Как рассчитать пиксели на метр для распознавания деталей на расстоянии

Как рассчитать пиксели на метр для распознавания деталей на расстоянии

Как рассчитать пиксели на метр для распознавания деталей на расстоянии

Коротко о главном: чтобы камера видела и распознавала детали — лицо, номер, этикетку — важно понимать, сколько пикселей на метр (px/m)
попадает в кадр на нужной дистанции. Ниже — простая методика расчёта, практические рекомендации и чек‑лист для выбора оборудования и установки.

Вот как это работает: сначала определяете ширину зоны, которую камера охватывает на нужной дистанции. Затем делите горизонтальное разрешение камеры на эту
ширину — получаете пиксели на метр. Сравниваете с требуемым значением для задачи и корректируете выбор камеры, объектива или места установки.

1. Основные формулы и шаги

Если у вас есть HFOV (горизонтальный угол обзора) камеры:

• Ширина зоны на расстоянии D: W = 2 * D * tan(HFOV / 2)
• Пиксели на метр: px/m = HorizontalPixels / W

Если HFOV неизвестен, можно вычислить его из параметров матрицы и фокусного расстояния:

• HFOV = 2 * arctan(sensor_width / (2 * focal_length))
• Где sensor_width — физическая ширина матрицы в мм, focal_length — фокус в мм.

2. Пример расчёта

Камера: 1920 px по горизонтали, HFOV = 60°. Дистанция D = 20 м.

• W = 2 * 20 * tan(30°) = 40 * 0.577 = 23.09 м
• px/m = 1920 / 23.09 ≈ 83 px/m

Что это значит: при 83 px/m человек ростом 1.7 м будет занимать ≈ 141 пикселей по высоте (1.7 * 83). Для распознавания лица это мало; для обнаружения человека — обычно достаточно.

3. Рекомендуемые ориентиры (практические диапазоны)

Задача Требуемые px/m (примерно) Комментарий Обнаружение человека 40–80 Можно заметить силуэт и движение Распознавание (опознать тип/пол/одежду) 80–150 Достаточно для узнаваемых признаков Идентификация лица (высокая точность) 120–200+ Зависит от качества алгоритма и освещённости Считывание номера (LPR) 400–600 по ширине номерного знака Плательщик: важно, чтобы ширина номера давала ~200+ px

Учтите: диапазоны ориентировочные. Конкретные требования зависят от алгоритма распознавания, освещения, качества объектива и компрессии видео.

4. Что влияет на результат кроме px/m

• Освещённость и контраст: ночью или при засветке детали теряются.
• Оптика: искажения и резкость по краям уменьшают эффективные пиксели.
• Компрессия и битрейт: сильная компрессия стирает мелкие детали.
• Шумы матрицы: чем меньше шум, тем ниже порог px/m для распознавания.
• Угол встречи: профиль vs фас — лицо в анфас даёт больше информации.

5. Практическая инструкция по выбору и настройке

Шаги для проекта:

1. Определите цель и минимальное требование px/m по таблице выше.
2. Измерьте расстояние до зоны интереса (D).
3. Выберите камеру с известным horizontal resolution и HFOV (или рассчитайте HFOV по матрице/фокусному).
4. Вычислите px/m. Если меньше требуемого — уменьшайте HFOV (узкий объектив), поднимайте разрешение или приближайте камеру ближе.
5. Проверьте условия освещения и возможность дополнительного света/ИК-подсветки.
6. Настройте битрейт и профиль кодирования так, чтобы детали не терялись (CBR/VBR и минимальный битрейт для 1080p ≈ 2–4 Mbps в зависимости от сцены).

6. Примеры типовых сценариев

Магазин, проход шириной 3 м, камера в потолке на высоте 4 м, нужно распознавать лица у точки оплаты (D ≈ 4 м):

• С HFOV ≈ 90° ширина зоны на 4 м: W ≈ 2*4*tan(45°)=8 м → px/m для 1920 px ≈ 240 px/m. Это достаточно для распознавания.
• Если камера с тем же разрешением но HFOV 120°, W ≈ 9.24 м → px/m ≈ 208 px/m.

Проезд автомобиля на парковке (распознавание госномеров): лучше ставить камеру ближе или использовать специализированный модуль LPR с узким углом и высоким разрешением,
чтобы ширина номера дала минимум 200–300 px по ширине номера.

7. Закон и конфиденциальность

Съёмка людей в общественных местах и частных домах регулируется местными законами. Информируйте посетителей, если фиксируете их персональные данные, и храните записи в защищённом виде.

Проверьте требования по срокам хранения, доступу к записям и уведомлению субъектов данных.

8. Чек‑лист для быстрого проекта

• Задача: обнаружение / распознавание / идентификация / LPR?
• Дистанция до объекта измерена.
• HFOV/фокус и разрешение камеры известны.
• Рассчитаны px/m и сопоставлены с требованиями.
• План освещения и ИК-подсветки готов.
• Параметры записи (битрейт, кодек) настроены.
• Учтены юридические требования и приватность.

9. Последние советы по выбору

Если сомневаетесь — берите камеру с выше разрешением и возможностью оптического приближения или выбирайте фикс‑объектив с узким углом под конкретную задачу.
PTZ‑решения удобны для охраны больших площадей, но для постоянного распознавания лучше стационарный объектив, настроенный на зону интереса.

Посмотреть актуальный ассортимент камер и систем видеонаблюдения можно в каталоге профессионального поставщика.

Небольшая практическая мысль в конце: лучше спроектировать систему так, чтобы ключевые объекты попадали в центральную часть кадра — там объектив даёт
лучшую резкость и меньше искажений. Это часто решает проблему «недостаточных пикселей» без смены камеры.

Если нужно — могу посчитать параметры для конкретного места: скажите дистанцию, разрешение камеры и HFOV (или модель камеры), и я сделаю
расчёт.

Читать на сайте: https://y-ss.ru/blog_pro/videonablyudenie/kak-rasschitat-pikseli-na-metr-dlya-raspoznavaniya-detaley-na-rasstoyanii/