座舱图像质量测试标准：从 ISO 12233 到 DMS 校准——完整测试框架

来源： Image Engineering + Edge AI and Vision Alliance
发布时间： 2026年8月
适用标准： ISO 12233, ISO 17850, ISO 14524, ISO 15739

1. 为什么 DMS 图像质量需要标准化测试？

1.1 问题背景

DMS/OMS 系统依赖摄像头+AI 算法，但：

问题 后果
分辨率不足 眼睛像素不够，PERCLOS 不准
畸变严重 边缘区域 landmark 失真
动态范围差 夜间/隧道场景失效
噪声过大 低光误检
色彩不准 rPPG 心率提取错误

1.2 Euro NCAP 的隐含要求

Euro NCAP 2026 DMS 评估要求在多种光照条件下检测可靠，但没有明确图像质量标准。Image Engineering 的测试框架填补了这一空白。

2. 五大测试维度

2.1 分辨率 (SFR) — ISO 12233

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
class SFRTest:
    """空间频率响应测试"""
    
    def __init__(self):
        self.requirements = {
            'min_pixels_per_eye': 15,    # 最小每眼像素
            'recommended_pixels': 30,    # 推荐像素
            'sfr50_threshold': 0.5,      # 50% MTF 对应频率
            'sfr10_threshold': 0.1,       # 10% MTF 对应频率
        }
        
    def evaluate(self, image):
        """
        评估 SFR
        
        关键指标：
        - 中心 SFR：镜头中心分辨率
        - 边缘 SFR：边缘区域（驾驶员偏离中心时）
        - 角落 SFR：最差情况
        """
        results = {
            'center_sfr': self._measure_sfr(image, 'center'),
            'edge_sfr': self._measure_sfr(image, 'edge'),
            'corner_sfr': self._measure_sfr(image, 'corner'),
            'pixels_per_eye_center': 25,
            'pixels_per_eye_edge': 12,  # ⚠️ 低于要求
            'pixels_per_eye_corner': 8,  # ❌ 严重不足
        }
        return results

2.2 畸变 — ISO 17850

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
class DistortionTest:
    """局部几何畸变测试"""
    
    def __init__(self):
        self.max_distortion = 2.0  # % 最大允许畸变
        self.test_device = 'GEOCAL'  # Image Engineering 设备
        
    def evaluate(self, image):
        """
        畸变导致的问题：
        - 眼睛位置偏移：landmark 定位不准
        - PERCLOS 错误：眼睑距离被畸变放大/缩小
        - 视线估计偏差：角度计算依赖位置精度
        """
        return {
            'center_distortion': 0.1,  # %
            'edge_distortion': 1.5,    # %
            'corner_distortion': 3.2,  # % ❌ 超标
            'impact_on_landmark': '边缘误差 +3px',
            'impact_on_perclos': '误差 +8%'
        }

2.3 动态范围 (OECF) — ISO 14524

场景 光照 (lux) 需要动态范围 (dB)
白天阳光 100,000 60
白天阴天 10,000 50
隧道入口 1,000 → 10 70
夜间有路灯 10 50
夜间无路灯 1 60
黑暗车库 0.1 70

2.4 噪声 (SNR) — ISO 15739

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
class SNRTest:
    """信噪比测试"""
    
    REQUIREMENTS = {
        'min_snr_low_light': 30,    # dB, 低光最低 SNR
        'min_snr_normal': 40,       # dB, 正常光最低 SNR
        'max_iso': 3200,            # 最高 ISO 感光度
    }
    
    def evaluate_at_lux(self, lux_levels):
        """在不同光照下测试 SNR"""
        results = {}
        for lux, snr_measured in lux_levels.items():
            results[lux] = {
                'snr': snr_measured,
                'passes': snr_measured >= self.REQUIREMENTS['min_snr_low_light']
            }
        return results

2.5 色彩准确度

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
class ColorAccuracyTest:
    """色彩准确度测试"""
    
    def __init__(self):
        self.importance = {
            'rPPG': '极高（心率提取依赖色彩精度）',
            'facial_expression': '中（表情分类）',
            'skin_tone': '中（跨肤色公平性）'
        }
    
    def evaluate(self, image):
        """
        色彩对 rPPG 的影响：
        - 色温偏差 → rPPG 信号失真
        - 色彩饱和度 → 血流量检测精度
        - 白平衡 → 肤肤色检测公平性
        """
        return {
            'color_error_deltaE': 3.2,  # 目标 <3
            'white_balance_error': 2.1, # 目标 <2
            'rppg_accuracy_impact': '±3 bpm'
        }

3. 测试设备与流程

3.1 推荐测试设备

设备 厂商 用途 价格
GEOCAL Image Engineering 畸变校准 ~$8,000
TE253 Image Engineering 色彩/灰阶 ~$5,000
LEET Image Engineering 均匀光源 ~$12,000
DMS 测试箱 定制 完整环境模拟 ~$25,000

3.2 测试流程

3.3 多场景验证

场景 光照 目标
白天正面 100,000 lux SFR ≥ 0.7
夜间正面 1 lux + IR SNR ≥ 30dB
隧道场景 动态变化 OECF ≥ 60dB
太阳镜 IR 透射 90% 检测率
口罩 部分遮挡 70% 检测率
多肤色 ΔE < 5 公平性验证

4. IMS 开发启示

4.1 传感器选型清单

参数 要求 推荐
分辨率 ≥1280×960 1920×1080
帧率 ≥30 fps 60 fps
像素尺寸 ≥2μm 3μm
NIR 灵敏度 940nm ≥30% QE 专用 NIR 传感器
动态范围 ≥60 dB 72 dB
镜头畸变 <2% <1%
FOV ≥60° 75°
工作温度 -40~85°C 汽车 AEC-Q100

4.2 推荐传感器

型号 厂商 分辨率 NIR 说明
OV2311 OmniVision 1600×1200 ✅ 2MP 全局快门
AR0144 onsemi 1280×800 ✅ 1MP 全局快门
IMX415 Sony 4K ✅ 高分辨率
OX08B40 OmniVision 8MP ✅ 新一代 NIR 优化

4.3 补光方案

补光 波长 功率 说明
940nm LED 940nm 120mW/sr 人眼不可见，主流选择
850nm LED 850nm 100mW/sr 微弱可见红光
VCSEL 940nm 200mW/sr 更高效率，更均匀

参考来源