[发明专利]一种基于深度学习模型的摄像系统自动对焦方法

权利要求书

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。