เทคนิคอ่าน 8 นาที

    ความหนาแน่นพิกเซลในระบบ CCTV

    ความหนาแน่นพิกเซล (PPM) กำหนดคุณภาพภาพและว่าคุณสามารถระบุใบหน้า อ่านป้ายทะเบียน หรือเพียงแค่ตรวจจับการเคลื่อนไหวได้ เรียนรู้ตัวชี้วัดสำคัญนี้

    ความหนาแน่นพิกเซลคืออะไร?

    ความหนาแน่นพิกเซล วัดเป็นพิกเซลต่อเมตร (PPM) อธิบายว่าความละเอียดวิดีโอจำนวนเท่าใดที่ตกบนแต่ละเมตรของระยะทางจากกล้อง PPM ที่สูงขึ้นหมายถึงรายละเอียดที่มากขึ้น

    PPM คำนวณจาก: PPM = Horizontal Pixels / FOV Width at distance (in meters)

    ความหนาแน่นของพิกเซลมีประโยชน์มากกว่าความละเอียดดิบ เพราะมันคำนึงถึงระยะทาง กล้อง 4MP ที่ระยะ 30 เมตร จะมีค่า PPM ที่มีประสิทธิภาพต่ำกว่ากล้อง 2MP ที่ระยะ 5 เมตร

    ความหนาแน่นพิกเซลกับระดับ DORI

    มาตรฐาน DORI (Detection, Observation, Recognition, Identification) นั้นอิงตามความหนาแน่นของพิกเซล โดยแต่ละระดับต้องการค่า PPM ที่เฉพาะเจาะจง:

    ระดับ DORIระดับ DORIPPM ขั้นต่ำ
    คำอธิบาย25+ PPMการตรวจจับ
    40+ PPM62.5+ PPMเห็นว่ามีบางสิ่งอยู่
    การสังเกต125+ PPMระบุบุคคลที่รู้จัก
    ระบุประเภท สี ทิศทาง250+ PPMระบุตัวคนแปลกหน้า อ่านป้ายทะเบียนรถ

    วิธีคำนวณความหนาแน่นพิกเซล

    สูตรนี้คำนึงถึงทั้งความละเอียดของกล้องและระยะการมองเห็น:

    PPM = Horizontal Pixels / FOV Width at distance

    ตัวอย่าง: กล้อง 4MP (2560 × 1440) FOV 80° ที่ระยะ 10 เมตร

    FOV width = 2 × 10 × tan(40°) = 16.8m

    PPM = 2560 / 16.8 ≈ 152 PPM

    กล้อง 4MP นี้ตรงตามมาตรฐานการจดจำ (125+ PPM) ในระยะ 10 เมตร ด้วยเลนส์ 80°

    ระบุบุคคลแปลกหน้า อ่านป้ายทะเบียน

    วิธีคำนวณความหนาแน่นพิกเซล

    สูตรคำนึงถึงทั้งความละเอียดกล้องและระยะทางการสังเกต:

    PPM = (รากที่สองของความละเอียด x 1000) / ระยะทาง

    ต้องการระดับการระบุตัวตน (250+ PPM) สำหรับป้ายทะเบียนรถ ความกว้างของ FOV = 2 × 30 × tan(40°) = 50.3 เมตร กล้อง 2MP (1920 พิกเซล): 38 PPM กล้อง 4MP (2560 พิกเซล): 51 PPM กล้อง 8MP (3840 พิกเซล): 76 PPM วิธีแก้ปัญหา: ใช้เลนส์ที่แคบกว่า (เช่น 30°) เพื่อลดความกว้าง FOV เหลือ 16.1 เมตร ทำให้ได้ความละเอียด 8MP: 238 PPM

    PPM = (รากที่สองของ 4,086,720 x 1000) / 10 = 203 PPM

    กล้อง 4MP นี้ผ่านมาตรฐานการจดจำ (160+ PPM) ที่ระยะ 10 เมตร

    © 2026 CCTVplanner. © 2026 CCTVplanner. สงวนลิขสิทธิ์ทั้งหมด