DORI-laskenta vaihe vaiheelta (2026): EN 62676-4 vaatimustenmukaisuus todellisissa projekteissa
Kolme käytännön esimerkkiä. varasto-lastauslaituuri, pysäköintialueen ANPR-portti ja pankin kassapiste. EN 62676-4 pikselien neliömetriä kohti laskelmat kokonaisuudessaan. Tämän artikkelin jälkeen osaat laskea DORI-tasot mihin tahansa kameraan ja etäisyyteen, ja tiedät täsmälleen, mikä kamera-objektiivin yhdistelmä täyttää minkä DORI-kynnyksen.
Sisällysluettelo
Mitä opit
DORI:sta lukeminen on OK. DORI:n laskeminen todellisessa projektissa on se, joka voittaa tarjoukset ja selviää käyttöönotosta. Tämä artikkeli on käytännöllinen vastine käsitteelliselle DORI-selitykselle. Valitsemme kolme projektiarkkityyppiä, jotka esiintyvät noin 80 prosentissa CCTV-suunnitteluista, ja ajamme EN 62676-4 -luvut kunkin läpi kokonaan, matikka näkyvissä. Lopuksi sinulla pitäisi olla kyky katsoa kameran tietoarkki, linssivalinta ja kohteen etäisyys ja tietää : puolessa minuutissa : mikä DORI-taso rakenne täyttää.
Miksi kolme esimerkkiä eikä yksi? Koska jokainen arkkityyppi painottaa laskelmien eri osaa. Varasto pakottaa miettimään, kuinka DORI heikkenee etäisyyden kanssa. ANPR-portti pakottaa miettimään pikselivaraa rekisterikilven luettavuuden kannalta. Pankkikassapiste pakottaa miettimään kasvojentunnistuspikseltiheyttä läheltä rajoitetulla linssivalinnalla. Yhdessä ne kattavat laskentakyvyt, joita tarvitset lähes jokaisessa projektissa, johon törmäät.
DORI-matematiikan kertaus : kaava yhdessä kappaleessa
EN 62676-4 määrittelee DORI:n pikseleinä neliömetrillä kohteen etäisyydellä. Aritmetiikka on lukion geometriaa: linssin kulmainen näkyvyyden kenttä heijastuu horisontaaliselle viivalle kohtauksessa, ja kameran horisontaalinen pikseliluku jakaantuu kyseiselle viivalle. Kompakti kaava on:
DORI pikseleitä neliömetrillä -kaava
PPM = (focal_length_mm × image_width_pixels) / (sensor_width_mm × distance_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.
Vertaa tulosta EN 62676-4 -kynnysarvoihin: 25 ppm Havaitseminen, 62 ppm Tarkkailu, 125 ppm Tunnistaminen, 250 ppm Identifiointi. Vuoden 2025 muutos ottaa käyttöön OODPCVS-moodit, jotka laajentavat tätä sanastoa, mutta taustalla oleva pikseliaritmetiikka on sama.
Kaksi käytännön huomioita ennen esittelyjä. Ensinnäkin, sensori koko ilmoitetaan yleensä tuuman murto-osana (1/2,8", 1/1,8", 1/1,2") : nämä eivät ole kirjaimellisia tuumia vaan vanha nimeämiskäytäntö vidikon kameroista. Käytä alla olevaa konversiotaulukkoa tai anna laskimen hoitaa etsinnän. Toiseksi, kaava olettaa vakiorektilineaarisen linssin. Laajakulmaiset ja kaleidoskooppiset linssit aiheuttavat tynnyrivääristymiä, jotka hienosti muuttavat tehollista pikselitiheyden koko kehyksessä; niille käytä valmistajan tehokkaan polttovälin lukua nimitysarvon sijasta.
| Sensori koko | Horisontaalinen 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 |
Esittely 1 : Varaston kuormauslaituri
Lähtötilanne. Logistiikkayritys asentaa CCTV:n 25 m leveälle lastaussilalle, jossa yksi kamera on kiinnitetty rakennuksen seinälle suoraan oveen yläpuolelle ja osoittaa pihalle. Valittu kamera on 4MP ja siihen kuuluu 1/2,8" sensori (2560 × 1440, 5,376 mm horisontaalissa) sekä 6 mm kiinteä objektiivi. Kysymys: minkä DORI-tason kamera saavuttaa 10 m, 20 m ja 35 m etäisyydellä seinästä?
Luvut
- PPM @ 10m = (6 × 2560) / (5.376 × 10) = 285,7 ppm → Tunnistaminen (>250)
- PPM @ 20m = (6 × 2560) / (5.376 × 20) = 142,9 ppm → Tunnistus (>125)
- PPM @ 35m = (6 × 2560) / (5.376 × 35) = 81,6 ppm → Havaitseminen (>62)
Tulkinta. Yksi 4MP-6 mm kamera kattaa lastaussillan kolmella eri DORI-tasolla kolmella eri etäisyydellä: Tunnistaminen suoraan ovella, tunnistus pihatyömaalla, havaitseminen syvemmällä lastaustiloissa. 25 m levyisellä lastaussilalla jokainen pikseli lastaussillan pinnalla täyttää tunnistus- tai parempaa tasoa, mikä on oikea kynnys sille, että "tiedämme, kuka otti minkä kontin".
Suunnittelun johtopäätös. Jos asiakas tarvitsee tunnistamisen 20 m etäisyydellä (esimerkiksi trukinkuljettajien ID:iden lukemiseksi täydellä piha-alueella), tämä kamera ei riitä. Asiakkaan täytyy joko käyttää pidempää polttovälimatkaa (mikä heikentää laajaa näkymää lähellä ovea) tai korkeamman resoluution sensoria (8MP samalla 6 mm objektiivilla saavuttaa tunnistamisen yli 20 m:n). Katsaus tekee kompromissit näkyviksi numeroina, mikä on täsmälleen se keskustelu, jonka haluat käydä asiakkaan kanssa ennen asennusta, ei sen jälkeen.
Katsaus 2. Pysäköintialueen ANPR-portti
Lähtötilanne. Liikeasiakas haluaa automaattisen rekisteritunnuksen tunnistuksen (ANPR) maanalaisen pysäköintihallinnon sisääntuloportin kohdalla. Barrikaali on 5 m kameran kiinnityspaikasta. Valittu kamera on 8MP ja siihen kuuluu 1/1,8" sensori (3840 × 2160, 7,20 mm horisontaalissa) sekä 12 mm kiinteä objektiivi. Kysymys: täyttääkö tämä yhdistelmä tunnistamisen (250 ppm) portin kohdalla ja kuinka paljon marginaalia on jäljellä?
Numerot
- PPM @ 5m = (12 × 3840) / (7,20 × 5) = 1280 ppm → Tunnistaminen (>>250)
- PPM @ 10m = (12 × 3840) / (7,20 × 10) = 640 ppm → Tunnistaminen (>>250)
- PPM @ 25m = (12 × 3840) / (7,20 × 25) = 256 ppm → Tunnistaminen (hieman yli 250:n)
Tulkinta. 5 m:n etäisyydellä kamera toimittaa 1280 ppm:ää. Tämä on yli viisi kertaa EN 62676-4 tunnistamisen kynnys. Tämä ylimääräinen marginaali ei ole hukkaa. ANPR toimii vakaasti vain silloin, kun rekisteri on hyvin valaistu, hyvin kulmassa ja vapaa liikesumennuksesta. Pikselimarginaalin omistaminen tarkoittaa sitä, että järjestelmä sietää väistämätöntä todellisen maailman heikkenemistä (sade linssillä, matala aurinko, ajoneuvon pieni kaltevuus) ilman että se putoaa luettavuuskynnyksen alapuolelle. Suunnitelma, joka vain täyttää 250 ppm:ää laboratorioissa, epäonnistuu yleensä tuotannossa.
Suunnittelun johtopäätös. 8MP-12 mm valinta soveltuu hyvin 5 m porttiin ja merkittävällä marginaalilla. Jos samaa kameraa kiinnitettäisiin kauemmaksi. noin 25 m:iin saakka. se täyttäisi edelleen tunnistamisen, mutta paljon pienemmällä ympäristön sietokyvyllä. Yhden tarkoituksen ANPR-kameran osalta runsas pikselimarginaali on oikea suunnitteluvalinta eikä hukkaava.
Katsaus 3. Pankin kassan paikka
Lähtötilanne. Vähittäispankki päivittää CCTV:n kassojen kohdalla. Jokaisella kassaluukulla on omistettava kamera, joka on kiinnitetty takaseinälle, 4 m asiakkaan puoleisesta kassasta. Valittu kamera on 6MP ja siihen kuuluu 1/1,8" sensori (3072 × 2048, 7,20 mm horisontaalissa) sekä 8 mm kiinteä objektiivi. Kysymys: täyttääkö se 250 ppm tunnistamisen asiakkaan puoleisella kassalla kasvojen tunnistamisen käyttöä varten?
Numerot
- PPM @ 4m = (8 × 3072) / (7,20 × 4) = 853 ppm → Tunnistaminen (>>250)
- PPM @ 6m = (8 × 3072) / (7,20 × 6) = 569 ppm → Tunnistaminen (>>250)
- PPM @ 12m = (8 × 3072) / (7,20 × 12) = 284 ppm → Tunnistaminen (hieman yli 250:n)
Tulkinta. 6MP-8 mm kamera täyttää 250 ppm tunnistamisen kassan kohdalla merkittävällä pikselimarginaalilla. EN 62676-4 määrittelee 250 ppm:ää tasoksi, jolla tuntematon henkilö voidaan tunnistaa kuvasta. Tämä on täsmälleen kasvojen tunnistukseen käytetyn käyttöä. Sama kamera jatkaa tunnistamisen täyttämistä noin 12 m:iin asti, mikä on enemmän kuin minkä tahansa normaalin kassakortin syvyys.
Suunnittelun johtopäätös. Tässä geometriassa kiinnityskorkeus ja kulma asiakkaan kasvoihin vaikuttavat enemmän kuin lisäpikseleillä. Kasvot, joita katsotaan jyrkästä yläkulmasta, on vaikeampi tunnistaa kuin samaa pikselimäärää käyttäen kasvoja, joita katsotaan lähes frontaalisesti. Pikselitiheys on välttämätön ehto, mutta ei riittävä. Katsaus tuo esiin oikean suunnittelukeskustelun: keskity seuraavaan iteraatioon kiinnityspositiolla eikä kameran spesifikaatioilla.
EN 62676-4 kynnysarvot muistutuksena. 250 ppm tunnistamisen kynnys on standardoitu raja, jonka yläpuolella tuntematon henkilö voidaan luotettavasti tunnistaa kuvasta. Paikalliset kasvojen tunnistamisalgoritmit tarvitsevat yleensä huomattavasti vähemmän toimiakseen, mutta 250 ppm numero on se, joka kestää todistusarvon seurannan oikeudessa. Tämä on raja, johon pankin kassan käyttöönotto on viime kädessä suunniteltu.
Yleiset virheet
Kolme virhettä selittää melkein jokaisen "matematiikka sanoo kyllä mutta asennus epäonnistuu" keskustelun. Sinut säästäminen kierrokselta on suuri osa siitä, miksi tämä artikkeli on olemassa.
- Antennin koon sekaannus. 1/2,8" antennista ei ole 1/2,8 tuumaa. Se on vidikon putkista peräisin oleva perintönimitys, joka vastaa noin 5,376 mm vaakatasossa. 9,07 mm (1 tuuman jaettuna 2,8:lla saatu kirjaimellinen arvo) sijoittaminen kaavaan on yksi luotettavimmista tavoista yliarvioida tunnistamisen etäisyyttä kahden kerran tekijällä.
- Kuvasuhde puuttuu. "4MP-kamera" voi olla 2560 × 1440 (16:9) tai 2048 × 1536 (4:3). Vaakatasossa olevat pikseliluvut eroavat 25 % ja samoin DORI-etäisyys. Lue resoluutio aina teknisestä tiedotteesta. Älä oleta kuvasuhdetta megapikselistä.
- Väärät yksikkömuunnokset. Senttimetrien ja metrien, jalkojen ja metrien tai millimetrien ja senttimetrien sekoittaminen on vikamuoto, joka säilyy pisimpään, koska se tuottaa uskottavia numeroita. Käytä yksikköä ymmärtävää laskuria (CCTVplanner DORI-laskuri ymmärtää m ja ft) ja tarkista yksikkö jokaisessa vaiheessa.
- Tekniset tiedot vs EN 62676-4 kynnykset. Jotkut valmistajat julkaisevat "tunnistamisen etäisyyden" omaa sisäistä pikselitiheystavoitetta käyttäen. Tarkista aina, oletaako tekniset tiedot 100 ppm, 150 ppm vai EN 62676-4 standardi 250 ppm. Ero voi olla 2,5x etäisyydessä.
Kuinka tarkistaa automaattisesti
Matematiikan tekeminen käsin on loistava tapa oppia sitä. Matematiikan tekeminen käsin 40 kameran projektissa on loistava tapa ottaa virheitä. CCTVplanner toimitetaan kahdella ilmaisella, selainpohjaisella työkalulla, jotka käärivät tarkalleen yllä olevan kaavan EN 62676-4 -kynnysarvojen ja 65 000+ kamera-katalogin kanssa.
Kaksi laskinta, jotka tekevät matematiikan puolestasi
- DORI-laskin : valitse kamera ja kohteen etäisyys, saa saavutettu pikselitiheys ja DORI-taso.
- EN 62676-4 laskin : standarditietoinen linssiehdotus sisältäen 2025 OODPCVS-moodit.
- Suunnittelija : koko projektin alusta, jossa jokainen kamera pisteytetään automaattisesti EN 62676-4:ä vastaan alustalla, BOM:ssa ja PDF-toimituksessa.
Monesta kamerasta koostuvassa projektissa suunnittelija on oikea aloituskohta. Aseta jokainen kamera pohjapiirustukseen, aseta linssi, ja alusta värikoodaa, mitkä alueet täyttävät mitkä DORI-tasot. Vaatimustenmukaisuuslipukkeet ilmestyvät punaisina mihin tahansa, jossa kameraa pyydetään tekemään enemmän pikseleitä neliömetrillä kuin sen linssi ja resoluutio sallivat. Viety monisivuinen PDF kuljettaa per-kamera DORI-tason laitteistotaulukkoon : hankintaesimies lukee luvun, jonka laskit ilman, että hän tarvitsee laskea sitä uudelleen.
Syvemmälle lukemiselle näiden työkalujen taustalla olevasta standardipuolen päivityksestä EN 62676-4:2025 OODPCVS -päivitysartikkeli käy läpi seitsemän uutta tilaa, jotka istuvat klassisen DORI:n päällä vuonna 2026 EU-hankinnoissa.
Usein kysytyt kysymykset
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.
Aiheeseen liittyvät artikkelit
Neljä tasoa ja mitä kukin on tarkoitettu, ennen matematiikkaa.
Matematiikka jokaisen DORI ja OODPCVS tavoitteen takana.
Seitsemän moodin taksonomia, joka rakentuu klassisen DORI:n päälle vuonna 2026.
Rinnakkainen vertailu sisältäen DORI-renderöinnin ja OODPCVS-tuen.
Ilmaistaso-vaihtoehdot, jotka laskevat DORI:n EN 62676-4 mukaisesti heti käyttöönottoon.
Vaiheittainen playbook sisältäen DORI-kynnysarvon siirtymisen.