与静态图像性能相比，摄像头性能的既定标准指标更少。 这可能主要是因为开发和标准化视频指标的测试场景比静态图像指标要困难得多。 在任何测试场景中，都必须有一些基准真相信息作为评估的参考。 例如，对于静态图像评估，静态图表可以以已知空间频率特性或特定几何特征的形式提供该基本事实。 对于视频，测试场景必须包括随时间变化的特征，包括各种运动，以充分表征视频采集管道。 性能评估需要知道这些特征的合适的基准真相信息。 目前，这只能在有限的程度上实现。这些考虑将在第 7 章中进行更详细的讨论。

本节概述了一些评估视频性能时间方面的方法。 这些指标尚未成为国际标准化，但它们在许多专有摄像头评估软件包中得到支持。

视频的基本时间特性是帧率。 如第 3 章所述，用户可以选择所需的帧率，在这种情况下，评估必须确定所选帧速率是否持续，或者摄像头可以根据条件自动选择和调整帧率，在这种情况下，必须根据预期用途的要求评估获得的帧率。

使用第 8 章中描述的高速计时器可以准确地测量获得的帧率。配置计时器以固定帧率的整数倍捕获； 倍数越高，结果越精确。 例如，对于声称捕获速率高达 100 fps 的摄像头，时钟应设置为以 100 s 的间隔更新图像。 然后为每个帧提取相对于定时器序列开始的每个帧的捕获时间，并且通过减法计算每个帧间间隔。 然后，视频帧率指标由帧间间隔的描述性统计信息（例如最小值、最大值、平均值和标准差）形成。 帧间间隔也可以图形方式显示，以便目视检查可以确定是否已维持所需性能。 对于具有自适应帧率的摄像头，应针对各种场景照明水平获得指标。这是因为这些摄像头通常配置为在较低光照水平下使用较低的帧率，以实现更长的曝光时间，从而降低噪声影响。

静止图像捕获曝光指数的测量已在本章前面讨论过，同样的指标也可用于测量视频的曝光指数。 然而，正如第 3 章所述，曝光时间不仅会影响图像色调，还会影响运动模糊的程度。针对这些因素的最佳曝光时间可能不同，适当的折衷是一个调整问题。确定曝光水平和 运动模糊的关系优化是艺术显示的问题，并且很难建立适当的量化标准。 实际评估需要测试场景镜头的目视检查和经验。

在视频中，评估曝光时间的时间一致性也很重要，因为这是影响视频外观是否一致的一个因素。 这是通过测量每帧的曝光时间来实现的，使用与测量帧率相同的高速定时器设备。 这里定时器被配置为足够快地更新，以便在曝光过程中多个时间点（单个 LED）被点亮。 然后可以将帧的曝光时间计算为帧中可见点亮的 LED 数量与每个 LED 的照明持续时间的乘积。 与帧率的情况一样，该指标由序列中曝光值的平均值、标准差、最小值和最大值等统计数据组成，并且应针对各种光照条件建立值，包括光照水平以及作为光源。

视频录制开始后，自动曝光算法可能需要一些时间才能稳定下来。 曝光时间一致性的评估应该忽略稳定前的时间，但这个稳定时间本身就是一个重要的指标。 可以通过考虑视频帧滑动窗口内曝光时间的变化来衡量稳定性。必须根据帧率、场景的复杂性和观察到的行为来选择窗口长度和可变条件的具体参数。 一个合理的通用方法是使用 10 帧的窗口大小，并认为自动曝光在第一个窗口中的第一帧时已经稳定，其中没有帧的曝光时间偏离平均值超过 5% 窗口内的曝光时间。

大多数自动曝光算法会调整曝光时间，以适应捕获视频帧时不断变化的光照条件。可以通过改变视频捕获中的照明来测试摄像头在这方面的响应能力，例如从黑暗逐渐变为明亮，或触发短暂的明亮闪光。 然后可以如上所述测量照明变化之后的稳定时间，以提供响应度度量。 研究表明，观察者更喜欢单调、渐进的过渡，没有突然的变化，因此在进行稳定性测量时应考虑这种对响应能力的偏好。

量化自动白平衡 (AWB) 算法的稳定时间比量化自动曝光算法更具挑战性，因为主动白平衡设置不容易简化为单一值。因此，在实践中 ，摄像头性能的这一方面通常通过检查捕获的视频来评估。

可以通过检查测试场景中固定区域的颜色值来量化白平衡的变化，例如颜色检查图表中的中性色块之一。 概括地说， 色差ΔE（如上所述）用于计算此色块的帧间差异。 然后，可以根据帧滑动窗口内的 ΔE 值的 RMS，以类似于针对曝光时间描述的方式确定 AWB 算法的稳定性。 非常粗略地说，ΔE 值为 1 对应于刚好可察觉的色差，因此 RMS 值小于 1 可以视为表示白平衡稳定。 同样，评估应包括在各种固定照明条件下录制的视频，以及在缓慢和突然变化的照明条件下录制的视频。 所选择的光源应涵盖一系列色温。

评估自动对焦响应能力的最简单方法是将摄像头安装在面向 SFR 图卡的电动滑轨上。录制摄像头在距离图卡移动一定距离范围的视频。摄像头在每个位置正确获得焦点所花费的时间代表了自动对焦响应能力。 摄像头获得焦点的时间对应于在该距离上SFR 图卡具有最大测量清晰度的视频帧。测量像场中心的MTF50（SFR 值达到 0.5 的空间频率）清晰度就足以达到此目的。 谨慎的做法是将视频中发现的MTF50最大值与在理想条件下（即静态安装摄像头）获得的 MTF50 测量值进行比较。这可确保最大值确实代表成功的自动对焦。

评估的距离应按对数间隔排列。而不是单调顺序，这是因为给定距离的自动对焦性能可能取决于摄像头是从更近还是更远的距离移动到该距离（即，自动对焦算法具有滞后性）。 因此，应以随机顺序的距离评估。

从超过两米左右的距离评估清晰度需要一张中心斜边较大的图卡。 然而，较大的图卡通常没有足够高的分辨率，无法在近距离内可靠地测量。 因此，可能有必要安排包含大/小 SFR 图卡的测试场景，具体取决于被评估的距离范围。只要SFR小图在视场里面足够大，能够获取可靠的 MTF50 读数，就可以使用它，否则应使用SFR大图的读数。

每个被评估的摄像头的评价必须遵循相同的评估顺序和相同的轨道滑块系统。 自动对焦系统会在摄像头移动期间适应场景，因此，自动对焦的时间应该从一个位置到另一个位置的移动开始时计时，而不是在到达对应位置时才开始计时。自动对焦的时间应该定义为在目标距离处捕获的四秒视频中，对焦成功的第一帧的时间。此规定可防止摄像头移动过程中在中间距离处对焦成功，测量摄像头可能会在达到目标距离之前从一帧中对焦并保持对焦状态，或者在整个移动过程中始终保持对焦。如果这样，自动对焦时间可能少于在位置之间移动所花费的时间。

摄像头轨道滑块应在评估距离之间尽快移动摄像头，以在具有挑战性的情况下提供评估。 摄像头运动的速度必须在被比较的摄像头中保持一致。 电动轨道滑块必须足够强大，能够以相同的速度移动摄像头，而不管摄像头重量有何差异。

视频稳像性能可以通过将摄像头放置在电子控制的六个运动自由度机动平台上来测量。很多运动平台设计来模拟典型的手持摇晃或边走边拍摄的摄像头运动。 在这里，我们定义将要使用的运动称为一组运动配置。

摄像头指向带有基准标记的 SFR 图表，并在平台上应用所选运动配置的同时进行视频录制。 然后可以使用两种指标来表征稳像性能。 首先，视频中基准标记位置的时间稳定性表明稳定性在使帧对齐方面的有效性。 每个基准标记位置的帧到帧差异的平均值、标准偏差和最大绝对值，可以以欧几里德距离测量，作为这方面的度量。 其次，从每帧中提取的 SFR 读数表明由于摄像头运动引起的运动模糊是否已被稳像系统减弱或消除。 此处，MTF50 值的平均值、标准偏差和最小值用作度量标准。 纹理性能图表，例如使用枯叶图案，可以用作 SFR 图表的替代方案。

重要的是，每个摄像头在验证测试开始时是否正确对焦，方法是检查在平台启动之前记录的第一个视频帧的 SFR 读数，是否与被测摄像头的最佳SFR性能相对应。当比较多个摄像头时，摄像头的位置应使 SFR 图卡应处于每个摄像头的相同视角，这可能需要对具有不同焦距的摄像头使用不同的距离。

对于更详尽的基准测试，应针对每个可用的运动配置来评估每个摄像头。 如果评估软件支持，则应包含一指定运动配置，该配置文件可模拟摄像头摇摄时的手持抖动。 这将能够表征稳像系统引入到所需的、有意的摄像头运动中的任何延迟或等待时间。

音视频同步通常是使用拍板来测量的，拍板本质上是一对由铰链连接的木棍。 木棍迅速合拢，发出清晰、短促的“啪”声。通过检查棍子相互接触的视频帧确定，音频/视频延迟通过将此帧的时间与音轨中可听见的“拍”时间进行比较来确定。 这种方法的不足之处在于它的时间精度仅限于帧间间隔（帧速率的倒数）。这种精度对于大多数应用来说已经足够了，但在某些情况下可能需要更高的精度，例如，如果摄像头正在评估用作多通道录音设置的一部分。 可以通过修改计时器以在精确指定的时间间隔后播放声音而获得更高的准确性。然后可以通过将声音的时间与计时器盒上显示的时间进行比较来量化视听延迟。 应在视频捕获的开始和结束时测量视听延迟，以说明任何可能随时间发生的漂移。 当使用帧精确方法时，缓慢的漂移率需要长时间的视频捕获来识别，但在测量同步延迟到子帧时间精度时可以在较短的序列中检测到。