Ιχνηλάτηση ματιού με χρήση νευρομορφικού αισθητήρα
| datacite.contributor.RelatedPerson | Μπίρμπας, Μιχαήλ | |
| datacite.contributor.RelatedPerson | Βασίλειος, Παλιουράς | |
| datacite.contributor.Supervisor | Ψαράκης, Εμμανουήλ | |
| dc.contributor.author | Λαγαρός, Κωνσταντίνος | |
| dc.contributor.other | Lagaros, Konstantinos | |
| dc.date.accessioned | 2026-03-02T11:41:16Z | |
| dc.date.available | 2026-03-02T11:41:16Z | |
| dc.date.issued | 2026-03-02 | |
| dc.degree | graduateThesis | |
| dc.description.abstract | Αντικείμενο της παρούσας διπλωματικής εργασίας αποτελεί η μελέτη και η ανάπτυξη μιας μεθόδου για την ιχνηλάτηση του κέντρου της κόρης του οφθαλμού αξιοποιώντας δεδομένα νευρομορφικών αισθητήρων. Οι κάμερες γεγονότων, φαίνεται να είναι πολλά υποσχόμενες σε εφαρμογές εντοπισμού και ιχνηλάτησης γρήγορα κινούμενων στόχων, λόγω της ασύγχρονης δημιουργίας των δεδομένων τους, καθώς και της υψηλής χρονικής ανάλυσης που διαθέτουν. Σε αντίθεση με την σημερινή τάση στην χρήση βαθιών νευρωνικών δικτύων, εξετάζουμε την επίδοση μιας κλασσικής τεχνικής επεξεργασίας εικόνων που βασίζεται στην κλίση, και συγκεκριμένα στον Ταχύ Μετασχηματισμό Ακτινικής Συμμετρίας (FRST). Θεωρούμε πως σε ορισμένα προβλήματα οι απλές και ερμηνεύσιμες τεχνικές επεξεργασίας μπορούν να πετύχουν εξίσου ανταγωνιστικές επιδόσεις με αυτές των πολύπλοκων δικτύων, καθιστώντας όμως την υλοποίησή τους σε εφαρμογές πραγματικού χρόνου ως μια πιο ελκυστική λύση. Η προτεινόμενη μέθοδος καταφέρνει εξαιρετική ιχνηλάτηση του κέντρου της κόρης του ματιού επιτυγχάνοντας ένα πολύ μικρό μέσο σφάλμα (~2 pixels) και με χρονική καθυστέρηση μικρότερη των 3 χιλιοστών του δευτερολέπτου, καθιστώντας την ικανοποιητική προσέγγιση σε εφαρμογές εικονικής και επαυξημένης πραγματικότητας (AR/VR). | |
| dc.description.translatedabstract | The objective of this thesis was the study and development of a method for tracking the center of the pupil using data from neuromorphic sensors. Event cameras appear to be highly promising for applications involving the detection and tracking of fast-moving targets, due to their asynchronous data generation and high temporal resolution. In contrast to the current trend of employing deep neural networks, we investigate the performance of a classic image processing technique based on image gradients, namely the Fast Radial Symmetry Transform (FRST). We argue that, in certain problems, simple and interpretable image processing techniques can achieve performance that is equally competitive with complex deep networks, while offering a more attractive solution for real-time applications. The proposed method achieves highly accurate pupil center tracking, reaching a very low mean Euclidean distance error (~2 pixels) with latency below 3 milliseconds, making it a suitable approach for virtual and augmented reality (AR/VR) applications. | |
| dc.identifier.uri | https://hdl.handle.net/10889/31562 | |
| dc.language.iso | el | |
| dc.rights | Attribution-NonCommercial-ShareAlike 3.0 Greece | en |
| dc.rights.uri | http://creativecommons.org/licenses/by-nc-sa/3.0/gr/ | |
| dc.subject | Νευρομορφικοί αισθητήρες | |
| dc.subject | Ιχνηλάτηση ματιού | |
| dc.subject | Ταχύς μετασχηματισμός ακτινικής συμμετρίας | |
| dc.subject.alternative | Eye tracking | |
| dc.subject.alternative | Neuromorphic sensors | |
| dc.subject.alternative | Fast radial symmetry transform | |
| dc.title | Ιχνηλάτηση ματιού με χρήση νευρομορφικού αισθητήρα | |
| dc.title.alternative | Eye tracking with neuromorphic sensor |