Ao contrário das câmeras fixas, posicionadas estaticamente para melhor capturar uma visão global da cena, câmeras ativas ou PTZs (pan-tilt-zoom) têm um recurso que permite que eles se movam no próprio eixo nas direções vertical, horizontal e zoom. No âmbito da vigilância, as PTZs são úteis na visualização de alvos longe da câmera fixa, como pessoas, placas de carros, objetos abandonados em locais públicos, alvos móveis e objetos que a pessoa está carregando.

Os pesquisadores da Sense Renan Reis e Igor Henrique Dias, orientados pelo professor William Schwartz, desenvolveram neste mês um novo método para identificar pessoas em uma cena usando uma combinação de câmeras fixas e ativas. O método tem como principal diferencial em relação à literatura o fato de se basear no aprendizado de máquina ao invés da calibração geométrica, assim, é possível superar algumas restrições que afetam a abordagem de calibração.

Desenvolvida especificamente para a detecção de pessoas, a abordagem utiliza uma câmera fixa e sua visão panorâmica e uma câmera ativa, usada para obter informações mais refinadas e específicas (como rosto, mãos, movimento dos pés) na cena, com maior resolução. “Temos metas passando em cena que precisam ser identificadas, este é o nosso ponto de partida”, explica Renan, o principal responsável pelo trabalho.

Como funciona

Através do aprendizado de máquina, várias situações são testadas e o método é ensinado a reter as informações necessárias após uma série de treinamentos. Para o treinamento, duas câmeras foram instaladas no terceiro andar do DCC, perto do laboratório do Sense, de 6 a 8 metros de distância da cena – no térreo do DCC. Vários testes foram feitos com cerca de uma hora de filmagem cada, de uma pessoa passando por todos os pontos da cena. Quando a câmera fixa tem um alvo à vista, a câmera PTZ tem a tarefa de localizá-lo e centralizá-lo em tempo real. Para fazer isso, o método depende das informações de localização espacial da pessoa: as posições nos eixos x e y de sua caixa delimitadora e o tamanho e a largura da caixa.

A maioria dos métodos na literatura atual usa calibração geométrica para mapear o alvo em três dimensões, o que requer uma nova calibração a cada mudança de posição da câmera. O método desenvolvido por Renan e Igor é independente da posição das câmeras e não depende de calibração, exigindo apenas que haja pessoas passando na cena para que o método comece a treinar sozinho, a partir de pontos de relação entre as câmeras fixas e PTZ.

“Sem dúvida, essa é uma grande vantagem do nosso método, pois facilita muito o monitoramento remoto, uma vez que as restrições de manutenção e outras situações que alteram o posicionamento das câmeras no ambiente são superadas”, conclui Igor.

Os pesquisadores

Renan Oliveira Reis é aluno de doutorado em Ciência da Computação e tem trabalhado principalmente na educação em engenharia de software, ciência da computação na educação, objetos de aprendizagem, realidade virtual, 3D Blender, processamento de imagem, reconhecimento de padrões, speckle dinâmico a laser e redes neurais. Igor Henrique Dias é graduando em Sistemas de Informação e pesquisador com apoio do CNPq.

O professor associado do DCC e líder do Sense, William Robson Schwartz, é autor de mais de 100 artigos científicos sobre tópicos como visão computacional, vigilância inteligente, análise forense e biometria. Coordena projetos de pesquisa patrocinados por agências como CNPq, Fapemig e Capes, e projetos de P & D patrocinados por empresas como Samsung e Petrobras.

Siga as atualizações do Sense por meio das redes sociais do grupo Facebook e Twitter.