сотрудник
Екатеринбург, Россия
УДК 62 Инженерное дело. Техника в целом. Транспорт
В статье рассматривается проблема создания программного сервиса для распознавания положения и движения глаз пользователя в режиме реального времени. Актуальность исследования обусловлена растущим спросом на бесконтактные интерфейсы человеко-машинного взаимодействия и интеллектуальные системы анализа визуального внимания. Целью работы является разработка и реализация приложения на языке Java с использованием библиотеки OpenCV, выполняющего детекцию лица и области глаз. Проведен анализ существующих методов детекции объектов, обоснован выбор классического алгоритма Виолы-Джонса, обеспечивающего баланс между производительностью и точностью в условиях ограниченных вычислительных ресурсов. Предложена архитектура программного сервиса, описаны алгоритмы предварительной обработки видеопотока и каскадной классификации. В результате тестирования подтверждена работоспособность разработанного решения в реальном времени. Статья содержит листинг основных модулей программы и анализ полученных результатов.
компьютерное зрение, распознавание лиц, детекция глаз, алгоритм Виолы-Джонса, OpenCV, Java, видеопоток, реальное время, каскадный классификатор
1. Duchowski, A. T. Eye Tracking Methodology: Theory and Practice / A. T. Duchowski. – 3rd ed. – Cham: Springer, 2017. – 366 p. DOI: https://doi.org/10.1007/978-3-319-57883-5
2. Калькова, Н. Н. Потребительский выбор товаров в интернете и прогнозирование ассортимента методом АВС-анализа на основе метрик визуального нейромаркетинга / Н. Н. Калькова // Управленец. – 2025. – Т. 16, № 1. – С. 92-105. – DOI:https://doi.org/10.29141/2218-5003-2025-16-1-7. EDN: https://elibrary.ru/QFJQFV
3. Szeliski, R. Computer Vision: Algorithms and Applications / R. Szeliski. – 2nd ed. – London: Springer, 2022. – 979 p. DOI: https://doi.org/10.1007/978-3-030-34372-9
4. Gonzalez, R. C. Digital Image Processing / R. C. Gonzalez, R. E. Woods. – 4th ed. – New York: Pearson, 2018. – 1168 p.
5. Форсайт, Д. Компьютерное зрение. Современный подход / Д. Форсайт, Ж. Понс. – М.: Вильямс, 2004. – 928 с.
6. Viola, P. Rapid Object Detection using a Boosted Cascade of Simple Features / P. Viola, M. Jones // Proceedings of the 2001 IEEE Computer Society Conference on Computer Vision and Pattern Recognition (CVPR). – Kauai, 2001. – Vol. 1. – P. I-511–I-518.
7. Bradski, G. Learning OpenCV 4: Computer Vision with OpenCV Library / G. Bradski, A. Kaehler. – Sebastopol: O’Reilly Media, 2019. – 976 p.
8. Goodfellow, I. Deep Learning / I. Goodfellow, Y. Bengio, A. Courville. – Cambridge: MIT Press, 2016. – 800 p.
9. Redmon, J. You Only Look Once: Unified, Real-Time Object Detection / J. Redmon, S. Divvala, R. Girshick, A. Farhadi // Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition (CVPR). – Las Vegas, 2016. – P. 779–788.
10. Мухитдинова, М. Х. Сравнительный анализ методологий и технологий машинного обучения / М. Х. Мухитдинова // Цифровые модели и решения. – 2025. – Т. 4, № 1. – С. 78-85. – DOI:https://doi.org/10.29141/2949-477X-2025-4-1-6. EDN: https://elibrary.ru/WHGTSY
11. Калькова, Н. Н. Влияние гендерного фактора на визуальное восприятие цвета упаковки потребителями на основе алгоритмов нейромаркетинга / Н. Н. Калькова // Управленец. – 2024. – Т. 15, № 2. – С. 108-123. – DOI:https://doi.org/10.29141/2218-5003-2024-15-2-8. EDN: https://elibrary.ru/RFAIWF
12. Oracle Corporation. The Java™ Tutorials [Электронный ресурс]. – Режим доступа: https://docs.oracle.com/javase/tutorial/ (дата обращения: 28.02.2026).
13. OpenCV team. OpenCV: Cascade Classification [Электронный ресурс]. – Режим доступа: https://docs.opencv.org/master/db/d28/tutorial_cascade_classifier.html (дата обращения: 28.02.2026).
