(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210568408.3 (22)申请日 2022.05.24 (71)申请人 北京理工大 学 地址 100081 北京市海淀区中关村南大街5 号 (72)发明人 刘明　李世添　易伟超　董立泉　 褚旭红　赵跃进　孔令琴　惠梅　 (51)Int.Cl. H04N 5/225(2006.01) H04N 5/232(2006.01) G06N 3/04(2006.01) G06N 3/08(2006.01) G06T 7/11(2017.01) (54)发明名称 一种基于深度学习模型的摄像系统自动对 焦方法 (57)摘要 本发明提出了一种基于深度学习模型的摄 像系统自动对焦方法。 通过构建离焦量回归模 型， 华为开发板对摄像机捕捉的离焦图像进行离 焦量估计， 串口信号转换器将估计得到的离焦量 大小进行编码处理， 传输到舵机驱动模块， 进而 控制齿轮带动可调焦镜头， 完成摄像系统自动对 焦的目的。 本发 明解决了当前传统自动对焦算法 存在的响应时间长、 离焦估计精度低等问题， 为 人员在线跟踪、 动作 捕捉等需要连续变焦的摄像 系统提供清晰的对焦图像输入， 提升系统的整体 性能。 权利要求书1页 说明书4页 附图3页 CN 115086516 A 2022.09.20 CN 115086516 A 1.一种基于深度学习模型的摄 像系统自动对焦方法， 其特 征在于： 包括如下步骤： 步骤1： 随机初始化摄像系统的焦距， 采集得到相应图像， 对图像的离焦区域进行分割 处理， 区分获取图像的离焦区域与非离焦区域； 步骤2： 利用Zemax软件模拟光学系 统， 仿真带有离焦量标签的离焦图像作为模型的训 练集， 基于深度学习模型构造包含多层卷积的非线性回归模型， 利用MSE损失函数， 通过仿 真数据集对 模型进行迭代训练， 获得离焦量估计模型； 步骤3： 在华为Atlas开发板中将训练好的离焦量回归模型进行移植， 对步骤1中分割出 的离焦区域实现离焦量估计， 回归计算得到对应的离焦量大小； 步骤4： 将离焦量大小通过多功能串口信号转换器转换为控制电机转动的电平信号， 通 过控制电机驱动可调焦镜 头移动， 实现自动对焦的目的。 2.如权利要求1所述的一种基于深度 学习模型的摄像系统自动对焦方法， 其特征在于， 利用增强型二 维OTSU分割算法对 所获得的离焦图像进 行分割处理， 分别得到图像的对焦区 域与离焦区域。 3.如权利要求1所述的一种基于深度 学习模型的摄像系统自动对焦方法， 其特征在于， 利用Zemax软件模拟光学系统仿真生 成PSF， 构建离焦量大小与离焦量图片一一对应的训练 数据集。 4.如权利要求1所述的一种基于深度 学习模型的摄像系统自动对焦方法， 其特征在于， 设计多层神经网络构建离焦量回归模型， 利用离焦图像作为模型 的输入， 预测离焦量值大 小。 5.如权利要求1所述的一种基于深度 学习模型的摄像系统自动对焦方法， 其特征在于， 利用MSE损失函数作为回归 模型的优化目标， 加快了网络的收敛速度， 同时还提升预测。 6.如权利要求1所述的一种基于深度 学习模型的摄像系统自动对焦方法， 其特征在于， 在Atlas系统进行了模型的移植与部署， 便 于系统落 地实用。 7.如权利要求1所述的一种基于深度 学习模型的摄像系统自动对焦方法， 其特征在于， 对离焦量进行编码处 理， 控制电机驱动可调焦镜 头， 实现自动变焦的目的。权　利　要　求　书 1/1 页 2 CN 115086516 A 2一种基于深度学习模型的摄像系统自动对焦 方法 技术领域 [0001]本发明涉及计算机视觉， 深度学习， 自动对焦领域， 具体涉及基于深度学习模型的 摄像系统自动对焦方法， 通过构建回归模型 的方式对离焦图像进行离焦量估计， 实现摄像 系统自动对焦的目的。 背景技术 [0002]摄像系统在成像过程中， 由于系统对焦不准的影响， 获取的图像往往存在图像模 糊、 细节丢失等退化问题。 为提升获取图像的视觉质量， 实现摄像系统的自动对焦 对摄像系 统成像显得 尤为重要。 [0003]现有的自动对焦方法主要分为两种： 对焦深度法(DFF)和离焦深度法(DFD)。 DFF通 过评价函数对不同对焦位置的图像进 行清晰度评价， 搜索出的最清晰图像则表示为正确的 对焦位置。 DFD通过计算离焦图像获取得到深度信息， 从而完成自动对焦。 尽管取得了一定 的效果， 但上述方法均存在响应时间长、 离焦估计精度低等问题， 影响其实际使用。 [0004]因此， 如何实现摄像系统快速准确的自动对焦成为了该领域人员研究的热点与重 点。 发明内容 [0005]针对以上问题， 本发明提出了一种基于深度学习模型的摄像系统自动对焦方法。 得益于卷积神经网络强大的特征拟合能力， 模型能够有效的从离焦图像中提取离焦量信 息， 解决了 当前自动对焦算法普遍存在的响应时间长、 离焦估计精度低等问题， 实现了系统 快速准确对焦的目的， 为人员跟踪、 动作捕捉等需要连续变焦的摄像系统提供清晰的对焦 图像， 提升系统的整体性能。 [0006]本发明所采用的技术方案是， 一种基于深度学习模型的摄像系统自动对焦方法具 体按照以下步骤实施： [0007]步骤1： 随机初始化摄像系统的焦距， 采集得到相应图像， 对图像的离焦区域进行 分割处理， 区分获取图像的离焦区域与非离焦区域； [0008]步骤2： 利用Zemax软件模拟光学系统， 仿真带有离焦量标签的离焦图像作为模型 的训练集， 基于深度学习模型构造包含多层卷积的非线性回归模型， 利用MSE损失函数， 通 过仿真数据集对 模型进行迭代训练， 获得离焦量估计模型； [0009]步骤3： 在华为Atlas开发板中将训练好的离焦量回归模型进行移植， 对步骤1中分 割出的离焦区域实现离焦量估计， 回归计算得到对应的离焦量大小； [0010]步骤4： 将离焦量大小通过多功能串口信号转换器转换为控制电机转动的电平信 号， 通过控制舵机驱动可调焦镜 头移动， 实现自动对焦的目的。 [0011]本发明的特点还在于： [0012]步骤1具体实施过程如下： 首先， 由于对焦位置不准确， 摄像系统在随机初始化的 离焦状态下获得的图像存在局部模糊、 细节丢失等问题， 其次， 利用增强型二 维OTSU分割算说　明　书 1/4 页 3 CN 115086516 A 3