Οφθαλμική προσαρμογή του παραθύρου προβολής σε εφαρμογές επαυξημένης πραγματικότητας
| datacite.contributor.RelatedPerson | Φείδας, Χρήστος | |
| datacite.contributor.RelatedPerson | Μουστάκας, Κωνσταντίνος | |
| datacite.contributor.Supervisor | Σιντόρης, Χρήστος | |
| dc.contributor.author | Καραδελόγλου, Μαριάνθη | |
| dc.contributor.other | Karadeloglou, Marianthi | |
| dc.date.accessioned | 2026-10-13T08:36:37Z | |
| dc.date.available | 2026-10-13T08:36:37Z | |
| dc.date.issued | 2026-10-12 | |
| dc.degree | graduateThesis | |
| dc.description.abstract | Η παρούσα διπλωματική εργασία διερευνά τη δυνατότητα αξιοποίησης οπτικών χαρακτηριστικών του προσώπου για την εκτίμηση της σχετικής κίνησης ενός χρήστη προς και από μία συμβατική RGB κάμερα, με στόχο τη δημιουργία ενός συνεχούς σήματος ελέγχου για μελλοντική αλληλεπίδραση με εικονικό περιβάλλον. Η αρχική προσέγγιση βασίστηκε στην περιοχή των ματιών και ειδικότερα στην υπόθεση ότι η μεταβολή του ανιχνευόμενου μεγέθους της κόρης θα μπορούσε να αποτελέσει ένδειξη προσέγγισης ή απομάκρυνσης. Για τη διερεύνηση της υπόθεσης αναπτύχθηκε σε Python και OpenCV μία πρώτη αλυσίδα επεξεργασίας πραγματικού χρόνου, η οποία περιλάμβανε ανίχνευση προσώπου και ματιών, απομόνωση της περιοχής ενδιαφέροντος και εντοπισμό της κόρης. Η πειραματική διερεύνηση της αρχικής υλοποίησης ανέδειξε περιορισμούς που σχετίζονταν με ψευδείς ανιχνεύσεις, μεταβολές του φωτισμού και αστάθεια της μέτρησης. Τα ευρήματα αυτά οδήγησαν στον ανασχεδιασμό της προσέγγισης. Η μέτρηση της κόρης επαναπροσδιορίστηκε ως εκτιμώμενη ισοδύναμη διάμετρος βάσει του εμβαδού του επιλεγμένου περιγράμματος, ενώ προστέθηκαν δύο γεωμετρικά χαρακτηριστικά που υπολογίζονται μέσω facial landmarks: το φαινόμενο πλάτος της μύτης και η φαινόμενη απόσταση μεταξύ των ματιών. Τα τρία χαρακτηριστικά αξιολογήθηκαν με κοινό πειραματικό πρωτόκολλο ως προς τη σταθερότητα, την ευαισθησία, την ανθεκτικότητα, την επαναληψιμότητα και τη διαθεσιμότητα ανίχνευσης. Από τα κριτήρια αυτά διαμορφώθηκε συνολικός δείκτης λειτουργικής αξιοπιστίας 𝑄𝑓. Τα αποτελέσματα έδειξαν ουσιαστικές διαφορές μεταξύ των χαρακτηριστικών. Η εκτιμώμενη διάμετρος της κόρης παρουσίασε 𝑄𝑝𝑢𝑝𝑖𝑙=0.676, το φαινόμενο πλάτος της μύτης 𝑄𝑛𝑜𝑠𝑒=0.913 και η φαινόμενη απόσταση μεταξύ των ματιών 𝑄𝑖𝑝𝑑=0.877. Με βάση τα αποτελέσματα αναπτύχθηκε πολυχαρακτηριστικό σύστημα, στο οποίο οι τρεις μετρήσεις μετατρέπονται σε κοινή αναπαράσταση και συνδυάζονται με βάρη που προκύπτουν από την πειραματική αξιοπιστία τους. Το σύστημα περιλαμβάνει επίσης δυναμική διαχείριση της διαθεσιμότητας των χαρακτηριστικών, έλεγχο συναίνεσης για την αντιμετώπιση μεμονωμένων ακραίων μετρήσεων και χρονική σταθεροποίηση της τελικής απόκρισης. Η τελική έξοδος είναι το συνεχές σήμα 𝑍𝑜𝑜𝑚𝐶𝑜𝑛𝑡𝑟𝑜𝑙, κανονικοποιημένο στο διάστημα [-1,1], μαζί με τις καταστάσεις BASELINE, NEAR και FAR. Κατά την τελική αξιολόγηση, το σύστημα ανταποκρίθηκε στη ζητούμενη ακολουθία προσέγγισης και απομάκρυνσης, με τα δύο γεωμετρικά χαρακτηριστικά να εμφανίζουν γενικά μεγαλύτερη συμφωνία και τη μέτρηση της κόρης να παρουσιάζει συχνότερα αποκλίσεις ή απώλεια διαθεσιμότητας. Η εργασία δεν επιχειρεί εκτίμηση απόλυτης φυσικής απόστασης, αλλά καταλήγει σε ένα λειτουργικό σύστημα εκτίμησης σχετικής κίνησης με συμβατική κάμερα, το οποίο μπορεί να αποτελέσει βάση για μελλοντική ενσωμάτωση του 𝑍𝑜𝑜𝑚𝐶𝑜𝑛𝑡𝑟𝑜𝑙 στον έλεγχο εικονικού viewport σε περιβάλλον Unity3D. | |
| dc.description.translatedabstract | This diploma thesis investigates the use of facial visual features to estimate a user's relative movement towards and away from a conventional RGB camera, with the aim of generating a continuous control signal for future interaction with a virtual environment. The initial approach focused on the eye region and, more specifically, on the hypothesis that variations in detected pupil size could provide an indication of approach or retreat. To investigate this assumption, an initial real-time processing pipeline was developed in Python and OpenCV, incorporating face and eye detection, eye-region isolation and pupil localisation. Experimental investigation of the initial implementation revealed limitations associated with false detections, illumination changes and measurement instability. These findings motivated a redesign of the approach. The pupil measurement was reformulated as an estimated equivalent diameter derived from the area of the selected contour, while two geometric features calculated from facial landmarks were introduced: apparent nose width and apparent inter-eye distance. The three features were evaluated under a common experimental protocol in terms of stability, sensitivity, robustness, consistency and detection availability. These criteria were combined into an overall functional reliability index, 𝑄𝑓. The results demonstrated meaningful differences among the three features. Estimated pupil diameter achieved 𝑄𝑝𝑢𝑝𝑖𝑙=0.676, apparent nose width 𝑄𝑛𝑜𝑠𝑒=0.913, and apparent inter-eye distance 𝑄𝑖𝑝𝑑=0.877. Based on these findings, a multi-feature system was developed in which the three measurements are transformed into a common representation and combined using weights derived from their experimentally determined reliability. The system additionally incorporates dynamic handling of feature availability, a consensus mechanism for isolated outlying measurements, and temporal stabilisation of the final response. The final output is a continuous 𝑍𝑜𝑜𝑚𝐶𝑜𝑛𝑡𝑟𝑜𝑙) signal normalised to the range [-1,1], accompanied by the discrete states BASELINE, NEAR and FAR. During final evaluation, the system responded to the intended sequence of approach and retreat, with the two geometric features generally exhibiting stronger agreement and the pupil-based measurement showing more frequent deviations or loss of availability. The proposed method does not attempt to estimate absolute physical distance; instead, it provides a functional monocular system for estimating relative user movement using a conventional camera. The resulting 𝑍𝑜𝑜𝑚𝐶𝑜𝑛𝑡𝑟𝑜𝑙 signal establishes a basis for future integration with the control of a virtual viewport in a Unity3D environment. | |
| dc.identifier.uri | https://hdl.handle.net/10889/33048 | |
| 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 | Υπολογιστική όραση | |
| dc.subject | Επαυξημένη πραγματικότητα | |
| dc.subject.alternative | Augmented reality | |
| dc.title | Οφθαλμική προσαρμογή του παραθύρου προβολής σε εφαρμογές επαυξημένης πραγματικότητας | |
| dc.title.alternative | Eye driven viewport adjustment in Augmented Reality applications |