DORI -Berechnungs-Praxisbeispiel (2026): Schrittweise EN 62676-4 Konformität für reale Projekte

Was Sie lernen werden

Es ist gut, über DORI zu lesen. Doch die Berechnung DORI in einem realen Projekt entscheidet über Erfolg bei Ausschreibungen und die erfolgreiche Inbetriebnahme. Dieser Artikel ist die praktische Ergänzung zur theoretischen DORI Erklärung. Wir wählen drei Projekttypen aus, die in etwa 80 % aller Videoüberwachungsanlagen vorkommen, und wenden die Berechnungen EN 62676-4 vollständig auf jeden einzelnen an – inklusive der nachvollziehbaren Berechnungen. Am Ende sollten Sie anhand eines Kameradatenblatts, der Objektivauswahl und der Zielentfernung innerhalb von 30 Sekunden erkennen können, welchen DORI Wert die Anlage erfüllt.

Warum drei Beispiele und nicht nur eines? Weil jedes Beispiel einen anderen Aspekt der Berechnung hervorhebt. Das Lagerhaus zwingt Sie, über die Verschlechterung DORI Eigenschaften mit zunehmender Entfernung nachzudenken. Die Kennzeichenerkennungsschranke zwingt Sie, den Pixelspielraum für die Lesbarkeit des Nummernschilds zu berücksichtigen. Der Bankschalter zwingt Sie, die Pixeldichte für die Gesichtserkennung auf kurze Distanz bei eingeschränkter Objektivwahl zu betrachten. Zusammen decken sie die Berechnungsgrundlagen ab, die Sie für nahezu jedes Design benötigen.

DORI Mathematik-Auffrischung – die Formel in einem Absatz

EN 62676-4 definiert DORI in Pixeln pro Meter in der Zielentfernung. Die Berechnung basiert auf Schulgeometrie: Das Winkelfeld des Objektivs wird auf eine horizontale Schicht der Szene projiziert, und die horizontale Pixelanzahl der Kamera verteilt sich auf diese Schicht. Die kompakte Formel lautet:

Vergleichen Sie das Ergebnis mit den Schwellenwerten der EN 62676-4 : 25 ppm Detektion, 62 ppm Beobachtung, 125 ppm Erkennung, 250 ppm Identifizierung. Die Änderung von 2025 führt OODPCVS-Modi ein, die dieses Vokabular erweitern, die zugrunde liegende Pixelarithmetik bleibt jedoch unverändert.

Zwei praktische Hinweise, bevor wir zu den einzelnen Schritten kommen. Erstens: Die Sensorgröße wird üblicherweise als Bruchteil eines Zolls angegeben (1/2,8", 1/1,8", 1/1,2"). Dies sind keine tatsächlichen Zollangaben, sondern eine veraltete Bezeichnung aus der Zeit der Videoröhrenkameras. Nutzen Sie die untenstehende Umrechnungstabelle oder Ihren Taschenrechner. Zweitens: Die Formel geht von einem Standardobjektiv mit geradliniger Abbildung aus. Weitwinkel- und Fisheye-Objektive verursachen eine tonnenförmige Verzeichnung, die die effektive Pixeldichte im Bildfeld leicht verändert. Verwenden Sie in diesen Fällen die vom Hersteller angegebene effektive Brennweite anstelle der nominalen.

Rundgang 1 – Laderampe des Lagers

Die Situation: Ein Logistikkunde installiert Videoüberwachung an einer 25 m breiten Laderampe. Eine Kamera ist an der Gebäudewand direkt über dem Rampentor montiert und filmt in den Hof. Die gewählte Kamera hat 4 Megapixel, einen 1/2,8"-Sensor (2560 × 1440 Pixel, 5,376 mm horizontal) und ein 6-mm-Festbrennweitenobjektiv. Die Frage: Welchen DORI Wert erreicht diese Kamera in 10 m, 20 m und 35 m Entfernung von der Wand?

Die Interpretation. Eine einzelne 4-Megapixel-Kamera auf 6 mm Brennweite erfasst das Dock mit drei verschiedenen DORI Stufen in drei unterschiedlichen Entfernungen: Identifizierung direkt am Tor, Erkennung in der Mitte des Dockgeländes und Beobachtung tiefer im Ladebereich. Bei einem 25 m breiten Dock erfüllt jedes Pixel entlang der Dockfläche mindestens die Erkennungsstufe, was die richtige Schwelle darstellt, um sicherzustellen, dass bekannt ist, wer welchen Container abgeholt hat.

Fazit zum Design: Benötigt der Kunde eine Identifizierung auf 20 m Entfernung (z. B. zur Erfassung der Fahrer-IDs von Gabelstaplern auf dem gesamten Betriebsgelände), ist diese Kamera nicht ausreichend. Er benötigt entweder eine längere Brennweite (wodurch die Weitwinkelansicht im Türbereich eingeschränkt wird) oder einen höher auflösenden Sensor (8 MP mit demselben 6-mm-Objektiv ermöglichen eine Identifizierung jenseits von 20 m). Die Demonstration verdeutlicht den Kompromiss anhand von Zahlen – genau das sollten Sie mit dem Kunden vor der Installation besprechen, nicht erst danach.

Rundgang 2 – ANPR-Tor am Parkplatz

Die Ausgangssituation: Ein Geschäftskunde wünscht eine automatische Kennzeichenerkennung (ANPR) an der Einfahrt zu einer Tiefgarage. Die Schranke befindet sich 5 m von der Kamerahalterung entfernt. Die gewählte Kamera hat 8 Megapixel, einen 1/1,8"-Sensor (3840 × 2160 Pixel, 7,20 mm horizontal) und ein 12-mm-Festbrennweitenobjektiv. Die Frage: Erfüllt diese Kombination die Anforderungen an die Kennzeichenidentifizierung (250 Personen pro Minute) an der Schranke, und wie groß ist die Sicherheitsmarge?

Die Interpretation. Auf 5 m Entfernung liefert die Kamera 1280 Pixel pro Minute – mehr als das Fünffache des Identifikationsschwellenwerts EN 62676-4. Dieser Spielraum wird genutzt. Die automatische Kennzeichenerkennung (ANPR) funktioniert nur zuverlässig, wenn das Kennzeichen gut beleuchtet, optimal ausgerichtet und frei von Bewegungsunschärfe ist. Dank des hohen Pixelspielraums kann das System die unvermeidlichen Beeinträchtigungen im Alltag (Regen auf der Linse, tiefstehende Sonne, leichte Fahrzeugneigung) tolerieren, ohne die Lesbarkeitsschwelle zu unterschreiten. Ein System, das unter Laborbedingungen gerade so 250 Pixel pro Minute erreicht, scheitert in der Praxis meist.

Fazit zum Design: Die Wahl von 8 MP auf 12 mm Brennweite ist für ein 5 m breites Tor mit ausreichendem Sicherheitsabstand optimal. Würde dieselbe Kamera weiter entfernt – bis zu etwa 25 m – montiert, würde sie die Identifizierung zwar weiterhin gewährleisten, jedoch mit deutlich geringerer Toleranz gegenüber Umwelteinflüssen. Für eine Kamera, die ausschließlich der automatischen Kennzeichenerkennung (ANPR) dient, ist eine großzügige Pixelanzahl die richtige und keine verschwenderische Designentscheidung.

Rundgang 3 – Bankschalter

Die Ausgangssituation: Eine Bank modernisiert die Videoüberwachung an den Schaltern ihrer Filiale. Jeder Schalter ist mit einer eigenen Kamera ausgestattet, die an der Rückwand, 4 m von der Kundenseite entfernt, montiert ist. Die gewählte Kamera hat 6 Megapixel, einen 1/1,8"-Sensor (3072 × 2048 Pixel, 7,20 mm horizontal) und ein 8-mm-Festbrennweitenobjektiv. Die Frage: Erfüllt diese Technologie die Anforderungen für eine Identifizierung von 250 Personen pro Minute (ppm) auf der Kundenseite des Schalters mittels Gesichtserkennung?

Die Interpretation: Die 6-Megapixel-Kamera auf 8-mm-Sensor erfüllt die Anforderungen an die Identifizierung mit 250 Bildern pro Minute (ppm) am Kassenschalter und bietet dabei noch ausreichend Pixelreserve. EN 62676-4 definiert 250 ppm als die Nachweisgrenze, ab der eine unbekannte Person anhand des Bildes identifiziert werden kann – genau der Anwendungsfall für die Gesichtserkennung, die durch eine markierte Transaktion ausgelöst wird. Dieselbe Kamera erfüllt die Anforderungen an die Identifizierung bis zu einer Entfernung von ca. 12 m, was die Tiefe eines üblichen Kassenbereichs übersteigt.

Fazit zum Design: Bei dieser Geometrie sind Montagehöhe und Winkel zum Gesicht des Kunden wichtiger als zusätzliche Pixel. Ein Gesicht, das aus einem steilen Winkel von oben betrachtet wird, ist schwerer zu erkennen als dasselbe Gesicht mit derselben Pixelanzahl, das nahezu frontal betrachtet wird – die Pixeldichte ist eine notwendige, aber keine hinreichende Bedingung. Der Testlauf verdeutlicht den richtigen Ansatzpunkt für die Designdiskussion: Der Fokus der nächsten Iteration sollte auf der Montageposition und nicht auf den Kameraspezifikationen liegen.

Erinnerung an die Schwellenwerte EN 62676-4. Der Identifizierungsschwellenwert von 250 ppm ist die standardisierte Grenze, ab der eine unbekannte Person anhand eines Bildes zuverlässig identifiziert werden kann. Lokale Gesichtserkennungsalgorithmen benötigen üblicherweise deutlich niedrigere Werte, doch der Wert von 250 ppm ist derjenige, der einer gerichtlichen Beweisprüfung standhält – und genau daran soll sich letztendlich der Einsatz von Gesichtserkennungssystemen an Bankschaltern messen lassen.

Häufige Fehler

Drei Fehler sind die Ursache für fast jede Diskussion, in der es heißt: „Die Berechnungen sind positiv, aber die Installation schlägt fehl.“ Ihnen diesen Aufwand zu ersparen, ist ein Hauptgrund für diesen Artikel.

Wie man automatisch verifiziert

Die Berechnung per Hand ist eine gute Lernmethode. Die manuelle Berechnung für jede einzelne Kamera in einem Projekt mit 40 Kameras birgt jedoch ein hohes Fehlerrisiko. CCTVplanner bietet zwei kostenlose, browserbasierte Tools, die die obige Formel mit den EN 62676-4 Grenzwerten und dem Katalog mit über 65.000 Kameras exakt umsetzen.

Bei Projekten mit mehreren Kameras ist der Planer der richtige Ansprechpartner. Er platziert jede Kamera im Grundriss, stellt das Objektiv ein, und die Farbkennzeichnung der Arbeitsfläche zeigt an, welcher Bereich welchem DORI Level entspricht. Konformitätshinweise werden rot angezeigt, wenn eine Kamera mehr Pixel pro Meter liefern soll, als Objektiv und Auflösung zulassen. Die exportierte mehrseitige PDF enthält den DORI -Level jeder Kamera in der Ausrüstungstabelle – der Einkäufer kann den berechneten Wert direkt ablesen, ohne ihn erneut berechnen zu müssen.

Für einen detaillierteren Einblick in die Aktualisierung der Normen hinter diesen Tools erläutert der Artikel EN 62676-4 :2025 OODPCVS die sieben neuen Modusbezeichnungen, die im Rahmen der EU-Beschaffung 2026 zusätzlich zu den klassischen DORI gelten.

Häufig gestellte Fragen