跟踪器自动曝光算法

一、分析
1.machine_vision机器视觉
2.tracker目标跟踪
Auto Exposure(AE)算法怎么处理比较合适。
相机传感器 & 图像处理。
3.在跟踪场景中，为了让跟踪算法稳定，需要合适的曝光。
4.需要依据目标亮度的变化，快速运动，背景复杂等场景，然后推荐合适的算法和策略。
5.曝光评价指标：基于目标区域亮度，基于特征电，基于直方图等。
6.自动曝光算法一般分为：平均亮度法，中央重点法，多区域评价测光，加油直方图的方法等。
7.基于梯度的曝光控制算法，最大化目标区域的梯度信息，比如梯度的平方和。
8.基于信息熵最大的自动曝光算法

二、跟踪器自动曝光的要求
1.需要保证目标区域内有足够多的纹理，对比度，避免过曝/欠曝导致的特征丢失；
2.需要保证自动曝光快速的收敛，并且要适应光照突变
3.防止局部过曝/欠曝失控

三、目标跟踪自动曝光算法介绍
1.目标区域平均亮度测光
结合阈值和PID来实现

2.基于目标区域梯度或者方差的曝光控制

3.基于跟踪置信度加权的自适应测光

4.基于图像信息最大化
熵或者拉普拉斯算子

5.混合曝光策略(分区加权+高动态场景保护)
方法：
-将图像分成若干块，其中中心区域权重最高，四周权重逐渐降低。
-将所有块做亮度统计，防止某一个块过曝导致拉低整体曝光。

工程上使用：去极值的 ROI 平均亮度 + PID 控制 + 防过曝剪裁 + 快速响应机制。

四、目标跟踪自动曝光算法实现
1.测光
获取跟踪框内的像素，丢掉最亮的5%和最暗的5%，计算平均亮度。

2.目标亮度目标值设定
不要设置固定的亮度128，而是依据目标选择一个区间：
正常的场景下，目标的平均亮度位置在100~150之间就可以了。

3.PID控制器设计
P负责基本调节
I用于消除稳态误差
D抑制超调节
对亮度差分段处理：差距大时用大比例系数，差距小时用小比例，避免震荡。。

4.增益和曝光分工
优先调节曝光时间，避免运动模糊，如果曝光时间达到上限后再提增益。

5.防止过曝保护
当目标区域最大亮度超过阈值，比如245，那么无论平均亮度如何，
需要强制降低曝光，防止白饱和导致梯度彻底消失。

五、手机的自动曝光算法
小米 & 华为 & 苹果手机采用的背后哲学是完全不一样的。

1.手机的自动曝光是以跟踪框为中心的测光
2.手机的测光：
把图像画面分成很多网格区域，统计每个块的平均亮度和最高/最低亮度；
结合场景，生成一个权重图，主体区域权重高，编译或者天空适当降低；
3.计算目标亮度
传统算法：根据权重加权平均，得到一个期望的全局亮度值。

现代算法：多用一个轻量 CNN 或决策树，根据场景语义直接输出一个“目标曝光补偿值”，而不是单纯的 18% 灰。
比如：雪景知道要过曝一点，夜景要适当提亮暗部但压高光，人像要优先保证面部亮度。

4.控制曝光参数
同时调整光圈（固定/可变光圈）、曝光时间、ISO（模拟和数字增益）。

手机基本没有物理可变光圈（部分小米机型有两档可变），主要靠曝光时间和ISO。

策略：优先延长曝光时间（避免运动模糊时会限制上限），不够再提 ISO；多帧合成时还会故意拍一帧短曝保护高光、一帧长曝提亮暗部。

5.多帧曝光融合（HDR / 夜景模式的核心）
这是小米近年来提升最大的地方，典型如“夜枭算法”、“Xiaomi Imaging Engine”等：

按下快门瞬间，实际上会拍摄 一组长短不一的多帧图像，例如：
一帧极短曝光（保护灯箱、路灯等高光细节）；
一帧标准曝光（中间调）；
一帧或几帧长曝光（提亮暗部并降噪）。

通过对齐、融合、动态范围压缩，生成一张亮部不过曝、暗部有细节的照片。

这种情况下，传统 AE 只负责“短曝帧不溢出、长曝帧暗部噪声可控”，融合后的最终亮度由算法决定，不是单个曝光参数决定的。

六、实时预览的AE平滑
1.AE 变化必须平滑，不能突亮突暗。

2.采用IIR 滤波或预测控制，对曝光参数做平滑。

3.当画面中出现强光源或用户触摸对焦/测光时，会加快收敛（类似跟踪器里的快速响应）

七、自动曝光的三部曲
自动曝光底层也是测光、定目标、调参数这三步骤。