[发明专利]训练、检测、聚焦方法及拍摄装置

权利要求书

1.一种训练方法，其特征在于，应用于RAW域摩尔纹检测模型的训练，所述RAW域摩尔纹检测模型用于接收RAW域图像并输出所述RAW域图像中是否存在摩尔纹的判断结果，所述RAW域图像为对原始图像进行了降采样后得到的相位对焦图像，所述训练方法包括：

训练用的所述RAW域图像的奇数行进行拼接得到第一图像；

训练用的所述RAW域图像的偶数行进行拼接得到第二图像；

所述第一图像和所述第二图像输入神经网络模型进行训练，得到所述RAW域摩尔纹检测模型，其中，所述神经网络模型为两通道输入，所述第一图像和所述第二图像各自占用一个通道。

2.根据权利要求1所述的训练方法，其特征在于，训练用的所述RAW域图像包括正样本图像和负样本图像，所述正样本图像中存在摩尔纹，所述负样本图像中不存在摩尔纹。

3.根据权利要求2所述的训练方法，其特征在于，基于所述正样本图像和所述负样本图像的数量之比设定学习权重。

4.根据权利要求2所述的训练方法，其特征在于，所述正样本图像基于至少两种图像传感器拍摄多种型号的显示屏中的多种拍摄对象得到，所述拍摄对象包括网页、文档以及图像。

5.根据权利要求2所述的训练方法，其特征在于，所述负样本图像基于至少两种图像传感器拍摄至少两种场景得到，所述场景包括不受摩尔纹干扰的屏幕场景以及自然场景，所述自然场景包括室内自然场景和室外自然场景。

6.根据权利要求1所述的训练方法，其特征在于，所述神经网络模型的池化层的尺寸被配置为4×4，以及，所述神经网络模型的全连接层的数量被配置为2层。

7.根据权利要求1所述的训练方法，其特征在于，所述训练方法还包括：

在训练过程中，保留损失函数最小的模型以及分类准确性最高的模型；以及，基于损失函数和分类准确性计算综合评价指标，所述综合评价指标最高的模型作为最终训练结果。

8.一种检测方法，其特征在于，所述检测方法包括：

接收RAW域图像，其中，所述RAW域图像为对原始图像进行了降采样后得到的相位对焦图像；

接收到的所述RAW域图像的奇数行进行拼接得到第三图像；

接收到的所述RAW域图像的偶数行进行拼接得到第四图像；以及，

所述第三图像和所述第四图像输入检测模型得到检测结果，所述检测模型基于如权利要求1～7中任一项所述的训练方法训练得到。

9.一种聚焦方法，其特征在于，所述聚焦方法包括：

接收RAW域图像，其中，所述RAW域图像为对原始图像进行了降采样后得到的相位对焦图像；

接收到的所述RAW域图像基于相位对焦技术计算聚焦电机的需求位移；

接收到的所述RAW域图像基于如权利要求8所述的检测方法得到检测结果；

若检测结果为存在摩尔纹，则将所述需求位移设置为零并输出；若检测结果为不存在摩尔纹，则直接输出所述需求位移。

10.一种拍摄装置，其特征在于，所述拍摄装置包括聚焦电机和处理器，其中，

所述处理器用于基于如权利要求9所述的聚焦方法输出所述需求位移以驱使所述聚焦电机运动。