Durante más de una década, cualquier integrador que se haya sentado a diseñar un sistema de CCTV se topó tarde o temprano con la misma sigla en la ficha técnica de una cámara:
DORI. Detectar, Observar, Reconocer, Identificar.
Era el lenguaje común entre fabricantes, consultores y clientes para responder a la pregunta más básica de un proyecto de videovigilancia: ¿qué tan lejos puede “ver” realmente esta cámara?
Pero DORI nació en 2014, en un mundo donde el video se revisaba principalmente con ojos humanos. Hoy, con analíticas de inteligencia artificial haciendo la mayor parte del trabajo de detección y reconocimiento, esos cuatro niveles se quedaron cortos. La respuesta de la industria llegó con la actualización de la norma IEC 62676-4:2025, que introduce un marco de siete niveles conocido como OODPCVS: Overview, Outline, Discern, Perceive, Characterize, Validate y Scrutinize.
No nos hicieron fácil definitivamente el memorizarlo, ni el ¡pronunciarlo!
En este artículo vamos a revisar de dónde viene DORI, por qué ya no bastaba, cómo funciona OODPCVS nivel por nivel, qué significan los valores de densidad de píxel en la práctica y cómo se ve todo esto aplicado a cámaras y herramientas de diseño reales.
DORI: el estándar que todos aprendimos a leer y pronunciar
DORI aparece formalmente en la norma EN 62676-4:2014 (con antecedentes en EN 50132-7) como un marco para clasificar, en función de la densidad de píxeles sobre el objetivo, qué tarea operativa puede cumplir una cámara a determinada distancia:
- Detect (Detectar) — 25 pixeles/metro o px/m: la cámara permite notar que “algo” está presente en la escena, sin poder distinguir qué es.
- Observe (Observar) — 62.5 px/m: se puede apreciar el movimiento general y la naturaleza aproximada del objeto (persona, vehículo, animal).
- Recognize (Reconocer) — 125 px/m: es posible determinar con buena probabilidad si una persona ya vista antes es la misma persona.
- Identify (Identificar) — 250 px/m: hay suficiente detalle para identificar a una persona desconocida con un grado razonable de certeza, o leer una placa vehicular.
Estos cuatro umbrales de densidad de píxel se convirtieron en la vara de medir de facto en pliegos de licitación, fichas técnicas y software de diseño como UniFi Design, JVSG IP Video System Design Tool o Axis Site Designer. El problema es que fueron pensados para un operador humano revisando grabaciones, no para un motor de analíticas tratando de extraer atributos, comportamiento o coincidencias faciales en tiempo real.
Los límites de DORI en la era de las analíticas con IA
Con la llegada de las analíticas de video basadas en aprendizaje profundo —conteo de personas, reconocimiento facial, lectura de placas, detección de comportamiento— la industria empezó a notar varias fricciones con el marco DORI original:
No cubría escenarios de “panorama” o conciencia situacional amplia, útiles para analíticas de multitudes o mapas de calor, con densidades de píxel muy por debajo del nivel Detect.
El techo superior (Identify, 250 px/m) resultaba insuficiente para reconocimiento facial automático confiable o para captura forense de detalle fino (tatuajes, logotipos, texto pequeño), especialmente en condiciones de poca luz o movimiento.
No distinguía entre objetos que necesitan menos densidad para ser útiles (siluetas en movimiento) y objetos que exigen mucha más densidad para el mismo propósito (rostros, placas).
Estas brechas motivaron a la Comisión Electrotécnica Internacional (IEC) a publicar, en 2025, la actualización de la norma IEC 62676-4, que conserva el espíritu de DORI pero lo expande en un marco más granular y pensado para sistemas híbridos de operador humano + IA.
OODPCVS: los siete niveles de la nueva norma
OODPCVS son las iniciales de los siete niveles operativos definidos en IEC 62676-4:2025. A diferencia de DORI, no solo agrega escalones arriba y abajo, sino que redefine con más precisión qué se espera lograr en cada uno:
Overview (Panorama) — 20 pixeles/metro
Nivel de conciencia situacional pura: la cámara permite saber que hay actividad en una zona amplia, sin distinguir todavía formas. Útil para mapas de calor y analíticas de flujo de personas a gran escala.
Outline (Silueta) — 40 px/m
Ya es posible distinguir la silueta general de un objeto: se puede diferenciar una persona de un vehículo o de un animal, aunque no haya detalle adicional.
Discern (Discernir) — 80 px/m
Aporta atributos generales del objeto: si una persona lleva mochila, si un vehículo es un sedán o una camioneta, si el animal es de cierto tamaño.
Perceive (Percibir) — 125 px/m
Empieza a notarse detalle de color y accesorios: color de cabello o ropa, si la persona trae casco o lentes. Es el nivel donde ya se puede rastrear el movimiento de un individuo dentro de la escena de forma consistente.
Characterize (Caracterizar) — 250 px/m
Suficiente detalle para describir con precisión la apariencia de una persona o vehículo: tipo de prenda, color exacto, marcha, comportamiento, categoría del vehículo. Este nivel corresponde, en términos de densidad, al antiguo techo de Identify en DORI.
Validate (Validar) — 500 px/m
Aquí es donde vive el reconocimiento facial automático y la lectura confiable de placas vehiculares: suficiente densidad para confirmar que una persona detectada corresponde a una identidad conocida, no solo para describirla.
Scrutinize (Escudriñar) — 1500 px/m
El nivel más exigente: permite leer texto pequeño, logotipos, números de serie, tatuajes o placas en condiciones difíciles. Es el nivel de detalle forense, y muy pocas cámaras y configuraciones de zoom/ángulo lo alcanzan de forma consistente en todo el campo de visión.
Tabla comparativa: DORI vs. OODPCVS
La siguiente tabla ubica los cuatro niveles clásicos de DORI frente a su equivalente aproximado en la escala OODPCVS.
IMPORTANTE: no es una correspondencia uno a uno perfecta, porque OODPCVS fue diseñado para exigir más detalle en los niveles altos (por eso Identify a 250 px/m queda por debajo de Validate a 500 px/m, y no lo iguala).
| Nivel DORI (EN 62676-4:2014) | px/m (pixeles por metro) | Nivel OODPCVS equivalente (IEC 62676-4:2025) | px/m OODPCVS |
| — (no existía) | — | Overview (Panorama) | 20 px/m |
| — (no existía) | — | Outline (Silueta) | 40 px/m |
| Detect (Detectar) | 25 px/m | Discern (Discernir) | 80 px/m |
| Observe (Observar) | 62.5 px/m | Perceive (Percibir) | 125 px/m |
| Recognize (Reconocer) | 125 px/m | Characterize (Caracterizar) | 250 px/m |
| Identify (Identificar) | 250 px/m | Validate (Validar) | 500 px/m |
| — (no existía) | — | Scrutinize (Escudriñar) | 1500 px/m |
Un punto que vale la pena aclarar, porque en el video vinculado a este blog simplificamos para efectos de guion: DORI no desapareció ni quedó invalidado retroactivamente. La escala numérica de DORI se mantiene sin cambios y sigue siendo válida para diseños existentes; OODPCVS corre en paralelo como una capa adicional, más granular, para quien quiera (o necesite, por licitación) especificar con ese nivel de detalle. En la práctica, sí, la conversación de la industria se está moviendo hacia OODPCVS —fabricantes como Hikvision y Axis ya lo documentan como la evolución natural del framework—, pero técnicamente conviven ambos esquemas durante la transición.
5. LPDO y HPDO: la categorización que acompaña a OODPCVS
La actualización 2025 también introduce una distinción entre dos tipos de objeto, basada en pruebas prácticas con sensores de cámaras contemporáneas:
| Categoría | Qué mide | Ejemplos de objeto |
| LPDO (Low Pixel Density Object) | Objetos con menor densidad de detalle relevante, más tolerantes a compresión y movimiento | Siluetas humanas o vehiculares a distancia, escenas de multitudes |
| HPDO (High Pixel Density Object) | Objetos que requieren mucho más detalle por unidad de área para cumplir el nivel declarado | Rostros para reconocimiento facial, placas vehiculares, texto, tatuajes |
Esta categorización ayuda a explicar por qué, por ejemplo, una escena de multitud puede darte información útil de analítica con densidades relativamente bajas (LPDO), mientras que reconocimiento facial confiable en la misma escena exige mucho más (HPDO) sobre el rostro específico, aunque el resto de la imagen no lo necesite.
De la teoría a la práctica: leyendo zonas en el software de diseño
Donde esto se vuelve tangible es en las herramientas de diseño de CCTV. Al colocar una cámara en un plano el software traza zonas de color sobre la imagen que representan, según la lente, el sensor y la distancia, en qué nivel cae cada punto de la escena.
Con la clasificación DORI, esas zonas se leían de forma directa: por ejemplo, azul intenso para Identificar, otro tono para Reconocer, otro para Observar. Con OODPCVS, el mismo ejercicio se vuelve más fino: la zona de Overview puede extenderse mucho más lejos que el antiguo Detect, mientras que alcanzar Scrutinize en toda una escena es prácticamente imposible salvo en zonas muy puntuales, típicamente logradas moviendo el zoom óptico de la cámara hacia el límite de su alcance.
Algunos ejemplos ilustran bien la diferencia entre modelos de cámara:
- Una cámara de lente motorizado como la Hikvision DS-2CD1643G2-LIZ(S)U puede cubrir un rango amplio de Detect/Observe/Recognize/Identify ajustando el zoom, pero en la escala OODPCVS no alcanza el nivel de Scrutinize: le falta densidad de píxel para ese detalle forense.
- Una cámara especializada en zoom óptico profundo, como la Hikvision iDS-2CD758700-XZHSY o la Axis Q1809-LE, sí puede alcanzar zonas de Scrutinize, pero típicamente solo en el límite de su alcance óptico y con el ángulo de montaje correcto; fuera de esa ventana, cae a niveles inferiores.
La lección práctica para el diseño de un proyecto es la misma que con DORI, solo que con más resolución de análisis: no basta con saber la resolución del sensor en megapíxeles; hay que calcular la densidad de píxel real sobre el plano donde va a ocurrir la tarea que el cliente necesita (leer una placa, reconocer un rostro, simplemente notar presencia), y verificar en qué nivel OODPCVS cae ese punto específico, no la resolución nominal de la cámara.
El baño de realidad: iluminación y desenfoque por movimiento
Calcular los píxeles por metro en el software de diseño es solo la mitad del trabajo. Una de las grandes aportaciones de la actualización normativa de 2025 es el énfasis en que la densidad espacial (los píxeles) debe ir acompañada de claridad temporal y ambiental. En términos prácticos: los píxeles no sirven de nada si el objeto sale movido o a oscuras. > Alcanzar el nivel de Validate (500 px/m) para leer una placa o hacer reconocimiento facial en campo depende críticamente de la iluminación y de evitar el desenfoque por movimiento (motion blur). Si un vehículo o una persona pasa rápido por la escena y el tiempo de exposición (shutter speed) de la cámara es demasiado lento para compensar la falta de luz, esos 500 píxeles serán una mancha inútil tanto para el operador humano como para la IA. Por lo tanto, un diseño OODPCVS exitoso exige que la métrica de píxeles vaya siempre de la mano con la elección correcta de sensores (Low Light), iluminadores (IR o luz blanca) y la configuración adecuada de fotogramas por segundo (FPS).
Conclusiones
El salto de DORI a OODPCVS no es un simple cambio de nombre ni una moda de marketing: responde a una necesidad real de la industria de tener un lenguaje común más preciso para diseñar sistemas de videovigilancia que ya no solo son revisados por un operador humano, sino procesados en tiempo real por motores de inteligencia artificial. Entender los siete niveles —y sobre todo, saber traducirlos a decisiones concretas de lente, sensor, ángulo y distancia en cada proyecto— es lo que separa un diseño de CCTV que cumple con especificaciones sobre el papel de uno que realmente entrega lo que el cliente necesita en campo.
Mira el video asociado:
¿Necesitas Cámaras de Seguridad en tu organización?
En ITA TECH ayudamos a empresas a integrar soluciones de cámaras de seguridad, diseño e instalación de videovigilancia IP bajo estándares OODPCVS y DORI.
Podría Interesarte También:
Seguirnos en redes es ¡Gratis!
Si el contenido que compartimos te parece útil ¿por qué no seguirnos en redes Inge?
#itatech2022 #itatech2024 #itatech2025 #premiosbitdeoro2025 2024 access point Cableado estructurado caja de publicidad canalización caricaturas cartelera digital cctv ciberseguridad Cisco comparativa control de acceso cámaras de seguridad cámaras ip digital signage ethernet Evéniment firewall grandstream Hikvision ingenieria inspiracion inspiración musica PoE punto de acceso redes seguridad seguridad informática señalización digital sonicwall switch telefonia ip ubiquiti unboxing unifi videovigilancia voz y datos wifi wifi 6 wireless