Ilusão de distorção facial

Como deixar grotesca a imagem de mulheres bonitas?

Já discutimos aqui que as ilusões de ótica são úteis para estudarmos o funcionamento do sistema visual (artigo “Ilusões de imagens híbridas”). Também já mencionamos que elas podem ser intencionalmente feitas em laboratórios ou encontradas em meio ao ambiente em que vivemos (artigo “Da minha janela eu vejo... Uma grade de Hermann”). E algumas ilusões são descobertas por puro acaso.

Foi o que aconteceu este ano com um grupo de pesquisadores da Universidade de Queensland, Austrália. Estes preparavam um estudo de identificação facial e alinharam imagens de faces pelos olhos, de modo que ao alternar de uma imagem para outra a posição dos olhos era sempre a mesma em todas as faces. Ao fazerem uma checagem, passando as imagens rapidamente no computador, eles perceberam uma mudança estética. As faces passaram a se tornar deformadas e até grotescas! Veja o efeito no vídeo abaixo.

Interessante, não é? E saiba que as imagens não foram alteradas. Ao parar a seqüência de apresentação e observar de maneira prolongada cada uma dessas faces, elas se mostram normais e até atraentes.

A ilusão ocorre porque o processamento cerebral de cada face se dá levando em conta as outras faces. Ao alinhar as faces nos olhos e apresentá-las rapidamente, fica mais fácil compará-las. Por isso as diferenças entre elas são superestimadas. Então, se alguma face tem um queixo ou testa pronunciada, e a face anterior não, ela pode parecer grotesca. É como se a face fosse uma caricatura dela mesma. O efeito é pronunciado quando não olhamos diretamente para as faces.

Mas estas explicações ainda são suposições. Elas são apenas um ponto de partida para investigações mais aprofundadas. Estudos experimentais estão sendo conduzidos para saber o que causa este efeito e como ele pode ser interpretado.

Quer baixar o texto? Clique aqui.

Nota: Saiba como a ilusão é feita.

Aqui vai um guia resumido de como esta ilusão pode ser feita. Apesar de apresentar apenas quatro passos, as etapas são trabalhosas.

    1. Para o efeito acontecer, é recomendável pelo menos 30 segundos de apresentação de faces.  O primeiro passo é ter várias imagens de faces de tamanhos similares. Se você for fotografar as pessoas, utilize sempre uma mesma distância e um fundo de imagem claro e uniforme (um lençol branco é um bom improviso). Serão necessárias cerca de 300 faces para um vídeo como o que foi apresentado.

    2. Utilize um software de edição de imagens (Corel Draw, Photoshop, etc.) para: a) fazer o alinhamento nos olhos (pergunte a um amigo que entende um pouco de edição gráfica); b) montar as telas de apresentação.

    3. Num editor de vídeo (o Windows Movie Maker já basta) faça a apresentação temporal de 4 ou 5 telas por segundo. Uma dica, ao adicionar uma tela procure encontrar faces que destoem da face anterior. Assim o efeito será mais aparente.

    4. Pronto! Agora é só gravar!

Se você chegou até esse ponto, gostaríamos de ver o resultado. Jogue na rede e mande o link pra gente!

Rui de Moraes Júnior

Para saber mais:

• Tangen, J. M.; Murphy, S. C.; Thompson, M. B. (2011) Flashed face distortion effect: Grotesque faces from relative spaces. Perception, 40, 628-630.

Sistemas computacionais de reconhecimento de faces: coisa de cinema?

Como funcionam sistemas biométricos de identificação facial e o que podemos esperar deles?

Provavelmente você já viu em um filme policial algum criminoso sendo filmado em tempo real enquanto agentes da CIA ou do FBI o rastreiam em meio a uma multidão com o auxílio de um equipamento de alta tecnologia. Geralmente um bandido latino-americano, um espião russo (para os nostálgicos da guerra fria) ou um terrorista muçulmano (principalmente depois do ataques de 11 de setembro). Ou então, em filmes de ficção, cenas onde o vilão decepa uma cabeça ou usa uma máscara para ter acesso a uma sala de segurança máxima que conta com um sistema de reconhecimento de faces. Pensando nisto, você já deve ter se perguntado se estes sistemas de reconhecimento existem ou como funcionam. Caso não tenham pensado, eu lhes convido a fazer este exercício. Ainda, o que diferencia o reconhecimento facial feito por nossas câmeras digitais e pelo Orkut e o feito nestes filmes futuristas? O que nossa atual tecnologia oferece e o que (ainda) é ficção? É disso que trataremos nas linhas que se seguem.

Fig. 1: Cena do filme A Outra Face (Buena Vista, 1997).

Cada indivíduo apresenta características únicas que praticamente não se modificam ao longo da vida ou da vida adulta. Como exemplo, identificação da íris, da face, impressão digital, geometria da mão, reconhecimento da voz, reconhecimento da assinatura. E os sistemas biométricos, sistemas automáticos que permitem a identificação de indivíduos por meio destas características físicas e comportamentais, se valem cada vez mais das singularidades pessoais para criar ferramentas úteis.

Hoje, há a necessidade cada vez maior da construção de sistemas computadorizados para reconhecimento de faces. Sua importância e aplicabilidade, principalmente na área de segurança, se encontram em tarefas como identificação de pessoal, clientes, passaportes, monitoramento de multidões, busca em fichas criminais e de desaparecidos. Isto ocorre em vista de que o acesso ou controle a qualquer sistema ou lugar se dá por meio de um código pessoal intransferível. O que se mostra muito mais seguro e evita fraudes. Como a face humana é tem uma formatação singular (salvo clonagens e gêmeos univitelinos, e mesmo assim, com ressalvas) e não sofre grandes alterações com a passagem do tempo, protótipos e modelos de sistemas de reconhecimento facial têm ganhado destaque dentro de institutos tecnológicos.

Estes sistemas automatizados levam em consideração aspectos importantes da estrutura e do mecanismo funcional da visão humana, como por exemplo, um processamento primário de formas e contornos e, somente depois, outros tipos de informação.

Vários sistemas computadorizados que incorporam diversas técnicas matemáticas que simulam o comportamento cerebral em suas funções de processamento visual e aprendizagem têm sido utilizados para realizar tarefas de reconhecimento de faces humanas. Aqui abordaremos com maior ênfase as redes neurais artificiais, devido sua grande aplicabilidade e proximidade com modelos biológicos baseados no funcionamento cerebral.

               

Redes neurais artificiais

Uma rede neural artificial (RNA) é um sistema de processamento de informação que desempenha função análoga à função das redes neurais biológicas; por exemplo, um software que simula o comportamento de determinadas células da retina humana. Portanto, elas são desenvolvidas a partir de generalizações de modelos matemáticos de cognição e biologia neural.

São formadas por elementos que atuam como processadores simples, chamados de unidades ou neurônios, que formam redes interconectadas entre si por sinais (sinapses) inibitórios ou excitatórios de diferentes pesos. Dado um padrão de atividade inicial na rede, este é propagado por determinadas ou todas unidades das conexões até que um estado estável seja atingido. Este estado é interpretado como a resposta do sistema ao padrão inicial.

Apesar da inspiração e das constantes referências ao modelo biológico, é dado maior ênfase ao aspecto computacional. Ou seja, redes podem ser criadas e serem úteis sem nenhuma analogia fisiológica. As RNAs não têm como escapar a um reducionismo, principalmente quando o objetivo em questão é a modelagem de fenômenos cognitivos. 

Regras pré-definidas para reconhecer faces baseadas em regras utilizadas por sistemas biológicos têm sido representativamente utilizadas neste campo. Modelos computacionais baseados em redes neurais têm sido gerados tanto em problemas de detecção como de reconhecimento; já que a habilidade de aprendizagem automática, a robustez e a capacidade de se auto-adaptar das RNAs as tornam um modelo atrativo para implementação de projetos na área de reconhecimento facial.

Visão computacional e reconhecimento de padrões

               

Para que uma RNA seja ativada e efetue suas regras de decisões e gere respostas, no nosso caso, identificar ou não uma face, ela deve receber sinais de entrada do ambiente. A captação da imagem pode ocorrer de diversas formas dependendo do equipamento (scanner, câmera, aparelho de raio-X). O objetivo comum destas ferramentas é traduzir padrões bidimensionais de grandezas físicas (luminosidade, por exemplo), em medidas discretas, normalmente organizadas em matrizes. Cada elemento da matriz corresponde a um pixel, identificado por um par de coodenadas cartesianas (x,y). Por estes elementos é possível uma descrição da imagem por meio da qual se aplica técnicas de reconhecimento de padrões.

O reconhecimento de padrões é uma tarefa simples e trivial para o homem e não existe nenhuma máquina ou software que se aproxime de seu desempenho. Ele envolve três níveis de processamento: filtragem da entrada dos sinais visuais capturados, extração de características e classificação. A filtragem dos sinais de entrada tem o objetivo de eliminar dados desnecessários ou distorcidos, fazendo com que a entrada apresente apenas dados relevantes para o reconhecimento do objeto em análise. A extração de características consiste da análise dos dados de entrada a fim de extrair e derivar informações úteis para o processo de reconhecimento. O estágio final do reconhecimento de padrões é a classificação, onde por meio da análise das características da entrada de dados o objeto em análise é declarado como pertencente ou não a uma determinada categoria.

Para que os modelos de reconhecimento de padrões sejam empregados com sucesso, é necessário que seu criador possua um bom conhecimento sobre as características do objeto analisado e da capacidade do modelo. Isso é dado em virtude de que a eficiência de um modelo depende das suposições ou condições sob as quais ele é construído. Pelo fato das RNAs serem auto-adaptáveis aos sinais de entrada, ou seja, modelam com flexibilidade as relações do mundo real, se mostram como uma alternativa promissora para métodos de reconhecimento de padrões.

Reconhecimento de faces

Um sistema de verificação ou reconhecimento de faces, de maneira geral, segue alguns procedimentos básicos. De início ocorre a captura da imagem, para que se possa detectar em uma imagem digital um padrão facial e qual a posição deste. Em seguida, ocorre normalização da face na imagem para um padrão de posição, orientação e escala.

A partir disso pode ser feita a localização das informações mais relevantes e seleção destas para serem utilizadas e representadas. Em geral, são utilizadas características da imagem digital que são medidas do rosto que quase não se alteram, como distância entre os olhos, distância entre os olhos, nariz, boca e outras partes do rosto, como queixo, sobrancelhas, além do tamanho de certos elementos faciais, como largura da boca ou do nariz, linha do queixo. Destes dados são levantados pontos ou proporções singulares que são utilizadas para criar um registro que serve para comparação com o banco de dados e, assim, para o processo de reconhecimento.

Fig. 2: Exemplo de medidas utilizadas para reconhecimento. Imagem extraída do site: q8showroom.com .

Com isso, verifica-se a identidade por meio de alguma técnica (existem diversos tipos de redes neurais com diferentes arquiteturas e regras de decisão). E, por último, o aviso de reconhecimento, que verifica se a face pertence ou não ao conjunto de dados. Quando há semelhança detectada, o sistema calcula a probabilidade de semelhança e apresenta os resultados.

Fig. 3: Esquema didático do processo de reconhecimento facial. Imagem modificada do site news.bbc.co.uk .

Mas a qualidade de um sistema de reconhecimento de faces não é dada somente pela alta probabilidade de semelhança. O desempenho de um algoritmo é dado em função de outras variáveis: baixa taxa de falsos negativos e falsos positivos, robustez contra fatores adversos, resposta em tempo real e baixo custo dos equipamentos.

               

E apesar das constantes sofisticações de mecanismos artificiais de reconhecimento de faces, estes ainda contam com déficits a serem amenizados. A maioria dos sistemas conta com baixa confiabilidade em um meio ruidoso (em que há perturbação que ocasiona perda de informação na transmissão da mensagem) devido à posição ou obstrução da face, expressão apresentada, baixas condições de iluminação, complexidade do fundo da imagem ou possibilidade de alteração de características analisadas, como acidente, cirurgia, barba, óculos. Além disso, em geral, RNAs para reconhecer faces necessitam de muitos ajustes (dado o número elevado de unidades, níveis e razões de aprendizado) para obter um bom desempenho.

Por fim...

Como face humana é um padrão visual complexo, de difícil discriminação, que traz consigo uma grande quantidade de informação e que, por vezes, pode sofrer interferência, são necessárias máquinas computacionais mais rápidas e que processam uma quantidade maior de informação em menor tempo. Como o desenvolvimento de áreas tecnológicas, e principalmente da informática, se dá numa escala exponencial ao longo do tempo, é muito provável que sistemas de reconhecimento facial evoluam muito rápido. Como a demanda do mercado para esta tecnologia é alta, não levará muito tempo entre a implementação de novas ferramentas no laboratório e sua comercialização pelas empresas.

Mas mesmo com RNAs de faces que sofrem pela falta de capacidade de processamento dos atuais hardwares, podemos ver uma disseminação de seu uso e algorítmos com taxas de acertos significativamente satisfatórios em tarefas de reconhecimento. Por ser uma área altamente multidisciplinar, integrando conhecimentos de processamento digital de imagens, redes neurais, paradigmas de programação, neurociências e em virtude de altas chances de aplicabilidade da pesquisa, inúmeros são os centros de pesquisas envolvidos. Já encontramos com facilidade na internet softwares de reconhecimento de faces distribuídos gratuitamente ou embutidos em produtos de baixo teor tecnológico encontrados no mercado, como webcams. Também são comercializadas câmeras digitais que além de detectar o padrão facial em uma cena, sabem se ela é do seu pai, da sua mãe ou da(o) sua namorada(o) (clique aqui para conferir). E só para exemplificar, uma empresa chinesa de sistemas biométricos vende uma fechadura com tecnologia de reconhecimento facial 3-D por US$ 456,00 (clique aqui para conferir).

Apesar dos avanços em sistemas de reconhecimento de faces e de já existirem sistemas comerciais para esse fim, esses modelos ainda estão distante das potencialidades do sistema visual humano. Esta tarefa corriqueira e fácil de ser realizada por nós ainda é difícil de ser emulada em sistemas computadorizados. Como visto, ainda estamos um pouco distante das cenas de filmes de ficção em que um agente da CIA utiliza um sistema que consegue rastrear de forma automática um bandido internacional em meio a uma multidão por meio de câmeras de vigilância e puxa sua ficha criminal em questão de segundos. Então, nos resta aguardar cenas dos próximos capítulos das constantes reviravoltas das inovações tecnológicas.

Quer baixar o texto? Clique aqui.

Rui de Moraes Júnior

Para saber mais:

• Jesan, J. P. (2005).The neural approach to pattern recognition. Ubiquity: An ACM IT Magazine and forum - http://www.acm.org/ubiquity/views/v5i7_jesan.html - acessado em janeiro de 2011.

• Pereiral, D. S. A., Rapozo, J. A. R., Silva, J. C., Silva, E. (2009). Identificação de faces em imagens bidimensionais. Revista TECCEN, v. 2, p. 27-36.

Ilusões de imagens híbridas

Como nosso sistema visual segrega informações de freqüência espacial?

A manipulação digital de imagens provê ilusões visuais incríveis e nos ajuda a entender como o sistema visual humano funciona. Um grande exemplo é a ilusão “Dr. Angry and Mr. Smile” construída pelos pesquisadores Philippe G. Schyns, da Universidade de Glasgow, Escócia, e Aude Oliva, do Instituto de Tecnologia de Massachusetts.

Observe as duas faces das imagens abaixo. O rosto da direita apresenta uma mulher com semblante calmo e à esquerda podemos observar um homem zangado. Agora se distancie cerca de 3 metros da imagem e veja o resultado. As imagens mudam de expressão: a da direita sorri e a da esquerda está com uma feição calma. Como isso acontece? Para desvendar isso teremos que saber como elas foram construídas e ter noção de alguns conceitos físicos.

Fig. 1: Ilusão de mudança de expressão emocional em função da distância do observador. Se afaste alguns metros para ver a alteração do semblante (modificado de Schins e Oliva, 1999).

Toda energia eletromagnética de uma cena visual complexa que chega à retina carrega uma série de informações diferentes. Entre elas está a análise das freqüências espaciais, ou seja, o número de variações de luminância em determinado espaço. Uma imagem normal contém um padrão complexo de intensidades de luz, ou altas variações das freqüências espaciais, contendo desde freqüências muito baixas a altas. Padrões de altas freqüências consistem em elementos finos e detalhes. Já os padrões de baixa freqüência compõem elementos largos e grosseiros.

Fig. 2: Ilustração didática do conceito de freqüência espacial. Retirado de http://webvision.med.utah.edu/imageswv/KallSpat22.jpg

Por meio de uma técnica matemática, a Transformada de Fourier, podemos tomar a distribuição complexa da luz que abrange a cena visual, analisando-a em componentes senoidais simples e trabalhar a imagem em seu domínio de freqüência. A partir disso, podemos utilizar filtros: remover ou preservar seletivamente faixas de freqüências espaciais. Quando removemos as altas freqüências, ou seja, os contornos finos e detalhes de borda, estamos utilizando um filtro passa-baixa, e obtemos uma imagem embaçada. Já quando excluímos as baixas freqüências do espectro visual, estamos utilizando um filtro passa-alta, e obtemos uma imagem com contornos delicados sem variações de larga escala.

As freqüências espaciais altas são melhor percebidas à uma distância curta entre o observador e o objeto. Isso acontece porque elas são transmitidas por células retinianas ganglionares P (do latim parvum, pequeno), que possuem campos receptivos pequenos que, por sua vez, reagem a detalhes minuciosos. As baixas freqüências, ao contrário, são vistas mais a uma maior distância, pois estimulam células retinianas ganglionares M (do latim magnum, grande) que possuem campos receptivos grandes, o que as tornam praticamente incapazes de fazer discriminações finas.

               

A ilusão apresentada acima ao ser construída se valeu de uma técnica de processamento digital de imagens, o morphing. Por meio dele duas imagens são sobrepostas de maneira a formar somente uma imagem híbrida. A imagem à direita é composta por uma face neutra em passa-alta (altas freqüências) e outra sorrindo em passa-baixa (baixas freqüências), e da esquerda uma face zangada em passa-alta e uma face neutra em passa-baixa. Como as freqüências espaciais são captadas por diferentes vias neurais em função da distância, nós vemos a transformação das expressões emocionais nas faces ao nos distanciarmos delas.

A idéia trazida pelas imagens híbridas não é nova. Por década artistas vêm criando trabalhos que, dependendo de como são vistos, parecem diferentes, como a pintura de Salvador Dali, Mercado de escravos com o busto evanescente de Voltaire, pintada em 1940. Mais recentemente, os pesquisadores Aude Oliva e Antonio Torralba, do Instituto de Tecnologia de Massachusetts, disponibilizaram na rede um site com uma galeria de imagens híbridas de freqüências altas x baixas (http://cvcl.mit.edu/hybridimage.htm). Abaixo uma das ilusões construídas por estes pesquisadores.

Fig. 3: Marylin-Einstein; Albert Einstein em altas freqüências e Marylin Monroe em baixas freqüências: se afaste alguns metros para ver a alteração (Aude Oliva, MIT, 2007).

Quer baixar o texto? Clique aqui.

Rui de Moraes Júnior

Para saber mais:

• Schyns, G. P., & Oliva, A. (1999). Dr. Angry and Mr. Smile: when categorization flexibly modifies the perception of faces in rapid visual presentations. Cognition, 69, 243-265.
• Oliva, A., Torralba, A., & Schyns, P. G. (2006). Hybrid Images. ACM Transactions on Graphics, ACM Siggraph, 25-3, 527-530.

O mistério do sorriso de Mona Lisa

O quadro de Mona Lisa, pintado entre 1503 e 1506, se encontra atualmente no Museu do Louvre em Paris e é considerado a obra de arte mais famosa e importante da história. Parte disso se deve ao mistério do seu sorriso. De interpretação dúbia, ele já foi visto como inocente, maternal, convidativo, triste e até lascivo. E isto tem intrigado a comunidade artística e científica ao longo dos tempos.

Fig. 1: Mona Lisa, quadro de Leonardo da Vinci exposto no Museu do Louvre em Paris, França. Imagem retirada do site: http://escafandro.blogtv.uol.com.br .

Muitos investigadores tentaram explicar o mistério ao redor deste sorriso. Sigmund Freud interpretou o sorriso de Mona Lisa como uma atração erótica de Leonardo da Vinci em relação a sua mãe. 

A professora Margaret Livingstone, da Universidade de Harvard, afirmou que o sorriso da Mona Lisa desaparece quando olhado diretamente. Isso acontece porque usamos a visão foveal, acurada para cores e detalhes, melhor para perceber freqüências espaciais altas. Como o sorriso está quase totalmente em freqüências espaciais baixas, a visão periférica é melhor para percebê-lo, já que processa com mais eficiência esta faixa do espectro visual. Sendo assim, o sorriso só se torna aparente se o observador fixar a atenção nos olhos ou em outra região da face.

Isto está relacionado com os diferentes canais de transmissão da informação, como mostrou Luis Martinez Otero, do Instituto de Neurociências de Alicante, Espanha. As células da retina são especializadas para transmitir diferentes categorias de informação: tamanho, brilho, localização, freqüência espacial, etc. E como o olho humano manda sinais misturados ao córtex, um canal de transmissão pode sobrepor-se ao outro. Por isso, às vezes vemos o sorriso, outras vezes não. Um dado interessante desta pesquisa é que os participantes começavam a ver o sorriso mais aparente a partir do momento que viam o retrato num tamanho aumentado ou de perto. Isto sugere que as células da retina que completam a visão da região do ponto cego convergem informações da mesma maneira que a visão periférica.

Fig. 2: Aplicação de ruído visual feito por Kontsevich e Tyler (2004).

 

Já Christopher Tyler e Leonid Kontsevich, do Instituto de Pesquisa do Olho Smith-Kettlewell de São Francisco, afirmam que a aparente mutabilidade do semblante da Mona Lisa se deve, em parte, a uma fonte diferente: o ruído randômico do sistema visual, uma atividade cerebral natural e ininterrupta de descargas neurais de padrão aleatório que pode ser comparado, numa analogia distante, ao efeito causado por um canal de TV mal sintonizado. Ele também pode ser causado por flutuações de fótons que atingem as células foto-receptoras. Estes pesquisadores sugerem que o estado emocional da Mona Lisa é codificado por poucos pixels que se encontram nos cantos de sua boca. Um ruído que aumenta o canto da boca, passa a impressão de felicidade e um ruído que rebaixam seus lábios a faz parecer mais triste.  

Outra tentativa de desvendar o mistério do sorriso da pintura foi feita pelo grupo de pesquisa de Nico Sebe, da Universidade de Amsterdã, em conjunto com colaboradores da Universidade de Illinois, que tentou revelar o famoso sorriso da Gioconda através de um algorítimo desenvolvido e de um software apropriado para reconhecer emoções. A expressão emocional é determinada pela comparação de dados dos traços faciais dados, como curvatura dos lábios e rugas ao redor dos olhos, que são cruzados entre o quadro de Da Vinci e de um banco de faces de mulheres jovens. A análise sugere que a Mona Lisa estava 83% feliz, 9% angustiada, 6% assustada e 2% chateada.

Mais recentemente, pesquisadores do Centro de Pesquisa e Restauração de Museus da França e do European Synchrotron Radiation Facility afirmaram que o efeito de mistério se deve à técnica que Da Vince utilizava, o sfumato, responsável pelo efeito esfumaçado. Ele chegava a aplicar 40 camadas de esmalte sobre a tela que, junto a outros pigmentos, cria borrões e sombras nos lábios que faz com que o sorriso pareça ser quase imperceptível quando visto de frente. O estudo foi conduzido por meio de espectometria por raios x fluorescentes, que não necessita da retirada de amostras.

Será que Leonardo da Vinci pretendia causar esta confusão nos cérebros dos observadores, sem mencionar os dos cientistas? Provavelmente. Em um de seus livros ele disse que estava tentando pintar expressões faciais dinâmicas, porque era isto que ele via nas ruas. 

Por fim, vale lembrar que as visões científicas tentam desmistificar técnicas que os pintores têm utilizados há muito tempo, e os achados não desmerecem de forma nenhuma o trabalho destes artistas.

Quer baixar o texto? Clique aqui.

Rui de Moraes Júnior

Para saber mais:

• Kontsevich, L. L., & Tyler, C. W. (2004). What makes Mona Lise smile? Vision Research, 44, 1493-1498.
• Livingstone, M. S. (2000). Is it warm? Is it real? Or just low spatial frequency? Science, 290, 1299.