ДОСЛІДЖЕННЯ ЧУТЛИВОСТІ МЕТОДУ ВИЗНАЧЕННЯ ВІДСТАНІ ДО ОБ’ЄКТІВ НА ОСНОВІ АЛГОРИТМУ FACEMESH
DOI:
https://doi.org/10.26906/SUNZ.2025.2.076Ключові слова:
визначення відстані, FaceMesh, комп’ютерний зір, монокулярна геометрія, роздільна здатність, освітлення, нахил головиАнотація
Актуальність. У статті розглянуто метод оцінки відстані до обличчя користувача в умовах змінного освітлення, роздільної здатності камери та кута нахилу голови, що має велике значення для побудови адаптивних систем комп’ютерного зору в медичних, освітніх та навігаційних задачах. Метою дослідження є аналіз точності визначення відстані до об’єкта в приміщенні за допомогою геометричного підходу на базі алгоритму FaceMesh в умовах змінних зовнішніх факторів. Задачами дослідження є визначення впливу якості освітлення, положення голови та роздільної здатності камери на точність вимірювання; реалізація алгоритму оцінки відстані за допомогою контрольних точок обличчя, проведення експериментів та формування рекомендації щодо використання запропонованого методу. В роботі використано наступні методи: метод монокулярної геометрії з використанням алгоритму FaceMesh, методи обробки відео в реальному часі. В результаті експериментальних досліджень було підтверджено, що оптимальними умовами для точного визначення відстані є розташування обличчя фронтально до камери, роздільна здатність 640×480, освітлення вище 200 лк. Визначено, що похибка зростає при кутах нахилу понад 15° та при слабкому освітленні. За таких умов алгоритм FaceMesh демонструє похибку менше 3% на відстані до 90 см. Висновки. Метод є придатним для використання в мобільних системах реального часу з обмеженими ресурсами, має потенціал до подальшої інтеграції в багатомодальні системи розпізнавання та адаптивні навігаційні платформи.Завантаження
Посилання
1. Dietrich, O., et al. (2025). An Open-Source Tool for Mapping War Destruction at Scale in Ukraine Using Sentinel-1 Time Series. arXiv:2406.02506, arXiv, 20 Feb. 2025. arXiv.org. https://doi.org/10.48550/arXiv.2406.02506.
2. Barkovska, O., Oliinyk, D., Sorokin, A., Zabroda, I., & Sedlaček, P. (2024). A system for monitoring the progress of rehabilitation of patients with musculoskeletal disorder. Advanced Information Systems, 8(3), 13-24.
3. Barkovska, O., & Serdechnyi, V. (2024). Intelligent Assistance System for People with Visual Impairments. INNOVATIVE TECHNOLOGIES AND SCIENTIFIC SOLUTIONS FOR INDUSTRIES, (2)28, 6–16. DOI.org (Crossref). https://doi.org/10.30837/2522-9818.2024.28.006.
4. Kunczik, J., et al. (2022). Breathing pattern monitoring by using remote sensors. Sensors, 22(22), 8854.
5. Deng, Z., et al. (2023). Smart Wearable Systems for Health Monitoring. Sensors, 23(5), 2479. https://doi.org/10.3390/s23052479.
6. Kaur, B., et al. (2023). Novel Wearable Optical Sensors for Vital Health Monitoring Systems—A Review. Biosensors, 13(2), 181. https://doi.org/10.3390/bios13020181.
7. Olmedo-Aguirre, J. O., et al. (2022). Remote Healthcare for Elderly People Using Wearables: A Review. Biosensors, 12(2), 73. https://doi.org/10.3390/bios12020073.
8. Adeghe, E. P., et al. (2024). A Review of Wearable Technology in Healthcare: Monitoring Patient Health and Enhancing Outcomes. Open Access Research Journal of Multidisciplinary Studies, 7(1), 142–148. https://doi.org/10.53022/oarjms.2024.7.1.0019.
9. Wang, W., et al. (2016). Algorithmic principles of remote PPG. IEEE Transactions on Biomedical Engineering, 64(7), 1479-1491.
10. Tırınk, C., et al. (2023). Estimation of body weight based on biometric measurements by using random forest regression, support vector regression and CART algorithms. Animals, 13(5), 798.
11. Di, H., Shafiq, M., & AlRegib, G. (2018). Patch-level MLP classification for improved fault detection. SEG technical program expanded abstracts 2018. Society of Exploration Geophysicists, 2211-2215.
Downloads
Опубліковано
Номер
Розділ
Ліцензія
Авторське право (c) 2025 O. Barkovska, A. Shapiro, O. Mavrynskyi, P. Zhebin

Ця робота ліцензується відповідно до Creative Commons Attribution-NonCommercial 4.0 International License.