蹤算法(如模板匹配算法)；在環(huán)境復(fù)雜的場景下，如運動的目標(biāo)對象選擇較復(fù)雜的跟蹤算法(如視頻追蹤算法)，這樣，避免了在簡單的場景下選用復(fù)雜的跟蹤算法從而造成系統(tǒng)資源的浪費，且處理時間較長，提高了系統(tǒng)的資源利用效率，提升了用戶的操作體驗。

實施例二

本發(fā)明實施例還提供了一種信息處理方法。圖2為本發(fā)明實施例二的信息處理方法的流程示意圖；如圖2所示，所述信息處理方法包括：

步驟201：采集至少兩幀圖像。

本實施例所述的信息處理方法應(yīng)用于電子設(shè)備中，所述電子設(shè)備設(shè)置有圖像采集單元，所述圖像采集單元具體可通過攝像頭實現(xiàn)；即所述電子設(shè)備具體可以為設(shè)置有攝像頭的手機、平板電腦、筆記本電腦、一體機電腦等終端設(shè)備實現(xiàn)。則本步驟中，所述采集至少兩幀圖像，包括：通過電子設(shè)備的圖像采集單元采集至少兩幀圖像。

步驟202：分析所述至少兩幀圖像，識別出所述至少兩幀圖像中的目標(biāo)對象。

本實施例中，所述電子設(shè)備采用預(yù)設(shè)圖像識別算法分析所述至少兩幀圖像， 識別出所述至少兩幀圖像中的目標(biāo)對象，所述圖像識別算法可以是現(xiàn)有技術(shù)中所包括的所有能夠?qū)D像進行分析處理且識別出各種不同模式的目標(biāo)和對象的算法。其中，所述目標(biāo)對象不限于人物、動物，甚至可以是靜態(tài)的物體，如樹木等等。

步驟203：基于所述至少兩幀圖像判斷所述目標(biāo)對象在所述至少兩幀圖像中的位置是否變化，根據(jù)判斷結(jié)果確定所述目標(biāo)對象的屬性信息為運動屬性信息或靜止屬性信息。

這里，所述電子設(shè)備識別出所述至少兩幀圖像中的目標(biāo)對象后，基于所述目標(biāo)對象在所述至少兩幀圖像中的不同狀態(tài)確定所述目標(biāo)對象的屬性信息，所述目標(biāo)對象的屬性信息可以包括運動屬性信息或靜止屬性信息。例如，當(dāng)所述電子設(shè)備確定所述目標(biāo)對象在第一幀圖像中的位置為(X1,Y1)，所述目標(biāo)對象在第二幀圖像中的位置為(X2,Y2)時，基于兩幀圖像中位置的不同可確定所述目標(biāo)對象的屬性信息為運動屬性信息。再例如，當(dāng)所述電子設(shè)備確定所述目標(biāo)對象在每一幀圖像中的位置均為(X1,Y1)時，基于至少兩幀圖像中的相同位置可確定所述目標(biāo)對象的屬性信息為靜止屬性信息。

步驟204：當(dāng)所述屬性信息為運動屬性信息時，在預(yù)設(shè)算法集合中選擇與所述運動屬性信息匹配的第一預(yù)設(shè)跟蹤算法，基于所述第一預(yù)設(shè)跟蹤算法對所述目標(biāo)對象進行跟蹤；所述第一預(yù)設(shè)跟蹤算法為與運動屬性相適配的跟蹤算法。

步驟205：當(dāng)所述屬性信息為靜止屬性信息時，在所述預(yù)設(shè)算法集合中選擇與所述靜止屬性信息匹配的第二預(yù)設(shè)跟蹤算法，基于所述第二預(yù)設(shè)跟蹤算法對所述目標(biāo)對象進行跟蹤；所述第二預(yù)設(shè)跟蹤算法為與靜止屬性相適配的跟蹤算法。

本實施例中，所述電子設(shè)備中預(yù)先設(shè)置有跟蹤算法集合，所述跟蹤算法集合中包括至少兩組跟蹤算法與目標(biāo)對象的屬性信息的映射關(guān)系。當(dāng)確定所述目標(biāo)對象的屬性信息為運動屬性信息時，從所述跟蹤算法集合中選擇與所述運動屬性信息匹配的第一預(yù)設(shè)跟蹤算法，基于所述第一預(yù)設(shè)跟蹤算法對所述目標(biāo)對象進行跟蹤；當(dāng)確定所述目標(biāo)對象的屬性信息為靜止屬性信息時，從所述跟蹤 算法集合中選擇與所述靜止屬性信息匹配的第二預(yù)設(shè)跟蹤算法，基于所述第二預(yù)設(shè)跟蹤算法對所述目標(biāo)對象進行跟蹤。其中，所述第一預(yù)設(shè)跟蹤算法為與運動屬性相適配的跟蹤算法，具體可以為TLD算法。所述第二預(yù)設(shè)跟蹤算法為與靜止屬性相適配的跟蹤算法，具體可以為模板匹配算法(或深度匹配算法)。

采用本發(fā)明實施例的技術(shù)方案，通過識別出的目標(biāo)對象的屬性信息選擇不同的跟蹤算法，在環(huán)境簡單的場景下，如靜止目標(biāo)對象選擇較簡單的跟蹤算法(如模板匹配算法)；在環(huán)境復(fù)雜的場景下，如運動的目標(biāo)對象選擇較復(fù)雜的跟蹤算法(如視頻追蹤算法)，這樣，避免了在簡單的場景下選用復(fù)雜的跟蹤算法從而造成系統(tǒng)資源的浪費，且處理時間較長，提高了系統(tǒng)的資源利用效率，提升了用戶的操作體驗。

實施例三

本發(fā)明實施例還提供了一種信息處理方法。圖3為本發(fā)明實施例三的信息處理方法的流程示意圖；如圖3所示，所述信息處理方法包括：

步驟301：采集至少兩幀圖像。

本實施例所述的信息處理方法應(yīng)用于電子設(shè)備中，所述電子設(shè)備設(shè)置有圖像采集單元，所述圖像采集單元具體可通過攝像頭實現(xiàn)；即所述電子設(shè)備具體可以為設(shè)置有攝像頭的手機、平板電腦、筆記本電腦、一體機電腦等終端設(shè)備實現(xiàn)。則本步驟中，所述采集至少兩幀圖像，包括：通過電子設(shè)備的圖像采集單元采集至少兩幀圖像。

步驟302：分析所述至少兩幀圖像，識別出所述至少兩幀圖像中的目標(biāo)對象。

本實施例中，所述電子設(shè)備采用預(yù)設(shè)圖像識別算法分析所述至少兩幀圖像，識別出所述至少兩幀圖像中的目標(biāo)對象，所述圖像識別算法可以是現(xiàn)有技術(shù)中所包括的所有能夠?qū)D像進行分析處理且識別出各種不同模式的目標(biāo)和對象的算法。其中，所述目標(biāo)對象不限于人物、動物，甚至可以是靜態(tài)的物體，如樹木等等。

步驟303：基于所述至少兩幀圖像判斷所述目標(biāo)對象在所述至少兩幀圖像 中的位置是否變化，根據(jù)判斷結(jié)果確定所述目標(biāo)對象的屬性信息為運動屬性信息或靜止屬性信息；當(dāng)所述屬性信息為運動屬性信息時，執(zhí)行步驟304至步驟305；當(dāng)所述屬性信息為靜止屬性信息時，執(zhí)行步驟306。

這里，所述電子設(shè)備識別出所述至少兩幀圖像中的目標(biāo)對象后，基于所述目標(biāo)對象在所述至少兩幀圖像中的不同狀態(tài)確定所述目標(biāo)對象的屬性信息，所述目標(biāo)對象的屬性信息可以包括運動屬性信息或靜止屬性信息。例如，當(dāng)所述電子設(shè)備確定所述目標(biāo)對象在第一幀圖像中的位置為(X1,Y1)，所述目標(biāo)對象在第二幀圖像中的位置為(X2,Y2)時，基于兩幀圖像中位置的不同可確定所述目標(biāo)對象的屬性信息為運動屬性信息。再例如，當(dāng)所述電子設(shè)備確定所述目標(biāo)對象在每一幀圖像中的位置均為(X1,Y1)時，基于至少兩幀圖像中的相同位置可確定所述目標(biāo)對象的屬性信息為靜止屬性信息。

步驟304：當(dāng)所述屬性信息為運動屬性信息時，分析所述至少兩幀圖像中的目標(biāo)對象，識別出所述目標(biāo)對象的運動特征數(shù)據(jù)；基于所述運動特征數(shù)據(jù)確定所述目標(biāo)對象的運動類型；所述運動類型包括以下類型的至少之一：勻速運動類型、加速運動類型、減速運動類型、旋轉(zhuǎn)運動類型。

本實施例中，當(dāng)所述目標(biāo)對象處于運動狀態(tài)，也即所述目標(biāo)對象的屬性信息為運動屬性信息時，由于所述目標(biāo)對象的運動類型多種多樣，則所述電子設(shè)備還可通過分析識別所述至少兩幀圖像中的目標(biāo)對象，確定所述目標(biāo)對象的運動類型。具體的，所述電子設(shè)備可通過預(yù)設(shè)圖像識別算法分析識別所述至少兩幀圖像中的目標(biāo)對象的運動特征數(shù)據(jù)，所述運動特征數(shù)據(jù)可以包括所述目標(biāo)對象的運動部位，如手臂、腿等等；所述運動特征數(shù)據(jù)還可以包括所述目標(biāo)對象的運動參數(shù)，如所述目標(biāo)對象在某一時段內(nèi)的平均速度、位移、加速度或角速度等等?；谏鲜鲞\動特征數(shù)據(jù)可確定所述目標(biāo)對象的運動類型如勻速運動類型、加速運動類型、減速運動類型、旋轉(zhuǎn)運動類型等等；其中的各運動類型還包括直線運動類型或曲線運動類型。當(dāng)然本發(fā)明實施例所述的運動類型不限于上述運動類型，可包括現(xiàn)實生活中的所有的運動類型。

步驟305：在預(yù)設(shè)算法集合中選擇與所述目標(biāo)對象的運動類型匹配的第一 預(yù)設(shè)跟蹤算法，基于所述第一預(yù)設(shè)跟蹤算法對所述目標(biāo)對象進行跟蹤；所述第一預(yù)設(shè)跟蹤算法為與運動屬性相適配的跟蹤算法。

步驟306：當(dāng)所述屬性信息為靜止屬性信息時，在所述預(yù)設(shè)算法集合中選擇與所述靜止屬性信息匹配的第二預(yù)設(shè)跟蹤算法，基于所述第二預(yù)設(shè)跟蹤算法對所述目標(biāo)對象進行跟蹤；所述第二預(yù)設(shè)跟蹤算法為與靜止屬性相適配的跟蹤算法。

本實施例中，所述電子設(shè)備中預(yù)先設(shè)置有跟蹤算法集合，所述跟蹤算法集合中包括至少兩組跟蹤算法與目標(biāo)對象的屬性信息的映射關(guān)系。當(dāng)確定所述目標(biāo)對象的屬性信息為運動屬性信息、且確定所述運動屬性信息包括的運動類型時，從所述跟蹤算法集合中選擇與所述運動類型匹配的第一預(yù)設(shè)跟蹤算法，基于所述第一預(yù)設(shè)跟蹤算法對所述目標(biāo)對象進行跟蹤；當(dāng)確定所述目標(biāo)對象的屬性信息為靜止屬性信息時，從所述跟蹤算法集合中選擇與所述靜止屬性信息匹配的第二預(yù)設(shè)跟蹤算法，基于所述第二預(yù)設(shè)跟蹤算法對所述目標(biāo)對象進行跟蹤。其中，所述第一預(yù)設(shè)跟蹤算法為與運動類型相適配的跟蹤算法，具體可以為TLD算法。所述第二預(yù)設(shè)跟蹤算法為與靜止屬性相適配的跟蹤算法，具體可以為模板匹配算法(或深度匹配算法)。

采用本發(fā)明實施例的技術(shù)方案，通過識別出的目標(biāo)對象的屬性信息選擇不同的跟蹤算法，在環(huán)境簡單的場景下，如靜止目標(biāo)對象選擇較簡單的跟蹤算法(如模板匹配算法)；在環(huán)境復(fù)雜的場景下，如運動的目標(biāo)對象選擇較復(fù)雜的跟蹤算法(如視頻追蹤算法)，這樣，避免了在簡單的場景下選用復(fù)雜的跟蹤算法從而造成系統(tǒng)資源的浪費，且處理時間較長，提高了系統(tǒng)的資源利用效率，提升了用戶的操作體驗。

實施例四

本發(fā)明實施例還提供了一種信息處理方法。基于實施例一至實施例三提供的任一實施例，當(dāng)基于所述預(yù)設(shè)跟蹤算法對所述目標(biāo)對象進行跟蹤后，還包括：確定所述目標(biāo)對象在圖像采集區(qū)域中的位置，基于所述位置確定第一對焦參數(shù)，采用所述第一對象參數(shù)采集圖像。

本實施例中，所述第一對焦參數(shù)具體可以為所述電子設(shè)備的圖像采集單元的焦距，即采用實施例一至實施例三任一實施例的技術(shù)方案對目標(biāo)對象進行跟蹤后，確定所述目標(biāo)對象在所述圖像采集單元的圖像采集區(qū)域中的位置，基于所述位置調(diào)整所述圖像采集單元的焦距，控制所述圖像采集單元按所述焦距采集圖像。

采用本發(fā)明實施例的技術(shù)方案，一方面通過識別出的目標(biāo)對象的屬性信息選擇不同的跟蹤算法，在環(huán)境簡單的場景下，如靜止目標(biāo)對象選擇較簡單的跟蹤算法(如模板匹配算法)；在環(huán)境復(fù)雜的場景下，如運動的目標(biāo)對象選擇較復(fù)雜的跟蹤算法(如視頻追蹤算法)，這樣，避免了在簡單的場景下選用復(fù)雜的跟蹤算法從而造成系統(tǒng)資源的浪費，且處理時間較長，提高了系統(tǒng)的資源利用效率，提升了用戶的操作體驗。另一方面，減少了目標(biāo)跟蹤的時間，從而也提高了圖像采集單元的聚焦速度，進而也提高了圖像采集單元的圖像采集速度，提升了用戶的操作體驗。

實施例五

本發(fā)明實施例還提供了一種電子設(shè)備。圖4為本發(fā)明實施例的電子設(shè)備的組成結(jié)構(gòu)示意圖；如圖4所示，所述電子設(shè)備包括：圖像采集單元41、分析單元42和匹配跟蹤單元43；其中，

所述圖像采集單元41，用于采集至少兩幀圖像；

所述分析單元42，用于分析所述圖像采集單元41采集的所述至少兩幀圖像，獲得所述至少兩幀圖像中的目標(biāo)對象的屬性信息；

所述匹配跟蹤單元43，用于選擇與所述分析單元42獲得的所述屬性信息匹配的預(yù)設(shè)跟蹤算法，基于所述預(yù)設(shè)跟蹤算法對所述目標(biāo)對象進行跟蹤。

具體的，所述分析單元42采用預(yù)設(shè)圖像識別算法分析所述至少兩幀圖像，識別出所述至少兩幀圖像中的目標(biāo)對象，所述圖像識別算法可以是現(xiàn)有技術(shù)中所包括的所有能夠?qū)D像進行分析處理且識別出各種不同模式的目標(biāo)和對象的算法。其中，所述目標(biāo)對象不限于人物、動物，甚至可以是靜態(tài)的物體，如樹木等等。進一步地，所述分析單元42識別出所述至少兩幀圖像中的目標(biāo)對象后， 基于所述目標(biāo)對象在所述至少兩幀圖像中的不同狀態(tài)確定所述目標(biāo)對象的屬性信息，所述目標(biāo)對象的屬性信息可以包括運動屬性信息或靜止屬性信息。例如，當(dāng)所述電子設(shè)備確定所述目標(biāo)對象在第一幀圖像中的位置為(X1,Y1)，所述目標(biāo)對象在第二幀圖像中的位置為(X2,Y2)時，基于兩幀圖像中位置的不同可確定所述目標(biāo)對象的屬性信息為運動屬性信息。再例如，當(dāng)所述電子設(shè)備確定所述目標(biāo)對象在每一幀圖像中的位置均為(X1,Y1)時，基于至少兩幀圖像中的相同位置可確定所述目標(biāo)對象的屬性信息為靜止屬性信息。

具體的，所述電子設(shè)備中設(shè)置有存儲單元，所述存儲單元中存儲有跟蹤算法集合，所述跟蹤算法集合中包括至少兩組跟蹤算法與目標(biāo)對象的屬性信息的映射關(guān)系。當(dāng)所述分析單元42確定所述目標(biāo)對象的屬性信息為運動屬性信息時，所述匹配跟蹤單元43從所述跟蹤算法集合中選擇與所述運動屬性信息匹配的第一預(yù)設(shè)跟蹤算法，基于所述第一預(yù)設(shè)跟蹤算法對所述目標(biāo)對象進行跟蹤；當(dāng)確定所述目標(biāo)對象的屬性信息為靜止屬性信息時，所述匹配跟蹤單元43從所述跟蹤算法集合中選擇與所述靜止屬性信息匹配的第二預(yù)設(shè)跟蹤算法，基于所述第二預(yù)設(shè)跟蹤算法對所述目標(biāo)對象進行跟蹤。其中，所述第一預(yù)設(shè)跟蹤算法為與運動屬性相適配的跟蹤算法，具體可以為TLD算法。所述第二預(yù)設(shè)跟蹤算法為與靜止屬性相適配的跟蹤算法，具體可以為模板匹配算法(或深度匹配算法)。

本領(lǐng)域技術(shù)人員應(yīng)當(dāng)理解，本發(fā)明實施例的電子設(shè)備中各處理單元的功能，可參照前述信息處理方法的相關(guān)描述而理解，本發(fā)明實施例的電子設(shè)備中各處理單元，可通過實現(xiàn)本發(fā)明實施例所述的功能的模擬電路而實現(xiàn)，也可以通過執(zhí)行本發(fā)明實施例所述的功能的軟件在智能終端上的運行而實現(xiàn)。

實施例六

本發(fā)明實施例還提供了一種電子設(shè)備，如圖4所示，所述電子設(shè)備包括：圖像采集單元41、分析單元42和匹配跟蹤單元43；其中，

所述圖像采集單元41，用于采集至少兩幀圖像；

所述分析單元42，用于分析所述至少兩幀圖像，識別出所述至少兩幀圖像 中的目標(biāo)對象；基于所述至少兩幀圖像判斷所述目標(biāo)對象在所述至少兩幀圖像中的位置是否變化，根據(jù)判斷結(jié)果確定所述目標(biāo)對象的屬性信息為運動屬性信息或靜止屬性信息；

所述匹配跟蹤單元43，用于當(dāng)所述分析單元42確定所述目標(biāo)對象的屬性信息為運動屬性信息時，在預(yù)設(shè)算法集合中選擇與所述運動屬性信息匹配的第一預(yù)設(shè)跟蹤算法；所述第一預(yù)設(shè)跟蹤算法為與運動屬性相適配的跟蹤算法；當(dāng)所述目標(biāo)對象的屬性信息為靜止屬性信息時，在所述預(yù)設(shè)算法集合中選擇與所述靜止屬性信息匹配的第二預(yù)設(shè)跟蹤算法；所述第二預(yù)設(shè)跟蹤算法為與靜止屬性相適配的跟蹤算法。

具體的，所述分析單元42采用預(yù)設(shè)圖像識別算法分析所述至少兩幀圖像，識別出所述至少兩幀圖像中的目標(biāo)對象，所述圖像識別算法可以是現(xiàn)有技術(shù)中所包括的所有能夠?qū)D像進行分析處理且識別出各種不同模式的目標(biāo)和對象的算法。其中，所述目標(biāo)對象不限于人物、動物，甚至可以是靜態(tài)的物體，如樹木等等。進一步地，所述分析單元42識別出所述至少兩幀圖像中的目標(biāo)對象后，基于所述目標(biāo)對象在所述至少兩幀圖像中的不同狀態(tài)確定所述目標(biāo)對象的屬性信息，所述目標(biāo)對象的屬性信息可以包括運動屬性信息或靜止屬性信息。例如，當(dāng)所述電子設(shè)備確定所述目標(biāo)對象在第一幀圖像中的位置為(X1,Y1)，所述目標(biāo)對象在第二幀圖像中的位置為(X2,Y2)時，基于兩幀圖像中位置的不同可確定所述目標(biāo)對象的屬性信息為運動屬性信息。再例如，當(dāng)所述電子設(shè)備確定所述目標(biāo)對象在每一幀圖像中的位置均為(X1,Y1)時，基于至少兩幀圖像中的相同位置可確定所述目標(biāo)對象的屬性信息為靜止屬性信息。

具體的，所述電子設(shè)備中設(shè)置有存儲單元，所述存儲單元中存儲有跟蹤算法集合，所述跟蹤算法集合中包括至少兩組跟蹤算法與目標(biāo)對象的屬性信息的映射關(guān)系。當(dāng)所述分析單元42確定所述目標(biāo)對象的屬性信息為運動屬性信息時，所述匹配跟蹤單元43從所述跟蹤算法集合中選擇與所述運動屬性信息匹配的第一預(yù)設(shè)跟蹤算法，基于所述第一預(yù)設(shè)跟蹤算法對所述目標(biāo)對象進行跟蹤；當(dāng)確定所述目標(biāo)對象的屬性信息為靜止屬性信息時，所述匹配跟蹤單元43從所 述跟蹤算法集合中選擇與所述靜止屬性信息匹配的第二預(yù)設(shè)跟蹤算法，基于所述第二預(yù)設(shè)跟蹤算法對所述目標(biāo)對象進行跟蹤。其中，所述第一預(yù)設(shè)跟蹤算法為與運動屬性相適配的跟蹤算法，具體可以為TLD算法。所述第二預(yù)設(shè)跟蹤算法為與靜止屬性相適配的跟蹤算法，具體可以為模板匹配算法(或深度匹配算法)。

本領(lǐng)域技術(shù)人員應(yīng)當(dāng)理解，本發(fā)明實施例的電子設(shè)備中各處理單元的功能，可參照前述信息處理方法的相關(guān)描述而理解，本發(fā)明實施例的電子設(shè)備中各處理單元，可通過實現(xiàn)本發(fā)明實施例所述的功能的模擬電路而實現(xiàn)，也可以通過執(zhí)行本發(fā)明實施例所述的功能的軟件在智能終端上的運行而實現(xiàn)。

實施例七

本發(fā)明實施例還提供了一種電子設(shè)備，如圖4所示，所述電子設(shè)備包括：圖像采集單元41、分析單元42和匹配跟蹤單元43；其中，

所述圖像采集單元41，用于采集至少兩幀圖像；

所述分析單元42，用于分析所述至少兩幀圖像，識別出所述至少兩幀圖像中的目標(biāo)對象；基于所述至少兩幀圖像判斷所述目標(biāo)對象在所述至少兩幀圖像中的位置是否變化，根據(jù)判斷結(jié)果確定所述目標(biāo)對象的屬性信息為運動屬性信息或靜止屬性信息；還用于確定所述目標(biāo)對象的屬性信息為運動屬性信息后，分析所述至少兩幀圖像中的目標(biāo)對象，識別出所述目標(biāo)對象的運動特征數(shù)據(jù)；基于所述運動特征數(shù)據(jù)確定所述目標(biāo)對象的運動類型；所述運動類型包括以下類型的至少之一：勻速運動類型、加速運動類型、減速運動類型、旋轉(zhuǎn)運動類型；

所述匹配跟蹤單元43，用于當(dāng)所述分析單元42確定所述目標(biāo)對象的屬性信息為運動屬性信息時，在所述預(yù)設(shè)算法集合中選擇與所述目標(biāo)對象的運動類型匹配的第一預(yù)設(shè)跟蹤算法；所述第一預(yù)設(shè)跟蹤算法為與運動屬性相適配的跟蹤算法；當(dāng)所述目標(biāo)對象的屬性信息為靜止屬性信息時，在所述預(yù)設(shè)算法集合中選擇與所述靜止屬性信息匹配的第二預(yù)設(shè)跟蹤算法；所述第二預(yù)設(shè)跟蹤算法為與靜止屬性相適配的跟蹤算法。

具體的，所述分析單元42采用預(yù)設(shè)圖像識別算法分析所述至少兩幀圖像，識別出所述至少兩幀圖像中的目標(biāo)對象，所述圖像識別算法可以是現(xiàn)有技術(shù)中所包括的所有能夠?qū)D像進行分析處理且識別出各種不同模式的目標(biāo)和對象的算法。其中，所述目標(biāo)對象不限于人物、動物，甚至可以是靜態(tài)的物體，如樹木等等。進一步地，所述分析單元42識別出所述至少兩幀圖像中的目標(biāo)對象后，基于所述目標(biāo)對象在所述至少兩幀圖像中的不同狀態(tài)確定所述目標(biāo)對象的屬性信息，所述目標(biāo)對象的屬性信息可以包括運動屬性信息或靜止屬性信息。例如，當(dāng)所述電子設(shè)備確定所述目標(biāo)對象在第一幀圖像中的位置為(X1,Y1)，所述目標(biāo)對象在第二幀圖像中的位置為(X2,Y2)時，基于兩幀圖像中位置的不同可確定所述目標(biāo)對象的屬性信息為運動屬性信息。再例如，當(dāng)所述電子設(shè)備確定所述目標(biāo)對象在每一幀圖像中的位置均為(X1,Y1)時，基于至少兩幀圖像中的相同位置可確定所述目標(biāo)對象的屬性信息為靜止屬性信息。

本實施例中，當(dāng)所述目標(biāo)對象處于運動狀態(tài)，也即所述目標(biāo)對象的屬性信息為運動屬性信息時，由于所述目標(biāo)對象的運動類型多種多樣，則所述分析單元42還可通過分析識別所述至少兩幀圖像中的目標(biāo)對象，確定所述目標(biāo)對象的運動類型。具體的，所述分析單元42可通過預(yù)設(shè)圖像識別算法分析識別所述至少兩幀圖像中的目標(biāo)對象的運動特征數(shù)據(jù)，所述運動特征數(shù)據(jù)可以包括所述目標(biāo)對象的運動部位，如手臂、腿等等；所述運動特征數(shù)據(jù)還可以包括所述目標(biāo)對象的運動參數(shù)，如所述目標(biāo)對象在某一時段內(nèi)的平均速度、位移、加速度或角速度等等。所述分析單元42基于上述運動特征數(shù)據(jù)可確定所述目標(biāo)對象的運動類型如勻速運動類型、加速運動類型、減速運動類型、旋轉(zhuǎn)運動類型等等；其中的各運動類型還包括直線運動類型或曲線運動類型。當(dāng)然本發(fā)明實施例所述的運動類型不限于上述運動類型，可包括現(xiàn)實生活中的所有的運動類型。

具體的，所述電子設(shè)備中設(shè)置有存儲單元，所述存儲單元中存儲有跟蹤算法集合，所述跟蹤算法集合中包括至少兩組跟蹤算法與目標(biāo)對象的屬性信息的映射關(guān)系。當(dāng)所述分析單元42確定所述目標(biāo)對象的屬性信息為運動屬性信息、且確定所述運動屬性信息包括的運動類型時，所述匹配跟蹤單元43從所述跟蹤 算法集合中選擇與所述運動類型匹配的第一預(yù)設(shè)跟蹤算法，基于所述第一預(yù)設(shè)跟蹤算法對所述目標(biāo)對象進行跟蹤；當(dāng)確定所述目標(biāo)對象的屬性信息為靜止屬性信息時，所述匹配跟蹤單元43從所述跟蹤算法集合中選擇與所述靜止屬性信息匹配的第二預(yù)設(shè)跟蹤算法，基于所述第二預(yù)設(shè)跟蹤算法對所述目標(biāo)對象進行跟蹤。其中，所述第一預(yù)設(shè)跟蹤算法為與運動屬性相適配的跟蹤算法，具體可以為TLD算法。所述第二預(yù)設(shè)跟蹤算法為與靜止屬性相適配的跟蹤算法，具體可以為模板匹配算法(或深度匹配算法)。

本領(lǐng)域技術(shù)人員應(yīng)當(dāng)理解，本發(fā)明實施例的電子設(shè)備中各處理單元的功能，可參照前述信息處理方法的相關(guān)描述而理解，本發(fā)明實施例的電子設(shè)備中各處理單元，可通過實現(xiàn)本發(fā)明實施例所述的功能的模擬電路而實現(xiàn)，也可以通過執(zhí)行本發(fā)明實施例所述的功能的軟件在智能終端上的運行而實現(xiàn)。

實施例八

本發(fā)明實施例還提供了一種電子設(shè)備，基于實施例五至實施例七任一實施例的技術(shù)方案，所述匹配跟蹤單元43，用于基于所述預(yù)設(shè)跟蹤算法對所述目標(biāo)對象進行跟蹤，確定所述目標(biāo)對象在圖像采集區(qū)域中的位置；

所述圖像采集單元41，用于基于所述匹配跟蹤單元43確定的位置確定第一對焦參數(shù)，采用所述第一對象參數(shù)采集圖像。

具體的，所述第一對焦參數(shù)具體可以為所述圖像采集單元41的焦距，即采用實施例一至實施例三任一實施例的技術(shù)方案，所述匹配跟蹤單元43對目標(biāo)對象進行跟蹤后，確定所述目標(biāo)對象在所述圖像采集單元41的圖像采集區(qū)域中的位置，基于所述位置調(diào)整所述圖像采集單元41的焦距，控制所述圖像采集單元41按所述焦距采集圖像。

本領(lǐng)域技術(shù)人員應(yīng)當(dāng)理解，本發(fā)明實施例的電子設(shè)備中各處理單元的功能，可參照前述信息處理方法的相關(guān)描述而理解，本發(fā)明實施例的電子設(shè)備中各處理單元，可通過實現(xiàn)本發(fā)明實施例所述的功能的模擬電路而實現(xiàn)，也可以通過執(zhí)行本發(fā)明實施例所述的功能的軟件在智能終端上的運行而實現(xiàn)。

在本發(fā)明實施例五至實施例八中，所述電子設(shè)備中的分析單元42和匹配跟 蹤單元43，在實際應(yīng)用中均可由所述電子設(shè)備中的中央處理器(CPU，Central Processing Unit)、數(shù)字信號處理器(DSP，Digital Signal Processor)或可編程門陣列(FPGA，F(xiàn)ield－Programmable Gate Array)實現(xiàn)；所述電子設(shè)備中的圖像采集單元41，在實際應(yīng)用中可由所述電子設(shè)備的攝像頭實現(xiàn)。

在本申請所提供的幾個實施例中，應(yīng)該理解到，所揭露的設(shè)備和方法，可以通過其它的方式實現(xiàn)。以上所描述的設(shè)備實施例僅僅是示意性的，例如，所述單元的劃分，僅僅為一種邏輯功能劃分，實際實現(xiàn)時可以有另外的劃分方式，如：多個單元或組件可以結(jié)合，或可以集成到另一個系統(tǒng)，或一些特征可以忽略，或不執(zhí)行。另外，所顯示或討論的各組成部分相互之間的耦合、或直接耦合、或通信連接可以是通過一些接口，設(shè)備或單元的間接耦合或通信連接，可以是電性的、機械的或其它形式的。

上述作為分離部件說明的單元可以是、或也可以不是物理上分開的，作為單元顯示的部件可以是、或也可以不是物理單元，即可以位于一個地方，也可以分布到多個網(wǎng)絡(luò)單元上；可以根據(jù)實際的需要選擇其中的部分或全部單元來實現(xiàn)本實施例方案的目的。

另外，在本發(fā)明各實施例中的各功能單元可以全部集成在一個處理單元中，也可以是各單元分別單獨作為一個單元，也可以兩個或兩個以上單元集成在一個單元中；上述集成的單元既可以采用硬件的形式實現(xiàn)，也可以采用硬件加軟件功能單元的形式實現(xiàn)。

本領(lǐng)域普通技術(shù)人員可以理解：實現(xiàn)上述方法實施例的全部或部分步驟可以通過程序指令相關(guān)的硬件來完成，前述的程序可以存儲于一計算機可讀取存儲介質(zhì)中，該程序在執(zhí)行時，執(zhí)行包括上述方法實施例的步驟；而前述的存儲介質(zhì)包括：移動存儲設(shè)備、只讀存儲器(ROM，Read-Only Memory)、隨機存取存儲器(RAM，Random Access Memory)、磁碟或者光盤等各種可以存儲程序代碼的介質(zhì)。

或者，本發(fā)明上述集成的單元如果以軟件功能模塊的形式實現(xiàn)并作為獨立的產(chǎn)品銷售或使用時，也可以存儲在一個計算機可讀取存儲介質(zhì)中?；谶@樣 的理解，本發(fā)明實施例的技術(shù)方案本質(zhì)上或者說對現(xiàn)有技術(shù)做出貢獻的部分可以以軟件產(chǎn)品的形式體現(xiàn)出來，該計算機軟件產(chǎn)品存儲在一個存儲介質(zhì)中，包括若干指令用以使得一臺計算機設(shè)備(可以是個人計算機、服務(wù)器、或者網(wǎng)絡(luò)設(shè)備等)執(zhí)行本發(fā)明各個實施例所述方法的全部或部分。而前述的存儲介質(zhì)包括：移動存儲設(shè)備、ROM、RAM、磁碟或者光盤等各種可以存儲程序代碼的介質(zhì)。

以上所述，僅為本發(fā)明的具體實施方式，但本發(fā)明的保護范圍并不局限于此，任何熟悉本技術(shù)領(lǐng)域的技術(shù)人員在本發(fā)明揭露的技術(shù)范圍內(nèi)，可輕易想到變化或替換，都應(yīng)涵蓋在本發(fā)明的保護范圍之內(nèi)。因此，本發(fā)明的保護范圍應(yīng)以所述權(quán)利要求的保護范圍為準(zhǔn)。