Architettura hardware/software degli smart glass Meta Aria Gen 1 e loro impiego per la rilevazione del blinking oculare tramite analisi video

Abstract

Il presente lavoro analizza l’architettura hardware e software degli smart glasses Meta Project Aria Gen 1 e ne valuta l’impiego come sorgente di immagini oculari per il rilevamento degli eventi di chiusura. Con tale espressione si indica un intervallo temporale costituito da fotogrammi consecutivi nei quali l’occhio viene classificato nello stato CLOSED. La durata dell’intervallo consente successivamente di caratterizzare e classificare l’evento. Le registrazioni ottenute mediante il dispositivo sono state elaborate estraendo i fotogrammi provenienti dalle telecamere di Eye Tracking. Su questi dati opera un algoritmo di computer vision implementato in linguaggio Python, che rileva i riflessi corneali (glint) e determina la condizione di apertura o chiusura dell’occhio. La procedura integra inoltre una localizzazione automatica della regione oculare, introdotta per adattare la selezione dei glint alla posizione effettiva dell’occhio nel fotogramma. Le chiusure individuate sono analizzate in funzione della durata e classificate come ammiccamenti (blinking), chiusure prolungate o microsleep. Una successiva validazione binoculare verifica la coerenza temporale tra i due occhi, mentre la sequenza risultante consente il calcolo del PERCLOS (PERcentage of eyelid CLOSure). La sperimentazione condotta in condizioni controllate ha permesso di verificare il comportamento della soluzione sui dati raccolti. I risultati mostrano la possibilità di utilizzare direttamente le telecamere di Eye Tracking dei Project Aria Gen 1 per sviluppare un sistema di analisi dello stato oculare. Tecniche di questo tipo potrebbero trovare impiego nel monitoraggio dell’attenzione e della sonnolenza in postazioni di lavoro o in altri contesti operativi nei quali sia rilevante individuare riduzioni dello stato di vigilanza.

This work analyzes the hardware and software architecture of the Meta Project Aria Gen 1 smart glasses and evaluates their use as a source of ocular images for detecting eye-closure events. In this context, an eye-closure event is defined as a time interval consisting of consecutive frames in which the eye is classified as CLOSED. The duration of this interval is then used to characterize and classify the event.

The recordings acquired using the device were processed by extracting frames from the Eye Tracking cameras. These data are analyzed by a computer vision algorithm implemented in Python, which detects corneal reflections (glints) and determines whether the eye is open or closed. The procedure also incorporates automatic localization of the ocular region, introduced to adapt glint selection to the actual position of the eye within the frame.

The detected closures are analyzed according to their duration and classified as blinks, prolonged closures, or microsleeps. A subsequent binocular validation step checks the temporal consistency between the two eyes, while the resulting sequence is used to compute PERCLOS (PERcentage of eyelid CLOSure).

Experimental tests conducted under controlled conditions made it possible to evaluate the behavior of the proposed solution on the collected data. The results demonstrate the feasibility of directly using the Eye Tracking cameras of Project Aria Gen 1 to develop a system for ocular-state analysis. Approaches of this kind could be applied to attention and drowsiness monitoring in workplaces or other operational environments where detecting reductions in alertness is particularly relevant.