云台控制摄像机的物距预测方法、装置及存储设备

摘要

本发明提供了一种云台控制摄像机的物距预测方法、装置及存储设备。该方法包括：获取所述云台控制摄像机的当前上下/左右PT位置；根据所述当前PT位置在PT物距池中确定与所述当前PT位置相匹配的PT物距关系组，其中，所述PT物距池中记录有一个或多个PT物距关系组，每个PT物距关系组包括一个PT位置和与所述PT位置对应的物距；根据与所述当前PT位置相匹配的所述PT物距关系组，确定所述当前PT位置对应的物距预测值。通过本发明，解决了如何快速的确定物距从而实现快速聚焦的问题，基于PT物距池快速实现了物距预测，从而缩短了物距确定和聚焦操作的时间。

权利要求

1.一种云台控制摄像机的物距预测方法，其特征在于，包括：获取所述云台控制摄像机的当前上下/左右PT位置；

根据所述当前PT位置在PT物距池中确定与所述当前PT位置相匹配的PT物距关系组，其中，所述PT物距池中记录有一个或多个PT物距关系组，每个PT物距关系组包括一个PT位置和与所述PT位置对应的物距；

根据与所述当前PT位置相匹配的所述PT物距关系组，确定所述当前PT位置对应的物距预测值，其中，与所述当前PT位置相匹配的PT物距关系组包括以下之一：PT位置与所述当前PT位置相一致的第一类PT物距关系组；PT位置与所述当前PT位置不一致但满足预定条件的第二类PT物距关系组。

2.根据权利要求1所述的方法，其特征在于，根据与所述当前PT位置相匹配的所述PT物距关系组，确定所述当前PT位置对应的物距预测值之后，还包括：控制聚焦马达移动到所述物距预测值对应的马达位置，并继续进行聚焦操作。

3.根据权利要求1所述的方法，其特征在于，在与所述当前PT位置相匹配的PT物距关系组包括所述第一类PT物距关系组的情况下，根据与所述当前PT位置相匹配的所述PT物距关系组，确定所述当前PT位置对应的物距预测值包括：将所述第一类PT物距关系组中包括的所述物距确定为所述当前PT位置对应的所述物距预测值。

4.根据权利要求1所述的方法，其特征在于，在与所述当前PT位置相匹配的PT物距关系组包括所述第二类PT物距关系组的情况下，所述预定条件包括：PT位置位于预定区域内，且在所述PT物距池的位于所述PT位置所在的预定区域内的所有PT位置中，按照PT位置与所述当前PT位置的距离从小到大的顺序排序在前N位，其中，N为大于等于1的整数。

5.根据权利要求4所述的方法，其特征在于，所述预定区域包括：以所述当前PT位置为原点的坐标系中的第一象限、第二象限、第三象限、第四象限、x轴正方向、x轴负方向、y轴正方向和y轴负方向。

6.根据权利要求1、4、5中任一项所述的方法，其特征在于，在与所述当前PT位置相匹配的PT物距关系组包括所述第二类PT物距关系组的情况下，根据与所述当前PT位置相匹配的所述PT物距关系组，确定所述当前PT位置对应的物距预测值包括：根据所述第二类PT物距关系组的总数，采用与所述总数对应的物距预测方式确定所述当前PT位置对应的物距预测值。

7.根据权利要求6所述的方法，其特征在于，根据所述第二类PT物距关系组的总数，采用与所述总数对应的物距预测方式确定所述当前PT位置对应的物距预测值包括以下至少之一：

在所述第二类PT物距关系组的总数大于等于4、且所述第二类PT物距关系组的PT位置中有四个PT位置围成的第一区域能够覆盖所述当前PT位置的情况下，基于围成能够覆盖所述当前PT位置的第一区域的四个PT位置对应的物距执行四点物距拟合计算，确定所述当前PT位置对应的物距预测值；

在所述第二类PT物距关系组的总数大于等于4、且所述第二类PT物距关系组的PT位置中任何四个PT位置围成的第一区域都不能覆盖所述当前PT位置的情况下，基于所述第二类PT物距关系组的PT位置中，所围成的第二区域能够覆盖所述当前PT位置的三个PT位置对应的物距执行三点物距拟合计算，确定所述当前PT位置对应的物距预测值；

在所述第二类PT物距关系组的总数等于3、且所述第二类PT物距关系组的三个PT位置围成的第二区域能够覆盖所述当前PT位置的情况下，基于所述第二类PT物距关系组的三个PT位置对应的物距执行三点物距拟合计算，确定所述当前PT位置对应的物距预测值；

在所述第二类PT物距关系组的总数等于3、且所述第二类PT物距关系组的三个PT位置围成的第二区域不能覆盖所述当前PT位置的情况下，基于所述第二类PT物距关系组的三个PT位置中距离所述当前PT位置最近的两个PT位置对应的物距执行两点物距拟合计算，确定所述当前PT位置对应的物距预测值；

在所述第二类PT物距关系组的总数等于2的情况下，基于所述第二类PT物距关系组的两个PT位置对应的物距执行两点物距拟合计算，确定所述当前PT位置对应的物距预测值；

在所述第二类PT物距关系组的总数等于1的情况下，基于所述第二类PT物距关系组的一个PT位置对应的物距执行单点物距拟合计算，确定所述当前PT位置对应的物距预测值；

在所述第二类PT物距关系组的总数等于0的情况下，确定所述当前PT位置对应的物距预测值为预设的物距范围。

8.根据权利要求7所述的方法，其特征在于，所述四点物距拟合计算包括：计算所述当前PT位置对应的物距预测值e＝a1×k2×k3+b1×k3×k4+c1×k1×k4+d1×k1×k2，其中，k1＝s1/(s1+s3)，k2＝s2/(s2+s4)，k3＝s3/(s1+s3)，k4＝s4/(s2+s4)，a1、b1、c1、d1分别为所述四个PT位置中第一PT位置、第二PT位置、第三PT位置、第四PT位置对应的物距，s1为所述第一PT位置、所述第二PT位置以及所述当前PT位置构成的三角形的面积，s2为所述第二PT位置、所述第三PT位置以及所述当前PT位置构成的三角形的面积，s3为所述第三PT位置、所述第四PT位置以及所述当前PT位置构成的三角形的面积，s4为所述第四PT位置、所述第一PT位置以及所述当前PT位置构成的三角形的面积；

和/或，

所述三点物距拟合计算包括：计算所述当前PT位置对应的物距预测值e＝a2×k2+b2×k3+c2×k1，其中，k1＝s1/(s1+s2+s3)，k2＝s2/(s1+s2+s3)，k3＝s3/(s1+s2+s3)，a2、b2、c2分别为所述三个PT位置中第一PT位置、第二PT位置、第三PT位置对应的物距，s1为所述第一PT位置、所述第二PT位置以及所述当前PT位置构成的三角形的面积，s2为所述第二PT位置、所述第三PT位置以及所述当前PT位置构成的三角形的面积，s3为所述第三PT位置、所述第一PT位置以及所述当前PT位置构成的三角形的面积；

和/或，

所述两点物距拟合计算包括：确定所述当前PT位置所在的目标区域，并根据所述目标区域确定所述当前PT位置对应的物距预测值，其中，所述目标区域与所述物距预测值的对应关系包括：第一目标区域和第三目标区域对应的所述物距预测值为物距范围[b3，a3]；第二目标区域对应的所述物距预测值为物距范围[a3，Far]；第四目标区域对应的所述物距预测值为物距范围[Near,b3]；第五目标区域对应的所述物距预测值为物距范围[b3,c3]；第六目标区域对应的所述物距预测值为物距范围[d3,a3]，其中，所述第二目标区域为以所述两个PT位置为对角线的正方形的上边以上的区域，所述第四目标区域为所述正方形的下边以下的区域，所述第一目标区域为所述正方形的左边以左的除所述第二目标区域和所述第四目标区域之外的区域，所述第三目标区域为所述正方形的右边以右的除所述第二目标区域和所述第四目标区域之外的区域，所述第五目标区域为所述正方形中所述两个PT位置构成的对角线的左下方的区域，所述第六目标区域为所述正方形中所述两个PT位置构成的对角线的右上方的区域，a3、b3分别为所述两个PT位置中第一PT位置、第二PT位置对应的物距，c3通过公式(xe‑xa/xb‑xe＝a3‑c3/c3‑b3)确定，d3通过公式(xe‑xa/xb‑xe＝a3‑d3/d3‑b3)确定，(xa,ya)，(xb,yb)分别为所述两个PT位置的坐标，(xe,ye)为所述当前PT位置的坐标，Far为最大物距，Near为最小物距；

和/或，

所述单点物距拟合计算包括：当所述当前PT位置位于所述一个PT位置的上方，确定所述当前PT位置对应的物距预测值为物距范围[a4,Far]；当所述当前PT位置位于所述一个PT位置的下方，确定所述当前PT位置对应的物距预测值为物距范围[Near,a4]，其中，a4为所述一个PT位置对应的物距，Far为最大物距，Near为最小物距。

9.根据权利要求1所述的方法，其特征在于，控制聚焦马达移动到所述物距预测值对应的马达位置，并继续进行聚焦操作之后，还包括以下至少之一：将包括所述当前PT位置和所述聚焦操作后获得的真实物距值的PT物距关系组记录或更新到所述PT物距池；

通过比较所述物距预测值与所述聚焦操作后获得的真实物距值确定本次物距预测的准确性，并根据本次物距预测的准确性更新物距预测系统的总准确率。

10.根据权利要求1‑8中任一项所述的方法，其特征在于，还包括：确定物距预测系统的总准确率是否小于最低准确率限值k；

在所述物距预测系统的总准确率小于所述最低准确率限值k的情况下，控制所述物距预测系统休眠第一时长之后，唤醒所述物距预测系统继续运行第二时长之后，返回确定所述物距预测系统的总准确率是否小于所述最低准确率限值k的步骤。

11.根据权利要求1‑8中任一项所述的方法，其特征在于，还包括：对所述PT物距池中的PT物距关系组进行数据可靠性校验，并从所述PT物距池中删除未通过所述数据可靠性校验的PT物距关系组。

12.一种云台控制摄像机的物距预测装置，其特征在于，包括搜索拟合模块，设置为：获取所述云台控制摄像机的当前上下/左右PT位置；

根据所述当前PT位置在PT物距池中确定与所述当前PT位置相匹配的PT物距关系组，其中，所述PT物距池中记录有一个或多个PT物距关系组，每个PT物距关系组包括一个PT位置和与所述PT位置对应的物距；

根据与所述当前PT位置相匹配的所述PT物距关系组，确定所述当前PT位置对应的物距预测值，其中，与所述当前PT位置相匹配的PT物距关系组包括以下之一：PT位置与所述当前PT位置相一致的第一类PT物距关系组；PT位置与所述当前PT位置不一致但满足预定条件的第二类PT物距关系组。

13.根据权利要求12所述的装置，其特征在于，还包括以下至少之一：学习模块，设置为将包括所述当前PT位置和执行聚焦操作后获得的真实物距值的PT物距关系组记录或更新到所述PT物距池；

准确率统计模块，设置为：通过比较所述物距预测值与执行聚焦操作后获得的真实物距值确定本次物距预测的准确性，并根据本次物距预测的准确性更新物距预测系统的总准确率。

14.根据权利要求12所述的装置，其特征在于，还包括：学习点校验模块，设置为对所述PT物距池中的PT物距关系组进行数据可靠性校验，并从所述PT物距池中删除未通过所述数据可靠性校验的PT物距关系组。

15.一种存储介质，其特征在于，所述存储介质中存储有计算机程序，其中，所述计算机程序被设置为运行时执行所述权利要求1至11任一项中所述的方法。

说明书

云台控制摄像机的物距预测方法、装置及存储设备

技术领域

[0001] 本发明涉及物距预测领域，具体而言，涉及一种云台控制摄像机的物距预测方法、装置及存储设备。

背景技术

[0002] 监控摄像机在拍摄过程中，当拍摄场景变化时，为了获取清晰的图像，云台控制(Pan/Tilt/Zoom，简称为PTZ)摄像机(一种云台全方位移动及镜头变倍、变焦控制的摄像
机)常常需要对待拍摄的物体进行聚焦操作。

[0003] 为了实现聚焦操作，PTZ摄像机需要多次调节镜头中聚焦马达的位置，并利用清晰度评价函数，对各个位置下的待拍摄的物体进行清晰度评估分析，获得各个位置对应的清
晰度值；再利用爬山搜索算法，在各个位置上来回搜索，以获得最大清晰度值所对应的位
置，进而将聚焦马达移动到该位置，完成聚焦操作。

[0004] 然而，如何能够快速的确定物距从而实现快速聚焦，是目前仍待解决的问题。

发明内容

[0005] 本发明实施例提供了一种云台控制摄像机的物距预测方法、装置及存储设备，以至少解决如何快速的确定物距从而实现快速聚焦的问题。

[0006] 根据本发明的一个实施例，提供了一种云台控制摄像机的物距预测方法，包括：获取所述云台控制摄像机的当前上下/左右PT位置；根据所述当前PT位置在PT物距池中确定
与所述当前PT位置相匹配的PT物距关系组，其中，所述PT物距池中记录有一个或多个PT物
距关系组，每个PT物距关系组包括一个PT位置和与所述PT位置对应的物距；根据与所述当
前PT位置相匹配的所述PT物距关系组，确定所述当前PT位置对应的物距预测值。

[0007] 在至少一个示例性实施例中，与所述当前PT位置相匹配的PT物距关系组包括以下之一：PT位置与所述当前PT位置相一致的第一类PT物距关系组；PT位置与所述当前PT位置
不一致但满足预定条件的第二类PT物距关系组。

[0008] 在至少一个示例性实施例中，在与所述当前PT位置相匹配的PT物距关系组包括所述第一类PT物距关系组的情况下，根据与所述当前PT位置相匹配的所述PT物距关系组，确
定所述当前PT位置对应的物距预测值包括：将所述第一类PT物距关系组中包括的所述物距
确定为所述当前PT位置对应的所述物距预测值。

[0009] 在至少一个示例性实施例中，在与所述当前PT位置相匹配的PT物距关系组包括所述第二类PT物距关系组的情况下，所述预定条件包括：PT位置位于预定区域内，且在所述PT
物距池的位于所述PT位置所在的预定区域内的所有PT位置中，按照PT位置与所述当前PT位
置的距离从小到大的顺序排序在前N位，其中，N为大于等于1的整数。

[0010] 在至少一个示例性实施例中，所述预定区域包括：以所述当前PT位置为原点的坐标系中的第一象限、第二象限、第三象限、第四象限、x轴正方向、x轴负方向、y轴正方向和y
轴负方向。

[0011] 在至少一个示例性实施例中，在与所述当前PT位置相匹配的PT物距关系组包括所述第二类PT物距关系组的情况下，根据与所述当前PT位置相匹配的所述PT物距关系组，确
定所述当前PT位置对应的物距预测值包括：根据所述第二类PT物距关系组的总数，采用与
所述总数对应的物距预测方式确定所述当前PT位置对应的物距预测值。

[0012] 在至少一个示例性实施例中，根据所述第二类PT物距关系组的总数，采用与所述总数对应的物距预测方式确定所述当前PT位置对应的物距预测值包括以下至少之一：

[0013] 在所述第二类PT物距关系组的总数大于等于4、且所述第二类PT物距关系组的PT位置中有四个PT位置围成的第一区域能够覆盖所述当前PT位置的情况下，基于围成能够覆
盖所述当前PT位置的第一区域的四个PT位置对应的物距执行四点物距拟合计算，确定所述
当前PT位置对应的物距预测值；

[0014] 在所述第二类PT物距关系组的总数大于等于4、且所述第二类PT物距关系组的PT位置中任何四个PT位置围成的第一区域都不能覆盖所述当前PT位置的情况下，基于所述第
二类PT物距关系组的PT位置中，所围成的第二区域能够覆盖所述当前PT位置的三个PT位置
对应的物距执行三点物距拟合计算，确定所述当前PT位置对应的物距预测值；

[0015] 在所述第二类PT物距关系组的总数等于3、且所述第二类PT物距关系组的三个PT位置围成的第二区域能够覆盖所述当前PT位置的情况下，基于所述第二类PT物距关系组的
三个PT位置对应的物距执行三点物距拟合计算，确定所述当前PT位置对应的物距预测值；

[0016] 在所述第二类PT物距关系组的总数等于3、且所述第二类PT物距关系组的三个PT位置围成的第二区域不能覆盖所述当前PT位置的情况下，基于所述第二类PT物距关系组的
三个PT位置中距离所述当前PT位置最近的两个PT位置对应的物距执行两点物距拟合计算，
确定所述当前PT位置对应的物距预测值；

[0017] 在所述第二类PT物距关系组的总数等于2的情况下，基于所述第二类PT物距关系组的两个PT位置对应的物距执行两点物距拟合计算，确定所述当前PT位置对应的物距预测
值；

[0018] 在所述第二类PT物距关系组的总数等于1的情况下，基于所述第二类PT物距关系组的一个PT位置对应的物距执行单点物距拟合计算，确定所述当前PT位置对应的物距预测
值；

[0019] 在所述第二类PT物距关系组的总数等于0的情况下，确定所述当前PT位置对应的物距预测值为预设的物距范围。

[0020] 在至少一个示例性实施例中，所述四点物距拟合计算包括：计算所述当前PT位置对应的物距预测值e＝a1×k2×k3+b1×k3×k4+c1×k1×k4+d1×k1×k2，其中，k1＝s1/
(s1+s3)，k2＝s2/(s2+s4)，k3＝s3/(s1+s3)，k4＝s4/(s2+s4)，a1、b1、c1、d1分别为所述四
个PT位置中第一PT位置、第二PT位置、第三PT位置、第四PT位置对应的物距，s1为所述第一
PT位置、所述第二PT位置以及所述当前PT位置构成的三角形的面积，s2为所述第二PT位置、
所述第三PT位置以及所述当前PT位置构成的三角形的面积，s3为所述第三PT位置、所述第
四PT位置以及所述当前PT位置构成的三角形的面积，s4为所述第四PT位置、所述第一PT位
置以及所述当前PT位置构成的三角形的面积。

[0021] 在至少一个示例性实施例中，所述三点物距拟合计算包括：计算所述当前PT位置对应的物距预测值e＝a2×k2+b2×k3+c2×k1，其中，k1＝s1/(s1+s2+s3)，k2＝s2/(s1+s2+
s3)，k3＝s3/(s1+s2+s3)，a2、b2、c2分别为所述三个PT位置中第一PT位置、第二PT位置、第
三PT位置对应的物距，s1为所述第一PT位置、所述第二PT位置以及所述当前PT位置构成的
三角形的面积，s2为所述第二PT位置、所述第三PT位置以及所述当前PT位置构成的三角形
的面积，s3为所述第三PT位置、所述第一PT位置以及所述当前PT位置构成的三角形的面积。

[0022] 在至少一个示例性实施例中，所述两点物距拟合计算包括：确定所述当前PT位置所在的目标区域，并根据所述目标区域确定所述当前PT位置对应的物距预测值，其中，所述
目标区域与所述物距预测值的对应关系包括：第一目标区域和第三目标区域对应的所述物
距预测值为物距范围[b3，a3]；第二目标区域对应的所述物距预测值为物距范围[a3，Far]；
第四目标区域对应的所述物距预测值为物距范围[Near,b3]；第五目标区域对应的所述物
距预测值为物距范围[b3,c3]；第六目标区域对应的所述物距预测值为物距范围[d3,a3]，
其中，所述第二目标区域为以所述两个PT位置为对角线的正方形的上边以上的区域，所述
第四目标区域为所述正方形的下边以下的区域，所述第一目标区域为所述正方形的左边以
左的除所述第二目标区域和所述第四目标区域之外的区域，所述第三目标区域为所述正方
形的右边以右的除所述第二目标区域和所述第四目标区域之外的区域，所述第五目标区域
为所述正方形中所述两个PT位置构成的对角线的左下方的区域，所述第六目标区域为所述
正方形中所述两个PT位置构成的对角线的右上方的区域，a3、b3分别为所述两个PT位置中
第一PT位置、第二PT位置对应的物距，c3通过公式(xe‑xa/xb‑xe＝a3‑c3/c3‑b3)确定，d3通
过公式(xe‑xa/xb‑xe＝a3‑d3/d3‑b3)确定，(xa,ya)，(xb,yb)分别为所述两个PT位置的坐标，
(xe,ye)为所述当前PT位置的坐标，Far为最大物距，Near为最小物距。

[0023] 在至少一个示例性实施例中，所述单点物距拟合计算包括：当所述当前PT位置位于所述一个PT位置的上方，确定所述当前PT位置对应的物距预测值为物距范围[a4,Far]；
当所述当前PT位置位于所述一个PT位置的下方，确定所述当前PT位置对应的物距预测值为
物距范围[Near,a4]，其中，a4为所述一个PT位置对应的物距，Far为最大物距，Near为最小
物距。

[0024] 在至少一个示例性实施例中，在根据与所述当前PT位置相匹配的所述PT物距关系组，确定所述当前PT位置对应的物距预测值之后，还包括：控制聚焦马达移动到所述物距预
测值对应的马达位置，并继续进行聚焦操作。

[0025] 在至少一个示例性实施例中，控制聚焦马达移动到所述物距预测值对应的马达位置，并继续进行聚焦操作之后，还包括以下至少之一：将包括所述当前PT位置和所述聚焦操
作后获得的真实物距值的PT物距关系组记录或更新到所述PT物距池；通过比较所述物距预
测值与所述聚焦操作后获得的真实物距值确定本次物距预测的准确性，并根据本次物距预
测的准确性更新物距预测系统的总准确率。

[0026] 在至少一个示例性实施例中，所述方法还包括：确定物距预测系统的总准确率是否小于最低准确率限值k；在所述物距预测系统的总准确率小于所述最低准确率限值k的情
况下，控制所述物距预测系统休眠第一时长之后，唤醒所述物距预测系统继续运行第二时
长之后，返回确定所述物距预测系统的总准确率是否小于所述最低准确率限值k的步骤。

[0027] 在至少一个示例性实施例中，所述方法还包括：对所述PT物距池中的PT物距关系组进行数据可靠性校验，并从所述PT物距池中删除未通过所述数据可靠性校验的PT物距关
系组。

[0028] 根据本发明的另一个实施例，提供了一种云台控制摄像机的物距预测装置，包括搜索拟合模块，设置为：获取所述云台控制摄像机的当前上下/左右PT位置；根据所述当前
PT位置在PT物距池中确定与所述当前PT位置相匹配的PT物距关系组，其中，所述PT物距池
中记录有一个或多个PT物距关系组，每个PT物距关系组包括一个PT位置和与所述PT位置对
应的物距；根据与所述当前PT位置相匹配的所述PT物距关系组，确定所述当前PT位置对应
的物距预测值。

[0029] 在至少一个示例性实施例中，所述装置还包括以下至少之一：学习模块，设置为将包括所述当前PT位置和执行聚焦操作后获得的真实物距值的PT物距关系组记录或更新到
所述PT物距池；准确率统计模块，设置为：通过比较所述物距预测值与执行聚焦操作后获得
的真实物距值确定本次物距预测的准确性，并根据本次物距预测的准确性更新物距预测系
统的总准确率。

[0030] 在至少一个示例性实施例中，所述装置还包括：学习点校验模块，设置为对所述PT物距池中的PT物距关系组进行数据可靠性校验，并从所述PT物距池中删除未通过所述数据
可靠性校验的PT物距关系组。

[0031] 根据本发明的又一个实施例，还提供了一种存储介质，所述存储介质中存储有计算机程序，其中，所述计算机程序被设置为运行时执行上述任一项方法实施例中的步骤。

[0032] 通过本发明，由于根据当前PT位置在PT物距池中查找到与当前PT位置相匹配的PT物距关系组，并根据与当前PT位置相匹配的PT物距关系组确定所述当前PT位置对应的物距
预测值，解决了如何快速的确定物距从而实现快速聚焦的问题，基于PT物距池快速实现了
物距预测，从而缩短了物距确定和聚焦操作的时间。

附图说明

[0033] 此处所说明的附图用来提供对本发明的进一步理解，构成本申请的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：

[0034] 图1是根据本发明实施例1的云台控制摄像机的物距预测方法的流程图；

[0035] 图2是根据本发明实施例1的云台控制摄像机的物距预测方法的详细流程图一；

[0036] 图3是根据本发明实施例1的云台控制摄像机的物距预测方法的详细流程图二；

[0037] 图4是根据本发明实施例的云台控制摄像机的物距预测装置的详细结构框图；

[0038] 图5是根据本发明实施例4的用于PTZ摄像机快速聚焦的物距预测方法的详细流程图；

[0039] 图6是根据本发明实施例4的学习点的搜索策略的示意图；

[0040] 图7是根据本发明实施例4的物距拟合的流程图；

[0041] 图8是根据本发明实施例4的四边形拟合算法的示意图；

[0042] 图9是根据本发明实施例4的三角形拟合算法的示意图；

[0043] 图10是根据本发明实施例4的两点拟合算法的示意图；

[0044] 图11是根据本发明实施例4的单点拟合算法的示意图。

具体实施方式

[0045] 下文中将参考附图并结合实施例来详细说明本发明。需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。

[0046] 需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。

[0047] 实施例1

[0048] 本申请实施例一所提供的方法实施例可以应用在云台控制摄像机中。图1是根据本发明实施例1的云台控制摄像机的物距预测方法的流程图，如图1所示，该流程包括如下
步骤：

[0049] 步骤S102，获取所述云台控制摄像机的当前上下/左右PT位置；

[0050] 步骤S104，根据所述当前PT位置在PT物距池中确定与所述当前PT位置相匹配的PT物距关系组，其中，所述PT物距池中记录有一个或多个PT物距关系组，每个PT物距关系组包
括一个PT位置和与所述PT位置对应的物距；

[0051] 步骤S106，根据与所述当前PT位置相匹配的所述PT物距关系组，确定所述当前PT位置对应的物距预测值。

[0052] 通过上述步骤，由于根据当前PT位置在PT物距池中查找到与当前PT位置相匹配的PT物距关系组，并根据与当前PT位置相匹配的PT物距关系组确定所述当前PT位置对应的物
距预测值，解决了如何快速的确定物距从而实现快速聚焦的问题，基于PT物距池快速实现
了物距预测，从而缩短了物距确定和聚焦操作的时间。

[0053] 可选地，上述步骤的执行主体可以为云台控制摄像机中的处理器模块等，也可以是远程服务器，但不限于此。

[0054] 在至少一个示例性实施例中，与所述当前PT位置相匹配的PT物距关系组可以包括以下之一：

[0055] (1)PT位置与所述当前PT位置相一致的第一类PT物距关系组，此时PT物距池中有当前PT位置相对应的物距记录，也就是说，当前PT位置在PT物距池中已学习。

[0056] 在至少一个示例性实施例中，在与所述当前PT位置相匹配的PT物距关系组包括所述第一类PT物距关系组的情况下，根据与所述当前PT位置相匹配的所述PT物距关系组，确
定所述当前PT位置对应的物距预测值包括：将所述第一类PT物距关系组中包括的所述物距
确定为所述当前PT位置对应的所述物距预测值。也就是说，直接将已学习的该PT位置对应
的物距作为所述当前PT位置对应的物距预测值。

[0057] (2)PT位置与所述当前PT位置不一致但满足预定条件的第二类PT物距关系组，在这种情况下，可能是PT物距池中没有有当前PT位置相对应的物距记录，也就是说，当前PT位
置在PT物距池中未学习，此时可以找到一些距离当前PT位置较近的PT位置点的PT物距关系
组，并根据其中记录的物距进行拟合从而实现对当前PT位置的物距的预测。

[0058] 在至少一个示例性实施例中，在与所述当前PT位置相匹配的PT物距关系组包括所述第二类PT物距关系组的情况下，所述预定条件可以包括：PT位置位于预定区域内，且在所
述PT物距池的位于所述PT位置所在的预定区域内的所有PT位置中，按照PT位置与所述当前
PT位置的距离从小到大的顺序排序在前N位，其中，N为大于等于1的整数。

[0059] 在至少一个示例性实施例中，所述预定区域包括：以所述当前PT位置为原点的坐标系中的第一象限、第二象限、第三象限、第四象限、x轴正方向、x轴负方向、y轴正方向和y
轴负方向。

[0060] 在至少一个示例性实施例中，在与所述当前PT位置相匹配的PT物距关系组包括所述第二类PT物距关系组的情况下，根据与所述当前PT位置相匹配的所述PT物距关系组，确
定所述当前PT位置对应的物距预测值可以包括：根据所述第二类PT物距关系组的总数，采
用与所述总数对应的物距预测方式确定所述当前PT位置对应的物距预测值。

[0061] 在至少一个示例性实施例中，根据所述第二类PT物距关系组的总数，采用与所述总数对应的物距预测方式确定所述当前PT位置对应的物距预测值可以包括以下情况至少
之一：

[0062] 情况1：在所述第二类PT物距关系组的总数大于等于4、且所述第二类PT物距关系组的PT位置中有四个PT位置围成的第一区域能够覆盖所述当前PT位置的情况下，基于围成
能够覆盖所述当前PT位置的第一区域的四个PT位置对应的物距执行四点物距拟合计算，确
定所述当前PT位置对应的物距预测值。当围成能够覆盖所述当前PT位置的第一区域的四个
PT位置有多种组合时，可以取距离当前PT值的距离之和最小的一组组合，这样能够得到最
为准确的物距拟合结果。

[0063] 在至少一个示例性实施例中，所述四点物距拟合计算可以包括：计算所述当前PT位置对应的物距预测值e＝a1×k2×k3+b1×k3×k4+c1×k1×k4+d1×k1×k2，其中，k1＝
s1/(s1+s3)，k2＝s2/(s2+s4)，k3＝s3/(s1+s3)，k4＝s4/(s2+s4)，a1、b1、c1、d1分别为所述
四个PT位置中第一PT位置、第二PT位置、第三PT位置、第四PT位置对应的物距，s1为所述第
一PT位置、所述第二PT位置以及所述当前PT位置构成的三角形的面积，s2为所述第二PT位
置、所述第三PT位置以及所述当前PT位置构成的三角形的面积，s3为所述第三PT位置、所述
第四PT位置以及所述当前PT位置构成的三角形的面积，s4为所述第四PT位置、所述第一PT
位置以及所述当前PT位置构成的三角形的面积。

[0064] 情况2：在所述第二类PT物距关系组的总数大于等于4、且所述第二类PT物距关系组的PT位置中任何四个PT位置围成的第一区域都不能覆盖所述当前PT位置的情况下，基于
所述第二类PT物距关系组的PT位置中，所围成的第二区域能够覆盖所述当前PT位置的三个
PT位置对应的物距执行三点物距拟合计算，确定所述当前PT位置对应的物距预测值。当围
成能够覆盖所述当前PT位置的第二区域的三个PT位置有多种组合时，可以取距离当前PT值
的距离之和最小的一组组合，这样能够得到最为准确的物距拟合结果。

[0065] 情况3：在所述第二类PT物距关系组的总数等于3、且所述第二类PT物距关系组的三个PT位置围成的第二区域能够覆盖所述当前PT位置的情况下，基于所述第二类PT物距关
系组的三个PT位置对应的物距执行三点物距拟合计算，确定所述当前PT位置对应的物距预
测值。当围成能够覆盖所述当前PT位置的第二区域的三个PT位置有多种组合时，可以取距
离当前PT值的距离之和最小的一组组合，这样能够得到最为准确的物距拟合结果。

[0066] 情况2和3中涉及三点物距拟合计算。在至少一个示例性实施例中，所述三点物距拟合计算可以包括：计算所述当前PT位置对应的物距预测值e＝a2×k2+b2×k3+c2×k1，其
中，k1＝s1/(s1+s2+s3)，k2＝s2/(s1+s2+s3)，k3＝s3/(s1+s2+s3)，a2、b2、c2分别为所述三
个PT位置中第一PT位置、第二PT位置、第三PT位置对应的物距，s1为所述第一PT位置、所述
第二PT位置以及所述当前PT位置构成的三角形的面积，s2为所述第二PT位置、所述第三PT
位置以及所述当前PT位置构成的三角形的面积，s3为所述第三PT位置、所述第一PT位置以
及所述当前PT位置构成的三角形的面积。

[0067] 情况4：在所述第二类PT物距关系组的总数等于3、且所述第二类PT物距关系组的三个PT位置围成的第二区域不能覆盖所述当前PT位置的情况下，基于所述第二类PT物距关
系组的三个PT位置中距离所述当前PT位置最近的两个PT位置对应的物距执行两点物距拟
合计算，确定所述当前PT位置对应的物距预测值。

[0068] 情况5：在所述第二类PT物距关系组的总数等于2的情况下，基于所述第二类PT物距关系组的两个PT位置对应的物距执行两点物距拟合计算，确定所述当前PT位置对应的物
距预测值。

[0069] 情况4和5中涉及两点物距拟合计算。在至少一个示例性实施例中，所述两点物距拟合计算可以包括：确定所述当前PT位置所在的目标区域，并根据所述目标区域确定所述
当前PT位置对应的物距预测值，其中，所述目标区域与所述物距预测值的对应关系包括：第
一目标区域和第三目标区域对应的所述物距预测值为物距范围[b3，a3]；第二目标区域对
应的所述物距预测值为物距范围[a3，Far]；第四目标区域对应的所述物距预测值为物距范
围[Near,b3]；第五目标区域对应的所述物距预测值为物距范围[b3,c3]；第六目标区域对
应的所述物距预测值为物距范围[d3,a3]，其中，所述第二目标区域为以所述两个PT位置为
对角线的正方形的上边以上的区域，所述第四目标区域为所述正方形的下边以下的区域，
所述第一目标区域为所述正方形的左边以左的除所述第二目标区域和所述第四目标区域
之外的区域，所述第三目标区域为所述正方形的右边以右的除所述第二目标区域和所述第
四目标区域之外的区域，所述第五目标区域为所述正方形中所述两个PT位置构成的对角线
的左下方的区域，所述第六目标区域为所述正方形中所述两个PT位置构成的对角线的右上
方的区域，a3、b3分别为所述两个PT位置中第一PT位置、第二PT位置对应的物距，c3通过公
式(xe‑xa/xb‑xe＝a3‑c3/c3‑b3)确定，d3通过公式(xe‑xa/xb‑xe＝a3‑d3/d3‑b3)确定，(xa,
ya)，(xb,yb)分别为所述两个PT位置的坐标，(xe,ye)为所述当前PT位置的坐标，Far为最大物
距，Near为最小物距。

[0070] 情况6：在所述第二类PT物距关系组的总数等于1的情况下，基于所述第二类PT物距关系组的一个PT位置对应的物距执行单点物距拟合计算，确定所述当前PT位置对应的物
距预测值。

[0071] 在至少一个示例性实施例中，所述单点物距拟合计算包括：当所述当前PT位置位于所述一个PT位置的上方，确定所述当前PT位置对应的物距预测值为物距范围[a4,Far]；
当所述当前PT位置位于所述一个PT位置的下方，确定所述当前PT位置对应的物距预测值为
物距范围[Near,a4]，其中，a4为所述一个PT位置对应的物距，Far为最大物距，Near为最小
物距。

[0072] 情况7：在所述第二类PT物距关系组的总数等于0的情况下，确定所述当前PT位置对应的物距预测值为预设的物距范围。

[0073] 图2是根据本发明实施例1的云台控制摄像机的物距预测方法的详细流程图一，如图2所示，在至少一个示例性实施例中，在步骤S106之后，还可以进一步包括：

[0074] 步骤S202，控制聚焦马达移动到所述物距预测值对应的马达位置，并继续进行聚焦操作。

[0075] 图3是根据本发明实施例1的云台控制摄像机的物距预测方法的详细流程图二，如图3所示，在至少一个示例性实施例中，步骤S202之后，还可以包括以下至少之一：

[0076] 步骤S302，将包括所述当前PT位置和所述聚焦操作后获得的真实物距值的PT物距关系组记录或更新到所述PT物距池；

[0077] 步骤S304，通过比较所述物距预测值与所述聚焦操作后获得的真实物距值确定本次物距预测的准确性，并根据本次物距预测的准确性更新物距预测系统的总准确率。

[0078] 为了保证整个物距预测系统在较高准确率下运行，在至少一个示例性实施例中，还可以包括以下步骤：

[0079] 确定物距预测系统的总准确率是否小于最低准确率限值k；

[0080] 在所述物距预测系统的总准确率小于所述最低准确率限值k的情况下，控制所述物距预测系统休眠第一时长之后，唤醒所述物距预测系统继续运行第二时长之后，返回确
定所述物距预测系统的总准确率是否小于所述最低准确率限值k的步骤。

[0081] 在至少一个示例性实施例中，所述方法还可以包括：对所述PT物距池中的PT物距关系组进行数据可靠性校验，并从所述PT物距池中删除未通过所述数据可靠性校验的PT物
距关系组。通过该方法，可以去除非可靠的PT物距关系组，保证物距预测的准确性。

[0082] 通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到根据上述实施例的方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多
情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有
技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储
介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算
机，服务器，或者网络设备等)执行本发明各个实施例所述的方法。

[0083] 实施例2

[0084] 在本实施例中还提供了一种云台控制摄像机的物距预测装置，该装置用于实现上述实施例及优选实施方式，已经进行过说明的不再赘述。如以下所使用的，术语“模块”可以
实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的装置较佳地以软件来实
现，但是硬件，或者软件和硬件的组合的实现也是可能并被构想的。

[0085] 图4是根据本发明实施例的云台控制摄像机的物距预测装置的详细结构框图，如图4所示，该装置包括：

[0086] 搜索拟合模块42，设置为获取所述云台控制摄像机的当前上下/左右PT位置；根据所述当前PT位置在PT物距池中确定与所述当前PT位置相匹配的PT物距关系组，其中，所述
PT物距池中记录有一个或多个PT物距关系组，每个PT物距关系组包括一个PT位置和与所述
PT位置对应的物距；根据与所述当前PT位置相匹配的所述PT物距关系组，确定所述当前PT
位置对应的物距预测值。

[0087] 学习模块44，设置为将包括所述当前PT位置和执行聚焦操作后获得的真实物距值的PT物距关系组记录或更新到所述PT物距池。

[0088] 准确率统计模块46，设置为：通过比较所述物距预测值与执行聚焦操作后获得的真实物距值确定本次物距预测的准确性，并根据本次物距预测的准确性更新物距预测系统
的总准确率。

[0089] 学习点校验模块48，设置为对所述PT物距池中的PT物距关系组进行数据可靠性校验，并从所述PT物距池中删除未通过所述数据可靠性校验的PT物距关系组。

[0090] 该云台控制摄像机的物距预测装置用于实现实施例1中的云台控制摄像机的物距预测方法，该装置的具体技术内容可以参照实施例1的描述，在此不再赘述。

[0091] 需要说明的是，上述各个模块是可以通过软件或硬件来实现的，对于后者，可以通过以下方式实现，但不限于此：上述模块均位于同一处理器中；或者，上述各个模块以任意
组合的形式分别位于不同的处理器中。

[0092] 实施例3

[0093] 本发明的实施例还提供了一种存储介质，该存储介质中存储有计算机程序，其中，该计算机程序被设置为运行时执行上述任一项方法实施例中的步骤。

[0094] 可选地，在本实施例中，上述存储介质可以被设置为存储用于执行以下步骤的计算机程序：

[0095] 步骤S1，获取所述云台控制摄像机的当前上下/左右PT位置；

[0096] 步骤S2，根据所述当前PT位置在PT物距池中确定与所述当前PT位置相匹配的PT物距关系组，其中，所述PT物距池中记录有一个或多个PT物距关系组，每个PT物距关系组包括
一个PT位置和与所述PT位置对应的物距；

[0097] 步骤S3，根据与所述当前PT位置相匹配的所述PT物距关系组，确定所述当前PT位置对应的物距预测值。

[0098] 可选地，在本实施例中，上述存储介质可以包括但不限于：U盘、只读存储器(Read‑Only Memory，简称为ROM)、随机存取存储器(Random Access Memory，简称为RAM)、移动硬
盘、磁碟或者光盘等各种可以存储计算机程序的介质。

[0099] 本发明的实施例还提供了一种云台控制摄像机，包括PTZ云台组件、存储器和处理器，该存储器中存储有计算机程序，该处理器被设置为运行计算机程序以执行上述任一项
方法实施例中的步骤。

[0100] 可选地，在本实施例中，上述处理器可以被设置为通过计算机程序执行以下步骤：

[0101] 步骤S1，获取所述云台控制摄像机的当前上下/左右PT位置；

[0102] 步骤S2，根据所述当前PT位置在PT物距池中确定与所述当前PT位置相匹配的PT物距关系组，其中，所述PT物距池中记录有一个或多个PT物距关系组，每个PT物距关系组包括
一个PT位置和与所述PT位置对应的物距；

[0103] 步骤S3，根据与所述当前PT位置相匹配的所述PT物距关系组，确定所述当前PT位置对应的物距预测值。

[0104] 可选地，本实施例中的具体示例可以参考上述实施例及可选实施方式中所描述的示例，本实施例在此不再赘述。

[0105] 实施例4

[0106] 本实施例详细描述了一种实现自学习型的快速自动聚焦方法。该方法无需预设场景模型，无需标定，在使用过程中根据已学习过的聚焦位置，实时对场景进行建模并完善。
聚焦次数越多，模型越准确，预测的物距将更接近真实物距。在学习的位置足够多的情况
下，根据预测物距，自动聚焦可以缩短爬坡时间，甚至无需进行爬坡算法，而直接驱动电机
到相应焦点。

[0107] 该用于PTZ摄像机快速聚焦的物距预测方法中，通过已聚焦过的场景，记录PT角度与物距之间的关系，存于PT物距池中。当PT角度发生变化时，从PT物距池中获取PT及物距的
关系，通过物距预测模块进行当前PT下物距的预测。预测的原则是，摄像机向上转动，物距
变远，向下转动，物距变近。该预测物距值将以预测范围或预测值的方式提供给聚焦算法。
聚焦算法参考物距预测模块的输出驱动电机走到相应的物距下，从而实现快速准确的聚
焦。

[0108] 图5是根据本发明实施例4的用于PTZ摄像机快速聚焦的物距预测方法的详细流程图，如图5所示，该流程包括以下主要操作。

[0109] (1)摄像机第一次上电无记录点，此时正常进行聚焦。聚焦完成后记录当前PT位置及该位置下的物距参数(通过设备镜头曲线表，当前倍率和聚焦值，可以计算出当前的归一
化物距值，倍率越大时，物距越可靠)，存于PT物距学习池中。

[0110] (2)检测PTZ摄像机PT是否发生变化。当PT变化时，利用PT物距学习池，判断当前PT物距是否已学。如已学，则直接使用学习过的物距作为参考，指导聚焦。如该角度下未学，则
使用预测模块进行物距预测。

[0111] (3)初始的物距预测准确率统计可设为100％，为了能使物距预测模块可以正常工作。

[0112] (4)物距预测模块工作时，会使用PT物距学习池中记录的学习点。根据当前的PT坐标，搜索最多8个当前PT坐标最接近(对应r值最小)的学习点。图6是根据本发明实施例4的
学习点的搜索策略的示意图，如图6所示，根据当前的坐标位置，将map表分成四个象限(第
一象限，第二象限，第三象限，第四象限)和四个轴(X轴正方向，Y轴正方向，X轴负方向，Y轴
负方向)。每个象限和每个半轴各取最多一个最优点。搜索公式为：

[0113] r2＝(x1‑x0)2+(y1‑y0)2

[0114] 其中，(x0,y0)为当前坐标，(x1,y1)为各个象限及轴已学习过的点最优点，计算r值，选择r值最小的学习点为分割区域内的最优学习点。总共最多8个最优学习点，最少0个。

[0115] (5)搜索到相关最优点之后需要根据最优点的个数进行物距的拟合，图7是根据本发明实施例4的物距拟合的流程图，如图7所示，包括以下步骤：

[0116] 第一步：确定搜索到的最优点个数n(n<＝8)。

[0117] 第二步：如果n>＝4，n选4排列组合，进入下一步；如果n＝3，跳到第七步；如果n＝2，跳到第十一步；如果n＝1，跳到第十三步；如果n＝0，跳到第十四步。

[0118] 第三步：确定当前点坐标是否落在排列组合得到的最优点构成的区域内。如果有多个组合可以满足要求，利用公式选择R最小的组合。公式为：

[0119] R＝r1+r2+r3+r4；

[0120] 其中r1，r2，r3，r4为最优点到当前点的距离的平方。如果当前点未落在任何一个最优点组合构成的区域内，跳到第七步。

[0121] 第四步：使用四边形拟合算法，图8是根据本发明实施例4的四边形拟合算法的示意图，基于图8所示的示意图预测当前的物距值。

[0122] 其中，a1、b1、c1、d1为搜索到排列组合最优的四个点的物距，e为目标点物距。s1，s2，s3，s4为目标点与最优点构成的面积。计算公式如下：

[0123] e＝a1×k2×k3+b1×k3×k4+c1×k1×k4+d1×k1×k2；

[0124] 其中k1＝s1/(s1+s3)；k2＝s2/(s2+s4)；k3＝s3/(s1+s3)；k4＝s4/(s2+s4)；

[0125] 第五步：输出预测物距。

[0126] 第六步：控制聚焦，结束本次预测。

[0127] 第七步：n选3排列组合。

[0128] 第八步：确定当前点坐标是否落在排列组合得到的最优点构成的区域内。如果有多个组合可以满足要求，利用公式选择R最小的组合。公式为：

[0129] R＝r1+r2+r3；

[0130] 其中r1，r2，r3为最优点到当前点的距离的平方。

[0131] 如果当前点未落在任何一个最优点组合构成的区域内，取r值最小的两个点，跳到第十一步。

[0132] 第九步：使用三角形拟合算法，图9是根据本发明实施例4的三角形拟合算法的示意图，基于图9所示的示意图预测当前的物距值。

[0133] 其中，a2、b2、c2为搜索到排列组合最优的三个点的物距，e为目标点物距。s1，s2，s3为目标点与最优点构成的面积。计算公式如下：

[0134] e＝a2×k2+b2×k3+c2×k1；

[0135] 其中，k1＝s1/(s1+s2+s3)；k2＝s2/(s1+s2+s3)；k3＝s3/(s1+s2+s3)；

[0136] 第十步：输出预测物距，跳到第六步。

[0137] 第十一步：使用两点拟合算法，图10是根据本发明实施例4的两点拟合算法的示意图，基于图10所示的示意图预测物距范围。

[0138] 其中，a3和b3为两个最优点的物距，坐标分别为(xa,ya)，(xb,yb)，此时可以将区域分为6小块，分别为区域(1),(2),(3),(4),(5),(6)。目标点位置坐标(xe,ye)，其预测的物距
范围计算方式如下表1所示：

[0139]

[0140] 表1、两点拟合预测的物距范围计算方式

[0141] 其中物距c3计算公式为(xe‑xa/xb‑xe＝a3‑c3/c3‑b3)；物距d3计算公式为(xe‑xa/xb‑xe＝a3‑d3/d3‑b3)。

[0142] 第十二步：输出预测物距范围，跳转到第六步。

[0143] 第十三步：使用单点拟合算法，图11是根据本发明实施例4的单点拟合算法的示意图，基于图11所示的示意图输出物距范围，跳转到第六步。

[0144] 当目标位于最优点a4上方时，物距范围为[a4,Far]。反之，物距范围为[Near,a4]。

[0145] 第十四步：使用默认物距范围，控制聚焦，结束本次预测。

[0146] (6)物距预测完成后，聚焦马达走到相应的预测物距下，然后进行小幅度的自动聚焦。自动聚焦完成后可以得到真实的物距值。利用真实的物距值与预测的物距进行比较，可
以得到本次物距预测的一个准确率。统计每次预测的准确率，累计保存，可以用于物距准确
率统计模块。

[0147] (7)设定最低准确率限值k，当统计的准确率小于最低准确率限值k时，认为预测模块偏差较大，此时，模块进入休眠状态，休眠t时间，t值可设。休眠t时间后自动唤醒，继续预
测一段时间。继续统计该段时间内的准确率，与限值k比较，如仍低于k，则继续进入休眠。如
高于k则不休眠。如此往复，保证预测成功率不低于设定限值k。

[0148] (8)学习池PT物距定时校验，校验目的是为了保证学习记录点数据的可靠性。校验方法多种多样。如相邻的PT角度下，物距差值不超过验证PT角度的n倍，n值可以设置。

[0149] 综上，本实施例中的PTZ摄像机物距预测方案通过学习模块，学习点校验模块，搜索拟合模块及准确率统计模块之间的相互配合，形成了一个闭环的预测系统，保证了预测
的准确性，实时性和通用性。该方案具有以下优点：

[0150] 1、实时建模，场景适用性强。学习时间越长，记录点越多，模型越精确，预测越准确。

[0151] 2、当学习点少时，有相应的预测范围可以参考。当学习点多时，可以确定到唯一的物距。该预测输出作为聚焦的参考，可以大大缩短聚焦时间，提高聚焦的准确度。

[0152] 3、系统可以保证预测准确率不低于设定值，增大物距预测准确率。

[0153] 显然，本领域的技术人员应该明白，上述的本发明的各模块或各步骤可以用通用的计算装置来实现，它们可以集中在单个的计算装置上，或者分布在多个计算装置所组成
的网络上，可选地，它们可以用计算装置可执行的程序代码来实现，从而，可以将它们存储
在存储装置中由计算装置来执行，并且在某些情况下，可以以不同于此处的顺序执行所示
出或描述的步骤，或者将它们分别制作成各个集成电路模块，或者将它们中的多个模块或
步骤制作成单个集成电路模块来实现。这样，本发明不限制于任何特定的硬件和软件结合。

[0154] 以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的原则之内，所作的任何修改、等
同替换、改进等，均应包含在本发明的保护范围之内。