DORI-beräkning steg för steg (2026): Steg-för-steg-efterlevnad av EN 62676-4 för verkliga projekt
Tre verkliga genomarbetade exempel – en lastkaj på ett lager, en ANPR-grind på en parkering och en kassaarbetsplats på en bank – med hela pixel-per-meter-aritmetiken enligt EN 62676-4 uträknad. När du läst klart den här artikeln kommer du att kunna beräkna DORI-nivåer för vilken kamera och vilket målavstånd som helst i huvudet, och du kommer att veta exakt vilken kombination av kamera och objektiv som uppfyller vilken DORI-tröskel.
Innehållsförteckning
Det här kommer du att lära dig
Att läsa om DORI är bra. Att beräkna DORI i ett verkligt projekt är vad som faktiskt vinner upphandlingar och överlever idrifttagning. Den här artikeln är den praktiska motsvarigheten till den konceptuella DORI-förklaringen. Vi väljer tre projektarketyper som dyker upp i ungefär 80 % av alla kameraövervakningsprojekteringar och vi kör EN 62676-4-siffrorna genom var och en av dem, från början till slut, med beräkningarna synliga. Till slut bör du kunna titta på ett kameradatablad, ett objektivval och ett målavstånd och veta – inom trettio sekunder – vilken DORI-nivå projekteringen uppfyller.
Varför tre exempel och inte ett? Eftersom varje arketyp belastar olika delar av beräkningen. Lagret tvingar dig att tänka på hur DORI försämras med avståndet. ANPR-grinden tvingar dig att tänka på pixelmarginal för läsbarhet av skyltar. Banktjänstemannen tvingar dig att tänka på pixeltäthet för ansiktsigenkänning på nära håll med ett begränsat objektivval. Tillsammans täcker de de beräkningsmuskler du behöver för nästan varje projektering du stöter på.
DORI-beräkningar i repris – formeln i ett stycke
EN 62676-4 definierar DORI i termer av pixlar per meter på målavståndet. Aritmetiken är geometri på gymnasienivå: objektivets vinkelmässiga synfält projiceras på en horisontell remsa i scenen, och kamerans horisontella pixelantal fördelas över den remsan. Den kompakta formeln är:
Formeln för DORI-pixlar per meter
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.
Jämför resultatet mot trösklarna i EN 62676-4: 25 ppm för detektering, 62 ppm för observation, 125 ppm för igenkänning, 250 ppm för identifiering. Tillägget från 2025 introducerar OODPCVS-lägen som utökar denna vokabulär, men den underliggande pixelaritmetiken är identisk.
Två praktiska anmärkningar innan vi går till genomgångarna. För det första anges sensorstorlek vanligtvis som en bråkdel av en tum (1/2,8", 1/1,8", 1/1,2") – dessa är inte bokstavliga tum utan en gammal nomenklatur från vidikonrörskameror. Använd omvandlingstabellen nedan eller lita på att din kalkylator hanterar uppslagningen. För det andra utgår formeln från ett standardrektilinjärt objektiv. Vidvinkel- och fisheye-objektiv introducerar tunnformsdistorsion som subtilt ändrar den effektiva pixeltätheten över bildrutan; för dessa, använd tillverkarens effektiva brännviddsvärde i stället för det nominella.
| Sensorstorlek | Horisontella 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 |
Genomgång 1 – Lastkaj på lager
Uppställningen. En logistikkund ska förse en 25m bred lastkaj med kameraövervakning med en kamera monterad på byggnadsväggen direkt ovanför kajporten, riktad ut mot gården. Den valda kameran är 4MP med en 1/2,8"-sensor (2560 × 1440, 5,376mm horisontellt) på ett fast 6mm-objektiv. Frågan: vilken DORI-nivå uppnår denna kamera på 10m, 20m och 35m från väggen?
Siffrorna
- PPM @ 10m = (6 × 2560) / (5,376 × 10) = 285,7 ppm → Identifiering (>250)
- PPM @ 20m = (6 × 2560) / (5,376 × 20) = 142,9 ppm → Igenkänning (>125)
- PPM @ 35m = (6 × 2560) / (5,376 × 35) = 81,6 ppm → Observation (>62)
Tolkningen. En enda 4MP-på-6mm-kamera täcker kajen med tre olika DORI-nivåer på tre olika avstånd: identifiering precis vid porten, igenkänning mitt på gården och observation djupare in i lastbåset. För en 25m bred kaj uppfyller varje pixel längs kajfronten igenkänning eller bättre, vilket är rätt tröskel för "vi vet vem som hämtade vilken container".
Designslutsatsen. Om kunden behöver identifiering på 20m (till exempel för att läsa truckförares ID på fullt gårdsavstånd) räcker inte denna kamera – de behöver antingen en längre brännvidd (vilket offrar den breda vyn nära porten) eller en sensor med högre upplösning (8MP på samma 6mm-objektiv når identifiering bortom 20m). Genomgången gör avvägningen synlig i siffror, vilket är precis det samtal du vill ha med kunden före installationen i stället för efteråt.
Genomgång 2 – ANPR-grind på parkering
Uppställningen. En företagskund vill ha automatisk registreringsskyltsavläsning (ANPR) vid entrégrinden till ett underjordiskt parkeringsgarage. Bommen är 5m från kameramonteringen. Den valda kameran är 8MP med en 1/1,8"-sensor (3840 × 2160, 7,20mm horisontellt) på ett fast 12mm-objektiv. Frågan: uppfyller denna kombination identifiering (250 ppm) vid grinden, och hur stor marginal finns det?
Siffrorna
- PPM @ 5m = (12 × 3840) / (7,20 × 5) = 1280 ppm → Identifiering (>>250)
- PPM @ 10m = (12 × 3840) / (7,20 × 10) = 640 ppm → Identifiering (>>250)
- PPM @ 25m = (12 × 3840) / (7,20 × 25) = 256 ppm → Identifiering (precis över 250)
Tolkningen. På 5m levererar kameran 1280 ppm – över fem gånger identifieringströskeln enligt EN 62676-4. Den marginalen är inte bortkastad. ANPR fungerar robust bara när skylten är väl belyst, väl vinklad och fri från rörelseoskärpa – att ha pixelmarginal betyder att systemet tål den oundvikliga försämringen i verkligheten (regn på objektivet, lågt stående sol, en lätt lutning av fordonet) utan att hamna under läsbarhetströskeln. En design som precis klarar 250 ppm under laboratorieförhållanden misslyckas vanligtvis i produktion.
Designslutsatsen. Valet av 8MP-på-12mm är väl anpassat till en grind på 5m med betydande marginal. Om samma kamera monterades längre bak – upp till ungefär 25m – skulle den fortfarande uppfylla identifiering men med mycket mindre tolerans för miljöfaktorer. För en ANPR-kamera med ett enda syfte är generös pixelmarginal rätt designval snarare än ett slöseri.
Genomgång 3 – Kassaarbetsplats på bank
Uppställningen. En affärsbank uppgraderar kameraövervakningen vid kassadiskarna på kontoret. Varje kassafönster har en dedikerad kamera monterad på bakväggen, 4m från kundsidan av disken. Den valda kameran är 6MP med en 1/1,8"-sensor (3072 × 2048, 7,20mm horisontellt) på ett fast 8mm-objektiv. Frågan: uppfyller detta 250 ppm för identifiering på kundsidan av disken för användning med ansiktsigenkänning?
Siffrorna
- PPM @ 4m = (8 × 3072) / (7,20 × 4) = 853 ppm → Identifiering (>>250)
- PPM @ 6m = (8 × 3072) / (7,20 × 6) = 569 ppm → Identifiering (>>250)
- PPM @ 12m = (8 × 3072) / (7,20 × 12) = 284 ppm → Identifiering (precis över 250)
Tolkningen. 6MP-på-8mm-kameran uppfyller 250 ppm för identifiering vid kassadisken med betydande pixelmarginal. EN 62676-4 anger 250 ppm som den nivå där en obekant person kan identifieras från bilden – precis användningsfallet för ansiktsigenkänning som utlöses av en flaggad transaktion. Samma kamera fortsätter att uppfylla identifiering ut till ungefär 12m, vilket är mer än djupet på vilken normal kassahall som helst.
Designslutsatsen. Vid denna geometri spelar monteringshöjden och vinkeln mot kundens ansikte större roll än fler pixlar. Ett ansikte sett från en brant vinkel ovanifrån är svårare att identifiera än samma antal pixlar på ett ansikte sett nästan rakt framifrån – pixeltäthet är ett nödvändigt villkor, inte ett tillräckligt. Genomgången lyfter fram rätt designsamtal: fokusera nästa iteration på monteringsposition snarare än på kameraspecifikation.
Påminnelse om EN 62676-4-trösklarna. Identifieringströskeln på 250 ppm är den standardiserade gränsen över vilken en obekant person tillförlitligt kan identifieras från bilden. Lokala ansiktsigenkänningsalgoritmer behöver ofta avsevärt mindre för att fungera, men siffran 250 ppm är vad som överlever bevisgranskning i domstol – vilket är den ribba som en bankkassautplacering i slutändan projekteras mot.
Vanliga misstag
Tre misstag står för nästan varje "beräkningarna säger ja men installationen misslyckas"-samtal vi har. Att bespara dig den vändan är en stor del av varför den här artikeln finns.
- Förväxling av sensorstorlek. En 1/2,8"-sensor är inte 1/2,8 av en tum – det är den gamla nomenklaturen från vidikonrör och motsvarar ungefär 5,376mm horisontellt. Att stoppa in 9,07mm (det bokstavliga värdet av 1 tum delat med 2,8) i formeln är ett av de mest pålitliga sätten att överskatta identifieringsavståndet med en faktor två.
- Bildförhållande saknas. En "4MP-kamera" kan vara 2560 × 1440 (16:9) eller 2048 × 1536 (4:3). De horisontella pixelantalen skiljer sig med 25 %, och det gör även det resulterande DORI-avståndet. Läs alltid av upplösningen från datablad – anta aldrig ett bildförhållande utifrån antalet megapixlar.
- Felaktiga enhetsomvandlingar. Att blanda centimeter och meter, fot och meter, eller millimeter och centimeter är felläget som överlever längst eftersom det ger rimligt utseende siffror. Använd en kalkylator som hanterar enheter (CCTVplanners DORI-kalkylator hanterar m och ft direkt) och dubbelkolla enheten i varje steg.
- Trösklar i datablad kontra trösklar i EN 62676-4. Vissa tillverkare publicerar "identifieringsavstånd" utifrån sitt eget interna pixeltäthetsmål. Kontrollera alltid om databladets siffra utgår från 100 ppm, 150 ppm eller standardens 250 ppm enligt EN 62676-4 – skillnaden kan vara en faktor 2,5x i avstånd.
Så verifierar du automatiskt
Att göra beräkningarna för hand är ett utmärkt sätt att lära sig dem. Att göra beräkningarna för hand på varje kamera i ett projekt med 40 kameror är ett utmärkt sätt att introducera fel. CCTVplanner levererar två gratis, webbläsarbaserade verktyg som bygger in exakt formeln ovan med EN 62676-4-trösklarna och katalogen med 65 000+ kameror.
Två kalkylatorer som gör beräkningarna åt dig
- DORI-kalkylator – välj en kamera och ett målavstånd, få den uppnådda pixeltätheten och DORI-nivån.
- EN 62676-4-kalkylator – standardmedveten objektivrekommendation inklusive 2025 års OODPCVS-lägen.
- Designverktyget – en projektomspännande arbetsyta där varje kamera automatiskt poängsätts mot EN 62676-4 i arbetsytan, BOM:en och PDF-underlaget.
För ett projekt med flera kameror är designverktyget rätt ingång. Placera varje kamera på planritningen, ställ in objektivet, så färgkodar arbetsytan vilket område som uppfyller vilken DORI-nivå. Efterlevnadsflaggor visas i rött överallt där en kamera ombeds leverera fler pixlar per meter än vad dess objektiv och upplösning tillåter. Den exporterade flersidiga PDF:en för med sig DORI-nivån per kamera in i utrustningstabellen – inköpsansvarig läser siffran du beräknade utan att behöva räkna om den.
För en djupare genomgång av standarduppdateringen bakom dessa verktyg går artikeln om EN 62676-4:2025 OODPCVS-uppdateringen igenom de sju nya lägesbeteckningarna som vilar ovanpå klassisk DORI i EU-upphandling 2026.
Vanliga frågor
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.
Relaterade artiklar
De fyra nivåerna och vad var och en är till för, innan beräkningarna.
Aritmetiken bakom varje DORI- och OODPCVS-mål.
Taxonomin med sju lägen som vilar ovanpå klassisk DORI år 2026.
Jämförelse sida vid sida, inklusive DORI-rendering och OODPCVS-stöd.
Gratisalternativ som beräknar DORI enligt EN 62676-4 direkt ur lådan.
Steg-för-steg-spelbok inklusive migrering av DORI-trösklar.