Метод контекстно-обізнаної адаптації візуального користувацького інтерфейсу на основі оцінки відстані до користувача
DOI:
https://doi.org/10.30837/2522-9818.2026.2.005Ключові слова:
інтерфейс; відстань; комп’ютерний зір; карта глибини; модель; методАнотація
Актуальність теми дослідження зумовлена необхідністю переходу від статичних інтерфейсів до гнучких систем, здатних динамічно адаптуватися до фізичного контексту користувача, зокрема до зміни відстані від екрана, що дозволяє знизити когнітивне навантаження та підвищити комфорт взаємодії. Об’єктом дослідження є процес контекстно-обізнаної адаптації користувацького візуального інтерфейсу в реальному часі залежно від відстані до користувача, а саме – типографічних параметрів користувацького інтерфейсу. Предметом дослідження є підходи до визначення відстані до користувача на основі даних відеопотоку. Метою дослідження є розробка методу контекстно-обізнаної адаптації користувацького інтерфейсу на основі визначення відстані до користувача, що забезпечує динамічне масштабування типографічної системи для зниження когнітивного навантаження та підвищення комфорту взаємодії в реальному часі.. Для досягнення поставленої мети було вирішено такі завдання: проаналізовано існуючі підходи до визначення відстані до об’єкта, розроблено метод динамічної зміни масштабу користувацького візульного інтерфейсу, що ґрунтується на пропорційній залежності між відстанню інтерфейсу до користувача та розмірами базової типографічної одиниці (кеглю). Для експериментального підтвердження високої точності визначення відстані від візуального інтерфейсу до користувача було досліджено вплив варіативних факторів (нахил голови у фронтальній та сагітальній площинах, поворот в горизонтальній площині), а також обраного підходу до визначення відстані до об’єкта на точність вимірювання відстані. Розроблений метод забезпечує адаптацію не лише розміру шрифту, а й пов’язаних із ним типографічних параметрів (міжрядковий та міжлітерний інтервали, абзацні відступи). Встановлено, що підхід на основі глибинної карти з апроксимацією забезпечує найбільш збалансовані результати за точністю та практичною придатністю, демонструючи похибку 1.83–3.67% у діапазоні 30–90 см. Також показано, що орієнтація голови користувача є критичним фактором впливу на точність вимірювання, а максимальна похибка на близькій дистанції сягає 201.3%.Завантаження
Посилання
References
Barkovska, О. (2025), "Context-aware, adaptive HMI technology for enhancing the autonomy of users with disabilities", Scientific Notes of Taurida National V.I. Vernadsky University. Series: Technical Sciences, Vol. 2, No. 6, pp. 32–38. DOI: https://doi.org/10.32782/2663-5941/2025.6.2/06
Barkovska, О. (2025), "Formal description of interaction and data flows in multimodal assistive systems for user autonomy support", Visnyk of Kherson National Technical University, Vol. 3, No. 4(95), pp. 15–20. DOI: https://doi.org/10.35546/kntu2078-4481.2025.4.3.2
Medina-Medina Nuria, Lina García-Cabrera (2016), "A Taxonomy for User Models in Adaptive Systems: Special Considerations for Learning Environments", The Knowledge Engineering Review, Vol. 31, No. 2, pp. 124–41. DOI: https://doi.org/10.1017/S0269888916000035
Kravcik, M., Angelova, G., Ceri, S., Cristea, A., Damjanović, V. et al. (2005), "Requirements and Solutions for Personalized Adaptive Learning", available at: ffhal-00590961
Christian, S., Stephanidis, C. (2004), "User-Centered Interaction Paradigms for Universal Access in the Information Society", 8th ERCIM Workshop on User Interfaces for All, Vol. 3196, 485 р. DOI: https://doi.org/10.1007/b95185
Silega Nemury, Gilberto Fernando Castro Aguilar, Inelda Anabelle Martillo Alcívar, Faggioni, K., Rogozov, Y., Lapshin, V. (2023), "An Ontology-Based Approach to Support the Knowledge Management of Software Quality Standards", Enfoque UTE, Vol. 14, No. 3, July 2023, pp. 49–56, DOI: https://doi.org/10.29019/enfoqueute.946
Miñón, R., Paternò, F., Arrue, M. et al. (2015), "Integrating adaptation rules for people with special needs in model-based UI development process", Univ Access Inf Soc. Vol. 15, рр. 153–168 DOI: https://doi.org/10.1007/s10209-015-0406-3
Heumader, P, Miesenberger, K, Murillo-Morales, T. (2020), "Adaptive User Interfaces for People with Cognitive Disabilities within the Easy Reading Framework", Computers Helping People with Special Needs. pp. 53–60. DOI: https://doi.org/10.1007/978-3-030-58805-2_7
Firmenich, S., Garrido, A., Paternò, F., Rossi, G. (2019). "User Interface Adaptation for Accessibility", Web Accessibility. Human–Computer Interaction Series, pp. 547–568. DOI: https://doi.org/10.1007/978-1-4471-7440-0_29
Rania, Hamdani, Inès, Chihi, (2025), "Adaptive human-computer interaction for industry 5.0: A novel concept, with comprehensive review and empirical validation", Computers in Industry, Vol. 168, 104268 р. DOI: https://doi.org/10.1016/j.compind.2025.104268
Kandemir, H, Kose, H. (2021), "Development of adaptive human–computer interaction games to evaluate attention". Robotica. 40(1), рр. 56–76. DOI: https://doi.org/10.1017/S0263574721000370
Kalampukatt, P., Ghosh A., Kumar, V. (2024), "Integrating Object Detection and Distance Estimation: A Comprehensive Review of Techniques and Applications", SSRN, 23 р. DOI: http://dx.doi.org/10.2139/ssrn.4984837
Temneanu, M.C., Donciu, C., Serea, E. (2025), "Distance Measurement Between a Camera and a Human Subject Using Statistically Determined Interpupillary Distance", AppliedMath, Vol. 5(3), 118 р. DOI: https://doi.org/10.3390/appliedmath5030118
Chou, K.S., Wong, T.L., Wong, K.L., Shen, L., Aguiari, D., Tse, R., Tang, S.-K., Pau, G. (2023), "A Lightweight Robust Distance Estimation Method for Navigation Aiding in Unsupervised Environment Using Monocular Camera", Appl. Sci., Vol. 13(19), 11038 р. DOI: https://doi.org/10.3390/app131911038
Jiashi, Feng, Zilong, Huang, Bingyi, Kang, Xiaogang, Xu, Lihe, Yang, Hengshuang, Zhao, Zhen, Zhao (2024), "Depth anything v2", Advances in Neural Information Processing Systems, Vol. 37. pp. 21875–21911. DOI: https://doi.org/10.52202/079017-0688
Masoumian, A., Marei, D., Abdulwahab, S., Cristiano, J., Puig, D., Rashwan, H. (2021), "Absolute Distance Prediction Based on Deep Learning Object Detection and Monocular Depth Estimation Models", Frontiers in Artificial Intelligence and Applications, рр. 325–334. DOI: https://doi.org/10.3233/FAIA210151
Chernyshov, D., Koziuberda, M. (2025), "Comparative framework for analyzing distance metrics in high-dimensional spaces", Innovative technologies and scientific solutions for industries, Vol. 1, No. 31, pp. 143–150. DOI: https://doi.org/10.30837/2522-9818.2025.1.143
##submission.downloads##
Опубліковано
Як цитувати
Номер
Розділ
Ліцензія
Ця робота ліцензується відповідно до Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.
Наше видання використовує положення про авторські права Creative Commons для журналів відкритого доступу.
Автори, які публікуються у цьому журналі, погоджуються з наступними умовами:
-
Автори залишають за собою право на авторство своєї роботи та передають журналу право першої публікації цієї роботи на умовах ліцензії Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License (CC BY-NC-SA 4.0), котра дозволяє іншим особам вільно розповсюджувати опубліковану роботу з обов'язковим посиланням на авторів оригінальної роботи та першу публікацію роботи у цьому журналі.
-
Автори мають право укладати самостійні додаткові угоди щодо не комерційного та не ексклюзивного розповсюдження роботи у тому вигляді, в якому вона була опублікована цим журналом (наприклад, розміщувати роботу в електронному сховищі установи або публікувати у складі монографії), за умови збереження посилання на першу публікацію роботи у цьому журналі.
-
Політика журналу дозволяє і заохочує розміщення авторами в мережі Інтернет (наприклад, у сховищах установ або на особистих веб-сайтах) рукопису опублікованої роботи, оскільки це сприяє виникненню продуктивної наукової дискусії та позитивно позначається на оперативності та динаміці цитування опублікованої роботи.
