本发明涉及摄像机技术领域，尤其涉及一种摄像机自动调焦系统及方法。
背景技术：
摄像头的调焦最初是由手工进行的，现在逐渐被自动调焦系统或者模组所取代，并随着探测器的发展，自动调焦技术在不断的改进中。现在越来越多的摄像机、数码摄像机等都采用了自动调焦技术。从而使大多数自动调焦问题也凸显出来，调焦精度不够，不能准确的找到调焦位置；调焦所用时间较长，使得使用者要等很长的时间才能得到一个满意的图像；即使调焦调好了，有的目标物是不清晰的，这要技术人员后期处理，才能得到一个高分辨率的图像等等的缺点。而这些问题则直接影响着客户的体验。
现有的全焦成像系统，通常包含三个部分：高速成像部分，高速变焦透镜部分，高速图像处理电路部分。这些对技术要求很高，从而使得生产摄像机的成本普遍偏高，相应的售价也随之变的更高。这种全焦成像系统把不重要的景物也凸显出来，使得要拍摄的目标景物不能被很好的彰显出来。用户在观看图片时，有时候不能得到自己想要的效果。
技术实现要素：
本发明所要解决的技术问题是如何提供一种精度高，效率高，能自动生成理想的高分辨率图像的摄像机自动调焦系统及方法。
为解决上述技术问题，本发明所采取的技术方案是：一种摄像机自动调焦系统，其特征在于：包括微处理器模块，调焦控制模块与所述微处理器双向连接，调焦马达的控制端与所述调焦控制模块的控制信号输出端连接，微处理器通过所述调焦控制模块控制所述调焦马达动作；位置反馈模块的信号输出端与所述调焦控制模块的信号输入端连接；摄像机抖动检测模块的控制输入端与所述调焦控制模块的信号输出端连接，所述摄像机抖动检测模块的输出端与所述微处理器的信号输入端连接；摄像机镜头的信号输出端与所述微处理器的信号输入端连接；摄像机快门与所述微处理器双向连接；所述的微处理器分别与焦点估计模块和图像融合模块进行双向连接，图片焦点估计模块用于对摄像机采集的图片的焦点进行估计，所述图像融合处理模块用于对摄像机采集的图像进行融合处理。
进一步的技术方案在于：所述系统还包括摄像机显示屏，所述摄像机显示屏与所述微处理器双向连接，用于接受微处理器的控制并显示微处理器输出的数据。
进一步的技术方案在于：所述系统还包括内存芯片，所述内存芯片与所述微处理器双向连接，用于存储微处理器需要的程序以及微处理器处理后的数据。
本发明还公开了一种摄像机自动调焦方法，其特征在于包括如下步骤：
摄像机镜头在焦点最初位置采集当前场景的图像，将其经过微处理器控制发送给图片焦点估计模块；
图片调焦模块对图片进行焦点估计，将焦点的信息发送给微处理器进行处理；
微处理器依据焦点的距离信息大小，计算出每次调焦马达要移动的相对距离大小，得到相应的相对焦点距离值，将这些相对焦点距离值按一定规律排序好之后发送给调焦控制模块；
调焦控制模块依次发送调焦命令给调焦马达，控制镜头拍摄特定焦点位置上的图片，每一次发送命令后，位置反馈模块检测调焦马达是否已到达相应的位置，并发送信号给调焦控制模块，调焦控制模块接到信息之后发送信号给摄像机抖动检测模块，抖动检测模块检测到摄像机处于稳定状态后，发送信号给微处理器，微处理器再控制按下摄像机快门，将拍摄好的图片暂存到微处理器内，如此循环，直到调焦控制模块将微处理器一次传入的相对焦点距离值发送完毕；
微处理器将所有拍摄到的图片都传给图像融合处理模块进行处理，图像融合处理模块将融合的图像再发送给微处理器；
微处理器将图像显示在摄像机的显示屏上，如果可以，摄像人员按下ok键，微处理器将自动把生成好的图片存在内存芯片上；并且微处理器内部数据清零，调焦马达回到初始位置，为下一次拍摄做好准备。
进一步的技术方案在于，所述图片调焦模块对图片进行焦点估计的方法如下：
1)用一个能够手动调焦的摄像机，将焦点调节至初始原点位置，拍摄当前景物图片，然后依次调焦，找到每个目标物体的最佳成像位置，并记录每个目标景物所需要的调焦距离，构成图片；
2)使用vgg-16神经网络对图片数据集进行训练。
3)最后利用训练好的模型对待测图片进行判别，并输出待测图片中每个目标景物的焦点距离。
进一步的技术方案在于，所述vgg-16神经网络各个参数计算的方法如下：
1)卷积层的计算公式如下：
其中，
2)池化层采取的方式为最大值池化，计算公式如下：
3)三个全连接层大小分别是4096，4096，1000。其中最后一个全连接层应该将1000改为输入数据集的类别数量120用来分类；
4)直接使用vgg团队提出的高斯分布随机生成权值的方法来初始化参数；
5)惩罚系数l2，由于数据集比较小，所以本发明采用的值为0.0001；
6)动量是用于加快随机梯度下降而设置的物理参数，本发明采用的是改进的nesterov动量方法，并将动量设置为0.9。
进一步的技术方案在于，微处理器将所有拍摄到的图片传给图像融合处理模块进行处理的方法如下：
把原始多个图像分成b*b大小的块，用ai,bi,ci...分别代表图像a，b，c...图像的第i个块；
对每一幅图像的每一个块都计算质量评估参数λ，分别记为
比较
将标记为1的图像进行形态学操作，之后采用不同的融合规则进行融合。
采用上述技术方案所产生的有益效果在于：本发明可以解决现在技术中人工调焦的不精确、其他自动调焦速度慢，效率低、不能立即得到理想的高分辨率图像等问题。所述系统和方法调焦精度高、速度快，效率高、能立即得到理想的高分辨率图像。
附图说明
下面结合附图和具体实施方式对本发明作进一步详细的说明。
图1是本发明实施例所述系统的原理框图；
图2是本发明实施例所述方法中焦点估计模块的处理流程图；
图3本发明实施例所述方法中vgg-16的网络结构图；
图4是发明实施例所述方法中质量评估和小波融合的多焦点图像融合流程图。
具体实施方式
下面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，显然，所描述的实施例仅仅是本发明的一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是本发明还可以采用其他不同于在此描述的其它方式来实施，本领域技术人员可以在不违背本发明内涵的情况下做类似推广，因此本发明不受下面公开的具体实施例的限制。
如图1所示，本发明实施例公开了一种摄像机自动调焦系统，包括微处理器模块，优选的，微处理器模块使用dsp；调焦控制模块与所述微处理器双向连接，调焦马达的控制端与所述调焦控制模块的控制信号输出端连接，微处理器通过所述调焦控制模块控制所述调焦马达动作；位置反馈模块的信号输出端与所述调焦控制模块的信号输入端连接；摄像机抖动检测模块的控制输入端与所述调焦控制模块的信号输出端连接，所述摄像机抖动检测模块的输出端与所述微处理器的信号输入端连接；摄像机镜头的信号输出端与所述微处理器的信号输入端连接；摄像机快门与所述微处理器双向连接；所述的微处理器分别与焦点估计模块和图像融合模块进行双向连接，图片焦点估计模块用于对摄像机采集的图片的焦点进行估计，所述图像融合处理模块用于对摄像机采集的图像进行融合处理。
与dsp相连的摄像机显示屏可以预览得到的高分辨率图像，并且由操作员确认该高分辨率图像是否符合要求。
与dsp相连的摄像机抖动检测模块，可以检测调焦马达转动之后摄像机是否处于稳定状态，如果稳定，则将信号发出，通知dsp可以按下快门。所述的摄像机抖动检测模块包含抖动检测传感器，通过抖动检测传感器给出的数据来判断相机是否稳定。
与dsp相连的调焦控制模块，接收来自dsp芯片发送过来的焦点相对距离值，并且可以依次控制调焦马达转动到相应的位置上，还可以接收位置反馈模块反馈回来的信息，判断马达是否移动到相应位置，及当前调焦马达所处的位置,并控制摄像机抖动检测模块工作。
本发明还公开了一种摄像机自动调焦方法，包括如下步骤：
步骤一：摄像机镜头在焦点最初位置采集当前场景的图像，将其经过dsp控制发送给图片焦点估计模块。
步骤二：图片调焦模块对图片进行焦点估计，将焦点的信息发送给dsp进行处理。参考图2，焦点估计模块的处理方法如下：
(1)用一个可以手动调焦的摄像机，将焦点调节至初始原点位置，拍摄当前景物图片，然后依次调焦，找到每个目标物体的最佳成像位置，并记录每个目标景物所需要的调焦距离。这样依次采集相同目标景物的相同距离和不同距离的图片，不同目标景物的相同距离和不同距离的图片。并在太阳高照，多云，阴天等环境情况下分别采样。一共分为12组，每组约100张照片，并把每张照片，不同清晰程度(最多分为10种不同清晰度)的像素区域所需要调焦的距离进行分类和标注。
(2)使用vgg-16神经网络对图片数据集进行训练。参照图3，白色代表卷积层(convolution)和激活层(relu)，深灰色代表全连接层(fullyconnected)和激活层(relu)。该神经网络由13个提取特征的卷积层与3个全连接层组成，卷积层之间还有5个最大池化层。除最后一个全连接层外，所有隐层之后都使用relu作为激活单元。由于数据集比较小，所以关闭dropout。
所述vgg-16神经网络各个参数计算步骤进一步包括：
卷积层的计算公式如下：
其中，
池化层采取的方式为最大值池化，计算公式如下：
三个全连接层大小分别是4096，4096，1000。其中最后一个全连接层应该将1000改为输入数据集的类别数量120用来分类。
直接使用vgg团队提出的高斯分布随机生成权值的方法来初始化参数。
惩罚系数l2，由于数据集比较小，所以本发明采用的值为0.0001。
动量是用于加快随机梯度下降而设置的物理参数，本发明采用的是改进的nesterov动量方法，并将动量设置为0.9。
用以上参数进行训练，比原vgg-16的训练结果提升很多，原vgg-16的最佳准确率为90％左右，做了微调之后的最佳准确率为95％左右。
(3)最后利用训练好的模型对待测图片进行判别，并输出待测图片中每个目标景物的焦点距离。最终准确率维持在93％左右。
步骤三：dsp芯片依据焦点的距离信息大小，计算出每次调焦马达要移动的相对距离大小，得到相应的相对焦点距离值，将这些相对焦点距离值按一定规律排序好之后发送给调焦控制模块。
步骤四：调焦控制模块依次发送调焦命令给调焦马达，控制镜头拍摄特定焦点位置上的图片，每一次发送命令后，位置反馈模块检测是否已到达相应的位置，并发送信号给调焦控制模块，调焦控制模块接到信息之后发信号给摄像机抖动检测模块，抖动检测模块检测到摄像机处于稳定状态后，发信号给dsp芯片，dsp芯片在控制按下摄像机快门，将拍摄好的图片暂存到dsp芯片上。如此循环，直到调焦控制模块将dsp芯片一次传入的相对焦点距离值发送完毕。
步骤五：dsp芯片将所有拍摄到的图片，都传给图像融合处理模块，将融合的图像发送给dsp。参考图4，进一步解释质量评估和小波融合进行多焦点图像融合的步骤如下：
把原始多个图像分成b*b大小的块，用ai,bi,ci...分别代表图像a，b，c...图像的第i个块。
对每一幅图像的每一个块都计算质量评估参数λ，分别记为
比较
将标记为1的图像进行形态学操作，之后采用不同的融合规则进行融合。
步骤六：dsp芯片将图像显示在摄像机的显示屏上，如果可以，摄像人员按下ok键，dsp芯片将自动把生成好的图片存在内存芯片上。并且dsp内部数据清零，调焦马达回到初始位置，为下一次拍摄做好准备。