ANAI

SDACONFERNCI AI
NTERNACI ONAL
DECINCIASFORENSESEM MULTIMDIA
ESEGURANAELETRNICA

18a21deSetembrode2012
Bras
li
a/DF,Bras
il
ANAIS DA CONFERNCIA INTERNACIONAL
DE CINCIAS FORENSES EM MULTIMDIA
E SEGURANA ELETRNICA

18 a 21 Setembro de 2012
Braslia-DF
 Sumrio
3 Apresentao
6 Tutorial: Perspectivas da Fontica Forense num Cenrio de Quebra
do Dogma da Unicidade
28 Artigos
29 Aplicao de Engenharia Reversa em Exames de Verificao de
Edies de Vdeos Digitais
34 Identificao de Origem e Verificao de Edies em Filmes
Fotogrficos: Anlise de Um Caso Real.
40 Deteco de Nudez Utilizando Redes Neurais Artificiais
44 Mtodo para Compatibilidade entre Impresses Digitais com e sem
Contato
49 Estudo de Performance de Algoritmos de Verificao de Impresses
Digitais Aplicveis a Smart-Card
57 Avaliao de Tcnicas de Seleo de Quadros Chave na
Recuperao de Informao por Contedo Visual para Identificar
Crimes Cibernticos em Contedo Multimdia
64 Reconstruo de Trajetria de Voo para Simulaes 3D em
Sinistros Aeronuticos
72 FI2 - Uma Proposta de Ferramenta para Investigao Forense em
Imagens
78 Exames de Reconhecimento Facial na Polcia Federal
86 Estimativa de Altura de Indivduos em Imagens de Perspectiva
Cnica com Distores Esfricas (Caso Prtico)
94 On the Practical Aspects of Applying the PRNU Approach to Device
Identification Tasks
100 Avaliao de Classificadores Haar Projetados para Deteco Facial
107 Identificaco de Cmeras de Celulares Usando Sensor Pattern
Noise
Apr
esent
ao
 com muita satisfao que reunimos nesta obra os
artigos que foram submetidos I Conferncia Internacional de
Cincia Forenses em Multimdia e Segurana Eletrnica e
selecionados por sua relevncia no desenvolvimento e na
divulgao do trabalho pericial correlatado anlise forense de
evidncias multimdia e implementao de sistemas de
segurana eletrnica.
Fruto do trabalho de Peritos Criminais e pesquisadores,
os artigos selecionados so reflexo de uma iniciativa de
grandioso valor que busca a disseminao e uniformizao do
conhecimento na realizao de exames periciais, a integrao
entre os especialistas forenses e o desenvolvimento de tcnicas,
mtodos e doutrinas relacionados a prtica pericial na realizao
de exames que envolvam a anlise de evidncias multimdia e
sistemas de segurana eletrnica.
Sendo assim, podemos destacar alguns estudos de caso
onde Peritos Criminais relatam a soluo de problemas
importantes na prtica da atividade pericial, envolvendo a anlise
de contedo de evidncias multimdia, como vdeos, imagens e
registros de udio, bem como a busca de indcios de edio. A
realizao de tais estudos serve no somente para a divulgao
dos trabalhos, mas tambm para a discusso de outras

4
abordagens e solues, bem como para a uniformizao de
procedimentos, sempre observando as melhores prticas.
Tambm so apresentados trabalhos de pesquisa
envolvendo proposio de solues para diferentes problemas,
com suas vantagens e desvantagens, assim como novas
abordagens para problemas em aberto. Nesse contexto, so
apresentados trabalhos relacionados utilizao e ao
desempenho de sistemas de biometria por impresses digitais,
biometria facial, deteo de nudez e identificao de origem de
imagens estticas.
Alguns trabalhos relacionados metodologia
empregada em exames periciais envolvendo a anlise de
evidncias multimdia foram realizados, funcionando como
catalizadores para uma evoluo sistemtica e paulatina das
prticas periciais, visando um melhor aproveitamento da prova
material.
Este compndio traz ainda um excelente tutorial
relacionado a metodologia empregada em exames na rea de
fontica forense. O tutorial intitulado Perspectivas da Fontica
Forense num Cenrio de Quebra do Dogma da Unicidade, aborda
um tema de extrema importncia para a Criminalstica como um
todo, e de grande atualidade.
Gostaramos, por ltimo, de agradecer a todos os
autores que, com sua participao, contriburam para a
produo de um evento de qualidade.

Comisso Tcnica da ICMedia 2012

5
Tut
ori
al
 Perspectivas da fontica forense num cenrio de
quebra do dogma da unicidade
Charles Rodrigues Valente
SEPAEL, Instituto Nacional de Criminalstica
Braslia, DF, CEP 70.610-902, Brasil
charles.crv@dpf.gov.br

RESUMO Na percia oficial brasileira ainda h pouca
discusso a respeito da chamada mudana de paradigma
na Criminalstica, com sua crtica ao dogma da unicidade.
Este tutorial apresenta os principais argumentos que emba-
sam as propostas recentes de uma nova abordagem para a
comparao forense de locutor, alm de tambm discutir a
utilizao de razes de verossimilhana (LR, Likelihood
Ratios) nesse tipo de exame.
1. INTRODUO

um exame de DNA forense que investi-
ga se um resduo biolgico foi produzi-
do por um determinado suspeito;

um exame de reconhecimento de pa-
dro que procura determinar se uma
marca de solado provm de determina-
do calado;

Muitas reas da Criminalstica envolvem o
um exame de reconhecimento facial em

que chamaremos aqui de problema da determi-
nao da fonte ou origem: dado um vestgio
o material questionado , uma pessoa ou objeto
suspeitos de o terem produzido (ou terem sido
utilizados na sua produo) so apresentados
percia, para obteno de material de mesma
natureza do material questionado, o qual cons-
tituir o material padro. Em alguns casos, o
material padro pode ter sido obtido por outras
instncias que no a pericial, sendo posterior-
mente encaminhado aos peritos.
O que se pergunta percia : a pessoa ou
objeto suspeitos produziram o vestgio?
So exemplos desse tipo de exame:

um confronto microbalstico no qual se
investiga se um projetil foi disparado
por uma determinada arma de fogo;
que se compara a imagem da face de
uma pessoa em um vdeo de um siste-
ma de vigilncia com a fotografia de
um suspeito obtida em situao contro-
lada;

um exame de fontica forense em que
se avalia se as falas em uma gravao
questionada foram emitidas por uma
determinada pessoa.
Os exames relacionados determinao da
fonte so tradicionalmente abordados a partir
de uma metodologia de comparao de caracte-
rsticas que tem os seguintes passos gerais:
1) anlise prvia do material questionado
a fim de verificar se ele contm infor-
mao suficiente para possibilitar a
comparao;

um exame grafoscpico (ou grafotcni- 2) obteno de material padro apropria-

co) que avalia se lanamentos manus-
critos questionados foram produzidos
por uma determinada pessoa;

um confronto datiloscpico que procura
atribuir (ou no) a produo de um
fragmento de impresso digital a uma
determinada pessoa;
do, ou anlise do material enviado pe-
rcia a ttulo de padro para verificar se
utilizvel. Em geral, esse estgio leva
em conta requisitos referidos nos textos
de Criminalstica como adequabilida-
de, quantidade, contemporaneida-
de, autenticidade e
espontaneidade (por exemplo, ver:
[1], p. 203-204; [2], p. 300-314; [3], p.
286-287);

7
 3) extrao ou levantamento de um deter-
minado conjunto de caractersticas jul-
gadas discriminadoras do material pa-
dro e do material questionado;
4) comparao das caractersticas levanta-
das e concluso a respeito da coinci-
dncia ou no da origem do material
padro e do material questionados.
A respeito dessa metodologia geral, h duas
questes subjacentes de grande importncia e
que esto inter-relacionadas:
Questo 1: que embasamento cientfico os
respectivos ramos da Criminalstica
apresentam para concluir sobre a ques-
to da determinao da fonte ou origem
a partir dessa metodologia geral?
Questo 2: que tipo de concluso possvel
apresentar? Quantitativa, qualitativa,
categrica, escala de probabilidade?
2. IDENTIDADE QUALITATIVA E IDENTIDADE NUMRICA
Para tentar responder s questes propostas
ao final da introduo, necessrio primeira-
mente distinguir duas operaes lgico-concei-
tuais que, normalmente, na determinao fo-
rense da origem de um vestgio, tanto nos lau-
dos periciais quanto em muitos livros e peri-
dicos da rea, so confundidas.
2.1. IDENTIFICAO E INDIVIDUALIZAO
Usando a nomenclatura encontrada em [4],
p. 206, essas duas operaes so denominadas
identificao (ou identificao qualitativa,
como veremos a seguir) e individualizao
(ou identificao numrica, como tambm
veremos a seguir).
A identificao seria o agrupamento de um
conjunto de seres em uma classe com base no
levantamento de caractersticas comuns entre
esses seres. J a individualizao seria a opera-
o de destaque de um nico ser.
Deve-se notar que, na lngua portuguesa, no
seu uso comum, identificao, bem como
cognatos como identidade, so termos amb-
guos, que podem ter, conforme o contexto,
qualquer um dos dois significados. Quando,
por exemplo, algum diz eu me identifico
com Fulano de Tal, quer dizer que v entre si
e Fulano de Tal um conjunto de caractersticas
comuns (preferncias, viso de mundo, atitudes
etc.) que permitem colocar a si e Fulano de Tal
em uma mesma classe, e esse significado de
identificao est relacionado ao primeiro
conceito definido no pargrafo anterior. J
quando, por exemplo, no noticirio dito que
o suspeito do crime foi identificado, o signi-
ficado de identificao (ou deveria ser) o que
se denominou no pargrafo anterior de indivi-
dualizao.
Se a anlise pericial demonstrar que proprie-
dades do material questionado e do padro in-
dicam que o ente (pessoa ou objeto) que os
produziu tem um certo conjunto de caractersti-
cas comuns, ter, a rigor, determinado uma
classe de seres que poderiam dar origem ao
vestgio, e realizado uma identificao, no
uma individualizao. Essa identificao est
relacionada, conforme [4], p. 206, ao que tam-
bm denominado identidade qualitativa dos
membros da classe.
Por outro lado, se a anlise da origem apon-
tar uma pessoa ou objeto especfico como
aquele que originou o vestgio, o que se reali-
zou foi uma individualizao, a qual est rela-
cionada ao que se denomina identidade num-
rica daquela pessoa ou objeto especfico.
Pela prpria natureza das duas operaes,
v-se que a identidade qualitativa, no caso da
investigao de origem, pode ser estabelecida a
partir do levantamento de caractersticas co-
muns entre dois entes ou, ainda, pelas caracte-
rsticas comuns entre traos ou marcas por eles
produzidas. J a identidade numrica s pode
ser estabelecida, a rigor, pela garantia da conti-
nuidade no tempo, no caso, entre o instante em
que o ser produziu o vestgio e o instante em
que a sua identidade foi atestada.
Portanto, da identidade qualitativa no se-
gue, por deduo, a identidade numrica.
2.2. ESCOLHA DE CARACTERSTICAS DEFINIDORAS DA CLASSE
Deve-se notar que o estabelecimento da
identidade qualitativa processo que chamare-
8
mos aqui de identificao qualitativa est
umbilical e necessariamente associado esco-
lha de um modelo e/ou de um conjunto de ca-
ractersticas as quais so usadas para definir a
classe de seres.
Essa escolha pode implicar, dependendo do
tipo das caractersticas classificadoras, em ter
outro nvel de escolha embutido: a determina-
o, qualitativa ou quantitativa, de quando se
considera a caracterstica presente ou no, ou a
adoo de uma escala de gradao que vai da
ausncia ou presena, em grau mximo, da ca-
racterstica.
No caso da percia de determinao da fonte,
o que se quer dizer que o resultado da percia
diretamente dependente dos parmetros de
comparao e da mtrica escolhida para men-
surar a distncia entre o material questionado e
o material padro.
Esse processo de escolha no pressuposto
lgico necessrio no estabelecimento da identi-
dade ou identificao numrica.
2.3. CONTINUIDADE NO TEMPO
A continuidade no tempo no uma questo
alheia ao contexto jurdico-policial e pericial.
Por exemplo, ela a preocupao central quan-
do se fala em cadeia de custdia ([4], p. 207),
ou seja, quando se implementam mecanismos
que busquem garantir que o vestgio colhido na
cena de crime ou apresentado como prova per-
manea o mesmo ao longo de toda a cadeia de
persecuo penal.
E ainda que muitos manuais tradicionais de
Criminalstica no explicitem a diferena lgi-
ca entre a identificao qualitativa e a identifi-
cao numrica, ela est implcita em relao
continuidade no tempo em um dos requisitos
desejveis do material padro: a contempora-
neidade em relao ao material questionado
(ver, por exemplo: [2], p. 300 e 308; [1], p.
203-204; [3], p. 286 e 292).
Exceto em exames associados a caractersti-
cas tidas como perenes ou de alterao apenas
em eventos drsticos como o caso do mate-
rial gentico e dos desenhos papilares, respecti-
vamente o requisito da contemporaneidade
reconhece que a comparao de caractersticas,
que o cerne da metodologia geral apresentada
na Introduo, no acompanha no tempo o ob-
jeto ou indivduo que produziram o vestgio.
2.4. HIERARQUIA DE PROPOSIES
Como visto, a anlise pericial da questo da
origem feita com base na metodologia geral
apresentada na Introduo no capaz, por
uma limitao lgica, de realizar a identifica-
o numrica. Porm, a identificao numrica
um pressuposto, ao menos terico, no qual se
fundamenta a imputao penal. Essa constata-
o poderia levar a concluir que a percia tem
uma contribuio pequena para a Justia, o que
obviamente incorreto.
Em primeiro lugar, o que se deve ter em
mente que a percia, apesar de ser um ele-
mento importante na cadeia de persecuo pe-
nal, no retira do rgo julgador a responsabili-
dade ltima pela deciso de mrito, em particu-
lar sobre a fixao penal da autoria do delito.
Alm disso, deve-se ter em mente que a per-
cia no se restringe aplicao da metodologia
bsica de investigao da origem.
Uma maneira de situar o trabalho da percia
na cadeia de persecuo penal a proposta de
hierarquia de proposies contida em [5], que
comentada, por exemplo, em [6], p. 118-120.
Com base nesse artigo, adaptando a aborda-
gem para o enfoque aqui desenvolvido, pode-
se dizer que as hipteses ou proposies pass-
veis de serem confrontadas pela percia so
classificveis em trs nveis:

nvel I ou nvel da fonte (source):
aquele em que as proposies ou hip-
teses se referem determinao da fon-
te ou origem do material questionado.
O exame centrado na anlise do vest-
gio e do material padro;

nvel II ou nvel da atividade (activity):
aquele em que as proposies se refe-
rem efetiva presena do suspeito no
tempo, lugar e situao em que se deu a
ao ou omisso objeto de questiona-
mento;
9

nvel III ou nvel do delito (offence):
aquele em que a percia trata de hipte-
ses referentes prtica da ao ou
omisso pelo suspeito.
Do nvel I para o nvel III cresce a aproxima-
o entre as proposies e o estabelecimento
da autoria delitiva.
importante salientar que essa hierarquia
no um esquema rgido (ver [5], p. 233), po-
dendo haver superposio de nveis. Alm dis-
so, o objetivo final dos autores daquele artigo
possibilitar uma anlise baseada em razes de
verossimilhana (LR, likelihood ratios), que
veremos mais frente. Por esse motivo, as hi-
pteses ou proposies, em cada nvel, so
sempre analisadas em pares antagnicos, sendo
tambm importante distinguir entre proposi-
es e explicaes (ver [7]).
Seja, como exemplo, um caso de furto quali-
ficado, em que so encontradas marcas de cal-
ado no local de crime. A concluso de um
exame de reconhecimento de padro que con-
trasta essas marcas questionadas com aquelas
de um calado do suspeito ser de nvel I.
O nvel I o campo por excelncia da per-
cia. No caso da investigao da origem, esse
o nvel em que se situa a metodologia geral
descrita na Introduo e mesmo qualquer outra
metodologia que tenha o mesmo objetivo,
como as baseadas em razes de verossimilhan-
a.
A rigor, no nvel I, no est em questo a
continuidade no tempo. Portanto, no nosso
exemplo, mesmo que houvesse sido estabeleci-
do que as marcas encontradas no local de crime
vieram do calado do suspeito (veremos mais a
frente qual o grau de certeza possvel de se
ter numa afirmao desse tipo), isso no garan-
tiria que foi o suspeito quem adentrou o local
do furto, pois, por exemplo, outra pessoa pode-
ria estar usando aquele calado, emprestado
pelo, ou subtrado do, suspeito.
Dessa forma, a percia no pode afirmar,
com base apenas no vestgio em questo e no
material padro, que efetivamente o suspeito
estava no local, tempo e circunstncia em que
ocorreu o furto. Para isso, seria necessria in-
10
formao de natureza circunstancial, ou seja,
informao que agregasse elementos de conti-
nuidade no tempo anlise. Proposies desse
tipo j seriam do nvel II na hierarquia proposta
em [5].
Progredindo na hierarquia, no nvel III tem-
se que as hipteses a serem confrontadas dizem
respeito ao cometimento, pelo suspeito, da
ao ou omisso descritas no tipo penal. O tra-
balho da percia nesse nvel tangencia o dom-
nio que , por excelncia, do julgador. Acima
do nvel III esto as questes jurdico-penais
propriamente ditas: inteno (dolo e culpa), ex-
cludentes de ilicitude etc.
No sistema processual brasileiro, e na pr-
pria cultura da sua percia criminal oficial, o
perito no incentivado a incluir na sua anlise
elementos que vo alm dos vestgios propria-
mente ditos, e, principalmente, informao
contextual, e portanto extracientfica, que, ape-
sar de no necessariamente incorreta, depende
de outros tipos de prova (por exemplo, a teste-
munhal) ou mesmo da assuno de elementos
circunstanciais.
O fato de [5] incluir a participao da percia
em consideraes de nvel II e, principalmente,
nvel III que no seriam da alada pericial na
tradio brasileira talvez se explique porque,
na tradio processual dos autores daquele arti-
go o Reino Unido os peritos sejam costu-
meiramente chamados para testemunhar em ju-
zo e opinar sobre esse nveis, sendo esse teste-
munho parte integrante do trabalho pericial. No
Brasil, a percia se manifesta fundamentalmen-
te por meio do laudo pericial, podendo ser ou-
vida em audincia apenas para esclarecer sobre
o exame (art. 159, 5o, inciso I e art. 400, ca-
put e 2o, todos do Cdigo de Processo Penal
CPP, [8]).
Alm disso, como fica evidenciado em [7],
mesmo no nvel III a percia avalia pares de hi-
pteses passveis de possibilitar uma anlise
estatstica, sendo isso distinto da mera emisso
de uma opinio.
Em todo caso, talvez seja prudente conside-
rar que concluses de nvel II e III, a rigor, s
sero da alada pericial quando os elementos
circunstanciais forem colhidos pela prpria pe- TABELA 1
IDENTIFICAO QUALITATIVA VERSUS IDENTIFICAO NUMRICA
rcia, que, munida de sua f pblica, pode agre-
Tipo de identifica- Qualitativa Numrica
g-los nas consideraes a serem feitas no lau- o
do pericial.
Resultado O resultado uma clas- O resultado uma
sificao (a fonte do individualizao.
No exemplo da marca de calado, a existn- vestgio ou no da
cia de prova testemunhal que relacione o sus- mesma classe da fonte
do padro).
peito ao local e ao horrio provvel de ocorrn-
cia do furto um elemento circunstancial rela- Nmero de seres Varivel conforme o 1 (um).
discriminados caso, podendo ser qual-
cionado ao nvel II, porm no de natureza as- quer inteiro maior ou
similvel a prova pericial. igual a 1.
Dependncia em Dependente intrinseca- No utiliza parme-
Nada impede, entretanto, que essa informa- relao escolha mente. tros de classifica-
de parmetros de o.
o seja indiretamente includa na anlise peri- classificao/com-
cial por meio, por exemplo, de um quesito que parao
pede um estudo de plausibilidade de uma de- Relao com a No pressupes meca- A continuidade no
terminada dinmica de eventos que inclui o continuidade no nismo de garantia de tempo pressuposto
tempo continuidade. O resulta- essencial.
suspeito como o agente delituoso. do pode variar se a fonte
do material questionado
Em contraste, um exemplo de proposio se alterar.
efetivamente pericial de nvel II seria a que Correlao com a Relacionada a proposi- Relacionada a pro-
conclusse, num exame de local em suspeita de hierarquia de pro- es de nvel I (fonte). posies de nvel II
posies (atividade) e III (de-
crime de telecomunicao, por meio de consta- lito).
tao in loco realizada pela equipe de peritos,
que uma estao clandestina operada por um Deve ficar claro que as questes de persis-
determinado indivduo transmitia informao tncia e, em particular, transferncia podem
por processo eletromagntico. ser, e normalmente so de fato, pericialmente
importantes na aceitao, como vestgio, do u-
2.5. RESUMO DAS CARACTERSTICAS DOS DOIS TIPOS DE dio questionado. Porm, isso no parte do
IDENTIFICAO exame de comparao forense de locutor, mas
A Tabela 1 contrape a identificao qualita- do exame de verificao de edio (ver [9], p.
tiva e a identificao numrica tendo em vista 299; [3], p. 284-285).
o que foi apresentado at aqui.
3. O DOGMA DA UNICIDADE
Os exames periciais de determinao da fon-
A diferena entre identificao qualitativa e
te se baseiam, como regra geral, em anlise de
identificao numrica teria pouca relevncia
material questionado e padro, circunscreven-
prtica na percia se fosse possvel demonstrar
do-se ao nvel I (nvel da fonte) da hierarquia
para os exames de determinao da fonte cir-
de proposies e constituindo uma atividade de
cunscritos ao nvel I da hierarquia de proposi-
identificao qualitativa.
es que a metologia de anlise, ainda que
Esse o caso de todos os exemplos dados na em condies especficas, seria capaz de deter-
Introduo quando a anlise se basear em me- minar classes que contivessem um nico ele-
todologias de comparao entre vestgio e ma- mento.
terial padro, sem preocupao direta com
Ou, equivalentemente, se fosse possvel de-
questes de persistncia e transferncia de mar-
monstrar o que chamaremos aqui de unicidade:
cas e traos.
apenas um nico ente (pessoa ou objeto) pode-
Em particular, o caso da comparao fo- ria produzir o vestgio com as caractersticas
rense de locutor (ltimo exemplo dado na In- levantadas pela anlise pericial.
troduo).
Juntando-se unicidade o requisito da con-
temporaneidade do material padro, que garan-

11
tiria a continuidade no tempo, chegar-se-ia
concluso de que o exame de investigao da
fonte realizado conforme a metodologia de
comparao delineada na Introduo, que
uma identificao qualitativa, faria as vezes,
para os fins prticos, de uma individualizao.
3.1. A FALCIA DA INDIVIDUALIZAO
No se analisaro aqui as questes relativas
ao requisito da contemporaneidade, que depen-
dem de consideraes particulares para cada
tipo de vestgio.
No que se refere ao pressuposto da unicida-
de, verifica-se que, em geral, na Criminalstica
ele no somente assumido como hiptese de
trabalho provisria, a ser colocado sob teste
empiricamente, mas como verdade bvia e evi-
dente (ver [10] e [11]).
O que se observa em muitos textos devota-
dos ao tema da Criminalstica - e no somente
no Brasil - bem como na prtica diria de vri-
as reas da percia, a assuno da unicidade
como um verdadeiro dogma.
Sua base consiste de um raciocnio indutivo
que iguala infrequncia a unicidade, fundamen-
tado no acmulo de experincia pessoal no
sistematizada, reforado pelas afirmaes de
estudiosos vistos como baluartes nas suas res-
pectivas reas (argumento de autoridade).
Alm disso, como afirmado em [4], p. 208, a
hiptese da unicidade da fonte no s assumi-
da como verdade mas tambm transferida,
sem questionamento, para o vestgio produzi-
do.
Configura-se, assim, o que [11] chama de
falcia da individualizao.
Por exemplo, para justificar a capacidade de
determinao individualizadora da percia gra-
foscpica, um texto da rea afirma:
A escrita individual. A escrita resultante de est-
mulos cerebrais que determinam movimentos e estes
criam as formas grficas.
Muito embora os crebros de todos sejam anatomica-
mente iguais, a sua funo varia de pessoa para pes-
soa. O mesmo ocorre com o sistema somtico. Vale
dizer, portanto, que ambos tendem variar (sic) ao in-
finito. Como a escrita resulta do concurso desses dois
sistemas, evidentemente ela tambm varia ao infini-
to.
Se assim no fosse, a percia grafotcnica, que acei-
ta universalmente, no teria o menor valor.
([1], p. 29; grifos em negrito meus).
De modo semelhante, mas em relao aos
exames comparativos na balstica, outro texto
afirma:
(...) assim como pacfico que duas impresses digi-
tais cujos desenhos coincidam exatamente s podem
corresponder a um mesmo dedo, assim tambm pode-
se ter como indiscutvel que a presena de deforma-
es normais convergentes, em dois ou mais projetis,
significa que foram todos expelidos por um s e mes-
mo cano raiado.
([2], p. 316; grifos meus).
Para exemplos semelhantes na literatura em
ingls, ver [11], p. 203-206.
3.2. PREMISSAS DA FALCIA DA INDIVIDUALIZAO
Como discutido em [10] e [11], h diversas
razes, inclusive de cunho sociolgico, que po-
dem explicar a presena razoavelmente disse-
minada da falcia da individualizao, ou
seja, da afirmao categrica da capacidade in-
dividualizadora dos exames baseados em com-
parao de caractersticas, na Criminalstica.
Destacam-se a seguir duas das justificativas
levantadas em [11] e que podem ser observadas
nas duas citaes diretas feitas acima.
3.2.1. O NMERO DE COMBINAES POSSVEIS
A primeira diz respeito ao nmero de combi-
naes possveis de determinadas caractersti-
cas. Ainda que esse nmero seja grande, indi-
cando que a possibilidade de coincidncias
baixa, a matemtica e a estatstica no permi-
tem concluir que ela pode ser assumida, mes-
mo para os fins prticos, como sendo nula.
O conhecido paradoxo do dia de anivers-
rio (ver, por exemplo, [12], p. 64) mostra que
o clculo de probabilidades apresenta muitas
vezes resultados que no so intuitivos. Assim
que, apesar de haver, desconsiderando-se os
bissextos, 365 dias em um ano, basta tomar 23
pessoas ao acaso para que a probabilidade de
que pelo menos duas delas faam aniversrio
no mesmo dia seja maior do que 50% (na ver-
dade, essa probabilidade ser de aproximada-
12
mente 50,73%). Com 57 pessoas, a probabili-
dade de ter pelo menos uma coincidncia ultra-
passa 99%.
Esses nmeros 23 e 57 so, respectiva-
mente, duas e uma ordem de grandeza menores
do que o universo de possibilidades, 365.
No caso geral, havendo um universo de k
possibilidades equiprovveis de combinaes
de um conjunto de caractersticas e n seres que
apresentam uma dessas combinaes, a proba-
bilidade p de que pelo menos dois desses seres
tenham as mesmas caractersticas :
p = 1 p2
onde p2 a probabilidade de que no haja ne-
nhuma coincidncia, ou seja,
k k 1 k ( n1 ) k!
p 2= = como no caso do DNA, a estatstica, vale lem-
k k k (k n)!k n
e, portanto,
k!
p=1 n (1)
( k n )!k
Pode-se argumentar que, na prtica, dada a
enorme quantidade de possibilidades de combi-
naes de um determinado conjunto de caracte-
rsticas por exemplo, os pontos caractersti-
cos em um fragmento de impresso digital , o
clculo de probabilidade de coincidncias ao
acaso utilizando (1) (ou qualquer expresso se-
melhante) resultaria em valores nfimos para p,
que permitiriam, mesmo considerando toda a
populao de fontes possveis no planeta, fazer
uma identificao individualizadora categrica.
Entretanto, muitas caractersticas envolvidas
em problemas de determinao da fonte co-
muns na Criminalstica no tm o seu mecanis-
mo satisfatoriamente descrito pela cincia.
Clculos de nmero de combinaes poss-
veis via de regra fazem suposies como a de
independncia de variveis e distribuio uni-
forme de possibilidades. Porm, se o mecanis-
mo fsico de determinao dessas caractersti-
cas no foi cientificamente levantado de modo
satisfatoriamente completo, pode haver, na rea-
lidade, variveis ainda no descobertas que fa-
zem determinadas combinaes mais provveis
do que outras.
Outros processos como por exemplo, a
aquisio de marcas de uso em solados de cal-
ados e de marcas de disparo em projetis de ar-
mas de fogo de alma raiada muitas vezes ca-
recem de modelamentos e levantamentos esta-
tsticos que permitam apresentar concluses
em exames periciais de modo mais objetivo.
Isso leva a uma consequncia, que parte da
boa prtica cientfica, mas, surpreendentemen-
te, tem ainda pouca ressonncia na cultura de
muitas reas periciais: a necessidade de realizar
levantamentos empricos e validaes estatsti-
cas, ao invs de se assumir a unicidade como
uma premissa inquestionvel.
Mesmo quando os fundamentos bsicos do
mecanismo sob anlise so bem estabelecidos,
brar, no leva individualizao. Por sua pr-
pria natureza, o que ela permite a quantifica-
o objetiva de uma inferncia. O exame peri-
cial de investigao da fonte continua sendo
uma identificao qualitativa ([13], p. 199; [4],
p. 209). A rigor, somente a verificao de todo
o espao amostral poderia levar individuali-
zao ([11], p. 7).
Apesar da simplicidade da considerao em-
butida na equao (1), importante refor-la.
Muitas reas da Criminalstica, ainda hoje, de-
senvolvem raciocnios equivocados que preten-
dem embasar concluses individualizadoras
para seus respectivos exames a partir da mera
determinao do nmero possvel de combina-
es de um conjunto de caractersticas (para
um exemplo desse equvoco, ver [14]).
3.2.2. CONHECIMENTO PACFICO E INDISCUTVEL
Outra justificativa subjacente defesa aprio-
rstica da unicidade e da capacidade individua-
lizadora dos exames de investigao da ori-
gem, mesmo no nvel I da hierarquia de propo-
sies, a inocorrncia de coincidncias, ou
seja, de seres diferentes produzindo vestgios
indistinguveis, observada pelos peritos ao lon-
go de sua experincia profissional.
Como destacado em [11], p. 212-213 e em
[10], h vrios problemas nesse raciocnio.
13
 Um deles lgico: a induo pode e
usada cientificamente na formulao de hipte-
ses, porm o acmulo de observaes no pro-
va a hiptese. Na realidade, basta uma observa-
o em discordncia com a hiptese para colo-
c-la em cheque (conceito da falseabilidade das
teorias cientficas, proposto por Karl Popper).
Afirmativas sobre a capacidade de individu-
alizao de exames criminalsticos deveriam,
ao menos, ser mais modestas, sob o risco de
pretenderem colocar a Criminalstica acima
das prprias Cincias Naturais.
Outro problema que, no cenrio de diver-
sas reas das chamadas cincias forenses, v-se
poucos estudos dedicados verificao, emba-
sada no mtodo cientfico, da hiptese da indi-
vidualizao. Baixo nvel de pesquisas formais
e mesmo de esforo concentrado em busca de
falsos positivos, alm da ausncia de levanta-
mentos extensos e bancos de dados, parecem
ser mais a regra do que a exceo, incluindo na
rea de comparao forense de locutor.
Epistemologicamente, todas as Cincias Na-
turais tm no raciocnio indutivo um dos seus
pilares e, do ponto de vista sociolgico, os ci-
entistas, na prtica do dia a dia, tambm podem
tender a apropriar como dogma as hipteses e
teorias de ampla aceitao na comunidade ci-
entfica em dado momento histrico, at por
uma questo de eficincia (ver [15] ou [16]).
Porm, a cultura cientfica, ao mesmo tem-
po, tambm destaca a necessidade de testes sis-
tematizados e objetivos no processo de estabe-
lecimento de hipteses.
Considerando, alm disso, que em muitas
reas, incluindo a comparao de falantes,
como veremos mais adiante, ainda no h par-
metros objetivos quantitativos para todos os as-
pectos levados em conta na anlise, seria dese-
jvel implantar uma cultura de incentivo a tes-
tes cegos de proficincia dos grupos periciais
([10]; [11], p. 201-202).
4. RAZO DE VEROSSIMILHANA
Abandonado o dogma da unicidade, a lgica
inferencial de base estatstica se apresenta
como a ferramenta preferencial para a soluo,
em bases cientificamente mais slidas, do pro-
blema da determinao da fonte.
Considerando o nvel I da hierarquia de pro-
posies, a metodologia tradicional de compa-
rao de caractersticas entre os materiais ques-
tionado e padro dever ser complementada
pela avaliao estatstica da distribuio dessas
mesmas caractersticas no restante da popula-
o de entes que, potencialmente, poderiam ter
produzido ou ter sido utilizados na produo
do vestgio.
O ideal, portanto, para a abordagem do pro-
blema da determinao da origem, no ape-
nas estabelecer o grau de compatibilidade entre
as marcas ou traos do vestgio e as marcas ou
traos do material padro ou seja, o seu grau
de similaridade , mas tambm avaliar estatis-
ticamente se as caractersticas observadas no
vestgio poderiam ter-se originado de outros
seres de uma populao de referncia, ou seja,
o grau de tipicidade do conjunto de caracters-
ticas do vestgio.
Por exemplo, um alto grau de similaridade
entre vestgio e material padro , em princ-
pio, favorvel a uma concluso positiva a res-
peito da identidade qualitativa entre a fonte do
material questionado e do material padro. Po-
rm, se o conjunto de caractersticas do vest-
gio for muito comum, ou seja, seu grau de tipi-
cidade for grande, isso ser desfavorvel
concluso positiva a respeito da identidade
qualitativa.
Considera-se atualmente que a metodologia
mais adequada para realizar os exames de de-
terminao da fonte segundo esses princpios
a que utiliza razes de verossimilhana no con-
texto da anlise bayesiana de dados.
4.1. ANLISE BAYESIANA DE DADOS
A abordagem, teoria ou interpretao bayesi-
ana da probabilidade, bem como sua faceta
operacional, a chamada anlise bayesiana de
dados, uma das teorias matemticas que tra-
tam do tema da probabilidade. Na realidade,
no totalmente correto falar em uma nica
interpretao bayesiana da probabilidade,
pois pode haver pequenas diferenas de viso
14
sobre aspectos especficos da probabilidade de
acordo com o autor consultado.
Neste tutorial, adota-se em linha geral, cha-
mando de abordagem, teoria ou interpretao
bayesiana, a encontrada em [17] e [18].
A teoria bayesiana pretende ser um sistema
lgico que permite atribuir um peso ou grau
plausibilidade de eventos incertos. A incerteza
deriva da ausncia de informao que permita
determinar por deduo e seguramente se o
evento ocorre ou no. A probabilidade, na vi-
so bayesiana, , portanto, um estado de conhe-
cimento, no uma entidade do mundo fsico,
externa ao observador ([19], p. 10-11).
Apesar de haver um foco no observador, o
que faz com que em geral se classifique a abor-
dagem bayesiana como uma teoria subjetiva da
probabilidade, ela permite atingir resultados
objetivos definidos, ou seja, inferncias de ca-
rter conclusivo obtidas por deduo, a partir
de inferncias tomadas como hipteses de tra-
balho indutivas, as quais so tambm informa-
das pelos dados observados. V-se, desde logo,
o papel importante que a probabilidade condi-
cional desempenha na anlise bayesiana.
Para uma discusso aprofundada da teoria
bayesiana, ver [18].
A teoria bayesiana se contrape, tanto do
ponto de vista filosfico quanto do ponto de
vista operacional, a muitos dos aspectos da
chamada teoria frequentista da probabilidade,
que, historicamente, norteou os estudos da pro-
babilidade na maior parte das geraes de ma-
temticos nos sculos XIX e XX.
A abordagem bayesiana centrada no teore-
ma de Bayes, que recebe seu nome do matem-
tico e reverendo ingls Thomas Bayes, o qual,
em um artigo publicado postumamente em
1763, apresenta expresses e raciocnios relaci-
onados probabilidade condicional.
Entretanto, na realidade, a formulao defi-
nitiva, e utilizada atualmente, do chamado teo-
rema de Bayes deve-se a Laplace (1749-1827),
que, em 1812, publicou um estudo no qual de-
senvolvia vrios aspectos de uma teoria da pro-
babilidade propriamente bayesiana.
15
Nas dcadas seguintes, entretanto, os princ-
pios do trabalho de Laplace foram colocados
em xeque, sob o argumento de que careciam de
rigor matemtico, por estarem baseados em
uma noo intuitiva e subjetivista da probabili-
dade.
Prevaleceu, a partir da, a chamada teoria
frequentista, onde a probabilidade de um even-
to incerto X, aqui indicada por p(X), (por
exemplo, ver [20]):
n( X ) (2)
p ( X )lim
n n
onde:
n o nmero de repeties, reais ou imagina-
das hipoteticamente, da situao ou experimen-
to em que X pode aparecer;
n(X) o nmero de vezes em que se observa X.
A teoria frequentista tambm conhecida
como a teoria tradicional ou ortodoxa da pro-
babilidade. Ela fortemente dependente do
conceito de aleatoriedade (randomness), en-
quanto a teoria bayesiana, por outro lado,
centrada no conceito de incerteza.
Como a noo de inferncia inerente de-
finio bayesiana de probabilidade, essa teoria
transita naturalmente para o campo da infern-
cia estatstica, ao passo que, no contexto da
abordagem tradicional da probabilidade, a infe-
rncia estatstica considerada uma disciplina
distinta, ainda que correlacionada com a proba-
bilidade.
Outra diferena que a abordagem tradicio-
nal, por sua definio de probabilidade, leva
diretamente regra da probabilidade conjunta
de eventos, podendo-se dizer ento que essa re-
gra se sobressai nessa teoria. Na abordagem
bayesiana, a regra bsica a da probabilidade
condicional, que veremos mais adiante. Opera-
cionalmente, ela permite obter resultados a par-
tir da assuno de um grau de plausibilidade a
priori. Ao mesmo tempo, essa regra seria a ex-
presso da prpria validade da abordagem ba-
yesiana.
A Tabela 2 mostra, de maneira resumida, as
principais diferenas entre a interpretao fre-
quentista e a bayesiana. Alguns aspectos pre-
sentes na tabela sero abordados no prximo Um dos marcos na retomada do interesse
item. pela teoria bayesiana foi a publicao do livro
da referncia [17], cuja primeira edio de
TABELA 2
INTERPRETAO FREQUENTISTA VERSUS INTERPRETAO BAYESIANA DA 1939.
PROBABILIDADE
Entretanto, do ponto de vista dos fundamen-
Interpretao: Frequentista Bayesiana tos da teoria, [23] tem relevncia proeminente
Significado de pro- Frequncia relativa Grau de plausibili- por tentar deduzir matematicamente, a partir de
babilidade dade
princpios elementares, as regras bsicas da in-
Natureza da pro- Propriedade da situao Estado de conheci-
babilidade sob anlise mento sobre a situa- ferncia lgica. Em outras teorias, como a fre-
o sob anlise quentista e a de Kolmogorov, essa dificuldade
Na relao obser- objeto ...observador no existe. Na teoria frequentista, essas regras
vador/objeto fo-
cada no ...
bsicas decorrem facilmente da definio de
Deduo x induo Se pretende uma teoria Pode-se dizer que
probabilidade. Na teoria de Kolmogorov, elas
puramente dedutivo- indutivo-dedutiva, so admitidas como axiomas ou so postas
matemtica se aproximando da como definies (ver [22], p. 20-21 e 27-28).
fsica-matemtica
Regra mais ca- Probabilidade conjunta Probabilidade con- Em [23], as regras deduzidas so:
racterstica dicional
Conceito impor- Aleatoriedade Incerteza probabilidade condicional:
tante
p ( X , Y I )= p ( X Y , I ) p ( Y I ) (3)
Admisso na teoria No admite, mas as tem Admite
matemtica de
probabilidades
de certa forma embuti-
das na escolha do mo-
probabilidade do complementar (ou re-
apriorsticas delo de inferncia esta- gra da soma):
tstica, que disciplina
a parte p ( X I )+ p ( X I )=1 (4)
Inferncia estatsti- uma disciplina parte conceitualmente
ca parte da teoria onde:
Papel do teorema Regra de aplicao no um mtodo geral
- a vrgula indica a operao E lgica;
de Bayes clculo de probabilida- de anlise - a barra vertical | significa dado ou su-
de condicional
pondo, ou seja, p(A|B) deve ser lido como
Dependncia em J era dominante antes Deve parte de sua probabilidade de A dado B, ou, equivalente-
relao dissemi- da disseminao dessas atual popularidade
nao de ferra- ferramentas disseminao do mente, p(A) supondo que p(B)=1;
mentas computaci- microcomputador a - X significa X falso ou X no ocorre;
onais partir da dcada de
1980 - I a informao ou evento de referncia
(background information), que destaca o fato
A teoria bayesiana no a nica abordagem de que toda probabilidade depende de pressu-
alternativa frequentista. O sistema axiomtico postos ([19], p. 5).
de Kolmogorov, por exemplo, utiliza teoria dos
conjuntos para fundamentar o estudo da proba- Nas expresses acima, como I pressuposto
bilidade (muitos manuais de probabilidade, para todos os eventos ou informaes, ele
como [21] e [22], usam essa abordagem). Po- pode, por economia na notao, ser omitido,
rm, o sistema de Kolmogorov mais afim desde que nunca seja esquecido que condio
com a teoria frequentista do que com a teoria prvia para todo o restante.
bayesiana. No caso pericial, podem-se citar como
Para outras teorias da probabilidade, inclusi- exemplos de pressupostos I em um exame de
ve que se afirmam bayesianas mas diferem do determinao da fonte no nvel I (um) da hie-
entendimento desse termo aqui delineado, ver rarquia de proposies: a integridade da cadeia
[18], apndice A. de custdia da prova, de modo que o vestgio
apresentado a exame aquele coletado na cena
4.2. O TEOREMA DE BAYES do crime; a validade da teoria cientfica que

16
subjaz ao exame, por exemplo, os princpios da
gentica em um exame de DNA.
Dados dois eventos X e Y, a partir da regra da
probabilidade condicional temos que:
{pp((YX ,,YI )= p ( XY , I )p (YI )
XI )= p(YX , I )p( X I )
mas:
p ( X , Y I )= p ( Y , X I )
pois falar no evento X e Y o mesmo que fa-
lar no evento Y e X. Das expresses acima
obtm-se, ento:
p ( X Y , I )p ( Y I )= p ( Y X , I )p ( X I )
p ( Y X , I )p ( X I )
p ( XY , I )=
p (YI )
A expresso (5) conhecida como teorema
de Bayes, e pode, como fica evidente acima,
ser obtida e utilizada no contexto da teoria fre-
quentista e de outras teorias da probabilidade,
j que, basicamente, um corolrio de (3) (ver,
por exemplo, [20], p. 36, e [22], p. 30-31).
O que distingue seu papel na probabilidade
bayesiana que, nela, o teorema de Bayes a
ferramenta de anlise principal. Para apreciar
sua importncia, consideremos, na expresso
(5), que X uma hiptese H cuja probabilidade
se deseja calcular e Y a informao ou evi-
dncia E obtida dos dados empricos. Dessa
forma:
p ( E H , I )p ( H I )
p ( HE , I )=
p( EI )
A expresso (6) mostra que o teorema de Ba-
yes uma maneira de calcular a probabilidade
da hiptese luz dos dados empricos a cha-
mada probabilidade a posteriori, p(H|E,I) ,
partindo de duas informaes: uma estimativa
inicial do valor dessa probabilidade a proba-
bilidade a priori, p(H|I) e o clculo da proba-
bilidade de que os dados empricos seriam real-
mente aqueles observados caso a hiptese fosse
verdadeira a chamada funo de verossimi-
lhana, p(E|H,I).
O termo p(E|I) uma espcie de constante
de proporcionalidade que, em muitos proble-
mas prticos, incluindo no uso forense das ra-
zes de verossimilhana, no relevante.
Ao contrrio do que a nomenclatura dos ter-
mos pode talvez sugerir, no apenas a funo
de verossimilhana que pode ser uma
funo. Qualquer dos termos do teorema de
Bayes pode ser uma funo densidade de pro-
babilidade discreta ou contnua, ou um valor de
probabilidade de um evento especfico.
No h em princpio restries para o valor
ou funo admitida para a probabilidade a pri-
ori, mas o valor de convergncia da probabili-
dade a posteriori, se houver um, poder ser al-
canado com maior ou menor quantidade de
dados dependendo da funo a priori utilizada.
(5)
Esse comentrio introduz outra caracterstica
da anlise bayesiana de dados, que o fato de
demandar mais esforo computacional para de-
terminados problemas do que se utilizada uma
abordagem de natureza frequentista. No co-
incidncia, portanto, que a popularizao do
microcomputador a partir da dcada de 1980
tenha coincidido com o aumento significativo
de interesse pela anlise bayesiana de dados.
4.3. APLICAO FORENSE DO TEOREMA DE BAYES: LR
Para equacionar o problema pericial da de-
terminao da fonte, seja Hso a hiptese de que
vestgio e material padro tenham vindo da
mesma fonte (so: same origin), no caso a pes-
soa ou objeto suspeitos.
(6) De (6), tem-se:
p ( E H so , I )p ( H so I )
p ( H soE , I )= (7)
p ( EI )
De igual forma, seja Hdo a hiptese de que a
fonte no seja o suspeito (do: different origin).
De (6):
p ( EH do , I ) p ( H doI ) (8)
p ( H doE , I )=
p ( EI )
Pode-se dizer que (7) uma medida da simi-
laridade entre vestgio e material padro, en-
quanto (8) uma medida da tipicidade do ves-
tgio, pois quanto maior p(Hdo|E,I), mais tpico
o vestgio, pois maior a probabilidade de
17
que tenha se originado de outra fonte que no a
suspeita.
A razo entre as expresses (7) e (8), portan-
to, permitir avaliar conjuntamente esses dois
aspectos:
p ( H soE , I ) p ( EH so , I ) p ( H so I )
= (9)
p( H doE , I ) p (EH do , I ) p( H doI )
Razo de Razo de Razo de
probabilidade verossimilhana probabilidade
a posteriori a priori
Como mostrado acima, cada um dos termos
da expresso (9) possui, a exemplo do que se
tem no teorema de Bayes, um nome especfico.
A razo esquerda da igualdade chamada
razo de probabilidade a posteriori.
direita da igualdade, o primeiro termo a
razo de verossimilhana ou LR (Likelihood
Ratio). O segundo a razo de probabilidade
a priori.
O termo p(E|I) acaba se cancelando quando
passamos de (7) e (8) para (9).
Tendo em vista que a percia realiza a anlise
cientfica do vestgio e no deve, nem preten-
de, substituir o julgador, a expresso (9) forne-
ce uma base metodolgica bastante adequada
para os exames de determinao da fonte.
O objetivo dos exames passa a ser o forneci-
mento da razo de verossimilhana, LR, obtida
a partir da anlise do vestgio e do material pa-
dro, bem como da amostra de uma populao
de referncia. Dessa forma, a percia se atm
evidncia material.
Um LR maior do que um indica que maior
a probabilidade da evidncia considerando que
o suspeito a fonte; um LR menor do que um
significa que maior a probabilidade da evi-
dncia supondo que sua fonte seja diversa do
suspeito; um valor igual a 1 significa que am-
bas as probabilidade so iguais.
muito importante, entretanto, notar que, na
abordagem via LR, o exame pericial no for-
nece valores ou razes de probabilidade a pos-
teriori. Mas em geral a razo de probabilida-
18
de a posteriori o que interessa diretamente ao
julgador.
Para chegar razo de probabilidade a pos-
teriori, necessrio, como mostra a expresso
(9), ter um valor de razo de probabilidade a
priori, a qual representar o aporte, por parte
do julgador, de outras consideraes pertinen-
tes ao caso.
5. LR NA COMPARAO FORENSE DE LOCUTOR
A gentica forense foi a primeira rea da Cri-
minalstica a adotar de forma generalizada uma
metodologia baseada em razes de verossimi-
lhana (ver, por exemplo, [10]). Seu papel pio-
neiro demonstra que a sistemtica passvel de
implementao.
Na fontica forense, os chamados sistemas
de reconhecimento automtico de locutor
(RAL) ou sistemas ASR (Automatic Speaker
Recognition) que incorporam a abordagem por
LR e no meramente apresentam, como o
caso, em geral, das aplicaes de controle de
acesso, um resultado do tipo positivo ou ne-
gativo so uma ferramenta que tambm de-
monstra a aplicabilidade da metodologia na
comparao forense de locutor.
Entretanto, importante ter em mente que a
abordagem por LR no uma panaceia, nem
pode ser aplicada sem ter em vista suas princi-
pais caractersticas.
5.1. CARACTERSTICAS E LIMITES DA ABORDAGEM POR LR
5.1.1. A EVIDNCIA NO O VESTGIO
O emprego da anlise por LR no altera a
natureza do exame de determinao da fonte:
ele continua sendo uma identificao qualitati-
va, no uma individualizao.
Valem, portanto, as observaes feitas no
item 2.2.: o resultado do exame diretamente
dependente das caractersticas e da mtrica uti-
lizados na comparao.
Na expresso da razo de verossimilhana,
p ( EH so , I )
LR= (10)
p( EH do , I )
a evidncia E no o vestgio, mas o resultado
da anlise comparativa entre o vestgio e o ma-
terial padro, ou seja, a evidncia construda
durante a anlise, estando nela embutida a es-
colha de parmetros a serem extrados.
No caso do DNA, a tcnica atual obtm um
perfil gentico que distinto do sequenciamen-
to completo do genoma, baseando-se, na reali-
dade, no tamanho (massa) de segmentos espe-
cficos do DNA (para detalhes, ver [24], p.
249-264).
No caso da fala, por outro lado, a distncia
entre vestgio e evidncia ainda maior do que
na gentica forense, onde h um acentuado iso-
morfismo entre ambos. Na comparao forense
de locutor, a evidncia no a gravao questi-
onada, mas o resultado da anlise comparativa
entre essa gravao e a gravao padro, que
depender das metodologias manuais e/ou
automticas; acsticas e/ou articulatrias em-
pregadas no exame.
Enquanto o vestgio gentico do tipo dis-
creto, sem intravariabilidade excetuando-se
os casos rarssimos de quimerismo e mosaicis-
mo , sem possibilidade de ser disfarado e
praticamente imutvel no tempo, o vestgio na
comparao forense de locutor tem caractersti-
cas muito mais variveis (ver [6], p. 7-9; [9], p.
303; [25], p. 148-151), pois:
h intravariabilidade intrnseca na fala,
em todos os seus nveis;
os parmetros (tanto acsticos quanto
articulatrios) so contnuos;
pode ocorrer tentativa de disfarce;
a gravao do udio depende das ca-
ractersticas do canal e do ambiente,
como rudo de fundo e reverberao.
Pode-se dizer, ento, que os resultados de
uma anlise por LR na comparao forense de
locutor ser intrinsecamente mais dependente
da sistemtica de obteno da evidncia a par-
tir do vestgio do que no caso do exame de
DNA.
5.1.2. SISTEMAS DE RECONHECIMENTO AUTOMTICO DE
LOCUTOR
Os sistemas ASR forenses (ou FSAR, Fo-
rensic ASR), por exemplo, fazem anlise pre-
dominantemente de parmetros acsticos fre-
quenciais e, na prtica, costumam usar os coe-
ficientes cepstrais, filtrados e transpostos se-
gundo a escala Mel ([26], p. 262-265; [27], p.
432-433), recebendo a denominao de coefi-
cientes mel-cepstrais (MFCC, Mel Frequency
Cepstral Coeficients).
Outras tecnologias especficas so tambm
empregadas nesses sistemas, sendo muito co-
mum o modelamento estatstico por mistura de
gaussianas (GMM, Gaussian Mixture Model)
com modelo de locutor de referncia nico
(UBM, Universal Background Model).
Obviamente, isso no significa que essas es-
colhas de implementao foram arbitrrias.
Testes objetivos e controlados e, portanto, ci-
entificamente consistentes foram realizados
mostrando, por exemplo, que a abordagem por
GMM era mais eficiente do que HMM (Hid-
den Markov Model) para fins forenses (ver, por
exemplo,[28]).
Porm, tendo em vista a diferena entre ves-
tgio e evidncia, e as condies de contorno
do vestgio forense de voz, pode-se afirmar
que, embora os atuais sistemas FASR sejam
uma ferramenta importante de anlise, eles no
so definitivos ([29], seo 3.3.2). Por exem-
plo, ainda h um grande campo de pesquisa
aberto a outras abordagens acsticas, automti-
cas ou semiautomticas, como a anlise de rit-
mo ([29], seo 3.4.3 e p. 59).
A discusso sobre o chamado UK position
statement ([30]; [25]; [9], p. 305-306; e [31])
mostra que a rea de comparao forense de lo-
cutor est distante da fase de sedimentao de
metodologias. Levantamento recente (ver [32])
sugere que ainda no h uniformidade, em n-
vel mundial, nos mtodos de execuo desse
exame e na forma de expressar seu resultado.
Deve-se ter em mente que a comparao fo-
rense de locutor envolve situaes especficas
(como a possibilidade de disfarce da voz; am-
biente com rudos especficos e reverberao),
no levadas em conta em outras aplicaes,
como o controle de acesso, e que tendem a di-
19
minuir drasticamente o ndice de validade e
confiabilidade dos sistemas ASR.
De particular relevncia, tanto no alerta que
faz, vlido para todas as metodologias de reali-
zao do exame de comparao forense de lo-
cutor, quanto pela experincia dos seus autores,
alguns deles com contribuio cientfica decisi-
va para o prprio avano dos sistemas ASR,
o artigo da referncia [33].
5.1.3. POPULAO DE REFERNCIA
A abordagem por LR, sendo um mtodo es-
tatstico, depende da amostragem de uma po-
pulao de referncia.
Tem-se dois conjuntos de questes envolvi-
dos, os quais, imbricados com a escolha das ca-
ractersticas de comparao (item 5.1.1.), tam-
bm iro influenciar diretamente no resultado
da anlise: primeiramente, as questes perti-
nentes definio da populao de referncia;
e, em segundo lugar, as relacionadas defini-
o da amostra.
Essas questes so relevantes e ainda no es-
to totalmente resolvidas no somente nas re-
as onde a abordagem estatstica relativamente
nova, como na fontica forense, mas tambm
em reas tradicionais como a gentica foren-
se.
As questes passveis de serem levantadas e
suas solues podem variar de caso a caso e re-
fletir-se no somente no clculo da LR, mas
tambm na informao de referncia I e nas
probabilidades a priori. Para um panorama
desses problemas, ver [34].
Do ponto de vista prtico, para o desenvolvi-
mento da comparao forense de locutor na pe-
rcia oficial brasileira, importante que esse
tema seja amplamente e continuamente debati-
do, gerando procedimentos de construo e uti-
lizao de bancos de amostras para o portugus
brasileiro, preferencialmente comuns e com-
partilhados por todos os rgos de percia ofi-
cial. importante lembrar que essa discusso
no se aplica somente aos bancos de amostras
necessrios para os sistemas FASR do tipo
MFCC/GMM/UBM, mas para toda a gama de
possveis parmetros, acsticos e articulatrios,
que venham a ser abordados por meio de ra-
zes de verossimilhana.
5.1.4. QUANTITATIVO VERSUS QUALITATIVO
A expresso (9) e mesmo toda a anlise ba-
yesiana no necessariamente dependem de da-
dos explicitamente colhidos, em base quantita-
tiva, de um levantamento estatstico explcito.
As inferncias podem ter por base estimativas
do observador, no caso o perito.
A referncia [9], por exemplo, admite a pos-
sibilidade de atribuio de valores para as pro-
babilidades envolvidas no clculo da LR na
comparao forense de locutor a partir da ex-
perincia do perito. Porm, como destaca na p.
306, apenas se essa experincia foi submetida a
testes cientificamente controlados de confiabi-
lidade.
Esse requisito de estimativa do desempenho
de peritos ou de grupos de percia, em reas
onde o mtodo basicamente o convencimento
do examinador ([10], p. 894), entretanto, est
longe de ser alcanado na prtica.
Como discute [10], e j foi comentado no
item 3.2.2., programas continuados de aferio
da proficincia de peritos e grupos de percia
em condies de teste cego, com dados realsti-
cos, so praticamente inexistentes na maioria
dos ramos da Criminalstica. A fontica forense
brasileira no exceo.
5.1.5. LR E OS NVEIS DA HIERARQUIA DE PROPOSIES
Embora, como ilustram os exemplos dados
na Introduo, quando se fala em exames de
determinao da fonte basicamente se est re-
ferenciando exames no nvel I da hierarquia de
proposies discutida no item 2.4., o uso de ra-
zes de verossimilhana no se restringe a esse
nvel.
Pelo contrrio, como j apontado naquele
item, os proponentes dessa hierarquia a defini-
ram com base na possibilidade de realizar a
anlise pericial em termos de LR em qualquer
nvel.
As proposies, portanto, no so explica-
es ou hipteses quaisquer, mas apenas aque-
las passveis de algum tipo de anlise estatsti-
20
ca por LR, onde o perito possa, com seu conhe-
cimento cientfico, auxiliar a Justia.
Para ilustrar essa diferena, [7] oferece al-
guns exemplos. Um deles (p. 4) diz respeito a
uma mancha de sangue, encontrada em local de
crime, cujo perfil gentico concordante com
o do suspeito. Um conjunto de hipteses apa-
rentemente possvel em nvel I seria:
hiptese da acusao (H1): a mancha de
sangue do suspeito;
hiptese da defesa (H2): a mancha de
sangue de outra pessoa que, por aca-
so, tem o mesmo perfil gentico do sus-
peito.
Apesar de serem explicaes possveis, o par
de proposies H1 e H2 no passvel de anli-
se pericial. Dadas as caractersticas da evidn-
cia gentica j discutidas em 5.1.2., p(E|H1, I)
1, como em geral nos exames de DNA, onde
o numerador da LR ou 0, ou 1.
Porm, p(E|H2, I), pelo modo como H2 foi
formulada, tambm 1, o que daria
p ( EH 1 , I )
LR= =1 .
p ( EH 2 , I )
Para esse exemplo, um par de proposies
passvel de anlise pela percia seria, na verda-
de:
hiptese da acusao (Hso): a mancha
de sangue do suspeito;
hiptese da defesa (Hdo): a mancha de
sangue foi deixada por uma outra pes-
soa que no o suspeito.
A medida que se avana para os nveis II e
III da hierarquia, com o aporte de informao
contextual, fica mais crtica no somente a ob-
teno e anlise de dados estatsticos, mas tam-
bm a percepo pelo perito dos pares de pro-
posies adequados para a anlise por LR.
Entretanto, possvel, em teoria, como mos-
trado em [7], essa anlise, de maneira que a pe-
rcia possa trazer informao estatstica de base
cientfica a fim de auxiliar o julgador, seja na
constituio da autoria, seja na constituio da
materialidade delitiva.
21
Na anlise forense de udio e vdeo, os exa-
mes de verificao de edio so uma das reas
que podem se beneficiar do aprofundamento
dos estudos da aplicao de LR em nveis aci-
ma do nvel I da hierarquia de proposies.
5.2. A METODOLOGIA E A CONCLUSO DO LAUDO DE
COMPARAO FORENSE DE LOCUTOR
Embora desejvel do ponto de vista cientfi-
co, a introduo da anlise por LR em todos os
aspectos hoje utilizados nos exames de compa-
rao forense de locutor bastante problemti-
ca, como alerta [31].
O cenrio atual, aparentemente (ver [32]),
ainda de predomnio, em nvel mundial, da
anlise do tipo impressionstica baseada na
comparao de caractersticas acsticas e arti-
culatrias.
Como discutido nos itens 5.1.2. e 5.1.3., en-
tretanto, um cenrio na verdade muito pior, em
termos da qualidade dos resultados fornecidos
pela percia de comparao forense de locutor,
seria aquele em que sistemas FASR do tipo
MFCC/GMM/UBM fossem usados com exclu-
sividade sem a compreenso das suas limita-
es e dos cuidados de implementao.
Admitindo, portanto, que a melhor soluo
no momento no seja abandonar as metodolo-
gias tradicionais, mas buscar agregar a elas,
paulatinamente, cada vez mais elementos base-
ados na abordagem por LR, so apresentadas a
seguir algumas consideraes sobre as con-
cluses dos exames.
5.2.1. CONCLUSES CATEGRICAS ATRIBUTIVAS DE IDENTIDADE
Independente do uso ou no da abordagem
bayesiana com razes de verossimilhana, a
anlise lgica apresentada no item 2. e as con-
siderao feita no item 3. mostram que, mesmo
quando peritos emitem um laudo com conclu-
so categrica atribuindo a identidade entre a
fonte do vestgio (material questionado) e a
fonte do material padro, com base exclusiva-
mente na anlise desses materiais, essa conclu-
so deve ser interpretada como uma afirmao
do grau (mximo) de convico dos peritos,
no como uma identificao numrica (indivi-
dualizao).
 O mais adequado, portanto, seria no utilizar
concluses categricas de atribuio de identi-
dade, a fim de no dar ao exame a aparncia de
um peso cientfico que ele no possui.
5.2.2. CONCLUSES CATEGRICAS DE EXCLUSO DE IDENTIDADE
Outra questo diz respeito possibilidade ou
no de concluses categricas de excluso (ne-
gativas de identidade), quando a anlise aponta
flagrantes incompatibilidades entre o vestgio e
o material padro.
De acordo com [25], item 3.3.1, que se atm
ao nvel I da hierarquia de proposies, esse
tipo de concluso possvel no caso de anlise
de caractersticas discretas, como o caso do
DNA.
De fato, se admitidos como condio de con-
torno I na expresso (9) os princpios da gen-
tica, a no ocorrncia de erros no procedimento
de exame (por exemplo, contaminao) e a no
ocorrncia de quimerismo ou mosaicismo, en-
to, se no houve correspondncia entre o per-
fil gentico do vestgio e do suspeito,
p(E|Hso, I) = 0 e LR = 0.
Independente da razo de probabilidade a
priori, a razo de probabilidade a posteriori
tambm ser nula, e possvel uma afirmao
categrica, em nvel I da hierarquia de proposi-
es.
Entretanto, a natureza distinta da fala huma-
na, conforme comentado em 5.1.2., no permi-
tiria esse tipo de raciocnio na comparao de
locutor, o que impediria o uso de concluses
categricas de excluso.
[31], por outro lado, reafirma a defesa da
possibilidade desse tipo de concluso categri-
ca, lembrando, alm de outras consideraes,
que h um limitante lgico, inescapvel, na
anlise de gravaes de voz no contexto dos
exames de comparao forense de locutor, in-
clusive se todo o exame for realizado por meio
de razes de verossimilhana, de modo manu-
al, semiautomtico ou automtico (mesmo se
empregados sistemas de diarizao; ver, por
exemplo, [35]).
Esse limitante so as decises
atributivas/no atributivas de identidade por
meio de avaliao localizada, seja de trechos
menores ou maiores da gravao, as quais fun-
damentam a prpria delimitao do que consti-
tui a fala questionada.
A necessidade dessa seleo fica evidente
quando a gravao questionada claramente
por uma avaliao lgico-indutiva, no exclusi-
vamente lgico-dedutiva contm falas de
mais de um locutor, mas essa atividade de sele-
o existe mesmo quando h, claramente,
apenas falas de um locutor.
Pode-se dizer que a admisso de que essa se-
leo correta faz parte da hiptese I da ex-
presso (9).
Esse tema pertinente, tambm, s questes
da continuidade no tempo e da hierarquia de
proposies, j que o limite entre o que acei-
tvel de intravariabilidade de um locutor, bem
como o limite de distino, via intervariabilida-
de, entre locutores distintos, quando se analisa
um determinado conjunto de gravaes questi-
onadas, mesmo que a seleo seja feita por sis-
temas automticos ou semiautomticas de dia-
rizao, calibrados a partir de experimentos
onde a origem das falas garantida por meio
da garantia de continuidade no tempo, sempre
ser, no final das contas, um limite estatstico.
Esse limite , sob outro ponto de vista, o li-
mite inerente lgica indutiva que fundamenta
o mtodo cientfico.
Para [31], o peso lgico-indutivo de uma
afirmao que exclui a identidade o mesmo
das avaliaes localizadas que embasam todo o
exame de comparao forense de locutor. Por
esse motivo, esse artigo admite concluses ca-
tegricas de excluso.
Na verdade, essa admisso, implicitamente,
considera suficiente o julgamento impressio-
nstico do perito.
A anlise da questo em [25], entretanto, no
levantou esse ponto especificamente, embora
seja foroso admitir que, para atingir higidez
lgica na sua defesa do uso incondicional da
abordagem por LR, o referido artigo [25] deve-
22
ria defender tambm que a capacidade de reali-
zao dessas atribuies/no atribuies locali-
zadas se subsumisse sistemtica de testes de
calibrao/proficincia segundo o mtodo cien-
tfico, preferivelmente sendo realizada por m-
todos automticos de diarizao.
De qualquer forma, na prtica, pelo menos
no estado atual das metodologias, talvez seja
mais prudente seguir, por exemplo, o que apre-
senta [29], seo 3.8.1, e tambm no utilizar
concluses categricas de excluso.
5.2.3. CONCLUSES EM SITUAES DE CONJUNTO FECHADO
Outra questo que diz respeito ao uso ou no
de concluses categricas refere-se aos casos
em que, ao invs de um conjunto aberto de
possveis fontes para o vestgio, tem-se um
conjunto fechado de suspeitos.
[30], item 5, fala, por exemplo, de situaes
em que se tem, por gravaes de vdeo, a ima-
gem dos falantes presentes.
Essa questo extrapola o nvel I da hierar-
quia de proposies, pois inclui questes relati-
vas continuidade no tempo.
Pode-se dizer que, se as filmagens incluem o
udio ambiente e as imagens mostram clara-
mente os movimentos de articulao da fala em
cada locutor mostrado, o exame de comparao
de locutor se torna desnecessrio, podendo o
problema ser abordado do ponto de vista da ve-
rificao de edio e do reconhecimento facial.
Se, de qualquer modo, nessa ou em outras si-
tuaes, um exame de comparao de locutor
em situao de conjunto fechado solicitado, a
metodologia bsica a ser seguida no deveria
diferir daquela empregada nos exames de con-
junto aberto (ver [25], item 3.3.2), talvez ape-
nas se considerando um menor nmero de pas-
sos de anlise ou espao amostral, para se che-
gar a uma concluso, a qual seria, ainda, no
categrica.
5.2.4. O FORNECIMENTO DE VALORES DE LR NA CONCLUSO DO
LAUDO E AS ESCALAS DE PROBABILIDADE
Em princpio, se fosse ou for algum dia
possvel, nos exames de comparao forense
de locutor, fornecer um valor de LR engloban-
do todas as caractersticas relevantes para a
anlise, conforme lista no exaustiva levantada
em [31], nada impediria que esse nmero cons-
titusse, por si s, a concluso do laudo.
De fato, essa a sistemtica adotada nos
exames de DNA.
Porm, na prtica, essa questo no to
simples. A prpria experincia na rea de gen-
tica forense mostra que a percepo do real sig-
nificado de uma LR no contexto da anlise ba-
yesiana de dados em si um desafio.
Uma das maiores dificuldades separar o
que a razo de probabilidade a posteriori dos
demais termos direita da igualdade na expres-
so (9). Esses conceitos razes de probabili-
dade a priori e a posteriori e razo de verossi-
milhana , embora sejam matematicamente
simples, no so intuitivos.
A situao se complica ainda mais porque h
uma dificuldade em compreender os prprios
limites lgico-cientficos da atuao da percia.
Como se viu na discusso do item 3., essa ob-
servao se aplica at mesmo aos prprios pe-
ritos.
Por esse motivo, a experincia com o DNA
mostra que contar com um razovel grau de en-
tendimento dos termos da expresso (9) por
parte dos demais atores da cadeia de persecu-
o penal pode levar a profundas frustraes
(ver, por exemplo, [36]).
Alm disso, um valor numrico de LR pode
ser de pouco esclarecimento e utilidade para o
julgador, como apontado por [29], p. 61-62.
E, no raro, o valor de LR assumido, para
os fins prticos, por alguns ou mesmo todos os
demais atores da cadeia de persecuo penal,
como um valor de razo de probabilidade a
posteriori, absolutizando o resultado do exame
de determinao da fonte, ainda que ele seja,
como vimos, uma identificao qualitativa de
nvel I.
Quando a LR muito maior do que 1, a acu-
sao pode lanar mo do seu valor e, median-
te a chamada falcia da acusao, tom-la
como razo de probabilidade a posteriori e
afirmar que a probabilidade do suspeito ser
23
culpado igualmente enorme (ou seja, para os
fins prticos, o suspeito culpado).
Da mesma forma, a defesa, lanando mo de
um raciocnio conhecido como falcia da de-
fesa, pode chegar a um valor de razo de pro-
babilidade a posteriori muito baixo admitindo
uma razo de probabilidade a priori no reals-
tica por exemplo, igual ao inverso de toda a
populao de um pas. A partir da razo de pro-
babilidade a posteriori obtida, a defesa argu-
menta que, na verdade, muito maior a proba-
bilidade do suspeito ser inocente do que culpa-
do, e portanto, havendo dvida de tal monta,
ele deve ser absolvido.
Em ambas as falcias, a falha no se levar
em conta as outras provas e circunstncias per-
tinentes ao caso.
No caso da comparao forense de locutor,
onde no h, no horizonte de mdio prazo e
talvez no de longo prazo , perspectiva de che-
gar sequer a uma situao de uso integral da
abordagem por LR, talvez seja mais interessan-
te, no atual momento, englobar os diversos ti-
pos de anlises (impressionstica/semiautom-
tica/automtica) em um esquema de concluso
por escalas verbais de probabilidade.
A referncia [29], p. 60, traz um exemplo de
escala, a qual, frise-se, no faz, mesmo nos
graus mximo (atribuio) e mnimo (exclu-
so), concluses categricas.
Deve-se estar ciente que qualquer tentativa
de uso de uma escala qualitativa ainda que a
partir da correspondncia objetiva entre, por
exemplo, faixas de valores numricos de LR e
expresses verbais qualitativas sempre estar
sujeita a crticas, como a ocorrncia do efeito
do valor de limiar (cliff-edge effect). Para deta-
lhes, ver [25], p. 151-155 e [6], p. 133-136.
5.2.5. O EMPREGO DO TERMO COMPATVEL E OUTROS
SEMELHANTES
Uma questo relacionada ao tema da conclu-
so do laudo, no somente na comparao fo-
rense de locutor, mas em outros tipos de exame
de determinao da fonte, o uso da palavra
compatvel e semelhantes.
24
Dependendo do tipo de vestgio (ver 5.2.1.),
a Criminalstica pode fornecer concluses cate-
gricas de excluso. A questo se complica, en-
tretanto, quando no h possibilidade de afir-
mar a excluso ([6], p. 95).
No caso do exame de determinao da fonte,
quando h algum grau de convergncia entre o
vestgio e o material padro, no incomum o
emprego da expresso h compatibilidade en-
tre (em ingls, comum o uso do termo is
consistent with; ver [11], p. 216) para expres-
sar essa convergncia.
Infelizmente, esse termo, por sua amplitude,
no fornece nenhuma pista a respeito do grau
de compatibilidade ([6], p. 96), nem tampou-
co fornece subsdios para uma concluso sobre
probabilidades a posteriori, como alerta [25],
seo 3.4.3.
A luz dessas ponderaes, no seria indicado
o uso de concluses que gravitam em torno do
termo compatvel e semelhantes, a menos
que seja dado tambm o grau dessa compatibi-
lidade.
O mesmo tipo de observao feito por [6],
p. 96, a respeito de expresses como a evidn-
cia no exclui determinada hiptese.
6. NOMENCLATURA DO EXAME
Neste tutorial, adotamos para o exame foren-
se de determinao da fonte em que a fala o
vestgio de interesse a denominao compara-
o forense de locutor, ou simplesmente
comparao de locutor.
Na percia criminal oficial brasileira, a deno-
minao atualmente mais encontrada para o
exame verificao de locutor. Esse nome
o utilizado na primeira publicao de flego a
respeito desse exame no Brasil ([37], de 1999;
a segunda edio, [38], de 2003, mantm a
mesma nomenclatura) e foi adotado, por exem-
plo, no Departamento de Polcia Federal e, por
meio de programas de capacitao, difundiu-se
para outros rgos de percia criminal oficial.
Deve-se observar que, apesar da operao
lgica de verificao 1-para-1 presente no exa-
me de verificao de locutor encontrado na
rea de controle de acesso ser a mesma do exa-
me forense, como nota [39], p. 9, as nomencla-
turas predominantes em ingls, internacional-
mente, empregaram termos como recogniti-
on e identification, e no verification, por
entender que na rea forense havia condies
de contorno distintas, como falta de controle da
qualidade do material questionado e possibili-
dade de no cooperao por parte dos fornece-
dores das amostras de fala.
Para detalhes, ver, alm de [39], p. 5-10, a
discusso mais aprofundada encontrada em
[26], captulo 5. Em linhas gerais, a mesma
classificao taxonmica dos exames da rea
de processamento da fala, mas com vis acsti-
co, focada em ferramentas computacionais au-
tomatizadas, pode ser encontrada em [40].
O fato da fala ser efetivamente uma biome-
tria ou seja, ela tem valor discriminador
no necessariamente significa que ela seja indi-
vidualizadora. Como se afirma na referncia
[4], p. 208, apenas a verificao emprica pode
dar maior ou menor grau de verossimilitude
a afirmaes de que determinada biometria
atende o critrio de unidade.
Naquela referncia, por exemplo, se admite
que a afirmao da unicidade da decadactilar,
colhida em condies ideais, atinge um grau de
verossimilitude suficiente para que seja admiti-
da na prtica.
Outra questo, diferente, a da ocorrncia
ou no de erros na coleta da decadactilar, o que
passvel de acontecer, j que estamos falando
de uma atividade humana, ou mesmo do de-
sempenho de determinado algoritmo do tipo
AFIS (Automatic Fingerprint Identification
System) no que concerne ao armazenamento ou
recuperao das informaes baseadas nas
imagens da decadactilar.
Outra questo, ainda, a da transferncia de
informao de uma digital para um fragmento
de digital em um local de crime. Um caso fa-
moso de erro cometido pelo FBI, que havia
afirmado ter uma identificao com 100% de
probabilidade em caso de grande repercusso
(ver [41] para uma anlise oficial sobre o
caso), um dos exemplos que se relacionam
aos problemas discutidos no item 3..
J para a fala, a prpria referncia [4] enten-
de no haver, atualmente (no caso, o ano de
2006, mas essa afirmao continua vlida), su-
porte cientfico que d a afirmaes de unicida-
de grau de verossimilitude suficiente.
Esse fato j era comentado, por exemplo, em
[39], ao tratar da multidimensionalidade da fala
e dos limites de intravariabilidade e intervaria-
bilidade.
Essas ponderaes, em face tambm do que
foi discutido nos itens 3. e 4., tm levado vri-
os pesquisadores da rea de fontica forense a
preferir nomenclaturas que se afastem da ideia
de individualizao.
Ao invs de reconhecimento, identifica-
o, verificao ou discriminao, o ter-
mo julgado mais adequado tem sido o de
comparao ([9], p. 300-301; [25], item 3.2;
[30]; [29]).
O presente tutorial emprega, alm do termo
comparao, a expresso comparao de lo-
cutor, o invs, por exemplo, de comparao
de voz (como preferem, por exemplo, [9] e
[25]) ou comparao de fala (como usado
em [29]).
Essa escolha foi motivada pela experincia
de trabalho do autor e pelas argumentaes
apresentadas em [29], que distingue voz de
fala. Essencialmente, o mesmo argumento de
[29] aparece em [31], p. 146, mas, ao lembrar
que tambm caractersticas extralingusticas
so relevantes no exame, o termo locutor pa-
rece mais adequado do que fala.
Deve-se notar que as denominaes usadas
tradicionalmente j esto amplamente difundi-
das, no sendo possvel afirmar, no atual mo-
mento, se, na literatura tcnica da rea, elas
iro perdurar ou se sero substitudas.
7. CONCLUSO
O dogma da unicidade, subjacente s meto-
dologias tradicionalmente empregadas nos exa-
mes de diversas reas da Criminalstica dedica-
das ao problema da determinao da fonte, foi
25
alvo de crticas contundentes principalmente a
partir do final da ltima dcada do sculo pas-
sado.
Essas crticas motivaram uma mudana de
entendimento sobre o papel e o alcance das pe-
rcias que envolvem a identificao de uma
pessoa ou objeto.
Neste tutorial foi feito um apanhado dos
principais conceitos envolvidos nessa mudan-
a, com foco nos impactos sobre a rea de
comparao forense de locutor, mostrando
tambm as dificuldades para que se tenha a im-
plementao integral de uma abordagem basea-
da em razes de verossimilhana nessa rea.
REFERNCIAS
[1] MENDES, Lamartine Bizarro. Documentoscopia. 2. ed.
Campinas, SP: Millennium, 2003. ISBN 85-86833-93-2.
[2] TOCCHETTO, Domingos. Balstica forense: aspectos tcnicos
e jurdicos. 4. ed. Campinas, SP: Millennium, 2005. ISBN 85-
7625-065-9.
[3] TOCCHETTO, Domingos; ESPINDULA, Alberi (Coord.).
Criminalstica: procedimentos e metodologias. 2. ed. Porto
Alegre, RS: [s.n.], 2009. ISBN 978-85-99541-01-2.
[4] MEUWLY, Didier. Forensic individualization from biometric
data. Science & Justice, v. 46, n. 4, 2006, p. 205-213.
[5] COOK, R.; EVETT, I. W.; JACKSON, G.; JONES, P. J.;
LAMBERT, J. A.. A hierarchy of propositions: deciding which
level to address in casework. Science & Justice, v. 34, n. 4,
1998, p. 231-239.
[6] LUCY, David. Introductions to statistics for forensic scientists.
West Sussex, Inglaterra: John Wiley & Sons, Ltd, 2005. ISBN
978-0470022016.
[7] EVETT, I. W.; JACKSON, G.; LAMBERT, J. A.. More on the
hierarchy of propositions: exploring the distinction between
explanations and propositions. Science & Justice, v. 40, n. 1,
2000, p. 3-10.
[8] BRASIL. Cdigo de Processo Penal, decreto-lei n 3.689 de 3
de outubro de 1941. Disponvel em:
<http://www.planalto.gov.br/ccivil_03/decreto-
lei/del3689.htm>. Acesso em: 01.ago.2012.
[9] MORRISON, Geoffrey Stewart. Forensic voice comparison and
the paradigm shift. , v. 49, 2009, p. 298-308.
[10] SAKS, Michael J., KOEHLER, Jonathan J.. The coming
paradigm shift in forensic science. Science, v. 309, 2005, p. 892-
895.
[11] SAKS, Michael J., KOEHLER, Jonathan J.. The
individualization fallacy in forensic science evidence.
Vanderbilt Law Review, v. 61, n. 1, 2008, p. 199-219.
[12] MLODINOW, Leonard. The drunkard's walk: how randomness
rules our lives. 1. ed. USA: Vintage, 2009. ISBN 978-
0307275172.
[13] STONEY, David A.. What made us ever think we could
individualize using statistics?. Journal of the Forensic Science
Society, v. 31, n. 2, 1991, p. 197-199.
[14] MALLMITH, Dcio de Moura. A respeito do nmero de pontos
caractersticos necessrios afirmativa de identidade. Revista
do IGP/RS, n. 4, jan.2011, p. 27-29.Disponvel em:
<http://www.igp.rs.gov.br/revistas/revista4.pdf>. Acesso em:
01.ago.2012
[15] KUHN, Thomas S.. The function of dogma in scientific
research. In: CROMBIE, A. C. (Ed.). Scientific change:. New
York, USA: Basic Books, 1963, p. 347-369.
[16] KUHN, T. S.. A funo do dogma na investigao cientfica. In:
26
DEUS, Jorge Dias de (Org.). A crtica da cincia. Rio de
Janeiro, RJ: Zahar, 1979, p. 53-80.
[17] JEFFREYS, Harold. Theory of probability. 3. ed. Oxford, UK:
Oxford University Press, 1998. ISBN: 978-0198503682.
[18] JAYNES, Edwin Thompson. Probability theory: the logic of
science. 1. ed. Cambridge, UK: Cambridge University Press,
2003. ISBN: 978-0521592710.
[19] SIVIA, D. S.; SKILLING, J.. Data analysis: a bayesian tutorial.
2. ed. Oxford, UK: Oxford University Press, 2006. ISBN: 978-
0198568322.
[20] ROZANOV, Y. A.. Probability theory: a concise course. New
York, USA: Dover Publications, Inc., 1977. ISBN: 978-
0486635446.
[21] FELLER, William. An introduction to probability theory and its
applications. 3. ed. USA: Wiley & Sons, Inc., 1968. ISBN: 978-
0471257080.
[22] PAPOULIS, Athanasios. Probability, random variables, and
stochastic processes. 3. ed. New York, USA: McGraw-Hill,
1991. ISBN: 0-07-048477-5.
[23] COX, Richard T.. Probability, frequency and reasonable
expectation. American Journal of Physics, v. 14, n. 1, 1946, p. 1-
13.
[24] FIGINI, Adriano R. L. et al.. Identificao humana. 2. ed.
Campinas, SP: Millennium, 2003. ISBN: 978-85-7625-002-9.
[25] ROSE, Philip; MORRISON, Geoffrey S.. A response to the UK
Position Statement on forensic speaker comparison. The
International Journal of Speech, Language and the Law, v. 16,
n. 1, 2009, p. 139-163.
[26] ROSE, Philip. Forensic speaker identification. 1. ed. London,
UK: Taylor & Francis, 2002. ISBN: 0-415-27182-7.
[27] BIMBOT, Frdric et al.. A tutorial on text-independent speaker
verification. EURASIP Journal fon Applied Signal Processing,
n. 4, 2004, p. 430-451.
[28] REYNOLDS, D. A.; QUATIERI, T. F.; DUNN, R. B.. Speaker
verification using adapted Gaussian Mixture Models. Digital
Signal Processing, v. 10, 2000, p. 19-41.
[29] ERIKSSON, Anders. Aural/acoustic vs. automatic methods in
forensic phonetic case work. In: NEUSTEIN, A.; PATIL, H. A.
(Org.). Forensic speaker recognition: a law enforcement and
counter-terrorism. New York, USA: Springer-Verlag, 2011, p.
41-69. ISBN: 978-1-4614-0262-6
[30] FRENCH, J. Peter; HARRISON, Philip. Position statement
concerning use of impressionistic likelihood terms in forensic
speaker comparison cases. The International Journal of Speech,
Language and the Law, v. 14, n. 1, 2007, p. 137-144.
[31] FRENCH, J. Peter et al.. The UK position statement on forensic
speaker comparison: a rejoinder to Rose and Morrison. The
International Journal of Speech, Language and the Law, v. 17,
n. 1, 2010, p. 143-152.
[32] GOLD, Erica; FRENCH, Peter. International practices in
forensic speaker comparison. The International Journal of
Speech, Language and the Law, v. 18, n. 2, 2011, p. 293-307.
[33] BONASTRE, Jean-Franois et al.. Person authentication by
voice: a need for caution. Proceedings of Eurospeech 2003,
Genebra, Sua, , 2003, p. 33-36.
[34] AITKEN, Colin G. G.. Populations and samples. In: AITKEN,
C. G. G.; STONEY, D. A.. The use of statistics in forensic
science. : Taylor & Francis e-Library, 2002, 1991, p. 51-82.
ISBN: 0-13-933748-2 (Print Edition)
[35] BONASTRE, Jean-Franois et al.. ALIZE/SpkDet: a state-of-
the-art open source software for speaker recognition. Odyssey
2008: The Speaker and Language Recognition Workshop,
Stellenbosch, frica do Sul, , jan.2008, p. .
[36] DONNELLY, Peter. Appealing statistics. Significance, v. 2, n. 1,
2005, p. 46-48.
[37] BRAID, Antonio Csar Morant. Fontica forense. 1. ed. Porto
Alegre, RS: Sagra Luzzatto, 1999. ISBN 85-241-0606-9.
[38] BRAID, Antonio Csar Morant. Fontica forense. 2. ed.
Campinas, SP: Millennium, 2003. ISBN 85-86833-91-6.
[39] FRANCIS, Nolan. The phonetic bases of speaker recognition. 1.
ed. : Cambridge University Press, 1983. ISBN: 978-
0521108270.
[40] CAMPBELL, Jr., Joseph P.. Speaker recognition: a tutorial.
Proceedings of the IEEE, v. 85, n. 9, 1997, p. 1437-1462.
[41] USA Department of Justice. A review of the FBI's handling of
the Brandon Mayfield case. Disponvel em:
<http://www.justice.gov/oig/special/s0601/PDF_list.htm>.
Acesso em: 01.ago.2012.

27
Ar
tigos
 Aplicao de Engenharia Reversa em Exames de
Verificao de Edies de Vdeos Digitais
Bruno Gomes de Andrade
Instituto Nacional de Criminalstica, Polcia Federal, Brasil
SPO Lote 7 Setores Complementares 70.610-902, Braslia/DF - Brasil
andrade.bga@dpf.gov.br
RESUMO Nos exames de verificao de edies, um dos
grandes desafios encarados pelos Peritos Criminais a bus-
ca por elementos materiais que garantam, de forma objeti-
va, a continuidade do registro sob anlise. Em se tratando
de vdeo digital, os dispositivos modernos que efetuam a
captura do registro original geralmente adicionam nos ca-
bealhos dos arquivos dados de controle como abertura do
diafragma, distncia focal, data/hora etc., que geralmente
no so disponibilizados de forma direta ao usurio. Neste
artigo ser discutido estudo de caso em que foi possvel,
atravs de engenharia reversa, a exposio de parte da for-
matao do cabealho do arquivo digital e a consequente
extrao de elementos de data/hora codificados que se mos-
traram relevantes indcios de ausncia de edio no vdeo.
1. INTRODUO
O exame de verificao de edies visa a
procurar elementos materiais indicativos de
edio ou montagem que alterem o contedo
original da gravao de modo a apresentar, de
forma propositadamente de difcil ou imposs-
vel percepo ao observador comum, fatos ou
eventos de modo distinto daquele em que ocor-
reram na realidade. As edies podem consistir
em insero, supresso, superposio ou subs-
tituio de registros de udio/vdeo.
As tcnicas empregadas no exame variam
conforme a natureza do material questionado.
Via de regra, sempre so realizadas anlises
perceptivas e de coerncia contextual sobre o
contedo da gravao. Alm disso, vrios tipos
de verificaes podem ser realizadas enfocan-
do aspectos como: o suporte fsico da grava-
o; os sinais de udio e vdeo nela presentes; a
coerncia entre a gravao questionada e o su-
posto equipamento utilizado para sua obteno;
e tambm a estrutura dos arquivos no caso de
gravaes digitais.
Neste artigo ser discutido estudo de caso
em que a anlise detalhada da estrutura de ar-
quivos revelou dados codificados no cabealho
dos arquivos de vdeo digitais questionados
que se tornaram importantes indcios de ausn-
cia de edio do material questionado.
2. MATERIAL QUESTIONADO
Os arquivos objeto da anlise continham re-
gistros de udio e vdeo com extenso mpg. To-
dos esses vdeos estavam codificados com co-
dec MPEG-2 (MPEG2) e possuam imagens
com resoluo de 720 pixels de largura por 480
pixels de altura, entrelaada, em cores, padro
NTSC, com sistema 4:2:0 de sub-amostragem
de cor. A taxa de quadros por segundo era, em
todos os vdeos, de 29,970 quadros por segun-
do. O udio utilizava codec Audio Coding 3
(AC-3), com taxa de amostragem de 48kHz,
resoluo de 16 bits por amostra, estreo e taxa
de bits total constante de 256Kbps.
3. EXAMES
3.1. ANLISE DO FLUXO DE DADOS
A anlise com editor hexadecimal e analisa-
dor de streams (fluxo de dados) MPEG dos ar-
quivos questionados mostrou que eles obede-
cem estrutura de dados do padro MPEG-2
[1].
O GOP (Group of Pictures, Grupo de Ima-
gens), que se repete sucessivamente no stream
de vdeo, corresponde ao intervalo de tempo de
aproximadamente 0,5 s, e constitudo de 15
quadros ou imagens, com a estrutura
IBBPBBPBBPBBPBB, sendo que I repre-
senta os I-frame ou key frame (Intra-coded
picture), P os P-frame (Predicted picture) e
B os B-frame (Bi-predictive picture).
29
3.2. PRIVATE STREAMS
Em todos os vdeos examinados verificou-se
a presena, em vrios trechos dos arquivos, de
streams MPEG (PES, Packetized Elementary
Stream) do tipo private (privado), com cabea-
lho trazendo o identificador (stream ID) 0xBD
(o prefixo 0x indica que o valor que o sucede
est representado em formato hexadecimal).
Streams do tipo private so uma maneira de
introduzir nas transmisses e arquivos MPEG- Figura 2: Cmera de teste Sony DCR-SR68
2 metadados e mesmo informaes de udio e
vdeo no especificados no padro MPEG-2.
exatamente nesses streams em que os fabrican-
tes de equipamentos audiovisual podem intro-
duzir todo tipo de informao adicional que de-
sejarem, como marca e modelo do equipamen-
to gravador, data/hora do registro de vdeo, in-
formaes tcnicas como abertura do diafrag-
ma e distncia focal, dentre outras.

3.3. EQUIPAMENTO DE GRAVAO

Em cada arquivo questionado, alguns dos
private streams traziam sequncias de bytes
com, dentre outros, os caracteres em ASCII
SONY e DCR-SR68, sugerindo que essas
eram, respectivamente, a marca e modelo da
filmadora utilizada. A figura 1 traz, a ttulo de
exemplo, o trecho inicial de um dos arquivos
questionados, analisado em editor de arquivos
hexadecimal, destacando essa sequncia
ASCII.
Na figura 1, a parte central mostra os bytes
do arquivo em hexadecimal (20 bytes por linha,
agrupados de 4 em 4 bytes); a parte da esquer-
da mostra o endereo do byte inicial da linha
em relao ao incio do arquivo (displace-
Figura 3: Detalhe da Cmera Sony DCR-SR68
ment), tambm em hexadecimal; e a parte da
direita mostra caracteres ASCII corresponden-
tes a cada byte (quando houver um caractere
correspondente).
Conforme manual do fabricante [3], a filma-
dora DCR-SR68 utiliza o sistema de gravao
NTSC (colorido), formato de vdeo MPEG-PS
e udio DOLBY DIGITAL (outro nome para o
formato AC3). Essas caractersticas se mostra-
ram compatveis com as presentes nos arquivos
analisados.

Figura 1: Sequncia ASCII no incio do arquivo questionado sugestiva da marca e modelo da filmadora utilizada (destacada em vermelho).
Em verde, encontra-se destacada a sequncia de trs bytes que indica incio de PES, 0x000001, seguida do stream ID 0xBD (private stream).

30
 Para fins de comparao, foram realizadas, lizao do programa sem a devida comprova-
durante os exames, gravaes de teste utilizan- o dos processos envolvidos na extrao dos
do uma cmera dessa marca e modelo. Essa c- dados se mostrou temerria.
mera de teste mostrada nas figuras 2 e 3.
Dessa forma, com a finalidade de comprovar
Nas gravaes de teste, verificou-se que a fil- a idoneidade dos dados fornecida pelo progra-
madora Sony DCR-SR68 registra continua- ma e tambm de adquirir a informao sobre a
mente no arquivo da filmagem a data e hora formatao e codificao dos dados nos
em que ela se realiza, tendo como referncia a private streams dos arquivos sob anlise proce-
data/hora inicialmente ajustada na cmera. deu-se a anlise do cdigo do programa in-
Essa informao podia ser exibida no dis- fompg.exe. A figura 4, mostra a tela do mencio-
play da filmadora, na forma de caracteres so- nado programa.
brepostos em uma lateral das imagens, quando A anlise do cdigo binrio do programa foi
o arquivo era nela reproduzido. Porm, essa in- realizada atravs de tcnicas de engenharia re-
formao no era visvel quando o mesmo ar- versa utilizando-se o programa OllyDbg [2]
quivo era reproduzido em programas do tipo que um analisador de linguagem assembler
media player convencionais. (debugger) para famlia de processadores x86.
A anlise das gravaes de teste mostrou que 3.4.2. DETALHES DA CODIFICAO DOS PRIVATE STREAMS
essa informao de data/hora somente poderia O estudo dos cabealhos dos arquivos ques-
estar registrada em posio e formato especfi- tionados mostrou que eles tambm embutiam,
cos, dentro de um pacote PES de stream do na mesma posio e formato, dados que sugeri-
tipo private, localizado antes de cada I-frame. am, pelos seus valores, consistir em rtulos de
Entretanto esses dados se mostraram codifica- data/hora.
dos de forma que a anlise direta dos streams
em programa editor hexadecimal no foi sufici- A ttulo de exemplo, a figura 5 mostra a po-
ente para revelar a informao de data/hora. sio e os valores referentes ao primeiro rtulo
de data/hora, que traz os dados 12/05/2011
3.4. VERIFICAO E EXTRAO DOS RTULOS DE DATA/HORA (dia/ms/ano) e 06:47:21 (h:min:s), contidos na
DOS ARQUIVOS DE VDEO DIGITAIS sequncia de cinco bytes 0x1F 6D 58 6B D5.
3.4.1. ENGENHARIA REVERSA DO PROGRAMA INFOMPG.EXE
Com a informao de que os dados de
data/hora estariam codificados dentro dos
private streams dos arquivos sob anlise, inici-
ou-se a busca por informaes sobre a formata-
o das informaes tcnicas presentes no ca-
bealho dos arquivos questionados.
A busca por documentao sobre o contedo
dos private streams da cmera em questo se
mostrou infrutfera. Entretanto, um programa
intitulado infompg.exe encontrado na internet
prometia a obteno de diversas informaes
tcnicas de arquivos MPEG-2 registradas pelo
equipamento de gravao. A idoneidade do ar-
quivo no pode ser comprovada, sendo certo
que no se tratava de programa comercial pro-
veniente do fabricante.
Os dados extrados pela utilizao do pro-
Figura 4: Tela do programa INFOMPG.EXE
grama se mostraram coerentes, entretanto a uti-

31
 O cabealho do pacote PES destacado em os 4 bits seguintes, o ms;
verde na figura, e contm, como j visto na dis- os 5 bits seguintes, o dia;
cusso da figura 1, o start code (sequncia de os 5 bits seguintes, a hora;
incio) 0x000001 e o stream ID 0xBD. Em se- os 6 bits seguintes, os minutos;
guida, ainda fazendo parte do cabealho, h dois e os 6 bits restantes, os segundos.
bytes que do o tamanho, em bytes, do restante
do pacote PES. No exemplo, o tamanho do res- Para o exemplo mostrado na figura 5, a ob-
tante do pacote PES do tipo private de teno dos valores de data/hora a partir dos
0x07EC, ou seja, 2.028 bytes. cinco bytes destacados em vermelho detalha-
do na tabela 1. A ltima linha da tabela traz, em
A anlise do cdigo revelou que o programa decimal, o correspondente aos valores em bin-
infompg.exe realiza uma busca por todo arqui- rio de cada campo da linha anterior.
vo de vdeo em busca do start code 0x000001
seguido pelo stream ID 0xBD. Ao encontrar o
identificador do private stream, o programa lo-
caliza o byte de nmero 167 do payload do pri-
vate stream.
Os cinco bytes destacados em vermelho tm
incio na 167a posio aps o cabealho do paco-
te PES. Nessa posio, em todos os pacotes PES
private que antecedem imediatamente cada
I-frame de todos os arquivos analisados, tanto os
questionados quanto os de teste, encontravam-se
os respectivos rtulos de data/hora. Figura 6: Exemplo de vdeo com legenda data/hora embutida

Na sequncia de cinco bytes, foi verificado Por fim extraram-se dos arquivos de vdeo
que: questionados esses rtulos de data/hora e a par-
tir dessas informaes geraram-se novos arqui-
os 14 primeiros bits representam o ano; vos em que essa informao aparece explicita-

Figura 5: Primeiro rtulo de data/hora do arquivo questionado M2U00354.MPG, destacado em vermelho.

Em verde encontra-se destacado o cabealho do pacote PES do private stream.

TABELA 1
VALORES DE DATA/HORA PARA O EXEMPLO DA FIGURA 4
Bytes 0x1F 0x6D 0x58 0x6B 0xD5
Bits 0 0 0 1 1 1 1 1 0 1 1 0 1 1 0 1 0 1 0 1 1 0 0 0 0 1 1 0 1 0 1 1 1 1 0 1 0 1 0 1
Campo ano ms dia hora minuto segundo
Valores no 2011 5 12 6 47 21
exemplo

32
mente nas imagens (figura 6), na forma de le-
gendas de contagem de tempo.
No caso em questo constatou-se que as in-
formaes de data/hora extradas dos arquivos
evoluam de forma linear e contnua no apre-
sentando incoerncias como repetio, inter-
rupo ou qualquer outra descontinuidade.
Conforme j explanado, importante ressal-
tar que, na filmadora, a fonte dessa informao
de tempo dependente da data/hora inicial-
mente ajustada no equipamento. Alm do mais,
trata-se de informao que pode ser escrita di-
retamente nos arquivos por quem conhea a es-
trutura de dados exposta.

4. CONCLUSO
A utilizao da tcnica de engenharia reversa
foi demonstrada para a extrao e validao de
dados de data/hora em arquivos digitais de v-
deo para auxiliar nos Exames de Verificao de
Edio.
Apesar de a situao apresentada ser o me-
lhor caso possvel, pois havia disponvel tanto
o equipamento gravador quanto um programa
para a localizao dos dados de data/hora no
cabealho, a ideia principal da metodologia
possibilitar o estudo e catalogao da formata-
o dos cabealhos utilizadas pelos diversos fa-
bricantes para que, em uma situao no ideal,
onde no se tenha acesso ao equipamento gra-
vador, seja possvel acessar os rtulos de
data/hora registrados pelo equipamento grava-
dor.

REFERNCIAS
[1] J. Keith, MPEG 2, in Video demystified: a handbook for the
digital engineer, 3rd ed. 1995.

[2] OllyDbg. (2011) Disponvel em: http://www.ollydbg.de.

[3] Sony Corporation, DCR-SR68 Handycam Handbook, 2010.

33
 Identificao de origem e verificao de edies
em filmes fotogrficos: Anlise de um caso real.
Rodrigo Gurgel Fernandes Tvora, Lucas de Melo Jorge Barbosa
Departamento de Polcia Federal, Brasil
tavora.rgft@dpf.gov.br, lucas.lmjb@dpf.gov.br
RESUMO Este trabalho contesta a noo de originalidade
comumente atribuda a mdias analgicas, na medida em
que apresenta um caso real de disputa de propriedade
intelectual de imagem comercial, envolvendo filmes
fotogrficos negativos e diapositivos, alm de uma cmera,
encaminhados pelas partes litigantes. A identificao da
compatibilidade entre a imagem comercial e os filmes, bem
como a identificao de origem das imagens, foram
realizadas com base na anlise de distores e
desenquadramento causados pelo emprego de lentes, alm
da anlise de padres fixos nas bordas dos filmes, causados
por imperfeies da moldura de exposio da cmera
empregada no registro.
1. INTRODUO
Apesar dos recentes esforos, ainda sem
sucesso, para desenvolver um sistema de
verificao de autenticidade e origem de
imagens, por fabricantes como Nikon e
Cannon [1], a incerteza de autenticidade ainda
inerente a imagens digitais, o que decorre da
facilidade de edio. Por outro lado, negativos
e slides consistem em um tipo de mdia
analgica tipicamente empregada como mdia
original, no primeiro registro da imagem, pelo
fato de a gravao da imagem depender da
exposio luz. Por esses motivos, apesar da
obsolescncia dos filmes fotogrficos, at
pouco tempo apenas mdias analgicas eram
aceitas como provas vlidas em algumas cortes
e protocolos de servios de percias, como no
Instituto Nacional de Pesquisa e Polcia
Cientfica do Japo-NRIPS. Entretanto, este
entendimento no correto. O processo de
duplicao de filmes possvel e pode ser tanto
analgico, por exposio do filme, usando uma
montagem com cmera escura ou cmera,
quanto digital, usando um esquema hbrido de
34
converso A/D por sensor CCD (charge-
coupled device) e D/A com raios catdicos. Na
converso por exposio, h inclusive
disponibilidade de filmes especficos para esta
finalidade, com ou sem reverso de cores, para
a gerao de cpias de segurana de negativos.
O presente artigo contesta esta noo de
originalidade, na medida em que apresenta um
caso real ocorrido em 2011 de disputa de
propriedade intelectual de imagem usada em
um carto postal, onde foram realizados
exames de identificao de origem e de
verificao de edies em imagens gravadas
em filmes fotogrficos e em papel impresso.
2. MATERIAL E QUESITOS APRESENTADOS
PELAS PARTES
Foram encaminhados pela Parte A, autora da
ao, cinco filmes diapositivos de 35mm, com
indicaes de posies 10, 13, 14, 16 e 17, e
pela Parte B um filme negativo de 35mm,
como mostra o diagrama na figura 1, que lista
ainda as mquinas fotogrficas e os quesitos
encaminhados. No primeiro momento no
foram fornecidas pelas partes a cmera
empregada no registro da imagem, que foi
ento solicitada para permitir uma anlise
conclusiva de identificao de origem das
imagens. A Parte B enviou uma cmera
MINOLTA, modelo MAXXUM 300si, e a
Parte A informou ser impossvel encaminhar a
cmera, pois esta fora vendida.
 Figura 1: Diagrama com descrio das mdias encaminhadas (acima),da cmera (ao centro), e dos quesitos formulados (abaixo) pelas partes.
Os quesitos formulados pela parte A,
tentavam claramente sugerir uma metodologia
de anlise, questionando a idade dos filmes e a
compatibilidade dos elementos da imagem com
os parmetros pticos da cmera da parte B.
3. METODOLOGIA APLICADA
Preliminarmente descrio das anlises
realizadas, cabe ressaltar que as anlises
sugeridas pela Parte A no so conclusivas.
Foram observadas manchas no negativo
questionado, mas estas no eram caractersticas
do efeito da Sndrome do Vinagre, podendo
ser atribudas ao atrito do suporte, ou ao de
fungos. Mesmo com uma anlise qumica no
seria possvel estimar precisamente a idade do
negativo, pois a velocidade do processo de
hidrlise depende das condies de
armazenamento, que no so conhecidas.
Ademais, a incompatibilidade do emprego de
uma cmera MINOLTA com a lente 70-
210mm com a obteno imagem do carto
postal no pode ser confirmada, pois para uma
estimativa do ngulo de viso seria necessria
35
a presena de medidas ou distncias de
referncia, o que no ocorre na imagem. Alm
disso, a anlise de profundidade de campo no
conclusiva, j que o efeito observado na
imagem pode ser obtido de distintas formas e
no especfico de uma configurao especial
de lente.
A metodologia aplicada foi dividida em
diversas anlises. Todo o material foi
digitalizado com resoluo de 4800dpi e
gravado em formato TIFF sem compresso.
Primeiramente foi realizada a anlise de
compatibilidade de forma e pertinncia das
supostas mdias originais e a imagem
questionada, onde se observou uma
incompatibilidade do negativo com o carto
postal, como descrito no subitem 3.1. Em
seguida foram analisados vestgios de edio
do negativo, descritos no subitem 3.2, e os
vestgios de edio do carto postal, descritos
no subitem 3.3. Por fim, no subitem 3.4, feita
uma anlise de compatibilidade de origem dos
slides, com base nas mincias observadas nas
bordas da imagem.
3.1. COMPATIBILIDADE DE FORMA E
PERTINNCIA DAS IMAGENS
A imagem do negativo, mostrada na Figura
2, foi analisada e comparada imagem do
carto postal. Para permitir a comparao, a
imagem do negativo foi sobreposta imagem
do carto postal, aps a aplicao de deteco
de bordas, limiarizao e inverso horizontal,
vide Figura 3. A imagem foi escalada e
rotacionada na tentativa de sobrepor os
elementos convergentes, entretanto no se
conseguiu um acoplamento perfeito dos
elementos das imagens. Com o alinhamento
dos elementos esquerda, os elementos
direita e ao centro ficaram desalinhados, vide
Figura 4.
Figura 2: Imagem do negativo.
Figura 3: Resultado da deteco de bordas, limiarizao e inverso
horizontal da imagem da figura anterior.
Figura 4: Tentativa de acoplamento do negativo ao carto postal, com
elementos esquerda alinhados e os demais desalinhados.
A Figura 4 mostra a no pertinncia da
imagem do carto postal na imagem do
negativo, j que parte das bordas da imagem
esto fora do limites da imagem do negativo.
Portanto, descarta-se totalmente a hiptese do
negativo ser a imagem original usada na
elaborao do carto postal.
3.2. VESTGIOS DE EDIO DO NEGATIVO
O emprego de algoritmos automticos
especficos para imagem digital [2], pela
anlise estatstica do padro de rudo, do
mtodo de interpolao para deteco de
reamostragem ou dupla-compresso JPEG, ou
mesmo de deteco de rplicas parciais dentro
da imagem, no se aplicam para a imagem dos
filmes fotogrficos, por se tratar de registro
analgico. Mesmo que o registro original
corresponda a uma imagem digital, em uma
converso para mdia analgica, a relao entre
os pixels e sua distribuio estatstica
mascarada pelo rudo intrnseco converso.
Dessa forma, na verificao de edies do
negativo empregou-se a anlise perceptiva dos
elementos da imagem, buscando a
identificao de texturas repetidas ou de
elementos incoerentes.
A anlise perceptiva revela que as imagens
do negativo e do carto postal registram uma
mesma cena, desconsiderando-se a insero
das imagens dos livros de cordel. A natureza
efmera dos elementos observados, como
ondas e homens empurrando uma jangada,
descarta a hiptese de as imagens terem sido
capturadas em momentos distintos, ou seja,
indica que o negativo e o carto postal foram
obtidos a partir de outra imagem original. O
descasamento observado nos contornos dos
elementos das imagens sobrepostas indica
ainda que uma das imagens sofreu distoro de
sua forma. A imagem do negativo apresenta
uma expanso das bordas da imagem, em
relao imagem do carto postal, distoro
semelhante ao efeito gerado em fotografia pelo
emprego de lentes, como ilustrado na Figura 5,
com um reticulado distorcido pela lente.
36
 Figura 5: Distoro radial tipo pincushion (travesseiro).
Esta observao levanta a hiptese de o
negativo ter sido obtido atravs do registro
fotogrfico, com emprego de lentes, da
imagem de fundo do carto postal (sem as
inseres das imagens dos livros de cordel).
Pelo exame das bordas do filme negativo, vide
Figura 6, possvel observar, indicadas em
verde e ampliadas, faixas brancas em forma de
cunha no canto inferior esquerdo, na vertical, e
no canto inferior direito, na horizontal,
incompatveis com o cenrio natural da
imagem, ou com efeitos tpicos de fotografia, o
que refora a suspeita quanto autenticidade
da imagem. A presena dessas cunhas com
ngulo no mesmo sentido sugere que o
negativo foi gerado fotografando-se uma
imagem impressa em papel branco, ou
posicionada sobre fundo branco, com o
enquadramento da cmera desalinhado com os
eixos da imagem, como exemplificado na
Figura 7.
A imagem parcial da posio seguinte do
filme, indicada em vermelho na Figura 6, onde
tambm h uma faixa branca, sugere que com
o mesmo filme foi tirada mais de uma
fotografia da imagem da paisagem do carto
postal com fundo branco, na tentativa de
converter a imagem para o filme fotogrfico.
Isto corroborado tambm pela
compatibilidade das faixas verticais, indicadas
em amarelo, situadas no canto esquerdo das
duas posies consecutivas do filme, ambas
apresentando variao da tonalidade na escala
de azul.
37
Figura 6: Exame de incoerncias nas bordas da imagem do negativo.
Figura 7: Ilustrao de hiptese de desenquadramento de fotografia da
imagem para gerar o negativo como causa das cunhas observadas.
3.3. VESTGIOS DE EDIO DO CARTO POSTAL
Pela mesma razo anteriormente exposta,
algoritmos automticos no so aplicveis na
verificao de edies do carto postal. Assim,
na comparao do carto postal com o slide 13,
que contm imagem semelhante, empregou-se
a anlise perceptiva. Para facilitar a
comparao, a imagem do carto postal foi
realada com deteco de bordas, limiarizao
e inverso horizontal, vide Figura 8, a qual foi
sobreposta, aps os ajustes de rotao e escala,
imagem do slide 13, vide Figura 9. Pode-se
observar a pertinncia de quase toda imagem
do carto postal na imagem do slide 13, com
exceo de uma estreita faixa com tonalidade
constante na parte superior. Tambm se
observa o acoplamento perfeito dos elementos
presentes nas duas imagens, com exceo da
presena, na imagem do carto postal, de livros
de cordel, notadamente gerados a partir de uma
editorao de arte grfica, e da ausncia de
alguns elementos originalmente presentes na
imagem do slide 13, destacados em vermelho
na Figura 9.

Figura 8: Resultado da deteco de bordas, limiarizao e inverso
horizontal da imagem do carto postal.
Figura 10: Detalhe da parte inferior da imagem do carto postal, sobreposta de partes da imagem do slide 13 com indicao dos vestgios de edio da
imagem.
.
A ausncia desses elementos no
configura uma divergncia na origem das
imagens, pois uma anlise minuciosa do carto
postal revela vestgios destes elementos ainda
remanescentes na imagem do carto postal,
vide Figura 10, como 1) a rplica de textura
indicando cpia e colagem de imagem de uma
marola para substituio da imagem removida
de um pescador; 2) a imagem remanescente do
reflexo na areia molhada, com cores vermelha
e azul, do calo do pescador, cuja imagem
estava presente na imagem do slide 13; 3) o
resqucio de parte da imagem do bon do
pescador, cuja imagem estava presente na
imagem do slide 13, mas foi superposta por
imagem do mar no carto postal, e 4) a imagem
de banhista, borrada, mas ainda identificvel,
que no slide 13 aparecia de forma mais ntida.
O tipo de edio observada no carto
postal denota uma inteno de ajuste esttico
38
Figura 9: Sobreposio da imagem processada do carto postal
imagem do slide 13, aps ajustes de escala e rotao
da paisagem, aparentemente sem fins
fraudulentos. A estreita faixa de tonalidade
constante na parte superior do carto postal,
fora das margens do slide 13, pode ter sido
gerada pela ampliao da rea da imagem por
colagem de uma faixa de cu, possivelmente
objetivando o ajuste esttico da imagem para a
incluso dos elementos de cordel. Dessa forma,
pode-se concluir que h compatibilidade entre
a imagem do slide 13 e a imagem empregada
na produo do carto postal.
A natureza efmera dos elementos da
imagem, como ondas e a presena de homens
empurrando uma jangada, e a compatibilidade
das imagens descartam a hiptese de as
imagens terem sido capturadas em momentos
distintos, e reforam a hiptese de o carto
postal ter sido gerado a partir do slide 13.
3.4. COMPATIBILIDADE DE ORIGEM DOS SLIDES
A identificao da cmera fotogrfica
analgica fonte pela imagem do filme
possvel atravs do mtodo proposto em [3], de
anlise de um padro fixo de mincias
presentes nas bordas da imagem dos filmes
usados na mesma cmera, conseqncia de
imperfeies na moldura plstica da abertura
de exposio nas mquinas fotogrficas. Estas
irregularidades, decorrentes do processo de
fabricao, apresentam aleatoriedade na forma
e na posio, e podem, portanto, ser
empregadas como uma assinatura para cada
cmera.
Como a cmera da Parte A no foi
encaminhada para anlise, e como constatou-se
que a mquina da Parte B estava inoperante,
no foi possvel realizar uma identificao de
origem conclusiva. A anlise das
irregularidades das bordas ficou restrita
verificao de compatibilidade de origem dos
slides encaminhados.
Por esta anlise, observou-se que as bordas
inferior, direita, esquerda e superior de todos
os slides apresentavam mincias convergentes
indicadas por setas vermelhas, decorrentes do
efeito de obstruo e difrao da luz em torno
das irregularidades da moldura, mesmo com
variao de enquadramento das imagens. A
Figura 11 e a Figura 12, mostram as bordas
inferior e esquerda dos slides. Dessa forma,
pode-se concluir que os slides foram
registrados com o emprego de uma mesma
cmera.
Figura 11: Detalhe da borda inferior dos slides, com mincias
equivalentes.
39
Figura 12: Detalhe da borda esquerda dos slides, com mincias
equivalentes.
A verificao de edio nos slides 10, 14, 16
e 17 foi feita atravs da anlise perceptiva,
pelos mesmos motivos anteriormente expostos,
e nenhuma edio foi observada. Tambm no
foram observados elementos sugestivos de
duplicao analgica, como erros de
enquadramento nas bordas. Alm disso, a
presena de elementos semelhantes, como
pescadores e a mesma jangada, e a numerao
seqencial dos slides sugerem que as imagens
foram capturadas em um intervalo curto de
tempo.
4. CONCLUSO
A anlise apresentada permitiu, observando
os efeitos de distores da imagem do negativo
e o desenquadramento das bordas da imagem
sob fundo branco, indicar que o negativo foi
forjado como mdia original, possivelmente
empregando uma montagem de exposio com
lentes. Apesar da ausncia da cmera
fotogrfica, que viabilizaria uma anlise
conclusiva, a posse dos cinco slides registrados
de uma mesma cmera e sem sinais de edio
reforam a hiptese de que o slide 3 da Parte
A, que pelas anlises mostrou-se compatvel
com a imagem do carto postal, corresponda
imagem original usada na confeco desta.
REFERNCIAS
[1] http://www.canon.com.au/Support-Services/Support-
News/OSK-DVK-Phenomenon
[2] P. Popescu, H. Farid. Statistical Tools for Digital Forensics, In
6th International Workshop on Information Hiding, 2004.
[3] Shirase, Yonemura. Identification of camera using film images,
Jasti Abstracts, p.162, 2001
 Deteco de Nudez Utilizando
Redes Neurais Articiais
Pedro S. Franco, Daniel A. M. Sandoval, Alexandre Zaghetto, Clia Ghedini Ralha
ResumoO presente artigo prope um mtodo baseado em
redes neurais articiais para deteco de nudez em imagens
digitais a ser incorporado ao MADIK (Multi-agent Digital
Investigation ToolKit) em um agente de processamento de
imagens. O objetivo utiliz-lo como ferramenta de auxlio a
peritos em investigaes que envolvem crimes como a pedolia. O
mtodo proposto pode ser dividido em 5 etapas: (a) segmentao
por cor de pele; (b) realizao de operaes morfolgicas; (c)
rotulao e contagem de elementos conectados; (d) medio da
rea do maior elemento conectado; (e) classicao por meio
de uma rede neural articial do tipo feedforward, treinada
a partir do algoritmo Levenberg-Marquardt. Nosso conjunto
de testes formado por 1000 imagens, 500 contendo nudez
e 500 no. Em nossos experimentos, foram treinadas 10 vezes
cada uma das redes neurais com 1 a 15 neurnios na camada
escondida, totalizando 150 redes. So calculadas as taxas de
verdadeiros e falsos positivos e negativos e a F-measure utilizada
como mtrica para seleo da rede que apresenta o melhor
desempenho. A F-measure observada no melhor caso foi de
0.7967, para uma rede com 5 neurnios na camada escondida.
Index TermsPedolia, Deteco de nudez, Redes Neurais
Articiais, Multi-Agent Digital Investigation ToolKit, Investigao
forense.
I. I NTRODUO
Com o avano tecnolgico e a popularizao de mquinas
fotogrcas digitais e dispositivos de armazenamento, vastas
bibliotecas digitais de imagens digitais tornaram-se comuns.
No combate a crimes como a pedolia, a inspeo humana
dessas vastas bibliotecas torna-se muito difcil, desgastante e
por vezes invivel.
O processo investigativo de sistemas computacionais
resulta em uma tarefa complexa, envolvendo a participao
e cooperao de diversos especialistas forenses. No entanto,
a excelncia do processo pode ser limitada devido falta de
recursos, sejam eles tcnicos, cientcos ou computacionais.
Visando uma maior agilidade e ecincia dos processos
investigativos foi desenvolvido o MADIK (Multi-Agent
Digital Investigation ToolKit) [1], [2]. Trata-se de uma
ferramenta baseada na abordagem de sistema multiagente
distribudo, o qual se revelou apropriado, principalmente
devido capacidade de cooperao de agentes autnomos
especializados [3]. No MADIK foram implementados
diferentes agentes, cada qual baseado em uma rea especca
de conhecimento tcnico utilizando uma arquitetura composta
de quatro camadas, tal como uma metfora hierarquia das
organizaes: estratgica, ttica e operacional. Na camada
operacional foram denidos cinco agentes especialistas:
E-mail: {pedro, daniel}@loopec.com.br, {alexandre, ghedini}@cic.unb.br.
Departamento de Cincia da Computao, Universidade de Braslia
HashSetAgent, TimeLineAgent, FileSignatureAgent,
FilePathAgent e KeywordAgent. Os agentes especialistas
interagem durante o processo investigatrio, correlacionando
achados sobre os arquivos em anlise atravs do uso de
um blackboard colaborativo, o qual permite uma avaliao
mais detalhada de cada arquivo sob investigao.
Tendo em vista a importncia de vestgios elucitatrios em
contedos digitais de imagens, este trabalho visa a extenso
do MADIK com o desenvolvimento do agente especialista
em processamento de imagens de alta resoluo, denominado
ImageAgent. De forma geral, o ImageAgent deve ser capaz
de analisar o contedo de arquivos de tipos diversos de
imagens, para permitir a identicao, extrao e classicao
de caractersticas de interesse de uma investigao criminal,
sendo que o mtodo proposto est mais especicamente ligado
deteco de imagens de nudez, com a nalidade de auxiliar
no combate a pedolia.
II. M TODO P ROPOSTO
O mtodo proposto pode ser dividido em cinco etapas: (i)
segmentao por cor de pele; (ii) realizao de operaes
morfolgicas; (iii) rotulao e contagem de elementos
conectados; (iv) medio da rea do maior elemento
conectado; e (v) classicao por meio de uma rede neural
articial [4] do tipo feedforward, treinada a partir do algoritmo
Levenberg-Marquardt [5]. Cada uma dessas estapas ser
detalha a seguir.
A. Segmentao por Cor de Pele
Dentre os espaos de cores com os quais se pode operar,
o HSV (Hue, Saturation, V alue) indicado pela literatura
como um dos mais adequados para efeito de segmentao por
cor de pele [6], [7], sendo o plano determinado por H e S
utilizado para tal nalidade. Uma vez que a componente V
no levada em considerao, a interferncia da luminncia
no processo de identicao das regies de interesse
minimizada [8].
As cores tpicas para pele humana foram primeiro estudadas
por Felix Ritter Von Luschan [9], que desenvolveu uma
escala de classicao denominada Escala de Von Luschan.
A Figura 1 mostra um instrumento antropomtrico que utiliza
a classicao proposta por Von Luschan [10]. Em um
cenrio mais realista uma imagem composta por segmentos
de fotograas digitais de pele humana por ser utilizada
como referncia na avaliao da escala proposta por Von
Luschan. Um exemplo de imagem, bem como o plano H S
correspontente, so mostrados na Figura 2. A partir da anlise
40
Fig. 1. Instrumento antropomtrico construdo a partir da Escala de Von
Luschan1 .
(a)
(b)
Fig. 2. (a) Recortes de fotograas de pele; e (b) localizao das cores no
plano H S.
de grcos dessa natureza, pode-se estabelecer os intervalos de
interesse Hi = [0 0.11] e Si = [0.2 0.7] para as componentes
H e S, respectivamente [11]. Pixels cujos valores de H e
S etiverem contidos nesses intervalos so marcados em uma
mscara binria com o valor 1. Os demais so marcados com
0. Trata-se de um mtodo de classicao trivial que pode em
trabalhos futuros ser substitudo por mtodos mais robustos.
Por m, dado que a complexidade computacional um
problema a ser considerado, a mscara binria resultante
subamostrada por um fator de 0.5 antes de ser submetida s
etapas seguintes de processamento.
B. Realizao de Operaes Morfolgicas
Aps a binarizao e a subamostragem descritas na etapa
anterior, a imagem passa pelos processamentos mosfolgicos
de abertura e fechamento [12]. O objetivo diminuir a
quantidade de regies que erroneamente foram classicadas
como regies de interesse e conectar outras que por
1 Museo di Storia Naturale, Universit degli Studi di Firenze -
http://www.msn.uni.it/CMpro-v-p-69.html.
(a)
(b) (c)
Fig. 3. Binarizao e operaes morfolgicas: exemplo de imagem original
(a), e suas verses binarizadas antes (b) e depois (c) do processamento
sugerido.
ventura tenham sido desconectadas pela binarizao. A
Figura 3 mostra um exemplo de imagem original (a), e suas
verses binarizadas antes (b) e depois (c) do processamento
morfolgico sugerido.
C. Rotulao e Contagem de Elementos Conectados
Considerando que as imagens binrias so representadas
pelos bits 1 (branco) e 0 (preto), a metodologia adotada para se
rotular os elementos de interesse est resumida no algoritmo
ROT U LA, onde M a imagem binria e R a matriz de
rtulos.
ROTULA(M )
1 R(i, j) 0
2 for each M (i, j) = 0 do
3 if M (i, j 1) = 1 and M (i 1, j) = 1
4 then Indice = Indice + 1;
5 R(i, j) Indice;
6 elseif M (i, j 1) = 0 and M (i 1, j) = 1
7 then R(i, j) R(i, j 1);
8 else R(i, j) R(i 1, j);
9 return R
Em uma seguda passagem, estabelece-se a equivalncia
entre rtulos, quando regies vizinhas possuem rtulos
diferentes. Aps essa etapa, tem-se a informao de quantos
elementos conectados h na imagem. A Figura 4 ilustra o
resultado do processo de rotulao. Nesse exemplo foram
rotuladas 4 regies: o fundo (preto) mais trs regies de cor
de pele (demais tons de cinza).
D. Medio da rea do Maior Elemento Conectado
Nessa etapa, calcula-se a rea em pixels para cada elemento
conectado identicado na etapa anterior e, em seguida,
41
Fig. 4. Exemplo de rotulao: foram rotuladas 4 regies: o fundo mais trs
regies de cor de pele.
procura-se pelo maior valor observado. importante ressaltar
que so considerados como candidatos nessa etapa apenas
os elementos conectados que encontram-se em sua maioria
dentro da rea classicada como cor de pele na etapa de
segmentao. Dessa forma, evita-se contar o fundo como
um possvel elemento conectado. Por m, calcula-se a razo
entre a rea do maior elemento conectado e a rea total da
imagem. A Figura 5 destaca a regio de maior rea para o
exemplo em questo. Esse elemento conectado correponde a
aproximadamente 23% da rea total da imagem.
E. Classicao Utilizando Redes Neurais Articiais
O objetivo do classicador proposto identicar imagens
cantidatas a conterem nudez. Optou-se por utilizar uma rede
neural articial [4] do tipo feedforward, treinada a partir
do algoritmo Levenberg-Marquardt [5]. Foi proposta uma
arquitetura de 3 camadas: entrada, sada e oculta. Na camada
de entrada os neurnios no realizam qualquer computao.
J nas camadas de sada e oculta, a funo de ativao
tangente hiperblica empregada. Um nico neurnio compe
a camada de sada, enquanto o nmero de neurnios na camada
oculta variou de 1 a 15 durante o treinamento.
O vetor de entrada P para o classicador composto
por dois parmetros: (i) o nmero de elementos conectados
encontrados na imagem; e (ii) a rea relativa do maior
elementado conecatado. Esses dois valores so extrados nas
etapas descritas nas Subsees II-C e II-D, respectivamente.
A rede treinada para responder com o valor T = 1, se
o vetor de entrada P correponde a uma imagem candidata
a conter nudez, e com T = 1, caso contrrio. importante
ressaltar que na operao os neurnios de sada no respondem
exatamente com 1s ou ou -1s, mas apenas com valores
aproximados. Por isso, necessrio incluir uma etapa de
limiarizao. Caso a resposta do neurnio de sada seja maior
que 0, a imagem marcada como contendo nudez. Por outro
lado, se a resposta for menor ou igual 0, a imagem no tida
como suspeita.
A mtrica de desempenho utilizada foi a F -measure [13],
denida pela Equ. 1,
precision recall
F -measure = 2 , (1)
precision + recall
onde precision e recall so denidas por,
Fig. 5. Destaque do elemento conectado de maior rea: aproximadamente
23% da rea total da imagem.
tp tp
precision = e recall = ,
(tp + f p) (tp + f n)
e tp, f p e f n so as taxas de verdadeiros positivos (true
positive), falsos positivos (false positive) e falsos negativos
(false negative), respectivamente. De uma maneira geral, a
medida precision de um sistema de reconhecimento de padres
representa a relao entre a quantidade de classicaes
verdadeiramente positivas (tp) retornadas pelo sistema e a
quantidade total de classicaes retornadas como positivas
(tp + f p). Em outras palavras, representa a probabilidade
de uma classicao retornada pelo sistema como positiva
ser uma ocorrncia verdadeiramente positiva. J a medida
recall representa a relao entre a quantidade de classicaes
verdadeiramente positivas retornadas pelo sistema (tp) e a
quantidade de classicaes que deveriam ter sido retornadas
como positivas (tp + f n). Ou seja, representa a probabilidade
de uma ocorrncia verdadeiramente positiva ser classicada
como tal pelo sistema. A F -measure , dessa forma, a mdia
harmonica entre precision e recall.
III. R ESULTADOS
Nossa base de testes formada por 1000 imagens baixadas
da Internet, 500 contendo nudez e 500 no. A Figura 6
mostra a distribuio dos vetores de entrada P , denididos
a partir dessas imagens. O eixo vertical representa o nmero
de elementos conectado e o eixo horizontal representa a rea
relativa do maior elemento conectado. Para o treinamento
da rede, as duas classes de imagens, nudez e no-nudez,
so divididas em trs subconjuntos: treinamento, validao
e teste, cada qual contendo aproximadamente 1/3 das
imagens. O conjunto de treinamento utilizado para se
computar o gradiente e atualizar os pesos e bias da rede.
O conjunto de validao utilizado para interromper o
processo de aprendizando assim que a rede comea a
apresentar super-aprendizado (overtting). O conjunto de teste
utilizando na avaliao do desempenho nal da rede.
Durante o treinamento, variou-se a quantidade de neurnios
na camada escondida de 1 a 15 e cada rede foi treinada
10 vezes, com seus pesos iniciados aleatoriamente a cada
treinamento. O melhor desempenho obervado (F -measure =
0.7967) foi obtido com 5 neurnios da camada escondida. As
42
 50 IV. C ONCLUSES
Nudez
Foi apresentado um mtodo baseado em redes neurais
Nmero de Elementos Conectados

Nonudez
40 articias para deteco de nudez em imagens digitais.
Pretende-se, com isso, auxiliar na investigao de crimes de
30
pedola. Os resultados mostraram a viabilidade do mtodo
proposto, no entanto sugerem a necessidade de se incluir
descritores de imagem mais adequados, em substituio ou
20
alm daqueles que foram utilizados no presente trabalho,
que so: o nmero de elementos conectados e a rea do
10
maior elemento conectado. Em trabalhos futuros pretende-se,
ainda, incluir detectores de face, de formas corporais e
0
0 20 40 60 80 100
rgos genitais. A verso nal do mtodo ser incorporada
% do Maior ferramenta de investigao forense MADIK em um agende
de processamento de imagens.
Fig. 6. Distribuio dos vetores de entrada P , denididos a partir das imagens
da base de teste. O eixo vertical representa o nmero de elementos conectados
e o eixo horizontal representa a rea relativa do maior elemento conectado. R EFERNCIAS
[1] Bruno W. P. Hoelz, Clia Ghedini Ralha, Rajiv Geeverghese, and
Hugo C. Junior, A cooperative multi-agent approach to computer
forensics, in Proceedings of the 2008 IEEE/WIC/ACM International
Conference on Intelligent Agent Technology, Sydney, NSW, Australia,
50 December 9-12, 2008. 2008, pp. 477483, IEEE Computer Society.
Verdadeiros positivos: 78.62% [2] Bruno W. P. Hoelz, Clia Ghedini Ralha, Rajiv Geeverghese, and
Nmero de Elementos Conectados

Verdadeiros negativos: 81.6% Hugo C. Junior, Madik: A collaborative multi-agent toolkit to computer
40 forensics, in On the Move to Meaningful Internet Systems: OTM 2008
Workshops, OTM Confederated International Workshops and Posters,
ADI, AWeSoMe, COMBEK, EI2N, IWSSA, MONET, OnToContent + QSI,
30 ORM, PerSys, RDDS, SEMELS, and SWWS 2008, Monterrey, Mexico,
November 9-14, 2008. Proceedings. 2008, vol. 5333 of Lecture Notes
in Computer Science, pp. 2021, Springer-Verlag.
20 [3] Bruno W. P. Hoelz, Clia Ghedini Ralha, and Rajiv Geeverghese,
Articial intelligence applied to computer forensics, in Proceedings
of the 2009 ACM Symposium on Applied Computing (SAC), Honolulu,
10
Hawaii, USA, March 9-12, 2009. 2009, pp. 883888, ACM.
[4] Simon Haykin, Neural Networks: A Comprehensive Foundation (2nd
Edition), Prentice Hall, 2 edition, July 1998.
0
0 20 40 60 80 100 [5] M. T. Hagan and M. Menhaj, Training feedforward networks with the
% do Maior marquardt algorithm, IEEE Transactions on Neural Networks, vol. 5,
pp. 989993, 1994.
(a)
[6] Benjamin D. Zarit, Boaz J. Super, and Francis K. H. Quek, Comparison
of ve color models in skin pixel classication, in In ICCV 99 Int.
50 Workshop on, 1999, pp. 5863.
Falsos negativos: 21.38% [7] Juwei Lu, Qian Gu, K. N. Plataniotis, and Jie Wang, A comparative
Nmero de Elementos Conectados

Falsos positivos: 18.4% study of skin-color models, in Proceedings of the Second international
40 conference on Image Analysis and Recognition, 2005, ICIAR05, pp.
729736.
[8] Vladimir Vezhnevets, Vassili Sazonov, and Alla Andreeva, A survey
30 on pixel-based skin color detection techniques, in IN PROC.
GRAPHICON-2003, 2003, pp. 8592.
[9] F. von Luschan, Vlker, Rassen, Sprachen : Anthropologische
20 Betrachtungen, Deutsche Buchgemeinshaft, Berlin, 1927.
[10] Universit degli Studi di Firenze, Strumenti antropometrici, 2011.
[11] Anjali A. Shejul and Umesh L. Kulkarni, A Secure Skin Tone based
10 Steganography Using Wavelet Transform, International Journal of
Computer Theory and Engineering, vol. 3, no. 1, pp. 1622, February
2011.
0 [12] R. C. Gonzalez and R. E. Woods, Digital Image Processing,
0 20 40 60 80 100
% do Maior Prentice-Hall, EUA, 2nd edition, 2002.
[13] C. J. van Rijsbergen, Information Retrieval), Butterworth-Heinemann,
(b) 2 edition, Mar. 1979.

Fig. 7. (a) Verdadeiros positivos e negativos; e (b) Falsos positivos e

negativos. F -measure = 0.7967.

Figuras 7 (a) e (b) mostram a distribuio de verdadeiros

positivos e negativos; e falsos positivos e negativos,
respectivamente.
43
 Metodo para Compatibilidade entre
Impressoes Digitais com e sem Contato
Alexandre Zaghetto1 , Pedro Salum Franco1 e Daniel Assad Maia Sandoval1

ResumoSolucoes em biometria por impressoes digitais sem

contato tem sido propostas com o objetivo de se superar os
problemas intrnsecos relacionados a tecnologias que exigem
o contato. Para desfrutarmos das vantagens operacionais de
dispositivos sem contato, as imagens resultantes desse tipo de
captura precisam ser processadas para que se tornem similares
aquelas obtidas nos digitalizadores convencionais. O presente
artigo propoe uma solucao em duas etapas para esse problema:
a primeira procura reproduzir a textura de impressoes digitais
tradicionais; a segunda procura fazer reetir o processo de
rolagem unha-a-unha. Dois experimentos foram propostos, um
para avaliar a qualidade das imagens processadas, e outro para
estabelecer a EER(equal error rate) para um conjunto de 200
impressoes digitais (100 dedos, 2 imagens por dedo). Observou-
se que 90% das imagens apresentaram ndices bom, muito bom
ou excelente, e a EER cou em 4%, demonstrando a viabilidade
do metodo proposto.
I. I NTRODUC AO
A autenticacao biometrica, ou simplesmente biometria, pode
ser denida como a vericacao ou o reconhecimento au-
tomatico da identidade de um indivdio a partir de carac-
tersticas siologicas ou comportamentais [1]. Impressoes dig-
itais, geometria da mao, voz, ris, face, caligraa e dinamica de
digitacao sao exemplos dessas caractersticas. Em geral, difer-
entes sistemas biometricos requerem tecnologia especca,
dependendo da caracterstica siologica/comportamental con-
diderada. No entanto, independentemente das especicidades
dos diversos sistemas biometricos, ha problemas que precisam
ser tratados pela maioria deles. Como exemplo pode-se citar a
interoperabilidade entre os dispositivos que operam a partir
de uma determinada biometria. O presente artigo trata da
interoperabilidade entre dispositivos biometricos baseados em
impressoes digitais adquiridas com e sem contato.
A. Impressoes Digitais com Contato
Nao e tarefa facil determinar qual caracterstica biometrica
e a mais adequada, considerando a diversidade de aplicacoes
e condicoes de operacao. No entanto, em aplicacoes foreses,
civis e comerciais [2], impressoes digitais tem se tornado
largamente utilizadas. A entrada de um sistema de autenticacao
por impressoes digitais e uma imagem digital que representa
a estrutura de vales e franjas de um dedo real. Isso torna o
processo de aquisicao uma etapa crtica, que afeta signicati-
vamente o desempenho geral do sistema. A maior parte das
1 Departamento de Ciencia da Computacao, Universidade de Braslia, e-
mail: zaghetto@image.unb.br, pedro@loopec.com.br, daniel@loopec.com.br.
Fig. 1. Ilustracao esquematica de um sistema de biometria por impressao
digital multivista sem contato.
atuais tecnologias que lidam com impressoes digitais e baseada
em contato, ou seja, requerem que o usuario pressione os dedos
contra uma superfcie de aquisicao. O maior problema advindo
dessa tecnologia sao as distorcoes e inconsistencias que podem
ser introduzidas devido a elasticidade da pele. A qualidade das
impressoes digitais pode tambem ser seriamente afetada pelo
contato nao ideal causado por sujeira, suor, oleosidade, excesso
de secura ou humidade, temperatura e impressoes latentes.
Alem disso, partes diferentes do mesmo dedo podem ser
capturadas a cada vez que o mesmo e apresentado ao sensor,
resultando em amostras irreprodutveis. Em alguns cenarios,
tais desvantagens podem impor a necessidade de um operador
qualicado durante a fase de registro e, em muitos casos,
multiplas tentativas sao efetuadas por dedo ate que sejam
produzidas amostras com qualidade suciente. Em aplicacoes
governamentais como, por exemplo, o uso de biometria nas
urnas eletronicas empregadas pelo sistema eleitoral brasileiro1 ,
o processo de registro da populacao votante pode revelar-se
extremamente lento. Nesse exemplo especco, a expectativa
do Tribunal Superior Eleitoral (TSE) e de que ate 2018 todos
os eleitores possam votar utilizando-se desse recurso2 . Apesar
de nos ultimos anos alguns algoritmos terem sido propostos
com o objetivo de se compensar as limitacoes dos dispositivos
com contato, esse paradigma de captura pode representar
um gargalo no que tange o apromiramento da qualidade de
imagens de impressoes digitais.
1 http://www.tse.jus.br/eleicoes/biometria-e-urna-eletronica
2 https://www.youtube.com/watch?v=A ITOLoRtL4

44
 (a) Vista 0 (b) Vista 1 (c) Vista 2

Fig. 2. Exemples de vistas (1024 1280 pixels, 8 bits/pixels) adquiridas por meio de um dispositivo sem contato multivista.

B. Impressoes Digitais sem Contato

Solucoes em biometria por impressoes digitais sem contato
tem sido propostas [3], [4], [5] com o objetivo de se superar os
problemas intrinsecamente relacionados a tecnologias que ex-
igem o contato. Tais solucoes procuram atacar o problema da
qualidade da impressao digital em seu nvel mais fundamental.
Uma vez que sistemas sem contato nao obrigam o usuario
a pressionar os dedos em uma superfcie, tais sistemas nao
requerem, por exemplo, algoritmos que procuram compensar
os artefatos decorrentes das propriedades elasticas da pele.
Dentre as propostas de solucoes sem contato, os dispos- (a) (b)
itivos desenvolvidos pela empresa Touchless Biometric Sys-
tems (TBS)3 utilizam uma abordagem bastante interessante e Fig. 3. Comparacao entre: (a) imagem adquirida com contato; e (b) imagem
promissora [6]. Esses dispositivos combinam o imageamento adquirida sem contato (vista 0).
baseado em reexao com um sistema multivista construdo a
partir de tres cameras. Uma camera e posicionada de maneira
a capturar a parte do dedo em que normalmente nucleo e
deltas estao localizados e, tomando-se essa camera central
como referencia, as outras duas sao posicionadas a 45 graus,
uma no sentido horario e a outra no sentido antihorario. Se
a sobreposicao dos seus campos de visao e garantida, pode- (a) (b) (c)
se nao apenas registrar fotogracamente uma area ampliada,
como tambem gerar, por meio de algoritmos de costura [7],
Fig. 4. Equalizacao local de histograma e transformacao gama: (a) imagem
uma impressao digital equivalente a uma obtida por processo original, I (712 560 pixels, 256 nveis de cinza); (b) image equalizada, Ih ;
de rolagem (unha-a-unha). As Figuras 1 e 2 mostram uma e (c) resulado da transformacao gama, Ih .
ilustracao esquematica de um dispositivo de captura sem
contato multivista, bem como exemplos de vistas capturadas,
respectivamente. obtidas nos digitalizadores convencionais. O presente artigo
propoe uma solucao para esse problema.
C. Compatibilidade
II. M ETODO P ROPOSTO
As imagens capturadas por meio da tecnologia sem contato
em geral nao sao compatveis com as imagens obtidas em Inicialmente realizamos uma equalizacao local de his-
digitalizadores opticos, principalmente aqueles em que as tograma [8] a partir de blocos de 8 8 pixels. A Figura 4
impressoes digitais, para serem obtidas, requerem a rolagem mostra: (a) uma imagem original I, obtida por meio do
do dedo sobre uma superfcie plana, transparente e retro- dispositivo de captura sem contato aqui estudado4 ; e (b) o
iluminada. A Figura 3 mostra um exemplo. resultado da equalizacao local de histograma, Ih . E importante
Para desfrutarmos das vantagens operacionais dos disposi- ressaltar que a imagem da Figura 4(a) e uma imagem obtida
tivos sem contato, as imagens resultantes desse tipo de captura a partir da costura das tres vistas fornecidas pelo dispositivo,
precisam ser processadas para que se tornem similares aquelas ou seja, representa uma captura unha-a-unha.
3 http://www.tbsinc.com/ 4 TBSGuard 3D.

45
 (a) (b)
(e) (f)
Fig. 5. Imagens If i resultantes do processo de ltragem: (a) a (d). Imagens Ibi resultantes do processo binarizacao: (e) a (h). Na ltragem foram utilizados
ltros gaussianos de tamanho hi = [3 5 7 9] e respectivos desvios padroes dados pela Equacao 2. A binarizacao foi realizada utilizando-se o software
mindtct.
O segundo estagio do algoritmo proposto consiste em sub-
meter a imagem Ih a uma transformacao gama [8], denida
pela equacao:
Ih = c Ih
onde c e sao constantes positivas. No presente artigo consid-
eramos c = 1 e = 1.5. O resultado da transformacao em
nveis de cinza sugerida pode ser visualizado na Figura 4(c).
O passo seguinte consiste em se ltrar a imagem Ih com
4 ltros gaussianos de tamanhos hi = [3 5 7 9]. Considerando
que esses tamanhos de ltro representam as larguras a meia
altura (full width at half maximum ou FWHM) de Gaus-
sianas [9], os respectivos desvios padroes i sao denidos a
partir da equacao,
hi
i = . (2)
2 2 ln 2
As 4 novas imagens, If i , i = 1..4, resultantes do processo
de ltragem anteriormente citado, sao entao binarizadas por
meio do software mindtct oferecido pelo NIST(National In-
stitute of Standards and Technology) no pacote NIST Biometric
Image Software (NBIS) [10]. O resultado sao as imagens
binarias Ibi , i = 1..4. A imagens ltradas e binarizadas podem
ser visualizadas na Figura 5.
Gera-se, entao, uma imagem IM a partir da media das
imagens Ibi , conforme a Equacao 3, e realca-se um recorte
exatamente nos limites da impressao digital. O resultado pode
ser visualizado na Figura 6. Pode-se observar que o aspecto de
IM comeca a se aproximar ao de uma imagem adquirida por
meio de um dispositivo com contato. No entanto, a imagem
apresenta-se afunilada em sua parte superior. Geralmente,
em imagens adquiridas por meio de rolagem unha-a-unha, a
diferenca entre a largura da parte superior e a largura da parte
inferior nao e tao acentuada. Por isso, faz-se necessario um
(c) (d)
(g) (h)
processamento cujo resultado e o alargamento da parte supe-
rior da impressao digital. O algoritmo proposto procura estimar
por meio de uma regressao polinimial qual seria a funcao que
aproxima as bordas direta e esquerda da impressao digital.
(1) Estamos assumindo que a distorcao observada e simetrica.
Uma vez encontrado o polinomio p1 (x) que descreve a borda
esquerda, por exemplo, assumimos que esse mesmo polinomio
pode ser utilizado como referencia para compensar tambem a
borda direita, a partir de um polinomio simetrico p2 (x). A
correcao geometrica proposta nada mais faz do que interpolar
cada linha da impressao digital nas direcoes indicadas pela
ilustracao da Figura 7 (a). Os eixos foram rotacionados para
acompanharem a orientacao de captura da imagem. A Figura 7
(b) mostra a imagem ID resultante da correcao geometrica.
Utilizaram-se polinomios de grau 5.
4
1
IM = Ibi (3)
4 i=1
Fig. 6. Imagem IM , gerada a partir da media das imagens Ibi .
A penultima etapa de processamento consiste em se aplicar
uma textura sobre e imagem ID . Para isso, projetam-se sinteti-
camente [11] elipses sobre ID com diaginais maiores (entre
1 e 5 pixels), diagonais menores (entre 1 e 3 pixels), angulos
46

(a) (b)
Fig. 7. Correcao geometrica proposta: (a) cada linha da impressao digital
e interpolada nas direcoes indicadas. O polinomio p1 (x) e obtido a partir
de regressao polinomial e descreve a borda esquerda da impressao digital. O
polinomio p2 (x) e obtido a partir da reexao e deslocamento de p1 (x); e (b)
resultado da correcao geometrica aplicada a imagem da Figura 6. Utilizaram-
se polinomios de grau 5.
(entre 0 e 180 ) e nveis de cinza (entre 0 e 255) gerados
aleatoriamente. O resultado e o observado na Figura 8 (a).
Com o objetivo de se descartar as margens da impressao digital
por aprensentarem rudos causados pela baixa frequencia de
franjas, realiza-se um esmaecimento nas bordas da imagem. A
Figura 8 (b) mostra o resultado do esmaecimento que, tambem,
representa o passo nal do metodo proposto.
(a) (b)
Fig. 8. Aplicacao de textura (a) e esmaecimento das bordas (b).
III. R ESULTADOS E XPERIMENTAIS
Nosso conjunto de testes e formado por 200 imagens
adquiridas a partir de um dispositivo sem contato multivista.
As impressoes digitais foram capturadas da forma mais natural
possvel, simulando um processo de aquisicao real. Em outras
palavras, procurou-se minimizar ao maximo a inuencia de um
operador. O procedimento de captura foi descrito ao usuario
e o operador apenas intereferiu indicando ao usuario o mo-
mento em que o dedo deveria ser posicionado no dispositivo.
Alem disso, nao foram descartadas quaisquer imagens, mesmo
aquelas que pudessem ser classicadas como sendo de baixa
qualidade a partir de uma avaliacao previa do operador. As
imagens representam 100 dedos diferentes, capturados duas
vezes cada um. Todas as impressoes digitais foram processadas
pelo algoritmo descrito na Secao II. Em seguida, computou-se
para cada impressao digital um ndice de qualidade a partir do
software NFIQ (NIST Fingerprint Image Quality) [12]. Trata-
se de um software baseado em redes neurais articiais [13] que
retorna um dos sequintes ndices de qualidade: (1) Excelente;
(2) Muito bom; (3) Bom; (4) Regular; e (5) Ruim. Detalhes
a respeito de como o NFIQ estima a qualidade de imagens
de impressoes digitais podem ser consultados no documento
47
proposto por Tabassi e colaboradores [12]. Porem, de uma
maneira geral, o estimador baseia-se em: (a) um mapa de
qualidade onde sao integradas informacoes de baixo contrates,
baixo uxo de franjas, alta curvatura; (b) area da impressao
digital; (c) no numero total de minucias; (d) numero de
minucias com qualidades superiores a 0.5, 0.6, 0.75, 0.8 e
0.9. A qualidade de uma minucia e calculada a partir de dois
fatores: (1) sua posicao no mapa de qualidade; e (2) media
e desvio padrao dos pixels que constituem sua vizinhanca
imediata.
A Figura 9 (a) mostra os resultados gerados pelo NFIQ para
o conjunto de testes considerado nesse trabalho. Aproximada-
mente 90% das imagens receberam ndices bom, muito bom
ou excelente.
Em um segundo experimento, submetemos as impressoes
digitais processadas ao software de casamento bozorth3 [10],
com o objetivo de determinarmos a equal error rate (EER).
Para avaliaramos a taxa de falsa rejeicao, casamos uma das
impressoes digitais de cada dedo com a outra impressao
do mesmo dedo. A taxa de falsa aceitacao foi computada
casando-se as duas impressoes digitais de cada dedo com todas
as impressoes digitais dos demais dedos. Ou seja, as duas
impressoes digitais do dedo 1 foram casadas com todas as
impressoes digitais dos dedos 2 a 100 (396 casamentos). As
duas impressoes digitais do dedo 2 foram casadas com todas
as impressoes digitais dos dedos 3 a 100 (392 casamentos). E
assim por diante, ate que as duas impressoes digitais do dedo
99 foram casadas com todas as impressoes digitais do dedo
100 (4 casamentos). Foram no total 100 casamentos para se
determinar a taxa de falsa rejeicao e 19800 casamentos para se
determinar a taxa de falsa aceitacao. A denicao dessas taxas
depende tambem de um limiar estabelecido para o ndice de
similaridade retornado pelo bozorth3. A Figura 9 (b) mostra
as curvas de falsa aceitacao e falsa rejeicao para limiares entre
0 e 150. A EER cou por volta de 4% para o limiar 14.
IV. C ONCLUS OES
Foi proposto um metodo para processamento de impressoes
digitais adquiridas com dispositivos de captura multivista sem
contato, com o objetivo de torna-las semelhantes as adquiridas
com dispositivos onde o contato e necessario. Com isso,
procurou-se compatibilizar as duas tecnologias.
As 200 imagens adquiridas por meio de um dispositivo
que dispensa o contato passaram por duas etapas principais
de processamento. A primeira procura reproduzir a textura
de impressoes digitais tradicionais, e a segunda procura fazer
reetir o processo de rolagem unha-a-unha. Dois experimentos
foram propostos, um para avaliar a qualidade das imagens
processadas, e outro para estabelecer a EER. Observou-se que
90% das impressoes digitais apresentaram ndices bom, muito
bom ou excelente, e a ERR cou em 4%, demonstrando a
viabilidade do metodo proposto.
R EFERENCES
[1] J. Wayman, A denition of biometrics, in National Biometric Test
Center Colected Works 1997-2000. San Jose State University, 2000.
 [7] D.L. Milgram, Computer methods for creating photomosaics, IEEE
90 Transactions on Computers, vol. C-24, no. 11, pp. 11131119, Nov.
1975.
80 [8] Rafael C. Gonzalez and Richard E. Woods, Digital Image Processing,
Prentice Hall.
70
[9] Eric W. Weisstein, Gaussian Function,
No de ocorrncias

60 http://mathworld.wolfram.com/GaussianFunction.html, [Online;
Acessado em 21-Junho-2012].
50 [10] C. Watson, M. Garris, E. Tabassi, C. Wilson, R. M. McCabe amd
S. Janet, and K. Ko, Users Guide to NIST Biometric Image Software,
40 NIST, 2008.
[11] R. Cappelli, A. Erol, D. Maio, and D. Maltoni, Synthetic ngerprint-
30 image generation, in Pattern Recognition, 2000. Proceedings. 15th
International Conference on, 2000, vol. 3, pp. 471474 vol.3.
20 [12] E. Tabassi, C. L. Wilson, and C. I. Watson, Fingerprint Image Quality,
NIST, 2004.
10 [13] Simon Haykin, Redes Neurais, Princpios e Pratica, Pearson Education,
second edition, 1999.
0 Excelente Muito bom Bom Regular Ruim
ndice de qualidade

(a)

0.9

0.8

0.7
Taxa de erro (%)

0.6

0.5
Falsa aceitao
0.4 Falsa rejeio
0.3

0.2

0.1

0
0 20 40 60 80 100 120 140 160
Limiar

(b)

Fig. 9. (a) Indices de qualidade gerados pelo NFIQ para as 200 imagens
do conjunto de testes: 90% das imagens receberam ndices bom, muito bom
ou excelente; (b) taxas de falsa aceitacao e falsa rejeicao geradas a partir do
software de casamento de impressoes digitais bozorth3: a equal error rate
cou em 4%.

[2] R. Allen, P. Sankar, and S. Prabhakar, Fingerprint identication

technology, in Biometric Systems: Technology, Design and Performance
Evaluation, J. Wayman, A. Jain, D. Maltoni, and D. Maio, Eds.,
chapter 2. Springer, London, 2005.
[3] R.D. Labati, V. Piuri, and F. Scotti, Neural-based quality measurement
of ngerprint images in contactless biometric systems, in Neural
Networks (IJCNN), The 2010 International Joint Conference on, july
2010, pp. 1 8.
[4] Ruggero Donida Labati, Vincenzo Piuri, and Fabio Scotti, A neural-
based minutiae pair identication method for touch-less ngerprint
images, in Computational Intelligence in Biometrics and Identity
Management (CIBIM), 2011 IEEE Workshop on, april 2011, pp. 96
102.
[5] V. Piuri and F. Scotti, Fingerprint biometrics via low-cost sensors and
webcams, in Biometrics: Theory, Applications and Systems, 2008. BTAS
2008. 2nd IEEE International Conference on, 29 2008-oct. 1 2008, pp.
1 6.
[6] G. Parziale, Touchless ngerprinting technology, in Advances in
Biometrics: Sensors, Algorithms and Systems, Nalini K. Ratha and Venu
Govindaraju, Eds., chapter 2. Springer, London, 2008.

48
 Estudo de Performance de algoritmos de
Verificao de Impresses Digitais Aplicveis a
Smart-Card
Ramyss de Macedo Rodrigues1, Rafael Oliveira Ribeiro2
1
Departamento de Polcia Federal, Setor Tcnico-Cientfico da Superintendncia Regional do DPF no Piau
Teresina/Piau, Brasil
2
Departamento de Polcia Federal, Instituto Nacional de Criminalstica,
Braslia/Distrito Federal, Brasil
ramyses.rmr@dpf.gov.br, rafael.ror@dpf.gov.br

RESUMO Este artigo apresenta um estudo comparativo de individualizao de uma pessoa (universalidade,
algoritmos de verificao de impresses digitais propostos na
literatura e aplicveis a sistemas Match-on-Card (MOC).
unicidade, permanncia).
Sero avaliadas as contribuies relativas de dois desses
algoritmos ante diferentes combinaes de descritores e TABELA 1
PROPRIEDADES DE IDENTIFICADORES BIOMTRICOS
formatos de templates conforme as definies da ISO 19.749-
2, no formato compacto e normal, propostas na literatura,
selecionados levando-se em considerao a sua utilizao em Identificador
1 2 3 4 5 6 7
dispositivos de memria e capacidade de processamento Biomtrico
limitados. Os resultados demonstram que recomendvel
manter os descritores padro no formato compacto DNA H H H L H L L
especificados pela ISO/IEC 19.749-2, mesmo no se Iris H H H M H L L
utilizando todos os seus elementos. Retina H H M L H L L
Orelha M M H M M H M
1. INTRODUO Face H L M H L H H
Impresso digital M H H M H M M
A necessidade de se implementar formas Geometria da mo M M M H M M M
seguras de identificao de pessoas faz o Escrita L L L H L H H
reconhecimento automtico de caractersticas Voz M L L M L H H
biomtricas ser objeto de constantes estudos. As 1: Universalidade; 2: Unicidade; 3: Permanncia; 4: Colectabilidade; 5:
impresses digitais, nesse contexto, so as mais Desempenho; 6: Aceitabilidade; 7: Suscetibilidade; L: Baixo (Low); M:
Mdio (medium); H: Alto (high)
utilizadas, tendo em vista sua facilidade de
aquisio e processamento quando comparada a O aumento da capacidade de processamento e
outros identificadores, como ris ou DNA [1]. de armazenamento de chips que podem ser
embarcados em cartes de identificao, tokens
As impresses digitais j so, h muito,
USB, passaportes eletrnicos, entre outros, torna
utilizadas para identificao de pessoas [1]. Em
possvel que a comparao biomtrica seja
grandes bases de dados, como cadastros de
realizada dentro do prprio smart-card.
identidade civil, elas so o elemento chave na
individualizao de um registro. A principal vantagem desta abordagem diz
respeito ao aumento da segurana dos dados
A Tabela 1, extrada de [1], relaciona de forma
biomtricos e da privacidade do usurio, uma
resumida as propriedades de diversos
vez que a biometria de referncia, armazenada
identificadores biomtricos, com destaque para a
no chip, no acessada por sistemas externos,
impresso digital.
sendo necessrio apenas que o smart-card
Pode-se verificar que esse identificador fornea uma resposta do tipo positivo/negativo
biomtrico oferece mdia facilidade de aquisio ou um grau de similaridade entre a biometria de
(coletabilidade) com alta confiabilidade na referncia e aquela submetida comparao.

49
 O contedo deste artigo organizado da
seguinte forma: na seo 2 sero discutidos os
conceitos e estrutura dos sistemas de verificao
Match-on-Card. Na seo 3 sero demonstrados
os formatos de armazenamento de mincias de
acordo com a norma ISO/IEC 19749-2. Na seo
4 sero descritos algoritmos comparadores
compatveis com esses sistemas e encontrados na
literatura. Na seo 5 sero demonstrados os
resultados de testes realizados com dois
comparadores com diferentes descritores e
formatos de templates. Finalmente, nas sees 6
e 7 sero expostas as concluses e trabalhos
futuros.
2. SISTEMAS MATCH-ON-CARD DE
VERIFICAO BIOMTRICA
De acordo com [1] e [2], um sistema de
verificao de impresses digitais convencional
pode ser descrito pelo diagrama em blocos
apresentado na Figura 1.
Figura 1: Sistema de verificao de impresses digitais.
A impresso digital introduzida no sistema
atravs dispositivos pticos. Em seguida, ela
realada para ter extrados os seus elementos
individualizadores, sendo as mincias (Figura 2)
e os pontos singulares os elementos mais
comuns [1] [3] e [6]. As primeiras podem ser
divididas, para fins prticos, em terminaes e
bifurcaes. J os pontos singulares, em ncleo e
delta.
As mincias so descritas basicamente por
quatro elementos: coordenadas x e y (em relao
aos eixos coordenados da imagem), direo (em
relao ao eixo horizontal) e tipo (terminao ou
bifurcao). O conjunto de N mincias
detectadas na impresso digital ser representado
50
pelo vetor bsico, ou template, [1] e [6] [x, y,
ngulo, tipo]i, sendo 1 i N. Uma imagem de
impresso digital plana de boa qualidade
geralmente possui entre 40 e 80 mincias [1].
(a) (b)
Figura 2: Mincias e ngulos: (a) Terminaes (b) Bifurcaes.
O uso desses descritores, no entanto, no
permite uma comparao direta, ponto a ponto,
entre dois distintos templates, tendo em vista as
inevitveis distores introduzidas no processo
de aquisio, como rotaes, translaes e outras
distores no lineares.
Por isso, diversos algoritmos de verificao de
impresses digitais transformam a representao
bsica em outra que seja imune rotao e ao
deslocamento, gerando um vetor caracterstico
[1] [3], [5] [8], [9], [14] [15]. Isso pode ser
feito definindo-se referncias no conjunto
template, em relao s quais todas as mincias
sero representadas.
Os algoritmos de comparao respondero
solicitao de verificao de dois templates
atravs de um grau de similaridade, geralmente
variando no intervalo [0,1], o qual est
relacionado com a probabilidade dessas duas
impresses digitais serem provenientes de um
mesmo dedo [1], [10].
Para plataformas computacionais baseadas em
PC, o tamanho dessa representao no uma
preocupao imediata do projetista, tendo em
vista a disponibilidade de recursos de memria e
processamento.
Nos sistemas Match-on-Card (MOC), por
outro lado, todo o processo de verificao
realizado no interior do chip, instalado, em geral,
no corpo de um carto plstico [7], [9] e [11]. O
template que representa a impresso digital do
proprietrio do carto de identidade
armazenado em regies de memria protegidas
contra acessos no autorizados. O template do
portador do carto extrado da imagem
adquirida por sensores em geral pticos ou
capacitivos. Um sistema de autenticao
biomtrico baseado nesse conceito tem a
estrutura mostrada na Figura 3.
Figura 3: Sistema Match on Card de verificao de impresses
digitais.
A aquisio, extrao e gerao de templates
so implementadas em dispositivos de hardware
de maior poder de processamento do que os
chips usualmente empregados nos smart-cards
[4], [7], [12] e [13].
O desempenho dos algoritmos de comparao
aplicveis a sistemas MOC tem melhorado
medida que os smart-cards tm aumentado sua
capacidade de processamento e memria,
assemelhando-se queles projetados para
arquiteturas baseadas em PC [14].
3. ISO/IEC 19.749-2 FORMATO PADRO DE
INTERCMBIO DE INFORMAES
BIOMTRICAS: IMPRESSES DIGITAIS
A norma ISO/IEC 19.749 define o formato de
armazenamento de diversas caractersticas
biomtricas de modo a permitir a
interoperabilidade de sistemas baseados em
biometria. A parte 2 dessa norma especializada
em impresses digitais [6], estabelecendo, entre
outros aspectos, o formato de armazenamento de
suas mincias.
O formato composto por um cabealho geral
(Record Header com 24 bytes) e um bloco de
informaes Single Finger Record para cada
dedo do indivduo cadastrado. Em cada Single
Finger Record so armazenados, alm do seu
prprio cabealho, os descritores das mincias
(tipo, coordenadas, ngulo e qualidade), alm de
outros dados em um bloco denominado extended
data [5], como coordenadas do ncleo e delta,
quantidade de linhas entre mincias, etc. So
tambm definidos dois formatos de
armazenamento: normal e compacto.
Para o formato normal, as informaes
relativas a cada mincia so armazenadas em
blocos de 6 bytes, com o alinhamento mostrado
na Figura 4.
   
    
   
Figura 4: Formato das mincias representadas no modo normal [15].
O formato compacto, por outro lado, utiliza
apenas 3 bytes por mincia, com alinhamento
mostrado na Figura 5.
  
   
Figura 5: Formato das mincias representadas no modo compacto
[15].
O formato normal representa uma coordenada
espacial utilizando 14 bits (214 nveis de
quantizao) e ngulos com passos de 360 / 28
graus. Se uma impresso digital tiver 40
mincias, sero necessrios 40 * 6 = 240 bytes
de memria apenas para armazenar as mincias.
No modo compacto, as coordenadas sero
representadas em 28 = 256 nveis. Os ngulos em
passos de 360 / 26 graus. Em termos de
utilizao de memria, o espao ocupado pelas
mesmas 40 mincias ser reduzido para 40 * 3 =
120 bytes. Um ganho considervel se
observarmos que trabalhamos com limitaes de
memria.
A desvantagem bvia da utilizao do modo
compacto a perda de resoluo dos descritores
da mincia.
O MINEXII (Minutiae Exchange
Interoperability Test) [13] comparou algoritmos
de verificao de impresses digitais, fornecidos
por fabricantes diversos, utilizando os dois
formatos de armazenamento, concluindo que a
51
perda de desempenho global aceitvel para o
formato compacto e, portanto, adequado para
operaes em sistemas Match-On-Card.
4. ALGORITMOS DE COMPARAO DE
IMPRESSES DIGITAIS
O reconhecimento de impresses digitais
atravs das mincias a metodologia mais
popular entre os algoritmos comparadores.
Aliado ao fato de ser semelhante tcnica
utilizada pelo comparador humano, o trabalho
com essas caractersticas transforma o processo
de verificao de duas impresses digitais em
um problema de combinao de padres de
pontos, ou point pattern matching [1] e [7].
Como discorrido na seo 2, as distores
introduzidas na aquisio no permitem a
comparao ponto a ponto entre dois templates
quando representadas por seus descritores
bsicos [x, y, ngulo, tipo].
As distores do tipo rotao e translao tem
relao direta com a rea da superfcie do sensor
e o posicionamento do dedo do usurio durante a
aquisio. As distores no lineares so
causadas principalmente pela transformao do
espao 3D do dedo do usurio para o espao 2D
da superfcie do sensor da imagem [1]. Alm
disso, os erros de deteco de mincias so
consequncias, em geral, da maior ou menor
presso com que o usurio coloca seu dedo no
sensor [2].
Desse modo, um alinhamento entre os dois
conjuntos de mincias, ou a transformao de
sua representao para outra imune rotao e
translao (vetor caracterstico), um passo
mandatrio [1].
Aps o alinhamento, duas mincias p e q,
pertencentes a templates distintos
representadas por seus descritores bsicos sero
consideradas similares se satisfizerem, ao
mesmo tempo, as seguintes equaes [1]:
Distncia_Euclidiana(p,q) t0 (1)
Diferena_angular(p,q) t1 (2)
tipo(p) = tipo(q) (3)
Onde t0 e t1 so tolerncias, utilizadas para
considerar as distores no lineares e podem ser
determinadas dinamicamente em funo da
distncia considerada, conforme [5].
Essa a proposta do algoritmo [15] o qual foi
desenvolvido para ser utilizado em smart cards.
Ele aplica sucessivamente a funo de
transformao dada pela Equao 4 para alinhar
os dois conjuntos de mincias. Observa-se que
rotacionar ou transladar um conjunto de
mincias no altera o descritor de tipo.
(4)
Os algoritmos apresentados em [4] e [14]
utilizam as coordenadas do ncleo como
referncia de um sistema de coordenadas
polares, em relao ao qual todas as mincias
so codificadas, gerando o vetor caracterstico
(Figura 6). A nova representao, desse modo,
absorve automaticamente as distores de
rotao e translao.
(a) (b)
Figura 6: Codificao das mincias e sua vizinhana segundo [14]. (a)
Mincias em relao ao ncleo. (b) Codificao da estrutura em
coordenadas polares (r = distncia radial; = distncia angular; =
diferena direcional)
Em [5], o algoritmo toma cada uma das
mincias do template e a relaciona com sua
vizinhana mais prxima (Figura 7). A grande
e vantagem dessa abordagem a no necessidade
de se detectar o ncleo da impresso digital.
Outros algoritmos, como [2] e [15], geram
grafos planares atravs da triangulao dos
descritores espaciais das mincias. Em [2],
conforme se observa na Figura 8, o vetor
caracterstico criado relacionando-se cada
mincia com sua vizinhana estabelecida pelas
52
arestas do grafo. Em [15], cada triangulo gerado
codificado em funo de seus lados, ngulos
internos e externos, e outras caractersticas
associadas. O trabalho de [15] implementou esse
algoritmo em um smart card.
Figura 7: Codificao da mincia Mi e suas duas vizinhas mais
prximas, segundo [5].
(a) (b)
(c) (d)
Figura 8: Codificao das mincias e sua vizinhana segundo [2]. (a)
Triangulao das mincias. (b) e (c) identificao da vizinhana gerada
pelo grafo e estrutura formada (sub-grafo). (d) Codificao da estrutura
em coordenadas polares (d = distncia radial; = distncia angular; d =
diferena direcional)
BOZORTH3 [16] o nome dado ao algoritmo
comparador de mincias utilizado em [17].
Nessa metodologia, todas as mincias do
conjunto so agrupadas aos pares, codificando-se
as distncias, ngulos e diferenas direcionais
entre extremos, de acordo com a Figura 9.
Outros algoritmos no baseados em mincias
j esto sendo aplicados no reconhecimento de
impresses digitais em sistemas MOC, como o
proposto em [3], que se utiliza do denominado
FingerCode para o reconhecimento rpido de
impresses digitais em smart cards.
53
Verifica-se que a maioria dos algoritmos
baseados em mincias utilizam apenas os
descritores relacionados s coordenadas
espaciais e ao ngulo para gerar o vetor
caracterstico. Em tese, o descritor de tipo
aumenta o grau de individualizao de uma
mincia e ocupa, nos formatos normal e
compacto, apenas dois bits por elemento no
template.
Figura 9: Codificao de pares de mincias de acordo com [16].
A principal razo para o no uso desse
descritor sua sensibilidade aos erros de
aquisio, onde, por exemplo, uma terminao
pode ser computada como bifurcao se o
usurio pressionar demasiadamente seu dedo no
sensor [1] e [5].
Se comparada economia de memria
proporcionada pela utilizao do formato
compacto da ISO/IEC 19.794-2, a no utilizao
desse descritor geraria uma economia de apenas
dois bits por mincia. No exemplo da seo 3,
em conjunto de 40 pontos a economia em espao
de memria seria de 40 * 2 bits = 80 bits, ou 10
bytes.
Seria ento adequado utilizar esses dois bits
para aumentar a resoluo do descritor de ngulo
no modo compacto, o qual representado por
apenas 6 bits? Qual seria a perda de performance
dos algoritmos comparadores quando utilizamos
ou desprezamos esse descritor? o que se
pretende responder na prxima seo.
5. RESULTADOS EXPERIMENTAIS
Para se conferir a performance dos algoritmos
ante a utilizao dos formatos de armazenamento
normal e compacto, com e sem a utilizao de
todos os seus descritores, foram selecionados os resultados dos valores do parmetro AUC para
algoritmos de comparao propostos em [5] e diversas configuraes de descritores e formatos
[2], implementados em MATLAB, e a base de de template.
dados DB1 da FVC2002 [10], disponibilizada
Em seguida, foram repetidas todas as
em [1]. A seleo desses algoritmos se deve
configuraes de descritores dos testes
principalmente ao esforo de implementao j
anteriores, utilizando-se desta vez templates no
desenvolvido em [2]. Os valores de t0 e t1 so
modo compacto, obtidos pela requantizao dos
selecionados adaptativamente em funo da
descritores anteriores. Os parmetros x e y
distncia, conforme a metodologia apresentada
passam a ser representados com 8 bits, o ngulo
em [5]. Na prtica, esses valores pernamecem no
com 6 bits e o tipo com 2 bits. A Figura 13
intervalo de 10 a 25 pixels para t0 e de 10 a 30
mostra o detalhe da curva ROC resultante
graus para t1.
quando utilizamos os descritores [x, y, ngulo]
A base de dados contm oito amostras de cem no modo compacto e a Figura 14 mostra a curva
indivduos, totalizando oitocentas imagens de quando so utilizados os descritores [x, y,
impresso digital. Os usurios foram orientados ngulo], sendo o ngulo representado dessa vez
a colocar seus dedos no sensor com maior ou por 8 bits (adicionando os dois bits do descritor
menor presso, sem preocupao com rotaes de tipo ao descritor de ngulo: modo compacto
ou translaes. Isso produziu uma base de dados modificado).
com variabilidade intraclasse (variaes entre
As Tabelas 2 e 3 listam os resultados gerais
amostras de um mesmo dedo) bastante
obtidos.
compatvel com o mundo real [10].
Foram utilizadas como figuras de mrito a
AUC (Area Under Curve rea sobre a curva)
de uma curva ROC (Receiver Operating
Characteristic) (Figura 10), com eixo das
abscissas representando o FAR (False
Acceptance Rate) e o eixo ordenado o CAR
(Correct Acceptance Rate). Essa curva aponta a
preciso do comparador, ou seja, a probabilidade
do sistema classificar corretamente um dado
padro de entrada. O protocolo de avaliao
tambm foi baseado em [10].
Ambos os algoritmos [5] e [2] geram vetores
caractersticos relacionando cada mincia do
template suas vizinhas. O primeiro, s mais
prximas. O segundo, quela estabelecida por
uma triangulao. Figura 10: Curva ROC para os algoritmos de comparao por vizinhana
simples [5] e vizinhana por grafo [2], com vetor caracterstico originado
dos descritores [x, y, ngulo], utilizando-se seis bytes por mincia (modo
No primeiro teste, os vetores caractersticos normal).
dos dois algoritmos foram originados dos
descritores [x, y, ngulo]. No segundo, dos
descritores [x, y, ngulo, tipo] e no terceiro, de
uma combinao de [x, y, ngulo] para a mincia
central e [x, y, ngulo, tipo] para a vizinhana,
todos esses descritores representados no modo Figura 11: Detalhe da curva ROC para os algoritmos de comparao por
normal da ISO 19.794-2. As curvas ROC vizinhana simples [5] e vizinhana por grafo [2], com vetor
caracterstico originado dos descritores [x, y, ngulo, tipo], utilizando-se
exibidas nas Figuras 10 a 13 mostram os seis bytes por mincia (modo normal).

54
 com os resultados apresentados no MINEXII
[13], sendo essa queda proporcionada,
principalmente, pela menor resoluo do
descritor de ngulo (que passa a ser representado
por apenas 6 bits). O ganho em espao de
Figura 12: Detalhe da curva ROC para os algoritmos de comparao por
memria com esse formato compensa as perdas
vizinhana simples [5] e vizinhana por grafo [2], com vetor em preciso [13], uma vez que viabiliza a
caracterstico originado dos descritores [x, y, ngulo] para a mincia
central e [x, y, ngulo, tipo] para as vizinhas, utilizando-se seis bytes por
utilizao desses algoritmos em sistemas de
mincia (modo normal). baixa capacidade de memria.
TABELA 3
RESULTADOS GERAIS DOS TESTES PARA O FORMATO
COMPACTO

Configurao/ Perda de
AUC
algoritmo desempenho
A-1 0,99492 0,00%
Figura 13: Detalhe da curva ROC para os algoritmos de comparao por
vizinhana simples [5] e vizinhana por grafo [2], com vetor
A-2 0,99694 0,00%
caracterstico originado dos descritores [x, y, ngulo], utilizando-se trs B-1 0,9614 -3,37%
bytes por mincia (modo compacto), ngulo representado por seis bits.
B-2 0,97 -3,56%
C-1 0,9835 -1,15%
C-2 0,9862 -1,35%

TABELA 4
COMPARAO DOS RESULTADOS GERAIS DOS TESTES PARA O
FORMATO NORMAL E COMPACTO
Figura 14: Detalhe da curva ROC para os algoritmos de comparao por
vizinhana simples [5] e vizinhana por grafo [2], com vetor
caracterstico originado dos descritores [x, y, ngulo], utilizando-se trs Configurao/ Perda de desempenho
bytes por mincia e ngulo representado por oito bits (modo compacto algoritmo Normal/Compacto
modificado).
A-1 0,00%
TABELA 2 A-2 -0,04%
RESULTADOS GERAIS DOS TESTES PARA O FORMATO NORMAL
B-1 -0,05%
Configurao/ Perda de
AUC B-2 -0,34%
algoritmo desempenho
A-1 0,99492 0,00% C-1 -0,01%
A-2 0,99732 0,00% C-2 -0,10%
B-1 0,96184 -3,32% O emprego do descritor de tipo nos vetores
B-2 0,97327 -3,56% caractersticos, nos formatos normal ou
C-1 0,98363 -1,13% compacto, degrada o desempenho dos algoritmos
C-2 0,98717 -1,37% de comparao. A razo para isso a alta
A: algoritmo utiliza os descritores [x, y, angulo] sensibilidade desse parmetro aos erros de
B: algoritmo utiliza os descritores [x, y, ngulo, tipo] deteco de mincias.
C: algoritmo utiliza a combinao dos descritores [x, y, ngulo] e [x, y,
ngulo, tipo] Desprezar esse descritor proporciona baixa
1: algoritmo de vizinhana simples [5]
2: algoritmo de vizinhana por grafo [2] economia de memoria (apenas dois bits por
mincia). Adicionar os seus dois bits ao descritor
6. CONCLUSES de ngulo, no modo compacto, fazendo aumentar
A representao do template no modo a sua resoluo (que passa agora a ser
compacto insere nos algoritmos comparadores representado por oito bits), aproxima o
avaliados perdas de performance compatveis desempenho dos algoritmos de comparao

55
queles que se utilizam do modo normal e
descritores [x, y, ngulo].
Entretanto, considerando a pequena diferena
de desempenho entre os modos normal e
compacto e os constantes estudos e possvel
desenvolvimento de algoritmos detectores de
mincias menos suscetveis a erros, a
manuteno do descritor de tipo no template
poder vir a ser til no futuro.
http://www.nist.gov/itl/iad/ig/minex.cfm
[14] K. C. Chan, Y. S. Moon, P.S. Cheng, "Fast Fingerprint Verification
using Sub-regions of Fingerprint Images", IEEE Transactions on
Circuits and Systems for Video Technology, Vol. 14, Issue 1, pp.
95-101, Jan. 2004.
[15] Barral, C. Biometrics & Security: Combining Fingerprints, Smart
Cards and Cryptography, Tese de Doutorado, 2010, Ecole
Polytechnique Fdrale de Lausanne.
[16] Users Guide to NBIS-EC Nist Biometric Image Software
(http://www.nist.gov/customcf/get_pdf.cfm?pub_id=51096)
[17] NIST/NBIS, http://www.nist.gov/itl/iad/ig/nigos.cfm.

7. TRABALHOS FUTUROS
Os testes experimentais realizados na seo 5
devero ser repetidos com os algoritmos
implementados em smart-cards a fim de se
avaliar a compatibilidade dos resultados obtidos,
medindo-se inclusive o tempo de resposta s
solicitaes de verificao.

8. AGRADECIMENTOS
Ao SETEC/PI e ao SEPAEL pelo apoio e
incentivo.

REFERNCIAS
[1] D. Maltoni, D. Maio, A.K. Jain, and S. Prabhakar, Handbook of
Fingerprint Recognition, Springer 2005.
[2] Rodrigues, R.M., Filho, C.F.F.C. ; Costa, M.G.F; Fingerprint
Verification Using Planar Graphs; Page(s): 87 - 92 IVMSP
Workshop, 2011 IEEE 10th; 16-17 June 2011.
[3] Kumar P. Y. and Ganesh T. S. Integration of Smart Card and
Gabor Filter Method based Fingerprint Matching for Faster
Verification, INDICON, 2005 Annual IEEE, Page(s): 526 529.
[4] Mimura, M., Ishida, S.; Seto, Y., Fingerprint Verification System
on Smart Card Consumer Electronics, 2002. ICCE. 2002 Digest
of Technical Papers. International Conference on, Page(s): 182
183.
[5] T. Y. Jea, V. Govindaraju, "A Minutia-based partial fingerprint
recognition system", Pattern Recognition 38 (2005) pp. 1672-
1684, March 2005, published by Elsevier Ltd.
[6] ISO/IEC 19749-2 Biometric Data Interchange Formats Part 2:
Finger Minutiae Data.
[7] Moon, Y., Ho, H., Ng, K., Wan, S., Wong, S.: Collaborative
Fingerprint Authentication by Smart Card and a Trusted Host.
[8] Sanchez-Reillo, R., Sanchez-Avila, C.: Fingerprint Verification
using Smart Cards for Access Control Systems. Proc. of Int.
Carnahan Conf. (2001) 250-253.
[9] R. Sanchez-Reillo, L. Mengibar-Pozo, C. Sanchez-Avila,
"Microprocessor Smart Cards with Fingerprint User
Authentication". IEEE Aerospace and Electronic Systems
Magazine; Vol. 18; 22-24 ; Mar 2003
[10] FVC2002, Fingerprint Verification Competition, 2002,
http://bias.csr.unibo.it/fvc2002/
[11] Hendry, M., Prideaux, J., Smart Card Security and Applications,
Artech House, Inc., 1997.
[12] Struif, B.; Scheuermann, D., Smartcards with biometric user
verification, Multimedia and Expo, 2002. ICME '02. Proceedings.
2002 IEEE International Conference on, 2002, Page(s): 589 - 592
vol.2.
[13] MINEXII, Minutiae Exchange Interoperability Text,

56
 Avaliao de tcnicas de seleo de quadros-
chave na recuperao de informao por
contedo visual para identificar crimes
cibernticos em contedo multimdia.
Shnia Salvador de Pinho1 , Kleber J. F. Souza2
Instituto de Cincias Exatas e Informtica, PUC Minas
Guanhes, MG, Brasil
VKHQLD.VDOYDGRU#JPDLOFRPNOHEHUMIVRX]D#JPDLOFRP

5(6802  $ UHFXSHUDomR GH LQIRUPDomR GH FRQWH~GR
YLVXDO GH YtGHRV GLJLWDLV p XPD IRUPD GH JHUHQFLDPHQWR H
EXVFDGHGDGRVPXOWLPtGLDV7RGDYLDVHPXWLOL]DUWpFQLFDV
GHVHOHomR GHTXDGURVFKDYH QR SURFHVVR WRGRV RV TXDGURV
GR YtGHR VmR XWLOL]DGRV LQGHSHQGHQWH GH VXD UHOHYkQFLD
JHUDQGR H[FHVVR GH LQIRUPDo}HV SDUD DUPD]HQDU 1HVWH
WUDEDOKR p DYDOLDGR R FRPSRUWDPHQWR GH WUrV PpWRGRV GH
VHOHomRGHTXDGURFKDYHVHOHomRGHHPVHJXQGRHP
VHJXQGRV H SRU SL[HODSL[HO DSOLFDGR QD UHFXSHUDomR GH
LQIRUPDomR SRU FRQWH~GR YLVXDO 2V UHVXOWDGRV REWLGRV
LQGLFDP TXH D UHOHYkQFLD GRV TXDGURVFKDYH VHOHFLRQDGRV
SRGHVHUGHWHUPLQDQWHQDREWHQomRGHPHOKRUHVUHVXOWDGRV
1. INTRODUO
Hoje em dia com as inovaes tecnolgicas
que baratearam os preos dos dispositivos e da
comunicao de dados, houve a popularizao
do compartilhamento de contedo visual e sua
disponibilizao em meio digitais, como
exemplo o site Youtube que possibilita seus
usurios compartilhem dados multimdia.
Nestas demandas de contedos publicados
h o risco de encontrar algum que aproveita
da velocidade e disseminao de contedo
multimdia na Internet para cometer crimes
cibernticos, ou seja, infraes referentes ao
contedo do vdeo, como exemplo a
pornografia infantil, racismo e atentado a
propriedade intelectual.
Os usurios ao publicarem seus vdeos na
Internet, geralmente descrevem o assunto do
vdeo atravs de descrio textual, ou seja, o
prprio usurio retrata ao publicar seu vdeo o
contexto que ele se refere. De acordo com o
trabalho de Arajo et al [1], a descrio do
contedo do vdeo feita pelo usurio no
suficiente para realizar um controle eficaz de
dados multimdias publicados. O motivo que
nem sempre o contedo original do vdeo
condiz com o que o usurio descreveu, sendo
que alguns dos contedos podem ser crimes
cibernticos. Por isso surge a necessidade de se
ter um controle destes dados publicados [2].
Outro cenrio que deve ser levado em
considerao est relacionado s diretrizes de
sites referentes a publicao de vdeos que
contm cenas de violncia, encorajam
atividades perigosas e ilegais, afetam direitos
autorais, contendo crianas sendo sexualmente
sugestivos ou violentos entre outras [3].
Para que estes contedos imprprios sejam
publicados apenas com o consentimento do
administrador do sistema [2], muito
importante ter um gerenciamento do contedo
visual publicado [4] e esta automao pode ser
realizada atravs de tcnicas de recuperao de
informao por contedo visual.
Sabendo disso, o presente trabalho visa
avaliar o comportamento de diferentes tcnicas
de seleo de quadros-chave aplicada na
recuperao de informao por contedo
visual.
Segundo Gomes [5], no processo inicial da
recuperao de informao pelo contedo
visual realizada a coleta de todos os quadros
do vdeo. Entretanto os vdeos so compostos
por inmeros quadros, sendo necessrio
selecionar como base para a recuperao da
informao os quadros que melhor representem
o vdeo [6].
A no utilizao de tcnicas de seleo de
quadros-chave tem como consequncia o
57
excesso de informaes armazenadas, pois
todos os quadros so utilizados no processo de
recuperao, independentemente de serem
relevantes ou no, sendo elas: quadros negros,
quadros repetidos, quadros sem relevncia,
entre outros.
Trabalhos que apresentaram ganhos com a
utilizao de tcnicas de seleo de quadros-
chave foi realizado por Pimentel, Saibel e Buck
[7] e Bueno et al [8] onde foi feito
comparaes entre tcnicas de seleo de
quadros-chave e obteve diminuio do custo
computacional e armazenamento.
Outro trabalho que apresentou benefcios
com a utilizao de tcnicas de seleo de
quadros-chave foi o Nascimento, Manzato e
Goularte [9] o mesmo comparou seis tcnicas
com diferentes intervalos de tempo de seleo
de quadros-chave sendo 0.5, 1.0, 1.5, 2.0, 2.5 e
3.0 segundos, pode-se observar que a tcnica
trs segundos proporcionou melhora no
desempenho e sabendo disso faz-se necessrio
investigar os ganhos que se pode obter com a
utilizao de seleo de quadros-chave no
processo de recuperao de informao pelo
contedo visual, utilizando no s a tcnica do
Nascimento, Manzato e Goularte [9], mas
tambm outras tcnicas de seleo de quadros-
chave.
O trabalho est organizado da seguinte
forma: Primeiramente so apresentadas as
tcnicas de seleo de quadros-chave que
foram utilizadas no trabalho. Logo aps,
discute o teste dos algoritmos, o experimento
que foi realizado e anlise dos resultados. Para
finalizar a concluso da pesquisa e as
referncias utilizadas.
2. TCNICAS DE SELEO DE QUADRO-CHAVE
A partir dos estudos realizados foi possvel
definir as tcnicas de seleo de quadros-chave
que foram implementadas e analisadas no
desenvolvimento deste trabalho. As tcnicas
selecionadas foram: comparao de quadro
pixel-a-pixel, seleo de quadros-chave a cada
trs segundos do vdeo e seleo de quadros-
chave a cada um segundo do vdeo.
A tcnica de seleo de quadros-chave por
comparao pixel-a-pixel foi selecionada
devido ser uma abordagem mais simples de
comparar os quadros do vdeo [7].
O algoritmo consiste em selecionar o
primeiro quadro de um vdeo como quadro-
chave a partir deste, calcular a distncia
Euclidiana entre todos os quadros seguintes. A
distncia entre o quadro-chave selecionado e o
quadro que est sendo analisado comparada
com o limiar 80. O valor do limiar foi definido
experimentalmente observando as diferenas
visuais dos quadros-chave selecionados, ou
seja, o que obteve entre os experimentos a
menor taxa de quadros repetidos e a menor
taxa de perda de quadros relevantes do vdeo.
Quando o valor do limiar na comparao da
tcnica de pixelapixel alcanado, o quadro
que est sendo comparado selecionado como
o novo quadro-chave do vdeo e a partir deste
momento, ele passa a ser a referncia para as
prximas comparaes at a seleo do
prximo quadro-chave.
Devido tcnica de seleo de quadros-
chave a cada trs segundos do vdeo ter
reduzido o custo computacional e
proporcionou melhora no desempenho no
trabalho de Nascimento, Manzato e Goularte
[9] em comparao com seis tcnicas de
intervalos diferentes do trabalho do mesmo.
Foi definido que seria a segunda tcnica para
ser utilizada no trabalho. A tcnica baseia-se
em selecionar um quadro-chave a cada
intervalo de tempo de trs em trs segundos do
vdeo.
Por fim, a ltima tcnica foi selecionada
devido j ter sido utilizada no trabalho de Silva
[11] o trabalho pelo qual foi utilizado seu
processo de recuperao da informao por
contedo visual neste artigo. Sendo o mtodo
de seleo de quadros-chave a cada um
segundo do vdeo [10]. O funcionamento da
tcnica consiste em selecionar um quadro-
chave a cada um segundo do vdeo.
Podemos observar que as tcnicas de
seleo de quadro-chave a cada trs segundos e
um segundo do vdeo feito a seleo dos
quadros-chave de acordo com intervalos de
tempo, todavia o mtodo de seleo pixela
pixel foi realizado etapa de processamento de
imagem nos quadros do vdeo.
58
 Os quadros-chave selecionados em cada
tcnica de seleo foram utilizados no processo
de recuperao de informao por contedo
visual no trabalho de Silva [11].
O trabalho de Silva [11] consiste em realizar
comparaes entre as mtricas de indexao e
recuperao de vdeos. Alm disso, mostrou a
quantidade de informaes para se descrever
uma imagem e como estas caractersticas
influenciam diretamente na recuperao de
informao por contedo visual.
3. TESTE DOS ALGORITMOS
Primeiramente foi realizado o teste dos
algoritmos, com a finalidade de avaliar o
funcionamento das tcnicas de seleo de
quadros-chave. Para o teste foram utilizados
dois vdeos do projeto Open Video1. O Open
Video um projeto que visa disponibilizao
gratuita de vdeos digitais para pesquisa de
recuperao de multimdia.
Os vdeos aplicados no teste dos algoritmos
so apresentados na Tabela 1. So
documentrios da University of Maryland do
ano de 1998, e foram obtidos no projeto Open
Video. Os vdeos utilizados possuem som e cor.
TABELA 1
VDEOS DE TESTE
Nome do Vdeo Durao Total de
quadros
V1 New Indians, Segment 08 00:23 707
V2 New Indians, Segment 09 00:16 503
As trs tcnicas implementadas foram
executadas em ambos os vdeos, com o
objetivo de verificar a quantidade de quadros-
chave que os algoritmos selecionavam. A
Tabela 2 apresenta a quantidade de quadros-
chave selecionados por cada tcnica em cada
vdeo.
Para verificar se tais resultados estavam
corretos, na tcnica de seleo 3 em 3
segundos e 1 em 1 segundo foi realizado uma
contagem manual da taxa de quadros por
segundo do vdeo pela quantidade total dos
1
Open Vdeo um projeto que disponibiliza gratuitamente vdeos
digitais para fins de Pesquisa de recuperao de multimdia. Mais
informaes: http://www.open-video.org.
quadros. Sendo que, em ambos os vdeos esta
taxa de 29 quadros por segundo, ou seja, a
cada 29 quadros na tcnica de 1 em 1 segundo
o quadro selecionado como quadro-chave e
cada 87 quadros para a tcnica de 3 em 3
segundos. Na tcnica pixel-a-pixel o resultado
foi verificado pelas diferenas visuais entre os
quadros selecionados. Interessante ressaltar
que os quadros-chave selecionados pela tcnica
tiveram como resultado, quadros de tomadas
distintas. Esta observao tambm foi
verificada manualmente, apenas com a
observao das caractersticas visuais dos
quadros e tomadas.
TABELA 2
RESULTADO DO TESTE
Pixel-a-Pixel Seleo 3 seg. Seleo 1 seg.
V1 5 8 24
V2 6 5 17
4. EXPERIMENTO
Depois da etapa de teste dos algoritmos, foi
realizada uma anlise das tcnicas
implementadas, utilizando a mesma abordagem
de avaliao do trabalho de Silva [11]. A partir
da base de quadros-chave selecionados foram
analisados os acertos da busca de um objeto no
vdeo. Vale ressaltar que o trabalho [11] teve
como objetivo principal a anlise comparativa
do uso de estruturas mtricas para a indexao
e a recuperao de vdeos utilizando
vocabulrio visual. O autor comparou trs
estruturas: M-Tree, Slim-Tree e D-Index.
Como o objetivo deste artigo no avaliar
tais estruturas mtricas, uma destas estruturas
foi escolhida para realizao do experimento
deste trabalho: a estrutura D-Index uma
estrutura de indexao baseada em hashing.
Seu objetivo minimizar o nmero de acessos
a disco e nmero de clculos de distncias [11].
As tcnicas de seleo de quadros-chave
foram implementadas em C# no ambiente de
programao Visual Studio 2010. Na
realizao dos experimentos foi utilizado o
mesmo vdeo utilizado por Silva [11]: The Big
Bang Theory da CBS (Columbia Broadcasting
System). Este vdeo tem durao de 19
minutos, 56 segundos e possui 28.682 quadros.
Para o processo de recuperao de
59
informao por contedo visual em vdeo, consulta dos objetos.
foram selecionados aleatoriamente 12 objetos
do vdeo como se pode observar na Figura 1.
Para fazer a busca pelo seu contedo visual,
atravs de sua imagem e no de sua descrio
textual,

Figura 2 Indexao das caractersticas do vdeo, Fonte: Adaptao de

Silva [11]

FIGURA 1 OBJETOS PARA CONSULTA

Inicialmente foram executadas as 3

tcnicas de seleo de quadros-chave no vdeo
para selecionar as imagens que mais
representavam o contedo. Sendo no processo
de seleo de 1 em 1 segundo e 3 em 3
segundos foi feito com base na taxa de 23
quadros por segundo. Na Tabela 3
apresentada a quantidade de quadros-chave
selecionados por tcnica:
TABELA 3
RESULTADO DO EXPERIMENTO

Pixel-a-Pixel Seleo 3 seg. Seleo 1 seg.

440 415 1247

Os quadros-chave selecionados pelas FIGURA 3 QUADROS PARA CONSULTA

tcnicas foram utilizados no processo de
recuperao da informao por contedo visual
no trabalho de Silva [11]. Ou seja, foram
aplicadas as 3 tcnicas implementadas e o
restante do processo de recuperao de
informao por contedo visual do trabalho
[11] como se pode observar na Figura 2.
O objetivo do processo de recuperao
retornar as imagens que possuem os objetos
apresentados na Figura 1 independente de suas
posies.
A Figura 3 apresenta alguns exemplos de
quadros que foram utilizados na base para
A Figura 4 apresenta o processo de
recuperao das imagens que possuem os
objetos procurados no vdeo. Primeiramente,
feito um processo de extrao das
caractersticas da imagem do objeto que se
deseja buscar no contedo do vdeo. Logo
aps, as caractersticas extradas so
armazenadas em um vetor de caractersticas
que possui as informaes sobre cor e textura
[11]. feita a busca na estrutura de indexao
(gerada no processo de indexao das
caractersticas do vdeo). Por fim, so
retornadas todas as imagens que possuem
caractersticas em comum com o objeto

60
procurado. Objeto 09 4 3 75%
Objeto 10 5 2 40%
Objeto 11 5 0 0%
Objeto 12 13 8 61,54%
Mdia Revocao 54,02%

A Tabela 5 apresenta a anlise dos

resultados da recuperao de informao visual
da tcnica de seleo de quadros-chave 3 em 3
segundos.
TABELA 5
SELEO DE QUADRO-CHAVE TCNICA 3 EM 3 SEGUNDOS

Consulta Rotulao dos objetos Acertos % Revocao

verdadeiros
Objeto 01 9 0 0%
Objeto 02 2 0 0%
Objeto 03 63 7 11,11%
Objeto 04 41 9 21,95%
Objeto 05 59 27 45,76%
Objeto 06 55 0 0%
Figura 3Recuperao de Informao por Contedo Visual , Objeto 07 74 28 37,84%
Fonte: Adaptao de Silva [11]
Objeto 08 8 1 12,5%
Objeto 09 8 1 12,5%
5. ANLISE E RESULTADO
Objeto 10 8 7 87,5%
Na anlise dos resultados das consultas Objeto 11 7 0 0%
IRL IHLWR XPD URWXODomR GRV REMHWRV Objeto 12 26 18 69,23%
YHUGDGHLURV SDUD FDGD WpFQLca de seleo de Mdia Revocao 24,86% 
quadros-chave. Portanto, manualmente foi
contabilizada a frequncia com que os objetos
Por fim, a Tabela 6 apresenta os resultados
selecionados para recuperao da imagem da recuperao de contedo visual da tcnica
aparecem nos quadros-chave do vdeo. De
seleo 1 em 1 segundo.
acordo com o mesmo foi realizada a
comparao dos resultados. TABELA 6
SELEO DE QUADRO-CHAVE TCNICA 1 EM 1 SEGUNDO
A Tabela 4 apresenta a anlise quantitativa
Consulta Rotulao dos objetos Acertos % Revocao
dos resultados da recuperao de informao verdadeiros
visual da tcnica de seleo de quadros-chave Objeto 01 35 0 0%
pixel-a-pixel. Objeto 02 07 0 0%

TABELA 4 Objeto 03 184 4 2,17%

SELEO DE QUADRO-CHAVE TCNICA PIXEL-A-PIXEL Objeto 04 131 2 1,53%
Consulta Rotulao dos objetos Acertos % Revocao Objeto 05 171 5 2,92%
verdadeiros
Objeto 06 157 23 14,6%
Objeto 01  11 9 81,82%
Objeto 07 219 29 13,2%
Objeto 02 1 1 100%
Objeto 08 21 2 9,52%
Objeto 03  13 3 23,08%
Objeto 09 27 0 0%
Objeto 04 33 25 75,76%
Objeto 10 19 0 0%
Objeto 05 61 29 47,54%
Objeto 11 18 3 16,7%
Objeto 06 28 1 3,571%
Objeto 12 80 12 15%
Objeto 07 20 13 65%
Mdia Revocao 6.30%
Objeto 08 4 3 75%

61
 Foram utilizadas mtricas de revocao na
comparao das trs tcnicas de seleo de
quadros-chave, que avaliou a capacidade de se
recuperar as imagens mais relevantes para o
usurio. Para o resultado calculou a quantidade
de quadros que possui o objeto procurado, isto
, os acertos divididos pela quantidade de
quadros da URWXODomR GRV REMHWRV
YHUGDGHLURV
De acordo com as tcnicas implementadas
pode-se observar que o mtodo pixel-a-pixel
o mtodo que apresentou o melhor resultado de
forma geral, obteve 54,02% da mdia de
resultados relevantes retornados no processo de
recuperao de contedo visual. Obteve
tambm 100% de acerto na consulta do objeto
02. O mtodo de seleo de 3 em 3 segundos
obteve resultados de algumas consultas de
forma satisfatria. Um exemplo a consulta 12
onde se teve 18 acertos, tendo o melhor
resultado nesta consulta entre as trs tcnicas.
Entretanto de forma geral alcanou apenas a
mdia de 24,86% de resultados relevantes.
Por fim, o mtodo de 1 em 1 segundo que
teve uma revocao mdia de apenas 6,30%,
tambm apresentou vantagens, sendo uma
delas a consulta do Objeto 06, onde a mesma
acertou 23 quadros relevantes. Todavia, deve
ser levado em considerao que a mesma
tcnica possua uma base 157 quadros para
consulta. Em comparao com as outras
tcnicas que possuem uma maior quantidade de
TXDGURV QD URWXODomR GRV REMHWRV
YHUGDGHLURV
Observar-se que apesar da base de quadros
selecionados pelas tcnicas 1 em 1 segundo
maior que a tcnica pixel-a-pixel, esta ltima
obteve os resultados mais relevantes da
consulta na maioria dos casos. Pode-se dizer
que o resultado final da recuperao de
informao por contedo visual possui uma
dependncia das entradas e bases. Mesmo
quando a base de quadros maior, como na
tcnica de seleo de 1 em 1 segundo no
houve influncia de maneira geral no melhor
resultado. Alm disso, devido ao fato dos dois
primeiros mtodos (i.e., 1 em 1 segundo e 3 em
3 segundos) no realizarem nenhum
processamento sobre as imagens (apenas
selecionou os quadros em relao ao tempo do
vdeo) os resultados obtidos no foram to
relevante quanto tcnica pixel-a-pixel, que
realiza a seleo dos quadros-chaves de maior
relevncia de acordo com critrio de pr-
processamento.
6. CONCLUSES
Com o compartilhamento de contedo
visual na Internet, um grande volume de dados
multimdias publicado. Entretanto, h risco
de usurios cometerem crimes cibernticos
atravs dos contedos multimdia publicado
[12]. Devido ao volume destes dados, faz-se
necessrio ter formas automticas tanto para
realizar o gerenciamento dos mesmos, quanto
para a realizao de buscas. Esta automao
pode ser realizada atravs de tcnicas de
recuperao por contedo visual.
De acordo com Sivic e Zisserman [10] este
processo j utilizado para gerenciamento de
dados multimdia, sendo extremamente
importante ter gerenciamento e controle do
contedo visual publicado [4]. Entretanto, no
aplicando tcnicas de seleo de quadro-chave
no processo inicial da recuperao por
contedo de um vdeo, tem como consequncia
o excesso de informaes armazenadas.
Portanto, o presente trabalho teve como
objetivo avaliar o comportamento de diferentes
tcnicas de seleo de quadro-chave aplicado
na recuperao de informao por contedo
visual. Para isso, trs tcnicas de seleo de
quadros-chave foram implementadas e
avaliadas, so elas: pixel-a-pixel, 3 em 3
segundos e 1 em 1 segundo. Estas tcnicas
foram avaliadas utilizando o trabalho do Silva
[11] conforme apresentado no experimento
realizado. De acordo com os resultados dos
experimentos, verifica-se que a utilizao de
tcnicas de seleo de quadros-chave na
recuperao de informao por contedo visual
de fato influenciam nos resultados obtidos. A
tcnica de seleo de quadros-chave pixel-a-
pixel foi a tcnica que obteve os melhores
resultados, obtendo a media de 54,02% de
resultados relevantes.
Este trabalho contribui para a rea de
processamento digital de imagens apresentando
uma avaliao de tcnicas de seleo de
quadros-chave no processo de recuperao de
62
informao por contedo visual. Os resultados
obtidos indicam que a quantidade de quadros
selecionados no garante os melhores
resultados, e, alm disso, a relevncia dos
quadros selecionados pode ser determinante na
obteno de melhores resultados na
recuperao de informao por contedo
visual. Ou seja, algoritmos que realizam uma
anlise para selecionar os quadros relevantes,
como a tcnica pixel-a-pixel, tende a gerar
melhores resultados.

REFERNCIAS
[1] LOPES, Ana Paula B.; AVILA, Sandra Eliza Fontes; PEIXOTO,
Anderson N. A.; OLIVEIRA, Rodrigo Silva; COELHO,
0DUFHOR $5$-2 $UQDOGR  1XGH 'HWHFWLRQ LQ 9LGHR 8VLQJ
Bag-of-Visual-Features XXII Brazilian Symposium on Computer
Graphics and Image Processing, SIBGRAPI, IEEE Computer
Society Press, Rio de Janeiro, RJ, Brasil, 2009.
[2] PAIVA, Claudio Cardoso; SERRANO, Paulo Henrique Souto
0DLRU Critrios de Categorizao para os vdeos do Youtube.
X Congresso de Cincias da Comunicao na Regio Nordeste,
So Luis, MA, Junho 2008.
[3] DESELAERS, Thomas; Lexi Hermann; PIMENIDIS, Ney.
%DJ-of-Visual-Words models for Adult Image Classification
DQG )LOWHULQJ in International Conference on Pattern
Recognition (ICPR), Florida, USA, December 2008.
[4] $9,/$6DQGUD(OL]D)RQWHVGH8PD$ERUGDJHP %DVHDGDHP
Caractersticas de Cor para a Elaborao Automtica e Avaliao
Subjetiva de Resumos Estticos GH 9tGHRV Dissertao
(Mestrado) - UFMG, CNPq, 2008.
[5] GOMES, Marcio Luiz Rossato. Recuperao de Vdeos por
Contedo com Base em Informaes Estticas e Dinmicas.
Dissertao (Mestrado em Informtica) - Pontifcia
Universidade Catlica do Paran, Coordenao de
Aperfeioamento de Pessoal de Nvel Superior , 2006.
[6] 025,0272 &DUORV + 6$1726 7KLDJR 7HL[HLUD 
Estruturao e indexao de vdeo digital. in WebMdia, XVI
Brazilian Symposium on Computer Graphics and Image
Processing, Outubro 2003.
[7] PIMENTEL FILHO, C. A. F.; SAIBEL A. Celso; BUCK, T. A.
Integrao de Mtodos Baseados em Diferena de Quadros para
Sumarizao do Contedo de Vdeos. In: WebMedia - XIV
Simpsio Brasileiro de Sistemas Multimdia e Web, 2008, Vila
Velha, v. 2. p. 1-4, 2008.
[8] BUENO Mrcio, SANTOS Andra, FERREIRA Andr,
KELNER Judith, SIQUEIRA Iony. Refinamento de
Reconstruo 3D atravs de Seleo Apropriada de Keyframes
VIII Workshop de Realidade Virtual e Aumentada, Uberaba,
MG, 2011
[9] NASCIMENTO, Gilson A. do Nascimento; MANZATO,
0DUFHOR * *28/$57( 5XGLQHL Extrao de quadros-chave
FRPRVXEVtGLRSDUDSHUVRQDOL]DomRHPYtGHRVGLJLWDLV. Instituto
de Cincias Matemticas e de Computao, USP, So Carlos,
2010.
[10] 6,9,&-RVHI=,66(50$1$QGUHZ(IILFLHQW9LVXDO6HDUFKRI
Videos Cast as Text Retrieval.IEEE Trans Pattern Ana l Ma ch
Intell 2009.
[11] 6,/9$ +HQULTXH %DWLVWD Anlise de Estruturas Mtricas para
Recuperao de Vdeo Utilizando Vocabulrio VLVXDO I
Dissertao (Mestrado) - Pontifcia Universidade Catlica de
Minas Gerais, Programa de Ps-Graduao em Informtica,
Belo Horizonte, 2011.
[12] Ministrio Pblico Federal Procuradoria Da Repblica No Estado
De Sp Grupo De Combate Aos Crimes Cibernticos. Crimes
&LEHUQpWLFRV0DQXDO3UiWLFR'H,QYHVWLJDomR Abril, 2006.

63
 Reconstruo de Trajetria de Voo para
Simulaes 3D em Sinistros Aeronuticos
Bruno Gomes de Andrade
Instituto Nacional de Criminalstica, Polcia Federal, Brasil
SPO Lote 7 Setores Complementares 70.610-902, Braslia/DF - Brasil
andrade.bga@dpf.gov.br
RESUMO A reconstruo da trajetria de voo um im-
portante passo na investigao das causas determinantes de
sinistros aeronuticos. A proposta deste artigo expor e
discutir a metodologia utilizada pelo NTSB (National
Transport Safety Board) para reconstruir o movimento de
uma aeronave e as foras que a produzem a partir de dados
do FDR (Flight Data Recorder). O objetivo principal da me-
todologia apresentada definir a posio e orientao da
aeronave ao longo do voo, determinando respostas a
comandos, falhas no sistema, perturbaes externas ou ou-
tros fatores que possam afetar sua trajetria. A abordagem
aqui utilizada permite tambm o clculo das cargas produ-
zidas ao longo do voo em qualquer ponto da aeronave.
1 . INTRODUO
Em sinistros aeronuticos, um dos aspectos
importantes no estudo do desempenho da
aeronave consiste no clculo de sua posio e
orientao ao longo do voo, baseados,
principalmente, nas informaes dos radares
primrios e secundrios do controle de trfego
areo, dados do Flight Data Recorder (FDR) e
gravao do Cockpit Voice Recorder (CVR).
Juntamente com a investigao e anlise das
causas determinantes do acidente, comum,
existindo dados disponveis suficientes, a
reconstruo dos ltimos instantes de voos
sinistrados atravs da reproduo por meio de
simulao digital 3D.
Os parmetros gravados diretamente pelo
FDR, udio do CVR, dados de radares,
condies meteorolgicas e demais
informaes derivadas do FDR, como a
trajetria do voo, possibilitam, atravs da
simulao 3D, a integrao de todos os dados
temporais e espaciais, proporcionando uma
perspectiva visual dos acontecimentos.
A flexibilidade de combinar os dados,
ngulos de cmeras e outros elementos visuais
uma grande vantagem na forma de apresentar
a sequncia de acontecimentos e, ao mesmo
tempo, valorizar e facilitar ao destinatrio da
investigao o entendimento das concluses do
laudo pericial.
Entretanto, antes da construo de uma
simulao 3D que represente os ltimos
instantes de voos sinistrados necessrio
reconstruir a trajetria da aeronave. O presente
artigo visa a expor e discutir a metologia
aplicada pelo National Transport Safety Board
(NTSB) [1], [2] em diversos casos.
2 . CLCULOS DE DESEMPENHO DE AERONAVES
BASEADOS EM DADOS DO FDR
O FDR, enquanto instrumento de gravao
de dados, tem a funo de registrar os
parmetros necessrios para a reconstruo
precisa da trajetria, velocidade e orientao da
aeronave, bem como gravar dados relativos
potncia, configurao e operao dos motores
[3], [4].
Apesar de gravar uma srie de parmetros
relacionados ao voo, o FDR no registra
diretamente todas as variveis que podem ser
de interesse para a anlise do desempenho da
aeronave. Entretanto, diversos parmetros
podem ser derivados dos dados gravados
diretamente pelo FDR, entre eles a trajetria.
Uma estimativa precisa da trajetria de voo
da aeronave pode ser obtida atravs da dupla
integrao dos dados do sensor triaxial de
acelerao (acelermetros) instalado nas
aeronaves. Entretanto, h alguns fatores
intrnsecos relacionados ao sensor que devem
ser entendidos e levados em considerao para
a correta interpretao dos dados gravados.
Uma delas o fato de que, geralmente, os
acelermetros no esto localizados
coincidentemente com o centro de gravidade
(CG) da aeronave. Dessa forma, antes de
proceder integrao, os fatores de carga
(quantidades efetivamente medidas pelos
acelermetros) registrados pelos sensores
64
devem ser corrigidos para valores relativos
posio do CG. Os ajustes so calculados
atravs dos valores efetivamente medidos pelos
acelermetros e pelas velocidades e
aceleraes angulares da aeronave, descritas
pelas derivadas dos ngulos de guinada,
rolamento e arfagem, parmetros estes
gravados diretamente pelo FDR.
Ademais, sensores do tipo acelermetro
geralmente contm intrinsecamente pequenos
erros de offset, ou erros de bias, que podem
produzir grandes divergncias entre a
velocidade e posio reais e as calculadas, se
no forem removidos antes da integrao.
Os valores dos offsets presentes nos sensores
podem ser determinados atravs de algoritmos
de minimizao, de tal forma que o resultado
da posio da aeronave quando integrada pelos
dados dos acelermetros, esteja de acordo com
a posio da aeronave vinda de outras fontes,
como dados de radar ou GPS (geralmente so
dados com frequncia de amostragem bem
mais baixa, mas que possuem maior preciso).
2.1 . CORREES NOS ACELERMETROS E INTEGRAO
Os fatores de carga registrados pelo
FDR so parmetros extremamente
teis pois quando integrados
corretamente fornecem informaes
sobre a velocidade e posio inercial
da aeronave. Ademais, so parmetros
que possuem frequncia de amostragem
bem superior a outros dados que
dos acelermetros e a posio do CG, e
o erro devido presena do offset na
medio dos fatores de carga.
Geralmente, os acelermetros so
localizados bem prximos ao CG, de
forma que o erro devido localizao
do sensor tende a ser bem pequeno. J
o erro de bias tende a ser bastante
significativo pois mesmo um pequeno
offset pode gerar grandes erros quando
integrados no tempo.
Ademais o offset presente nos
sensores no constante, mas tende a
variar lentamente ao longo do voo.
Com a finalidade de simplificar os
clculos, os erros de offset so
considerados constantes durante
pequenos intervalos de tempo (algo em
torno de 30 a 60 segundos). Importante
notar que essa simplificao no afeta
o resultado final de forma
significativa.
2.2 . ERRO DE POSICIONAMENTO DOS ACELERMETROS
As mesmas equaes utilizadas para corrigir
o erro relativo diferena entre a posio dos
acelermetros e a posio do CG tambm
fornecem os meios para calcular os fatores de
carga em qualquer ponto da aeronave. A
acelerao de um ponto P qualquer na aeronave
dada por:
aP V6 CG xyz

*V 6
CG  xyz
* rP 
*
tambm registram a trajetria da
aeronave, como informaes de radares
e posio registrada por equipamentos
GPS. Dados dos acelermetros
costumam ter frequncia de registro
pelo FDR da ordem de 120-250Hz
enquanto que dados de GPS podem ter
frequncia de registro da ordem de 5s.
Dessa forma, a trajetria obtida atravs
das medidas dos acelermetros
apresenta uma imensa vantagem por
apresentarem um maior detalhamento
* rP 
Eq. 1
Onde xyz o vetor distncia entre o CG e o
ponto P, e o vetor velocidade angular em
torno do CG. A notao xyz na equao 1
significa que a derivada relativa ao sistema de
coordenadas do corpo, em oposio ao sistema
inercial de coordenadas. A relao entre os dois
sistemas de coordenadas mostrada na fig. 1.
Logo, com V CG xyz
 u v w  temos:


temporal. u6
Em relao aos problemas intrnsecos
V6 CG xyz
 v6 Eq. 2

presentes nos acelermetros, os dois w6

erros levados em considerao na
metodologia do NTSB so o erro
devido diferena entre a localizao

65
 
P6
6
xyz
 Q6 Eq. 6
R6

Substituindo as equaes 2, 3, 4 e 6 na
equao 1 e realizando o produto vetorial,
temos que:

  
u6 wQ v R Q  yP xQR zP xR  z Q6 y R 6
a P  v6 u R w P  R zQ yRP xQ yP  x R
6 z P
6
6
wv 6
P u Q P  xR zPQ  yR zQ  y P6 x Q
Eq. 7

Por definio temos que a posio  x , y , z 

Figura 1: Relao entre os sistemas de coordenadas inercial projetada
(xV, yV, zV) e do corpo (xb,yb,zb), ambos com origem no CG . [4] no CG igual a 0, 0, 0 . Logo, o primeiro
termo entre chaves na equao 7 deve ser a
Onde u , v , w  so as velocidades ao longo acelerao em torno do CG e o segundo termo
dos eixos Xb, Yb e Zb (coordenadas do corpo). entre chaves o incremento na acelerao
Os componentes de rP e
no eixo do corpo devido ao ponto P estar distante do CG.
so: Reescrevendo a equao 7 de forma
simplificada, temos que:


x
r P x i  y j  z k  y
Eq. 3 a P 
aCG 
a Eq. 8
z
Conforme mencionado anteriormente, um


acelermetro triaxial posicionado em um ponto
P
 P i  Q j R k  Q
Eq. 4
P, mede o fator de carga segundo a equao:
R
aP
g a CG 
a
g a
nP
 
nCG  Eq. 9

Onde i, j e k so vetores unitrios ao longo g g g

dos eixos Xb, Yb e Zb. Utilizando a seguinte
notao mais simplificada dx  dt x6 para Onde a equao 8 foi usada para substituir
denotar derivadas, as velocidades angulares P, n so n x , n y , n z .
aP . Os componentes de
Q e R so: Geralmente o fator de carga medido em
relao ao eixo Z b no segue a conveno


P sin 0 1 6
Q  sin cos cos 0 6
R cos cos sin 0 6
Os ngulos de guinada ( ), arfagem, ( ) e
rolamento ( ) so parmetros gravados pelo
FDR, sendo o ngulo de guinada considerado
igual ao valor medido pela bssola magntica
 
tradicional de coordenadas do eixo do corpo,
Eq. 5 onde a medio positiva de uma grandeza tem
direo para baixo (figura 1). A medio do
fator de carga no eixo Z b invertida, sendo
registrado pelo acelermetro e gravado pelo
FDR como:
n LF n z Eq. 10

da aeronave, corrigido pelo valor da declinao

magntica registrada no local do sinistro. Geralmente o FDR registra os valores de
Da equao 4, temos que: n x , n y , n z  como Longitudinal Acceleration,
Lateral Acceleration e Vertical/Normal
Acceleration. Os valores de n x , n y , n z  em
torno do CG podem ser encontrados utilizando
os dados do FDR juntamente com as equaes

66
9, 10 e 11 com  x , y , z  na equao 7 sendo a
distancia do sensor triaxial at o CG.
Uma vez calculado os fatores de carga no
CG, as equaes 7, 9 e 10 podem ser utilizadas
para calcular fatores de carga em quaisquer
outros pontos, como no centro de massa das
superfcies de controle ou no cockpit da
aeronave, caso seja de interesse da
investigao.
2.3 . ERRO DE BIAS NOS ACELERMETROS
Os fatores de carga registrados pelos
acelermetros raramente correspondem aos
valores reais, pois os sensores no so
perfeitos. Enquanto os incrementos relativos
registrados no fator de carga a partir de um
ponto de referncia possuem um erro muito
pequeno, o valor absoluto do fator de carga de
referncia geralmente sofre de um erro de
offset em relao ao valor real. Esse valor
facilmente visualizado na prtica a partir da
anlise dos dados de acelermetro enquanto a
aeronave se encontra em posio de repouso.
Os fatores de carga longitudinal, lateral e
vertical nesse caso so dados pela equao 9
com a P0, ou seja,
n P
g  g onde:
 
sin
g g cos sin
cos cos
e g o valor da acelerao da gravidade.
Os fatores de carga registrados pelo FDR
raramente refletem esses valores exatos, e isso
facilmente verificado em casos reais
analisando-se tais variveis, por exemplo, logo
antes da corrida de decolagem, quando a
aeronave se encontra em repouso.
Define-se o erro de offset pela equao:
n
natual
n Medido
Os erros de offset que existem logo antes da
decolagem no so necessariamente os mesmos
que existem no instante do acidente pois,
conforme j mencionado, o erro de offset pode
divergir ligeiramente ao longo do voo. Dessa
forma, o erro de offset que se aplica ao
momento do acidente deve ser determinado em
um instante anterior, mas o mais prximo
possvel do evento da queda.
Os erros de offset relativos aos acelermetros
podem ser calculados para uma aeronave em
voo atravs de um processo iterativo que
compara a posio resultante da integrao dos
valores registrados pelos acelermetros com a
posio calculada utilizando dados de
navegao de baixa frequncia registrados pelo
FDR.
A velocidade em relao ao solo (V solo) e o
ngulo de deriva ( deriva) so parmetros
geralmente registrados pelo FDR, assim como
a latitude e longitude registrados pelo GPS.
Entretanto, estas grandezas so registradas com
uma frequncia de amostragem bem mais
baixa. Geralmente a informao de posio
oriunda do GPS mais precisa.
3 . VISO GERAL DO PROCEDIMENTO DE
CLCULO DO ERRO DE BIAS NOS
ACELERMETROS.
Nesta seo ser detalhado o processo de
clculo do erro de offset e as equaes
envolvidas segundo o procedimento adotado
pelo NTSB [1] e [2] em investigaes de
sinistros aeronuticos que possuem dados do
FDR disponveis.
Eq. 11
Primeiramente, a posio atual da aeronave
definida utilizando os dados de velocidade
relativa ao solo e o ngulo de deriva registrados
pelo FDR (posio relativa ao eixos inerciais X
e Y). Com relao ao eixo inercial Z, uma
melhor estimativa da altitude calculada
resolvendo a equao hidrosttica com
estimativas da densidade do ar atual em cada
ponto e pode ser vista em maiores detalhes em
[1], [2].
Em seguida uma estimativa do erro de offset
dos acelermetros realizada atravs do
clculo dos fatores de carga que resultam da
Eq. 12
informao de posio que se obteve
anteriormente e comparando esses fatores de
carga com os fatores de carga registrados pelo
FDR.
Nesse ponto as iteraes tem incio. Os
fatores de carga so atualizados com a
estimativa de erro de offset e depois integradas
para obter a informao de posio. Esses
valores de posio integradas so comparadas
67
com a posio inercial calculada previamente e
o erro calculado.
A sensibilidade na variao da posio
devido integrao dos fatores de carga
somada ao incremento da diferena no offset
para cada sensor, avaliada modificando os
valores de offset ligeiramente e recalculando os
erros. Com a avaliao do resultado do
incremento de cada offset sobre a posio da
aeronave, os valores de erro so atualizados e
os valores de posio, erros e valor do offset
so recalculados. Quando mudanas no valor
do offset no mais resultam em uma
significante reduo na diferena, ento se
chegou a melhor estimativa do valor do offset e
os valores dos fatores de carga finais so
calculados.
Os valores integrados finais de velocidade e Figura 2: Convenes utilizadas no clculo dos offsets dos sensores,[2]
(figura adaptada)
posio so tambm calculados e representam a
melhor estimativa da velocidade inercial. V Y V solo sin 
novo trajetria 
Eq. 16

Na prxima seo todo esse processo ser

visto em detalhes. A posio da aeronave ento ser:
3.1 . DETALHES DO CLCULO DO OFFSET NOS
X novo V X dt Eq. 17
ACELERMETROS. novo

O algoritmo para o clculo do offset dos

acelermetros pode ser assim resumido: Y novo V Y dt novo
Eq. 18

Passo 1 - O valor atual da posio da

aeronave calculada atravs dos parmetros de
velocidade relativos ao solo(V solo) e ngulo de
deriva ( deriva). A posio medida no sistema
de coordenadas inercial, onde a origem do
sistema a posio da aeronave no incio do
clculo, e onde o eixo Xnovo esta alinhado com o
ngulo de trajetria relativo ao solo (figura 2,
[2]). O ngulo de trajetria, ou seja, o heading
Passo 2 - Os fatores de carga resultantes da
utilizao dos valores de posio inercial
calculados previamente so computadas para
fornecer uma estimativa inicial do offset dos
acelermetros.
Combinando as equaes 7, 9 e 11 os fatores
de carga no CG so dados por:

  
do vetor velocidade, nesse sistema de
coordenadas dado por: 1 u6 w Qv R sin
n CG  
g v6  u R w P
cos sin Eq. 19

6 v P u Q cos cos
w
trajetrira deriva  deriva t0 Eq. 13

O heading da aeronave nesse sistema de
coordenadas dado por:
novo  deriva  t0
Os componentes da velocidade inercial nos
eixos X (Norte) e Y (Leste) so:
Os ngulos de Euler ( , , ) so
registrados diretamente pelo FDR, sendo o
valor do ngulo de guinada considerado
Eq. 14
como o valor da medio da bssola magntica
corrigida pelo valor da declinao magntica) e
as velocidades angulares so dadas pela
equao 6. As componentes de velocidade no
sistema de coordenadas do corpo podem ser
calculada pelos componentes das velocidades
V X V solo cos trajetria
novo
Eq. 15
inerciais atravs da utilizao da matriz de

68
cossenos diretores T InercialeCorpo (Direction
Cosine Matrix, ou DCM):
  
u VX novo
v T InercialeCorpo  V Y
novo
w dhdt
A DCM mostrada na equao 24. Note
que, como T InercialeCorpo ortogonal, sua
inversa simplesmente sua transposta:
1 altitude h .
T Corpoe Inercial T Inercial eCorpo  T InercialeCorpo 
Renomeando n CG calculado utilizando as
equaes 19, 20 e 24 de nInercial e os valores
dos fatores de carga corrigidos para a posio
do CG de n Corrigido , uma estimativa inicial do
offset vem por meio da equao 12 como:
n Estimado
n Inercial
nCorrigido
Como na prtica o offset dos acelermetros
( n ) so aproximadamente constantes
durante o perodo de interesse, a mdia de
n Estimado do resultado da equao 22 durante o
perodo de clculo usada como a estimativa
de offset inicial.
Passo 3 - Agora se inicia o processo
iterativo. O n Corrigido atualizado com a mdia
n Estimado do passo 2 para obter os novos
valores de fatores de carga:
n novo 
nCorrigido 
n Estimado mdia
Passo 4 - Os valores de nnovo e a equao
19 fornecem trs equaes diferencias no
lineares para as variveis u , v , w  . Essas
equaes so integradas numericamente
utilizando os valores de u , v , w  dados pela
equao 20 como valores iniciais para a
integrao.
Passo 5 - Os valores u , v , w  obtidos
atravs do passo 4 so transformados para o
 
coscos novo
T Inercial eCorpo sin sin cos novo cos sin novo sin sinsin novo cos cos novo sin cos
cos sin cos novo sin sin novo cos sin sin novo sin cos novo cos cos
sistema de coordenadas inercial utilizando a
inversa da matriz de cossenos diretores:
 
VX
u
Eq. 20 V Y T CorpoeInercial  v
Eq. 25
h6 w
Passo 6 -As posies X e Y integradas so
calculadas utilizando 17 e 18 e as velocidades
integradas do passo 5. A derivada da altitude
dh dt integrada para obter o valor de
T
Eq. 21
As diferenas entre as posies integradas
 X , Y , h e as posies inerciais
 X novo , Y novo , hnovo  so uma medida do erro
ainda existente nos acelermetros. Para
calcular como os fatores de carga devem mudar
para reduzir esse erro, o efeito da variao de
cada incremento no offset na diferena entre a
Eq. 22 posio calculada e real deve ser entendido.
Idealmente, o offset de um dos trs
acelermetros que compe o sensor triaxial
deve ser associado com uma medida de erro
nica que relativamente independente dos
offsets dos outros acelermetros e que pode ser
monitorada para determinar os efeitos da
variao do incremento no offset. Tal erro de
medida para os offsets n x , n y , n z  esto
ilustrados na figura 2.
Para aeronaves de transporte comerciais que mantm
um pequeno ngulo arfagem ( ) e rolamento ( ), um
erro em nx resulta em uma diferena entre a distncia
Eq. 23 horizontal percorrida integrada e a verdadeira conforme
ilustrado pelas curvas Iint e Iact na figura 2. Um erro em ny
resulta em uma diferena entre o ngulo de trajetria atual
e integrados, no final do processo de integrao, esse erro
aparecera como um erro de posio final
(distancia a na figura 2). Um erro em nz vai
resultar em uma diferena entre a altitude atual
e a integrada.
Ierro, a diferena mdia no tempo entre Iint e
Iact, dada por:
Eq. 26
cos sin novo sin
Eq. 24
69
 t
no offset, e o incremento, ento o novo ni :
 I i nt I act 2 dt
I erro 
0
t ni novo
ni 
i
i
Eq. 34

dt
0 na prtica, o incremento de ni durante cada
onde iterao no deve ser maior que um
determinado valor (0.002g, por exemplo) sob

 
t t
dI i pena de o processo de minimizao no
I i t dt  v i t dt Eq. 27
convergir.
0 dt 0
Se aps diversas iteraes o incremento em
v i tv x 2 v y 2 i i
Eq. 28
i ficar abaixo de um determinado valor, ento
o offset mais adequado foi encontrado e o
e o subscrito i refere-se aos dados integrados em um processo esta completo.
caso, e o dado real no outro.
Uma equao aproximada para a distancia a na figura 4 . RESULTADOS PRTICOS
2 que fornece a medida do erro em ny dada por: Os casos que envolvem investigaes de
acidentes areos correm, geralmente, em
ac b Eq. 29
segredo de justia. Essa condio inviabiliza a
onde apresentao dos resultados em casos reais de
atuao da percia criminal federal.
bI I atual Eq. 30
Entretanto, para mostrar a eficincia da
e c a distncia entre a posio final integrada e metologia, sero utilizados dados reais do
a posio atual: acidente com a aeronave Airbus A320 que
realizaria o voo US Airways 1549, ocorrido em
c X X novo 2 Y Y novo 2 Eq. 31
15 de janeiro de 2009, em Nova Jersey, Estados
Unidos1. Logo aps a decolagem a aeronave
Para que se possa utilizar a no
teve um incidente de bird strike causando
clculo do erro, feita uma media no tempo do
perda de potncia em ambos os motores,
valor a:
culminando com o pouso de emergncia no rio
t Hudson.
a dt As figuras 3 e 4 mostram a coerncia entre
a mdia  0 t Eq. 32
as posies inerciais da aeronave oriundos dos
dt dados de baixa frequncia e do resultado da
0 aplicao da metologia apresentada.
O erro mdio no tempo da altitude
t

hh2 dt
h erro 0 t
Eq. 33

dt
0

Para usar essas medidas de erro para

determinar como o offset deve variar, a
sensibilidade de cada erro para com seu offset
deve ser calculado. Isso conseguido atravs
do incremento de cada offset
independentemente por um pequeno valor e
Figura 3: Grfico mostrando a convergncia entre as curvas de baixa
recalculando em seguida a posio e erros frequncia (vermelho) e integrao pelos acelermetros (eixo norte)
integrados. Se i o erro associado com ni, i
o incremento no erro devido ao incremento

70

Figura 4: Grfico mostrando a convergncia entre as curvas de baixa
frequncia (vermelho) e integrao pelos acelermetros (eixo leste)
5 . ALTERNATIVA AO PROCESSO DE MINIMIZAO
UTILIZADO PELO NTSB
A soluo apresentada pelo NTSB para a correo dos
erros de offset dos acelermetros, apesar de efetiva, no
muito elegante, pois envolve um processo iterativo de
minimizao do tipo tentativa e erro.
Ao consultar a literatura cientfica sobre reconstruo de
trajetria de voo a partir de parmetros de desempenho,
fato que esse um problema considerado resolvido pela
literatura [6], [7], [8].
possvel encontrar diversas tcnicas mais sofisticadas
que utilizam filtragem adaptativa no linear, atravs do uso
filtros de Kalman do tipo estendidos, do tipo
dessensibilizados, do tipo sigma-point, dentre outros.
Apesar de ser uma soluo mais efetiva para o problema
de erros de offset nos acelermetros a filtragem adaptativa
no linear extremamente mais complexa e na literatura
analisada no foram encontrados estudos dessa tcnica
aplicada a casos reais, onde a quantidade de parmetros
disponveis oriundos do FDR bem mais limitada, assim
como a frequncia de amostragem dos parmetros mais
baixa.
6 . ALTERNATIVA AO PROCESSO DE MINIMIZAO
UTILIZADO PELO NTSB
A soluo apresentada pelo NTSB para a correo dos
erros de offset dos acelermetros, apesar de efetiva, no
muito elegante, pois envolve um processo iterativo de
minimizao do tipo tentativa e erro.
Ao consultar a literatura cientfica sobre reconstruo de
trajetria de voo a partir de parmetros de desempenho,
fato que esse um problema considerado resolvido [6], [7],
[8].
possvel encontrar diversas tcnicas mais sofisticadas
que utilizam filtragem adaptativa no linear, atravs do uso
filtros de Kalman do tipo estendidos, do tipo
dessensibilizados, do tipo sigma-point, dentre outros.
71
Apesar de ser uma soluo mais efetiva para o problema
de erros de offset nos acelermetros a filtragem adaptativa
no linear extremamente mais complexa e na literatura
analisada no foram encontrados estudos dessa tcnica
aplicada a casos reais, onde a quantidade de parmetros
disponveis oriundos do FDR bem mais limitada, assim
como a frequncia de amostragem dos parmetros mais
baixa.
7 . CONCLUSO
Este artigo procurou expor e discutir alguns aspectos da
metodologia utilizada pelo NTSB para reconstruo da tra-
jetria de voo a partir de parmetros de desempenho grava-
dos pelo FDR de aeronaves sinistradas.
A reconstruo da trajetria o primeiro passo na cons-
truo de uma simulao 3D que vise a apresentar a se-
quencia de acontecimentos e, ao mesmo tempo, valorizar e
facilitar ao destinatrio da investigao o entendimento das
concluses do laudo pericial sobre as causas do sinistro ae-
ronutico.
Apesar de comprovadamente efetiva, a metodologia
utilizada pelo NTSB pode ser melhorada com a utilizao
de solues mais modernas, como a utilizao de filtragem
adaptativa no linear atravs de filtros de Kalman.
Entretanto, necessrio levar em considerao as limita-
es que casos reais oferecem, como a quantidade de par-
metros de desempenho e suas frequncias de amostragem.
REFERNCIAS
[1] National Transportation Safety Board, Office of Research and
Engineering, Group Chairmans Aircraft Performance Study, US
Airways Flight 1549, Airbus A320-214, Hudson River, New
Jersey January 15, 2009, NTSB Accident Number
DCA09MA026, (Washington, DC: NTSB, December 10, 2009).
[2] National Transportation Safety Board, Office of Research and
Engineering, Group Chairmans Aircraft Performance Study,
American Airlines Flight 587, Airbus A300B4-605R, Belle
Harbor, New York, November 12, 2001, NTSB Accident
Number DCA02MA001 (Washington, DC: NTSB, October 10,
2002).
[3] Convention on International Civil Aviation, Annex 6, Operation
of Aircraft, Part I - International and Commercial Air Transport
(Aeroplanes), ICAO Standard, Ninth Edition, July 2010.
[4] Convention on International Civil Aviation, Annex 6, Operation
of Aircraft, Part II - International General Aviation (Aeroplanes),
ICAO Standard, Seventh Edition, July 2008.
[5] E. L. Duke, Antoniewicz R. F., Krambeer, K. D. Derivation and
Definition of a Linear Aircraft Model, NASA RP-1207 ,.August
1988.
[6] Mulder, J. A., Chu, Q. P., Sridhar, J. K., Breeman, J., and Laban,
M. (1999). Non-linear aircraft flight path reconstruction review
and new advances. Progress in Aerospace Sciences, 35:673726.
[7] Ges, L.C.S., Hemerly, E.M., Maciel, B.C.O., Neto, W.R.,
Mendona, C. and Hoff, J. PARAMETER ESTIMATION AND
FLIGHT PATH RECONSTRUCTION USING OUTPUT-
ERROR METHOD . Inverse Problems, Design and Optimiza-
tion Symposium, Rio de janeiro, Brazil, 2004.
[8] Teixeira B. O. S., Torres L. A. B., Iscold P., Aguirre L. A.,
Flight path reconstruction A comparison of nonlinear Kalman
filter and smoother algorithms , Aerospace Science and
Technology ,2011.
 FI2 - UMA PROPOSTA DE FERRAMENTA PARA
INVESTIGACAO FORENSE EM IMAGENS
Andre P.Henriques, Tauan de O. Naves, Gustavo C. Bicalho, Flavio de B. Vidal, Dbio L. Borges
Departamento de Ciencia da Computacao
Universidade de Braslia
RESUMO - Este trabalho trata-se do desenvolvimento
de um software de processamento de imagens para
investigacao forense, destinado a peritos criminais de-
nominado FI2 (Ferramenta de Investigacao de Ima-
gens). A ferramenta foi desenvolvida utilizando como
base as bibliotecas OpenCV, para o processamento de
imagens, e QT, para a interface da aplicacao, com
a linguagem C++. Por se tratar de uma aplicacao
voltada a investigacoes criminais, a ferramenta possui
recursos durante a analise forense de uma imagem, de
modo a robustecer sua validade em processos judiciais.
PALAVRAS CHAVE - Processamento de Imagens,
Analise Forense de Imagens, FI2
1. Introducao
Fotos e vdeos sao atualmente uma das princi-
pais fontes de informacoes para investigacoes.
No entanto, nem sempre e possvel conseguir
imagens ou vdeos de boa qualidade, geral-
mente devido a problemas de equipamento e
do ambiente. Com a tecnologia atual esses
fatores nao sao impedimentos para se conse-
guir boas imagens e vdeos, para se ter pro-
vas de identicacao validas, e assim tambem
informacoes uteis para as investigacoes. Para
a utilizacao dessa tecnologia e necessario que
imagens e vdeos sejam digitalizados a m de
serem processados por um software dedicado a
melhorar as caratersticas uteis para a analise
do material.
Caractersticas que podem afetar a quali-
dade da imagem: Baixa resolucao de imagens,
necessaria para o aumento do tamanho dos
detalhes uteis; Falta de contraste; Diferentes
tipos de rudos e perturbacoes; - Tremido
causado por movimento e/ou falta de foco;
Distorcoes geometricas limitando, consequen-
temente, a reconstrucao das dimensoes dos
objetos dentro da imagem;
Com o intuito de superar essas adver-
sidades o framework proposto pelo software
FI2 (Ferramenta de Investigacao de Imagens)
disponibiliza diversas ferramentas a m de se
obter uma imagem com signicado relevante
para o usuario. Cada operacao realizada e
registrada, certicada, alem fornecer um co-
nhecimento completo das ferramentas junto
ao algoritmo para obter plena objetividade e
garantir que o resultado possa ser reproduzido
por outra pessoa.
Para a apresentacao desta proposta de
framework para analise forense de imagens,
este artigo esta dividido nas seguintes secoes:
A Secao 2 apresenta uma breve introducao ao
tema de analise forense de imagens. Na Secao
3 sao apresentadas as principais caractersticas
de proposta do FI2. E nalmente na Secao
4 sao apresentadas as conclusoes e propostas
futuras para esta proposta de ferramenta para
analise forense de imagens.
2. Analise de Imagens para ns
forenses
Apesar da demanda de ferramentas voltadas
para aplicacoes, em que tenham o foco na
analise forense de imagens digitais, atualmente
72
poucas aplicacoes atendem de forma satisfa-
toria as necessidades dos agentes de investi-
gacao brasileiros. Atualmente, existem varios
produtos que visam o processamento de ima-
gens e vdeos, mas poucos sao destinados a
area forense, dos quais apenas alguns conse-
guem realizar os objetivos a que se propoem.
Entretanto, a maioria desses programas tem
uma solucao completa de hardware e software
tornando o seu custo elevado e ainda impossi-
bilitando em muitas vezes sua utilizacao fora
do ambiente laboratorial de percia.
Todos essas aplicacoes possuem ferra-
mentas como ajuste de contraste e brilho,
equalizacao de histograma e edicao, zoom,
espelhamento, rotacao das imagens que podem
ser encontradas na literatura basica de proces-
samento de imagens [1]. Alguns deles oferecem
ferramentas onde se pode personalizar ltros.
Quase todos armazenam um log de auditoria
para cada caso realizado a m de torna-los
apropriados para apresentacoes em audiencias.
Apesar de oferecerem a capacidade de regis-
trar as operacoes realizadas junto com seus
parametros, esses softwares nao dao acesso ao
algoritmo aplicado, dicultando serem audita-
dos.
Dentro desta linha, existe a necessidade
de que seja criado um framework que realize
todos estes procedimentos que as principais
ferramentas realizam, permitem sua auditoria
caso necessario, evitem a dependencia entre
hardware e software, sendo ainda acessvel a
todos os orgaos periciais nas esferas investiga-
tivas.
Em relacao ao aspecto de auditoria, al-
ternativamente, este trabalho proposto visa
apenas a area de software, destinando-se ao
processamento de imagem com algoritmos e
tecnicas que sao reconhecidas na literatura
especializada ou descritas e detalhadas pela
propria aplicacao, diferente de alguns daque-
les, provendo acesso ao codigo ou ao algoritmo
implementado.
73
3. Ferramenta de Investigacao Fo-
rense - F I2
Nesta secao sao apresentadas as principais
caractersticas da ferramenta proposta, bem
como suas principais funcionalidades.
A FI2 e uma ferramenta de processa-
mento de imagens especializada em investi-
gacao forense. A ferramenta foi desenvolvida
utilizando como base a biblioteca OpenCV [2]
e a biblioteca e ambiente de desenvolvimento
Qt[3] com a linguagem C++, mantendo a
portabilidade entre os sistemas operacionais
Linux, Windows e MacOS.
Por se tratar de uma aplicacao focada
nas necessidades para autoridades investiga-
tivas periciais, o sistema proposto possui re-
gistro das tecnicas e manipulacoes realizadas
nas imagens, incluindo datas, algoritmos e
parametros, de modo a conferir sua validade
em processos legais e judiciais. Esta estrategia
permite a reprodutibilidade dos resultados,
por outros prossionais permitindo maior con-
abilidade nos resultados alcancados durante
a analise.
O framework de aplicacao do FI2 e des-
crito no diagrama UML (do ingles Unied
Modeling Language) descrito na Figura 1.
Para se alcancar este framework foram
utilizados como referencia tres principais nor-
teadores: desempenho, portabilidade e escala-
bilidade, que sao descritos a seguir.
A. Desempenho
O desempenho e um fator crtico pelo fato
de que tecnicas de processamento de imagens
terem um custo computacional elevado. As-
sociado a isto, deseja-se resposta (latencia)
rapida, com o intuito de o operador obter
um resultado o mais celere possvel para cada
alteracao de parametro de uma determinada
manipulacao, facilitando, assim, a compara-
cao entre as diversas conguracoes possveis
de uma determinada tecnica. Para satisfazer
esse requisito, decidiu-se pelo projeto de uma
aplicacao nativa, utilizando-se a linguagem
C++, que e servida de compiladores nas mais
diversas plataformas.
 Figura 1. Diagrama UML do framework do FI2.
B. Portabilidade
A portabilidade e um aspecto importante
tendo em vista o reaproveitamento de codi-
gos e a alcancabilidade da ferramenta. Para
obter a almejada portabilidade, estudou-se,
dentre as possibilidades, ferramentas que pu-
dessem ser interoperadas indistintamente en-
tre os tres principais sistemas operacionais:
Windows, MacOS e Linux. Com isso, optou-
se pelas bibliotecas OpenCV, para o auxlio
no processamento de imagens, e QT para o
desenvolvimento da interface.
C. Escalabilidade
A escalabilidade e importante pelo fato de
se desejar uma ferramenta que englobe as
mais diferentes e recentes ferramentas volta-
das a investigacao forense. Tais ferramentas
74
tem os mais diversos requerimentos, tanto a
interface quanto as caractersticas internas do
programa.
Para isso, desenvolveu-se uma interface
unica para o codigo de representacao graca de
todas as ferramentas e outra interface (descri-
tos na Figura 2), tambem unica, para encap-
sular o codigo de processamento de imagens
das ferramentas, exveis o suciente para
atenderem as demandas que as ferramentas
que se deseje implementar requerem. Enm,
procurou-se desenvolver uma aplicacao que
seja uma plataforma para que novas tecnicas
de processamento de imagens, em particular
na area forense, fossem facilmente implemen-
tadas. As Figuras 3, 4 e 5 descrevem exemplos
de algumas tecnicas de processamento de ima-
gens implementadas.
Figura 2. Interface com o usuario da ferra- Figura 5. Ferramenta de correcao de histo-
menta. grama.

D. Tecnicas de Processamento de Ima-

gens implementadas

A tabela 1 a seguir explicitam os recursos que

foram implementados na primeira versao do
FI2.

E. Interface

A aplicacao foi desenvolvida de modo que

novas ferramentas fossem futuramente inclu-
das no software, possibilitando que se preserve
Figura 3. Ferramenta de correcao de perspec- um modelo de interface entre todas elas. Foi
tiva. utilizado o QtCreator [3] para a criacao da in-
terface. A interface foi feita com o objetivo de
facilitar ao maximo a interacao com o usuario.
Toda a interface pode ser personalizada
de acordo com a necessidade/comodidade do
usuario. As guras 7 e 6 descrevem a interface
para escolha de qual ferramenta sera utilizada
e o painel de selecao de funcoes, respectiva-
mente.

F. Registro das Atividades Realizadas -

Log

Uma funcionalidade utilizada nesta ferra-

Figura 4. Ferramenta de realce.
menta e o Registro das atividades realizadas
nas imagens processadas. E de fundamental
importancia que todo o trabalho de avalia-
cao e analise das imagens seja documentado
para posterior relato dos resultados alcanca-

75
 Tabela 1. Funcionalidades implementadas no FI2.
Ferramentas Funcoes
Basicas Cortar, Luminancia, Contraste, Conversao
em escala cinza e Girar/Rotacionar
Interpolacao Vizinhanca mais proxima, Bilinear, Bicu-
bica, Interpolacao Lanczos [4]
Operacao de Pontos Equalizacao de Histograma
Restauracao da Imagem Correcao de Perspectiva

Figura 6. Selecao de ferramentas - Toolbox.

dos, bem como permitir sua reprodutibilidade
em caso de necessidade de auditoria e/ou revi-
sao dos resultados apresentados. Alem dessas
atribuicoes, o processo de Log tambem devera
ser criptografado, de maneira tal que este
seja protegido contra alteracoes de terceiros,
podendo invalidar todo o processo de analise
das imagens. A Figura 8 mostra a interface de
registro de Log da ferramenta FI2.
4. Conclusoes e Trabalhos futuros
Neste artigo e apresentado um framework para
processamento de imagens voltado para inves-
tigacao forense e suas ferramentas, em que
a principal motivacao e ausencia de aplica-
coes no mercado brasileiro desse padrao de
utilizacao. A criacao de uma interface com a
tentativa de facilitar ao maximo a interacao
aplicacao/usuario permite fazer comparacoes
entre varias imagens, aplicar varias ferramen-
tas, localizar facilmente as ferramentas e a ge-
racao de um log que permite a reproducao dos
procedimento aplicados, bem como a audito-
ria das atividades realizadas pela ferramenta.
Apesar da falta de algumas ferramentas, foi
observada a grande margem de aplicacoes que
podem ser feitas com o software, principal-

76

Figura 7. Painel de Selecao de Ferramentas.
mente na area de investigacao forense, onde
foi possvel vericar algumas aplicacoes com
resultados relevantes.
Nosso objetivo principal com esta apli-
cacao e a melhoria das investigacoes forenses,
tanto em relacao ao tempo quanto em quali-
dade, permitindo ao perito reduzir o tempo
despendido e ao aperfeicoamento da quali-
dade do trabalho com imagens. Um software
que integre todas as ferramentas de analise
forense de imagens com logs que permitam
a reproducao dedigna de todas as tecnicas
empregadas durante o exame pericial, bem
como apresente uma interface pratica e agil
na aplicacao de suas ferramentas, possibilitara
ao perito criminal realizar suas analises com a
rapidez e reprodutibilidade necessarias a uma
investigacao tecnica criminal.
Dentre as propostas para trabalhos fu-
turos com este framework estao a incorpo-
racao de suporte a arquivos de vdeos para
processamento com as ferramentas existentes,
extracao de frames especcos para processa-
mento, reconhecimento facial em arquivo de
imagens (comparacao com retrato falado, ima-
gens diversas) e extracao automatica de faces
em vdeos (ex.: vdeos de seguranca). Novos
algoritmos que facilitem o trabalho pericial
devem ser estudados e incorporados a esta pla-
taforma com facilidade de uso que otimizem e
documentem todas as analises realizadas.

Referencias
[1] R. Gonzales, R; Woods, Digital Image Processing,
2nd ed., 2002.
[2] W. Garage. (2012, Maio). [Online]. Available:
http://opencv.willowgarage.com/wiki/Welcome
[3] Q. Nokia. (2012, maio). [Online]. Available:
http://qt.nokia.com/
[4] C. E. Duchon, Lanczos ltering in one and two dimen-
sions, Journal of Applied Meteorology, 1979.

Figura 8. Interface de Registro de atividades -

Log.

77
 Exames de Reconhecimento Facial na
Polcia Federal
Gustavo H. M. de Arruda1 e Andr L. da C. Morisson2
1,2
Departamento de Polcia Federal
1
Superintendncia Regional de Pernambuco
Av. Cais do Apolo, 321, 50030-230, Recife, PE, Brasil
2
Instituto Nacional de Criminalstica
SPO lote 7, Ed. INC, 70.675-607, Braslia, DF, Brasil
{gustavo.ghma, morisson.alcm}@dpf.gov.br

RESUMO A metodologia usada pelos peritos criminais
federais nos exames de reconhecimento facial definida
pelo Instituto Nacional de Criminalstica, responsvel
tambm por aes de capacitao, que contam com a
presena inclusive de peritos criminais estaduais e do
Distrito Federal. Neste artigo, procura-se verificar at que
ponto a doutrina do Instituto Nacional de Criminalstica
segue as recomendaes e orientaes do FISWG (Facial
Identification Scientific Working Group), cuja misso
apresentar metodologias, recomendaes e manuais de
boas prticas, que sejam consenso na rea de identificao
humana por meio de imagens..
1. INTRODUO
O exame de reconhecimento facial, dentro
do escopo da percia criminal, trata da
comparao de duas faces presentes em
registros visuais, ou de uma face em registro
visual e um indivduo conhecido, tendo por
objetivo determinar se se trata da mesma
pessoa. face conhecida d-se o nome de
face padro, e a face no conhecida
denominada face questionada.
Apesar da ampla bibliografia sobre sistemas
biomtricos de reconhecimento facial, so raras
as publicaes que abordam aspectos
especficos do exame realizado por peritos
criminais [1] [2] [3]. Tais exames so
realizados de forma no automatizada, por
meio de comparaes individuais (um para
um), e uma concluso acerca da identidade da
face questionada emitida ao final.
Mesmo no estado da arte dos sistemas
biomtricos, ainda no h um mtodo
automatizado de reconhecimento facial que
possa ser usado como prova pericial em um
processo criminal [1]. Diferentemente de
exames de DNA, a capacidade discriminatria
dos mtodos automatizados ainda no
suficiente para evitar erros [4], que em tais
situaes, podem implicar na condenao de
um inocente.
Por sua vez, a ausncia de mtodo cientfico
na comparao facial inaceitvel, do ponto de
vista pericial. Os mtodos holsticos, assim
definidos, trazem consigo um elevado grau de
subjetividade, que no compatvel com a
neutralidade que o exame pericial requer [5]
[6].
Diante desse cenrio, um grupo cientfico,
organizado pelo Federal Bureau of
Investigation (FBI), tem trabalhado no
estabelecimento de padres, manuais e
requisitos, dentre outros, voltados para o
exame forense de reconhecimento facial. O
grupo, denominado Facial Identification
Scientific Working Group (FISWG), conta com
a participao de diversas agncias americanas
federais e estaduais, alm de universidades e
outras associaes (Universidade John
Hopkins, Laboratrio Lincoln do MIT, Polcia
Federal Australiana, Polcia Nacional
Israelense, Instituto Forense da Holanda,
dentre vrios outros).
Neste artigo, procura-se estabelecer at que
ponto a doutrina do Instituto Nacional de
Criminalstica (INC) da Polcia Federal segue
as recomendaes e orientaes do FISWG, no
que diz respeito aos exames periciais de
reconhecimento facial. Para tanto, um breve
resumo dos principais documentos publicados
pelo FISWG at o momento so apresentados
na seo 2. Em seguida, os principais aspectos
da doutrina empregada na Polcia Federal so
indicados, correlacionando-os com as
recomendaes do FISWG. Por fim, uma

78
anlise qualitativa de laudos periciais de
reconhecimento facial, recentemente
elaborados, discutida, e as consideraes
finais so apresentadas.
2. RECOMENDAES DO FISWG
O conjunto de documentos elaborados pelo
FISWG trata de diversos aspectos relativos
rea de reconhecimento facial. Para este artigo,
os seguintes documentos sero considerados:
1) Facial Comparison Overview [7];
2) Guidelines and Recommendations for
Facial Comparison Training to Competency
[8];
3) Guidelines for Facial Comparison Methods
[9];
4) Recommendations for a Training Program
in Facial Comparison [10];
5) Capture and Equipment Assessment for
Facial Recognition Systems [11].
2.1. CONSIDERAES INICIAIS
Os documentos do FISWG diferenciam o
exame de reconhecimento facial (facial
examination) do processo de anlise facial
(facial review). Ambos so procedimentos de
comparao de faces (facial comparison),
porm o exame de reconhecimento facial
realizado por profissionais especializados,
usando mtodos e procedimentos rigorosos.
Neste artigo, ser adotada a nomenclatura
exame de reconhecimento facial para indicar
o exame realizado por peritos criminais, que
tem por objetivo comparar duas faces, no
intuito de determinar se pertencem ou no a um
mesmo indivduo, mesmo considerando no
ser esta a nomenclatura mais adequada.
2.2. MTODOS
Segundo [9], os mtodos de reconhecimento
facial foram classificados em quatro tipos
distintos:
a) Holsticos: so mtodos baseados na
habilidade natural humana de classificar e
reconhecer rostos, levando-se em conta
todas as caractersticas visualizadas de
maneira simultnea;
79
b) Morfolgicos: as caractersticas anatmicas
das faces analisadas so identificadas e
classificadas em relao sua capacidade
discriminatria, e uma concluso emitida
com base em observaes subjetivas;
c) Antropomtricos: exames realizados a
partir de medidas sobre pontos
cefalomtricos nas faces comparadas, com a
concluso emitida a partir de limiares
subjetivos para as diferenas observadas;
d) Por superposio: por meio da criao de
composies entre as faces questionada e
padro, devidamente alinhadas, no intuito
de auxiliar a visualizao das caractersticas
observadas.
Conforme disposto em [9], em relao
utilizao dos mtodos para fins forenses,
recomenda-se que:
1) Mtodos holsticos sejam usados somente
quando houver restrio de tempo, no
sendo recomendado para realizao de
exames periciais;
2) Mtodos morfolgicos so considerados os
mtodos principais para realizao de
exames de comparao facial;
3) Mtodos antropomtricos no devem ser
empregados em exames forenses, tanto de
forma individual quanto conjunta a outros
mtodos, devido incerteza provocada por
condies no controladas, como ngulo de
captura, iluminao, etc.;
4) Mtodos por superposio podem ser
utilizados apenas em conjunto com os
mtodos morfolgicos.
2.3. CAPACITAO
A capacitao de pessoal tambm abordada
nos documentos emitidos pelo FISWG, que
estabelece critrios e competncias necessrias
para o treinamento na rea de reconhecimento
facial. Em [10], so especificadas as diversas
categorias de treinamento (nvel introdutrio,
conhecimento de processos e relaes,
preparao e apresentao em juzo, etc.), bem
como os nveis de avaliao (conhecimento,
competncia, proficincia e certificao). Tais
especificaes so ento estabelecidas para a
funo desempenhada (gerncia, superviso,
examinador, etc.). No presente caso, identifica-
se o cargo de perito criminal como tendo a
funo facial image examiner, o qual exige
proficincia em todas as categorias, exceo
de instrutor.
Como disposto em [8], de maneira resumida,
as seguintes competncias so desejadas para
peritos criminais:
a) Conhecer a evoluo histrica do exame
pericial de reconhecimento facial;
b) Compreender os princpios que regem a
individualidade e a permanncia, as
diferenas entre classe e indivduo, bem
como as diferenas entre caractersticas
estveis e transitrias;
c) Conhecimento amplo de princpios bsicos
de comparao facial, tais como avaliao
da qualidade da face em uma imagem,
processo ACE-V1, mtodos de comparao,
dentre outros;
d) Conhecimento profundo acerca dos sistemas
biomtricos automatizados, sua operao e
limitaes, e aspectos gerais de algoritmos
biomtricos;
e) Compreenso dos princpios que regem a
representao por imagens, em processos
fotogrficos;
Por sua vez, os cursos de capacitao na rea
devem incluir os seguintes assuntos, quando
voltados para a percia criminal:
a) Metodologia para obter concluses a partir
de comparaes faciais;
b) Limitaes na representao da face por
imagens, como distores de perspectiva;
c) Questes legais aplicveis ao caso, como
preparao e apresentao do material, e
conhecimento de casos judiciais relevantes;
Alm disso, deve-se demonstrar proficincia
por meio de avaliao, e o curso deve ser
especificamente voltado para a realizao de
exames de comparao facial.
2.4. EQUIPAMENTOS E PROCEDIMENTOS
Embora haja um conjunto de recomendaes
voltadas especificamente para equipamentos e
1
Do ingls, Analysis, Comparison, Evaluation and
Verification
80
procedimentos de captura de imagens em
sistemas biomtricos [11], as especificaes
tambm trazem implicaes na realizao dos
exames periciais.
Primeiramente, porque estabelecem
especificaes e parmetros para a coleta de
imagens que podem ser usadas em documentos
de identificao. Assim, possvel estabelecer,
eventualmente, se um determinado material
questionado, oriundo de uma foto de
documento, possui os requisitos mnimos
necessrios consecuo do exame.
Alm disso, as especificaes tambm so
aplicveis nas situaes em que necessrio
registrar as imagens da face padro,
interagindo diretamente com o indivduo que
ter sua face comparada face questionada.
Esse ltimo aspecto constitui um importante
passo em exames periciais, usualmente
denotado coleta de material padro, aplicvel
em vrias reas de percia, como fontica
forense, balstica, documentoscopia, dentre
outras. Em geral, o xito de um exame pericial,
em que a coleta de padro necessria, est
fortemente ligado qualidade do material
padro obtido.
Dessa forma, fica clara a importncia de se
ter especificaes de equipamentos e
procedimentos relacionados captura de
imagens para comparao facial.
3. EXAMES NA POLCIA FEDERAL
Na Polcia Federal, a competncia para
realizao dos exames de reconhecimento
facial dos peritos criminais federais, por se
tratar de percia oficial de natureza criminal
[12].
Por questes histricas, alm da afinidade
com a rea de Processamento Digital de
Imagens e da realizao frequente de exames
em material audiovisual, os exames de
reconhecimento facial tm sido
majoritariamente realizados por peritos com
formao em Engenharia Eltrica/Eletrnica.
No entanto, no h restries quanto
formao acadmica para realizao de tais
exames.
 Na Polcia Federal do Brasil, o Servio de
Percias em Audiovisual e Eletrnicos
(SEPAEL) do INC tem a atribuio de propor
normatizaes e aes de capacitao na rea.
At a data de elaborao deste artigo, foram
ministrados trs cursos de Reconhecimento
Facial (2009, 2010 e 2012), com pblico alvo
composto por peritos criminais federais,
estaduais e do Distrito Federal.
3.1. ESTRUTURA DO CURSO
O curso de capacitao em Reconhecimento
Facial est voltado para profissionais que
realizam exames periciais de natureza criminal.
Tais exames envolvem a comparao de
imagens de faces ou indivduos desconhecidos
com um indivduo conhecido, ou com imagens
de sua face.
O curso tem carga horria de 80h e, em
geral, realizado em turmas com 20
participantes.
A estrutura do curso est dividida em trs
mdulos distintos: Processamento Digital de
Imagens (PDI); Anatomia Facial Forense
(AFF); e Exame de Reconhecimento Facial
(ERF). O detalhamento dos mdulos
apresentado a seguir.
3.1.1. PROCESSAMENTO DIGITAL DE IMAGENS
O mdulo de PDI tem como objetivo
principal desenvolver habilidades com o
tratamento de imagens estticas digitais.
Espera-se que, ao final do mdulo, o perito
criminal possua as seguintes competncias e
habilidades:
Conhecer os fundamentos matemticos da
representao de imagens numricas;
Compreender os conceitos relativos
Transformada de Fourier Espacial aplicada
em imagens digitais;
Aplicar filtros no domnio espacial e
frequencial em imagens digitais,
compreendendo os efeitos de filtros passa-
baixas, passa-altas, passa-faixa, notch, e
outros;
Compreender e aplicar tcnicas de
ampliao de contraste, equalizao de
histograma, filtragem homomrfica, dentre
outras; e
Compreender o processo de degradao de
uma imagem por rudo e por meio da PSF
(Point Spread Function), bem como
tcnicas de melhoria e tratamento;
3.1.2. ANATOMIA FACIAL FORENSE
O mdulo de AFF est voltado para a anlise
detalhada da anatomia da face, as principais
nomenclaturas e a metodologia de descrio
das estruturas da face. Ao final deste mdulo,
as seguintes competncias e habilidades so
esperadas:
Conhecer e identificar as diversas estruturas
envolvidas na descrio e anlise da face:
estrutura bsica da cabea; classificaes
antropolgicas da face; osteologia bsica
associada ao estudo da cabea; e
Compreender os aspectos e consequncias
do envelhecimento na face e suas estruturas
(boca, orelha, sulcos, linhas de expresso,
etc.);
3.1.3. EXAME DE RECONHECIMENTO FACIAL
O mdulo de ERF responsvel por agrupar
as ferramentas e mtodos apresentados nos
mdulos de PDI e AFF, de maneira
sistemtica, inserindo-os na metodologia do
exame a ser realizado pelo perito criminal.
particularmente neste mdulo que a doutrina
estabelecida, a partir da definio da
metodologia do exame, sendo discutidos ainda
outros aspectos importantes relacionados.
Atualmente, a doutrina baseada em mtodo
morfolgico, sugerindo tambm, sempre que o
material assim o permitir, uma anlise
complementar por superposio. Embora a
anlise por cefalometria seja apresentada no
mdulo de AFF, a utilizao dos ndices
cefalomtricos como ferramenta auxiliar foi
descartada no caderno didtico mais recente
[13].
No mtodo morfolgico recomendado, a
face dividida em oito regies, conforme
mostrado na Figura 1. Em cada regio, so
apontadas as caractersticas principais a serem
observadas, alm de outras julgadas relevantes
pelo perito criminal.
Em seguida, as caractersticas anotadas so
classificadas como atributos de semelhana ou
81
divergncia, sendo atribudo um dos seguintes Realizao de procedimentos preparatrios
graus: semelhante em detalhes, semelhante, para o exame, como digitalizao de
sem comparao, diferente, diferente em registros analgicos, correo de
detalhes. As caractersticas so ainda alinhamento e escala e ajustes de
classificadas em relao sua capacidade contraste/brilho.
discriminatria, podendo ser: forte, moderada
Em relao anlise de viabilidade do
ou fraca, conforme anlise subjetiva do perito
exame, importante destacar que havia uma
criminal.
recomendao de no se realizar o exame
quando uma das faces (padro ou questionada)
apresentasse uma distncia entre os centros dos
olhos inferior a 40 pixels. Tal recomendao
teria se originado nos valores mnimos
possveis para algoritmos biomtricos, que se
encontram na faixa de 40 a 60 pixels de
distncia entre os centros dos olhos [11].
No entanto, esta recomendao no se
mostrou apropriada, uma vez que mesmo
imagens com melhor resoluo apresentavam
outros fatores de degradao que impediam a
realizao do exame, tais como foco, distoro
de lente, artefatos JPEG, dentre outros. Alm
disso, grande parte da casustica voltada para
anlise de fotografias impressas em
documentos e fichas criminais, de modo que a
recomendao no seria aplicvel.
No caderno didtico mais recente, a anlise
de viabilidade realizada de forma mais
Figura 1 Diviso da face em regies: 1. frontal; 2. nasal; 3. labial; 4. abrangente, abordando aspectos como
mentoniana; 5. orbital; 6. zigomaxilar; 7. bucomandibular; e 8.
auricular.
definio da face questionada, ocluso ou
obstruo parcial da face e impacto dos fatores
A metodologia baseada em superposio de de degradao na qualidade do exame.
imagens tambm apresentada, porm de
forma complementar ao exame. Sua utilizao 4. ADEQUAO S RECOMENDAES DO
recomendada apenas para ilustrar eventuais FISWG
convergncias ou divergncias importantes, Diante do que foi observado nas sees 2 e
sendo a concluso emitida com base nos 3, passa-se a discutir as adequaes da doutrina
resultados do mtodo morfolgico. estabelecida na Percia Criminal da Polcia
Alm da definio da metodologia, outros Federal, face s recomendaes do FISWG.
aspectos tambm so abordados neste mdulo, Inicialmente, verifica-se que o principal
tais como: aspecto relativo aos exames de reconhecimento
Verificao da viabilidade do exame, por facial o mtodo a ser empregado. Desde as
meio das caractersticas do material primeiras edies, o procedimento envolvia a
questionado; anlise da morfologia da face, o clculo de
ndices cefalomtricos e a sobreposio de
Equipamentos e metodologia para coleta de imagens, quando as condies de alinhamento
imagens para comparao, incluindo permitiam. O resultado seria conclusivo se
sugesto de ambiente adequado e ajustes no fossem identificados aspectos morfolgicos
equipamento; e suficientemente discriminatrios nas faces
analisadas.

82
 A sobreposio de imagens e o clculo de
ndices cefalomtricos eram considerados
exames complementares, que tambm
embasavam a concluso do laudo pericial.
Essas eram recomendaes contidas nas duas
primeiras edies do curso, e logo surgiram
indagaes dos prprios peritos criminais
acerca da confiabilidade do mtodo ou de sua
capacidade discriminatria.
Estudos recentes acabaram por mostrar que a
anlise por ndices cefalomtricos em imagens
(ou foto-antropometria) no confivel,
mesmo em situaes ideais [2] [3]. Assim, o
clculo de ndices cefalomtricos no mais
recomendado em [13], e tal orientao est em
processo de divulgao entre os peritos
criminais das primeiras turmas.
Em relao capacitao e treinamento dos
peritos criminais federais, ainda no h uma
previso de incluso da matria no Curso de
Formao Profissional, haja vista se tratar de
percia geralmente associada rea de exames
em material audiovisual. No entanto, a
Academia Nacional de Polcia (ANP), o INC e
o SEPAEL tm envidado esforos para garantir
uma periodicidade anual do Curso de
Reconhecimento Facial, sempre destinando
vagas para peritos criminais dos estados e
Distrito Federal.
A estrutura do curso atende, de um modo
geral, s recomendaes elencadas nos
documentos emitidos pelo FISWG (vide seo
2).
5. LAUDOS PERICIAIS
A fim de verificar aspectos pontuais da
metodologia empregada pelos peritos criminais
federais, foram coletados dados de laudos
periciais elaborados entre 2011 e 2012,
cadastrados como no-sigilosos no Sistema
Nacional de Criminalstica2 (SisCrim).
2
O Sistema Nacional de Criminalstica um sistema de
informao utilizado pela Percia Criminal Federal
para a gesto da Criminalstica, e possui em sua base
de dados todos os laudos periciais produzidos no
DPF desde 2006, sendo acessveis aos peritos
criminais federais, desde que classificados como no
sigilosos.
Inicialmente, foram anotadas as quantidades
de laudos classificados como relativos aos
exames de reconhecimento facial, que no
SisCrim podem ser:
a) Exame de Reconhecimento Facial (44);
b) Exame de Reconhecimento de Indivduo por
Imagens (102);
c) Exame Biomtrico: Reconhecimento Facial
(1);
Constatou-se que, entre janeiro/2011 e
junho/2012 foram emitidos 147 laudos
periciais relativos ao exame de reconhecimento
facial.
Em seguida, em uma anlise mais
aprofundada, uma amostra desses laudos
periciais foi analisada, com vistas a responder
s seguintes questes:
a) A metodologia baseada em um mtodo
morfolgico?
b) H a utilizao de mtodo baseado no
clculo de ndices cefalomtricos?
c) Qual o tipo de material questionado
analisado?
d) Houve coleta de material padro?
e) O resultado conclusivo3 ou
parcialmente conclusivo4?
f) Foi realizada anlise de adequabilidade
do material questionado?
g) Foram empregados mtodos de
comparao por superposio?
h) O exame tem resultado conclusivo?
Foi analisada uma amostra de 38 laudos
periciais, sendo preenchida uma planilha
contendo as respostas s questes elencadas. A
partir do cruzamento dos dados obtidos, os
seguintes resultados foram observados:
3
Entende-se por resultado conclusivo quando possvel
apontar com elevado grau de certeza ou excluir a
identidade da face questionada, quando comparada
face padro.
4
O resultado parcialmente conclusivo quando
possvel excluir a face questionada comparada com
vrios padres, exceto para pelo menos uma face
padro, onde o resultado inconclusivo.
83
a) Exames realizados em imagens de CFTV branca ou impresso de baixa qualidade, ou
foram conclusivos em apenas 3 de 26 laudos ainda coleta inadequada de padro por
examinados (11,5%); policiais no habilitados. Tais problemas so
normalmente sanados por meio de novas
b) Quando o exame realizado em fotografias
solicitaes, para que o material adequado seja
de documentos (padro 3 x 4cm), dos 6
encaminhado, ou para que seja realizada nova
laudos analisados, todos foram conclusivos
coleta. Por sua vez, os fatores externos esto
(100%);
associados a aspectos da qualidade da
c) Nos demais casos, que envolvem fotografias fotografia para documentos ou fichas
e filmagens diversas, de 6 laudos avaliados, criminais, tais como posicionamento da face,
3 apresentaram resultados conclusivos ocluso das orelhas e expresso facial, que
(50%); fogem ao controle da percia criminal.
d) Em apenas 4 dos 38 laudos examinados foi
realizada a coleta de padro de suspeitos
(10,5%); Destes, apenas 1 apresentou
resultado conclusivo;
e) O uso de ndices cefalomtricos em
conjunto com os exames morfolgicos foi
observado em 7 laudos, dos quais 6
apresentaram resultados conclusivos
(85,7%), quando combinados ao exame
morfolgico;
f) A maioria dos laudos em fotografia 3x4cm
tambm levou em conta a anlise por
ndices cefalomtricos (4 laudos,
representando 66,7%);
Uma importante constatao a clara
necessidade de se orientar os diversos rgos
pblicos sobre a importncia do projeto de
sistemas de CFTV adequados. Na maioria das
vezes, as imagens dos indivduos investigados
apresentam pssima qualidade, mesmo para
uso de sistemas biomtricos, que normalmente
requerem de 40 a 60 pixels de distncia entre
os centros dos olhos. Outros fatores tambm
contribuem para a baixa qualidade das
imagens, tais como posicionamento da cmera,
iluminao, distoro de lente, dentre outros.
Exemplos tpicos so mostrados na Figura 2.
Quando a anlise realizada em fotografias
de documentos, aumentam significativamente Figura 2 Exemplos tpicos de imagens de suspeitos capturadas por
as chances de resultados conclusivos, uma vez sistemas de CFTV, e encaminhadas para realizao de exame de
reconhecimento facial.
que se tem melhor acesso s estruturas
anatmicas da face. Porm ainda h alguns Mesmo assim, importante divulgar entre as
fatores internos e externos que inviabilizam a unidades que fazem o registro fotogrfico da
realizao do exame. Os principais fatores identificao criminal, institutos de
internos esto relacionados ao identificao e demais rgos, material
encaminhamento de material padro ou didtico informando da necessidade de pessoal
questionado na forma de fotocpia preto-e- treinado para realizar o procedimento, alm de

84
estabelecer critrios, condies e mtodos
adequados para o registro fotogrfico da face.
Em um cenrio ideal, a fotografia seria
realizada por equipamento dedicado, com
controle de iluminao, foco e enquadramento,
dotado ainda de algoritmo de anlise
qualitativa da fotografia obtida e formato
adequado, como o JPEG 2000.
Tambm se mostra necessrio realizar aes
de divulgao entre os peritos criminais
federais acerca dos riscos em se incluir a
anlise por ndices cefalomtricos.
6. CONCLUSO
Os exames de comparao de faces
realizados na Polcia Federal esto de acordo
com os padres recomendados pelo Facial
Identification Scientific Working Group, que
estabelece, dentre outros, recomendaes e
boas prticas internacionais para realizao de
exames periciais na rea.
A anlise de laudos periciais de
reconhecimento facial realizados por peritos
criminais federais mostrou que praticamente
todos os casos com imagens oriundas de CFTV
no resultaram em exames conclusivos. Por
outro lado, os exames realizados em
fotografias de documentos ou fichas criminais
apresentam elevada probabilidade de resultado
conclusivo. No entanto, ainda se constata a
necessidade de padronizar procedimentos e
realizar treinamentos para os profissionais
responsveis pelo registro fotogrfico de
indivduos, ou empregar equipamentos
dedicados a esse fim, com algoritmo de
controle de qualidade das fotografias obtidas.
REFERNCIAS
[1] Tauseef Ali, Raymond Veldhuis, and Luuk Spreeuwers,
"Forensic Face Recognition: A Survey," Centre for
Telematics and Information Technology (CTIT),
University of Twente, Enschede, The Netherlands,
Internal Report TR-CTIT-10-40 2010.
[2] Krista F. Kleinberg, Peter Vanezis, and A. Mike Burton,
"Failure of Anthropometry as a Facial Identication
Technique Using High-Quality Photographs," Journal of
Forensic Science, vol. 52, no. 4, pp. 779-783, 2007.
[3] R. Moreton and J. Morley, "Investigation into the use of
photoanthropometry in facial image comparison.,"
Forensic Science International, vol. 212, no. 1, pp. 231-
237, 2011.
85
[4] Anil K. Jain, Arun Ross, and Salil Prabhakar, "An
Introduction to Biometric Recognition," IEEE
Transactions on Circuits and Systems for Video
Technology, vol. 14, no. 1, pp. 4-20, Jan 2004.
[5] BRASIL, Recurso Extraordinrio 363.889/DF. Ministro
Dias Toffoli, voto do Ministro Luiz Fux, junho 02, 2011.
[6] USA, Daubert v. Merrell Dow Pharmaceuticals. United
States Supreme Court., 1993.
[7] FISWG. (2010, June) Facial Identification Scientific
Working Group. [Online].
http://www.fiswg.org/FISWG_Facial_Comparison_Overv
iew_v1.0_2010.04.29.pdf
[8] FISWG. (2010, Nov.) Facial Identification Scientific
Working Group. [Online].
http://www.fiswg.org/FISWG_Training_Guidelines_Reco
mmendations_v1.1_2010_11_18.pdf
[9] FISWG. (2012, Feb.) Facial Identification Scientific
Working Group. [Online].
http://www.fiswg.org/FISWG_GuidelinesforFacialCompa
risonMethods_v1.0_2012_02_02.pdf
[10] FISWG. (2012, Feb.) Facial Identification Scientific
Working Group. [Online].
http://www.fiswg.org/FISWG_RecommendationsForTrai
ningProgram_v1.0_2012_02_02.pdf
[11] FISWG. (2011, Apr.) Facial Identification Scientific
Working Group. [Online].
http://www.fiswg.org/FISWG_CaptureAndEquipmentAss
essmentForFRSystems_v1.0_2011_05_05.pdf
[12] BRASIL, Lei 12.030, de 17 de setembro de 2009.
[13] Carlos E. P. Machado, Eduardo M. Lacerda Filho,
Gustavo H. M. de Arruda, and Paulo M. G. I. Reis,
Reconhecimento Facial, 2012.
[14] W. Zhao, R. Chellappa, P. J. Phillips, and A. Rosenfeld,
"Face Recognition: A Literature Survey," ACM
Computing Surveys, vol. 35, no. 4, pp. 399-458, 2003.
[15] A. S. Tolba, A.H. El-Baz, and A.A. El-Harby, "Face
Recognition: A Literature Review," vol. 2, no. 2, pp. 88-
103, 2006.
[16] M. Evison et al., "Key parameters of face shape variation
in 3D in a large sample," Jounal of Forensic Science, vol.
55, no. 1, pp. 159-162, 2010.
 Estimativa de Altura de Indivduos em Imagens
de Perspectiva Cnica com Distores Esfricas
(Caso Prtico)
Luiz Vincius Gontijo Laborda Larrain
Gerncia de Percias em udio e Vdeo, Percia Oficial e Identificao Tcnica do estado de Mato Grosso (POLITEC)
Av. Gonalo Antunes de Barros, 3245, Bairro Novo Mato Grosso, Cuiab ,Mato Grosso,Brasil
OXL]ODUUDLQ#VHJXUDQFDPWJRYEU
5(68022HPSUHJRGHWpFQLFDVGHIRWRJUDPHWULDSRVVXL
DSOLFDomR HP GLYHUVRV FDVRV GH LQWHUHVVH IRUHQVH
$SUHVHQWDVH QHVWH DUWLJR XP FDVR SUiWLFR HP TXH p
XWLOL]DGR XP DOJRULWPR LQWHUDWLYR SDUD D FRUUHomR GDV
GLVWRUo}HV HVIpULFDV H p HVWLPDGD QD VHTXrQFLD D DOWXUD GH
XP LQGLYtGXR FRQKHFHQGRVH UHIHUrQFLDV YHUWLFDLV QD
LPDJHP 8WLOL]DVH SDUD LVWR D FRQVHUYDomR GD UD]mR
FUX]DGD HQWUH RV REMHWRV QD SHUVSHFWLYD F{QLFD
HPSUHJDQGR VH QHFHVViULR FRPR SRQWR GH UHIHUrQFLD
DX[LOLDU R SRQWR GH IXJD YHUWLFDO (VWD WpFQLFD GHPRQVWUD
VHU XPD DOWHUQDWLYD SRVVtYHO GLDQWH GH LPSRVVLELOLGDGH GH
VXSHUSRVLo}HVGHJDEDULWRVPpWULFRV
1. INTRODUO
Em diversas situaes de interesse forense a
imagem analisada no s de forma
qualitativa, mas tambm quantitativa,
empregando-se tcnicas fotogramtricas para
extrair informaes de medidas e distncias
relativas entre diferentes objetos que compem
a cena.
Para os registros que no oferecem
condies para identificao dos indivduos
atravs dos exames de reconhecimento facial,
seja por limitaes qualitativas destes ou
mesmo pela ocluso da face, a estimativa da
altura dos indivduos pode ter relevncia
significativa reduzindo possivelmente o
universo dos suspeitos.
Em imagens sob a perspectiva cnica, nos
casos em que o sistema de captura encontra-se
indisponvel para a equipe forense,
impossibilitando assim a utilizao de
gabaritos mtricos, pode-se utilizar a
conservao da razo cruzada entre as medidas
de dois outros objetos conhecidos na imagem
para estimar uma medida questionada.
Dentre as dificuldades para este tipo de
medio encontra-se a presena de distores
geomtricas, principalmente GRWLSREDUULORX
DOPRIDGD SURYRFDQGR D FXUYDWXUD das retas
presentes na imagem. Na prtica a
identificao de duas referncias verticais
conhecidas na imagem, a fim de ser explorada
a conservao da razo cruzada sob a
perspectiva cnica, tambm se torna um
desafio.
No caso de s se ter disponvel apenas uma
referncia vertical uma alternativa utilizar
como ponto de referncia auxiliar o ponto de
fuga vertical do objeto em anlise e da
referncia utilizada.
Este artigo apresentar um caso prtico da
criminalstica do estado de Mato Grosso em
que fora estimada a altura de um indivduo em
imagens contendo distores esfricas atravs
da conservao da razo cruzada entre os
objetos na perspectiva cnica.
2. CORREO DE DISTORES
ESFRICAS
As distores esfricas so aberraes
pticas frequentemente encontradas nas
imagens oriundas de sistemas de CFTV
(Circuito Fechado de Televiso). Explica-se
esta ocorrncia devido utilizao de lentes
com ngulos acentuados, comumente
empregadas nos conjuntos pticos destes
equipamentos de captura. A utilizao dos
conjuntos pticos desta natureza visa
proporcionar maior rea de cobertura das
imagens, caracterstica geralmente desejada
nestes sistemas de monitoramento e segurana.
Para viabilizar a realizao de medies
atravs do emprego das tcnicas
fotogramtricas, as distores esfricas
presentes nas imagens devem ser amenizadas.
86
 Pode-se constatar na imagem questionada,
exibida na figura 1, a presena da distoro do
WLSR EDUULO evidenciada atravs da curvatura
aparente presente na coluna da edificao
(indicada pela seta vermelha) localizada na
regio esquerda da imagem.

FIGURA 2 INTERFACE DO PLUGIN

LENS_UNDISTORTIONSMT

Dentre as vantagens para a utilizao deste

plugin, destaca-se alm da sua disponibilidade
gratuita, tal como o software ImageJ, a sua
interatividade. Aps escolher um referencial
para o ajuste na imagem questionada, pode-se
FIGURA 1 DISTORO DO TIPO %$55,/ NA IMAGEM
QUESTIONADA.
facilmente, atravs de uma anlise perceptiva,
amenizar a distoro esfrica presente na
2.1. MODELO DE CONRADY-BROWN
imagem ajustando os parmetros K1 e K2. O
As distores esfricas podem ser plugin tambm permite a visualizao
reproduzidas segundo o modelo clssico de instantnea do resultado obtido aps aplicao
distores de lentes, desenvolvido por Conrady dos parmetros.
[1] e Brown [2], [3]. A expresso do modelo
de Brown [4] : Segue na figura 3 o resultado da imagem
corrigida. Evidencia-se atravs da reta na cor
xu = xd + (xd - xc)(K1r 2 + K2r 4 + ...) + (P1(r 2 + vermelha a correo tomando como referncia
2(xd xc)2) + 2P2(xd xc)(yd yc))(1 + P3r 2+...) a coluna da edificao localizada a esquerda da
imagem.
yu = yd + (yd - yc)(K1r 2 + K2r 4 + ...) + (P2(r 2 +
2(yd yc)2) + 2P1(xd xc)(yd yc))(1 + P3r 2+...)
Os parmetros Kn referem-se s distores
radiais enquanto os parmetros Pn s distores
tangenciais [4].
Na prtica a representao das distores do
tipo EDUULO RX DOPRIDGD SRGH VHU
satisfatoriamente modelada considerando
apenas as distores radiais (K1 e K2).
2.2. APLICAO DO ALGORITMO PARA A CORREO DAS
DISTORES ESFRICAS
FIGURA 3 IMAGEM COM AS DISTORES ESFRICAS
Para a correo da distoro GRWLSREDUULO AMENIZADAS.
presente na imagem questionada foi utilizado o
3. FOTOGRAMETRIA
plugin Lens_unDistortionSMT [5], exibido na
figura 2, que implementa a verso simplificada A seguir sero descritos passo-a-passo a
do modelo de Brown (considerando apenas as aplicao de tcnicas fotogramtricas com o
distores radiais). Este plugin fora intuito de estimar a altura do indivduo
desenvolvido para execuo no software de questionado nas imagens em anlise.
anlise e processamento de imagens ImageJ
[6].

87
 O contedo contido no item 3.1 fora extrado
e adaptado da apostila de Fundamentos de
Processamento Digital de Imagens, do Instituto
Nacional de Criminalstica [7].
3.1. PERSPECTIVA CNICA E A RAZO
CRUZADA
Ao visualizar uma fotografia, imagem
dotada de apenas duas dimenses, o crebro
humano tem a capacidade de interpretar de
forma consistente as relaes de distncias dos
objetos em trs dimenses, tal como a cena real
capturada.
As linhas retas paralelas na cena real so
convertidas, no plano imagem, em linhas retas
que convergem em pontos denominados
SRQWRVGHIXJD(VVDpXPDFDUDFWHUtVWLFDGD
perspectiva linear cnica, que de fato a
perspectiva de projeo do plano real no plano
imagem.
Na perspectiva cnica, dois ou mais pontos
de fuga determinam XPD OLQKD GH IXJD RX
seja, uma linha reta que corresponde ao
encontro de infinitos planos paralelos.
fato conhecido da geometria projetiva que,
em uma imagem sob perspectiva cnica,
preserva-se o que denominamos de razo
cruzada.
A razo cruzada pode ento ser utilizada
nessas situaes como uma forma se medir a
dimenso de objetos em uma imagem a partir
da informao conhecida da dimenso de
outros objetos tambm contidos na mesma
imagem.
3.1.1. ESTIMATIVA DE ALTURA QUESTIONADA A PARTIR DE
DUAS REFERNCIAS VERTICAIS
Apresenta-se na figura 4 um diagrama
traado em perspectiva cnica. Nessa
ilustrao, observa-se a existncia dos pontos
de fuga P1 e P2, formados pelo encontro
do padro quadriculado do plano horizontal.
Os pontos P1 e P2 definem, portanto, a
linha de fuga horizontal.
88
FIGURA 4 DIAGRAMA EM PERSPECTIVA CNICA
Observa-se na figura 4, a presena de um
objeto de dimenso desconhecida (LO) e dois
HOHPHQWRV GH UHIHUrQFLD GHQRPLQDGRV 5 H
5 WRGRV ORFDOL]DGRV QD SRVLomR YHUWLFDO
sobre o solo. Supondo que as dimenses das
referncias sejam conhecidas, LR1 e LR2,
possvel obter a dimenso do objeto (LO)
utilizando-se a conservao da razo cruzada.
A partir da base de cada uma das referncias,
5 H 5 p WUDoDGD XPD UHWD TXH SDVVD
tambm pela base do objeto, identificado pelo
ponto $ GHWHUPLQDQGR DVVLP VREUH D OLQKD
GH IXJD RV SRQWRV 3 H 3
respectivamente.
A partir de P3 e P4 so traadas retas
que passam pelo topo de cada uma das
referncias, determinando sobre o objeto os
SRQWRV % H & UHVSHFWLYDPHQWH &RPR DV
retas que convergem para o mesmo ponto na
linha de fuga horizontal so paralelas ao plano
horizontal, os segmentos de reta AB e AC
correspondem segmentos obtidos pela
projeo de pontos com dimenses iguais s de
R1 e R2, se marcados sobre o objeto a
partir do solo.
Dessa forma pode-se determinar o
comprimento real do objeto, a partir da
propriedade da preservao da razo cruzada
na perspectiva cnica:
O valor da constante K pode ser obtido
diretamente da imagem a partir dos segmentos,
em pixels, AC, AD, BC e BD. Nesse caso a
dimenso do objeto poder ser obtida
diretamente por:
3.1.2. ESTIMATIVA DE ALTURA QUESTIONADA UTILIZANDO-
SE APENAS UMA REFERNCIA VERTICAL
Nas situaes em que h apenas um objeto
vertical de referncia com dimenses
conhecidas na imagem, pode-se utilizar como
ponto de referncia auxiliar o ponto de fuga
YHUWLFDO,IRUPDGRSHORREMHWRHDUHIHUrQFLD
Apresenta-se na figura 5 um diagrama
traado em perspectiva cnica. possvel ver
os pontos de fuga P1 e P2 e o ponto de
fuga vertLFDO , IRUPDGR SHOR HQFRQWUR GDV
retas verticais traadas a partir da base do
objeto e da referncia.
2VSRQWRV3$H&VmRGHILQLGRVGD
mesma maneira que descrito no subitem 3.1.1.
FIGURA 5 LINHA DE FUGA E O PONTO DE FUGA VERTICAL
Nesse caso, tambm atravs da conservao
da razo cruzada, com perdo a falta de rigor
matemtico na notao do limite ao infinito,
encontra-se a seguinte relao entre os
segmentos de reta:
89
Assim pode-se calcular novamente a
constante K diretamente da imagem, e a
dimenso do objeto estimada em:
3.2. ESTIMATIVA DO DESVIO DA ALTURA DO
OBJETO QUESTIONADO
Para se estimar adequadamente a altura do
objeto questionado, de modo a minimizar o
erro em relao medida real, recomenda-se a
repetio completa deste procedimento por no
mnimo dez vezes, calculando o valor mdio
para a constante K e seu desvio padro de
acordo com as expresses [8]:
Assim, pode-se estabelecer o desvio da
altura do objeto questionado (LO) atravs da
propagao de erros, exibida na tabela 1 [8]:
TABELA 1
PROPAGAO DE ERROS
3.3. APLICAO EM CASO PRTICO
Inicialmente foi selecionado o quadro mais
favorvel para a estimativa da altura do
indivduo questionado. A postura e a posio
do indivduo na imagem foram os parmetros
avaliados para a escolha deste quadro, uma vez
que a regio localizada ao centro da imagem
a rea menos afetada pelas distores esfricas.
Em uma primeira anlise fora realizada a
estimativa da altura do indivduo questionado
(LO) utilizando-se apenas uma referncia
vertical na imagem (LR2), sendo apresentados
os resultados obtidos em 3.3.1.
 Posteriormente observou-se a possibilidade
de utilizar uma segunda referncia vertical
(LR1). De modo a verificar a metodologia j
utilizada foi inicialmente estimada a altura
desta segunda referncia vertical (LR1)
utilizando a mesma metodologia utilizada no
item 3.3.1, sendo apresentados os resultados
obtidos em 3.3.2.
E finalmente apresenta-se no item 3.3.3 o
clculo da altura do indivduo questionado
utilizando-se as duas referncias verticais
encontradas na imagem (LR1 e LR2).
3.3.1. ESTIMATIVA DA ALTURA QUESTIONADA (LO)
UTILIZANDO-SE APENAS UMA REFERNCIA
VERTICAL(LR2)
O ponto de fuga P1 foi definido atravs do
encontro das retas traadas a partir das
extremidades da via enquanto que o ponto de
fuga P2 foi definido atravs do encontro das
retas traadas a partir da base da coluna da
edificao e da calada localizada a direita da
imagem, conforme exibido nas figuras 7 e 8.
Realizou-se este procedimento dez vezes,
utilizando-se em cinco destes a imagem tratada
SHORILOWUR)LQG(GJHV, com intuito de realar
as bordas dos objetos, conforme demonstrado
na figura 7.

A medida utilizada inicialmente como LR2

referncia neste caso foi a altura da faixa
LO
branca presente no poste localizado na regio
direita do vdeo, conforme exibido na figura 6.
Foi constatado pelo perito no local, utilizando
uma trena de alta preciso, que a altura desta
faixa branca em relao ao solo de 210,50cm.

LR2 FIGURA 7 IMAGEM COM AS BORDAS REALADAS

Segue na figura 8 a aplicao da tcnica

fotogramtrica descrita em 3.1.2, para o caso
em anlise. A linha na cor rosa a linha de
fuga e o ponto formado pelo encontro das duas
retas verticais na cor azul o ponto de fuga
vertical ,. Tambm encontra-se explicitados
QDILJXUDRVSRQWRV$&H'
FIGURA 6 COMPRIMENTO DA REFERNCIA UTILIZADA

P4

P2
P1 D
C Linha de fuga

LO A

FIGURA 8 DIAGRAMA CONTENDO A LINHA DE FUGA E O PONTO DE FUGA VERTICAL

90
 Seguem na tabela 2 os resultados obtidos nas apresentado em 3.3.1, estimou-se a altura de
dez medies realizadas. LR1 utilizando apenas uma referncia vertical
(LR2).
TABELA 2
RESULTADOS DAS MEDIES REALIZADAS

D   / / <

     
     
     
     
     
     
     
     
FIGURA 9 ALTURA LR1 NA IMAGEM QUESTIONADA
     
     
Segue na figura 9, a aplicao do diagrama
Dessa forma, foram obtidos os resultados utilizado para estimativa de LR1 a partir da
exibidos na tabela 3. altura de LR2 utilizando como ponto de
referncia auxiliar o ponto de fuga vertical.
TABELA 3
RESULTADOS OBTIDOS
P1 P3

D
C
LR1 LR2
A

Dessa forma, a altura estimada do indivduo

questionado, na ocasio em anlise, utilizando
apenas uma referncia vertical (LR2),
aproximadamente:
LO = 164,08 +/- 2,86 (cm)
3.3.2. ESTIMATIVA DA ALTURA DA SEGUNDA REFERNCIA
VERTICAL (LR1) UTILIZANDO-SE APENAS UMA
REFERNCIA VERTICAL (LR2)

Em um segundo momento vislumbrou-se a I

FIGURA 10 DIAGRAMA CONTENDO O PONTO DE FUGA
possibilidade de identificar uma segunda VERTICAL PARA ESTIMATIVA DE LR1
referncia vertical na imagem (LR1), exibida
Seguem na tabela 4 as dez medies
na figura 9. Foi constatado pelo perito no local,
realizadas e na tabela 5 os resultados obtidos a
utilizando uma trena de alta preciso, que a
partir destas medies.
altura desta construo em relao a calada
de 107 cm. Vale ressaltar que devido ao aclive TABELA 4
desta via esta medida no permanece constante RESULTADOS DAS MEDIES REALIZADAS

ao longo da imagem. D   / / <

Inicialmente a fim de verificar a viabilidade      
de utilizao desta nova referncia vertical      
alm da prpria confiabilidade do mtodo

91
      Seguem na tabela 6 as dez medies
      realizadas e na tabela 7 os resultados obtidos a
     
partir destas medies.
      TABELA 6
RESULTADOS DAS MEDIES REALIZADAS
     
      D     <
           
           
     
TABELA 5
RESULTADOS OBTIDOS      

      
     
     

     
     
     

Dessa forma, a altura estimada de LR1,
utilizando apenas uma referncia vertical
(LR2) na imagem :
LR1 = 105,91 +/- 1,25 (cm)
3.3.3. ESTIMATIVA DA ALTURA QUESTIONADA UTILIZANDO
DUAS REFERNCIAS VERTICAIS.
A partir da identificao das duas referncias
verticais conhecidas na imagem (LR1 e LR2),
pode-se calcular a altura do indivduo
questionado (LO) a partir do mtodo
apresentado no item 3.1.1.
Apresenta-se na figura 11 a aplicao do
diagrama para o clculo da altura questionada
(LO) utilizando a conservao da razo e as
duas referncias conhecidas: LR1 e LR2,
medindo 107 e 210,50 cm respectivamente.
P1 P3
D em que o sistema de captura encontre-se
LR1
A
LO
LR2
FIGURA 11 DIAGRAMA CONTENDO A RAZO CRUZADA
PARA O CLCULO DA ALTURA QUESTIONADA (LO)
TABELA 7
RESULTADOS OBTIDOS


Dessa forma, a altura estimada do indivduo
questionado, na ocasio em anlise, utilizando
as duas referncias verticais conhecidas (LR1 e
LR2), aproximadamente:
LO = 160,34 +/- 2,18 (cm)
4. CONCLUSO
O emprego das tcnicas fotogramtricas
P4 apresentadas neste artigo demonstra ser uma
alternativa possvel para as diversas situaes
C
indisponvel a equipe forense, impossibilitando
B assim a utilizao de gabaritos mtricos.
Verificou-se no caso em anlise que o
mtodo para estimativa de uma altura
questionada utilizando apenas uma referncia
vertical e o ponto de fuga vertical, conforme
resultados obtidos exibidos no item 3.3.2,
apresentou pequena variao em relao a
medida real conhecida (LR1). Cabe ressaltar

92
que a medida real encontra-se dentro da [5] Plugin Lens_unDistortionSMT. Disponvel em:
<http://svg.dmi.unict.it/iplab/imagej/Plugins/Forensics/LensUn
margem definida pelo desvio obtido. Distortion/Lens_unDistortionSMT.htm>. Acesso em
15/07/2012.
Em relao a estimativa da altura do [6] ImageJ Features. Disponvel em: <http://imagej.nih.gov/ij>.
Acesso em 15/07/2012.
indivduo questionado (LO), o mtodo [7] REIS, P. M. G. I., Fundamentos de Processamento Digital de
utilizando apenas uma referncia e o ponto de Imagens, Academia Nacional de Polcia, Instituto Nacional de
Criminalstica, Braslia, 2012.
fuga vertical, cujo os resultados obtidos foram [8] 982/2 - + )XQGDPHQWRV GD 7HRULD GH (UURV. Ed. Edgard
exibidos no item 3.3.1, apresentou Blcher Ltda, So Paulo, 1992.
divergncias em relao ao resultados obtidos
atravs do mtodo utilizando as duas
referncias verticais conhecidas, cujo os
resultados obtidos foram exibidos no item
3.3.3.
Foi constatada uma pequena faixa comum,
1,61m a 1,62m, para os resultados obtidos
atravs dos dois mtodos (Item 3.3.1 e 3.3.3).
Entretanto nota-se que o resultado obtido em
3.3.1, utilizando apenas uma referncia e o
ponto de fuga vertical, contemplou faixas
maiores de altura (1,62 a 1,66) enquanto que
resultado obtido em 3.3.3, utilizando as duas
referncias verticais, contemplou faixas
menores de altura (1,58 a 1,62).
Apesar de o autor considerar provvel que a
altura questionada encontre-se contida na faixa
comum aos resultados dos dois mtodos,
recomenda-se que a estimativa de alturas de
indivduos, sempre que possvel, utilize duas
referncias verticais presentes na imagem.

AGRADECIMENTOS
A diretoria da Percia Oficial e Identificao
Tcnica do Estado de Mato Grosso
(POLITEC) por viabilizar a capacitao dos
peritos lotados na Gerncia de Percias em
udio e Vdeo.
Aos profissionais do SEPAEL (Servio de
Percias em Audiovisual e Eletrnicos) do
Instituto Nacional de Criminalstica da Polcia
Federal, pela difuso de conhecimento e
cooperao tcnica quando necessrio.

REFERNCIAS
[1] CONRADY, A.'HFHQWHUHGOHQVV\VWHPV0RQWKO\1RWLFHVRI
the Royal Astronomical Society 79, 384390, 1919.
[2] BROWN, D.. 'HFHQWHULQJ GLVWRUWLRQ RI OHQVHV
Photogrammetric Engineering 7, 444462, 1966.
[3] BROWN, D.. &ORVH UDQJH FDPHUD FDOLEUDWLRQ
Photogrammetric Engineering 8, 855855, 1971.
[4] DE VILLIERS, J. P.; LEUSCHNER, F. W.; GELDENHUYS,
R.. "Centi-pixel accurate real-time inverse distortion
correction," in Proceedings of the 2008 International
Symposium on Optomechatronic Technologies, ser. ISOT2008,
vol. 7266, pp. 1-8, 2008.

93
 On the practical aspects of applying the PRNU
approach to device identification tasks
Hermeson B. Costa1, Ronaldo F. Zampolo1, Diego M. Carmo1, Adalbery R. Castro1,2, Eurpedes P. Santos1
1
Computer and Telecommunications Department, Federal University of Par
Augusto Correa, 1, Belm , Par, 66075-110, Brazil
2
Centro de Percias Cientficas Renato Chaves
Rodovia Transmangueiro, s/n, Belm, Par, Brazil
hermeson.costa@itec.ufpa.br, zampolo@ufpa.br,
diego.carmo@itec.ufpa.br, adalbery@ufpa.br, epsantos@ufpa.br

ABSTRACT This paper addresses some practical issues number of the camera. Its simplicity however
regarding the device identification problem when using the
sensor photo-response nonuniformity (PRNU). The PRNU
is accompanied by the characteristic of being a
is unique to each digital imaging sensor due to weak evidence provider, once the file header
imperfections in the manufacturing process. The can be easily modified or erased.
motivation for this work comes from some problems found
in identifying devices by using threshold strategies On the other hand, analysis of watermark
presented so far. Experiments with five digital cameras,
from two different manufacturers, were performed and
consistency requires a camera capable to insert
their corresponding results are discussed. Although such a digital watermark in files it produces. In
results are preliminary, they may point out correct usage addition, such a watermark must be robust to
and help to find out limitations of the forensic techniques
based on PRNU.
re-quantisation, resizing, and filtering
operations, in order to serve as a reliable
1. INTRODUCTION feature for identification purposes. Then, this
watermark would be recovered later from a
This work presents a brief discussion,
digital picture/video to determine its origin.
supported by experimental results, about the
The drawback here is exactly the necessity of
use of the photo-response nonuniformity
having an acquisition equipment with
(PRNU) of camera sensors as a strategy to
watermarking capabilities, which is not
identify acquisition devices from digital
common if one considers the typical universe
photographs or videos.
of Brazilian forensic institutes.
In forensics, device identification means
The third approach aforementioned is the
verifying a possible connection between a
analysis of the sensor noise pattern, also
signal under analysis and an acquisition
known as PRNU. The PRNU is due to
equipment. We are particularly interested in
differences among photo-sensor elements in
digital camera identification. In this context,
converting light to electrical signal [2], [3].
both the digital photograph and the suspicious
Such differences lead to a sort of inherent
camera must be available. Thus, the question to
watermark, which characterises uniquely each
be answered is Did this camera take the
photo-sensor (sensor fingerprint). The PRNU
photo? In order to find out, the following
can be estimated from a camera and then
approaches can be adopted alone or combined:
compared with the PRNU found in a
file header evaluation, watermark checking,
photograph under analysis.
and sensor noise pattern analysis [1].
The PRNU has some properties, which make
The simplest strategy is the file header
it useful for forensic purposes: a) the noise
evaluation. Such an approach consists in
pattern is unique to each sensor; b) every
extracting the information contained in the
sensor exhibits it and every picture as well
image or video file header which is written
(with the exception of completely dark
automatically by the acquisition equipment
images); c) the PRNU is robust to a wide range
itself. For camera identification, the
of image processing operations, such as lossy
information of interest is the model and serial
compression, filtering, and gamma adjustment;

94
and d) the PRNU is stable in time and under a
wide range of physical conditions.
Images under test are filtered in order to
separate as much as possible the image signal
from its PRNU component, which is then
compared with the estimated camera PRNU.
Such a comparison consists in assessing the
statistical similarity between camera and image
PRNUs. This image PRNU extraction is not an
easy task, because the noise sensor is
multiplicative and consequently correlated with
image pixels.
The remaining of this text is organised as
follows. Section 2 introduces a model of the
image sensor output as well as the PRNU
estimation process. In Section 3, the fingerprint
detection procedure in test images is addressed.
Section 4 shows and discusses some
experimental results. In Section 5, concluding
remarks are drawn.
2. SENSOR OUTPUT MODEL AND FINGERPRINT
ESTIMATION
In the formation process of a non computer
generated digital image, real scene information
passes through several stages, as wavelength
filtering (usually by using a colour filter array),
light-to-electrical current conversion, signal
amplitude quantisation, colour channel
interpolation (demosaicing), and lossy coding.
Such stages are common to the most of video
cameras, cellphones and camcorders spread
worldwide. Each of those stages inserts
distortions into the original image signal,
which must be taken into account in modelling
the image formation process. A general model
for the image sensor output [2] is given by
I = g [(1 + K )Y + ] + Q , (1)
where g is the gain factor (different for each
colour channel); represents the gamma
correction factor; Y denotes the original image
in the absence of any noise; is a combination
of several types of noise; Q models the
combined distortion due to quantisation and/or
lossy compression (usually from JPEG
coding); and K is the device PRNU (camera
fingerprint).
95
Based on (1), a maximum likelihood (ML)
estimator for the PRNU can be derived as
shown in Expression 2 [2].
d
W I k k
K = k =1
, (2)
I k2
where, d is the number of camera images used;
Ik represents the k-th camera image; and Wk
corresponds to the residual noise of Ik, which in
turn is given as follows.
Wk = I k Ik( 0) , (3)
where the Ik( 0) is a denoised version of I k .
The larger the number of camera images (d),
the better the PRNU estimation. Typically, for
acceptable quality estimation, d ranges from 30
to 50.
3. FINGERPRINT DETECTION
By fingerprint detection, we mean extracting
the PRNU from the image under investigation
and its comparison with the estimated camera
PRNU. Actually, the best we can do is to infer
the image PRNU by filtering. Details of the
procedure used in this paper can be found in
[2], [4]. From this section on, we consider the
scenario in which that image has the same
dimensions of the estimated camera PRNU and
does not have undergone any kind of
geometrical transformation, such as scaling or
rotation.
3.1. HYPOTHESIS TESTING
For detection purposes, the following two-
channel hypothesis testing problem is assumed
[3]:
H 0 : K1 K 2
, (4)
H 1 : K1 = K 2
where K1 and K2 denotes the camera and the
image under investigation fingerprints,
respectively.
The null hypothesis H0 means the image was
not taken by the given camera (i.e. their
fingerprints are different), while the alternative
hypothesis H1 says it was.
 Two figures are associated to the hypothesis
testing problem in (4): the probability of false
rejection, and the probability of false
acceptance. False rejection or false negative
occurs when the hypothesis H1 is rejected,
given the analysed image had indeed been
acquired by the suspicious camera. In turn,
false acceptance or false positive happens
when H1 is accepted for an image that had not
been taken by the suspicious camera. Such
figures are actually the ultimate quality
indicators of any technique conceived to solve
the camera identification problem. For forensic
applications, in particular, the most important
figure seems to be the false acceptance
probability, since in general this means that a
compromising photograph/video is linked to a
camera owned by an innocent person.
Obviously, the smaller those probabilities, the
better the identification system. However, there
is a trade-off between such probabilities,
meaning that the decrease of one of them
results in the increase of the other.
3.2. STATISTICAL SIMILARITY METRICS
In order to test the hypothesis in (4), some
metric to quantify the statistical similarity
between estimated PRNUs is required. Two
possibilities are given next.
The first metric presented here is the well-
known Pearson's correlation coefficient, which
is defined as
m 1 n 1
[ X (i, j ) X ][Y (i, j ) Y ]
i =0 j =0
= ,
X X Y Y
where X and Y denotes two random samples
with dimensions m n ; X and Y are the
arithmetic means of X and Y, respectively; and
represents the L2 norm.
Another metric used in this paper is the
peak-to-correlation energy (PCE) [5]:
NCC (0,0 )
2
PCE =
1
MN
NCC (i, j) 2
i j
where MN denotes the dimension of the NCC
matrix, and NCC is the normalized cross
correlation, whose expression is given as
follows.
m 1 n 1
[ X (i, j ) X ][Y (k + i, l + j ) Y ]
NCC (i, j ) = k =0 l =0
X X Y Y
, (7)
Those metrics are related, since NCC(0,0)
equals by definition. In spite of that, PCE
attains better results (see Section 4) due to the
inherent comparison between peak and average
energy of NCC.
3.3. DECISION MAKING
For simplicity reasons, in the following
discussion we refer only to but the same
points also apply to PCE. Thus, after the
calculation of , its value is then compared
with a decision threshold th. If exceeds th,
one decides for hypothesis H1 (the image had
been taken by the camera), otherwise, one
decides for H0. Rigorously, we would need two
thresholds, one corresponding to the
probability of false positive and other
associated to the false negative probability.
The determination of those thresholds is an
issue, asking for training procedures or the
availability of some previous statistical model.
Undoubtedly, having general statistical
models that describe the behaviour of , one
for each hypothesis H0 and H1, would be very
useful and time-saving because of the
avoidance of training sessions. However, such
models are not easily obtained, as their
(5)
statistical properties seem to be camera-
dependent. Thus, training comes up as a
necessary step in practical situations.
When the suspicious camera is available,
developing specific models with regard to
similarity metrics, considering test images had
been taken by the suspicious camera, is
perhaps cumbersome but not technically
difficult. As a result, decision thresholds for
given probabilities of false negative can be
, (6) easily derived. However, practical models
(even specific ones) for the behaviour of
similarity metrics, when images had not been
taken by the suspicious camera, have not been
achieved so far to the best of our knowledge.
96
Existing attempts fail when applied to real
situations [2], [3].
4. EXPERIMENTS AND RESULTS
This section begins by describing the
experimental procedure adopted. Then, the
corresponding results are presented and
discussed.
4.1. EXPERIMENTAL PROCEDURE
The experiments conducted in this paper
were conceived to evaluate the performance of
the two metrics addressed in Section 3 as
features intended for device identification. We
have used five different cameras, three of the
model Fuji-FinePix JZ300 with serial numbers
OAQ38568, OAQ38657, and OBQ39278 (for
convenience, identified as Fuji_1, Fuji_2 and
Fuji_3, respectively); and other two of the
model Sony-DSC-W210, serial numbers
6507300 and 6507323 (named Sony_1 and
Sony_2, respectively).
For each camera, 30 images of a cloudy sky
were taken to estimate the camera fingerprint,
and other 30 images of random content serve
as test signals.
4.2. EXPERIMENTAL RESULTS
The first set of tests regards Pearsons
correlation coefficient. Results are shown in
Figures 1-5 for cameras Fuji_1, Fuji_2, Fuji_3,
Sony_1 and Sony_2, respectively. In Figures 1
to 3, one can see the correlation coefficients
from those images taken by the suspicious
camera present higher values and the existence
of a threshold th can be clearly perceived.
Figures 4 and 5, however, present what we can
call a class mixture, where one must tolerate
some misclassification. In addition, note that
the variation between camera models of the
underlying th cannot be overlooked.
The results concerning PCE are shown in
Figures 6-10 for suspicious cameras Fuji_1,
Fuji_2, Fuji_3, Sony_1 and Sony_2,
respectively. By taking the results separately,
one realizes PCE outperforms the correlation
coefficient, since no class confusion is verified.
Again, underlying decision threshold values
vary from model to model. Figure 11
emphasises this last aspect, where all PCE data
97
is displayed together. In addition, such a figure
points out the difficulty of obtaining general
models as, even for the PCE, a lot of class
confusion can be noticed.
4.3. DISCUSSION
As stated before, a camera identification
system is evaluated from its false positive and
negative probabilities. Tuning thresholds for
each of such quality figures relies on statistical
models of PRNU similarity metrics. False
negative probability depends on models
derived from images taken by the suspicious
camera (H1 is true). This can be easily done,
but false negative is the less important figure
for a forensic application. In turn, false positive
probability depends on models derived from
images taken by cameras that are different
from the suspicious camera (H0 is true). Note
that, in this case, our results suggest that as
new cameras are included the model
parameters change and system overall
performance decays.
5. CONCLUSIONS
This paper has presented a discussion about
the practical use of PRNU approaches for
digital camera identification. Experimental
results have demonstrated that statistical
models for similarity PRNU metrics, which
allow threshold tuning for a given false
positive rate, are not easy to obtain. Those
results suggest that as new cameras are
included the model parameters change and
system overall performance decays.
Future research efforts include a deeper
investigation of statistical modelling under true
H0 condition.
ACKNOWLEDGEMENTS
The authors would like to thank UFPA and
CPCRC for the financial support.
REFERENCES
[1] J. Redi, W. Taktak, J. -L. Dugelay, Digital image forensics: a
booklet for beginners, Multimedia Tools and Applications, vol.
51 (1), pp. 133-162, 2011.
[2] J. Fridrich, Digital image forensics, IEEE Signal Processing
Magazine,.vol. 26(2), pp 16-37, 2009.
[3] M. Goljan and J. Fridrich, Camera identification from cropped
and scaled images, in Proc. of the SPIE Electronic Imaging,
 Forensics, Security, Steganography, and Watermarking of
Multimedia Contents X, 2008, pp 28-30.
[4] M. K. Mihcak, I. Kozintsev, and K. Ramchandran, Spatially
adaptive statistical modeling of wavelet image coefficients and
its application to denoising, Proc. IEEE Int. Conf. Acoustics,
Speech, and Signal Processing, Mar. 1999, vol. 6, pp. 3253
3256.
[5] B. V. K. V. Kumar and L. Hassebrook, Performance measures
for correlation filters, Applied Optics, Vol. 29(20) (1990), pp.
2997-3006.

Figure 4: Pearson's correlation coefficients for 30 images of each

camera with the camera fingerprint estimated from Sony_1.

Figure 1: Pearson's correlation coefficients for 30 images of each

camera with the camera fingerprint estimated from Fuji_1.

Figure 5: Pearson's correlation coefficients for 30 images of each

camera with the camera fingerprint estimated from Sony_2.

Figure 2: Pearson's correlation coefficients for 30 images of each

camera with the camera fingerprint estimated from Fuji_2.

Figure 6: Peak-to-correlation energy (PCE) for 30 images of each

camera with the camera fingerprint estimated from Fuji_1.

Figure 3: Pearson's correlation coefficients for 30 images of each

camera with the camera fingerprint estimated from Fuji_3.

98
Figure 7: Peak-to-correlation energy (PCE) for 30 images of each Figure 10: Peak-to-correlation energy (PCE) for 30 images of each
camera with the camera fingerprint estimated from Fuji_2. camera with the camera fingerprint estimated from Sony_2.

Figure 11: Peak-to-correlation energy (PCE) showed on Figure 6,

Figure 8: Peak-to-correlation energy (PCE) for 30 images of each Figure 7, Figure 8, Figure 9 and Figure 10 together.
camera with the camera fingerprint estimated from Fuji_3.

Figure 9: Peak-to-correlation energy (PCE) for 30 images of each

camera with the camera fingerprint estimated from Sony_1.

99
 Avaliao de Classificadores Haar Projetados
para Deteco Facial
R. Padilla1, C. F. F. Costa Filho2, M. G. F. Costa2
1
Instituto Nokia de Tecnologia
Av. Torquato Tapajs, 7200 Col. Terra Nova, Manaus-AM. CEP: 69048-660 Brasil
2
Universidade Federal do Amazonas
Av. Gal. Rodrigo Otvio Jordo Ramos, 3000, Manaus-AM. CEP: 69010-110 Brasil
rafael.padilla@indt.org.br, cffcfilho@gmail.com, marly.costa@uol.com.br

RESUMO Nos ltimos anos vrios estudos foram
realizados na rea de deteco de faces. A face humana
contm caractersticas importantes que podem ser
utilizadas em sistemas biomtricos para a identificao de
indivduos. A localizao facial, a primeira etapa de
sistemas biomtricos pela face, localiza faces na imagem de
entrada. O framework Viola-Jones tem sido amplamente
utilizado por pesquisadores para deteco e localizao de
objetos e faces. Classificadores de deteco facial so
compartilhados pela comunidade cientfica e acadmica.
Este trabalho tem como objetivo avaliar classificadores
localizadores de face atravs de pontos faciais, auxiliando
pesquisadores na escolha do melhor classificador de acordo
com a necessidade de cada um.
1. INTRODUO
Embora o reconhecimento de um indivduo
atravs da face seja uma tarefa trivial para
seres humanos, um desafio para sistemas de
automao baseados em imagens. Este tema
tem sido estudado por pesquisadores de
diferentes reas envolvendo processamento
digital de imagens, redes neurais, estatstica,
reconhecimento de padres, antropometria e
viso computacional. Sistemas de automao
baseados em imagens fazem o reconhecimento
e identificao facial em diversas aplicaes
comerciais, tais como autenticao por
biometria, interao homem-mquina,
vigilncia, jogos e entretenimento.
Ao contrrio de outras biometrias, o
reconhecimento de face no-invasivo e no
necessita de contato fsico do indivduo com o
sistema, tornando-se uma tecnologia muito
aceitvel no mercado. Sistemas automticos
baseados em viso para o reconhecimento de
indivduos pela face pode ser dividido em 4
etapas: deteco da face, pr-processamento da
imagem, extrao de caractersticas e
reconhecimento [1].
A imagem capturada da face pode ser pr-
processada para eliminar as variaes de
iluminao [2]. A extrao de caractersticas
o processo onde um modelo geomtrico ou
vetorial obtido reunindo caractersticas
importantes presentes na face. A extrao de
caractersticas pode ser dividida em 3
abordagens: holstica, baseada em
caractersticas e hbrida. So exemplos de
abordagens holsticas: Anlise de
Componentes Principais [3] [4], Anlise
Discriminante de Fisher [5] [6] e Mquina de
Vetores de Suporte [7]. Extrair caractersticas
de uma determinada face uma tarefa difcil,
uma vez que suas caractersticas, tais como
olhos, boca, nariz e queixo, possuem, em geral,
a mesma configurao geomtrica. Abordagens
baseadas em caractersticas utilizam as
relaes geomtricas das caractersticas faciais.
O Modelo de Forma Ativa pode ser aplicado
para obter informaes importantes presentes
em alguns pontos faciais [8]. Classificadores
estatsticos, tais como Distncia Euclidiana [9],
Classificador de Bayes [10], Distncia de
Mahalanobis [11] e Classificadores Neurais
[12] podem ser usados na comparao do vetor
de caractersticas com outras classes
(indivduos) durante a etapa de
reconhecimento.
A deteco de faces teve sua acurcia
melhorada com a aplicao de caractersticas
tipo Haar, com a contribuio do framework de
deteco de objetos Viola-Jones.
Implementaes deste framework tonaram-se
populares e proporcionam a criao de
classificadores por autores que utilizaram
diferentes conjuntos de imagens para sua

100
gerao. O desempenho e a confiabilidade
desses classificadores varia muito [13].
Este artigo tem como objetivo avaliar
classificadores faciais considerando
caractersticas faciais contidas nas faces
encontradas. Propomos um mtodo utilizando
diferentes pontuaes dadas para cada
caracterstica facial contida na face localizada.
Dois bancos de dados de faces (FEI e Yale) Figura 2 Base de faces FEI

foram utilizados para avaliar 10 classificadores 2.3. DETECTORES DE FACE VIOLA-JONES

faciais.
2. MATERIAIS
2.1. BASE DE FACES YALE
A base de faces Yale [14] contm imagens
dos rostos de 15 indivduos, com 11 fotos cada
um, tiradas em diferentes condies de
iluminao. Os indivduos apresentam
expresses faciais variadas (com culos, triste,
sonolento, piscando, surpresos). O tamanho de
cada imagem 320x243 pixels.
A Figura 1 mostra exemplos de imagens da
base de faces Yale.
Motivados pelo desafio de deteco de faces,
[16] propuseram um framework detector
objetos utilizando caractersticas tipo Haar.
Este framework tem sido amplamente utilizado
por outros pesquisadores e trabalhos, no s
para a deteco de faces, mas tambm para
localizao de objetos em imagens e vdeos.
Graas implementao da biblioteca
OpenCV [17], o framework Viola-Jones
tornou-se popular e motivou a comunidade a
gerar seus prprio classificadores de objetos.
Esses classificadores usam caractersticas tipo
Haar que so aplicadas sobre a imagem.
O conceito de caractersticas tipo Haar
provm de funes Haar de Base [18]. Existem
basicamente 4 tipos de caractersticas, que so
demonstradas na Figura 3.

Figura 1 Base de faces Yale

2.2. BASE DE FACES FEI

A base de faces FEI [15] um banco de
dados brasileiro contendo 14 imagens para
cada um dos 200 indivduos, com um total de
2800 imagens. As imagens so coloridas e
apresentam faces em diferentes rotaes, com
expresses neutras e sorrindo. Utilizamos 2 Figura 3 Caractersticas tipo Haar posicionadas sobre uma janela de
amostragem. FONTE: P. Viola and M. Jones [16]
imagens frontais por indivduo, considerando
as imagens com sorriso e neutras, totalizando Cada caracterstica posicionada sobre uma
400 imagens. O tamanho original de cada parte da imagem, chamada de sub-janela,
imagem 640x480 pixels. Exemplos de expressa um valor obtido atravs da soma dos
imagens da base de faces FEI podem ser vistos pixels da regio branca subtrados da soma dos
na Figura 2. pixels da regio escura.

101
 Uma vez obtido o conjunto de caractersticas recomea atravs de toda a imagem, conforme
e seus limiares, o processo de teste feito mostra a Figura 6.
utilizando uma tcnica de verificao em
cascata, conforme a Figura 4. Nesta figura
temos um classificador formado por N
camadas. Cada camada composta por vrias
caractersticas. Para o classificador comprovar
que uma sub-janela possua uma face, esta sub-
janela deve passar por todas as N camadas do
classificador, de modo que no seja rejeitada
por nenhuma delas.

Figura 6 Sub-janela deslocada atravs de uma imagem

Cada estgio formado por caractersticas e

por um limiar de estgio. Cada caracterstica
formada por retngulos, por um limiar de
caracterstica, valor esquerdo e valor direito. A
Figura 7 mostra a estrutura de um nico
estgio.

Figura 4 Deteco em cascata

Alguns classificadores de localizao de

faces so distribudos na implementao do
OpenCV [17]. Estes classificadores so
arquivos XML (Extensible Markup Language)
estruturados em estgios como mostra a Figura
5.

Figura 5 Estrutura de um classificador Viola-Jones em XML

Cada classificador formado por vrios

estgios. O classificador determina o tamanho Figura 7 Estrutura de um estgio utilizado no classificador de objetos
mnimo da sub-janela que ser analisada pelos
Cada caracterstica possui um valor esquerda
estgios at que seja reprovada por um deles.
e um valor direita. Estes valores so pesos
Caso a sub-janela seja reprovada, a mesma
encontrados no processo de treinamento e
deslocada pela imagem, gerando uma nova
atribudos a cada caracterstica, que so
sub-janela a ser analisada pelo classificador.
somados e comparados com o limiar do
Ao passar por toda imagem, a sub-janela ter
estgio.
suas dimenses ampliadas e o processo

102
 O valor de cada caracterstica calculado
pela aplicao da mesma na sub-janela. Se o
valor da caracterstica for menor do que seu
limiar, acumula-se o valor da esquerda, caso
contrrio, o valor acumulado o valor da
direita. Para uma sub-janela ser aprovada por
um estgio, o valor acumulado por todas as
caractersticas deve ser menor do que o limiar
do estgio.
Neste trabalho, foram utilizados 10
classificadores, apresentados na Tabela I.
Mantivemos a mesma descrio utilizada por
[13] para facilitar comparaes.
TABELA 1
CLASSIFICADORES
pontos faciais e propuseram um conjunto de
ferramentas que facilitam a integrao com
outras bases de dados. [26] propuseram uma
tcnica para segmentao facial usando
Modelo de Forma Ativa com base em pontos
de fronteira do rosto. [27] utilizou um modelo
geomtrico facial com base na distncia dos
olhos para estipular a posio dos pontos da
face. Este modelo geomtrico mostrado na
Figura 8.

Classificador Tamanho Estgios Referncias Posio da

face
FD 24x24 25 [19,20] Frontal
FA1 20x20 22 [19,20] Frontal
Figura 8 Deteco em cascata
FAT 20x20 46 [19,20] Frontal
O projeto FGnet publicou a localizao de
FA2 20x20 20 [19,20] Frontal
22 traos faciais de cada face do banco de
FW 30x30 19 [21] Frontal
faces AR [28]. Ns tambm marcamos
FWQ 30x30 20 [21] Rotacionada
manualmente estes 22 pontos faciais nas bases
FWH 25x30 20 [21] Rotacionada
de Yale e FEI utilizadas neste trabalho. A
Figura 9 mostra uma imagem com os pontos
PR 20x20 26 [22] Perfil faciais marcados.
HS1 22x18 30 [23] Parte
superior do
No total, 565 imagens foram utilizados e
corpo para cada um dos 22 pontos de referncia, uma
HS2 22x20 19 [24] Cabea e pontuao foi dada (ver Tabela 2). A
ombros pontuao dada para cada ponto foi 1 ou 2.
Selecionamos o maior nmero de Para pontos localizados no contorno da face a
classificadores disponveis pela comunidade maior pontuao foi dada. A aplicao das
cientfica. A escolha desses classificadores pontuaes ser explicado na sesso seguinte.
resultou de uma pesquisa detalhada realizada
na literatura, de onde extramos as referncias
listadas na Tabela 1 e seus correspondentes
classificadores. Os classificadores FW, FWQ,
FWH, HS1 e HS2 foram gentilmente cedidos
pelos autores atravs de contato realizado. Os
classificadores PR, FD, FAT, FA2, FA1 esto
disponveis na verso 2.4 da biblioteca
OpenCV.

3. PONTOS FACIAIS
A deteco de pontos faciais importante
no somente para gerar um modelo geomtrico
do rosto, mas tambm para ser utilizado na
deteco de faces [24]. [25] compararam Figura 9 Exemplo de pontos faciais marcados manualmente
diferentes algoritmos para a localizao de

103
 TABELA 2 esto dentro da face localizada - pontos 13 e
PONTOS FACIAIS E SUAS PONTUAES
21.
Ponto facial Descrio Pontuao
0 Centro do olho direito 1
Ao analisarmos diferentes faces, estimamos
1 Centro do olho esquerdo 1
que um rosto bem localizado, se sua
pontuao total for maior ou igual a 27. Faces
2 Canto direito da boca 1
com pontuaes mais baixas deixam
3 Canto esquerdo da boca 1
importantes pontos faciais fora da imagem do
4 Canto direito da sobrancelha direita 2
rosto.
5 Canto esquerdo da sobrancelha direita 2
6 Canto direito da sobrancelha esquerda 2
7 Canto esquerdo da sobrancelha esquerda 2
8 Limite superior direito da face 2
9 Canto direito do olho direito 1
10 Canto esquerdo do olho direito 1
11 Canto direito do olho esquerdo 1
12 Canto esquerdo do olho esquerdo 1
13 Limite superior esquerdo da face 2
14 Ponta do nariz 1
15 Narina direita 1
16 Narina esquerda 1
17 Limite superior labial 1
18 Limite inferior labial 1 Figura 10 Face localizada com pontuao igual 27

19 Queixo
20 Limite direito da face
21 Limite esquerdo da face
4. EXPERIMENTOS
Primeiramente coletamos 10 classificadores
de localizao facial. Eles diferenciam-se pelo
nmero de estgios e pelo tamanho mnimo de
faces que podem ser detectadas. Eles foram
projetados para detectar rostos em diferentes
posies (frontal e de perfil) e somente a
cabea ou cabea e ombros e juntos.
Dois critrios foram utilizados para
determinar a preciso de cada classificador, e
so descritos a seguir.
4.1. CRITRIO I
A preciso de um classificador foi
mensurada pela pontuao obtida pelas face
localizadas. A regio do rosto detectado deve
conter o mximo de pontos faciais possvel. A
pontuao de cada caracterstica facial
somada se esta encontra-se dentro do retngulo
que representa a face.
A Figura 10 mostra o exemplo de uma face
localizada por um dado classificador. Note que
existem 2 pontos faciais importantes que no
2
4.2. CRITRIO II
2
2
Ns tambm consideramos o mesmo critrio
utilizado por [13] para avaliar a preciso do
tamanho da face detectada. Uma face
corretamente detectada se sua altura e largura
so menores que quatro vezes a distncia entre
os olhos. Diferentemente de [13], no
avaliamos o tempo de processamento de cada
classificador. Nosso objetivo avaliar a
acurcia dos classificadores, considerando
pontos faciais (critrio I) e o tamanho das faces
localizadas (critrio II).
4.3. RESULTADOS
Podemos ver os resultados da aplicao dos
dez classificadores nas duas bases nas Figuras
11 e 12.
A Figura 11 mostra os resultados obtidos
quando o critrio I foi utilizado e a Figura 12
com a utilizao do critrio II.

104

Figura 11 Resultados utilizando o critrio I
Figura 12 Resultados utilizando o critrio II
A partir dos dados obtidos, podemos
concluir que:
a) Os melhores ndices de aprovao
foram alcanados pelos classificadores FA1,
FA2 e FAT;
b) Nota-se que o ndice de 100% de
aprovao s foi conseguido em alguns
classificadores, utilizando-se a base de imagens
Yale;
c) Os classificadores FD, FA1, FAT, FA2
tiveram ndices de aprovao semelhantes ao
se utilizar os Critrios I e II, em ambas as
bases;
d) Os classificadores FW, FWQ, FWH,
PR e HS1 tiveram ndices de aprovao bem
menores, em ambas as bases, ao se utilizar o
Critrio I do que o Critrio II;
e) O classificador HS2 teve um ndice
aprovao maior na Base FEI ao se utilizar o
Critrio I, enquanto que o mesmo teve um
ndice de aprovao maior na Base Yale ao se
utilizar o Critrio II.
Assim sendo, a partir das concluses
anteriores podemos afirmar que os melhores
classificadores avaliados foram FA1, FA2 e
FAT. Em termos dos percentuais de
105
aprovao, o critrio I, proposto neste trabalho,
foi, na maioria dos casos, mais exigente que o
critrio II. A nica excesso a essa regra foi
verificada com o classificador HS2, quando
avaliado na base FEI.
REFERNCIAS
[1] J. Fagertun, 2005. Face Recognition. Dissertao de Mestrado,
Universidade Tcnica da Dinamarca (DTU).
[2] Y. Gang, L. Jiawei, L. Jiayu, M. Qingli and Y. Ming,
Illumination Variation in Face Recognition: A Review, IEEE
Second International Conference on Intelligent Networks and
Intelligent Systems (ICINIS 2009), pp. 309-311.
[3] M.A. Turk, A.P. Pentland, "Face Recognition Using Eigenfaces",
Proceedings of the IEEE Conference on Computer Vision and
Pattern Recognition (CVPR91), 3-6 Junho 1991, Maui, Hawaii,
USA, pp. 586-591.
[4] H. Moon, P.J. Phillips, "Computational and Performance Aspects
of PCA-based Face Recognition Algorithms", Perception, Vol.
30, 2001, pp. 303-321.
[5] K. Etemad, R. Chellappa, "Discriminant Analysis for
Recognition of Human Face Images", Journal of the Optical
Society of America A, Vol. 14, No. 8, Agosto 1997, pp. 1724-
1733.
[6] J. Lu, K.N. Plataniotis, A.N. Venetsanopoulos, "Face Recognition
Using LDA-Based Algorithms", IEEE Transaction on Neural
Networks, Vol. 14, No. 1, Janeiro 2003, pp. 195-200.
[7] B. Heisele, P. Ho, T. Poggio, "Face Recognition with Support
Vector Machines: Global versus Component-based Approach",
Proceedings. of the Eighth IEEE International Conference on
Computer Vision (ICCV01), Vol. 2, 09-12 Julho 2001,
Vancouver, Canad, pp. 688-694.
[8] A. Lanitis, C.J. Taylor, T.F. Cootes, "Automatic Interpretation
and Coding of Face Images Using Flexible Models", IEEE
Transaction Pattern Analysis and Machine Intelligence (1997),
pp. 743-756.
[9] E. Gomathi, K. Baskaran, "Recognition of Faces Using Improved
Principal Component Analysis", (ICMLC10), pp.198-201.
[10] C. Liu and H. Wechsler, "Probabilistic Reasoning Models for
Face Recognition", in. IEEE Computer Society Conference on
Computer Vision and Pattern Recognition (CVPR98), pp.827-
832.
[11] Y. Ji, T. Lin, and H. Zha, "Mahalanobis Distance Based Non-
negative Sparse Representation for Face Recognition", em The
Eighth International Conference on Machine Learning and
Applications (ICMLA09), pp.41-46.
[12] V. Kabeer & N. K. Narayanan, "Face recognition using state
space parameter and Articial Neural Network Classier", IEEE
International Conference on Computational Intelligence and
Multimedia Applications (ICCIMA07), Sivakasi, ndia Vol.3,
Dezembro, 2007, pp 250-254.
[13] M. Castrilln, O. Dniz, D. Hernndez, and J. Lorenzo. A
Comparison of Face and Facial Feature Detectors based on the
Viola-Jones General Object Detection Framework. Machine
Vision and Applications, vol. 22 issue 3, 2011.
[14] P. N. Bellhumer, J. Hespanha, and D. Kriegman, "Eigenfaces vs.
fisherfaces: Recognition using class specific linear projection",
IEEE Transactions on Pattern Analysis and Machine
Intelligence, Special Issue on Face Recognition, 1997, pp. 711-
720.
[15] L. L. de Oliveira Junior and C. E. Thomaz. "Captura e
Alinhamento de Imagens: Um Banco de Faces Brasileiro".
Relatrio Final de Graduao. Departamento de Engenharia
Eltrica, FEI, So Bernardo do Campo, So Paulo, Brasil, Junho
2006.
[16] P. Viola and M. Jones, "Robust real-time object detection,"
International Journal of Computer Vision, 2002 vol. 57, no. 2,
pp. 137-154.
[17] Inte, Intel Open Source Computer Vision Library, v1. 1ore,
http://sourceforge.net/projects/opencvlibrary (Outubro 2011).
[18] PAPAGEORGIOU, C.; OREN, M.; POGGIO, T. "A general
framework for object detection" International Conference on
Computer Vision, 1998.
[19] Lienhart, R., Kuranov, A., Pisarevsky, V., Empirical Analysis of
Detection Cascades of Boosted Classifiers for Rapid Object
Detection, em 25th Pattern Recognition Symposium
(DAGM03), pp. 297-304.
[20] Lienhart, R., Liang, L., Kuranov, A., A Detector Tree of Boosted
Classifiers for Real-Time Object Detection and Tracking,em
IEEE International Conference on Multimedia and Expo
(ICME03), pp. 277-280.
[21] Wilson, P. I., Fernandez, J., Facial feature detection using haar
classifiers, em Journal of Computing Sciences in Colleges
(2006), pp. 127-133.
[22] Bradley, D. Profile face detection http://www.cs.cmu.edu/
~dbradley/publications/bradley-iurac-03.swf, (2003) ultimo
acesso em 10/12/2011.
[23] Kruppa, H., Castrilln Santana, M., Schiele, B., Fast and Robust
Face Finding via Local Context, em IEEE International
Workshop on Visual Surveillance and Performance Evaluation of
Tracking and Surveillance (VS-PETS03), pp. 157-164.
[24] G. M. Beumer, Q. Tao, A. M. Bazen and R. N. J. Veldhuis, "A
Landmark Paper in Face Recognition". IEEE International
Conference on Automatic Face and Gesture Recognition
(FGE02), pp. 73-78.
[25] M. Koestinger, P. Wohlhart, P. M. Roth and H. Bischof,
Annotated Facial Landmarks in the Wild: A Large-scale, Real-
world Database for Facial Landmark Localization, IEEE
International Workshop on Benchmarking Facial Image Analysis
Technologies (BeFIT11).
[26] M. Jian-Wei and F. Yu-Hua, "Face segmentation algorithm based
on ASM", IEEE Conference on Intelligent Computing and
Intelligent Systems (ICIS09), 2009, pp 495-499.
[27] Z. Liu, W. Li, X. Zhang and J. Yang, "Efficient Face
Segmentation Based on Face Attention Model and Seeded
Region Merging", 9th International Conference on Signal
Processing (ICSP08). pp. 1116-1119.
[28] A.M. Martinez and R. Benavente, "The AR Face Database",
CVC Technical Report #24, Junho - 1998.

106
 Identicacao de Cameras de Celulares Usando
Sensor Pattern Noise
Leonardo Torres1 , Valter Ramos1 , Alisson S. Nascimento1 , Jose Alencar-Neto1 , Alejandro C. Frery2
1
Departamento de Pesquisa & Desenvolvimento Investigacao e Percia Digital, RASTRU
57057-780, Maceio, AL Brasil
2
Instituto de Computacao Universidade Federal de Alagoas, UFAL
57072-970, Maceio, AL Brasil
{ljmtorres, valter, alisson.sa.nascimento, alencar}@rastru.com.br, acfrery@gmail.com

ResumoNeste trabalho, propomos uma metodologia
para identicacao de cameras usando Sensor Pattern Noise.
Para cada camera investigada sao obtidas caractersticas
de n-imagens, pela media e pela mediana do rudo residual
por tecnicas de ltragem, denotadas ngerprints. Entao o
rudo residual da imagem investigada e comparado com
as ngerprints da camera para mensurar sua correlacao.
Finalmente, no processo de decisao, o algoritmo utiliza
metodos estatsticos e um limiar adaptativo nos resultados
provenientes das correlacoes. No melhor caso obtivemos
100% de acuracia e como pior resultado uma taxa de falsa
aceitacao FAR = 0% com falsa rejeicao FRR = 13.33%
para ambos os padroes estimados usando 10-imagens.
1. I NTRODUC AO
A analise forense de vdeos e imagens digitais e
uma area recente, cujo interesse da comunidade ci-
entca vem aumentando no decorrer dos anos. Uma
das tecnicas bastante utilizada na analise forense sao
as blind techniques, que usam atributos extrados da
propria imagem em analise. Assim, nao ha necessi-
dade de inserir caractersticas em qualquer etapa da
formacao da imagem para posterior vericacao ou
validacao, caractersticas que levam vantagens sobre
outras tecnicas, como exemplo, as watermarks.
Devido aos avancos tecnologicos e reducao dos
custos de dispositivos e softwares para aquisicao
e manipulacao de imagens digitais, mais pessoas
se tornam usuarias destas tecnologias usando li-
vremente seus recursos, legal ou ilegalmente. As-
sim, estes usuarios trazem novos desaos para
investigacao na ciencia forense em imagens digitais.
Uma imagem digital contem bem mais que so-
mente a cena a qual se captou, cada imagem leva
consigo caractersticas inerentes a sua formacao,
como por exemplo: (i) o coecientes gerados por
uma tabela de quantizacao utilizada como parametro
no processo de compressao JPEG [1] e [2]; (ii) a
correlacao entre os pixels referente a interpolacao
das cores utilizando Color Filter Array (CFA) [1];
(iii) o rudo padrao do fotossensor deixado na
imagem, denotado Sensor Pattern Noise (SPN) [3]
e [4]. Estas e outras informacoes obtidas de uma
imagem digital podem provar sua autenticidade e
integridade, identicar o dispositivo de origem ou a
correlacao entre imagens como provenientes de um
mesmo dispositivo, auxiliando a analise forense em
crimes digitais.
Este trabalho apresenta uma metodologia para
identicacao de cameras digitais baseado no rudo
padrao do sensor. Apresenta as principais condicoes
para captura das imagens do dispositivo investigado
e um modelo entidade-relacional para armazena-
mento destas imagens. As imagens investigadas
passam por uma processo de extracao do rudo
residual, denotado atributos. Estes atributos servem
como entrada para o processo de formacao do
padrao do modelo do dispositivo. Neste processo
sao identicados dados estatsticos comuns e ineren-
tes as imagens. Tais caractersticas extradas servem
de entrada para o processo de decisao. O objetivo
principal e constatar de qual dispositivo as imagens
investigadas se originam.
O artigo esta organizado da seguinte forma: Na
Secao II apresenta o estado da arte, onde sao expos-
tas as principais tecnicas utilizadas. Na Secao III
descreve a metodologia abordada, ressaltando as
entradas e sadas de cada processo. Na Secao IV
sao expostos os resultados alcancados e por m, na
Secao V nos discutimos as contribuicoes e trabalhos
futuros.

107
 Figura 1. Modelo de aquisicao de imagem digital.
2. T RABALHOS R ELACIONADOS
A analise forense de imagens digitais, mais es-
pecicamente em identicacao de dispositivos, e
comumente utilizada para responder as questoes
abaixo dando suporte a comunidade forense no
combate aos crimes eletronicos:
Dada uma imagem pode-se provar se ela foi
ou nao produzida por uma certa camera ou
dispositivo digital (Camera Identication)?
Duas ou mais imagens podem ser correlaciona-
das como originadas de um mesmo dispositivo
desconhecido (Device Linking)?
A. Aquisicao de Imagem Digital
A Figura 1 mostra um modelo de aquisicao de
imagem digital: a luz reetida da cena e dos objetos
nela contidos passa atraves de lentes e de ltros
oticos, para que seja capturada pelos sensores de
cores. A maioria das cameras digitais usam sensores
Charge-coupled Device (CCD) ou Complementary
Metal-Oxide-Semiconductor (CMOS) e capturam as
imagens usando um CFA. Os CFAs sao matrizes,
em sua maioria, com tres ltros de cores em padrao
RGB (red, green, blue), acoplados a cada sensor.
Cada pixel de uma imagem digital tem tres valores,
um de cada cor ou banda, que compoem a cor
do pixel, porem cada ponto do CFA captura um
unico valor de uma banda especca, os valores das
outras bandas sao inexistente, ate entao. O processo
de interpolacao usa os valores da vizinhanca do
pixel nas outras bandas para estimar os valores
inexistentes, am, de torna possvel a exibicao da
imagem e, nalmente, pode ser aplicado um pos-
processamento onde, por exemplo, pode ser feito
uma compressao JPEG.
B. Rudo Padrao do Sensor
Muitos autores vem se dedicando no uso do SPN
como principal caracterstica para identicar um dis-
positivo, como em [3], [4], [5] e [6]. Diferentemente
de outras tecnicas, a analise por SPN nao necessita
de conhecimento a priori das caractersticas fsicas
do dispositivo, evitando-se a necessidade de aborda-
gem intrusiva sobre os dispositivos na investigacao
de Camera Identication, ou mesmo a necessidade
da posse do dispositivo original nas percias de
Device Linking.
Uma outra objecao em se utilizar tecnicas ba-
seadas em caractersticas fsicas e a facilidade de
adulteracao das informacoes que as imagens levam
no cabecalho (e.g. EXIF), por exemplo, diminuindo
sua credibilidade.
A motivacao deste trabalho e a utilizacao de
tecnicas nao intrusivas e uma estrutura de difcil
adulteracao. Essas premissas levam a utilizacao do
rudo padrao do sensor, o qual se torna ecaz visto
que cada dispositivo deixa na imagem, um tipo de
impressao digital (ngerprint), uma marca unica e
inerente a cada sensor, mesmo em marcas e modelos
iguais. Com esta ngerprint e possvel identicar o
dispositivo da qual uma imagem foi capturada, ou
pelo menos determinar quais dispositivos a imagem
se origina [7].
Lukas et. al [4] descrevem que o rudo produzido
no processo de aquisicao pode ser dividido em
duas categorias: (i) Fixed Pattern Noise (FPN) e
(ii) Photoresponse Nonuniformity (PRNU). O FPN
e formado por pontos escuros, pontos do sensor
(CCD ou CMOS) nao expostos a luz. Em uma
imagem natural o que predomina e a PRNU, que
e formada pelo rudo devido a nao uniformidade
dos pixels (Pixel Nonuniformity PNU) e pelos
componentes de baixa frequencia. Todos os sensores
nao recebem a mesma intensidade de luz da cena,
tornando-se mais uma caracterstica do processo
de fabricacao do dispositivo. Porem, diferentemente
do FPN, a temperatura nao e considerada para
contribuicao na PNU.
108
C. Rudo Residual D. Identicacao e correlacao usando SPN
Os componentes de baixa frequencia de uma ima- Para identicar um dispositivo atraves do SPN,
gem digital advem dos elementos da cena capturada. utiliza-se caractersticas unicas que podem ser pro-
A luz refratada por partculas de poeira, superfcies venientes de imperfeicoes dos componentes, de efei-
opticas e conguracoes de zoom tambem geram tos do ambiente e condicoes de operacao [4]. Estas
componentes de baixa frequencia. caractersticas dao unicidade ao rudo produzido no
A supressao do rudo e um passo importante no processo de captacao da imagem, fazendo com que
processo de investigacao e identicacao de dispositi- seja viavel a identicacao do dispositivo somente
vos atraves do SPN. Dos trabalhos como de [3], [4], atraves de imagens originadas deste dispositivo.
[6], [8] e [9], obtem-se o rudo residual, denotado Obtido o rudo residual, como subsdio para o
wk , utilizando tecnicas de ltragem e dado por processo de classicacao, alguns autores extraem
wk = Ik F (Ik ), (1) caractersticas do rudo (features) [5], [10], outros
estimam a PNRU [11], [8] e outros ainda usam
em que Ik representa uma imagem natural e F o proprio rudo residual como entrada [3], [6].
um funcao de ltragem. Com isso, o SPN pode Alinhado a primeira abordagem, este trabalho utiliza
ser estimado pela media do rudo residual de n- caractersticas estatsticas extradas do rudo resi-
imagens, denotado e dado por dual como entrada para o processo de classicacao.
n
1
= wk , (2) E. Processo de Classicacao
n k=1
O processo de decisao e responsavel pela au-
em que n representa o numero total de imagens tenticacao do dispositivo investigado. Esta proposta
usadas para estimar a impressao digital do sensor. utiliza a autenticacao do tipo vericacao Um para
A Figura 2 apresenta um exemplo do processo de Um e o tipo de identicacao Um para Muitos.
pre-processamento em imagem digital para obter o O primeiro tipo verica se uma imagem investigada
rudo residual utilizando a Equacao (1). pertence a um certo dispositivo conhecido, ou nao.
Enquanto, o segundo tipo identica para um dado
conjunto de cameras se uma imagem investigada
pertence a alguma das cameras ou a nenhuma delas.
Muitos autores utilizam o SVM (Support Vector
Machine) como processo de decisao supervisionado.
Os resultados alcancados sao satisfatorios, como em
[10], [12], [5], [3].
A Curva ROC (Receiver Operating Characteris-
tic) e um metodo estatstico, comumente utilizado
(a) Original (b) Intensidade para classicar indivduos em grupos. Este metodo
e fortemente apoiado no grupo e amostras de trei-
namento. A quanticacao da medida do erro ou
da chance do algoritmo validar corretamente e o
objetivo deste metodo, como visto em [10], [3].
As taxas de falsa rejeicao (False Rejection Rate
FRR) e as taxas de falsa aceitacao (False Accep-
tance Rate FAR) sao um dos metodos estatsticos
utilizados para tracar a Curva ROC. Porem, traba-
(c) Filtrada (d) Rudo residual wk lhos como de [4], [8] tratam diretamente com estes
dados para classicar os grupos com limiares adap-
Figura 2. Pre-processamento em imagem para obter o rudo residual tativos. Mancomunado com esta ultima abordagem,
utilizando a Equacao (1). este trabalho propoe um limiar adaptativo que e
mensurado pelas taxas de FAR e FRR.

109
 3. M ETODOLOGIA A DOTADA de um banco de dados externo ou online, o atributo
Esta secao apresenta as principais etapas para Base Externa deve ser preenchido com uma
alcancar os objetivos elencados. descricao desta base.

A. Banco de Dados de Imagens B. Extracao de Atributos

A primeira etapa da metodologia e a aquisicao e Uma vez populado o BD, colhemos n-imagens
armazenamento das imagens capturadas para forma- de cada camera registrada para estimar a nger-
cao do modelo do dispositivo e das imagens investi- print. Foram utilizados dois operadores: (i) a media,
gadas. Nesta etapa denimos alguns aspectos, como seguindo a Equacao (2) e (ii) a mediana. Cada
os dispositivos a serem investigados, quantidade de operador e aplicado em cada ponto correspondente
imagens capturadas, ambiente (urbano, em labo- das n-imagens, que resulta em uma imagem de
ratorio), dentre outros. Podemos denir tambem, de- intensidade, denotada ngerprint.
pendendo da necessidade, se serao usadas imagens C. Processo de Decisao
ja existentes de uma base de dados disponvel.
Apos estimarmos a ngerprint e denimos um
A coleta e armazenamento de imagens de varias
conjunto de m-imagens para treinamento (obtidas
cameras nao e uma tarefa facil e nem muito
do mesmo dispositivo que originou a ngerprint).
economica. Gloe e Bohme [13] criaram o Dresden
Calculamos as correlacoes entre a ngerprint e as
Image Database for Benchmarking Digital Image
m-imagens de treinamento usando a correlacao de
Forensics, que contem mais de 14 mil imagens em
Pearson em blocos 88. O coeciente de correlacao
JPEG e TIFF de cenas variadas, capturadas de 73
de Pearson e dado por
modelos de cameras diferentes. Este banco de dados u
e uma ferramenta de alto valor para a comunidade (xr x)(yr y)
v (X, Y ) =  r=1 (3)
u
forense, pois apresenta uma visao clara do estado r=1 (x r x) 2 (y y)2
r
da arte em identicacao de cameras.
em que
Inspirados pelo trabalho de Gloe e Bohme [13],
u u
nos utilizamos um modelo entidade-relacional para 1 1
x = xr , y = yr
o armazenamento de imagens e informacoes do pro- u r=1 u r=1
cesso de aquisicao. Um Banco de Dados (BD) e uma sao as medias dos blocos referente as imagens
colecao de dados inter-relacionados, representando do rudo padrao da camera X e a imagem de
informacoes sobre um domnio especco e um treinamento Y , respectivamente, no r-esimo pixel e
Sistema Gerenciador de Banco de Dados (SGBD) v = 1, . . . , b, onde b e a quantidade de blocos 8 8
prove ferramentas para acesso a estes dados. das imagens. Em posse das matrizes de correlacoes
A Figura 3 mostra um modelo simplicado do Z , j = 1, . . . , m uma para cada imagem de
j
BD proposto. As entidades sao representadas por treinamento, calculamos o coeciente de variacao
retangulos, os relacionamentos sao representados destas matrizes, que e uma medida de dispersao
Zj
por losangos e os atributos sao as elipses. O relacio- relativa denida por
namento entre um Fabricante e um Modelo ca- sZ
racteriza um Dispositivo. Podem existir varios Zj = j (4)
Modelos para cada Fabricante, assim como Zj
varios Dispositivos com um mesmo Modelo em que sZj e o desvio padrao e Zj a media das
e Fabricante. O Ambiente tem tipo (urbano, matrizes de correlacao Zj .
ceu azul, natural) e uma ag indicando se e indoor Assim, podemos denir um limiar LCi seguro
ou outdoor. As condicoes em que uma imagem para identicar o dispositivo de origem, dado por
foi capturada (camera xa, distancia focal, ash) sao
LCi = Z (3 sZ ) (5)
registradas no relacionamento Condicoes, carac-
terizado pelo relacionamento entre o Ambiente em que sZ e o desvio padrao e Z a media dos
e um Dispositivo. Cada Imagem recebe um coecientes de variacao das Zj , j = 1, . . . , m de
identicador (Id) criptografado. Se a imagem for m-imagens de treinamento.

110
 Figura 3. Modelo Entidade-Relacional simplicado do BD usado para registrar dados e imagens de entrada dos experimentos.

Tabela I
A Figura 4 apresenta um diagrama em blocos da FABRICANTES E MODELOS DAS C AMERAS UTILIZADAS NOS
metodologia abordada para identicacao de dispo- EXPERIMENTOS .

sitivos e o processo de validacao.

4. E XPERIMENTOS E R ESULTADOS
Nesta secao apresentamos os resultados obtidos
com a metodologia proposta para identicacao de
dispositivos utilizando o rudo residual, que foi
extrado com o processo de ltragem baseado em
wavelet 2-D.
Para validar a proposta, nos registramos no BD
20 imagens com resolucao nativa provenientes das
3 cameras listadas na Tabela I, num total de 60
imagens. As imagens tiveram uma variacao entre in-
door e outdoor, luz natural e iluminacao controlada,
sem ash, com variacao de zoom em dias claros e
nublados. Alem disso, nenhuma imagem passou por
conversao de formatos ou recompressao.
Dentre as 20 imagens de cada camera, 10 imagens
foram utilizadas para extrair o rudo padrao do
sensor, 5 imagens para determinar o limiar LCi e
as 5 imagens remanescentes foram utilizadas nos
testes.
Realizamos um recorte central quadrado em todas
as imagens disponveis no BD. A ordem do recorte e
igual a menor dimensao dentre as resolucoes nativas
ID Modelo da Camera Resolucao Nativa
C1 Samsung Galaxy Ace 2560 1920
C2 Samsung Galaxy X 2592 1944
C3 Motorola EX115 2046 1536
das cameras (Tabela I), neste experimento foi 1536
da C3 .
Em seguida, obtermos as ngerprints de cada
camera, denotada f1 a obtida pela media e f2 a ob-
tida pela mediana. No experimento, cada ngerprint
e correlacionada com as amostras destinadas para
treinamento utilizando a Equacao (3).
Ao nal deste processo, utilizando a Equacao (4)
obtermos duas tabelas: (i) Na Tabela II apresenta-
mos os coecientes de variacao entre a ngerprint
f1 e todas as amostras para treinamento; (ii) Na Ta-
bela III sao expostos os resultados obtidos utilizando
a ngerprint f2 .
Com o suporte nestas tabelas (Tabelas II e III) cal-
culamos os limiares para cada dispositivo utilizando
a Equacao (5). A Tabela IV apresenta os limiares
para as cameras envolvidas neste experimento.

111
 wk = Ik F (Ik ), 1
 n
= n k=1 wk fi
k = 1, . . . , n Fingerprint
Operador i
Rudo residual wk
Camera Ci
n-imagens

X = (xij )M N
Rudo residual

u
(xr x)(yr y)
v (X, Y ) = r=1
Y = (yij )M N Zj = s/, v = 1, ..., b
u LCi = Z (3 sZ )
r=1(xr x) (yr y)2
Rudo residual 2 Coeciente de Variacao
Limiar LCi
Correlacao de Pearson

m-imagens m vezes: conjunto de treinamento.

u
(xr x)(qr q)
Q = (qij )M N
(X, Q) = r=1
u
Z = s/ Teste de
r=1(xr x) (qr q)2
Rudo residual 2 Coeciente de Variacao Hipotese
Correlacao de Pearson Classicacao

t-imagens t vezes: conjunto de imagens investigadas.

Figura 4. Diagrama em blocos da metodologia adotada e o processo de validacao.

Tabela II Tabela IV
C OEFICIENTES DE VARIAC OES Zj OBTIDOS COM A CORRELAC AO L IMIARES DAS C AMERAS ENVOLVIDAS NO EXPERIMENTO .
ENTRE O PADR AO f1 E AS IMAGENS PARA TREINAMENTO .
Cameras LCi da f1 LCi da f2
Amostras Zj da C1 Zj da C2 Zj da C3
C1 65.62769 60.07475 32.21999 25.50330
#1 73.6045246 43.3224565 8.89200948 C2 40.58637 19.39327 19.82283 9.619036
#2 37.1437447 50.7092309 16.4527572 C3 10.98961 9.544547 12.68986 11.44459
#3 52.8831584 37.4681718 9.88767764
#4 84.8770245 35.5886513 10.1710338
#5 79.6299762 35.8433435 9.54454742
limiar LCi (veja Tabela IV) correspondente de cada
Tabela III ngerprint para cada modelo de camera.
C OEFICIENTES DE VARIAC OES Zj OBTIDOS COM A CORRELAC AO Ambos os testes realizados com as ngerprint f1
ENTRE O PADR AO f2 E AS IMAGENS PARA TREINAMENTO .
e f2 foram satisfatorios e obtivemos no melhor caso
uma acuracia de 100% (FAR = 0% e FRR = 0%)
Amostras Zj da C1 Zj da C2 Zj da C3
para as cameras C1 e C3 . Houveram duas falsas
#1 38.0277898 25.4793670 10.3750708 rejeicoes associadas ao padrao da camera C2 pro-
#2 21.9204324 18.0073213 19.4063936
#3 26.2725724 18.3630436 12.1477842 porcionando uma FRR = 13.33%, contudo, nao
#4 42.8895011 17.9749418 10.7467727 houveram falsas aceitacoes (FAR = 0%).
#5 31.9896522 19.2894891 10.7732969
As 2 imagens, que resultaram na falsa rejeicao em
ambos os testes no padrao da camera C2 foram cap-
turadas com um zoom acentuado e, provavelmente,
Submetemos as 15 imagens de teste para validar sua rejeicao esta relacionada a esta caracterstica.
a metodologia proposta. Correlacionamos cada uma Estudos mais profundos devem ser direcionados ao
delas com as ngerprint f1 e f2 das tres cameras entendimento deste fenomeno.
utilizando a Equacao (3). Em seguida, extramos As Tabelas V e VI apresentam uma sumarizacao
de cada resultado o coeciente de variacao Zj . Por dos dados provenientes dos testes com as ngerprint
m, vericamos se cada coeciente esta dentro do f1 e f2 , respectivamente.

112
 Tabela V
C OEFICIENTES DE VARIAC OES Zj OBTIDOS COM A CORRELAC AO um FRR = 0%. Chen et. al [8] utilizam o criterio
ENTRE O PADR AO f1 E TODAS AS IMAGENS DE TESTE . de correlacao NeymanPearson e denem as taxas
de erro por uma funcao de probabilidade com limiar
Amostras Zj da C1 Zj da C2 Zj da C3 determinado. Os resultados obtidos foram uma taxa
#1 da C1 40.014724 360.978214 134.552898 de falsa aceitacao em FAR = 105 para todos
#2 da C1 40.865016 208.343016 153.370379 os teste e uma taxa de falsa rejeicao variada por
#3 da C1 33.251045 987.985970 265.912326
#4 da C1 32.707328 228.554239 114.971440 dispositivo investigado.
#5 da C1 32.370200 226.186325 5938.93515
5. C ONCLUS AO
#1 da C2 214.283909 43.605546 292.500198
#2 da C2 167.854468 4523.2382 112.740948 Este trabalho propos uma metodologia para
#3 da C2 215.626974 34.337964 80.5481029 analise forense em imagens digitais que responda
#4 da C2 276.034535 37.349068 331.834290
#5 da C2 259.536631 334.91339 120.501912 a questao: Dada uma imagem, pode-se provar se
ela foi ou nao produzida por uma certa camera ou
#1 da C3 207.305097 84.3339083 8.4803013
#2 da C3 365.319795 318.032940 14.351982 dispositivo digital?
#3 da C3 190.351127 93.5151662 9.1345649 A metodologia proposta foi validada utilizando
#4 da C3 76.3076703 68.6430355 10.360035 o Sensor Pattern Noise e duas ngerprints fo-
#5 da C3 589.618371 132.979152 9.3097546
ram estimadas para cada dispositivo. Como metodo
de organizacao e armazenamento apresentamos
Tabela VI
C OEFICIENTES DE VARIAC OES Zj OBTIDOS COM A CORRELAC AO
um modelo entidade-relacional simplicado, que
ENTRE O PADR AO f2 E TODAS AS IMAGENS DE TESTE . abrange as informacoes das imagens capturadas e
seus respectivos dispositivos.
Amostras Zj da C1 Zj da C2 Zj da C3 Um grande diferencial foi adotar um limiar adap-
#1 da C1 20.645812 723.010023 327.962533 tativo baseado no coeciente de variacao Zj , onde
#2 da C1 18.739010 1386.01104 160.740719 para cada ngerprint existe um intervalo que iden-
#3 da C1 16.212133 783.042479 3815.42664 tica o dispositivo. Nos melhores casos obtivemos
#4 da C1 19.063436 160.647400 128.627354
#5 da C1 16.167803 124.934004 254.222252 100% de acuracia (nas cameras C1 e C3 nas Ta-
#1 da C2 3485.16331 24.227291 143.456115
belas V e VI) e como pior resultado uma taxa de
#2 da C2 237.097587 316.44011 203.522081 falsa aceitacao FAR = 0% com falsa rejeicao de
#3 da C2 332.106203 19.942202 77.8998215 FRR = 13.33% (camera C2 ) para ambos os padroes
#4 da C2 285.208588 16.812953 1245.56721
#5 da C2 4790.17089 330.59364 272.922369
estimados usando 10-imagens. Frente a literatura
obtemos resultados satisfatorios utilizando poucas
#1 da C3 196.266328 161.075700 9.5609000
#2 da C3 2616.05192 176.474426 18.632235
imagens para obter o rudo padrao do sensor.
#3 da C3 12520.0039 82.9365908 10.823300 Com a evolucao desta metodologia espera-se
#4 da C3 58.5053499 72.2391886 11.861742 utilizar um numero ainda menor de imagens para
#5 da C3 1688.85154 139.116071 10.215513
estimar o padrao do sensor. Tendo em vista, que a
aquisicao destas imagens na area forense, em certas
condicoes, pode ser onerosa ou nao ser possvel. Ou-
Fazendo uma analise com os trabalhos de Lukas tros metodos para classicacao devem ser abordados
et. al [4] e Chen et. al [8], enquanto eles utilizam para futuras comparacoes e juncoes de metodos.
300 e 30 imagens de cada camera para obter o Com a analise do erro relacionado as imagens
padrao do sensor, respectivamente, nos extramos com zoom acentuado, iremos direcionar testes mais
o padrao com 10 imagens; um numero alto de focados para avaliar o comportamento do rudo em
imagens, neste caso, diculta a replicacao dos ex- diversas condicoes.
perimentos. Outros passos estao relacionados a ampliacao
Lukas et. al [4] avaliam sua proposta xando a do Banco de Dados para que os dados dos ex-
taxa de falsa aceitacao em FAR = 103 e para perimentos, da etapa de extracao de atributos e
cada camera com um limiar determinado obteve do processo de decisao possam ser registrados e
diferentes taxas de falsa rejeicao e em um unico caso replicados facilmente por outros peritos.

113
 AGRADECIMENTOS
Os autores agradecem o apoio nanceiro conce-
dido pelo CNPq atraves Programa RHAE Pesqui-
sador na Empresa (550670/2011-4), assim como,
o suporte nanceiro da FAPEAL pelo Programa
PDT-TI (2010-02). Tais apoios vem viabilizando
os resultados ate entao alcancados nos projetos de
P&D da empresa RASTRU em parceria com a
Universidade Federal de Alagoas.
R EFER ENCIAS
[1] H. Farid, Image forgery detection, IEEE Signal Processing
Magazine, vol. 26, no. 2, pp. 1625, Mar 2009.
[2] T. Bianchi and A. Piva, Detection of nonaligned double
jpeg compression based on integer periodicity maps, IEEE
Transactions on Information Forensics and Security, vol. 7,
no. 2, pp. 842848, Apr 2012.
[3] X. Kang, Y. Li, Z. Qu, and J. Huang, Enhancing source camera
identication performance with a camera reference phase sensor
pattern noise, IEEE Transactions on Information Forensics and
Security, vol. 7, no. 2, pp. 393402, Apr 2012.
[4] J. Lukas, J. Fridrich, and M. Goljan, Digital camera iden-
tication from sensor pattern noise, IEEE Transactions on
Information Forensics and Security, vol. 1, no. 2, pp. 205214,
Jun 2006.
[5] O. Celiktutan, B. Sankur, and I. Avcibas, Blind identication
of source cell-phone model, IEEE Transactions on Information
Forensics and Security, vol. 3, no. 3, pp. 553566, Sep 2008.
[6] C.-T. Li, Source camera identication using enhanced sensor
pattern noise, IEEE Transactions on Information Forensics and
Security, vol. 5, no. 2, pp. 280287, Jun 2010.
[7] J. A. Redi, W. Taktak, and J.-L. Dugelay, Digital image
forensics: a booklet for beginners, Multimedia Tools and
Applications, vol. 51, no. 1, pp. 133162, Jan. 2011.
[8] M. Chen, J. Fridrich, M. Goljan, and J. Lukas, Determining
image origin and integrity using sensor noise, IEEE Transac-
tions on Information Forensics and Security, vol. 3, no. 1, pp.
7490, Mar 2008.
[9] M. Goljan, J. Fridrich, and M. Chen, Defending against
ngerprint-copy attack in sensor-based camera identication,
IEEE Transactions on Information Forensics and Security,
vol. 6, no. 1, pp. 227236, march 2011.
[10] H. Gou, A. Swaminathan, and M. Wu, Noise features for
image tampering detection and steganalysis, in IEEE Inter-
national Conference on Image Processing, vol. 6, Oct. 2007,
pp. VI97100.
[11] C.-T. Li and Y. Li, Color-decoupled photo response non-
uniformity for digital image forensics, IEEE Transactions on
Circuits and Systems for Video Technology, vol. 22, no. 2, pp.
260271, Feb. 2012.
[12] H. Gou, A. Swaminathan, and M. Wu, Robust scanner iden-
tication based on noise features, in Security, Steganography,
and Watermarking of Multimedia Contents, San Jose, CA, Jan.
2007.
[13] T. Gloe and R. Bohme, The dresden image database, Online,
2010, acessado em 17 de julho de 2012. [Online]. Available:
http://forensics.inf.tu-dresden.de/ddimgdb/licenses

114