Identificação de rostos em videoconferências e sistemas de segurança é aperfeiçoada

Invdes/DICYT Os avanços tecnológicos em sistemas de armazenamento de informação, compressão de dados multimídia (áudio, imagem e vídeo) e incremento na largura de banda em redes como a internet, criaram o ambiente propício para contar com novas aplicações em setores como a televisão digital, aprendizagem à distância (e-learning) e sistemas de videoconferência.

No entanto, as aplicações de vídeo digital requerem uma boa qualidade de serviço e menores níveis de erro ou perda de informação, mas uma rede pública como a internet não pode oferecê-los pelas próprias características do vídeo digital, no qual muita informação é gerada e transmitida em espaços de tempo muito curtos.

Diante desses problemas, o Centro de Investigação em Matemáticas, A.C. (CIMAT) realiza a pesquisa Detecção de rostos com aplicação a sistemas de videoconferência, cuja metodologia foca-se na detecção facial em ambientes complexos, que é executada em tempo real em sistemas de videoconferências.

Este trabalho pretende melhorar os sistemas de videoconferência separando a informação de fundo (tudo o que não seja rosto), da informação relevante (primeiro plano), que são os rostos envolvidos na transmissão.

“Na maioria dos casos, a informação de fundo não é importante e somente nos atentamos ao primeiro plano, razão pela qual este deve ter alta qualidade. É isso o que nos conduz à ação de separar os distintos tipos de informação (fundo e primeiro plano ou rostos)”, explicou o doutor Rogelio Hasimoto Beltrán, chefe da pesquisa.

Como as perdas de informação são inevitáveis durante uma videoconferência, agrega o pesquisador, é possível evitar que se afetem dados relevantes no processo de comunicação mediante um sistema de classificação (separação de fundo e rosto) e a proteção de informação baseada em códigos de controle/correção de erros.

Estes códigos de proteção permitem que a informação transmitida com defeito seja recuperada sem necessidade de retransmiti-la, poupando recursos da rede. Desta maneira, os rostos presentes em um sistema de videoconferência, além de serem enviados com uma excelente qualidade, são protegidos contra a perda de informação, enquanto os demais são enviados sem proteção, com uma qualidade média ou, inclusive, baixa.

Hasimoto Beltrán detalhou que a detecção de rostos em sistemas de videoconferências é a primeira etapa desta pesquisa. A médio prazo, contempla a identificação de qualquer objeto de interesse em determinada aplicação; por exemplo, a classificação de pessoas (corpo completo), automóveis e qualquer objeto em movimento, principalmente em sistemas de segurança.

De acordo com o pesquisador, o objetivo final é criar sistemas automáticos para análise de vídeo que possam focar diretamente a parte central e protegê-la contra erros de transmissão, por exemplo, em um jogo de futebol, a cena principal seria a área da bola e quem a leva, de modo que o sistema protegeria tal região contra qualquer erro de transmissão.

Por outro lado, em termos gerais, a detecção de rostos consiste em localizar um número desconhecido destes e processá-los em tempo real. No entanto, o problema se complica dependendo da posição da face (frontal ou de perfil), presença ou ausência de características faciais como bigode, barba ou lentes, e condições de iluminação.

Deste modo, este projeto desenvolveu uma nova metodologia para a detecção de rostos em tempo real, baseada em um modelo de cor de pele compatível com os atuais padrões de codificação de imagem e vídeo, como os JPEG-2000 (imagens) e MPEG-4 (vídeo).

Algoritmo desenvolvido

O algoritmo desenvolvido pelo CIMAT não impõe restrições em relação à complexidade da cena analisada, isso é, sob qualquer fundo, cor de pele, níveis de iluminação ou caras parcialmente bloqueadas, pode funcionar.

As únicas sugestões, afirma o pesquisador, são que a cena/imagem esteja iluminada com luz branca (de outro modo afetaria a cor natural da pele) e as caras estejam frontais ou quase frontais.

“Uma vez localizadas as possíveis zonas da pele na cena, o seguinte passo é determinar se a superfície encontrada é um rosto (poderia se uma mão ou um braço) utilizando como pontos de referência suas características geométricas: forma elíptica, relação comprimento e largura, e anatômicas: nariz, olhos e boca, por exemplo”, indica.

Localizados os rostos, a informação correspondente passa ao codificador de vídeo para que realize uma compressão diferencial, oferecendo maior compressão (menor qualidade) ao fundo e menor compressão (melhor qualidade) no primeiro plano ou rosto.

Adicionalmente, protege-se o primeiro plano mediante técnicas de correção de erros para evitar sua perda durante a transmissão; e o fundo pode ser perdido sem prejudicar a qualidade do vídeo, já que seria substituído por cenas parecidas.

Na opinião do especialista, este processo de encontrar a informação relevante em uma videoconferência e protegê-la durante a transmissão evita a contratação de uma banda mais larga e/ou instalação de tecnologias caras a nível individual e empresarial, ademais, otimiza o uso da rede e provê uma melhor qualidade de imagem sob as mesmas condições que as tecnologias tradicionais. Esta pesquisa foi financiada pelo Conselho de Ciência e Tecnologia do Estado de Guanajuato (Concyteg).