CN114339203A - 相机性能检测方法、设备和存储介质 - Google Patents

Abstract

本发明公开了相机性能检测方法、设备和存储介质，应用于相机技术领域。该方法通过采用获取待检测相机当前拍摄的检测图像，以及获取基准图像；确定所述检测图像与所述基准图像的对比结果，根据所述对比结果确定所述检测图像在各个评价维度对应的评价得分；获取各个所述评价维度对应的权重系数；根据所述权重系数及各个所述评价维度对应的所述评价得分，确定所述待检测相机的检测结果的技术方案，解决了在人工进行相机性能检测时，导致相机误检率增加的问题，提高相机测量结果的准确度。

Description

相机性能检测方法、设备和存储介质

技术领域

本发明涉及相机检测技术领域，尤其涉及一种相机性能检测方法、设备和存储介质。

背景技术

相机是集光学、机械、电子一体化的产品。它集成了影像信息的转换、存储和传输等部件，具有数字化存取模式，与电脑交互处理和实时拍摄等特点，被广泛应用于各个领域。相机性能的决定了图像的质量，因此，需要实时对相机性能进行检测以使图像质量稳定。目前，在对相机性能检测的过程中，只是通过人工进行相机参数检测，导致误检率增加。

发明内容

本发明实施例通过提供一种相机性能检测方法、设备和存储介质，旨在解决在人工进行相机性能检测时，导致相机误检率增加的问题。

本发明实施例提供了一种相机性能检测方法，所述相机性能检测方法，包括：

获取待检测相机当前拍摄的检测图像，以及获取基准图像；

确定所述检测图像与所述基准图像的对比结果，根据所述对比结果确定所述检测图像在各个评价维度对应的评价得分；

获取各个所述评价维度对应的权重系数；

根据所述权重系数及各个所述评价维度对应的所述评价得分，确定所述待检测相机的检测结果。

在本实施例中，所述评价维度包括帧率维度、分辨率维度、清晰度维度、重影维度和污点维度中的至少一个；所述确定所述检测图像与所述基准图像的对比结果，根据所述对比结果确定所述检测图像在各个评价维度对应的评价得分的步骤包括：

确定所述检测图像在各个评价维度对应的实际指标；

获取所述基准图像在各个评价维度对应的参考指标；

确定所述实际指标与所述参考指标的差值；

根据所述差值确定所述检测图像在各个评价维度对应的评价得分。

在本实施例中，所述确定所述检测图像在各个评价维度对应的实际指标的步骤包括：

获取在各个工作模式下待检测相机所拍摄的检测图像的帧数和耗时；

根据所述帧数和所述耗时确定所述帧率维度对应的实际指标。

在本实施例中，所述确定所述检测图像在各个评价维度对应的实际指标的步骤包括：

通过图像模糊评价方式确定待检测相机所拍摄的检测图像的清晰度；

根据所述检测图像的清晰度确定所述清晰度维度对应的实际指标，其中，所述图像模糊评价方式包括：基于像素的评价方式、基于变换域的评价方式、基于图像梯度的评价方式中的至少一个。

在本实施例中，所述确定所述检测图像在各个评价维度对应的实际指标的步骤包括：

通过关键点检测方法确定各个所述检测图像中的关键点，以及确定各个所述关键点的位置信息；

根据所述位置信息确定各个所述关键点的重合程度；

根据所述重合程度确定所述重影维度的实际指标。

在本实施例中，所述确定所述检测图像在各个评价维度对应的实际指标的步骤包括：

通过图像分割方式对所述检测图像进行分割，得到所述检测图像对应的二值化图像；

获取所述基准图像对应的二值化图像；

确定所述检测图像对应的二值化图像与所述基准图像对应的二值化图像的重合程度；

根据重合程度确定所述污点维度对应的实际指标。

在本实施例中，所述根据所述权重系数及各个所述评价维度对应的所述评价得分，确定所述待检测相机的检测结果的步骤包括：

将各个所述评价维度对应的权重系数分别与所述评价维度对应的所述评价得分相乘，得到加权后的所述评价得分；

将各个加权后的所述评价得分相加，得到所述待检测相机的总评价得分；

在所述总评价得分小于或等于预设阈值时，判定所述待检测相机的检测结果为不合格；

在所述总评价得分大于预设阈值时，判定所述待检测相机的检测结果为合格。

在本实施例中，所述获取基准图像的步骤包括：

获取基准相机基于分辨率测试卡的投影图像；

根据所述投影图像确定所述基准相机对应的基准图像。

此外，为实现上述目的，本发明还提供了一种相机性能检测设备，所述相机性能检测设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的相机性能检测程序，所述相机性能检测程序被所述处理器执行时实现上述的相机性能检测方法的步骤。

此外，为实现上述目的，本发明还提供了一种存储介质，所述存储介质存储有相机性能检测程序，所述相机性能检测程序被处理器执行时实现上述的相机性能检测方法的步骤。

本发明实施例中提供的一种相机性能检测方法、设备和存储介质的技术方案，本发明通过采用获取待检测相机当前拍摄的检测图像以及获取基准图像，将所述检测图像与所述基准图像进行比对，根据比对结果确定在所述待检测相机在各个评价维度对应的评价得分。在得到各个评价维度对应的评价得分之后，获取各个评价维度对应的权重系数，并根据所述权重系数以及各个所述评价维度对应的评价得分确定所述待检测相机的检测结果的技术方案，解决了在人工进行相机性能检测时，导致相机误检率增加的问题，通过本发明的技术方案提高了相机测量结果的准确度。

附图说明

图1为本发明实施例方案涉及的硬件运行环境的结构示意图；

图2为本发明相机性能检测方法第一实施例的流程示意图；

图3为本发明相机性能检测方法第一实施例步骤S120的细化流程示意图；

图4为本发明相机性能检测方法第一实施例步骤S140的细化流程示意图；

图5为本发明相机性能检测方法的整体流程示意图；

本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明，上述附图只是一个实施例图，而不是发明的全部。

具体实施方式

为了更好的理解上述技术方案，下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。

如图1所示，图1为本发明实施例方案涉及的硬件运行环境的结构示意图。

需要说明的是，图1即可为检测设备的硬件运行环境的结构示意图。

如图1所示，该检测设备可以包括：处理器1001，例如CPU，存储器1005，用户接口1003，网络接口1004，通信总线1002。其中，通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(Display)、输入单元比如键盘(Keyboard)，可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如WI-FI接口)。存储器1005可以是高速RAM存储器，也可以是稳定的存储器(non-volatile memory)，例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。

本领域技术人员可以理解，图1中示出的检测设备结构并不构成对检测设备限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。

如图1所示，作为一种存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及相机性能检测程序。其中，操作系统是管理和控制检测设备硬件和软件资源的程序，相机性能检测程序以及其它软件或程序的运行。

在图1所示的检测设备中，用户接口1003主要用于连接终端，与终端进行数据通信；网络接口1004主要用于后台服务器，与后台服务器进行数据通信；处理器1001可以用于调用存储器1005中存储的相机性能检测程序。

在本实施例中，检测设备包括：存储器1005、处理器1001及存储在所述存储器上并可在所述处理器上运行的相机性能检测程序，其中：

处理器1001调用存储器1005中存储的相机性能检测程序时，执行以下操作：

获取待检测相机当前拍摄的检测图像，以及获取基准图像；

确定所述检测图像与所述基准图像的对比结果，根据所述对比结果确定所述检测图像在各个评价维度对应的评价得分；

获取各个所述评价维度对应的权重系数；

根据所述权重系数及各个所述评价维度对应的所述评价得分，确定所述待检测相机的检测结果。

处理器1001调用存储器1005中存储的相机性能检测程序时，还执行以下操作：

确定所述检测图像在各个评价维度对应的实际指标；

获取所述基准图像在各个评价维度对应的参考指标；

确定所述实际指标与所述参考指标的差值；

根据所述差值确定所述检测图像在各个评价维度对应的评价得分。

处理器1001调用存储器1005中存储的相机性能检测程序时，还执行以下操作：

获取在各个工作模式下待检测相机所拍摄的检测图像的帧数和耗时；

根据所述帧数和所述耗时确定所述帧率维度对应的实际指标。

处理器1001调用存储器1005中存储的相机性能检测程序时，还执行以下操作：

通过图像模糊评价方式确定待检测相机所拍摄的检测图像的清晰度；

根据所述检测图像的清晰度确定所述清晰度维度对应的实际指标，其中，所述图像模糊评价方式包括：基于像素的评价方式、基于变换域的评价方式、基于图像梯度的评价方式中的至少一个。

处理器1001调用存储器1005中存储的相机性能检测程序时，还执行以下操作：

通过关键点检测方法确定各个所述检测图像中的关键点，以及确定各个所述关键点的位置信息；

根据所述位置信息确定各个所述关键点的重合程度；

根据所述重合程度确定所述重影维度的实际指标。

处理器1001调用存储器1005中存储的相机性能检测程序时，还执行以下操作：

通过图像分割方式对所述检测图像进行分割，得到所述检测图像对应的二值化图像；

获取所述基准图像对应的二值化图像；

确定所述检测图像对应的二值化图像与所述基准图像对应的二值化图像的重合程度；

根据重合程度确定所述污点维度对应的实际指标。

处理器1001调用存储器1005中存储的相机性能检测程序时，还执行以下操作：

将各个所述评价维度对应的权重系数分别与所述评价维度对应的所述评价得分相乘，得到加权后的所述评价得分；

将各个加权后的所述评价得分相加，得到所述待检测相机的总评价得分；

在所述总评价得分小于或等于预设阈值时，判定所述待检测相机的检测结果为不合格；

在所述总评价得分大于预设阈值时，判定所述待检测相机的检测结果为合格。

处理器1001调用存储器1005中存储的相机性能检测程序时，还执行以下操作：

获取基准相机基于分辨率测试卡的投影图像；

根据所述投影图像确定所述基准相机对应的基准图像。

以下将以具体实施例的方式介绍本发明的技术方案。

第一实施例

如图2所示，图2为本发明第一实施例的流程示意图。在本发明的第一实施例中，本发明的相机性能检测方法，包括以下步骤：

步骤S110，获取待检测相机当前拍摄的检测图像，以及获取基准图像；

步骤S120，确定所述检测图像与所述基准图像的对比结果，根据所述对比结果确定所述检测图像在各个评价维度对应的评价得分；

步骤S130，获取各个所述评价维度对应的权重系数；

步骤S140，根据所述权重系数及各个所述评价维度对应的所述评价得分，确定所述待检测相机的检测结果。

在本实施例中，相机的性能决定着拍摄图像的质量，拍摄图像的质量决定测试结果的准确性。因此，需要实时对相机的性能进行检测以提高测试结果的准确性。目前，由于相机性能的检测通常是通过人工进行相机参数的检测，导致相机误检率增加。因此，本发明设计了一种相机性能检测方法。参照图5，图5为本发明相机性能检测方法的整体流程示意图。该方法通过基准相机确定基准图像。可以将待检测相机实时拍摄的检测图像与基准图像进行比对，从而根据比对结果确定所述待检测相机在各个评价维度的评价得分，将各个评价维度的评价得分加权，从而确定所述待检测相机的为合格相机合适次品相机。本发明通过对待检测相机在各个评价维度进行检测，从而降低待检测相机的误检率。

在本实施例中，所述基准图像通过基准相机确定，所述基准相机为参考相机，且由所述基准图像确定的性能指标可作为所述待检测相机实时拍摄的检测图像的参考指标。所述基准图像的获取方式可以是：获取所述基准相机在分辨率测试卡的多张投影图像，从所述投影图像中选择合适的投影图像，从而根据所述投影图像确定所述基准相机对应的基准图像。具体的，首先，选择一个合格的评价面板(分辨率测试卡)。接着，让基准相机投影出评价面板的投影图像。最后，选择其中一张图片作为基准图片。其中，所述分辨率测试卡又称为分辨率解析卡，其采用了国际标准的ISO12233解析度分辨率卡进行测试，采取统一拍摄角度和拍摄环境。分辩率的计算采用HYRes软件，分开垂直分辨率和水平分辨率两部分进行，具体计算过程在此不再赘述。在获取基准图像之后，可定义该基准图片在各个评价维度的参考指标，其中，所述评价维度包括帧率维度、分辨率维度、清晰度维度、重影维度、污点维度中的至少一个。所述评价维度还可包括色彩还原维度、速度维度等评价维度。

在本实施例中，在获取待检测相机当前拍摄的检测图像以及基准图像之后，确定所述检测图像与所述基准图像的对比结果。可将所述检测图像在各个评价维度对应的实际指标与所述基准图像在各个评价维度对应的参考指标逐个进行比对，进而根据对比结果确定所述待检测相机在各个评价维度的评价得分。

在本实施例中，每个评价维度均有对应的权重系数，且所述权重系数可根据实际情况进行设置，例如，可根据所述待检测相机的型号进行设置。在获取所述待检测相机的各个评价维度的权重系数之后，根据各个所述评价维度对应的权重系数以及对应的各个所述评价维度对应的所述评价得分，即可确定所述待检测相机的检测结果。可根据所述检测结果确定所述待检测相机的性能好坏。

本实施例根据上述技术方案，由于采用了获取待检测相机当前拍摄的检测图像以及获取基准图像，将所述检测图像与所述基准图像进行比对，根据比对结果确定在所述待检测相机在各个评价维度对应的评价得分。在得到各个评价维度对应的评价得分之后，获取各个评价维度对应的权重系数，并根据所述权重系数以及各个所述评价维度对应的评价得分确定所述待检测相机的检测结果的技术方案，解决了在人工进行相机性能检测时，导致相机误检率增加的问题，通过本发明的技术方案提高了相机测量结果的准确度。

第二实施例

如图3所示，图3为本发明第一实施例步骤S120的细化流程示意图。在本发明的第二实施例中，本发明第一实施例中确定所述检测图像与所述基准图像的对比结果，根据所述对比结果确定所述检测图像在各个评价维度对应的评价得分的步骤包括：

步骤S121，确定所述检测图像在各个评价维度对应的实际指标；

步骤S122，获取所述基准图像在各个评价维度对应的参考指标；

步骤S123，确定所述实际指标与所述参考指标的差值；

步骤S124，根据所述差值确定所述检测图像在各个评价维度对应的评价得分。

在本实施例中，所述评价维度包括帧率维度、分辨率维度、清晰度维度、重影维度和污点维度中的至少一个；所述基准图像在各个评价维度对应的参考指标可根据所述实际情况进行预先定义。所述检测图像在各个评价维度对应的实际指标的确定方式不同。在确定所述检测图像在各个评价维度对应的实际指标以及所述基准图像在各个评价维度对应的参考指标之后，根据所述实际指标与所述参考指标确定所述待检测相机在各个评价维度对应的评价得分。具体的，可确定所述实际指标与所述参考指标的差值，根据所述差值确定所述检测图像在各个评价维度对应的评价得分。例如，确定待检测相机当前获取的检测图像在各个评价维度对应的实际指标X＝{x1,x2,x3,…，xn}，获取基准图像在各个评价维度对应的参考指标为Y＝{y1,y2,y3,…，yn}，将所述实际指标与所述参考指标进行对比，从而根据所述差值确定所述检测图像在各个评价维度对应的评价得分，如D＝Y-X＝(y1-x1,y2-x2,y3-x3,…，yn-xn)，其中，所述X集合与Y集合中各个评价维度的指标具有对应关系，且所述集合中指标的数量根据评价维度的数量进行确定。

本实施例根据上述技术方案，通过采用将检测图像在各个评价维度对应的实际指标与基准图像对应的参考指标进行比对，确定所述实际指标与所述参考指标的差值，并根据所述差值确定所述检测图像在各个评价维度对应的评价得分的技术手段，从而确定待检测相机在各个评价维度的评价情况。

第三实施例

第三实施例为本发明第二实施例步骤S121的细化实施例。在本发明的第三实施例中，本发明确定所述检测图像在各个评价维度对应的实际指标包括以下步骤：

(1)确定所述检测图像在帧率维度对应的实际指标可包括以下步骤：

步骤S1211，获取在各个工作模式下待检测相机所拍摄的检测图像的帧数和耗时；

步骤S1212，根据所述帧数和所述耗时确定所述帧率维度对应的实际指标。

其中，帧率可以通过读取相机的帧数和所用时间获得。例如，可以获取待检测相机在各个工作模式下所拍摄的检测图像的帧数和耗时。比如，假设在连拍模式下，在按下相机的快门键时，计时器记录起始时间，在拍摄结束时，记录结束时间，根据所述起始时间和所述结束时间确定耗时，并确定在所述起始时间和所述结束时间这一时间段内所拍摄的检测图像的帧数。从而根据所述帧数以及所述耗时确定在所述帧率维度下对应的实际指标。在确定所述帧率维度下对应的实际指标之后，可确定在同一工作模式下，将所述基准图像在帧率维度下的帧数和耗时与检测图像在所述帧率维度下的帧数和耗时进行比对，从而得到在帧率维度下的评价得分。

(2)确定所述检测图像在清晰度维度对应的实际指标可包括以下步骤：

步骤S2211，通过图像模糊评价方式确定待检测相机所拍摄的检测图像的清晰度；

步骤S2212，根据所述检测图像的清晰度确定所述清晰度维度对应的实际指标，其中，所述图像模糊评价方式包括：基于像素的评价方式、基于变换域的评价方式、基于图像梯度的评价方式中的至少一个。

其中，在确定所述待检测相机所拍摄的检测图像的清晰度时，只采用待检测相机成像的检测图像。通过图像模糊评价方式确定待检测相机所拍摄的检测图像的清晰度，从而根据所述清晰度确定所述清晰度维度对应的实际指标。其中，所述图像模糊评价方式包括如基于像素的技术，包括分析像素灰度值的统计特性以及像素之间的相关性；基于变换域的技术，高频成分越少图像越模糊的原理；基于图像梯度的技术，利用图像边缘的梯度来衡量图像模糊程度，梯度越大图像越清晰。在确定检测图像在清晰度维度对应的实际指标之后，可使用基准图像的模糊度和待检测图像的模糊度进行比对，从而得到在清晰度维度下的评价得分。

(3)确定所述检测图像在重影维度对应的实际指标可包括以下步骤：

步骤S3211，通过关键点检测方法确定各个所述检测图像中的关键点，以及确定各个所述关键点的位置信息；

步骤S3212，根据所述位置信息确定各个所述关键点的重合程度；

步骤S3213，根据所述重合程度确定所述重影维度的实际指标。

其中，在确定所述待检测相机所拍摄的检测图像是否重影时，采用待检测相机成像的检测图像。具体的，获取由所述待检测相机连续拍摄的多张检测图像。通过关键点检测方法(如surf特征检测)找出连续拍摄的多张所述检测图像中的关键点。并计算多张所述检测图像中的关键点的重合程度，即判断多张所述检测图像中的关键点在对应的检测图像中的位置情况。根据所述重合程度确定所述重影维度的实际指标。例如，如果检测图像中没有出现重影，表示多张所述检测图像的所有关键点的重合度大。如果出现重影，则表示所述检测图像中出现多余的不重合关键点，导致计算的重合度变小。基于上述方式判断相机是否出现重影。

(4)确定所述检测图像在污点维度对应的实际指标可包括以下步骤：

步骤S4211，通过图像分割方式对所述检测图像进行分割，得到所述检测图像对应的二值化图像；

步骤S4212，获取所述基准图像对应的二值化图像；

步骤S4213，确定所述检测图像对应的二值化图像与所述基准图像对应的二值化图像的重合程度；

步骤S4214，根据重合程度确定所述污点维度对应的实际指标。

其中，通过定时自动控制一块亚克力板挡住相机镜头，得到待检测相机成像的检测图像。通过图像分割算法(如大津法)对检测图像进行分割，获得所述检测图像对应的二值化图像。在镜头受到亚克力板的遮挡，正常情况下，即基准相机获取的基准图像分割获得的二值化图像P_t是同一颜色，如颜色值为255的白色。如果出现有污点的情况，图像分割出来的二值化图像P_f是含有颜色值为0的黑色，并且呈现在某些局部的黑色范围。因此，可将正常分割的二值化图像P_t与污点图像分割出来的二值图P_f作比较，可以通过检测图像对应的二值化图像与所述基准图像对应的二值化图像的重合程度确定所述污点维度对应的实际指标。例如，如果检测图像的二值化图像与所述基准图像的二值化图像重合程度越大，说明污点越小或者没有污点，重合程度越小说明污点越大。

本实施例根据上述技术方案，由于采用了根据不同的评价方式确定所述检测图像在各个评价维度对应的实际指标的技术手段，实现了对待检测相机的多个维度进行评价，从而降低了待检测相机的误检率。

第四实施例

如图4所示，图4为本发明第一实施例步骤S140的细化流程示意图。在本发明的第四实施例中，本发明的相机性能检测方法，包括以下步骤：

步骤S141，将各个所述评价维度对应的权重系数分别与所述评价维度对应的所述评价得分相乘，得到加权后的所述评价得分；

步骤S142，将各个加权后的所述评价得分相加，得到所述待检测相机的总评价得分；

步骤S143，在所述总评价得分小于或等于预设阈值时，判定所述待检测相机的检测结果为不合格；

步骤S144，在所述总评价得分大于预设阈值时，判定所述待检测相机的检测结果为合格。

在本实施例中，根据第二实施例可确定各个评价维度对应的评价得分，如D＝Y-X＝(y1-x1,y2-x2,y3-x3,…，yn-xn)。每个评价维度均存在对应的权重系数，所述权重系数可根据实际情况进行设置。可将所述权重系数分别与所述评价维度对应的评价得分相乘，从而得到加权后的评价得分，如加权后的评价得分D1＝[a1*(y1-x1，a2*(y2-x2)，a3*(y3-x3)，…，an*(yn-xn)]。将各个评价维度对应的评价得分做加权来获得最后待检测相机的总评价得分S＝a1*(y1-x1)+a2*(y2-x2)+a3*(y3-x3)+…+an*(yn-xn)。

在本实施例中，在得到所述待检测相机的总评价得分之后，将所述总评价得分与预设阈值进行比对。其中，所述预设阈值可根据实际情况进行设置。在所述总评价得分小于或等于预设阈值时，判定所述待检测相机的检测结果为不合格。在所述待检测相机合格时，可生成对应的提示信息以及时提醒用户对所述待检测相机及时进行维修。在所述总评价得分大于预设阈值时，判定所述待检测相机的检测结果为合格。

本实施例根据上述技术方案，由于采用了将各个加权后的评价得分相加，得到所述待检测相机的总评价得分，将所述总评价得分与预设阈值进行比较，从而确定所述待检测相机为合格相机还是次品相机的技术手段，实现了对待检测相机性能的检测，降低人工检测的误检率。

本发明实施例提供了相机性能检测方法的实施例，需要说明的是，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。

基于同一发明构思，本发明实施例还提供了一种存储介质，所述存储介质存储有相机性能检测程序，所述相机性能检测程序被处理器执行时实现如上所述的相机性能检测的各个步骤，且能达到相同的技术效果，为避免重复，这里不再赘述。

由于本发明实施例提供的存储介质，为实施本发明实施例的方法所采用的存储介质，故而基于本发明实施例所介绍的方法，本领域所属人员能够了解该存储介质的具体结构及变形，故而在此不再赘述。凡是本发明实施例的方法所采用的存储介质都属于本发明所欲保护的范围。

本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

应当注意的是，在权利要求中，不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的部件或步骤。位于部件之前的单词“一”或“一个”不排除存在多个这样的部件。本发明可以借助于包括有若干不同部件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中，这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。

尽管已描述了本发明的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。

显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。

Claims (10)

1.一种相机性能检测方法，其特征在于，所述相机性能检测方法包括：

获取待检测相机当前拍摄的检测图像，以及获取基准图像；

确定所述检测图像与所述基准图像的对比结果，根据所述对比结果确定所述检测图像在各个评价维度对应的评价得分；

获取各个所述评价维度对应的权重系数；

根据所述权重系数及各个所述评价维度对应的所述评价得分，确定所述待检测相机的检测结果。

2.如权利要求1所述的相机性能检测方法，其特征在于，所述评价维度包括帧率维度、分辨率维度、清晰度维度、重影维度和污点维度中的至少一个；所述确定所述检测图像与所述基准图像的对比结果，根据所述对比结果确定所述检测图像在各个评价维度对应的评价得分的步骤包括：

确定所述检测图像在各个评价维度对应的实际指标；

获取所述基准图像在各个评价维度对应的参考指标；

确定所述实际指标与所述参考指标的差值；

根据所述差值确定所述检测图像在各个评价维度对应的评价得分。

3.如权利要求2所述的相机性能检测方法，其特征在于，所述确定所述检测图像在各个评价维度对应的实际指标的步骤包括：

获取在各个工作模式下待检测相机所拍摄的检测图像的帧数和耗时；

根据所述帧数和所述耗时确定所述帧率维度对应的实际指标。

4.如权利要求2所述的相机性能检测方法，其特征在于，所述确定所述检测图像在各个评价维度对应的实际指标的步骤包括：

通过图像模糊评价方式确定待检测相机所拍摄的检测图像的清晰度；

根据所述检测图像的清晰度确定所述清晰度维度对应的实际指标，其中，所述图像模糊评价方式包括：基于像素的评价方式、基于变换域的评价方式、基于图像梯度的评价方式中的至少一个。

5.如权利要求2所述的相机性能检测方法，其特征在于，所述确定所述检测图像在各个评价维度对应的实际指标的步骤包括：

通过关键点检测方法确定各个所述检测图像中的关键点，以及确定各个所述关键点的位置信息；

根据所述位置信息确定各个所述关键点的重合程度；

根据所述重合程度确定所述重影维度的实际指标。

6.如权利要求2所述的相机性能检测方法，其特征在于，所述确定所述检测图像在各个评价维度对应的实际指标的步骤包括：

通过图像分割方式对所述检测图像进行分割，得到所述检测图像对应的二值化图像；

获取所述基准图像对应的二值化图像；

确定所述检测图像对应的二值化图像与所述基准图像对应的二值化图像的重合程度；

根据重合程度确定所述污点维度对应的实际指标。

7.如权利要求1所述的相机性能检测方法，其特征在于，所述根据所述权重系数及各个所述评价维度对应的所述评价得分，确定所述待检测相机的检测结果的步骤包括：

将各个所述评价维度对应的权重系数分别与所述评价维度对应的所述评价得分相乘，得到加权后的所述评价得分；

将各个加权后的所述评价得分相加，得到所述待检测相机的总评价得分；

在所述总评价得分小于或等于预设阈值时，判定所述待检测相机的检测结果为不合格；

在所述总评价得分大于预设阈值时，判定所述待检测相机的检测结果为合格。

8.如权利要求1所述的相机性能检测方法，其特征在于，所述获取基准图像的步骤包括：

获取基准相机基于分辨率测试卡的投影图像；

根据所述投影图像确定所述基准相机对应的基准图像。

9.一种相机性能检测设备，其特征在于，所述相机性能检测设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的相机性能检测程序，所述相机性能检测程序被所述处理器执行时实现如权利要求1-8中任一项所述的相机性能检测方法的步骤。

10.一种存储介质，其特征在于，所述存储介质存储有相机性能检测程序，所述相机性能检测程序被处理器执行时实现权利要求1-8中任一项所述的相机性能检测方法的步骤。

Images