Densidade de pixel: a conta que decide se sua câmera pode detectar algo

Engenharia Por Juliano Baladão · 4 de setembro de 2026 · 8 min de leitura

Densidade de pixel não é resolução: é resolução dividida por cena

Especificação de câmera é vendida em megapixels, e projeto de monitoramento é resolvido em pixels por metro. São coisas diferentes, e a confusão entre as duas é a causa mais comum de câmera nova que não resolve o problema antigo.

A resolução é uma propriedade do sensor. A densidade de pixel é uma propriedade da instalação: depende da resolução, da lente, da distância e do enquadramento. A mesma câmera de 4 MP entrega detalhe sobrando num portão de 3 m de largura e entrega quase nada num pátio de 60 m. O sensor não mudou; a cena mudou.

Densidade de pixel é o número de pixels disponíveis para representar um trecho da cena, normalmente expresso em pixels por metro ou por pé.

Axis Communications, Pixel density based on IEC 62676-4:2014 — paráfrase

De onde vêm os 25, 63, 125 e 250 px/m?

O modelo parte do rosto humano. A pergunta original da norma é quantos pixels são necessários atravessando a largura de um rosto para cumprir cada objetivo: 4 pixels para detectar que há alguém, 10 para observar características, 20 para reconhecer uma pessoa já vista antes, 40 para identificar. Como a largura média de um rosto humano é assumida em 16 cm, os valores por rosto convertem diretamente em valores por metro.

Repare no salto: identificar exige dez vezes a densidade de detectar. É por isso que "a câmera viu o carro passar" e "a câmera identificou quem estava dirigindo" são requisitos de projetos diferentes, com lentes diferentes e, muitas vezes, com câmeras diferentes na mesma posição.

Quantos metros de cena a minha câmera cobre?

Essa é a única medida que falta para fechar a conta, e ela não está no datasheet — está na parede. O caminho de campo é direto: enquadre a cena como ela vai ficar em operação, coloque no ponto de interesse um objeto de largura conhecida (uma trena aberta em 1 m resolve), e veja que fração da largura da imagem esse metro ocupa. Se 1 m real ocupa um décimo da largura da imagem, a densidade é um décimo da resolução horizontal.

A tabela abaixo é aritmética pura, para uma câmera de 1920 px de largura — o cálculo é a resolução horizontal dividida pela largura da cena.

Duas leituras práticas saem daí. A primeira: passar de 1080p para 4K dobra a densidade no mesmo enquadramento — mas alargar o enquadramento em duas vezes devolve a perda inteira. A segunda: se o projeto exige reconhecer, o enquadramento útil de uma câmera de 1920 px de largura fica em torno de 15 m. Cobrir 40 m de rua com uma câmera só é uma decisão de detecção, não de reconhecimento — e vale escrever isso no projeto antes de alguém cobrar reconhecimento da gravação.

O DORI vale para IA ou só para olho humano?

Esta é a parte que quase todo material comercial omite, e a norma é explícita: os requisitos operacionais especificados valem para situações em que as imagens são interpretadas por operadores humanos. Para aplicações de análise de vídeo, ou outros sistemas em que a análise da imagem é feita por software, valem outras definições. Câmera térmica também usa um conjunto próprio de requisitos.

Na prática isso significa duas coisas. Primeiro: o DORI continua sendo a melhor régua pública disponível para dimensionar um projeto, e usá-lo é muito melhor do que não usar régua nenhuma. Segundo: ele não é certificado de funcionamento de um detector. Um modelo de visão computacional pode falhar com densidade folgada — se o contraste for ruim, se o alvo estiver parcialmente oculto, se o movimento for muito rápido para a cadência — e pode acertar com densidade apertada, se a cena for limpa. Densidade de pixel é condição necessária, não suficiente.

A consequência de engenharia é que o critério de aceitação de um sistema com IA tem de ser medido na cena real, não deduzido da planilha. A planilha diz se vale a pena tentar; o teste em campo diz se funciona.

Placa de veículo acrescenta uma restrição de ângulo

Leitura de placa é o caso em que a geometria pesa tanto quanto a densidade. A nota de aplicação AN033 da Eagle Eye Networks sobre instalação de câmeras para LPR/ANPR é direta em dois pontos: o ângulo de pan deve ficar limitado a 30 graus, porque a vista em perspectiva além disso prejudica a leitura da placa; e a câmera deve estar sempre inclinada para baixo, tanto para evitar que a luz do sol e o farol do carro incidam direto na lente quanto para que a chuva escorra do vidro.

O motivo é geométrico. Uma placa vista de lado projeta na imagem uma largura menor do que a largura física dela: os mesmos pixels passam a cobrir mais milímetros de placa, e a densidade efetiva cai sem que ninguém tenha mudado a lente. Ângulo é perda de densidade disfarçada.

A compressão do vídeo apaga a densidade de pixel que o sensor tinha?

Não apaga a densidade — apaga o detalhe dentro dela, que é o que interessa. A própria Axis registra que fatores como direção da luz, qualidade da óptica e compressão da imagem afetam o resultado, e que o modelo de densidade de pixel é uma simplificação de uma realidade complexa.

Existe medida experimental sobre isso. Um estudo de 2022 de pesquisadores da Kinesense e do Trinity College Dublin avaliou o efeito da compressão H.264 sobre o desempenho de um detector de objetos (YOLOv5) em 50 vídeos de vigilância, codificados em cinco níveis de qualidade (CRF 22, 32, 37, 42 e 47). O resultado tem duas metades. A primeira: o desempenho de detecção é razoavelmente robusto a compressão moderada — usar CRF 37 em vez de CRF 22 reduziu bastante a taxa de bits e o tamanho do arquivo sem prejudicar o desempenho de forma relevante. A segunda: em compressão mais alta o desempenho degrada de forma apreciável, sobretudo em cenas complexas, com iluminação ruim e alvos em movimento rápido.

Isso tem uma implicação direta em instalação existente. É comum o software de análise consumir o stream secundário da câmera, que costuma ser configurado com resolução e taxa de bits menores para economizar rede. Nesse caminho, a densidade de pixel que o projeto calculou no sensor nunca chega ao analisador. Vale conferir qual perfil de vídeo o sistema realmente recebe antes de discutir por que ele está errando.

Como transformar isso em critério de aceitação

Densidade de pixel é útil justamente porque é verificável. Três disciplinas de teste que cabem em qualquer projeto, independentes de fabricante:

1. Declare o objetivo por câmera, não por sistema. "Detectar presença de veículo na faixa da guarita" e "reconhecer o veículo" são requisitos com uma ordem de magnitude de diferença. Escrever qual é o objetivo de cada câmera evita cobrança impossível depois.
2. Meça com objeto de referência no ponto de interesse. Não no centro do quadro, não na frente da câmera: no lugar exato onde o evento acontece. Um alvo de largura conhecida, um print da imagem e uma divisão resolvem, e o registro serve como prova de conformidade do projeto.
3. Repita no pior caso, não no melhor. Contraluz do fim da tarde, chuva, farol aceso à noite. A densidade geométrica não muda com o clima, mas o detalhe utilizável muda muito — e é o pior caso que define se o sistema é confiável.