Návod k výpočtu DORI (2026): Podrobný návod k dodržování EN 62676-4 pro reálné projekty
Tři reálné příklady – nakládací rampa skladu, brána ANPR parkoviště a pokladna banky – s kompletním popisem aritmetických výpočtů pixelů na metr podle EN 62676-4. Do konce tohoto článku budete schopni vypočítat úrovně DORI pro libovolnou vzdálenost kamery a cíle a budete přesně vědět, která kombinace kamery a objektivu splňuje kterou prahovou hodnotu DORI.
Obsah
Co se naučíte
Čtení o DORI je v pořádku. Výpočet DORI na reálném projektu je to, co ve skutečnosti vyhrává nabídky a přežívá při uvedení do provozu. Tento článek je praktickou obdobou konceptuálního vysvětlení DORI. Vybrali jsme tři archetypy projektů, které se objevují zhruba v 80 % návrhů CCTV, a prošli jsme každým z nich čísla z normy EN 62676-4, od začátku do konce, s viditelnou matematikou. Na konci byste měli být schopni podívat se na datový list kamery, výběr objektivu a cílovou vzdálenost a vědět – do třiceti sekund – jakou úroveň DORI návrh splňuje.
Proč tři příklady a ne jeden? Protože každý archetyp zdůrazňuje jinou část výpočtu. Sklad vás nutí přemýšlet o tom, jak se DORI zhoršuje se vzdáleností. ANPR brána vás nutí přemýšlet o prostoru pro pixely pro čitelnost registrační značky. Bankovní úředník vás nutí přemýšlet o hustotě pixelů pro rozpoznávání obličeje zblízka s omezeným výběrem objektivu. Společně pokrývají výpočetní svaly, které potřebujete pro téměř každý design, se kterým se setkáte.
Opakování matematiky DORI – vzorec v jednom odstavci
EN 62676-4 definuje DORI v pixelech na metr v cílové vzdálenosti. Aritmetika je jako středoškolská geometrie: úhlové zorné pole objektivu se promítá na horizontální řez v scéně a horizontální počet pixelů kamery je rozložen po tomto řezu. Kompaktní vzorec je:
Vzorec DORI pro počet pixelů na metr
PPM = (ohnisková vzdálenost mm × šířka obrazu v pixelech) / (šířka snímače mm × vzdálenost v m)
- focal_length_mm — the lens you have selected (e.g. 6mm, 12mm).
- image_width_pixels — the horizontal pixel count (e.g. 2560 for 4MP at 16:9).
- sensor_width_mm — the horizontal sensor dimension (1/2.8" ≈ 5.376mm; 1/1.8" ≈ 7.20mm).
- distance_m — the metres from the camera to the target.
Porovnejte výsledek s prahovými hodnotami normy EN 62676-4 : 25 ppm detekce, 62 ppm pozorování, 125 ppm rozpoznávání, 250 ppm identifikace. Novela z roku 2025 zavádí režimy OODPCVS, které tuto slovní zásobu rozšiřují, ale základní aritmetika pixelů je identická.
Dvě praktické poznámky, než se pustíme do návodů. Zaprvé, velikost snímače se obvykle udává jako zlomek palce (1/2,8", 1/1,8", 1/1,2") – nejedná se o doslovné palce, ale o starší názvosloví z kamer s vidiconovou trubicí. Použijte níže uvedenou převodní tabulku nebo se spolehněte na kalkulačku, která zvládne vyhledávání. Zadruhé, vzorec předpokládá standardní přímočarý objektiv. Širokoúhlé objektivy a objektivy typu rybí oko zavádějí soudkovité zkreslení, které jemně mění efektivní hustotu pixelů v celém záběru; u nich použijte efektivní ohniskovou vzdálenost uvedenou výrobcem, nikoli nominální.
| Velikost senzoru | Horizontální mm |
|---|---|
| 1/3" | 4.80mm |
| 1/2.8" | 5.376mm |
| 1/2.5" | 5.76mm |
| 1/1.8" | 7.20mm |
| 1/1.2" | 10.67mm |
Návod 1 – Nakládací rampa skladu
Nastavení. Zákazník v oblasti logistiky instaluje kamerový systém CCTV na 25 m širokou nakládací rampu s jednou kamerou namontovanou na zdi budovy přímo nad vraty rampy a s výhledem do dvora. Vybraná kamera má rozlišení 4 MP s 1/2,8" snímačem (2560 × 1440, 5,376 mm horizontálně) a pevným objektivem 6 mm. Otázka: jaké úrovně DORI tato kamera dosahuje ve vzdálenosti 10 m, 20 m a 35 m od zdi?
Čísla
- PPM @ 10m = (6 × 2560) / (5,376 × 10) = 285,7 ppm → Identifikace (>250)
- PPM @ 20m = (6 × 2560) / (5,376 × 20) = 142,9 ppm → Rozpoznání (>125)
- PPM @ 35 m = (6 × 2560) / (5,376 × 35) = 81,6 ppm → Pozorování (>62)
Interpretace. Jediná kamera s rozlišením 4 MP na 6 mm pokrývá dok se třemi různými úrovněmi DORI ve třech různých rozsazích: Identifikace přímo u dveří, Rozpoznání uprostřed dvora, Pozorování hlouběji v nakládací rampě. U doků o šířce 25 m každý pixel podél jejich čelní strany splňuje kritéria Recognition nebo lepší, což je správná hranice pro „víme, kdo vyzvedl který kontejner“.
Závěr návrhu. Pokud zákazník potřebuje identifikaci na 20 m (například pro čtení identifikačních údajů řidiče vysokozdvižného vozíku v plném dosahu), tato kamera nestačí – potřebuje buď delší ohniskovou vzdálenost (což obětuje široký záběr blízko dveří), nebo snímač s vyšším rozlišením (8MP na stejném 6mm objektivu dosahuje identifikace na vzdálenost přes 20 m). Návod ukazuje tento kompromis v číslech, což je přesně ten rozhovor, který chcete se zákazníkem vést před instalací, a ne až po ní.
Průvodce 2 – Brána ANPR na parkovišti
Nastavení. Firemní zákazník požaduje automatické rozpoznávání registračních značek (ANPR) u vjezdové brány podzemní garáže. Závora je 5 m od držáku kamery. Vybraná kamera má rozlišení 8 MP s 1/1,8" snímačem (3840 × 2160, 7,20 mm horizontálně) na 12mm pevném objektivu. Otázka: Splňuje tato kombinace požadavky na identifikaci (250 ppm) u brány a jaká je zde rezerva?
Čísla
- PPM @ 5m = (12 × 3840) / (7,20 × 5) = 1280 ppm → Identifikace (>>250)
- PPM @ 10m = (12 × 3840) / (7,20 × 10) = 640 ppm → Identifikace (>>250)
- PPM @ 25m = (12 × 3840) / (7,20 × 25) = 256 ppm → Identifikace (těsně nad 250)
Interpretace. Ve vzdálenosti 5 m kamera dosahuje 1280 ppm – což je více než pětinásobek prahové hodnoty identifikace podle normy EN 62676-4. Tato rezerva se neplýtvá. ANPR funguje robustně pouze tehdy, když je registrační značka dobře osvětlená, správně natočená a bez rozmazání pohybem – dostatečná rezerva pixelů znamená, že systém toleruje nevyhnutelnou degradaci v reálném prostředí (déšť na objektivu, nízké slunce, mírný náklon vozidla), aniž by klesl pod prahovou hodnotu čitelnosti. Konstrukce, která v laboratorních podmínkách dosahuje pouze 250 ppm, obvykle ve výrobě selhává.
Závěr návrhu. Volba 8MP na 12mm objektivu je dobře sladěna s 5m vzdáleností s výraznou rezervou. Pokud by byla stejná kamera namontována dále – zhruba do 25 m – stále by splňovala požadavky na identifikaci, ale s mnohem menší tolerancí vůči vlivům prostředí. U jednoúčelové ANPR kamery je velkorysý prostor pro pixely správným konstrukčním rozhodnutím, nikoli plýtváním.
Návod 3 – Pokladna banky
Nastavení. Maloobchodní banka modernizuje systém CCTV v pobočkách u pokladen. Každé okénko pokladny má samostatnou kameru namontovanou na zadní stěně, 4 m od strany zákazníka u přepážky. Vybraná kamera má rozlišení 6 MP s 1/1,8" senzorem (3072 × 2048, 7,20 mm horizontálně) na 8mm pevném objektivu. Otázka: Splňuje to požadavky na identifikaci 250 ppm na straně zákazníka u přepážky pro rozpoznávání obličeje?
Čísla
- PPM @ 4m = (8 × 3072) / (7,20 × 4) = 853 ppm → Identifikace (>>250)
- PPM @ 6m = (8 × 3072) / (7,20 × 6) = 569 ppm → Identifikace (>>250)
- PPM @ 12m = (8 × 3072) / (7,20 × 12) = 284 ppm → Identifikace (těsně nad 250)
Interpretace. Kamera s rozlišením 6 MP na 8 mm splňuje požadavky na identifikaci 250 ppm u pokladny se značnou rezervou pixelů. EN 62676-4 označuje 250 ppm jako úroveň, na které lze z obrazu identifikovat neznámou osobu – přesně to platí pro rozpoznávání obličeje spuštěné po označené transakci. Stejná kamera i nadále splňuje požadavky na identifikaci do vzdálenosti zhruba 12 m, což je více než hloubka jakékoli běžné pokladní haly.
Závěr návrhu. V této geometrii je montážní výška a úhel k obličeji zákazníka důležitější než počet dalších pixelů. Obličej pozorovaný z prudkého úhlu shora je obtížnější identifikovat než stejný počet pixelů na obličeji pozorovaném téměř frontálně – hustota pixelů je nezbytnou podmínkou, nikoli postačující. Návod ukazuje správnou konverzaci o návrhu: zaměřte se v další iteraci na montážní polohu spíše než na specifikaci kamery.
Připomenutí prahových hodnot dle normy EN 62676-4. Identifikační prahová hodnota 250 ppm je standardizovaná hranice, nad kterou lze neznámou osobu spolehlivě identifikovat z obrazu. Lokální algoritmy rozpoznávání obličeje obvykle potřebují k fungování podstatně méně, ale hodnota 250 ppm je to, co obstojí při důkazním zkoumání u soudu – což je laťka, na kterou je nakonec navrženo nasazení bankovních pokladen.
Časté chyby
Tři chyby jsou příčinou téměř každého rozhovoru typu „matematika říká ano, ale instalace selže“. Ušetření cesty zpět je velkou částí důvodu, proč tento článek existuje.
- Zmatek ohledně velikosti senzoru. Senzor o velikosti 1/2,8" není 1/2,8 palce – je to starší nomenklatura z vidiconových trubic a odpovídá zhruba 5,376 mm horizontálně. Dosazení 9,07 mm (doslovná hodnota 1 palce dělená 2,8) do vzorce je jedním z nejspolehlivějších způsobů, jak dvojnásobně nadhodnotit identifikační vzdálenost.
- Chybí poměr stran. „4MP kamera“ může mít rozlišení 2560 × 1440 (16:9) nebo 2048 × 1536 (4:3). Počet horizontálních pixelů se liší o 25 %, stejně jako výsledná vzdálenost DORI. Rozlišení si vždy přečtěte z datového listu – nikdy nepředpokládejte poměr stran z počtu megapixelů.
- Nesprávné převody jednotek. Míchání centimetrů a metrů, stop a metrů nebo milimetrů a centimetrů je typ selhání, který přetrvává nejdéle, protože vytváří věrohodně vypadající čísla. Použijte kalkulačku, která zná jednotky (kalkulačka CCTVplanner DORI nativně zpracovává m a ft) a v každém kroku jednotku dvakrát zkontrolujte.
- Prahové hodnoty z datového listu vs. prahové hodnoty dle normy EN 62676-4. Někteří výrobci zveřejňují „identifikační vzdálenost“ s použitím vlastní interní cílové hustoty pixelů. Vždy zkontrolujte, zda číslo v datovém listu předpokládá 100 ppm, 150 ppm nebo 250 ppm dle normy EN 62676-4 – rozdíl může být až 2,5násobný.
Jak automaticky ověřit
Ruční výpočty jsou skvělým způsobem, jak se to naučit. Ruční výpočty na každé kameře v projektu se 40 kamerami jsou skvělým způsobem, jak zavést chyby. CCTVplanner nabízí dva bezplatné nástroje pro prohlížeče, které přesně výše uvedený vzorec kombinují s prahovými hodnotami normy EN 62676-4 a katalogem více než 65 000 kamer.
Dvě kalkulačky, které to spočítá za vás
- Kalkulačka DORI — vyberte kameru a cílovou vzdálenost, získejte dosaženou hustotu pixelů a úroveň DORI.
- Kalkulačka dle normy EN 62676-4 – doporučení pro objektivy s ohledem na normy, včetně režimů OODPCVS 2025.
- Návrhář — celoprojektové plátno, kde je každá kamera automaticky vyhodnocena podle normy EN 62676-4 v plátně, BOM a PDF dokumentu.
U projektu s více kamerami je designér tím správným vstupním bodem. Umístěte každou kameru na půdorys, nastavte objektiv a barevné kódy plátna označí, která oblast splňuje kterou úroveň DORI. Shoda s požadavky je označena červeně všude, kde je od kamery požadováno, aby zachytila více pixelů na metr, než umožňuje její objektiv a rozlišení. Exportovaný vícestránkový PDF přenese úroveň DORI pro každou kameru do tabulky vybavení – pracovník nákupu si přečte vypočítané číslo, aniž by ho musel znovu přepočítávat.
Pro podrobnější informace o aktualizaci norem, které stojí za těmito nástroji, naleznete v článku o aktualizaci normy EN 62676-4 :2025 OODPCVS sedm nových označení režimů, které se v rámci zadávání veřejných zakázek EU pro rok 2026 objevují nad klasickým DORI.
Často kladené otázky
What is the basic formula for DORI pixel density?
Pixels per metre at the target distance equals (focal_length_mm × image_width_pixels) divided by (sensor_width_mm × distance_m). The horizontal resolution is in pixels, the focal length and sensor width are in millimetres, and the target distance is in metres. The result is the pixel density at that distance, which you compare against the EN 62676-4 thresholds: 25 ppm Detection, 62 ppm Observation, 125 ppm Recognition, 250 ppm Identification.
Do I use the horizontal pixels or the total megapixels in the formula?
Always use the horizontal pixel count. A 4MP camera at 16:9 has 2560 × 1440 pixels — for DORI you take 2560, not 4,000,000. Using megapixels in the formula will silently overestimate pixel density by orders of magnitude. This is the single most common mistake and the one most likely to make a design fail commissioning.
Why do my numbers differ from the camera datasheet's 'identification distance'?
Manufacturers sometimes publish identification distances using their own proprietary thresholds rather than the EN 62676-4 250 ppm value. Always cross-check the assumed pixel-density target. A datasheet that says 'identification at 18m' might be assuming 100 ppm or 150 ppm rather than the standard 250 ppm — at 250 ppm the same camera would only reach about 7m. The math is correct, the assumption is what differs.
Does the lens choice or the resolution matter more?
They matter equally — pixel density is proportional to focal length divided by sensor width, and proportional to horizontal resolution. Doubling either roughly doubles the achievable identification distance. In practice, varifocal lenses give you flexibility to optimise per-camera, while resolution upgrades benefit every zone uniformly. The right answer for any given site is usually a combination: a smaller number of higher-resolution cameras with appropriately-chosen lenses.
How do I verify a DORI calculation without doing the math by hand?
Use a calculator that knows the EN 62676-4 thresholds and the camera catalogue. The CCTVplanner DORI calculator at /calculator/dori takes the camera and the target distance and returns the achieved pixel density and DORI level. The dedicated EN 62676-4 calculator at /en-62676-4-calculator wraps the same maths with standards-aware language including the 2025 OODPCVS modes. Both are free and require no install.
Související články
Čtyři úrovně a k čemu každá z nich slouží, před matematikou.
Aritmetika založená na každém cíli DORI a OODPCVS.
Sedmimódová taxonomie, která v roce 2026 nadstavuje klasický DORI.
Srovnání bok po boku včetně vykreslování DORI a podpory OODPCVS.
Možnosti bezplatné úrovně, které ihned po instalaci počítají DORI dle EN 62676-4.
Podrobný návod krok za krokem včetně migrace prahových hodnot DORI.