Psicofísica Clássica III – Métodos Clássicos

A Psicofísica é o estudo quantitativo da relação entre a estimulação física e a resposta sensorial.  O seu desenvolvimento deve muito às investigações de Ernst Heinrich Weber (1795-1878)  e Gustav Theodor Fechner (1801-1887). Este último em seu livro “Elemente der Psychophysik” (1860) cunhou o termo e expôs os fundamentos teóricos e práticos da Psicofísica. A abordagem matemática a um assunto antes restrito à especulação metafísica fez com que a Psicologia adquirisse status de ciência. Tudo bem, mas como se faz uma pesquisa em Psicofísica? Há algum método experimental a seguir? Se você voltar poucas linhas acima, verá que está escrito “fundamentos teóricos e práticos da Psicofísica”!

Isso mesmo, Fechner em seu livro não se limitou a construir um arcabouço teórico sólido. Ele também descreveu três métodos experimentais, os quais foram utilizados para verificar a validade de suas hipóteses ao obter o Limiar Diferencial  e o Limiar Absoluto. Dado o seu valor histórico, esses métodos são conhecidos como Métodos Clássicos.  Eles ainda hoje são utilizados por pesquisadores, especialmente para determinar quão sensível somos para julgar propriedades de um objeto (tamanho, forma, posição, movimento, etc.).

É importante ressaltar, que independente do método, o cálculo do limiar absoluto e do limiar diferencial envolve a realização de várias medidas. Mas porque são necessárias tantas repetições? A medida de um limiar refere-se a um estado momentâneo e por isso varia, não é uma magnitude constante. Assim, são feitas muitas medições para minimizar essas variações causadas por fatores como a excitabilidade dos receptores sensoriais, fadiga, distração e outros. A partir destas medidas, calcula-se um valor probabilístico para o limiar.

Para não aborrecê-lo com muita matemática e números, farei uma breve descrição e uma análise crítica destes métodos. Se você quiser e precisar, há bons livros e um excelente material escrito pelos professores José Aparecido da Silva e Reinier Johannes Antonius Rozestraten (1924-2008) aqui para se aprofundar sobre os cálculos do limiar diferencial e absoluto.

Vamos começar com o Método do Ajuste, ou método do erro médio, ou da igualação, ou de reprodução. Este método foi elaborado em 1850 por Fechner e Alfred Wilhelm Volkmann (1801-1877), professor na Universidade de Leipzig, mesma Universidade em que Fechner havia sido professor. O curioso é que a relação entre eles não era apenas profissional. Fechner era casado com a irmã de Volkmann, Clara Maria.

O método tem esse nome porque é o próprio participante quem ajusta a intensidade do estímulo físico. Para o cálculo do limiar absoluto, o experimentador fornece um valor abaixo do limiar e o participante aumenta-o até que consiga percebê-lo (série ascendente) ou então a partir de um valor acima do limiar deve diminuí-lo até parar de notá-lo (série descendente).

Já para o cálculo do limiar diferencial, dois estímulos são apresentados,um o de comparação e outro o padrão¹. O estímulo de comparação pode ser maior (série descendente) ou menor (série ascendente) que o estímulo padrão e a tarefa do participante é ajustar o de comparação até igualá-lo ao padrão.

Este método tem a grande vantagem de ser de rápida aplicação já que os limiares são encontrados após poucas tentativas, sendo muito indicado para estímulos contínuos (por exemplo, o som). É claro que nem tudo é perfeito. Este método recebe críticas, porque os limiares serão dependentes da sensibilidade do equipamento utilizado para ajustar os estímulos e pela ocorrência de um erro temporal constante. Este último é um erro sistemático nos julgamentos, que pode ocorrer na obtenção do limiar diferencial, quando o estímulo padrão sempre antecede o de comparação. Neste caso, o estímulo de comparação sempre parece maior que o padrão. Isso pode ser evitado apresentando os estímulos em ordem aleatória².

Nem só de limiares vive a Psicofísica. Este método é muito utilizado para o estudo de ilusões, o que nos permite entender as propriedades e o funcionamento do sistema visual humano. Um bom exemplo é a ilusão de Müller-Lyer. Nesta ilusão, duas linhas de mesmo tamanho aparentam ser diferentes em função da maneira como as setas em suas extremidades estão dispostas, se para dentro ou para fora.

Fig 1. Ilusão de Müller-Lyer. Entre as 3 setas superiores (totalmente negras), o segmento de linha da seta do meio é percebida como maior que as outras duas, o efeito é maior em relação à de cima. Nas 3 setas inferiores (com as linhas em vermelho) pode-se verificar que os segmentos de linha tem o mesmo tamanho. (Fonte: http://en.wikipedia.org/wiki/M%C3%BCller-Lyer_illusion)

Em um experimento com o método dos ajustes, pode-se pedir ao participante para manipular o tamanho das linhas até que pareçam ter o mesmo tamanho. Que tal testar isso? Você pode provar e verificar a magnitude da ilusão a partir de seus próprios ajustes aqui.

O segundo método descrito por Fechner é o Método dos Limites, também conhecido como método de estímulo ou de diferenças apenas perceptíveis ou de exploração seriada, ainda com uma variante, o método de séries plenas e ordenadas. A principal diferença em relação ao Método do Ajuste, é que neste método o pesquisador é quem manipula a intensidade dos estímulos. Assim, o observador deve emitir seus julgamentos, indicando se percebe ou não o estímulo (para obter o limiar absoluto) ou se o estímulo de comparação é maior ou menor que o padrão (para o cálculo do limiar diferencial).

Este método tem a vantagem de ser bastante flexível, podendo ser aplicado em diversas situações, porém não está isento de problemas. O primeiro é o chamado erro de estímulo, o qual ocorre quando os participantes tentam “acertar” a resposta. Isto é, os observadores fazem correções de acordo ao que seria esperado na realidade física. Assim, um julgamento que deveria ser sensorial, torna-se objetivo. Além desse erro, pode-se apontar outros dois: erro pela habituação e o erro pela expectativa. O primeiro é a tendência dos participantes em darem a mesma resposta após um tempo decorrido do experimento; e o segundo é a evidência de que observador começa a prever a localização do limiar e assim muda seu julgamento antecipadamente.

Por último temos o Método dos Estímulos Constantes, ou método dos casos falsos e verdadeiros, ou das freqüências ou das diferenças de estímulo constante. Algumas fontes apontam Karl Von Vierordt (1818-1884) e outras Friedrich Hegelmaier (1833-1906) como o primeiro a utilizar este método, ambos em 1852. Independente disto, Fechner fez aportes a este método e o descreveu em seu livro.

O método consiste na apresentação de uma série de estímulos, em geral de 5 a 9, os quais são repetidos muitas vezes. Há um consenso de que devem ser repetidos no mínimo 20 vezes, embora alguns autores defendam até 50 apresentações de cada estímulo ou par deles.  Diferentemente do Método dos Limites, no qual estímulos são apresentados em ordem (ascendente ou descendente), no Método dos Estímulos Constantes a apresentação é aleatória. Isso evita os erros por habituação e por expectativa. Após cada apresentação, o observador deve indicar se o estímulo foi percebido ou não (limiar absoluto) ou se sua intensidade foi maior ou menor do que a do estímulo padrão (limiar diferencial).

Ele é de fácil aplicação, além de ser o mais exato para a obtenção dos limiares devido ao grande número de ensaios realizados. Por outro lado, daí advém seu principal problema: a ocorrência de erros de julgamento por cansaço, falta de motivação e etc., dada a grande duração dos experimentos. Isso pode ser minimizado com pausas programadas, de modo que o participante possa descansar. Estas e outras questões referentes ao Método dos Estímulos Constantes serão aprofundadas em um próximo texto, no qual também será apresentado o Método das Escadas Duplas. Ambos merecem uma análise mais detalhada, pois são os métodos mais ampla e atualmente empregados em pesquisas.

Enfim, há mais de um século os Métodos Clássicos são utilizados e com eles muito foi descoberto. No decorrer deste tempo, eles foram criticados e surgiram soluções, foram modificados e também outros métodos foram desenvolvidos. É claro que pontos muito importantes não foram abordados aqui, por exemplo, como calcular os limiares e outros parâmetros. Agora é com você, continue estudando. Há muito que se investigar!

Quer baixar o texto? Clique aqui.

Nota

1 – No cálculo do limiar diferencial, dois estímulos são apresentados em sucessão ou simultaneamente. Um deles é fixo, constante, conhecido como Estímulo Padrão, St na abreviatura em inglês (Standard Stimulus). O outro é variável, assumindo diferentes valores acima e abaixo do estímulo padrão, conhecido como Estímulo de Comparação ou teste, abreviatura em inglês Cs (Comparison Stimulus)
2 - Este tipo de erro pode acontecer também com a apresentação simultânea do estímulo padrão e do estímulo de comparação. Se a posição deles é fixa, por exemplo se o estímulo padrão sempre é apresentado à esquerda ou acima em relação ao de comparação, se observará um erro constante. Por isso é importante variar a posição de apresentação dos estímulos.

Leonardo Gomes Bernardino

_______________________________________________________________

Gostou? Quer ler mais? 

• Ehrenstein, W. H.; Ehrenstein, A. (1999). Psychophysical Methods. In: U. Windhorst; H. Johansson, Modern Techniques in Neuroscience Research. Berlin: Springer.

• Schiffman, H. R. (2005) Psicofísica. In: H. R. Schiffman, Sensação e Percepção (pp. 17-33). Rio de Janeiro: LTC.

Ética na Pesquisa

Discutir todos os aspectos éticos não será o objetivo deste texto, e nem temos capacidade para isto. Só queríamos levantar alguns pontos sobre a importância e a conseqüência de uma pesquisa cientifica. Imagine o seguinte: você, aluno de psicologia, biologia, medicina ou qualquer outro curso que faça pesquisas com humanos, tem uma idéia e acha que ela pode mudar o mundo. Mas para testá-la você terá que fazer algumas pessoas sofrerem. Tudo certo, né? Afinal, se sua idéia der certo irá ajudar milhões de pessoas. Você pode estudar pacientes que tenham alguma doença grave e que estejam dispostos a serem submetidos ao que você propõe. Mas quem seria o primeiro a ser estudado nesta sua pesquisa? Você? Seus pais? Seus filhos? Você faria alguma pessoa que você gosta sofrer?

Não. O mesmo se aplica às pessoas que você não conhece, todos os seres humanos devem ser protegidos de situações indesejáveis, independente se ele é seu conhecido, se é sua mãe, um doente incurável etc.

Mas nem todos os pesquisadores pensam assim. A história da ciência é cheia de pesquisas que foram conduzidas sem levar em conta este aspecto. Utilizaram pessoas em situação vulnerável, como os judeus e ciganos presos nos campos de concentração nazistas, pessoas em hospitais psiquiátricos, crianças órfãs e até mesmo bebês.

Um exemplo clássico vem da psicologia, com John Watson (1878-1958). Ele foi um célebre psicólogo e pesquisador norte-americano. Para testar sua idéia sobre o condicionamento clássico de Pavlov ele usou um bebê de 9 meses chamado de pequeno Albert. Ele queria saber se o bebê poderia ser condicionado a ter medo de objetos neutros. Mais especificamente, queria testar se o medo era inato ou aprendido. Ele apresentava alguns objetos e animais para o pequeno Albert, e ele não demonstrava medo algum. Por exemplo, quando Watson colocava um rato perto do bebê, o pequeno Albert brincava com o ratinho. Ele fez isso usando ratos brancos, macaco, máscaras com ou sem pêlos, algodão, jornal em chamas. A resposta era a mesma, o bebê não apresentava medo algum. Para fazer o condicionamento “de medo” Watson usou o som estrondoso do bater de um martelo numa barra de aço. A partir desta etapa inicial, toda vez que o bebê tocava o rato, o pesquisador ou algum assistente fazia o barulho. Então nosso pequeno Albert chorava e apresentava comportamentos de medo. Isso foi repetido diversas vezes. Depois disto, bastava mostrar o rato branco ao pequeno Albert para que ele exibisse comportamentos de medo. O condicionamento parecia ter funcionado. Mas este não deveria ter sido o fim da pesquisa com o pequeno Albert, pois depois ele deveria ter sido contra- condicionado (“descondicionado”). Coisa que não aconteceu.

Figura 1. Pequeno Albert vendo John Watson com uma máscara. Fonte da imagem: http://www.ritalinfoibles.com/?p=1176

John Watson por alguns motivos pessoais e profissionais teve que abandonar seu serviço na Universidade Johns Hopkins e não pôde fazer a segunda parte da pesquisa. Existem muitos mitos sobre o que teria acontecido ao pequeno Albert, mas uma pesquisa que foi conduzida recentemente concluiu que ele morreu aos 6 anos por causa de uma meningite (leia aqui).

Aqui é possível ver Watson condicionamento o pequeno Albert.

É importante também relatar aqui outra pesquisa mais recente, o caso John/Joan. Um garoto chamado Bruce Reimer (1965 – 2004) - depois se tornaria David - foi submetido a uma circuncisão aos oitos meses, porém durante o procedimento houve um erro e ele sofreu um grave dano em seu pênis. Preocupados com seu futuro, os pais de Bruce procuraram ajuda com o psicólogo John Money (1921-2006), que era famoso por sua teoria sobre a sexualidade - alegava que a maneira como somos criados influencia mais o fato de sermos homem ou mulher do que o caráter biológico. John viu a grande chance de provar sua teoria, ainda mais porque Bruce tinha um irmão gêmeo que poderia ser o seu controle para o experimento. Ele então indicou que fosse feita uma cirurgia de mudança de sexo em Bruce, que passaria a se chamar Brenda. E Brenda passou a tomar hormônios femininos e todo ano se encontrava com John Money para fazer o acompanhamento de seu desenvolvimento. Parece ter sido uma boa idéia, não? Afinal, se ele tivesse crescido como garoto, teria grandes problemas devido ao que ocorreu com seu pênis. Mas não foi bem assim....

Figura 2. Bruce como Brenda (esquerda) e anos mais tarde como David (direita). Fonte da imagem: http://sites.google.com/site/davidreimerexperiment/

Para John Money o tratamento foi um sucesso, apesar de Bruce/Brenda se comportar como menino e ter sentimentos confusos sobre diversos assuntos. Brenda nunca se identificou como mulher, sofreu bullying na escola e aos 13 anos não suportava a idéia de reencontrar John. Aos 14 seus pais resolveram lhe contar a verdade. E então Brenda resolveu voltar a ser homem e se chamar David Reimer. Fez cirurgias para tirar os aspectos femininos de seu corpo e até para ter novamente um pênis. Casou-se e se tornou pai adotivo. Ele foi a TV contar sua história e seu caso se tornou bastante conhecido na época. Sua vida foi muito conturbada e ele cometeu suicídio em 2004.

Não vamos falar dos experimentos nazistas, que são muito conhecidos e vocês podem ler mais sobre eles aqui. Foi devido a estes descasos que o meio cientificou resolveu estabelecer normas para que as pesquisas sejam feitas. A ética sempre foi um assunto importante dentro da filosofia, e a partir de então passou a ser de suma importância também dentro da pesquisa científica (tanto com animais quanto com seres humanos).

Depois que as experiências nazistas foram descobertas, a comunidade internacional criou o Código de Nuremberg. Este código tem 10 princípios básicos que tratam desde a livre vontade da pessoa em participar da pesquisa (ela não pode ser obrigada) até a questão do sofrimento físico e mental desnecessário. Anos mais tarde foi elaborado a Declaração de Helsinque, em que as questões éticas das pesquisas e os procedimentos a serem adotados foram mais aprofundados.

Mais especificamente, estas declarações e outros códigos que surgiram estabeleceram que as pesquisas, antes de serem realizadas, devem ter seus projetos avaliados por um Comitê de Ética. Este comitê é independente e formado por um grupo de pessoas com diversas formações, por exemplo, farmácia, biologia, psicologia, medicina, enfermagem, direito, química e etc. Isto garante ao colegiado uma maior abrangência para diversos tipos de pesquisas. E de maior importância, ele serve para garantir que os participantes das pesquisas tenham sua integridade e dignidade respeitadas. Além disso, essa avaliação pelo comitê garante que sua pesquisa esteja dentro dos padrões éticos estabelecidos.

Vamos estabelecer um paralelo com sua vida. Ao tentar decidir sobre algo importante, como a escolha de um curso, você consulta seus pais, amigos e outras pessoas para saber se sua decisão é ou não adequada. Você tenta buscar outros pontos de vista. Nós fazemos isso constantemente, seja ao escolher um filme para assistir no cinema, ou quando nos interessamos por alguém. Por exemplo, ao escrever este texto eu pedi para o Leonardo e o Rui darem uma lida nele antes. Eles deram suas opiniões, algumas eu acatei, outras não. Este ponto de vista externo é interessante porque nós temos nossa própria forma de ver o mundo que interfere no que fazemos. E acontece o mesmo com a pesquisa. Por mais que a ciência em si tente ser imparcial, e por mais bem intencionado que o pesquisador seja, ele não consegue ver todos os ângulos do problema, todas as conseqüências de seu estudo. Então é de importância fundamental ter uma segunda opinião, principalmente de um grupo de pessoas que entendem dos aspectos éticos envolvendo pesquisas.

Apesar de todo este cuidado, pesquisas que não respeitam os padrões éticos ainda são feitas, mas em quantidade bem menor. Será que o psicólogo do David Reimer se preocupou com a sua decisão, ao indicar a cirurgia de mudança de sexo? Será que ele conversou com mais pessoas, outros especialistas? Ou ele tomou uma decisão que achou acertada, e só quis aproveitar para estudar o desenvolvimento da personalidade de David/Brenda? A idéia parece interessante, mas eu não faria o mesmo.

Se você achou o assunto interessante, ou precisa saber como submeter um projeto de pesquisa para um Comitê de Ética, você pode acessar o site da Faculdade de Filosofia Ciências e Letras, da USP de Ribeirão Preto. Nele você encontra um passo a passo de como deve proceder para isto.

Quer baixar o texto? Clique aqui.

Bruno Marinho de Sousa

___________________

Para entender mais do assunto:

RESOLUÇÃO Nº 196, DE 10 DE OUTUBRO DE 1996 estabelece as normas para pesquisas no Brasil.

Para pesquisas em Psicologia: RESOLUÇÃO CFP Nº 016/2000 DE 20 DE DEZEMBRO DE 2000 

 

 

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.