CN112036401B - 一种基于车牌图像属性标定的车牌识别一体机评测方法及装置 - Google Patents

一种基于车牌图像属性标定的车牌识别一体机评测方法及装置 Download PDF

Info

Publication number
CN112036401B
CN112036401B CN202010671712.1A CN202010671712A CN112036401B CN 112036401 B CN112036401 B CN 112036401B CN 202010671712 A CN202010671712 A CN 202010671712A CN 112036401 B CN112036401 B CN 112036401B
Authority
CN
China
Prior art keywords
license plate
unit
evaluation unit
scene
evaluation
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202010671712.1A
Other languages
English (en)
Other versions
CN112036401A (zh
Inventor
赵有婷
余志�
何兆成
李熙莹
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Sun Yat Sen University
Original Assignee
Sun Yat Sen University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Sun Yat Sen University filed Critical Sun Yat Sen University
Priority to CN202010671712.1A priority Critical patent/CN112036401B/zh
Publication of CN112036401A publication Critical patent/CN112036401A/zh
Application granted granted Critical
Publication of CN112036401B publication Critical patent/CN112036401B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00Scenes; Scene-specific elements
    • G06V20/60Type of objects
    • G06V20/62Text, e.g. of license plates, overlay texts or captions on TV images
    • G06V20/63Scene text, e.g. street names
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00Scenes; Scene-specific elements
    • G06V20/40Scenes; Scene-specific elements in video content
    • G06V20/41Higher-level, semantic clustering, classification or understanding of video scenes, e.g. detection, labelling or Markovian modelling of sport events or news items
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00Scenes; Scene-specific elements
    • G06V20/60Type of objects
    • G06V20/62Text, e.g. of license plates, overlay texts or captions on TV images
    • G06V20/625License plates

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Computational Linguistics (AREA)
  • Software Systems (AREA)
  • Image Processing (AREA)
  • Studio Devices (AREA)

Abstract

为了更好的车牌识别一体机的性能进行评估,本发明公开一种基于车牌图像属性标定的车牌识别一体机评测方法,包括以下步骤:根据场景单元的参数,评测单元进行第一次参数调整;第一次参数调整后的评测单元,根据场景单元的动态的标准车牌视频进行第二次参数调整;第二次参数调整后的评测单元,根据场景单元的动态的车牌视频进行评测,得到评测结果。本发明公开一种基于车牌图像属性标定的车牌识别一体机评测装置,包括场景单元和评测单元。本发明能够有效结合现场测试和图像库测试的优势,进行动态捕抓测试,避免现有测试方式的缺陷。

Description

一种基于车牌图像属性标定的车牌识别一体机评测方法及 装置
技术领域
本发明涉及系统评测领域,更具体地,涉一种基于车牌图像属性标定的车牌识别一体机评测方法及装置。
背景技术
随着车牌识别产品的广泛应用,产品评测变得越来越重要,产品评测需求也越来越广泛。现有的测试方法主要分为两种,一种是现场测试,这类测试一般用于测试硬件系统,具体的测试方式是指将车牌识别设备固定安装在道路龙门架上方或者车辆出入口处,每个测试厂家的设备安装在同一断面上,抓拍过车车辆,并进行车牌识别。主要测试系统的稳定性和各类识别指标,例如:车辆捕获率、有效车牌识别率、车牌定位率、字符识别率等。虽然现场测试应用很广泛,但是有如下缺陷:1、需要搭建测试环境,测试周期长,所耗费的人力、物力、财力较大;2、测试受时长与所选路段约束,一般来说短期内路上所能拍摄到的车牌都是些常见的车牌其所包含的车牌种类不全面,因此无法对车牌种类做出全面的评测;3、测试受天气和拍摄安装条件限制,由于每次测试其拍摄环境近似,所以拍摄的车牌图像属性例如车牌角度、大小、亮度等近似,导致测试结果只代表某种特定环境下的识别能力,不具备普适性,测试结果不够全面和客观。
另外一种是图像库测试,这类测试可用于测试软件系统,也可用于测试可导入图像进行识别的硬件系统。测试方式是选取一定数量的带有车牌信息的图像,通常是实际拍摄图像,将图像导入被测试车牌识别系统中,进行测试。测试指标有车牌识别率、车牌定位率、字符识别率等。这种测试方法的优点是可以人为的选择具有某种属性特征的车牌图像,例如:夜间、逆光或某种类别的车牌图像等,或者某种特定场景下的车牌图像,其得到的测试结果具有明确的指导性,这方面可以弥补现场测试的不足之处。但是也有其缺陷:1、很多车牌识别硬件产品不支持图像测试,没有图像测试对应接口;2、对于硬件测试无法测试其车辆捕获率。
发明内容
为克服上述现有技术与方法的不足,本发明提出了一种基于车牌图像属性标定的车牌识别一体机评测方法及装置。本发明能够有效结合现场测试和图像库测试的优势,进行动态捕抓测试,避免现有测试方式的缺陷。
为解决上述技术问题,本发明的技术方案如下:
一种基于车牌图像属性标定的车牌识别一体机评测方法,包括以下步骤:
根据场景单元的参数,评测单元进行第一次参数调整;
第一次参数调整后的评测单元,根据场景单元的动态的标准车牌视频进行第二次参数调整;
第二次参数调整后的评测单元,根据场景单元的动态的车牌视频进行评测,得到评测结果。
本发明中,场景单元可以使用变速直线运动模型或者匀速直线运动模型进行车牌视频的播放。
本发明能够有效结合现场测试和图像库测试的优势,进行动态捕抓测试,避免现有测试方式的缺陷。
在一种优选的方案中,所述的场景单元的参数包括场景单元的宽度、场景单元的水平方向的像素点和场景单元播放车牌图像的水平方向的像素点;所述的评测单元的参数包括评测单元与场景单元的距离、评测单元中CCD的宽度、评测单元的水平方向的像素点、评测单元中镜头的焦距和评测单元抓取车牌图像的水平方向的像素点,上述参数存在以下数学关系:
式中,所述的Ni表示场景单元播放车牌图像的水平方向的像素点;所述的Ltv表示场景单元的宽度;所述的Wtv表示场景单元的水平方向的像素点;所述的Lc表示评测单元中CCD的宽度;所述的Wc表示评测单元的水平方向的像素点;所述的f表示评测单元中镜头的焦距;所述的D表示评测单元与场景单元的距离;所述的No表示评测单元抓取车牌图像的水平方向的像素点。
在一种优选的方案中,所述的第二次参数调整包括评测单元的角度调整、评测单元的亮度调整和评测单元的清晰度调整。
在一种优选的方案中,所述的评测单元的角度调整的误差允许范围是[-1°,1°]。
本优选方案中,在自由拍摄环境下,由于道路的坡度、车牌悬挂的位置以及车牌和摄像设备之间的角度存在偏差等各种因素的影响,采集到的车牌图像的几何形状不一定是规则的长方形,会出现一定的畸变。一般情况下,车牌畸变角包括水平旋转角和竖直错切角。因此,需要衡量上述两个车牌畸变角与预设值之间的误差是否超出允许范围。
在一种优选的方案中,所述的评测单元的亮度调整,所述的评测单元的亮度通过下式进行表达:
式中,所述的i表示评测单元的平均亮度值;所述的f(x,y)表示评测单元在坐标(x,y)处的灰度值,所述的w表示车牌图像,其大小为m×n。
在一种优选的方案中,所述的评测单元的亮度的误差允许范围是[-2,2]。
本优选方案中,在自由拍摄环境下,由于自然光照、相机补光灯和车辆自身车灯等的影响,不同时段、不同天气情况下采集到的车牌图像的亮度也会有很大的变化。因此,需要衡量评测单元的亮度与预设值之间的误差是否超出允许范围。
在一种优选的方案中,所述的评测单元的清晰度调整通过下式进行表达:
式中,所述的b表示评测单元的清晰度;所述的表示f(x,y)在x方向的求导;所述的/>表示f(x,y)在y方向的求导。
在一种优选的方案中,所述的评测单元的清晰度的误差允许范围是[-1,1]。
本优选方案中,由于车辆与相机之间存在相对运动,相机抖动,聚焦不清,空气能见度不高等原因,车牌图像的清晰度也会有很大的变化。因此,需要衡量评测单元的亮度与预设值之间的误差是否超出允许范围。
在一种优选的方案中,所述的评测结果通过下式进行表达:
式中,所述的NLPR表示评测结果;所述的NLP表示场景单元的车牌图像的数量,NLPR为评测单元准确识别出场景单元的车牌图像的数量。
本发明还公开了种基于车牌图像属性标定的车牌识别一体机评测装置,包括场景单元和评测单元,其中,
所述的场景单元用于播放车牌视频集合;所述的车牌视频集合包括动态的标准车牌视频;
所述的评测单元包括车牌识别一体机,所述的评测单元首先根据场景单元的参数进行第一次参数调整;然后再根据场景单元的动态的标准车牌视频进行第二次参数调整;最后进行评测,得到评测结果。
与现有技术相比,本发明技术方案的有益效果是:
本发明能够有效结合现场测试和图像库测试的优势,进行动态捕抓测试,避免现有测试方式的缺陷。
附图说明
图1为实施例的流程图。
图2为实施例在测试环境中分辨率变化图。
图3为实施例在测试环境中亮度变化图。
图4为实施例在测试环境中水平旋转角变化图。
图5为实施例在测试环境中竖直错切角变化图。
图6为实施例在测试环境中散焦模糊变化图。
图7为实施例在测试环境中运动模糊变化图。
具体实施方式
附图仅用于示例性说明,不能理解为对本专利的限制;为了更好说明本实施例,附图某些部件会有省略、放大或缩小,并不代表实际产品的尺寸;
对于本领域技术人员来说,附图中某些公知结构及其说明可能省略是可以理解的。下面结合附图和实施例对本发明的技术方案做进一步的说明。
实施例
如图1所示,一种基于车牌图像属性标定的车牌识别一体机评测方法,包括以下步骤:
根据场景单元的参数,评测单元进行第一次参数调整;
第一次参数调整后的评测单元,根据场景单元的动态的标准车牌视频进行第二次参数调整;
第二次参数调整后的评测单元,根据场景单元的动态的车牌视频进行评测,得到评测结果。
本实施例中,场景单元可以使用变速直线运动模型或者匀速直线运动模型进行车牌视频的播放。
本实施例能够有效结合现场测试和图像库测试的优势,进行动态捕抓测试,避免现有测试方式的缺陷。
在实施例中,还可以进行以下扩展:场景单元的参数包括场景单元的宽度、场景单元的水平方向的像素点和场景单元播放车牌图像的水平方向的像素点;评测单元的参数包括评测单元与场景单元的距离、评测单元中CCD的宽度、评测单元的水平方向的像素点、评测单元中镜头的焦距和评测单元抓取车牌图像的水平方向的像素点,上述参数存在以下数学关系:
式中,Ni表示场景单元播放车牌图像的水平方向的像素点;Ltv表示场景单元的宽度;Wtv表示场景单元的水平方向的像素点;Lc表示评测单元中CCD的宽度;Wc表示评测单元的水平方向的像素点;f表示评测单元中镜头的焦距;D表示评测单元与场景单元的距离;No表示评测单元抓取车牌图像的水平方向的像素点。
在实施例及上述改进实施例中,还可以进行以下扩展:第二次参数调整包括评测单元的角度调整、评测单元的亮度调整和评测单元的清晰度调整。
在实施例及上述改进实施例中,还可以进行以下扩展:评测单元的角度调整的误差允许范围是[-1°,1°]。
在实施例及上述改进实施例中,还可以进行以下扩展:车牌畸变角包括水平旋转角和竖直错切角。
在实施例及上述改进实施例中,还可以进行以下扩展:评测单元的亮度调整,评测单元的亮度通过下式进行表达:
式中,i表示评测单元的平均亮度值;f(x,y)表示评测单元在坐标(x,y)处的灰度值,w表示车牌图像,其大小为m×n。
在实施例及上述改进实施例中,还可以进行以下扩展:评测单元的亮度的误差允许范围是[-2,2]。
在实施例及上述改进实施例中,还可以进行以下扩展:评测单元的清晰度调整通过下式进行表达:
式中,b表示评测单元的清晰度;表示f(x,y)在x方向的求导;/>表示f(x,y)在y方向的求导。
在实施例及上述改进实施例中,还可以进行以下扩展:评测单元的清晰度的误差允许范围是[-1,1]。
在实施例及上述改进实施例中,还可以进行以下扩展:评测结果通过下式进行表达:
式中,NLPR表示评测结果;NLP表示场景单元的车牌图像的数量,NLPR为评测单元准确识别出场景单元的车牌图像的数量。
本实施例还公开了一种基于车牌图像属性标定的车牌识别一体机评测装置,包括场景单元和评测单元,其中,
场景单元用于播放车牌视频集合;车牌视频集合包括动态的标准车牌视频;
评测单元包括车牌识别一体机,评测单元首先根据场景单元的参数进行第一次参数调整;然后再根据场景单元的动态的标准车牌视频进行第二次参数调整;最后进行评测,得到评测结果。
测试环境
选取五个车牌识别厂商进行测试,五个产品的名称和型号分别为,A:浙江大华,型号:DH-CP302-RU1A;B:成都臻识,型号:VZ-2063014L;C:昆明利普视觉,型号:CRE100-3RS200;D:浙江海康威视,型号:DS-2CD9131;E:深圳芊熠,型号:IVX212-TUJ。上述五个样品使用相同的显示器,播放相同的图像视频,显示器型号是三星UA55JU5900超高清4K电视,屏幕尺寸为55,屏幕分辨率为3840*2160。
一种基于车牌图像属性标定的车牌识别一体机评测方法,包括以下步骤:
S1:根据显示器的参数,评测单元进行第一次参数调整,测试结果如图2所示;
S2:第一次参数调整后的评测单元,根据显示器的动态的标准车牌视频进行亮度测试并进行调整,测试结果如图3所示;
S3:第一次参数调整后的评测单元,根据显示器的动态的标准车牌视频进行水平旋转角测试并进行调整,测试结果如图4所示;
S4:第一次参数调整后的评测单元,根据显示器的动态的标准车牌视频进行竖直错切角测试并进行调整,测试结果如图5所示;
S5:第一次参数调整后的评测单元,根据显示器的动态的标准车牌视频进行散焦模糊测试并进行调整,测试结果如图6所示;
S6:第一次参数调整后的评测单元,根据显示器的动态的标准车牌视频进行运动模糊测试并进行调整,测试结果如图7所示;
S7:全部调整后的评测单元,根据显示器的动态的车牌视频进行评测,得到评测结果。
从测试结果可以看出,产品E的综合测试性能最优,在6组测试中,有3组测试结果最好,分别是车牌分辨率变化图像,车牌散焦模糊变换图像,车牌运动模糊变化图像,但是对于角度变化的车牌图像,其识别能力还有待提升。产品C在车牌水平旋转角变化和竖直错切角变化图像中识别结果最好,但是对于模糊变化的车牌图像其识别效果不理想。产品A和D的综合测试性能处于中间水平,各项指标都有提升的空间。产品B的综合测试性能最差,几乎在每一项测试中其识别结果相对其他产品而言均不理想,各项指标均有较高的提升空间。
在上述具体实施方式的具体内容中,各技术特征可以进行任意不矛盾的组合,为使描述简洁,未对上述各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
相同或相似的标号对应相同或相似的部件;
附图中描述位置关系的用语仅用于示例性说明,不能理解为对本专利的限制。上述的是实施例的限定并不能理解为对本专利的限制。
显然,本发明的上述实施例仅仅是为清楚地说明本发明所作的举例,而并非是对本发明的实施方式的限定。对于所属领域的普通技术人员来说,在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明权利要求的保护范围之内。

Claims (8)

1.一种基于车牌图像属性标定的车牌识别一体机评测方法,其特征在于,包括以下步骤:
根据场景单元的参数,评测单元进行第一次参数调整;
第一次参数调整后的评测单元,根据场景单元的动态的标准车牌视频进行第二次参数调整;
第二次参数调整后的评测单元,根据场景单元的动态的车牌视频进行评测,得到评测结果;
所述的场景单元的参数包括场景单元的宽度、场景单元的水平方向的像素点和场景单元播放车牌图像的水平方向的像素点;所述的评测单元的参数包括评测单元与场景单元的距离、评测单元中CCD的宽度、评测单元的水平方向的像素点、评测单元中镜头的焦距和评测单元抓取车牌图像的水平方向的像素点,上述参数存在以下数学关系:
式中,所述的Ni表示场景单元播放车牌图像的水平方向的像素点;所述的Ltv表示场景单元的宽度;所述的Wtv表示场景单元的水平方向的像素点;所述的Lc表示评测单元中CCD的宽度;所述的Wc表示评测单元的水平方向的像素点;所述的f表示评测单元中镜头的焦距;所述的D表示评测单元与场景单元的距离;所述的No表示评测单元抓取车牌图像的水平方向的像素点;
所述的第二次参数调整包括评测单元的角度调整、评测单元的亮度调整和评测单元的清晰度调整。
2.根据权利要求1所述的车牌识别一体机评测方法,其特征在于,所述的评测单元的角度调整的误差允许范围是[-1°,1°]。
3.根据权利要求2所述的车牌识别一体机评测方法,其特征在于,所述的评测单元的亮度调整,所述的评测单元的亮度通过下式进行表达:
式中,所述的i表示评测单元的平均亮度值;所述的f(x,y)表示评测单元在坐标(x,y)处的灰度值,所述的w表示车牌图像,其大小为m×n。
4.根据权利要求3所述的车牌识别一体机评测方法,其特征在于,所述的评测单元的亮度的误差允许范围是[-2,2]。
5.根据权利要求3或4所述的车牌识别一体机评测方法,其特征在于,所述的评测单元的清晰度调整通过下式进行表达:
式中,所述的b表示评测单元的清晰度;所述的表示f(x,y)在x方向的求导;所述的/>表示f(x,y)在y方向的求导。
6.根据权利要求5所述的车牌识别一体机评测方法,其特征在于,所述的评测单元的清晰度的误差允许范围是[-1,1]。
7.根据权利要求1、2、3或4所述的车牌识别一体机评测方法,其特征在于,所述的评测结果通过下式进行表达:
式中,所述的NLPR表示评测结果;所述的NLP表示场景单元的车牌图像的数量,NLPR为评测单元准确识别出场景单元的车牌图像的数量。
8.一种基于车牌图像属性标定的车牌识别一体机评测装置,其特征在于,所述装置应用权利要求1至7任一项所述的基于车牌图像属性标定的车牌识别一体机评测方法,装置包括场景单元和评测单元,其中,
所述的场景单元用于播放车牌视频集合;所述的车牌视频集合包括动态的标准车牌视频;
所述的评测单元包括车牌识别一体机,所述的评测单元首先根据场景单元的参数进行第一次参数调整;然后再根据场景单元的动态的标准车牌视频进行第二次参数调整;最后进行评测,得到评测结果。
CN202010671712.1A 2020-07-14 2020-07-14 一种基于车牌图像属性标定的车牌识别一体机评测方法及装置 Active CN112036401B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010671712.1A CN112036401B (zh) 2020-07-14 2020-07-14 一种基于车牌图像属性标定的车牌识别一体机评测方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010671712.1A CN112036401B (zh) 2020-07-14 2020-07-14 一种基于车牌图像属性标定的车牌识别一体机评测方法及装置

Publications (2)

Publication Number Publication Date
CN112036401A CN112036401A (zh) 2020-12-04
CN112036401B true CN112036401B (zh) 2024-03-26

Family

ID=73579889

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010671712.1A Active CN112036401B (zh) 2020-07-14 2020-07-14 一种基于车牌图像属性标定的车牌识别一体机评测方法及装置

Country Status (1)

Country Link
CN (1) CN112036401B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113345037A (zh) * 2021-06-07 2021-09-03 重庆紫光华山智安科技有限公司 机动车算法指标自动化测试方法、系统、介质及终端

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102722704A (zh) * 2012-06-12 2012-10-10 厦门宸天电子科技有限公司 一种融合视频动态跟踪的车牌识别方法和系统
DE102011053052B3 (de) * 2011-08-26 2013-02-28 Jenoptik Robot Gmbh Verfahren und Vorrichtung zur Identifikation von Kraftfahrzeugen zur Verkehrsüberwachung
CN104484672A (zh) * 2014-12-04 2015-04-01 深圳市平方科技股份有限公司 基于多帧图片和自主学习的快速车牌识别方法
CN105447487A (zh) * 2015-08-27 2016-03-30 中山大学 一种车牌识别系统的评测方法及系统
CN105469384A (zh) * 2015-10-13 2016-04-06 南京邮电大学 车牌图像质量的综合评价方法
CN106097720A (zh) * 2016-05-27 2016-11-09 安徽四创电子股份有限公司 一种交通卡口车牌识别准确性评价方法
CN107688811A (zh) * 2017-09-12 2018-02-13 北京文安智能技术股份有限公司 车牌识别方法及装置
WO2020047907A1 (zh) * 2018-09-07 2020-03-12 佳都新太科技股份有限公司 一种漏检车牌预测方法及处理终端

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10803340B2 (en) * 2017-12-08 2020-10-13 Hunter Engineering Company Method and apparatus for license plate recognition using multiple fields of view

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102011053052B3 (de) * 2011-08-26 2013-02-28 Jenoptik Robot Gmbh Verfahren und Vorrichtung zur Identifikation von Kraftfahrzeugen zur Verkehrsüberwachung
CN102722704A (zh) * 2012-06-12 2012-10-10 厦门宸天电子科技有限公司 一种融合视频动态跟踪的车牌识别方法和系统
CN104484672A (zh) * 2014-12-04 2015-04-01 深圳市平方科技股份有限公司 基于多帧图片和自主学习的快速车牌识别方法
CN105447487A (zh) * 2015-08-27 2016-03-30 中山大学 一种车牌识别系统的评测方法及系统
CN105469384A (zh) * 2015-10-13 2016-04-06 南京邮电大学 车牌图像质量的综合评价方法
CN106097720A (zh) * 2016-05-27 2016-11-09 安徽四创电子股份有限公司 一种交通卡口车牌识别准确性评价方法
CN107688811A (zh) * 2017-09-12 2018-02-13 北京文安智能技术股份有限公司 车牌识别方法及装置
WO2020047907A1 (zh) * 2018-09-07 2020-03-12 佳都新太科技股份有限公司 一种漏检车牌预测方法及处理终端

Also Published As

Publication number Publication date
CN112036401A (zh) 2020-12-04

Similar Documents

Publication Publication Date Title
CN107843599B (zh) 一种基于aoi的面板检测判等方法与装置
CN107024485B (zh) 曲面显示屏的缺陷检测方法和装置
KR100805486B1 (ko) 디스플레이의 다각도 계측 시스템 및 방법
US8238640B2 (en) Display testing apparatus and method
CN107024339B (zh) 一种头戴显示设备的测试装置及方法
CN104934015A (zh) 显示补偿方法与显示补偿系统
CN111524197B (zh) 一种Microled或Miniled的异常像素实时检测修复方法及装置
WO2019105433A1 (zh) 影像畸变检测方法和系统
CN114079768B (zh) 图像的清晰度测试方法及装置
CN106162157A (zh) 鱼眼摄像头的空间频率响应的测试方法
CN111487257A (zh) 一种显示面板异常像素实时检测修复方法及装置
CN112036401B (zh) 一种基于车牌图像属性标定的车牌识别一体机评测方法及装置
CN113257181B (zh) Led屏校正图像采集方法、校正方法、采集装置及校正系统
US11004232B2 (en) Method and apparatus for performing object detection according to bounding box distribution that is determined by considering lens configuration
CN110503690B (zh) 一种高光谱视频采集系统的双路相机对齐方法
CN114866705B (zh) 自动曝光方法、存储介质及电子设备
CN116366831A (zh) 一种测试摄像模组四角解析力均匀度的方法
CN113596439B (zh) 基于图像模糊评价的摄像头模组局部解析力失效检测方法
CN113840136B (zh) 一种相机安装精度的检测方法和装置
CN112492296B (zh) 一种成像质量评价系统及成像质量评价方法
CN105791655A (zh) 一种计算摄像模组的镜头畸变的方法
CN115307882A (zh) 一种车灯检测装置及检测方法
CN114693626A (zh) 芯片表面缺陷的检测方法、装置及计算机可读存储介质
US7330580B2 (en) System and method for inspecting an LCD panel
CN108008554B (zh) 一种基于弥散斑锐度的点缺陷面积检测方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant