ads:
UNIVERSIDADE FEDERAL DE CAMPINA GRANDE
CENTRO DE ENGENHARIA ELÉTRICA E INFORMÁTICA
COORDENAÇÃO DE PÓS-GRADUAÇÃO EM INFORMÁTICA
Dissertação de Mestrado
Algoritmos para Composição Automática de
Fotografias
Claudio S. Vasconcelos da C. Cavalcanti
Campina Grande
Julho de 2007
ads:
Livros Grátis
http://www.livrosgratis.com.br
Milhares de livros grátis para download.
UNIVERSIDADE FEDERAL DE CAMPINA GRANDE
CENTRO DE ENGENHARIA ELÉTRICA E INFORMÁTICA
COORDENAÇÃO DE PÓS-GRADUAÇÃO EM INFORMÁTICA
Algoritmos para Composição Automática de
Fotografias
Claudio S. Vasconcelos da C. Cavalcanti
Dissertação submetida à Coordenação do Curso de Pós-
Graduação em Ciência da Computação do Centro de
Engenharia Elétrica e Informática da Universidade Fe-
deral de Campina Grande – Campus I como parte dos
requisitos necessários para obtenção do grau de Mestre
em Ciência da Computação (MSc).
Área de Concentração: Ciência da Computação
Linha de Pesquisa: Modelos Computacionais e Cognitivos
Herman Martins Gomes
Orientador
Campina Grande
Julho de 2007
ads:
UNIVERSIDADE FEDERAL DE CAMPINA GRANDE
CENTRO DE ENGENHARIA ELÉTRICA E INFORMÁTICA
COORDENAÇÃO DE PÓS-GRADUAÇÃO EM INFORMÁTICA
Algoritmos para Composição Automática de
Fotografias
Claudio S. Vasconcelos da C. Cavalcanti
Dissertação submetida à Coordenação do Curso de Pós-
Graduação em Ciência da Computação do Centro de
Engenharia Elétrica e Informática da Universidade Fe-
deral de Campina Grande – Campus I como parte dos
requisitos necessários para obtenção do grau de Mestre
em Ciência da Computação (MSc).
Área de Concentração: Ciência da Computação
Linha de Pesquisa: Modelos Computacionais e Cognitivos
Herman Martins Gomes
Orientador
Campina Grande
Julho de 2007
FICHA CATALOGRÁFICA ELABORADA PELA BIBLIOTECA CENTRAL DA UFCG
C376a Cavalcanti, Claudio S. Vasconcelos da C.
2007 Algoritmos para composição automática de fotografias /
Claudio S. Vasconcelos da C. Cavalcanti. – Campina Grande, 2007
137fs.: il. color.
Dissertação (Mestrado em Ciência da Computação) -
Universidade Federal de Campina Grande,
Centro de Engenharia Elétrica e Informática.
Referências
Orientador: Herman Martins Gomes.
1. Processamento de Imagens 2. Composição de Fotografias 3.
Automação de Processos 4. Visão Computacional I–
Título CDU
004.383.5(043)
Dissertação de Mestrado sob o título “Algoritmos para Composição Automática de Fo-
tografias”, defendida por Claudio S. Vasconcelos da C. Cavalcanti e aprovada em Julho de
2007, em Campina Grande, Estado da Paraíba, pela banca examinadora constituída pelos
doutores:
Prof. Ph.D. Herman Martins Gomes
DSC / CEEI / UFCG
Orientador
Prof. Dr. José Eustáquio Rangel de Queiroz
DSC / CEEI / UFCG
Examinador
Prof. Dr. George Darmiton da Cunha Cavalcanti
CIn / UFPE
Examinador
Agradecimentos
A Deus, por ter me dado forças para realizar este trabalhoo alem de ter me tirado do fundo
do rio!
À minha família: pais, avós, irmão e irmã, cunhada, cunhados e sobrinhos por terem
me dado todo o apoio que precisei enquanto em Campina Grande, me ensinando a focar em
solucoes, nao em problemas.
À Laura, por ter aceitado enfrentar comigo não só este como todos os outros desafios
ainda porvir o qual espero comemorar sempre ao seu lado.
Aos amigos de Recife, por sempre torcerem por mim na distância e sempre me acolhe-
rem com a mesma alegria quando do retorno. Aos professores e colegas da UPE/Poli, em
particular o Prof. Carlos, por terem sempre torcido por mim neste desafio e fazendo-me
acreditar no sucesso. Aos colegas da IDM, em particular Diogo e Dickson, pelo apoio dado
nos primeiros meses em Campina Grande.
Ao professor Herman, que orientou este trabalho com paciência e dedicação.
Aos amigos de Campina Grande, especialmente os integrantes e ex-integrantes do pro-
jeto iPhotoBot (Em particular Eanes, o mestre Latex, Luana, profa. Luciana e os outros
que omitirei mas devido à falta de espaço) pela ajuda nas implementações, troca de idéias,
incentivo e momentos de descontração.
Aos membros da banca examinadora, pelas críticas e sugestões que contribuíram para o
enriquecimento deste trabalho.
A todos que fazem a COPIN, dentre professores e funcionários, os quais nunca nega-
ram auxílio mesmo em momentos difíceis.s. A HP, que apoiou financeiramente parte deste
trabalho.
Enfim, para *.* que de alguma forma contribuíram para a conclusão deste trabalho.
O meu muito obrigado!
vi
Resumo
Além de ser uma das mais populares formas de arte, a fotografia também é uma forma de
lazer e ferramenta de trabalho. Com a redução dos preços e a conseqüente popularização
dos equipamentos e acessórios necessários à fotografia, especialmente o preço das câmeras
digitais, é crescente o interesse por novos algoritmos e ferramentas que favoreçam a cap-
tura de imagens com maior qualidade. Diante do exposto, a presente dissertação objetivou a
proposição e desenvolvimento de algoritmos capazes de detectar e corrigir falhas na compo-
sição fotográfica. As regras de composição fotográfica, em geral, são heurísticas utilizadas
por fotógrafos que se difundiram a ponto de serem denominadas de “regras”. Mesmo não
sendo consenso entre os fotógrafos, é possível que a implementação destas regras possa levar
um fotógrafo amador, sem conhecimento prévio de fotografia, a produzir fotografias de alta
qualidade e teor profissional. Neste trabalho são propostas duas alternativas para a corre-
ção da composição: um método para correção on-line, no qual a foto final só é obtida após
satisfeitas algumas condições de qualidade, e outro para a correção off-line, o qual classi-
fica (ou modifica) a imagem a posteriori. Para tanto, são utilizados algoritmos destinados
à detecção e correção de problemas no posicionamento do tema. Os resultados foram ava-
liados em dois experimentos. No primeiro experimento, os usuários concordaram em até
65% com os resultados obtidos pelo sistema, através de uma análise subjetiva. No segundo
experimento, foi mostrado como é possível, utilizando-se apenas uma câmera Pan-Tilt-Zoom
(câmera dotada de três graus de liberdade sendo dois de rotação e um do campo de visão), lo-
calizar e fotografar pessoas em um determinado ambiente a partir das regras de composição
desenvolvidas.
vii
Abstract
Besides being one of the most popular forms of art, photography is often used for a wide
variety of purposes, including professional and entertainment ones. Nowadays, since came-
ras (specially digital ones) are less expensive and more popular, there is an increasing need
for tools to help photographers (both amateurs and professionals) to obtain photographs of
better quality. Within this context, algorithms for detection and correction of errors on the
composition of a photograph are proposed in this work. Photographic composition rules are
heuristics used by photographers, which became so widespread that they are now also known
as “rules”. Photographers, however, are not unanimous about the use of some of those rules.
Despite of that it is possible that the use of photographic composition rules can improve the
quality of amateur photographs, leveling them to a professional standard. In this dissertation,
two approaches are proposed to automate composition rules: an on-line method, in which a
picture is only taken when a number of conditions is satisfied; and an off-line method, which
classifiers or corrects the image after it has been acquired. Hence, algorithms for detecting
and correcting problems on subject positioning are used. Two experiments were used to
evaluate the performance of the system. The first one shows that users agree with the cor-
rection performed on 65% of the photographs, through a subjective analysis. By using only
a Pan-Tilt-Zoom camera and the composition rules implemented in this work, the second
experiment shows how to locate and photograph human subjects in a given environment.
viii
Conteúdo
1 Introdução 1
1.1 Motivação . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
1.2 Objetivos e Relevância . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
1.3 Estrutura da Dissertação . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
2 Trabalhos Relacionados 9
2.1 Técnicas Auxiliares . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
2.2 Composição Automática de Fotografias . . . . . . . . . . . . . . . . . . . 11
2.3 Detecção e Enquadramento de Temas Utilizando Câmera Pan-Tilt-Zoom . . 15
2.3.1 Enquadramento de Temas . . . . . . . . . . . . . . . . . . . . . . 16
2.3.2 Escolha do Percurso . . . . . . . . . . . . . . . . . . . . . . . . . 17
2.4 Considerações Finais . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
3 Algoritmos para Composição Fotográfica e Extração de Características 20
3.1 Introdução . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
3.2 Composição Fotográfica . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
3.3 Abordagem Proposta . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
3.3.1 Detecção do Tema da Fotografia . . . . . . . . . . . . . . . . . . . 30
3.3.2 Regra-dos-Terços . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
3.3.3 Regra-do-Zoom . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36
3.3.4 Regra-da-Integridade . . . . . . . . . . . . . . . . . . . . . . . . . 38
3.4 Experimentos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39
3.5 Extração de Características . . . . . . . . . . . . . . . . . . . . . . . . . . 45
3.5.1 Conformidade à Regra-dos-Terços . . . . . . . . . . . . . . . . . . 46
ix
3.5.2 Conformidade à Regra-do-Zoom . . . . . . . . . . . . . . . . . . . 47
3.5.3 Conformidade à Regra-da-Integridade . . . . . . . . . . . . . . . . 48
3.5.4 Conformidade à Regra-do-Espaço . . . . . . . . . . . . . . . . . . 49
3.5.5 Fotogenia das Faces . . . . . . . . . . . . . . . . . . . . . . . . . 50
3.5.6 Classificação Automática de Fotografias . . . . . . . . . . . . . . . 50
3.6 Considerações Finais . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 53
4 Proposta de uma Plataforma para Fotografia Autônoma 55
4.1 Introdução . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 55
4.2 Funcionamento da Câmera . . . . . . . . . . . . . . . . . . . . . . . . . . 57
4.3 Localização de Alvos na Cena . . . . . . . . . . . . . . . . . . . . . . . . 59
4.3.1 Possíveis Cenários . . . . . . . . . . . . . . . . . . . . . . . . . . 60
4.3.2 Detecção do Tema . . . . . . . . . . . . . . . . . . . . . . . . . . 61
4.3.3 Representação do Conhecimento . . . . . . . . . . . . . . . . . . . 63
4.3.4 Estratégias de Busca por Alvos . . . . . . . . . . . . . . . . . . . . 65
4.4 Composição e Fotografia do Tema . . . . . . . . . . . . . . . . . . . . . . 74
4.4.1 Estratégias de Movimentação . . . . . . . . . . . . . . . . . . . . 75
4.4.2 Composição do Tema Fotográfico . . . . . . . . . . . . . . . . . . 80
4.4.3 Fotografia do Alvo . . . . . . . . . . . . . . . . . . . . . . . . . . 81
4.4.4 Pós-processamento da Imagem . . . . . . . . . . . . . . . . . . . . 81
4.5 Experimentos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 83
4.5.1 Testes das Partes do Sistema . . . . . . . . . . . . . . . . . . . . . 83
4.5.2 Experimentos Utilizando o Sistema Completo . . . . . . . . . . . . 84
4.6 Aplicações . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 85
4.7 Considerações Finais . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 86
5 Experimento de Integração e Resultados 88
5.1 Descrição do Experimento e Objetivo . . . . . . . . . . . . . . . . . . . . 88
5.1.1 Local do Experimento . . . . . . . . . . . . . . . . . . . . . . . . 89
5.1.2 Cenário . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 90
5.1.3 Funcionamento do Sistema . . . . . . . . . . . . . . . . . . . . . . 90
5.2 Resultados Obtidos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 91
x
5.2.1 Localização das Pessoas . . . . . . . . . . . . . . . . . . . . . . . 91
5.2.2 Votação da Qualidade das Fotografias Obtidas . . . . . . . . . . . . 92
5.3 Considerações Finais . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 95
6 Conclusão 97
6.1 Sumário da Dissertação . . . . . . . . . . . . . . . . . . . . . . . . . . . . 97
6.2 Contribuições . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 98
6.3 Trabalhos Futuros . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 99
A Noções de Composição Fotográfica 108
A.1 A Regra-dos-Terços . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 110
A.2 Regra-do-Arranjo e Regra-dos-Ímpares . . . . . . . . . . . . . . . . . . . 111
A.3 Regra-do-Zoom / Headroom . . . . . . . . . . . . . . . . . . . . . . . . . 113
A.4 Regra-da-Integridade . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 114
B Imagens Representando a Composição Fotográfica 116
C Imagens Resultantes do Experimento com a Câmera Pan-Tilt-Zoom 121
D Imagens Representando a Extração de Características 130
xi
Lista de Tabelas
3.1 Parâmetros para a regra-do-zoom. Os valores representam a distância em
função do tamanho da face. . . . . . . . . . . . . . . . . . . . . . . . . . . 38
3.2 Percentual dos principais problemas encontrados no experimento de compo-
sição automática de fotografias. . . . . . . . . . . . . . . . . . . . . . . . . 44
3.3 Coeficiente de Correlação entre as características. . . . . . . . . . . . . . . 52
5.1 Valores médios e desvios padrão obtidos por cada regra de composição. . . 95
xii
Lista de Figuras
1.1 Exemplos visuais da Teoria de Gestalt. Em (a) não é claro se a figura repre-
senta duas faces ou se representa um cálice. Em (b) a ausência das linhas não
impede de reconhecer a forma. O triângulo branco não possui linhas, mas o
cérebro humano as vê. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
3.1 Na imagem da esquerda as formas contribuíram para a distração do ponto de
interesse, enquanto na imagem da direita as formas ajudaram a direcionar o
olhar para o tema. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
3.2 Em (a) uma imagem obtida posicionando a câmera superiormente ao alvo,
em (b) exemplo do ganho de qualidade quando a fotografia é obtida com a
câmera na altura do olho da criança. Em (c) exemplo de composição em
forma de triângulo. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
3.3 Erros comuns: (a) Erro no foco, (b) Efeito dos olhos vermelhos e (c) obstrução. 28
3.4 A partir da câmera ou disco uma imagem é processada pelo sistema de com-
posição fotográfica sendo armazenado em disco. . . . . . . . . . . . . . . . 29
3.5 Comparação entre diferentes detectores de face: amarelo corresponde ao
OpenCV, verde ao proposto por Viola & Jones e azul o detector do grupo
liderado por Kanade. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
3.6 Homem de Vitrúvio mostra um exemplo do estudo antropométrico aplicado
às artes plásticas. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32
3.7 Exemplo da regra-dos-terços. O alvo - olho da modelo - está no ponto dos
terços. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34
3.8 Ilustração dos níveis de zoom: (a) Long-Shot; (b) Medium-Shot; (c) Close-
Up; (d) Extreme Close-Up. . . . . . . . . . . . . . . . . . . . . . . . . . . 39
xiii
3.9 Interface utilizada para votação da qualidade da composição efetuada pelo
algoritmo proposto. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42
3.10 Alguns exemplos de fotografias votadas como: (a) A imagem modificada
parece melhor e (b) A imagem modificada parece pior. . . . . . . . . . . . 43
3.11 Coeficiente de Variação de cada uma das 6 características extraídas para cada
uma das duas classes classes (sendo as classes boa e ruim representadas pelas
cores azul e vermelha respectivamentes). . . . . . . . . . . . . . . . . . . . 51
4.1 Modelo de câmera utilizado - Canon VBC-50i. . . . . . . . . . . . . . . . 58
4.2 Diagrama do funcionamento do módulo PTZ. . . . . . . . . . . . . . . . . 60
4.3 As imagens acima ilustram como é representado o conhecimento da cer-
teza da cena (imagem superior) e da posição dos temas detectados (imagem
inferior). As cores, na imagem superior, representam as buscas utilizando
ângulos de visão menores que 33
◦
(vermelho), entre 33
◦
e 66
◦
(verde), entre
0
◦
e 66
◦
(amarelo) e as faces localizadas (branco). . . . . . . . . . . . . . . 64
4.4 Três passos de busca losangular (primeiro preto, segundo vermelho). A área
disponível é reduzida no segundo passo (área cinza representa locais que não
serão mais visitados). . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 68
4.5 Foto panorâmica com variação horizontal de 43
◦
25’ e variação vertical de 32
◦
. 72
4.6 Movimentação feita pela câmera de forma a reduzir o número de movimen-
tações. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 72
4.7 O triângulo (a) ilustra o campo de visão da câmera e um alvo detectado. Em
(b) e (c) o triângulo (a) é fragmentado. . . . . . . . . . . . . . . . . . . . . 76
4.8 Exemplo de classificação quanto à fotogenia. . . . . . . . . . . . . . . . . 82
5.1 Vista superior do ambiente, representando a disposição de pessoas e obje-
tos no espaço escolhido para promover o experimento. Os retângulos azuis
representam bancadas de computadores, o retângulo marrom uma mesa, os
quadrados pretos pessoas e o quadrado cinza a câmera. . . . . . . . . . . . 89
5.2 Vista horizontal da cena, no qual estão representadas, através de retângulos
pretos, as faces detectadas. . . . . . . . . . . . . . . . . . . . . . . . . . . 92
5.3 Imagens consideradas boas. . . . . . . . . . . . . . . . . . . . . . . . . . . 94
xiv
A.1 Ilustração do uso da Regra-dos-Terços. Exemplificando o posicionamento
ideal do tema − o olho da modelo. . . . . . . . . . . . . . . . . . . . . . . 110
A.2 Regra da disposição triangular aplicada a pessoas em uma fotografia. . . . . 112
A.3 (1) A disposição das pessoas leva a um passeio pela foto retornando ao meio.
(2) O alinhamento cria uma diagonal no sentido superior direito - direcio-
nando o fluxo. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 113
A.4 (a) Headroom incorreto estando a cabeça “batendo nos limites” já em (b) a
cabeça está posicionada corretamente. . . . . . . . . . . . . . . . . . . . . 114
A.5 Nesta foto, a cabeça e o corpo de várias pessoas do tema foram recortadas
por descuido do fotógrafo. . . . . . . . . . . . . . . . . . . . . . . . . . . 115
B.1 Imagens consideradas melhores . . . . . . . . . . . . . . . . . . . . . . . 117
B.2 Imagens consideradas melhores ou iguais . . . . . . . . . . . . . . . . . . 118
B.3 Imagens consideradas piores ou ruins por ausência de mudanças . . . . . . 119
B.4 Imagens consideradas ruins por ausência de mudanças . . . . . . . . . . . 120
C.1 Exemplo do ajuste da câmera. Ajusta-se primeiro o posicionamento e em
seguida o zoom. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 121
C.2 Alguns exemplos de fotografias consideradas boas pelos votantes 1/4. . . . 122
C.3 Alguns exemplos de fotografias consideradas boas pelos votantes 2/4. . . . 123
C.4 Alguns exemplos de fotografias consideradas boas pelos votantes 3/4. . . . 124
C.5 Alguns exemplos de fotografias consideradas boas pelos votantes 4/4. . . . 125
C.6 Alguns exemplos de fotografias não escolhidas como boas pelos votantes 1/4. 126
C.7 Alguns exemplos de fotografias não escolhidas como boas pelos votantes 2/4. 127
C.8 Alguns exemplos de fotografias não escolhidas como boas pelos votantes 3/4. 128
C.9 Alguns exemplos de fotografias não escolhidas como boas pelos votantes 4/4. 129
D.1 Amostra da extração de características 1/7. . . . . . . . . . . . . . . . . . . 131
D.2 Amostra da extração de características 2/7. . . . . . . . . . . . . . . . . . . 132
D.3 Amostra da extração de características 3/7. . . . . . . . . . . . . . . . . . . 133
D.4 Amostra da extração de características 4/7. . . . . . . . . . . . . . . . . . . 134
D.5 Amostra da extração de características 5/7. . . . . . . . . . . . . . . . . . . 135
D.6 Amostra da extração de características 6/7. . . . . . . . . . . . . . . . . . . 136
xv
D.7 Amostra da extração de características 7/7. . . . . . . . . . . . . . . . . . . 137
xvi
Lista de Algoritmos
3.1 Cálculo da conformidade à regra-da-integridade horizontal. . . . . . . . . . 49
4.1 Estratégia de busca estática. . . . . . . . . . . . . . . . . . . . . . . . . . . 66
4.2 Estratégia de busca randômica. . . . . . . . . . . . . . . . . . . . . . . . . 67
4.3 Estratégia de busca losangular. . . . . . . . . . . . . . . . . . . . . . . . . 69
4.4 Estratégia de busca panorâmica. . . . . . . . . . . . . . . . . . . . . . . . 71
xvii
Lista de Siglas e Abreviaturas
• AI: Artificial Intelligence
• API: Application Programming Interface
• CCD: Charge-Coupled Device
• JPEG: Joint Photographic Experts Groups
• HTTP: Hyper-Text Transfer Protocol
• LCD: Liquid Cristal Display
• MB: Mega Bytes = 1 milhão de Bytes
• MPEG: Moving Picture Experts Group
• NN: Neural Networks
• PTZ: Pan-Tilt-Zoom
• RAM: Random Access Memory
• SLR: Single-lens Reflex
• SOM: Self-Organizing Maps
• SVM: Support Vector Machines
• USB: Universal Serial Bus
xviii
Capítulo 1
Introdução
Existem tarefas que, mesmo realizadas com rapidez por qualquer ser humano, possuem um
alto grau de complexidade quando da execução por uma máquina. O reconhecimento de
objetos ou pessoas através de uma única imagem é um exemplo de uma tarefa com estas
características. Nesta dissertação, é discutida uma proposta em que é feita a aplicação auto-
mática de regras de Composição Fotográfica exclusivamente a partir de imagens. As regras
de Composição são um conjunto de regras utilizadas por fotógrafos com a intenção de me-
lhorar a qualidade de uma fotografia através, dentre outros aspectos, da ênfase ao seu(s)
tema(s), o tema fotográfico, portanto, é o elemento que se deseja enfatizar em uma imagem.
A avaliação da qualidade de uma obra-de-arte é altamente subjetiva, pois a avaliação
certamente variará entre diversos observadores e, possivelmente, também variará entre os
julgamentos de um mesmo observador, obtidos em instantes diferentes. Isto ocorre devido
ao fato de que o “gosto” por uma determinada arte ou o quão agradável uma arte pode
parecer diz respeito ao sentimento que é causado por sua apreciação, sentimento este que
é influenciado pelo meio e pela atual condição emocional do observador
[
Kant, 1993
]
. De
acordo com Kant: “O juízo de gosto funda-se sobre um conceito (de um fundamento em
geral da conformidade a fins subjectiva da natureza para a faculdade do juízo), a partir do
qual porém nada pode ser conhecido e provado acerca do objecto, porque esse conceito é em
si indeterminável e inapropriado para o conhecimento”.
A fotografia, como uma forma de arte, também segue este princípio, não sendo possí-
vel fazer-se um juízo sobre quais fotografias são melhores. Entretanto, quando se trata da
fotografia como ferramenta de trabalho ou lazer, tem-se um objetivo mais bem definido -
1
uma pessoa, uma personalidade, um acontecimento, um lugar. Graças a isso, pode-se ava-
liar a qualidade de uma fotografia pela forma utilizada por um determinado fotógrafo para
que esse objetivo - a fotografia que retrate bem uma dada cena, pessoa dentre outros alvos -
pudesse ser atingido. Conseqüentemente, nesta dissertação estarão sendo tratadas apenas as
fotografias cujos objetivos sejam claros, ou seja, as fotografias com um tema bem definido.
Para simplificar, o tema fotográfico abordado nesta dissertação serão sempre pessoas.
Mesmo em iguais condições, a diferença entre a qualidade de uma fotografia obtida por
um fotógrafo profissional e um amador pode ser significativa, pois o próprio material utili-
zado pode ser um diferenciador na qualidade do produto final. Contudo, as ações tomadas
pelo fotógrafo profissional podem não ter sido muito mais complexas. O profissional de foto-
grafia, em geral, para ter uma foto de qualidade superior, além da experiência (item este que
não pode ser medido a priori) apenas seguiu algumas regras, em alguns casos até mesmo de
forma inconsciente, que certamente o amador nem sequer concorda que são corretas, apenas
concordando que a qualidade final da fotografia foi superior.
As regras citadas no parágrafo anterior são chamadas de Regras de Composição Foto-
gráfica. Para que uma foto seja considerada boa, não é preciso apenas que as pessoas-alvo
da fotografia estejam enquadradas - como a grande maioria das pessoas imagina. Entretanto,
uma fotografia, ainda que não seja considerada tecnicamente boa, pode ser considerada ex-
celente se estiver dotada de um valor sentimental para o observador que a julga (e.g.; um
observador qualquer provavelmente preferirá a fotografia de seu filho à fotografia de outra
criança, ainda que a outra fotografia seja tecnicamente melhor). Tal valor não é tratado por
nenhuma técnica de composição existente. Por outro lado, existem diversas dessas regras
que, se seguidas corretamente, podem melhorar sensivelmente a qualidade da fotografia.
As regras de composição podem ser consideradas, em grande parte dos casos, como pro-
cessos empíricos usados pelos profissionais da área e que, de acordo com um consenso quase
geral, se seguidas convenientemente podem produzir fotos com maior qualidade do que as
fotos obtidas sem a utilização de regras. Daí sua proliferação ao longo dos anos, principal-
mente no meio profissional. Há fotógrafos, contudo, que defendem que muitas dessas regras
podem e devem ser quebradas em situações as mais diversas, produzindo fotografias com
qualidade igual ou superior àquelas fotos que seguem as regras, o que, no entanto, exige uma
maior experiência e percepção visual do profissional
[
Grill and Scanlon, 1990
]
.
2
Saber quebrar uma regra de composição pode ser tão (ou mais) importante do que saber
usá-la. A aplicação da regra traz benefícios à fotografia, já a não-aplicação da regra pode (ou
não) implicar melhorias na qualidade estética da fotografia. Em se tratando de fotógrafos
amadores, a não aplicação das regras usualmente não produz bons resultados. Entretanto, da
mesma forma que, se um fotógrafo seguir a risca todas as regras, não há garantia da obten-
ção de uma boa foto, saber quebrar regras não é requisito essencial de um bom fotógrafo.
Portanto, as regras não devem ser encaradas como “regras” no seu sentido mais amplo, e sim
como guias para melhoria das fotos.
As regras se consolidaram na medida em que esses padrões eram percebidos em um
número grande de fotos consideradas muito boas. Daí, o grande objetivo de fazer com que
quaisquer pessoas pudessem obter uma significativa melhoria na qualidade da fotografia ao
seguir esses padrões de qualidade. Portanto, se a composição for usada para fortalecer a
idéia que o fotógrafo deseja passar, ela deve ser usada. Todavia, se a utilização da regra tirar
a concentração do fotógrafo, a regra não deve ser usada
[
Grill and Scanlon, 1990
]
.
As regras são bem mais antigas do que o ato de fotografar. Há centenas de anos, os pinto-
res já utilizavam algumas das técnicas para desenvolver seus quadros, inclusive os mais con-
sagrados pintores tais como Michelangelo e Leonardo da Vinci, dentre outros artistas
[
Ra-
malho and Palacin, 2004
]
.
Basicamente, as regras objetivam direcionar a atenção do observador para um ponto espe-
cífico. Deseja-se que o observador aprecie a fotografia por uma quantidade maior de tempo,
o que pode ser uma medida da qualidade da fotografia. Portanto, uma forma de se alcançar
isto é manter a atenção do observador. A atenção humana direciona-se em decorrência de
diversos mecanismos de “baixo nível” que atuam concorrentemente no cérebro.
Dentre os mecanismos de obtenção de padrões da visão humana, podem-se destacar os
descritos pela teoria de Gestalt
[
Gomes Filho, 2000
]
. A palavra Gestalt tem origem alemã,
mas não possui uma tradução precisa para o Português, se aproximando de “forma” ou “for-
mato do conjunto”. As leis de Gestalt mostram como a visão humana se comporta em de-
terminadas situações. A Figura 1.1 apresenta um exemplo explicado pela teoria de Gestalt.
O cérebro busca por padrões que são percebidos mesmo sem estarem presentes fisicamente
na imagem. Esta teoria pode ser resumida como sendo a busca por estas formas, e como o
cérebro as procura. A Teoria de Gestalt, por ser ligada a imagens e como as partes de um
3
grupo se comportam é, portanto, muito utilizada também na fotografia
[
Linhares, 2004
]
.
(a) (b)
Figura 1.1: Exemplos visuais da Teoria de Gestalt. Em (a) não é claro se a figura representa
duas faces ou se representa um cálice. Em (b) a ausência das linhas não impede de reconhecer
a forma. O triângulo branco não possui linhas, mas o cérebro humano as vê.
Com base em todas estas informações, é proposta nesta dissertação uma abordagem para
que um subconjunto dessas regras de composição possa ser automatizado a fim de que sejam
produzidas fotografias de melhor qualidade. A forma como essas regras são obedecidas é
que varia do processamento de uma imagem estática para a análise de uma cena dinâmica.
Esta dissertação está inserida no contexto do projeto iPhotoBot iniciado no ano de 2005,
desenvolvido em colaboração com a HP-Brasil. Dentre os objetivos do projeto para aquele
ano, estava a elaboração de um protótipo para composição automática de fotografias, o qual
foi implementado pelo autor deste trabalho. Na presente dissertação, busca-se melhor elabo-
rar este método e validar estatisticamente os resultados através da análise subjetiva de uma
quantidade maior de pessoas.
1.1 Motivação
A Fotografia é uma atividade que vem crescendo recentemente em número de adeptos, de
equipamentos e de investimentos de empresas privadas. Estimativas sugerem que a quanti-
dade de informação fotográfica produzida em 2002 foi de 440 petabytes (10
15
bytes)
[
Ly-
man and Varian, 2003
]
. Este crescimento se deve, especialmente, ao surgimento das câme-
4
ras fotográficas digitais e as recentes inovações que as mesmas vem trazendo nos últimos
anos
[
photography.com, 2006
]
.
Como conseqüência, tem-se que o ato de adquirir uma foto está mais barato (uma vez que
não é necessário revelar todas as fotos obtidas), tem mais qualidade (dado que alguns ajustes
automáticos evitam a deterioração de muitas fotografias) e é mais rápido, pois os resultados
da fotografia podem ser vistos de imediato no visor LCD da câmera ou em qualquer compu-
tador que possua porta USB, não sendo mais necessário esperar o processo de revelação da
fotografia para visualizá-la. Este é um dos fatores que mais atrai os fotógrafos (amadores ou
profissionais) a preterirem sua predecessora - a câmera analógica, que utiliza filme ao invés
de um sensor CCD para capturar a luz. Há ainda a possibilidade de imprimir a foto, processo
que pode ser realizado usualmente nas mesmas casas comerciais que outrora revelaram os
negativos dos filmes.
Com o armazenamento em dispositivos eletrônicos, ao invés do filme fotossensível, ga-
nha-se em velocidade (não se perde tempo com trocas de filmes), segurança (não há perigo de
se queimar todo o filme por abrir-se a câmera - acidente comum), reprodutibilidade (a cópia
digital é reproduzida rapidamente), previsibilidade (o fotógrafo pode prever o resultado) e
reciclabilidade (o fotógrafo pode apagar uma fotografia que considerar ruim, reutilizando de
imediato o espaço da memória recuperado).
Entretanto, existem algumas desvantagens do uso das câmeras digitais. A primeira des-
vantagem é quanto à qualidade da fotografia. Estima-se que as câmeras digitais precisariam
ter sensores capazes de capturar e armazenar 14 Mega Pixels
[
Clark, 2001
]
para que a quali-
dade da fotografia digital fosse equivalente à fotografia de um filme de 35mm.
As câmeras digitais vêm trazendo, desde seu advento, avanços na solução de problemas
que, até então, eram grandes desafios para a popularização da fotografia. Estes problemas
são, normalmente, decorrentes da necessidade de configurações na câmera e requererem
maior conhecimento e experiência do usuário pois cada fotografia exigia uma nova análise
do ambiente.
Logo, nas câmeras (de filme) mais comuns, essas configurações possuem um valor pa-
dronizado de forma a tentar atingir um maior número de pessoas, o que gerava problemas
na qualidade da fotografia. O foco da câmera, por exemplo, era configurado no infinito (∞)
por esta configuração produzir fotos de qualidade regular em grande parte das situações. Por
5
vezes, a não configuração destes valores era confundida com a falta de qualidade da câmera.
Neste contexto, podem-se citar alguns avanços integrados às câmeras digitais a escolha
automática dos valores de abertura do diafragma e o valor para a velocidade do obturador,
calculados com base na iluminação capturada pela máquina. Estas escolhas são, em geral,
independentes, podendo o fotógrafo fixar o valor de uma para obter um dado efeito visual
e apenas modificar o valor da outra. A má escolha da combinação destes dois valores pode
resultar em sub ou superexposição (respectivamente uma fotografia muito escura ou muito
clara), fotografias borradas, dentre outros problemas comuns. Dada a complexidade para a
escolha manual destes valores, estas configurações padrão já figuram em muitos modelos
profissionais de câmeras digitais e analógicas.
Da mesma forma que sistemas mais simples estão sendo integrados ao processamento
da máquina sem perda significativa de desempenho, mas com ganho na qualidade final da
imagem, espera-se que seja possível o desenvolvimento de outros sistemas que se ocupem
de antigas preocupações do fotógrafo, transformando o ato de fotografar em um ato simples,
prazeroso e que produza resultados de alta qualidade.
Entretanto, há de se convir que, na busca por um efeito artístico, um fotógrafo possa
abdicar de algumas correções. Não seria viável reunir todas as possíveis situações em um
sistema computacional, de forma que este fosse capaz de ser executado em um equipamento
como uma máquina digital (levando-se em consideração as tecnologias atuais).
Em virtude do exposto, serão tratados apenas as imperfeições mais comuns nas fotogra-
fias de amadores ou profissionais, imperfeições estas que são encontradas quando as câme-
ras fotográficas são utilizadas em situações corriqueiras nas quais o fotógrafo define pessoas
como sendo o seu alvo.
1.2 Objetivos e Relevância
Nesta dissertação, são propostas abordagens que objetivam o aumento da qualidade de uma
fotografia digital. As correções podem tanto ser realizadas diretamente, como passando pelo
crivo final do fotógrafo. No caso de solução supostamente passível de incorporação em
câmeras, deve-se avaliar a complexidade da solução de forma que seja factível utilizá-la em
um processador de baixa capacidade de processamento, como é o caso dos processadores de
6
câmeras digitais.
Como objetivos específicos, tem-se as seguintes propostas:
• Desenvolver um sistema autônomo para efetuar ajustes considerados benéficos à foto-
grafia. Algumas teorias podem dar suporte a algumas leis estéticas tal como a Teoria
de Gestalt
[
Desolneux et al., 2004
]
, entretanto boa parte das regras não dispõe previ-
amente de suporte matemático. Devido a esta dificuldade, foram focadas apenas as
regras que possuíssem consenso na literatura de Fotografia, minimizando, assim, a ne-
cessidade de validação subjetiva do ajuste. Neste objetivo, os ajustes foram realizados
após a fotografia ter sido obtida, desde que alguma face fosse detectada.
• Desenvolver um sistema que utilize uma câmera Pan-Tilt-Zoom (câmera dotada de
motores para rotação e ajuste do ângulo de visão) para localizar, enquadrar, fotogra-
far e analisar as fotografias quanto à composição fotográfica. Este é um problema
pouco tratado na literatura. Além disso, os trabalhos existentes normalmente utilizam
as informações oriundas de sensores ou câmeras extras. Nesta dissertação discute-se
como, utilizando uma única câmera, é possível realizar estas tarefas. Assim, é mos-
trado como pode ser feita a correção antes mesmo da fotografia ser obtida (método
on-line de correção).
1.3 Estrutura da Dissertação
Esta dissertação está dividida em seis capítulos.
No Capítulo 2, mostra-se e discute-se o estado-da-arte do problema da composição fo-
tográfica. De que forma e com qual eficácia atuam os principais métodos existentes. A
revisão bibliográfica se inicia procurando na própria fotografia quais os principais fatores e
características que podem ser encontrados nas fotografias consideradas boas por uma ampla
audiência. Em seguida foi realizado um amplo estudo na literatura em que as correções são
feitas de forma off-line na imagem e em propostas para algoritmos que utilizam robótica
para solução do problema. Por fim, um estudo realizado em áreas correlatas a este trabalho.
No Capítulo 3, descrevem-se algoritmos para composição automática de fotografias e
para análise da qualidade de uma fotografia, ambos desenvolvidos no decorrer deste traba-
7
lho. São apresentados a inspiração, os trabalhos relacionados e o algoritmo em si, ilustrando
como o trabalho descrito pode solucionar o problema. Os algoritmos de composição desen-
volvidos são suportados por um módulo inteligente que escolhe dinamicamente qual regra
de composição deve ser utilizada. Este capítulo também descreve a extração de característi-
cas com o fim de se obter informações relevantes em uma fotografia assim como as regras
comumente utilizadas por um dado conjunto de fotógrafos e qual a influência da utilização
de uma dada regra no resultado final segundo a opinião do fotógrafo e de uma audiência
imparcial.
O Capítulo 4 contém recomendações de como usar as regras de composição descritas
nos capítulos anteriores para guiar um sistema de correção on-line, ilustrado pelo uso de
uma câmera Pan-Tilt-Zoom, para que as regras de composição sejam aplicadas. Antes de
realizar a composição, contudo, é preciso localizar o alvo no ambiente de uma cena. Neste
capítulo, é apresentado um algoritmo para movimentar a câmera em busca de pessoas e, a
partir da experiência aprendida com o passar do tempo, aumentar o número de procuras em
posições de maior probabilidade de se encontrarem as mesmas pessoas e variar de acordo
com essa experiência em busca de pessoas ainda não localizadas.
O Capítulo 5 reúne os experimentos realizados na integração das técnicas discutidas nos
Capítulos 3 e 4. É realizada, portanto, uma análise quantitativa e qualitativa dos algoritmos
de forma a determinar o quão promissor pode ser a utilização da composição fotográfica na
melhoria da qualidade de uma fotografia.
No Capítulo 6, apresentam-se as conclusões obtidas a partir deste estudo, as principais
contribuições e os trabalhos futuros que podem ser derivados a partir do exposto ao longo
desta dissertação.
Por fim, o Apêndice A traz conceitos sobre fotografia e sobre regras de composição, sob
o ponto de vista de profissionais. Os Apêndices C e D contêm amostras de imagens obtidas,
resultantes dos experimentos descritos no Capítulo 5.
8
Capítulo 2
Trabalhos Relacionados
O tema da automatização de ajustes em fotografias digitais vem recebendo cada vez mais
novas publicações
[
Datta et al., 2006; Santella et al., 2006; Zhang et al., 2005; Banerjee
and Evans, 2004; Byers et al., 2004; Byers et al., 2003
]
. Entretanto, ainda é reduzido o
número de trabalhos dedicados a este assunto, quando comparado ao número de trabalhos
em processamento de imagens em geral. Isto pode ser justificado em decorrência de alguns
fatores específicos. Em primeiro lugar, trata-se de um problema novo, considerando que a
tecnologia da fotografia digital é recente e vem constantemente sendo modificada.
Em segundo lugar, têm-se também as dificuldades inerentes ao problema, como a me-
todologia de validação dos resultados e a construção da base de testes. Geralmente, a ava-
liação da qualidade da fotografia tem um alto teor de subjetividade envolvido, portanto é
difícil analisar se a melhora estatística produzida por um algoritmo proposto: (a) se deve a
coincidências existentes em uma base de imagens (que podem ocorrer, por exemplo, devido
à utilização de um mesmo modelo de câmera fotográfica) ou (b) se deve à avaliação de um
dado grupo de juízes que possua mesma opinião sobre o assunto.
Enfim, trata-se de um problema desafiador e repleto de incertezas, a começar pela difi-
culdade em encontrar literatura técnica especializada na área de análise automática de foto-
grafias. Este capítulo visa à descrição dos trabalhos mais relevantes relacionados ao tema
pesquisado. Para uma melhor apresentação, os artigos estão divididos em três seções: técni-
cas auxiliares, composição automática de fotografias e detecção e enquadramento de temas
fotográficos utilizando uma câmera Pan-Tilt-Zoom.
Na primeira seção, serão revisados artigos cujos conteúdos não são diretamente relacio-
9
nados à dissertação aqui apresentada, porém apresentam idéias que puderam ser utilizadas
no desenvolvimento de experimentos. A seção seguinte trata de composição automática de
fotografias, na qual serão descritos artigos que têm por finalidade principal a composição
automática de imagens, seja qual for o contexto da aplicação proposta. Por fim, são apre-
sentados artigos que tratam de câmeras Pan-Tilt-Zoom, mas sem o objetivo específico da
composição fotográfica, pois artigos sobre este assunto específicos ainda são escasos.
2.1 Técnicas Auxiliares
Nesta seção, são apresentados trabalhos que são ou podem ser utilizados para resolver pro-
blemas descritos nesta dissertação, como a localização do tema em uma imagem que, mesmo
não sendo o foco deste trabalho, é parte essencial da abordagem proposta merecendo, assim,
destaque pois pode influir no comportamento do restante do sistema.
Dentre as formas de detecção e rastreamento (do inglês tracking) de pessoas, destacam-se
a detecção de faces a partir de Redes Neurais
[
Rowley et al., 1998a; Rowley et al., 1998b
]
ou
a partir do uso da imagem integral (do inglês integral image) e do algoritmo Adaboost
[
Viola
and Jones, 2001
]
.
Em uma fotografia, contudo, muitas vezes as pessoas aparecem de corpo inteiro. É funda-
mental a análise da pose das pessoas também como um elemento determinante da qualidade
da imagem. Vários trabalhos têm a detecção da pose como finalidade. Dentre estes traba-
lhos, Takahashi e Sugakawa
[
Takahashi and Sugakawa, 2004
]
utilizam redes SOM para a
detecção de imagens com o background subtraído com a utilização de uma Lookup Table.
Cavalcanti e Gomes
[
Cavalcanti and Gomes, 2005
]
utilizam filtros de pele aliados a cálculos
das dimensões das áreas detectadas para, de forma heurística, inferir se a área é passível de
ser uma parte do corpo humano.
Sprague et al.
[
Sprague and Luo, 2002
]
utilizam segmentação de cores para lidar com o
problema de detecção de partes do corpo de pessoas vestidas. Após segmentadas as regiões,
é construída uma árvore para aumentar a eficiência da busca para, em seguida, classificar
utilizando posição, tamanho, cor, etc. relativas entre duas partes para avaliar a possibilidade
de pertencerem ao mesmo corpo. No trabalho de Yamada et al.
[
Yamada et al., 1998
]
, é
proposta uma detecção de silhueta com base na redução do background, a qual pode ser
10
realizada analisando-se o valor médio do background e comparando-se ao mesmo após a
oclusão.
Em uma outra abordagem, Hu et al.
[
Hu et al., 2000
]
usam um método estatístico para,
a partir de uma câmera fixa, extrair o background para, em seguida, utilizar Algoritmos
Genéticos para associar a silhueta obtida no primeiro passo a um modelo. Por fim, Ozer et
al.
[
Ozer and Wolf, 2002
]
apresentam um sistema para detecção de atividade/gestos em um
domínio de compressão (usando o MPEG) para, em seguida, aplicá-lo em um sistema sem
compressão.
Na detecção de objetos (sem que necessariamente sejam pessoas), existem as abordagens
propostas por Luo et al.
[
Luo et al., 2004
]
, Li et al.
[
Li et al., 1999
]
e Berg et al.
[
Berg et al.,
2005
]
. Na primeira abordagem, a detecção de objetos é realizada através de segmentação
de imagens com base na saliência e em um treinamento utilizando redes de Bayes. Já na
segunda abordagem, utiliza-se o campo de profundidade (semelhante ao descrito acima para
o trabalho de Banerjee et al.
[
Banerjee and Evans, 2004
]
) para, a partir de imagens nas quais
as bordas de um tema estão em destaque, efetuar a segmentação do objeto de interesse. Por
fim, na terceira abordagem, é descrita uma abordagem utilizando casamento deformável (do
inglês deformable shape matching). Apesar deste último trabalho ser destinado, a priori, ao
casamento de padrões semelhantes, a estratégia também pode ser útil na procura de pontos
importantes em uma imagem.
2.2 Composição Automática de Fotografias
O problema estudado, composição automática de fotografias, é ainda pouco explorado na
literatura atual. Neste parágrafo, são enumerados alguns dos motivos que influenciam este
ainda pequeno interesse pelo assunto. Em primeiro lugar, este é um problema muito recente,
que surgiu paralelamente ao avanço dos aparelhos de digitalização de imagens e ao bara-
teamento das câmeras fotográficas digitais. Com as câmeras fotográficas tradicionais (cujo
processo de captura, armazenamento e exibição das fotografias e suas diferenças para uma
máquina digital serão tratados em capítulos posteriores), não é possível realizar diretamente
nenhuma alteração na fotografia. As únicas ações que um fotógrafo pode realizar são filtra-
gens de cor (através de filtros colocados sobre a lente objetiva antes da fotografia ser obtida)
11
e alterações posteriores feitas através de recortes e mudanças nas características do papel
fotográfico. Estas modificações não podem ser desfeitas e um erro pode comprometer todo
o trabalho do fotógrafo. Nesta seção, são apresentadas abordagens existentes na literatura,
as quais propõem dar um passo adiante na solução do problema da composição automática
de fotografias.
Byers et al.
[
Byers et al., 2003; Byers et al., 2004
]
apresentam uma proposta para a
construção de um robô fotógrafo, capaz de se movimentar em um ambiente plano em busca
de pessoas e, em seguida, fotografá-las. As pessoas são encontradas por um sensor laser
e, em seguida, via um filtro da tonalidade da pele. Os autores dizem não usar detecção
de faces em virtude do alto consumo de energia necessário para isso. Após detectadas as
pessoas, para se locomover no ambiente, o robô cria um mapa do local considerando as
pessoas detectadas como objetivos a serem calculados por funções. Definida a rota, inicia-se
o movimento na direção deste objetivo. São utilizadas duas câmeras: uma de alta velocidade
e outra de alta definição. A de alta velocidade provê frames constantemente, em busca de
um alvo. Já a câmera de alta definição é utilizada apenas para a obtenção de fotografias de
pessoas detectadas pelo sistema como um todo (câmera e sensores).
Quando de frente ao tema, a câmera principal é movimentada (junto ao robô) com a
intenção de obedecer a algumas regras de composição fotográfica. O experimento é testado
em uma situação real (um evento científico e um casamento) e o resultado é avaliado pela
taxa de fotos que foram requeridas pelos fotografados como também por uma votação feita
posteriormente com 2000 imagens, na qual os votantes escolhiam uma dentre 5 gradações
de qualidade. O experimento obteve 9% de fotografias consideradas muito boas e 20% de
fotografias consideradas boas.
O trabalho de Byers et al. diferencia-se desta dissertação em alguns aspectos de muita
relevância. Em primeiro lugar, pela localização das pessoas, já que o autor utiliza sensores
laser, enquanto nesta dissertação apenas as imagens capturadas na cena são utilizadas. Em
utilizando apenas imagens oriundas da câmera, tem-se uma abordagem mais simples, devido
à menor quantidade de informação a ser tratada. Um segundo aspecto diz respeito à detec-
ção de pessoas, a qual é feita através de filtros de pele na abordagem proposta por Byers,
enquanto um detector de faces é utilizado nesta dissertação. De fato, a detecção de faces é
mais cara, computacionalmente falando, porém mais precisa e objetiva do que unicamente a
12
detecção de pele.
A etapa de composição fotográfica é semelhante, mudando apenas a metodologia da
composição, mas no trabalho de Byers et al. são utilizadas regras de composição bastante si-
milares aos desta dissertação. A avaliação do resultado também é realizada de forma similar.
No trabalho de Byers et al., entretanto, pressupõe-se que haverá interação entre as pessoas e
o robô, enquanto no trabalho aqui apresentado não há essa obrigação, podendo as fotografias
serem obtidas sem a expectativa da pose.
O trabalho de Banerjee et al.
[
Banerjee and Evans, 2004
]
trata especificamente de uma
regra de composição, a regra-dos-terços. Utilizando uma máquina fotográfica com grande
abertura do diafragma, é possível, através do foco seletivo, o qual é obtido com baixos cam-
pos de profundidade, enfatizar as bordas do tema. Desta forma, é possível detectar o objeto
da fotografia e efetuar sua transposição (utilizando recortes ou redimensionamentos) para
um dos pontos dos terços. O processamento é realizado de forma rápida e não há a necessi-
dade de detectores de alvos pré-treinados, sendo a informação da imagem suficiente para a
composição.
A abordagem descrita no supra-citado trabalho, tem como característica positiva a não
necessidade de algoritmos de detecção e a eficiência do seu código, o qual pode realizar o
processamento de forma mais rápida do que o algoritmo aqui apresentado. Além disso, qual-
quer outro objeto que, porventura, esteja visível na imagem e esteja a uma mesma distância
do objeto de interesse é detectado como objeto e sua composição é realizada, ao contrário do
desejado.
O ponto fraco desta abordagem, entretanto, é o requerimento de uma pré-configuração
da máquina que, usualmente, não consegue ser bem reproduzida em uma máquina digital
comum, por requerer grande abertura do diafragma da câmera. A abertura do diafragma
produz um efeito melhor visto em equipamentos com maior distância focal. As câmeras
digitais mais populares, entretanto, são fabricadas com menor distância focal com o objetivo
de serem mais compactas, uma vez que precisariam de uma grande lente para aumentar a
distância focal. Por fim, a abordagem apresentada não seria útil em imagens já obtidas sem
esta configuração.
No artigo Auto Croping for Digital Photographs, Zhang et al.
[
Zhang et al., 2005
]
apre-
sentam uma abordagem similar à desenvolvida nesta dissertação. O trabalho gira em torno do
13
problema de auto cropping, aqui batizado de regra-do-zoom, o qual usa uma função de ener-
gia que avalia três modelos: o modelo de composição, o modelo de penalidade e o modelo
conservativo.
Os dois primeiros trabalhos citados no parágrafo anterior, assemelham-se às regras aqui
definidas como regra-dos-terços e regra-da-integridade, respectivamente. Para detecção do
tema, é utilizada detecção de faces aliada a modelos de atenção visual, para auxiliar na
detecção de elementos não encontrados pelas detecções de faces. Este trabalho também é
voltado para a composição de imagens já obtidas, porém não dá suporte à obtenção de novas
fotografias.
Algumas diferenças cruciais entre a abordagem de Zhang et al.
[
Zhang et al., 2005
]
e a
presente dissertação podem ser apontadas. A primeira é a quantidade de imagens utilizadas
nos testes, 100 contra 1327 utilizadas nesta dissertação. Em seguida, o número de padrões
de zoom considerados 14, contra 4 nesta dissertação (ver Capítulo 3 para mais detalhes).
Por fim, a votação utilizada para validar o algoritmo utilizado na primeira abordagem
apresenta 3 opções aos votantes: boa, aceitável e ruim, sendo as duas primeiras favoráveis
à concordância, enquanto a abordagem aqui proposta apresenta 4 opções: ótima, boa, ruim
e péssima, favorecendo uma melhor separação entre as opiniões positivas e negativas. Na
primeira abordagem, em se contabilizando apenas as votações consideradas boas, houve
uma concordância da audiência de 41% ou, somando-se as duas probabilidades, têm-se uma
aceitação de 84% por parte da audiência, contra os 65% obtidos na segunda abordagem (ver
Capítulo 3, para maiores detalhes a respeito destes resultados).
Datta et al.
[
Datta et al., 2006
]
apresentam um estudo tratando da avaliação da estética
de uma imagem utilizando uma abordagem computacional. São propostas 56 métricas das
quais, experimentalmente, extraiu-se as 15 que obtiveram melhor combinação. A abordagem
atinge uma taxa média de 70,12% de acerto ao utilizar SVM - Support Vector Machines (ou
Máquinas de Vetores Suporte)
[
Vapnik, 1999
]
para efetuar a classificação a partir destas 15
métricas.
A abordagem desenvolvida nesta dissertação é semelhante àquela apresentada por Datta
et al.
[
Datta et al., 2006
]
ao utilizar algumas métricas para classificar uma fotografia quanto a
sua qualidade. O treinamento utilizado em algumas regras, contudo, não deixa transparecer
a metodologia e quais seus defeitos e suas qualidades, logo, não é possível saber como
14
as 15 regras escolhidas se comportaram nas diferentes situações, o que não permite prever
quais destas utilizar para a extração de características em um sistema similar como o aqui
proposto. Adicionalmente, o trabalho apresentado é voltado para a classificação de imagens,
não tendo soluções para corrigir uma imagem que poderia ser boa caso pequenos ajustes
fossem realizados. Apesar destas observações, é um excelente trabalho, o qual pode ser
utilizado posteriormente com outras finalidades.
Por fim, em um recente trabalho de Santella et al.
[
Santella et al., 2006
]
, é enfatizada
a regra-do-zoom, descrita em seu trabalho como cropping, utilizando direção do olhar (do
ingles gaze direction) para decidir quais são os elementos principais da fotografia. De acordo
com o experimento realizado nesta dissertação, que utiliza uma votação para validar o expe-
rimento, é obtida uma taxa de aceitação de 58% quando o trabalho é comparado ao método
que usa detecção dos pontos de maior saliência da imagem.
No mesmo supra-citado trabalho, ao utilizar apenas a atenção visual como informação de
posicionamento do alvo, possibilita que erros sejam cometidos ao permitir a ênfase de pontos
de atenção que podem ser destacados por características particulares da imagem. A união
desta informação com outras informações reduziria a incidência deste problema. Além da
localização do alvo da fotografia, a abordagem difere desta dissertação no tocante ao recorte
proposto, já que no trabalho de Santella et al. não há restrições quanto às dimensões da
imagem final, podendo o recorte assumir quaisquer dimensões, enquanto nesta dissertação o
recorte deve ter proporções idênticas as da imagem original.
2.3 Detecção e Enquadramento de Temas Utilizando Câ-
mera Pan-Tilt-Zoom
Nesta seção, serão apresentados os principais trabalhos estudados que se referem ao controle
de uma câmera PTZ (Pan-Tilt-Zoom) de forma que esta possa interagir com um determinado
cenário. Até onde se pôde apurar, não existem artigos que tratem especificamente da compo-
sição automática de fotografias através da utilização de uma câmera motorizada. Portanto, é
feita nesta seção uma descrição mais abrangente dos trabalhos, de forma a levantar-se diver-
sas técnicas e algoritmos que possam ser utilizados.
15
2.3.1 Enquadramento de Temas
Sinha e Pollefeys
[
Sinha and Pollefeys, 2004
]
apresentam uma abordagem para, utilizando
apenas uma câmera, efetuar a calibração e a fotografia de uma cena panorâmica sem dispor
de nenhuma informação da estrutura da cena. Os parâmetros intrínsecos da câmera são
estimados calculando as homografias das imagens capturadas a partir de diferentes ângulos
de rotação e níveis de zoom. Os parâmetros extrínsecos são calculados a partir de pares de
imagens panorâmicas, obtidas em se fazendo um mosaico a partir de imagens obtidas em um
nível fixo de zoom.
A vantagem da abordagem é a qualidade final da imagem panorâmica e a possibilidade
de se efetuar a calibração utilizando-se apenas uma câmera PTZ, sem nenhuma outra infor-
mação. A principal desvantagem é o tempo necessário para fazê-lo. Leva-se em torno de 25
minutos para obtenção de uma fotografia panorâmica calibrada. Este trabalho possui o dife-
rencial de utilizar apenas a câmera PTZ tanto para efetuar a calibração como para se obter a
imagem panorâmica.
O trabalho de Clady et al.
[
Clady et al., 2001
]
apresenta um sistema voltado para a as-
sistência de direção de carros. O objetivo é o desenvolvimento de sensores visuais com a
utilização de uma câmera PTZ e de uma câmera normal para efetuar o rastreamento (do
inglês tracking) de veículos frontais ao veículo no qual estão posicionadas as câmeras.
O algoritmo proposto pelos supra-citados autores, segundo eles próprios, é veloz e ro-
busto, funcionando a uma velocidade de 20ms e sendo capaz de localizar o tema também em
baixa iluminação. O processo se dá pela captura de imagens através da câmera PTZ e, em
seguida, pela utilização de um algoritmo de rastreamento para detectar a posição e tamanho
do objeto a ser procurado e a movimentação necessária à câmera. O algoritmo de rastrea-
mento segue a abordagem de Hager e Belhumeur
[
Hager and Belhumeur, 1998
]
. A câmera
auxiliar é utilizada para continuar a localização quando a câmera PTZ tiver seu ângulo de
visão reduzido, ao focar em um dado objeto.
A abordagem de Clady et al. foi estudada, de forma a se entender como poderia ser uti-
lizada uma câmera auxiliar à PTZ, a fim de que esta pudesse fornecer uma visão mais ampla
da cena, já que tem grande ângulo de visão. Entretanto, para que a solução descrita nesta
dissertação pudesse utilizar tal abordagem, seria necessário mais de uma câmera semelhante
à câmera sugerida por Clady et al., de forma que fosse possível se ter uma visão mais ampla
16
da cena, já que o espaço de busca é bem maior do que o exemplo descrito no artigo, o qual
engloba apenas a visão frontal do veículo.
Um outro trabalho, desenvolvido por Senior e Hampapur
[
Senior and Hampapur, 2005
]
,
apresenta uma abordagem para obtenção de imagens em multi-escala através do controle de
uma câmera PTZ calibrada automaticamente a partir de outras câmeras. Para um controle
autônomo, podem-se definir marcações especiais feitas pelo usuário, as quais indicam na
imagem oriunda da câmera PTZ qual o conjunto de coordenadas que deve ser utilizado para
o correto enquadramento de um dado ponto através de uma Lookup Table.
Pode-se também utilizar mais de uma câmera para obter a correta calibração da imagem
de forma automática, em se apontando ambas as câmeras para uma região comum favorável,
na qual movimente-se um objeto. Assim como no trabalho de Sinha e Pollefeys, é utilizada
a homografia para calibração das imagens.
Novamente o método de calibração proposto, desta vez por Senior e Hampapur
[
Senior
and Hampapur, 2005
]
, exige uma segunda câmera, pré-condição que se deseja evitar. A
abordagem utilizando Lookup Table foi testada nesta dissertação, não se obtendo o devido
sucesso (maiores detalhes podem ser obtidos no Capítulo 4).
A abordagem proposta por Funahashi et al.
[
Funahasahi et al., 2004
]
busca uma locali-
zação e tracking das partes de uma face em se utilizando câmeras PTZ. O sistema proposto
utiliza um par de câmeras, sendo uma PTZ e a outra uma câmera CCD fixa para, de forma
hierárquica, detectar e fotografar partes da face de uma pessoa.
2.3.2 Escolha do Percurso
O sistema proposto nesta dissertação procura por temas de interesse em um ambiente do qual
a priori não se tem informação. Dado que o ambiente pode ser planificado, através das foto-
grafias que podem ser obtidas pela câmera PTZ, pode-se associar o problema estudado nesta
dissertação ao problema de escolha de percursos pesquisado na Robótica, pois o objetivo da
câmera pode ser resumido à procura, em um plano, por objetos de interesse através da movi-
mentação de um agente (a própria câmera). Portanto, as estratégias de busca implementadas
para robôs interagirem com uma cena na qual precisam caminhar em um plano, podem ser
utilizadas por esta abordagem.
O primeiro trabalho estudado é o de Tomono
[
Tomono, 2003
]
. Este trabalho propõe um
17
sistema para construção automática do percurso de um agente, através das detecções feitas no
ambiente. Também é realizado um mapa probabilístico do ambiente, no qual são simuladas
as modificações que podem existir dentro de um raio de tolerância de movimentação. O
objetivo é criar um mapa durante a execução, caso sejam detectados alvos ou obstáculos.
Este trabalho foge um pouco ao escopo de investigação desta dissertação, uma vez que
contrói um mapa com base em movimentação limitada por um raio de tolerância, condição
esta que poderia ter sido utilizada nesta dissertação, porém não é desejável pois limitaria o
problema a uma dada situação.
No segundo trabalho, de Stack e Smith
[
Stack and Smith, 2003
]
, propõe-se um algo-
ritmo para busca de minas submersas, o qual utiliza o padrão de busca linear com variações
randômicas e alteradas pelo histórico para localizar minas, já que estas geralmente estão
igualmente espaçadas a fim de que o navio que as dispersou possa conhecer um caminho de
retorno.
Apesar do segundo trabalho acima não ser fortemente relacionado a esta dissertação, este
é utilizado como uma inspiração para o tipo de busca realizado pela câmera PTZ. Maiores
detalhes podem ser vistos no Capítulo 4.
Mais dois trabalhos, semelhantes entre si, propõem a busca de alvos por uma região. O
primeiro por Yang e Luo
[
Yang and Luo, 2004
]
e o segundo por Qiu et al.
[
Qiu et al., 2006
]
.
Nestes trabalhos, um robô movimenta-se pela cena e, de acordo com o que é detectado,
calcula o percurso de forma dinâmica através do treinamento de uma Rede Neural
[
Haykin,
1999
]
para aprender a alterar sua trajetória quando da detecção de obstáculos em uma cena.
Apesar de semelhantes, o segundo algoritmo apresenta o diferencial de utilizar uma ja-
nela de predição a qual, após prever uma situação de bloqueio, adapta o sistema para a nova
realidade diminuindo, portanto, a quantidade de rotações necessárias, o que agiliza a busca.
Apesar das diferenças, ambos os artigos são preparados para tratar de objetos que se movem
no ambiente.
As duas abordagens poderiam ser utilizadas como inspiração para o desenvolvimento
desta dissertação. Entretanto, a segunda abordagem, descrita anteriormente, é mais com-
plexa que a primeira, em virtude da necessidade de um treinamento extra, o qual não faria
muito sentido no problema aqui apresentado, uma vez que não existem obstáculos no sis-
tema. Portanto, seria caro, computacionalmente falando, um treinamento que é realizado
18
para prever obstáculos que não existirão. Trabalhos futuros onde existam regiões no ambi-
ente nos quais a câmera não possa procurar por assuntos, pode utilizar esta abordagem para
uma melhor busca e construção do caminho de procura.
2.4 Considerações Finais
Este capítulo apresentou um estudo sobre os métodos atualmente utilizados para a composi-
ção automática de fotografias como também de técnicas auxiliares utilizadas nesta disserta-
ção, essenciais a um sistema para automação da composição fotográfica como um todo.
A revisão bibliográfica foi dividida em três seções, sendo a primeira uma revisão das
técnicas auxiliares, nas quais se destacou a detecção de um tema em uma cena, através de
diversas abordagens tais como a filtragem da cor da pele, detecção de movimento e rastrea-
mento de partes do corpo humano de pessoas envolvidas na cena.
A segundapartecontoucomumarevisão bibliográfica sobre regrasdecomposição, a qual
apresentou os algoritmos utilizados para que seja feita composição automática de fotografias,
seja em imagens já obtidas ou ainda a serem adquiridas, as quais podem ser ajustados com a
análise da informação detectada na cena.
Por fim, uma parte dedicada a algoritmos de movimentação de câmeras Pan-Tilt-Zoom
nas mais diversas finalidades: partindo de tracking de automóveis até planejamento da rota
ideal a ser percorrida por robôs.
Estas três seções objetivaram dar suporte a toda a dissertação, de forma a se obter um
trabalho que reúna um pouco de cada característica e realize a tarefa específica da compo-
sição automática de fotografias em qualquer que seja a situação, antes ou apos a fotografia
ser obtida ou ainda analisando as imagens para uma correta obtenção ou classificação da
imagem.
O estudo dos trabalhos relacionados à abordagem apresentada nesta dissertação mostra
que as técnicas utilizadas são promissoras e, em virtude de suas datas de publicação, refletem
o atual estado-da-arte do problema. No próximo capítulo, serão abordadas técnicas para
composição automática de fotografias realizadas em imagens estáticas.
19
Capítulo 3
Algoritmos para Composição Fotográfica
e Extração de Características
Neste capítulo, é apresentada uma abordagem para corrigir imagens no tocante à composi-
ção fotográfica, de forma a melhorar sua qualidade visual. Algoritmos implementando três
regras de composição são aplicados em imagens já obtidas gerando novas imagens. Um con-
junto de voluntários opina quanto à melhoria destas últimas para avaliar o desempenho dos
algoritmos. Também é descrito um algoritmo para extração de características o qual pode
ser utilizado para classificar as imagens quanto à qualidade, tendo por base a conformidade
às regras de composição.
3.1 Introdução
A fotografia artística é uma das mais conhecidas e praticadas formas contemporâneas de
arte
[
Hedgecoe, 2003
]
. Apesar de suas técnicas e princípios terem variado pouco ao longo
dos anos, ainda não é de amplo domínio dos fotógrafos amadores o conhecimento destas téc-
nicas. Por outro lado, fotografar nos dias de hoje é mais fácil e prazeroso em decorrência de
avanços da tecnologia utilizada nas câmeras. Entretando, ainda existe uma quantidade incal-
culável de tarefas que poderiam ser realizadas de forma automática pela câmera, facilitando
o trabalho do fotógrafo e, conseqüentemete, aumentando a qualidade final da fotografia,
dando um aspecto profissional à mesma independentemente do conhecimento das técnicas
de fotografia do operador. A composição fotográfica pode ser uma destas tarefas.
20
As regras de composição fotográfica podem ser vistas, de maneira geral, como heurísticas
utilizadas há anos por fotógrafos experientes, que se popularizaram ao ponto de serem consi-
deradas regras. Apesar de grande parte das regras de composição fotográfica terem sido de-
senvolvidas empiricamente, algumas são sustentadas por algumas teorias da psicologia e do
funcionamento do sistema visual humano. Uma destas teorias é a Teoria de Gestalt
[
Koffka,
1955
]
, que explica como o cérebro humano interpreta alguns padrões visualizados pelo olho.
Esses padrões influenciam a percepção pelo cérebro da cena, podendo então serem utilizados
para guiar a atenção do observador para um determinado ponto de interesse.
Logo, as regras visam a enfatizar o tema da fotografia
[
Grill and Scanlon, 1990
]
. O tema
(também denominado alvo ou assunto, também sendo utilizadas ambas as denominações ao
longo desta dissertação) da fotografia é “o quê” o fotógrafo deseja mostrar a um dado obser-
vador sobre a cena fotografada, ainda que este observador não possua conhecimento técnico
sobre fotografia ou arte. Qualquer elemento pode ser o tema da fotografia, inclusive entes
abstratos, por exemplo, pessoas, um objeto, um animal até mesmo o sentimento entre duas
pessoas. O que importa é que este tema seja claro ao observador e enfatizado na fotografia.
Por ser bastante amplo e abstrato, o tema é restrito e bem definido nesta dissertação, evi-
tando, assim, divergências entre os observadores. Desta forma, toda fotografia utilizada tem,
obrigatoriamente, um tema o qual deve ser pessoas - em conjunto ou não. Extensões desta
dissertação poderão focar em um outro objeto ou outra forma de interpretar a cena.
Ao longo desta dissertação, é dado foco em algumas regras de composição fotográfica.
Algumas heurísticas utilizadas por fotógrafos também serão implementadas nesta disserta-
ção e, por serem amplamente conhecidas e utilizadas, a exemplo do ajuste do Zoom
1
, será
usada a denominação de regras-de-composição.
As três principais regras trabalhadas são a regra-dos-terços, regra-do-zoom e regra-da-
integridade do alvo. Para localizar o alvo, pode-se utilizar um detector de faces como evi-
dência da presença de pessoas. Conseqüentemente, em se assumindo que é conhecido o
posicionamento e as dimensões das faces contidas em uma fotografia, pode-se deduzir o po-
sicionamento e dimensão do alvo e usar estas informações para alterar a imagem, resultando
1
Nome popular dado à mudança da distância focal da câmera. A conseqüência é a alteração gradual, dentro
de um mesmo plano, do ângulo de visão. Chama-se zoom-in quando este diminui e zoom-out quando aumenta.
Esta mudança é feita através da movimentação das lentes móveis da câmera.
21
sempre que possível em uma foto bem composta. Afora estas três regras, outras poderiam
ser facilmente integradas ao sistema, contudo estas não foram incluídas nesta dissertação por
questões de tempo, restrição de escopo e, adicionalmente, com a intenção de se facilitar a
verificação da corretude do sistema a partir de poucos módulos, já que a modificação feita em
uma mesma imagem por diversas regras de composição poderiam dificultar a visualização
da correção.
A solução aqui descrita foi implementada em software e foram utilizadas funções de
processamento de imagens (na maior parte dos casos, recortes e redimensionamentos) para
atingir o resultado desejado. Por questões de simplicidade, os algoritmos a seguir são des-
critos para efetuar correções em imagens estáticas. Entretanto, os algoritmo desenvolvidos
para aplicar estas regras, poderão fazê-lo também antes da fotografia ser obtida. Para que a
fotografia seja corrigida antes mesmo de ser obtida, é preciso o uso de um agente externo,
seja mecanismos de movimentação para a câmera, o próprio fotógrafo (que pode ser alertado
através de indicações visuais ou na utilização de um sistema autônomo). No Capítulo 4, é
apresentada uma discussão sobre a aplicação destes algoritmos em ambientes dinâmicos.
É preciso, também, que seja definido o escopo deste trabalho. O sistema descrito neste
capítulo trata apenas de fotografias cujos temas possam ser automaticamente detectados por
um agente externo. Como exemplo, foi utilizado um detector de faces sendo, portanto, ex-
pandido para pessoas através de regras de antropometria. Detectores de faces, entretanto,
possuem limites no ângulo da face em relação à fotografia. Logo, muitas imagens podem
conter faces que o detector utilizado não encontre e que venham a interferir na fotografia,
uma vez que o sistema desconhece a existência de faces naquela região, podendo resultar em
cortes não desejados. Portanto, faces não detectadas devem ser ignoradas na seção de vota-
ção da qualidade da fotografia. Com relação a antropometria, devem-se ignorar diferenças
de proporção entre pessoas seja por sexo, idade ou raça. Estas questões podem ser tratadas
posteriormente.
Este capítulo é dividido em 6 seções. Na Seção 3.2, é apresentada uma revisão biblio-
gráfica sobre composição fotográfica a fim de identificar quais as principais regras de com-
posição utilizadas, quais são as mais genéricas, os principais problemas encontrados pelos
profissionais de fotografia que podem ser automatizados, os principais erros cometidos pelos
fotógrafos amadores além de outras informações oriunda de profissionais que sejam determi-
22
nantes de como o sistema deve se portar e quais regras obedecer. Na Seção 3.3, é apresentada
a abordagem para a solução dos problemas (ou de sua maioria) identificados na seção ante-
rior. São descritos os módulos desenvolvidos e os componentes auxiliares como o detector
de temas. A Seção 3.4 contém os experimentos realizados com a intenção de validar a abor-
dagem descrita neste capítulo. A Seção 3.5 trata de algoritmos desenvolvidos para extrair
informação de imagens sem nela efetuar mudanças com a intenção de avaliar uma fotografia
com base nestas informações. Por fim, na Seção 3.6, são apresentadas algumas conclusões
específicas deste capítulo.
3.2 Composição Fotográfica
Esta dissertação aborda técnicas de composição fotográfica que podem ser utilizadas com a
finalidade de se melhorar uma fotografia. Na Seção 2.2, foram descritos os trabalhos mais
relevantes publicados até o momento que tratam de composição automática de fotografias.
Na presente seção, por outro lado, o foco está na área de Fotografia (não automática), de
forma a identificar as regras de composição e heurísticas mais relevantes.
Vale salientar que realizar a revisão em Fotografia não foi uma tarefa simples nem os
resultados finais foram os originalmente planejados. Isto se deveu principalmente ao fato de
que a Fotografia explora o conceito de Arte, na qual não existem certezas e sim sentimen-
tos, tudo é permitido, desde que atenda os ideais filosóficos do artista implicando um baixo
número de livros sobre técnicas de fotografia pois as regras não podem atar a criatividade
do artista. As regras de composição fotográfica em si, além de outros exemplos, podem ser
vistos no Apêndice A.
O primeiro trabalho revisado é uma referência da área, datado de 1990 e escrito por Grill
e Scanlon
[
Grill and Scanlon, 1990
]
. Neste livro, os autores defendem que um dos principais
erros que fazem uma fotografia perder o seu valor de comunicação é que, sendo o objetivo
da fotografia na maioria dos caso o de preservar a memória do fotógrafo, este esquece que
a fotografia deve possuir conteúdo para que outros observadores também possam captar o
sentimento obtido no momento da fotografia. Isto se dá pois ao não definir claramente o alvo
de sua fotografia, o fotógrafo não trata a composição da fotografia desta forma, enfraque-
cendo a qualidade e a objetividade da mensagem que é passada em uma fotografia. O autor
23
também destaca a necessidade da utilização dos padrões que o cérebro humano insistente-
mente procura ao visualizar uma imagem. Logo, a sugestão para utilização de linhas, pontos
e cores, claramente delineados ou a partir de outros objetos que formam intrinsecamente tais
elementos.
Em seu livro “Photographing People”, Michael Freeman
[
Freeman, 2004
]
, faz algumas
considerações subjetivas sobre fotografia. Segundo o autor, “A grande preocupação do retra-
tista é revelar a natureza das pessoas” mas nunca abdicando da simplicidade. Ainda segundo
o supra-citado autor, “A face humana já é suficientemente interessante sem técnicas compli-
cadas ou composição incomum”. Quanto às técnicas, é destacado o cuidado com objetos de
distração, tais como cores, imagens e palavras, de forma a não adicionarem conteúdo sem
criar distração. Na Figura 3.1, mostra-se uma imagem com e sem elemento de distração.
Em se tratando da integridade do alvo, o autor reitera a necessidade de um cuidado maior
no ajuste da câmera, para evitar cortes que possam gerar desconforto ao observador, assim
como um corte da imagem na altura dos joelhos do tema fotografado.
Figura 3.1: Na imagem da esquerda as formas contribuíram para a distração do ponto de
interesse, enquanto na imagem da direita as formas ajudaram a direcionar o olhar para o
tema.
Com relação aos níveis de zoom, Freeman
[
Freeman, 2004
]
destaca características para
cada um destes níveis. Para fotografias de cabeça e ombros, o corte na altura dos ombros
deve parecer “quadrado” quando a intenção for criar uma aparência estática e formal. Outra
importante recomendação é a de fotografar ao nível dos olhos do alvo. Para imagens de
24
corpo inteiro, pode-se descuidar um pouco da expressão e concentrar-se mais na expressão
corporal. Porém, as grandes dificuldades são a falta de elementos para “preencher” a imagem
e encontrar uma relação entre o tema e o plano-de-fundo.
Para fotografias de pequenos grupos, é sugerida uma composição em forma de triângulo,
tentando criar uma relação entre as pessoas. Já para grandes grupos, sugere apenas quebrar a
tradicional foto em forma de fila se estiver clara a intenção do fotógrafo e houver contribuição
dos modelos. A Figura 3.2 apresenta exemplos de fotografias obtidas com as características
discutidas acima, como a fotografia no mesmo nível dos olhos do alvo e a composição em
forma de triângulo
(a) (b) (c)
Figura 3.2: Em (a) uma imagem obtida posicionando a câmera superiormente ao alvo, em
(b) exemplo do ganho de qualidade quando a fotografia é obtida com a câmera na altura do
olho da criança. Em (c) exemplo de composição em forma de triângulo.
Bill Hurter começa seu livro
[
Hurter, 2004
]
sugerindo que o que faz uma boa fotografia
é a imaginação que o fotógrafo consegue fazer surgir do observador. O autor descreve o
surgimento do ato de posar de forma a minimizar as perdas de transferir o ser humano de
três dimensões para uma imagem em das dimensões.
Quanto às técnicas de composição, Hurter
[
Hurter, 2004
]
afirma que a composição é res-
ponsável por posicionar corretamente o tema dentro do quadro de fotografia e esta é a fonte
da maioria dos erros, já que os fotógrafos menos experientes preferem colocar o tema no cen-
tro da imagem. Quanto à regra-dos-terços, o autor afirma que o objetivo é criar assimetria
do tema na imagem.
Sobre os níveis de zoom, Hurter
[
Hurter, 2004
]
afirma que, em fotografias de cabeça e
ombros, o olho da pessoa fotografada deve ser o ponto de interesse. Já para uma fotografia
de média e longa distância (do inglês, medium e long-shot), a face é o centro de interesse. O
25
autor também destaca a necessidade de espaço (ou sala) para a borda na direção em que os
olhos da pessoa fotografada apontam.
Ainda segundo o supra-citado autor, em fotografias contendo pequenos grupos a utiliza-
ção da forma de triângulo, de maneira que a linha virtual que liga as faces da imagem des-
creva um triângulo. Para fotos de grupos, sua principal observação é quanto a proximidade
entre as pessoas para que i) todos estejam dentro de um mesmo plano de foco e ii) próximos
para representar cordialidade e distância para representar elegância. As faces também devem
distar umas das outras de forma consistente. Em grandes diferenças de altura, considerar a
possibilidade de uma foto em longa distância para amenizar o efeito da distância.
Pequenos grupos, tais como casais, devem sempre estar em alturas diferentes, aproximando-
se a altura dos olhos para a altura da boca. Esta pequena diferença cria linhas virtuais entre
os alvos, dando direção à fotografia. Segundo o autor, há linhas implícitas por toda a cena e é
papel do fotógrafo utilizar estas linhas para dar direção e suavidade à imagem. Por exemplo
em fotografias de grupos, deve-se observar a linha dos ombros e das faces. Em se tendo um
conjunto de linhas cujas ligações são muito agudas, deve-se ajustar de forma que o polígono
formado por estas linhas apresente angulações mais suaves.
Por fim, dois conselhos extraídos do livro de Bill Hurter
[
Hurter, 2004
]
. Em primeiro
lugar, não capturar fotografias com número par de pessoas pois, segundo o autor, o cérebro
e os olhos tendem a aceitar mais facilmente a desordem causada pelos números ímpares do
que de objetos em quantidade par. Em segundo lugar, deve-se ter cuidado com o plano de
fundo da imagem para que este não se confunda com o tema gerando efeitos desagradáveis
podendo estragar, inclusive, belas composições.
A partir de outro trabalho
[
Hedgecoe, 2005
]
cujo autor é um fotógrafo reconhecido pelo
número de livros voltados para todos os níveis de conhecimento sobre fotografia, podem-se
destacar algumas observações.
Inicialmente, o fotógrafo destaca o recorte em uma imagem como uma forma de isolar
o tema de outros elementos de distração, seja no plano-de-fundo seja no plano frontal da
fotografia.
Para o autor, boas fotografias de pessoas devem não somente mostrar a aparência de
pessoas, mas funcionar como uma espécie de biografia visual, capturando características
marcantes e revelando sua personalidade. Em fotografias de curta distância (ou close-ups),
26
por exemplo, o foco nos olhos, ao invés de qualquer outra parte, pode ajudar na revelação da
personalidade da pessoa.
Também é importante que o tema esteja ao nível da câmera, forçando o fotógrafo, por-
tanto, a nivelar-se ao tema, ao invés de rotacionar a câmera como, por exemplo, em uma
fotografia de um criança que seja ou esteja mais baixa do que o fotógrafo. Neste caso, o
fotógrafo deve se abaixar para se igualar à altura da criança, ao invés de, de pé, fotografá-la
apontando a câmera para baixo.
Em outra parte do texto, o autor apresenta os erros mais comuns na obtenção de foto-
grafias. Um primeiro erro é a obstrução do alvo, quando o fotógrafo, por distração, deixa
um dedo, a tira da câmera ou até mesmo parte de uma parede obstruindo o caminho entre a
câmera e o alvo. Este problema é mais comum nas câmeras em que o visor é separado da
lente objetiva da câmera.
Em seguida, erros na utilização do flash, resultado em sub-exposição, super-exposição
ou um problema conhecido por vinheta. Erros relacionados ao flash normalmente são cau-
sados por má configuração da câmera ou por aproximação excessiva ou insuficiente do alvo
da fotografia. Não diretamente relacionado ao flash, mas causado por ele, o efeito dos olhos
vermelhos, quando as pessoas na fotografia ficam com olhos vermelhos. Este efeito ocorre
mais comumente quando pessoas são fotografadas em ambientes escuros. Com a dilatação
da pupila, causada pela escuridão do ambiente, o flash da câmera ilumina a retina do olho das
pessoas diretamente e, por ser esta irrigada de vasos sanguíneos, apresenta a coloração ver-
melha, causando o efeito que é mais percebido em câmeras compactas, devido à proximidade
do obturador para a luz do flash.
Por fim, a baixa qualidade da fotografia seja por erro no foco ou seja por trepidações
na câmera. No primeiro caso, o problema é decorrente do mau ajuste do foco da câmera
que pode ter fixado em outro objeto da cena; no segundo caso, a razão pode estar assiciada
à configuração da câmera, a qual pode estar permitindo uma grande quantidade de tempo
de captura. Na Figura 3.3, mostram-se exemplos de fotografias com erro no foco, olhos
vemelhos e obstrução.
Muitas outras observações, regras e informações puderam ser extraídos dos trabalhos
acima citados ou de outros não mencionados. Estas outras informações não são discutidas
devido ao baixo consenso entre o material estudado ou necessidade de maior compreensão
27
(a) (b) (c)
Figura 3.3: Erros comuns: (a) Erro no foco, (b) Efeito dos olhos vermelhos e (c) obstrução.
do significado de elementros da fotografia. Portanto, com a finalidade de delimitar o es-
copo deste trabalho, serão considerados estas obras como ponto de partida, ignorando-se
conceitos mais elaborados que venham a requerer um nível maior de interpretação da cena,
requerimento este aquém das técnicas correntes de Processamento de Imagens e Visão Com-
putacional. As regras aqui apresentadas, portanto, tentam ser mais fiéis à opinião dos autores
destes trabalhos.
3.3 Abordagem Proposta
O sistema proposto pode ser dividido em três partes: captura da imagem, processamento da
imagem e armazenamento da imagem processada. A captura da imagem pode ser feita por
uma câmera ou até mesmo por uma imagem em disco, sendo externa ao sistema e o armaze-
namento da imagem deve ser feito em algum dispositivo. Na Figura 3.4, ilustra-se o sistema
proposto. A imagem é passada para o detector de faces que retorna as coordenadas das faces
detectadas na imagem (caso alguma face seja detectada). Maiores detalhes a respeito da de-
tecção de faces são fornecidos na Seção 3.3.1. As coordenadas das faces e a imagem original
(que pode ser necessária a algum módulo de composição para extração de característiacs adi-
cionais) são transmitidas aos módulos de composição fotográfica que decidem pelo recorte
que deve ser efetuado nas imagens para que as regras de composição sejam obedecidas. Por
fim, o módulo de recorte utiliza esta informação para recortar a imagem original produzindo
uma nova imagem.
A abordagem proposta para a composição fotográfica é composta por quatro módulos. O
primeiro módulo é um controlador, destinado a gerenciar os outros três módulos que imple-
28
Figura 3.4: A partir da câmera ou disco uma imagem é processada pelo sistema de composi-
ção fotográfica sendo armazenado em disco.
mentam, cada um, uma regra de composição. O controlador, a partir das imagens capturadas
da câmera, decide qual regra de composição utilizar (caso a aplicação de alguma regra seja
necessária). A alteração pode tanto ser realizada na imagem obtida, gerando assim uma nova
imagem, quanto diretamente na fonte (e.g., a câmera) para posterior requisição de uma nova
imagem, situação tratada no Capítulo 4. Esta estratégia permite uma fácil adição ou remoção
de outros módulos ao sistema pois cada módulo recebe uma imagem, processa-a e retorna
uma nova imagem, não havendo um forte acoplamento entre os módulos, já que não deve
existir dependência entre eles. A Figura 3.4 ilustra o relacionamento entre os módulos de
composição.
Os módulos de composição são executados independentemente, embora seguindo uma
ordem pré-selecionada. Cada módulo tem suas próprias especificações e sua forma de me-
lhorar a qualidade da imagem. As especificações podem ser personalizadas, deixando a
abordagem mais flexível. Por exemplo, um fotógrafo pode preferir uma dada configuração
na qual o módulo do zoom tem prioridade quanto ao módulo dos terços, enquanto um outro
fotógrafo pode escolher o caminho inverso. A ordem dos módulos altera o resultado, já que,
em decorrência do que já foi dito, o módulo posterior processa a imagem que foi retornada
pelo módulo anterior, conseqüentemente, já modificada.
É também tarefa do controlador, garantir que a alteração feita por um módulo não interfira
em um outro módulo de hierarquia superior. Por exemplo, o módulo de zoom não deve
29
promover alterações na imagem que resultem em um corte no tema quando o módulo de
integridade, que possui hierarquia mais alta, indicar um corte na região. Nesta abordagem, a
hierarquia de controle foi definida através da precedência, logo, um dado módulo não pode
efetuar correções que em hipótese alguma desfaçam ou contrariem as mudanças realizadas
no módulo executado anteriormente. Caso a alteração proposta por um módulo venha a
interferir no processamento realizado por algum módulo que o antecedeu, nenhuma alteração
será realizada.
Após todas as mudanças terem sido realizadas, o passo final é redimensionar a imagem
(caso mudanças em suas dimensões originais tenham sido processadas) mantendo a pro-
porção original. Este passo final pode ser trocado pela alteração na própria câmera, em se
tratando de um sistema dinâmico.
Os módulos de composição propostos possuem dois aspectos em comum. Em primeiro
lugar, a imagem original não é afetada. Portanto, apenas sugestões de novas coordenadas,
características, etc são informadas, deixando a decisão final ao módulo controlador. Em
segundo lugar, todos usam as coordenadas da face como informação primordial para realizar
as modificações.
3.3.1 Detecção do Tema da Fotografia
Para que seja feita a composição fotográfica, o elemento mais importante a ser definido é
o tema. Em se encontrando/definindo o tema da fotografia, todas as modificações serão
realizadas utilizando-o como base.
A detecção de alvos, independente de qual for usada, deve ser executada logo após a foto-
grafia ser obtida e unicamente neste momento, dado que usualmente trata-se de um algoritmo
computacionalmente caro. Em conseqüência, deve-se guardar a informação e re-processar a
posição a cada alteração na imagem sem que seja executado novamente.
As seções a seguir descrevem como, a partir do detector de faces, são inferidos onde estão
e qual espaço ocupam as pessoas de uma cena. Na ausência de um detector mais robusto,
capaz de encontrar as pessoas por completo e suas respectivas poses, o detector de faces é a
melhor abordagem.
30
Detector de Faces
O detector de faces provê a informação principal nesta abordagem aqui apresentada. Assim,
é utilizado um detector de faces inspirado na abordagem de Viola & Jones
[
Viola and Jones,
2001
]
. Apesar da importância do algoritmo de detecção de faces para o sistema, outros algo-
ritmos de detecção de faces podem ser utilizados sem grandes prejuízos ao sistema como um
todo, desde que sejam observados dois fatores: (a) o desempenho do algoritmo - dado que
o detector de faces é aplicado nos quadros capturados pela câmera, a velocidade do detector
influi na taxa de quadros por segundo que o sistema vai ser capaz de lidar; e (b) a precisão
do detector de faces, dado que, como descrito na Seção 3.3.1, nossos algoritmos utilizam
proporções antropométricas sendo assim, a imprecisão na detecção do tamanho da face pode
levar a uma inferência incorreta das outras dimensões do corpo. Outros dois detectores de fa-
ces foram testados, produzindo resultados similares e mostrando que a diferença de precisão
pode ser, se não desprezível, controlável: o detector de faces desenvolvido pelo grupo lide-
rado por Kanade
[
Rowley et al., 1998a
]
e o detector de faces da OpenCV
[
OpenCV, 2005
]
.
A Figura 3.5 ilustra a comparação desses três detectores.
Figura 3.5: Comparação entre diferentes detectores de face: amarelo corresponde ao
OpenCV, verde ao proposto por Viola & Jones e azul o detector do grupo liderado por Ka-
nade.
A diferença entre os detectores de face, entretanto, não costuma ser significativa, uma
vez que a amplitude de possíveis definições para face não é grande. A maior fonte de erros é
relativa a falsas detecções ou falsas rejeições. Estima-se, com base na quantidade de imagens
que produziram erros em decorrência de problemas na detecção de faces, que se o detector
em questão não produzisse erros, o ganho de aceitação com relação aos votantes seria de
mais de 10%, sendo este um importante fator a ser considerado em versões futuras.
31
Medidas Antropométricas
Devido à necessidade de se conhecer o espaço que cada tema ocupa, seja para evitar um corte
indesejável, seja para utilizar estas linhas como guia, é desejável a utilização de bibliotecas
para detecção de pessoas, tais como aquelas propostas nos artigos descritos no Capítulo 2
[
Takahashi and Sugakawa, 2004; Ozer and Wolf, 2002; Sprague and Luo, 2002; Hu et al.,
2000; Yamada et al., 1998
]
. Todas possuem custo computacional elevado que, devido ao
tempo já gasto para detecção de faces, poderia inviabilizar o sistema devido às requisições
de velocidade no processamento para atingir uma taxa de quadros por segundo adequada ao
problema enfrentado.
Alternativamente, é proposto nesta dissertação um algoritmo para estimar o espaço ocu-
pado por pessoas a partir de relações entre as partes do corpo, em particular entre as di-
mensões da face e do corpo humano. Desta forma, partindo do presuposto de que se sabe a
posição e dimensões das faces, pode-se inferir, de forma aproximada, qual o espaço possi-
velmente ocupado pelo corpo do tema. Estas relações, nomeadas de Antropometria, são co-
nhecidas na Anatomia e nas artes plásticas (e.g., Homem Vitruviano de Leonardo da Vinci,
ilustrado na Figura 3.6).
Figura 3.6: Homem de Vitrúvio mostra um exemplo do estudo antropométrico aplicado às
artes plásticas.
32
As relações utilizadas, contudo, são válidas apenas para corpos de pessoas adultas. As
proporções não são válidas para crianças, pois a cabeça, ao nascer, tem proporção aproxi-
mada de metade do tamanho do corpo da criança, tem seu crescimento desacelerado com a
idade até atingir a fase adulta
[
Dace, 2006
]
. Em se tratando de adultos, embora possa existir
variação nas proporções quando da aplicação em um grupo heterogêneo, esta diferença não
é significativa. Algumas relações são mostradas abaixo:
TamanhoDoCorpo = 7× TamanhoDaCabeca; (3.1)
LinhaDaCintura = 4× TamanhoDaCabeca; (3.2)
LarguraDosOmbros = 3× LarguraDaCabeca; (3.3)
3.3.2 Regra-dos-Terços
A regra-dos-terços é uma das mais antigas e mais conhecidas regras de composição. A regra
sugere que o tema da fotografia seja posicionado em uma posição específica da imagem. Esta
posição é escolhida de acordo com um dos quatro pontos de interseção das retas verticais e
horizontais que dividem a imagem em nove partes de mesmas dimensões. Para tanto, duas
retas são posicionadas verticalmente e duas horizontalmente, sendo elas equidistantes-entre-
si (considerando-se o mesmo conjunto de mesma orientação). O nome da regra vem do
fato de as retas dividirem a imagem em três partes iguais. Esta técnica, contudo, é antiga e
bem anterior ao advento das câmeras fotográficas, tendo sido utilizada nas pinturas feitas por
grandes nomes, tais como Leonardo da Vinci e Michelangelo
[
Ramalho and Palacin, 2004
]
.
Muitos fatores biológicos (quanto ao observador) sustentam esta regra e explicam o por-
que do posicionamento do tema afastado do centro, uma posição que pode ser mais natural
para a composição. O erro mais comum de um fotógrafo amador é utilizar a popular regra do
“centralize e fotografe”. A principal teoria é de que a descentralização do alvo é importante
pois o mecanismo de atenção visual humano foca no alvo e, quando centralizado, ignora o
resto da imagem, o que resulta em uma fotografia estática
[
Hurter, 2004
]
. O deslocamento
do alvo para o terço força o observador a procurar mais entes na cena. Apesar disto, nada
impede que o tema da fotografia seja centralizado quando há o interesse do fotógrafo de
enfatizá-lo. Um exemplo da regra é mostrado na Figura 3.7. Neste exemplo, o tema da
33
imagem vai além do rosto da modelo enfatizando seu olhar ao invés da face como um todo.
Figura 3.7: Exemplo da regra-dos-terços. O alvo - olho da modelo - está no ponto dos terços.
A abordagem proposta nesta dissertação para a implementação da regra-dos-terços se
utiliza das coordenadas das faces presentes em uma imagem provida pelo detector de faces
para, em seguida, posicionar estas faces detectadas no ponto de terço mais próximo, ado-
tando o centro da face como ponto de referência. Isto restringe o problema para fotografias
contendo pessoas cujas faces possam ser detectadas por algum detector automático de faces.
Outras abordagens, tais como a de Banerjee e Evans
[
Banerjee and Evans, 2004
]
, sugerem
a detecção de outras informações, tais como bordas ou intensidades e utilizar o centro-de-
massa destas informações como centro de referência.
A escolha do ponto do terço para qual a face deve ser movida é uma etapa trivial dado que
se deseja corrigir a fotografia com um mínimo de atuação, o ponto escolhido deve ser o mais
próximo ao centro de massa da face. O ponto mais próximo é calculado através de distância
Euclideana entre dois pontos, como mostra a equação a seguir. Sendo x e y as coordenadas
do centro da face; l a largura e a a altura da imagem, m = tercoMaisProximo(x, y) o ponto
de terço mais próximo horizontal e sendo min(x,y) definido como segue:
min(x, y) =
1 se x ≤ y
2 se x > y
(3.4)
tem-se que:
34
tercoMaisProximo(x, y) = min
(
l
3
− x)
2
+ (
a
3
− y)
2
,
(
2l
3
− x)
2
+ (
a
3
− y)
2
(3.5)
Logo, a coordenada do terço mais próximo é dada por (
m×l
3
,
a
3
). Nesse caso, sempre será es-
colhido o terço superior entre os terços verticais. A escolha pelo terço superior se dá pelo fato
de que o posicionamento do tema no terço inferior é mais indicado para situações nas quais a
paisagem faz parte da composição, situação esta não considerada nesta dissertação. Pode-se
fazer o mesmo cálculo também para o terço inferior ou também o terço mais próximo.
A direção da linha (vertical ou horizontal), que representa a linha-dos-terços, depende da
orientação da fotografia (retrato ou paisagem). Este problema é tratado nesta dissertação a
partir do uso da informação que já se dispõe sobre a orientação das faces inferindo-se, assim,
a direção da fotografia.
Com relação à aplicabilidade desta regra, sendo o tema pessoas e tendo-se as faces detec-
tadas, existe a restrição para se considerar um único tema, o que implica fotografias de apenas
uma pessoa. Para fotografias de mais de uma pessoa, caso do centro de massa do grupo ao
extremo do grupo diste menos que um terço da fotografia (nas ocasiões em que as pessoas
estão próximas umas das outras), pode-se também aplicar a regra acima descrita. Portanto, o
funcionamento da regra traduz-se no cálculo do centro-de-massa do tema para, em seguida,
calcular-se o desvio necessário para que o tema passe a ocupar o terço da imagem.
A nova largura da imagem é calculada pela seguinte expressão:
LarguraDaImagem = 3×
LarguraOriginal − XCentroFace
2
(3.6)
em que LarguraOriginal é a largura da imagem antes de ser processada e XCentroFace é a
coordenada x do centro da face encontrada na imagem. Vale salientar que as novas dimensões
da imagem são obtidas por meio de recortes e não de redimensionamento.
A nova altura da imagem é calculada de forma semelhante, mas mantendo a proporção
original:
AlturaDaImagem = LarguraDaImagem×
AlturaOriginal
LarguraOriginal
(3.7)
Opcionalmente, pode-se ignorar a proporção original, produzindo assim imagens cujas
proporções não são iguais a da imagem original. Em se mantendo as proporções iniciais,
o próximo passo é o redimensionamento da imagem de maneira que a imagem retorne às
35
dimensões originais. Este redimensionamento tem como objetivo o de simular a modificação
prévia, podendo não ser utilizado.
Para efetuar o redimensionamento indicado no parágrafo anterior, foi utilizado o algo-
ritmo de interpolação por bloco, algoritmo de interpolação padrão da biblioteca CImg
[
CImg,
2005
]
. Outros algoritmos de interpolação podem ser utilizados para a obtenção de imagens
com melhor qualidade especialmente nas situações nas quais a imagem recortada tem di-
mensões muito menores que as originais.
Outros temas podem ser utilizados, por exemplo, o olho da pessoa fotografada ao invés
do centro da face. Para isso, é necessária a utilização de outros algoritmos de detecção que
sejam capazes de detectar outros elementos como, no exemplo, um detector de olhos.
3.3.3 Regra-do-Zoom
Um bom retrato, em geral, requer que as pessoas e lugares possam ser reconhecidos. A dis-
tância do fotógrafo ao alvo, portanto, influencia neste reconhecimento, pois quanto mais dis-
tante estiver o alvo do fotógrafo, menor é a face na imagem. Isto pode ser evitado corrigindo-
se o zoom através das lentes ópticas.
A regra-do-zoom (também chamada de recorte por muitos autores de técnicas automáti-
cas) trabalha na ênfase das áreas mais importantes da fotografia em detrimento do descarte
de outras regiões menos relevantes. O ajuste do zoom pode ser realizado de forma que o alvo
não esteja excessivamente longe nem perto.
Em algumas situações há o desejo em se mostrar intencionalmente a paisagem de forma
a não se levar em consideração um alvo humano. Já em outras situações, há a intenção de se
aproximar excessivamente a fotografia do alvo em busca de efeitos artísticos. Ambas estas
situações estão fora do escopo deste trabalho.
Visando a obtenção de uma fotografia agradável, é desejável que se permita um espaço
entre o alvo e as bordas da imagem
[
Hurter, 2004
]
. Este espaço é comumente chamado de
room. Similarmente, tem-se headroom como sendo o espaço existente entre a cabeça e as
bordas da imagem
[
Busselle, 1999
]
.
Fotografias cujas faces estão muito próximas às bordas passam a impressão de “choque”
da cabeça na borda. Por outro lado, se as cabeças presentes na imagem estiverem muito longe
da borda superior porém extremamente perto da borda inferior, tem-se o efeito de “degola”.
36
Algumas heurísticas são definidas por fotógrafos profissionais com o objetivo de decidir
o quão perto do alvo a câmera deve estar
[
Busselle, 1999
]
. Assim como acontece com a
maioria das outras regras de composição, contudo, essas heurísticas não são unanimemente
aceitas. A partir de uma análise de alguns trabalhos nas áreas de fotografia e de cinema
[
Hed-
gecoe, 2005; Hurter, 2004; Tremblay, 2003; Okazaki, 1998
]
, nesta dissertação chegou-se à
definição de seis padrões de distância para o tema de uma fotografia. Estes seis padrões estão
listados a seguir:
• XLS (extreme wide/long shot): O alvo está tão distante que se mistura ao plano-de-
fundo;
• LS (long-shot): O alvo é capturado da cabeça aos pés;
• WMS (wide medium-shot) Apenas
3
4
do corpo do alvo é visto (a partir da cabeça);
• MS (medium-shot) A fotografia compreende da cabeça à linha da cintura;
• CUP (close-up): A fotografia inclui apenas cabeça e ombros;
• XCUP (extreme close-up): Apenas um conjunto de características faz parte da compo-
sição (olhos, boca, nariz, etc).
O objetivo desta seção é o desenvolvimento de algoritmos para decidir qual o fator de
zoom a ser aplicado na imagem, seja de forma automática (através de uma câmera com
interface de zoom controlável via software) ou manual (através de informação visual passada
pelo software ao usuário através do visor LCD da câmera). Por questões de escopo, são
consideradas nessa dissertação apenas as distâncias LS, MS, CUP e XCUP descritas acima,
dado que são as distâncias mais comumente usadas por fotógrafos profissionais. Essas regras,
contudo, aplicam-se apenas para fotografias contendo uma única pessoa.
A distância do tema (no caso, a face da pessoa fotografada) às bordas da imagem foram
definidas arbitrariamente de forma a respeitar o headroom. As proporções utilizadas são
mostradas na Tabela 3.1. Os valores indicam a distância até as bordas em pixels, medida
em função da altura da face (para as bordas Superior e Inferior) e a largura da face (bordas
laterais). Ou seja, da lateral da face até a borda esquerda em uma fotografia que tenha
37
Tabela 3.1: Parâmetros para a regra-do-zoom. Os valores representam a distância em função
do tamanho da face.
Level Superior Inferior Esquerda Direita
Long Shot 1,0 8,0 1,0 1,0
Medium Shot 0,7 3,0 0,8 0,8
Close-Up 0,6 0,6 0,4 0,4
Extreme Close-Up 0,08 0,6 0,3 0,3
como meta um close-up, a distância mínima necessária é 0, 8 × largura_da_face, sendo
largura_da_face o tamanho horizontal da face.
Usando as proporções definidas na Seção 3.3.1, foi desenvolvido um algoritmo para a
regra-do-zoom. Para testes e ilustrações, a imagem de entrada é recortada e redimensionada
para voltar a suas dimensões iniciais. Entretanto, o objetivo é usar este algoritmo em câmeras
com controle do zoom.
Caso incorporada a uma câmera digital, a regra-do-zoom poderia funcionar seguindo-se
os passos (i) o usuário escolhe uma das configurações (LS, MS, CUP ou XCUP) (ii) o usuá-
rio aponta a câmera em direção ao alvo e pressiona pela metade o botão de captura; (iii) o
algoritmo embarcado calcula o fator de zoom e recorte necessários para satisfazer a confi-
guração escolhida, considerando as coordenadas detectadas para a face sendo fotografada);
se o zoom atual é satisfatório e não há necessidade de modificações, a câmera sinaliza ao
usuário para que a fotografia seja obtida; caso contrário, a câmera pode sugerir modificações
na fotografia; (iv) quando a câmera está pronta e o usuário pressiona o botão por completo,
o zoom é ajustado e a fotografia é obtida. Os níveis de zoom estão ilustrados na Figura 3.8.
3.3.4 Regra-da-Integridade
Esta regra verifica se alguma parte do alvo está sendo “cortada” na fotografia. Dado que a
única informação que se possui a priori da imagem é a posição das faces e suas dimensões,
foi definida uma heurística para inferir se alguma parte do alvo, no caso do corpo da pes-
soa, estaria além das dimensões da imagem. Esta heurística é embasada nas proporções da
Antropometria que inferem dimensões de partes do corpo a partir de outras partes. Logo,
38
Figura 3.8: Ilustração dos níveis de zoom: (a) Long-Shot; (b) Medium-Shot; (c) Close-Up;
(d) Extreme Close-Up.
sabendo-se as dimensões da face, pode-se calcular uma aproximação da altura e largura de
uma pessoa. A partir da Equação 3.3 e dos valores definidos pela Tabela 3.1, a regra-da-
integridade é calculada. Portanto se todas as pessoas da cena, detectadas a partir das razões
antropométricas não pertencerem aos limites estabelecidos, considera-se que a regra está
sendo infringida.
Evidentemente, um cálculo tão simples pode levar a erros, especialmente quando as pes-
soas não estão posando de forma ereta, porém este problema poderia ser resolvido com al-
goritmos mais refinados de detecção sendo deixados, portanto, para trabalhos futuros. Uma
possível abordagem pode utilizar um filtro para tonalidade da pele como indício da parte do
corpo
[
Cavalcanti and Gomes, 2005
]
como também a informação obtida pelo foco da câ-
mera. Adicionalmente, também existem estudos sobre a fotogenia da pose, o que descartaria
de foram subjetiva boa parte das poses que o método heurístico falharia.
3.4 Experimentos
Os experimentos têm como objetivo avaliar através da opinião de pessoas o grau de con-
sistência dos algoritmos propostos. Devido à diversidade de opiniões que podem surgir em
um experimento como este, não existe uma métrica que possa ser usada e que represente
unanimamente as opiniões.
Para tentar reduzir essa ausência de métricas, dois experimentos foram realizados: o
primeiro baseado em comparação de imagens antes e depois da aplicação dos algoritmos; e
o segundo baseado numa análise técnica de todas as imagens, objetivando checar a corretude
39
dos algoritmos e quais são as principais causas que impedem que boas fotos sejam obtidas
dentro do presente contexto.
Para estes experimentos, foram utilizadas 1327 imagens escolhidas arbitrariamente con-
tendo pessoas em diversas poses. As imagens foram obtidas utilizando um rastreador web
o qual procura imagens em sítios destinados a postagem de fotografias como por exemplo:
www.fotolog.net, www.flogao.com.br, etc.
Após obtidas as imagens desses sítios, um detector de faces foi utilizado para descartar as
imagens sem faces detectáveis. Este conjunto de fotografias não foi filtrado por pessoas. O
objetivo desta heterogeneidade foi avaliar a robustez do algoritmo em situações inesperadas.
Obviamente, algumas fotografias não podem ser corrigidas nem através de software nem
manualmente, devido aos graves erros cometidos já no momento da fotografia.
No primeiro experimento, foi arbitrariamente escolhida a distância Close Up como pa-
drão para o módulo de zoom. Esta escolha foi feita dado que em maximizando-se as di-
ferenças entre a imagem original e a modificada, é melhor para o observador perceber as
diferenças e decidir por qual imagem optar. Esta escolha, contudo, pode ser prejudicial nos
casos em que na imagem não se aplicava este nível de zoom.
Um sistema online de votação foi desenvolvido e alguns voluntários foram convidados
a votar. Não havia requisitos quanto ao conhecimento em fotografia. Um total de cinco
voluntários votaram em todas as fotografias. O número de votantes é pequeno devido às
características do problema, no qual desejava-se que cada pessoa votasse em todas as fotos.
Devido à grande quantidade de imagens, nem todas as pessoas que inicialmente se volunta-
riaram vieram a concluir a votação.
Um outro ponto a levar-se em consideração é a ausência de profissionais da área no grupo
de votantes. Existem alguns fatores positivos e negativos quanto a isso. Como pontos po-
sitivos, pode-se citar o fato de os fotógrafos normalmente seguirem linhas artísticas bem
caracteristicas de seus trabalhos, o que forçaria a votação de um número muito grande de
profissionais para que se pudesse ter uma linha bem definida de opiniões. Outro fator posi-
tivo é que a avaliação feita por um fotógrafo muitas vezes é empírica e não corresponde às
espectativas de seu cliente este, que por sua vez, usualmente é um fotógrafo amador e é, de
fato, público-alvo do sistema aqui proposto.
Como pontos negativos, deve-se enfatizar a grande quantidade de informação que poderia
40
ter sido obtida com os profissionais e a ausência da validação dos resultados deste trabalho
por um grupo seleto e experiente. Esta escolha, contudo, não invalida este trabalho, uma
vez que o estado-da-arte da área apresenta artigos com número e nível de conhecimento
semelhantes aos votantes convidados para a validação do trabalho proposto nesta dissertacão,
tal como os trabalhos de Byers et al.
[
Byers et al., 2003
]
, Zhang et al.
[
Zhang et al., 2005
]
e
Santella et al.
[
Santella et al., 2006
]
.
A cada votante foi solicitado que, ao ver a imagem original à esquerda e a modificada
à direira, escolhesse dentre cinco opções. As opções eram: (1) A fotografia modificada é
melhor; (2) Não há diferença entre as imagens e não acho que devesse existir; (3) Não há
diferença entre as imagens, mas acho que deveria existir; (4) A fotografia modificada é pior;
(5) Imprópria.
Em princípio bastariam duas opções: (1) a fotografia está melhor e (2) a fotografia está
pior. Entretanto, em alguns casos, a imagem modificada é semelhante a imagem original,
não sendo possível diferenciá-las com facilidade. Isso explica as duas opções em que o
votante opina que não percebe diferença entre as imagens. Caso o algoritmo não modifi-
que uma imagem originalmente boa, considera-se que o procedimento correto foi tomado.
Entretanto, caso tenha sido ignorada alguma correção, considera-se que o procedimento foi
incorreto. Já a última opção, impropria, é necessária dado que, como não existiu filtragem
manual de conteúdo, podem ter restado resíduos de desenhos, pinturas ou outras imagens
cujas detecções de faces foram realizadas incorretamente.
A ordem das imagens foi alterada randomicamente para garantir a coerência do votante,
ou seja, a imagem indicada como original e a indicada como modificada podem, eventual-
mente, estar invertidas. A Figura 3.9 apresenta a tela do navegador capturada no momento
da votação.
O objetivo principal deste experimento foi avaliar se o algoritmo processou a imagem
de acordo com o esperado. O votante concorda que o algoritmo cumpriu seu papel corre-
tamente quando escolhe as opções 1 ou 3, já que optou pela melhoria de uma imagem ou
não-modificação de uma imagem já considerada boa. O votante discorda do algoritmo ao
escolher a opção 2 ou 4, indicando que a alteração realizada pelo algoritmo foi inapropriada
ou o mesmo deixou de corrigir uma imagem de baixa qualidade. A opção 5 sendo escolhida
por um dos votantes invalida os votos dos demais votantes, dado que se uma fotografia pare-
41
Figura 3.9: Interface utilizada para votação da qualidade da composição efetuada pelo algo-
ritmo proposto.
ceu imprópria para um dado votante, esta mesma fotografia pode confundir outros votantes
e gerar um resultado não confiável.
Ao final da votação, as imagens impróprias foram descartadas. Para a contagem foi utili-
zado o critério de maioria simples, logo bastava que uma das opções tivesse um voto a mais
para ser considerada vitoriosa. O resultado final foi: 65% das fotografias que foram proces-
sadas pelo algoritmo foram consideradas melhores que suas respectivas imagens de entrada,
enquanto 34,7% foram consideradas piores que as originais. As imagens que, porventura,
tivessem empate na votação seriam contadas à parte. Uma vez que a quantidade de votantes
que opinaram em todas as imagens foi ímpar (cinco votantes), não houve empate. O número
de imagens classificadas como impróprias é 374.
A Figura 3.10 apresenta exemplos de imagens as quais os votantes consideraram melhor
após a modificação realizada pelo algoritmo e algumas imagens consideradas piores também
por ação do algoritmo de composição.
Esta pesquisa objetivava avaliar se, em geral, o algoritmo produzia modificações dese-
jáveis. Não foi possível, contudo, avaliar o quão melhor a imagem é, especialmente em
se considerando a alta subjetividade da tarefa. A votação também não considerou fatores
externos tais como questões culturais e raciais, os quais podem ser avaliados em trabalhos
42
futuros.
(a) (b)
Original Modificada Original Modificada
Figura 3.10: Alguns exemplos de fotografias votadas como: (a) A imagem modificada parece
melhor e (b) A imagem modificada parece pior.
O alto número de imagens consideradas piores, gerou a demanda de um outro experimento
para investigar quais problemas foram determinantes para que a imagem gerada pelo algo-
ritmo proposto nesta dissertação fosse considerada pior que a imagem original.
O segundo experimento, utilizou 378 imagens escolhidas arbitrariamente, mas diferentes
das primeiras 1327. O objetivo de se ter utilizado imagens diferentes era verificar o compor-
tamento do algoritmo em um subconjunto menor de imagens. Assim poder-se-ia verificar a
qualidade das imagens uma-a-uma no conjunto completo.
Ao contrário do primeiro conjunto, este foi filtrado por humanos, descartando a maio-
ria das imagens impróprias. Os experimentos tiveram também o objetivo de analisar se os
módulos aplicaram corretamente suas correções.
As imagens foram divididas em dois grupos de fotografias, sendo o primeiro de fotogra-
fias contendo apenas uma pessoa e o segundo contendo grupos de pessoas. Os resultados
precisam ser interpretados de forma independente, pois as regras aplicadas também o são.
Os níveis de zoom diferem pois para fotografias de grupos é considerado a região mínima
de zoom na qual todo o grupo está contido, ou seja, no nível de zoom close-up, a região
43
mínima deve conter todas as faces e os pescoços, enquanto na fotografia de medium-shot é
requerido que a linha da cintura esteja visível. O tamanho do grupo varia. O número máximo
depende da distância e da lente utilizada na câmera. Evidentemente que, quão mais distante
estiver o alvo, mais difícil é a detecção de faces.
A partir do momento que as imagens são estáticas e extraídas da Internet, não há como
modificá-las quando a decisão for além de suas fronteiras (como fazer um “zoom out” além
do tamanho da imagem). Estas imagens irão refletir o atual funcionamento de uma câmera,
na qual o zoom não pode ser diminuído além de seu nível mínimo.
A Tabela 3.2 apresenta os principais problemas encontrados neste experimento. A pri-
meira linha da tabela mostra o número de imagens em cada sub-grupo, seguida pela direção
do olhar, o que implica a análise da regra-dos-terços, a qual exige espaço na direção do
olhar. Oclusão parcial significa que existe alguma parte do tema que está sendo escondida
(ou apenas uma pequena parte está sendo mostrada). Poses incomuns, indica quantas ima-
gens tiveram pessoas posando de forma não-convencional. Por fim, fotografia original conta
quantas imagens tinham problemas impossíveis de serem solucionados já na imagem origi-
nal, impedindo que qualquer modificação surtisse algum efeito positivo.
Tabela 3.2: Percentual dos principais problemas encontrados no experimento de composição
automática de fotografias.
Uma pessoa Grupo
Fotografia original 10% 8%
Direção do olhar 2% -
Oclusão parcial 5% 12%
Erro no headroom 5% 4%
Poses incomuns 2% 2%
Total de imagens 152 226
Pode-se perceber ao analisar a tabela que a maioria dos erros deu-se já na fotografia ori-
ginal, não havendo correção plausível. Também que a regra-do-zoom é a que mais permite
erros, seja por cortar um alvo de forma incorreta seja por permitir um headroom incorreto.
Isso pode ser explicado pela imperfeição da detecção de faces ou da inferência antropomé-
trica.
44
Os resultados de ambos os experimentos podem ser melhorados caso o detector de faces
utilizado possa sempre retornar corretamente todas as facescontidas na imagem e movimento
na câmera fosse permitido, ou seja, outra fotografia pudesse ser obtida de um outro ângulo
ou com alguma outra característica alterada.
Com relação ao desempenho do algoritmo, este foi testado em um Athlon XP 2600+ com
512MB de memória RAM, processando imagens com dimensões de 375x500. Os testes de
desempenho foram executados em 14 imagens diferentes 10 vezes para cada imagem. O
tempo de processamento variou entre 7 e 45ms. Esta variação se dá devido ao número de
faces encontradas e devido ao processamento extra necessário para cada uma destas faces.
A este tempo ainda é preciso adicionar-se o tempo de detecção de faces. O tempo normal
de processamento para um detector de faces é entre 10 e 30ms, permitindo uma taxa de
processamento de aproximadamente 7 quadros por segundo. Este protótipo ainda pode ser
otimizado visando a melhores taxas.
Algumas imagens utilizadas nos experimentos acima descritos podem ser vistas no Apên-
dice B.
3.5 Extração de Características
Uma outra abordagem testada com relação à composição fotográfica foi, ao invés de se
tentar corrigir uma imagem a partir da informação do posicionamento das pessoas, analizar
a qualidade da referida imagem a partir de outras características que pudessem ser extraídas
da imagem.
O objetivo é poder classificar uma imagem como sendo boa, aceitável ou ruim com base
apenas nestas informações extraídas. Para tanto, foram utilizados alguns algoritmos inspi-
rados no trabalho de Datta et al.
[
Datta et al., 2006
]
, os quais extraem informação de baixo
nível da imagem, como também a abordagem apresentada neste capítulo que utiliza infor-
mação de alto nível da imagem, tratando os dados obtidos como informação que pode ser
traduzida na qualidade ao invés de um guia para modificação da imagem. Este cálculo requer
a localização das faces detectadas, considerada aqui como pré-requisito.
Após os dados serem organizados e normalizados, pode ser possível treinar algum sis-
tema de aprendizagem estatística de forma a fazer automaticamente esta classificação. Esta
45
seção visa a descrever cada um destes algoritmos de extração de características. Em princí-
pio, não há limite para a quantidade de algoritmos de extração de características. Entretanto,
para uma aplicação “on-line”, é desejável uma quantidade reduzida de processamento. O
Apêndice D apresenta uma amostra de imagens e os valores de cada uma das características
extraídas de acordo com o descrito nesta seção.
3.5.1 Conformidade à Regra-dos-Terços
A primeira característica a ser analisada é a conformidade do tema fotografado à regra-
dos-terços. Como descrito anteriormente, a regra-dos-terços é respeitada quando o tema
está posicionado nas retas que dividem a imagem em 3 partes tanto horizontalmente quanto
verticalmente e nos pontos de intersecção, pontos estes preferíveis do que apenas posicionar
o alvo por sobre as retas.
Com a intenção de considerar a regra de forma mais abrangente, são propostos três me-
didas, sendo dois primeiros os que calculam a distância às retas horizontais e verticais dos
terços e, o terceiro, calcula a distância do alvo ao ponto do terço mais próximo. Foi defi-
nido que para fotografias de grupos, será calculada a média das distâncias para os três casos
propostos.
As Equações 3.8 e 3.9 mostram como é feito o cálculo da distância da face às retas dos
terços para uma ou mais faces. Partindo da Equação 3.5, sendo x e y as coordenadas da
face em questão, l a largura da imagem, a a altura da imagem, primFace a primeira face,
ultimaFace a última face da seqüência e m = tercoMaisProximo(x, y), tem-se que:
DistanciaMediaTercosH =
| x−
m×l
3
| se numeroDeFaces == 1
ultimaFace
∑
face=primFace
| x−
m×l
3
|
numeroDeFaces
se numeroDeFaces > 1
(3.8)
O mesmo vale para a Equação 3.9 apenas mudando a orientação da reta a ser buscada.
46
DistanciaMediaTercosV =
| y−
m×a
3
| se numeroDeFaces == 1
ultimaFace
∑
face=primFace
| y−
m×a
3
|
numeroDeFaces
se numeroDeFaces > 1
(3.9)
No qual o terço mais próximo vertical é o terço superior pelos mesmo motivos já expli-
cados anteriormente.
A outra medida que pode ser utilizada é a distância do tema ao ponto dos terços, não
importando se ele está, por exemplo, por sobre a reta. O cálculo desta medida também é
simples e é dado pela Equação 3.11. Para facilitar a representação, também se define na
Equação 3.10 a função pontoMaisPróximo que retorna as coordenadas do ponto de terço
mais próximo. Sendo l e a a largura e a altura da imagem respectivamente, tem-se que:
PMP(m, n) = pontoMaisProximo(m, n) = (
m× l
3
,
n× a
3
) (3.10)
logo,
DistanciaPontoTercos =
d((x, y), PMP(m, 1)) se numeroDeFaces == 1
ultimaFace
∑
face=primFace
d((x, y), PMP(m, 1))
numeroDeFaces
se numeroDeFaces > 1
(3.11)
Na equação acima, está sendo assumido que a linha horizontal escolhida será sempre a linha
horizontal superior. Esta escolha se dá pois quando o tema fotográfico é posicionado na linha
horizontal inferior, pode haver um excessivo destaque ao plano-de-fundo. Neste cenário,
foge-se do escopo de aplicação desta dissertação que é destinado a imagens que possuem
apenas pessoas como alvo.
3.5.2 Conformidade à Regra-do-Zoom
Ao contrário da regra-dos-terços, que possui uma clara meta a ser atingida (que o tema esteja
em qualquer um dos pontos dos terços), a regra-do-zoom não possui uma única posição
válida. Logo, a menos que se defina qual distância do zoom será utilizada, não é possível
avaliar se a regra foi atingida ou não.
47
Para contornar esse problema e uma vez que o tamanho da face das pessoas é um im-
portante aspecto a ser considerado, optou-se pela alternativa de se extrair o tamanho médio
das faces e, a partir daí, verifica-se ou não a conformidade a uma das regras escolhidas. Por-
tanto, sabendo-se as coordenadas superior e inferior de cada face dadas por y
superior
e y
inferior
respectivamente, o tamanho da cabeça (tamanhoDaCabeca) é dado por:
tamanhoDaCabeca =| y
superior
− y
inferior
| (3.12)
E, partindo da Equação 3.12, o tamanho médio das faces encontradas, aqui denominado
ZoomMedio, é facilmente calculado por:
ZoomMedio =
ultimaFace
∑
face=primFace
tamanhoDaCabeca
numeroDeFaces
(3.13)
3.5.3 Conformidade à Regra-da-Integridade
A característica da regra-da-integridade é representada pelo percentual de conformidade a
esta regra. Ou seja, tendo-se as coordenadas e dimensões das faces e utilizando-se de me-
didas antropométricas, pode-se calcular em quais imagens o tema pode estar cortado. En-
tretanto, não é desejável utilizar esta regra de forma binária, o que implica um cálculo per-
centual de conformidade, a partir do qual pequenos erros de posicionamento que levem a
cortes serão minimamente penalizado enquanto cortes mais significativos serão duramente
penalizados.
A análise da conformidade à regra-da-integridade é dividida em vertical e horizontal. A
vertical observa se a distância da cabeça aos extremos respeitou um dos padrões de zoom.
Caso contrário, um escore (inicialmente com valor máximo, ou seja 1) é decrementado, para
cada face da imagem, do percentual da diferença em relação ao nível de zoom mais próximo.
Portanto, o cálculo de Integridade é efetuado a partir da Equação 3.14.
Integridade = 1−
ultimaFace
∑
face=primFace
zoomMaisProximo() − linhaDaCabeca
numeroDeFaces
(3.14)
Onde zoomMaisProximo representa a função que retorna o nível de zoom mais próximo
do nível de zoom da face e linhaDaCabeca a coordenada inferior da face.
48
A regra-da-integridade horizontal, similarmente, verifica se alguma das faces não res-
peitou o limite mínimo de 1, 5× LarguraDaFace entre o canto da face e a borda lateral da
imagem. Para cada face que infringir a regra, é diminuído o percentual de não-conformidade.
O Algoritmo 3.1 ilustra a regra:
Algoritmo 3.1 Cálculo da conformidade à regra-da-integridade horizontal.
Sendo x
esquerdo
a coordenada esquerda da face, x
direito
a coordenada direita da face,
larguraDaFace=| x
direito
−x
esquerdo
|, l a largura da imagem e excesso
direito
e excesso
esquerdo
o percentual de espaço insuficiente nas bordas direita e esquerda respectivamente,
para todo x|x é coordenada de face ∈ facesNaImagem
se (x
esquerdo
−1, 5×larguraDaFace < 0)∨(x
direito
+1, 5×larguraDaFace > l), então
Integridade = 1 - (excesso
direito
+ excesso
esquerdo
)
fim se
fim para todo
3.5.4 Conformidade à Regra-do-Espaço
Esta regra indica se uma determinada face atinge a distância mínima (semelhante à regra-da-
integridade) e não ultrapassa uma distância máxima até as bordas superior e inferior. Desta
forma, ela age igualmente à regra-da-integridade. Para simplificar, é indicado, quando há fa-
lhas, apenas o espaçamento em excesso. Ou seja, sendo a a altura da imagem,topoDaCabeca
a coordenada superior da face, cantoDaCabeca a coordenada inferior da face e o tamanho da
cabeça representado por tamanhoDaCabeca (como calculado na Equação 3.12), o espaça-
mento superior e inferior só estará errado se não forem satisfeitas as Equações 3.15 e 3.16,
respectivamente:
(tamanhoDaImagem−topoDaCabeca)
tamanhoDaCabeca
≥ 1, 5 (3.15)
(tamanhoDaImagem− cantoDaCabeca)
tamanhoDaCabeca
≥ 10 (3.16)
49
A taxa de conformidade é medida, portanto, através do cálculo do percentual que foi
ultrapassado na regra.
3.5.5 Fotogenia das Faces
Por fim, este algoritmo pode ser utilizado para determinar se as faces detectadas são fotogê-
nicas ou não, de acordo com o trabalho de Batista et al.
[
Batista et al., 2006
]
. Nesse artigo,
o autor treina uma Rede Neural utilizando informações extraídas por um extrator de carac-
terísticas, PCA - Análise dos Componentes Principais (Principal Component Analysis), os
quais são capazes de determinar, utilizando apenas a imagem da boca, a fotogenia da face.
A regra utilizada, a qual indica o estado da face, pode retornar três valores:
Fotogenia( face) =
0 se face é não-fotogênica
1 se face é fotogênica
2 se não é possível determinar
(3.17)
Para a execução deste algoritmo, é preciso, além do detector de faces comum a todo o
sistema, a utilização de um detector de olhos, portanto quando os olhos não são encontrados,
a função não é capaz de determinar a fotogenia da face retornando 2.
3.5.6 Classificação Automática de Fotografias
Durante o desenvolvimento das regras de extração de características, foi testada a aborda-
gem de treinar uma Rede Neural a partir dos dados das imagens e de uma série de imagens
rotuladas por voluntários como sendo Boas ou Ruins. A intenção da abordagem era verificar
se, para um dado conjunto de imagens rotuladas, seria possível indicar quais característi-
cas são mais determinantes. Desta forma, após treinada uma rede utilizando-se apenas as
mais discriminantes das características, esta seria capaz de classificar automaticamente uma
fotografia, dentre os rótulos acima apresentados.
Após o estudo do rotulamento a partir das características, pôde-se perceber que a ho-
mogeneidade intra-classe não acontece para todas as classes. Este fato pode ser um indício
de que os dados não são separáveis, mesmo através do uso de Redes Neurais impedindo a
50
convergência da mesma. Pôde-se chegar a esta conclusão através do cálculo do Coeficiente
de Variação que dá uma medida de como variam os dados intra-classe.
A Equação 3.18 mostra como é calculado o Coeficiente de Variação e a Figura 3.11 o
gráfico representando os valores calculados para cada característica nas classes Boas e Ruins,
aqui representadas pelas cores azul e vermelha respectivamente. Os dados utilizados são
oriundos de alguns extratores de características descritos ao longo desta seção e os demais
do trabalho de Datta et al.
[
Datta et al., 2006
]
.
A mesma Figura 3.11 ainda indica fortes candidatos a serem descartados como a Integri-
dade Vertical (IntVertic), a Integridade Horizontal (IntHoriz) e o valor médio da distância ao
ponto dos terços (ThirdsM). Por outro lado, as caracteristicas espaçamento ao topo (RoomT),
conformidade à regra-dos-terços horizontal (ThirdsHor) e conformidade à regra dos terços
vertical (ThirdsVer) apresentaram uma taxa de homogeneidade maior do que as demais ca-
racterísticas, indicando possíveis candidatas a formarem um conjunto de treinamento. Os
dados são interpretados para cada classe separadamente.
CV =
σ
µ
(3.18)
onde σ é o desvio padrão e µ a média dos dados.
Figura 3.11: Coeficiente de Variação de cada uma das 6 características extraídas para cada
uma das duas classes classes (sendo as classes boa e ruim representadas pelas cores azul e
vermelha respectivamentes).
A partir deste gráfico é possível perceber-se que a variação intra-classe é pequena. Para
51
cada uma das características, esperava-se uma maior variação em uma das classes de forma
que fosse viável a separação da informação. Variando desta forma, ambas as classes terão
comportamento semelhante não havendo características determinantes para a separação dos
dados.
Uma outra medida que pode ser utilizada para mostrar como os dados se relacionam é o
Coeficiente de Correlação. Assim é possível analisar o quão similares são os dados. Sendo
COV calculado como mostra a Equação 3.19, o Coeficiente de Correlação é calculado através
da Equação 3.20. A Figura 3.3 mostra a correlação entre os dados.
Na Tabela 3.3, RoomTop corresponde aos dados obtidos pela regra-do-espaçamento,
ThirdsM o cálculo do valor médio dos terços, IntegHoriz e IntegVerti correspondem respec-
tivamente à integridade horizontal e a integridade vertical e ThirdsHor e ThirdsVer, corres-
pondem respectivamente aos valores obtidos na análise da conformidade às regras-do-terço
considerando as linhas de terço horizontais e verticais.
Os dados apresentados mostram que há uma forte correlação entre, dentre outros, ThirdsM
e RoomTop, o que mostra que estes dois dados se assemelham bastante não sendo facilmente
separáveis. Poder-se-ia, por exemplo, descartar uma das duas fontes de dado.
COV(X,Y) =
1
n
n
∑
i−1
(X
i
− µ
x
) × (Y
i
− µ
y
) (3.19)
ρ =
COV(X,Y)
σ
x
× σ
y
(3.20)
Tabela 3.3: Coeficiente de Correlação entre as características.
RoomTop ThirdsM IntegHoriz IntegVerti ThirdsHor ThirdsVer
RoomTop 1
ThirdsM 0,18261 1
IntegHoriz 0,012492 0,090322 1
IntegVerti -0,0245 0,018206 0,25867 1
ThirdsHor 0,122674 -0,48116 0,091371 0,087707 1
ThirdsVer 0,052869 -0,57745 0,044387 0,025942 0,172451 1
52
Outras abordagens foram testadas, dentre elas o ID3
[
Mitchell, 1999
]
, com a qual se
conseguiram melhores resultados, na ordem de 78% de classificação correta. Entretanto, a
profundidade da árvore resultante e a variação nos resultados dos treinamentos faz concluir
que a generalização foi baixa, não sendo esta abordagem capaz de satisfazer os inúmeros
requisitos.
Apesar destes insucessos, esta abordagem não deve ser descartada, apenas sendo neces-
sário um estudo mais aprofundado sobre a metodologia do rotulamento, o qual foi realizado
sem delimitação, assim cada pessoa votava de acordo com seu juízo de valor se a fotografia
era boa ou não. O problema pode estar neste passo, já que no passo seguinte, a classifica-
ção é feita por regras bem definidas as quais os votantes não necessariamente levaram em
consideração.
3.6 Considerações Finais
Os resultados parecem promissores, apesar da simplicidade utilizada para executar as regras
de composição propostas nesta dissertação. Alguns melhoramentos são necessários para
resultados mais rápidos e melhores, especialmente no tocante à detecção e interpretação da
ação do alvo, dado que a variação do contexto implica drásticas diferenças no julgamento.
Neste capítulo, foi descrito como, a partir de uma imagem já obtida, pode ser melhorada
uma fotografia quanto a sua qualidade visual subjetiva.
Foram apresentados três módulos de composição, regra-dos-terços, integridade e regra-
do-zoom e um módulo para controle dos três além de solução de conflitos.
Os experimentos foram realizados com a intenção de validar a robustez do sistema. Para
isto, o sistema foi executado em dois conjuntos de 1327 e 378 imagens respectivamente,
com o fim de verificar se a qualidade é mantida para um conjunto de imagens de boa quali-
dade, como também se a qualidade pode ser elevada, quando se dispõe de imagens de baixa
qualidade. Como resultado, tem-se que 65% dos voluntários votantes, concordaram que as
modificações feitas pelo algoritmo surtiram efeito positivo nas imagens.
Por fim, foram apresentados algoritmos para extração de características, os quais po-
dem efetuar cálculos sobre o comportamento de uma determinada regra para uma imagem,
dispondo apenas de sua face.
53
A aplicação destas regras em um ambiente dinâmico no qual é possível interagir com
o cenário é mostrado no capítulo seguinte no qual será mostrado como realizar o mesmo
trabalho de composição fotográfica a partir de uma câmera móvel modificando o ambiente
antes da fotografia ser obtida.
54
Capítulo 4
Proposta de uma Plataforma para
Fotografia Autônoma
4.1 Introdução
Neste capítulo, é proposto um sistema capaz de controlar remotamente uma câmera com
o objetivo de localizar e fotografar um determinado tema disposto em um ambiente não-
controlado. Igualmente ao restante desta dissertação, o tema em questão sempre são pessoas.
A utilização de uma câmera controlável dá a possibilidade de correção prévia da composição
fotográfica podendo, inclusive, ajudar a evitar erros que não seriam passíveis de correção
após a fotografia ter sido obtida.
No Capítulo 3, foram propostas algumas correções na composição que podem ser realiza-
das após a fotografia ser obtida. Entretanto, algumas outras correções poderiam também ser
realizadas, caso fossem permitidas alterações antes mesmo da fotografia ser obtida. Como
exemplo, pode-se citar o corte de pessoas. Após a fotografia ser obtida, apenas pode-se mo-
dificar o corte a fim de que este pareça menos agressivo, contudo não é possível obter a parte
da imagem cortada.
Caso a detecção fosse feita antes da fotografia, seria possível mover a câmera de forma
que este corte fosse evitado. Dentro do presente contexto, é apresentada neste capítulo uma
abordagem que permite que erros sejam detectados antes mesmo da fotografia ser obtida
para, sempre que possível (e desejável) estes erros possam ser evitados.
Para isso, é preciso um hardware de fotografia específico, capaz de se movimentar de
55
acordo com o erro detectado, a fim de corrigi-lo. No protótipo desenvolvido, é utilizada uma
câmera Pan-Tilt-Zoom (PTZ), ou seja, uma câmera que possui mecanismo que lhe dá três
graus de liberdade, permitindo rotação horizontal e vertical além da mudança do ângulo de
visão. Com esta câmera, é possível corrigir alguns dos problemas mais comuns encontrados
nas fotografias obtidas por fotógrafos inexperientes.
O sistema assim proposto pode ser aplicado em diversas ocasiões, conforme discutido a
seguir. A primeira é a de um ponto fixo de fotografia capaz de fotografar um evento, à medida
que ele ocorre, mesmo que as pessoas participantes deste evento não estejam posando para
esta fotografia.
A segunda ocasião possível é a busca por elementos detectados visualmente em um am-
biente fixo, como uma busca por uma logomarca em um espaço.
Como uma terceira aplicação, existe a opção da pose intencional, na qual a câmera foto-
grafa pessoas que estão posando para uma fotografia. Além das três citadas anteriormente,
inúmeras outras aplicações semelhantes, ou a partir de pequenas variações da abordagem
proposta, podem surgir.
No problema aqui apresentado, serão feitas restrições que devem ser observadas, a fim
de se delimitar o escopo desta abordagem. Em primeiro lugar, todas as restrições feitas no
Capítulo 3 continuam válidas. O problema é semelhante, apenas sendo tratado de uma forma
diferente. Em seguida, deve-se delimitar que a câmera não é dotada de movimento espacial,
ou seja, ela não pode locomover-se pelo ambiente na qual ela é colocada, mas apenas girar
em torno de seu próprio eixo. Logo, assume-se que a câmera é posicionada na direção que as
pessoas a serem fotografadas estarão em uma distância que seu zoom seja capaz de alcançar.
Também não é informado ao sistema o posicionamento do alvo, logo a câmera precisa
encontrar o alvo por si só (sendo satisfeita a condição anterior). A localização não é feita a
partir de nenhuma interação entre pessoas e a câmera, sendo essa localização realizada pela
detecção de faces. Dadas as limitações, portanto, pessoas não detectadas serão tratadas como
plano-de-fundo.
Para a simulação e experimentos, os quais serão fiéis às três aplicações aqui propostas,
considera-se que o ambiente é um salão qualquer (sala de aula, auditório, etc) contendo
pessoas ou imagens visíveis de pessoas, representando os alvos da fotografia que o sistema
busca. Prioritariamente, deseja-se a correção do posicionamento da câmera. Entretanto,
56
outros indicadores de qualidade podem ser agregados. O objetivo, portanto, é obter uma
grande quantidade de imagens maximizando-se a qualidade, a qual é medida de acordo com
as métricas utilizadas pelos módulos agregados ao sistema.
A próxima seção contém uma descrição da câmera utilizada e como esta é controlada. Na
Seção 4.3, são apresentados os principais problemas relacionados à localização de temas em
uma cena. Posteriormente, na Seção 4.4 é mostrado como, a partir da detecção de pessoas
na cena, estas podem ser enquadradas e fotografadas. Na Seção 4.5, é descrito como foram
realizados os experimentos que validaram o sistema proposto. Em seguida, na Seção 4.6, são
descritas algumas propostas de aplicação para o sistema descrito e, por fim, na Seção 4.7,
apresentam-se as conclusões deste capítulo.
4.2 Funcionamento da Câmera
Para o controle da câmera, foi desenvolvida uma API (do inglês Application Programming
Interface) em C++, capaz de simplificar a utilização das principais funcionalidades da câ-
mera, tais como obtenção e ajuste dos graus de rotação (vertical e o horizontal), obtenção e
ajuste do ângulo de visão, captura de imagens da câmera, etc.
O modelo VB-C50i da marca Canon, utilizado neste experimento, é capaz de fornecer
imagens a uma taxa aproximada de 30 quadros por segundo, sendo apresentado na Figura 4.1.
Essa taxa varia de acordo com a resolução da imagem (que pode ter as dimensões 160x120,
320x240 e 640x480) e com a utilização de algoritmos de detecção de faces e processamento
de imagens. Devido ao fato de as imagens serem transmitidas via Ethernet, essa taxa pode
variar em decorrência ao tráfego da rede.
Há também a necessidade de conversão dos dados transmitidos para um formato mani-
pulável. Neste caso, a imagem é transmitida no formato JPEG. Portanto, é necessário um
algoritmo que possa realizar a decodificação da imagem e a conversão para o formato de
imagem utilizada pelo sistema proposto, o qual utiliza a biblioteca CImg
[
CImg, 2005
]
. Para
este fim, foi utilizada a biblioteca libjpeg
[
IJG, 2005
]
para abrir a imagem diretamente após
feita a cópia da câmera para o disco. Com relação ao ângulo de visão deste modelo, sua
maior abertura possui 41,26
◦
e a menor 1,97
◦
.
A comunicação com a câmera é realizada através de chamadas a funções, enviadas como
57
Figura 4.1: Modelo de câmera utilizado - Canon VBC-50i.
requisições HTTP. Entretanto, o envio de comandos para câmera opera de modo não bloque-
ante, desta forma, logo após o envio de uma requisição para a câmera, o sistema continua
em operação independentemente do tempo que a câmera leva para receber a requisição e
para realizar a ação. Contudo, o módulo de movimentação e o módulo de captura da câmera
operam de forma paralela, podendo haver captura enquanto há movimentação e vice-versa.
Isso permite que o sistema continue capturando imagens na medida em que o movimento é
processado.
A desvantagem, contudo, é que esta característica pode atrapalhar a detecção de obje-
tos pois eventualmente serão capturadas imagens apresentando uma imagem “borrada” em
decorrência da captura da imagem ter sido realizada com o obturador aberto por tempo sufici-
ente para capturar a movimentação da câmera, também conhecido como motion blur
[
Parker,
1997
]
. Para resolver este problema pode-se usar estratégias de espera de forma que o sistema
fique em espera ocupada durante o tempo estimado (dado que o modelo de câmera utilizado
não possui sinalização para fim de movimento) enquanto a câmera conclui sua movimenta-
ção.
Outra desvantagem desta metodologia de captura de imagens é que o hardware da câmera
não é programado para atualizar o valorde seu posicionamento enquanto está em movimento.
Portanto, se durante o movimento algum objeto de interesse é detectado, não é possível saber
com exatidão qual sua posição nem interromper o movimento. Se a câmera recebeu a ordem,
por exemplo, de partir de sua origem, rotacionar 20
◦
(em qualquer direção) e, durante a
rotação, alguma face for detectada nas imagens capturadas enquanto ainda ocorria a rotação
da câmera, não é possível interromper a rotação ou obter a posição em que a câmera estava
quando a imagem foi capturada por limitações do próprio equipamento.
58
4.3 Localização de Alvos na Cena
A localização do tema consiste em, posicionada a câmera em um ambiente, delimitar o
espaço de busca e encontrar um tema de interesse para enquadramento e posterior captura de
imagens utilizando uma maior resolução do sensor de captura.
A busca por um alvo, contudo, depende imensamente de qual cenário o sistema está
imerso, informação esta que muitas vezes não é passível de auto-detecção, sendo uma esco-
lha que cabe ao usuário.
Não há uma forma de se procurar um alvo em uma imagem que seja mais lógica do que as
outras quando não se tem informação alguma sobre aquela região. Logo, não há no início da
execução do sistema, nenhuma estratégia que possa ser adotada para aumentar a quantidade
de alvos encontrados. Portanto, se nenhuma restrição for feita, pode-se afirmar que em todo
o espaço coberto pelo campo de visão da câmera podem haver pessoas.
Dentro do presente contexto, em se tratando de um sistema autônomo de procura de pes-
soas, em primeiro lugar deve-se procurar por pessoas para, em seguida e em se tendo os
resultados desta pesquisa, restringir a área de busca, dando mais prioridade a regiões nas
quais os temas foram encontrados enquanto as regiões procuradas sem sucesso são desenco-
rajadas a novas buscas. Essa alternativa, entretanto, é arbitrária, pois em não se conhecendo
o cenário, não é possível afirmar que a cena não irá mudar do conhecimento já obtido. O
mais interessante é que o usuário possa definir qual a faixa de atuação do sistema e qual a
freqüência de atualização da cena.
A Figura 4.2 ilustra o funcionamento do módulo Pan-Tilt-Zoom. Apos inicializar a câ-
mera em uma posição, ajusta-se a mesma para cada face encontrada de forma que as pessoas
encontradas, estejam em conformidade com as regras de composição de fotografias imple-
mentadas nos módulos.
A seguir, nas próximas três sub-seções, são detalhados os possíveis cenários nos quais
o sistema pode ser imerso, como pode ser feita a detecção do tema e, posteriormente à
detecção, como calcular a movimentação necessária para um enquadramento apropriado.
59
Figura 4.2: Diagrama do funcionamento do módulo PTZ.
4.3.1 Possíveis Cenários
Um passo importante para o funcionamento adequado do sistema é se ter ciência de qual
cenário o sistema está interagindo. Poder-se-ia fazer uma interpretação automática do ce-
nário, contudo esta é uma área de pesquisa ainda sendo estudada, dada a sua complexidade
decorrente da quantidade de situações possíveis, ficando esta parte do sistema como trabalho
futuro.
Para efeitos desta pesquisa, foi decidido pela fixação de três possíveis cenários. No
primeiro cenário, chamado estático, considera-se que no ambiente não haverá mudanças
nem na quantidade de alvos nem em suas localizações durante a execução do programa. Já
em um segundo cenário, semi-dinâmico, pode-se permitir mudanças de pequena amplitude,
entretanto, considera-se que o número de alvos não variará durante a execução do sistema.
Nestes dois primeiros cenários, considera-se que onde um tema foi procurado e não foi
encontrado, este não será encontrado no futuro.
Por fim, na proposta de um cenário dinâmico, há de se esperar quaisquer tipos de mudan-
ças. Para tanto, é necessária a utilização de um fator de desatualização, ou seja, por quanto
tempo - ou passos do sistema - uma dada região pode ser considerada atualizada, ou seja, por
quantos passos, considera-se que a informação de presença ou não de temas é precisa.
Se a escolha for por um cenário estático: (i) não haverá desatualização, ou seja, a infor-
mação descoberta na procura em uma cena perpetua-se como correta durante a execução do
60
sistema; (ii) o alvo não se move; (iii) a quantidade de alvos permanece inalterada dentro do
ângulo de visão da câmera.
Em um cenário semi-dinâmico: (i) não haverá desatualização e (ii) o alvo pode mover-
se, desde que dentro do ângulo de visão da câmera na posição onde ele foi inicialmente
detectado; (iii) o número de alvos na cena não variará.
Já em um cenário dinâmico, está implícito que: (i) mudanças podem ocorrer no cenário,
apenas sendo necessária a indicação do tempo em que o cenário se modifica, (ii) o alvo pode
mover-se livremente, inclusive para fora do campo de visão da câmera e (iii) podem também
surgir novos alvos.
Após definido o cenário, pode-se, portanto, partir para a etapa de detecção do tema já
que agora sabe-se como ele deve se comportar na cena.
4.3.2 Detecção do Tema
Neste sistema, para que um tema possa ser localizado é necessário que sejam utilizadas
apenas as imagens capturadas pelo dispositivo em questão. No sistema exposto, a localização
do tema é feita a partir da detecção de faces, por ser esta uma evidência da presença de
pessoas em uma cena.
Além da detecção de faces, pode também ser utilizada a evidência do movimento através
da detecção de movimentos
[
Latzel et al., 2005
]
, a exemplo da implementação disponível no
pacote da OpenCV
[
OpenCV, 2005
]
. Este, contudo, é opcional, pois apenas a detecção de
faces por si só já é uma evidência da presença de pessoas.
Para a detecção de faces, qualquer detector de faces pode ser utilizado. O sistema pro-
posto nesta dissertação foi testado com dois detectores de faces diferentes: o detector de
faces Rowley-Kanade
[
Rowley et al., 1998a; Rowley et al., 1998b
]
e o detector de faces
OpenCV
[
OpenCV, 2005
]
.
Ambos variam em portabilidade, quantidade de falsos positivos, quantidade de falsos
negativos e velocidade da detecção. Em geral, o Rowley-Kanade Face Detector é o que
possui melhor desempenho considerando-se essas quatro métricas de qualidade.
Já o OpenCV, apesar de ser o mais portável (considerando-se a facilidade para se integrar
a um sistema linux) e um pouco mais veloz (conseguindo taxas de quadros por segundo mai-
ores que as do Rowley-Kanade) detecta muitos falsos positivos e a variação das dimensões
61
de uma mesma face detectada é grande, enquanto o concorrente é mais estável.
Uma outra vantagem do detector da OpenCV é que este dispõe de um módulo de treina-
mento utilizando o algoritmo de busca pela integral image e classificador Adaboost
[
Viola
and Jones, 2001
]
, no qual é possível indicar qual alvo deseja-se localizar, sendo possível,
por exemplo, treinar o detector para ao invés de detectar faces, efetuar a detecção de outros
objetos.
Apesar de ser um grande indicativo da presença de pessoas, a detecção de faces possui
desvantagens com relação a outros métodos. Em primeiro lugar, devido ao fato de a detecção
de faces ser lenta em relação à velocidade de movimentação de pessoas. Em segundo lugar,
devido à dificuldade deste detector localizar pessoas caso a face não esteja completamente
visível, seja por uma oclusão causada por outro elemento da imagem, seja devido à rotação
da pessoa na cena. Portanto, este método é mais indicado para ambientes nos quais, sendo
o tema pessoas, elas movimentem-se pouco ou lentamente e a possibilidade de oclusão seja
reduzida, e.g.: salas de aula, auditórios, teatros, etc. pois, normalmente, os espectadores
estão olhando para um ponto fixo, não havendo significativa movimentação ou objetos que
possam causar oclusão.
Outras abordagens já estão em desenvolvimento para lidar com estes problemas, tal como
a utilização de detectores de movimento (disponível no pacote OpenCV
[
OpenCV, 2005
]
) e a
utilização de detecção de pontos de atenção visual
[
Itti et al., 2005; Pereira and Gomes, 2006;
Pereira et al., 2006
]
, os quais podem ser utilizados como um guia, apesar de que, em algumas
ocasiões, os algoritmos de atenção podem marcar pontos longe do alvo, pelo fato deste não
ser o elemento de maior compiscuidade na cena, resultando em instabilidade no sistema.
Em alguns cenários, as pessoas poderiam ser fotografadas pela câmera, se esta tivesse
grau de rotação maior ou possibilidade de movimentação. Byers et al.
[
Byers et al., 2003
]
propõem um sistema capaz de localizar pessoas em um cenário utilizando sensores infra-
vermelhos e informação de tonalidade de pele para, em seguida, movimentar-se no cenário a
fim de obter uma fotografia frontal.
Portanto, a abordagem aqui apresentada considera que há apenas um detector de faces a
ser aplicado em imagens obtidas por uma única câmera PTZ, sem ajuda de sensores externos,
outras câmeras ou de possibilidade de movimentação pelo ambiente.
62
4.3.3 Representação do Conhecimento
Para representar a informação sobre a cena, como os lugares recentemente procurados, as
áreas mais desatualizadas, a localização das pessoas, dentre outras informações passíveis de
serem encontradas, foi criada uma estrutura de representação. Para essa estrutura de repre-
sentação, utiliza-se uma imagem cujas dimensões são fiéis à área de busca, sendo cada 0,5
grau representado por um pixel da imagem, na qual a coordenada da câmera é simbolizada
pelo centro da imagem que esta captura. Dado que a câmera pode girar 200
◦
e 120
◦
hori-
zontalmente e verticalmente respectivamente, a imagem deveria ter dimensões de 400 x 240.
Entretanto, quando o centro da câmera aponta para os ângulos de Pan ou Tilt, ainda existe
uma área capturada pela câmera que não seria representada, equivalente a metade do ângulo
de visão da câmera. Logo, a imagem deve ter dimensões de 480x300.
A representação é feita em três canais, nos quais cada canal representa uma faixa de
zoom de 33% do total. Esta escolha foi feita arbitrariamente com a intenção de se reduzir a
faixa de valores para três magnitudes, de maneira que se possa representar a cena em curta,
média e longa distância.
Por simplicidade e tirando proveito de estruturas típicas de representação de imagens
coloridas, o zoom mínimo é representado pelo canal vermelho, o zoom médio, pelo canal
verde e o zoom máximo pelo canal azul. A cada procura em uma região, os pixels da região
de tamanho do ângulo de visão atual centralizados nas coordenadas relativas aos valores
de Pan e Tilt da câmera, são marcados com o valor 255. Os níveis de zoom precisam ser
separados pois uma face encontrada em um nível de zoom, seja ele menor ou maior, pode
não ser detectada nos outros dois níveis devido a proximidade ou distância do tema à câmera.
A cada movimentação da câmera, é feita uma redução da intensidade dos pixels em 3
níveis, para os três canais considerando. Isto é realizado para representar a desatualização do
conhecimento sobre a cena, ou o aumento da incerteza. Esta abordagem de representação do
conhecimento da cena foi escolhida pois é de fácil representação, visualização, modificação
e ainda processamento, dado que algoritmos de processamento de imagens como projeções
e limiares podem ser utilizados diretamente para obter a finalidade escolhida.
Também existe a vantagem de se poder utilizar qualquer abstração de imagem existente
que possua estes algoritmos além de outros relacionados como desenho de retângulos, por
exemplo. As faces e outros ítens localizados em separado, os quais deseja-se comporta-
63
mento diferente podem ser representados através de uma segunda imagem, dedicada exclu-
sivamente para tal.
A Figura 4.3 contém um exemplo da representação do conhecimento através destas ima-
gens. Na imagem representando a incerteza de uma cena, a região preta é a da qual não se
tem nenhum conhecimento. As cores isoladas (vermelho ou verde) indicam uma procura
com apenas um nível de zoom. As cores combinadas (no exemplo, amarelo) indicam a pro-
cura em mais de um nível de zoom. Os pontos brancos, opcionais, representam a certeza da
existência de uma face naquele ponto.
Figura 4.3: As imagens acima ilustram como é representado o conhecimento da certeza da
cena (imagem superior) e da posição dos temas detectados (imagem inferior). As cores,
na imagem superior, representam as buscas utilizando ângulos de visão menores que 33
◦
(vermelho), entre 33
◦
e 66
◦
(verde), entre 0
◦
e 66
◦
(amarelo) e as faces localizadas (branco).
De posse destas imagens que representam a informação obtida na cena, é trivial encon-
trar-se alguns pontos de interesse. Através da imagem que representa as faces detectadas
pode-se, utilizando projeção, saber onde estão as faces, aproximar a quantidade e qual o ân-
gulo de visão que deve ser usado para enquadrar estas faces. Além disso, com base nesta
informação, pode-se procurar nas mesmas alturas em locais diferentes por novas faces ainda
não detectados, sustentado pelo princípio que, onde existe uma pessoa, as outras provavel-
mente seguirão um padrão de comportamento, como altura e distribuição. A representação
do conhecimento da cena também pode ser utilizada para, em calculando-se áreas mais es-
curas da imagem, saber quais as regiões nas quais o conhecimento está mais desatualizado
para assim buscar por temas nesta área.
A forma de representação utilizada nada mais é do que uma abstração visual da utilização
64
de matrizes para representação do mesmo conhecimento, podendo, sem perdas, ser utilizada
esta outra forma de representação e armazenamento dos dados encontrados.
4.3.4 Estratégias de Busca por Alvos
Independentemente de qual cenário venha a ser utilizado, no problema abordado neste capí-
tulo é considerado que, inicialmente, não há informação alguma sobre a possível localização
do alvo na cena. Portanto toda e qualquer direção, em princípio, pode ter um alvo a qualquer
distância da câmera. Dada esta condição, faz-se necessária a adoção de uma estratégia para
procurar, com eficiência, pelo alvo em toda a extensão da cena.
Para tanto, são propostas quatro diferentes estratégias de busca para a localização de
pessoas: estática, randômica, losangular e panorâmica, estratégias estas que devem satisfazer
os cenários anteriormente descritos. Em todos os casos, o objetivo é encontrar alvos. Assim
que um alvo é detectado, a câmera move-se para enquadrar este alvo. Mais detalhes de como
é realizado o movimento para que o alvo seja enquadrado, é descrito adiante na Seção 4.4.1.
A primeira estratégia de busca, a estática, consiste em posicionar a câmera de forma que
ela permaneça apontada para uma direção específica e, na medida em que localiza alvos, efe-
tuar o enquadramento. Na medida em que se movimenta, a câmera pode perder o alvo, quer
seja por falha no detector, quer seja pelo deslocamento do alvo, o qual pode sair do ângulo
de visão da câmera. Quando isto acontece, a câmera volta para sua posição inicial. Esta
estratégia é indicada para ambientes nos quais os alvos estão concentrados em uma região
sempre contida dentro do campo de visão da câmera, como exemplo de uma sala de aula ou
auditório estreitos e, não muito profundos. O Algoritmo 4.1 lista os passos desta estratégia
de busca. A idéia é que o algoritmo repita o procedimento de fotografia indefinidamente
ou até que alguma métrica seja atingida. No algoritmo descrito a métrica é o número de
fotografias obtidas.
A estratégia de busca randômica consiste em efetuar pequenas movimentações na câ-
mera, sendo a direção e a intensidade do vetor de movimentação determinados de forma
aleatória. Esta estratégia é indicada para situações nas quais o alvo esteja disperso pelo
ambiente e movimente-se sem direção ou velocidade bem definidas. A desvantagem é a pos-
sibilidade de uma grande perda de tempo em virtude da desordem da busca, dada a grande
quantidade de possibilidades. Esta estratégia de busca é mostrada no Algoritmo 4.2.
65
Algoritmo 4.1 Estratégia de busca estática.
#Inicializar o contador de fotografias e mover a câmera para a posição inicial
câmera.setPanTiltZoom( 0 , 0 , 41
◦
26’ );
i=0;
#Executar até que um certo número alvo de fotos númeroDeFotos seja atingido
enquanto ( i <númeroDeFotos ), faça
#Marcar a hora atual
horaInício = horaAtual();
#Capturar a imagem da posição atual
Img = câmera.fotografar();
#Procurar por alvos na imagem da posição atual
ListaDeAlvos = procurarAlvos(Img);
#Para cada alvo encontrado, enquadrá-lo, fotografá-lo em alta definição e salvar a
imagem
para todo Alvo ∈ ListaDeAlvos
câmera.setPanTiltZoom( enquadrar( Alvos ) );
foto = câmera.fotografarAltaDefinicao();
foto.salvar(toString(i++).".jpg");
fim para todo
se ( horaAtual() - horaInício > limiteDeTempo ), então
câmera.setPanTiltZoom( 0 , 0 , 41
◦
26’ )
fim se;
fim enquanto;
66
Algoritmo 4.2 Estratégia de busca randômica.
#Iniciar a câmera com os valores (0,0) e ângulo de visão mais amplo
câmera.setPanTiltZoom( 0 , 0 , 41
◦
26’ );
i=0;
#Executar até que um certo número alvo de fotos númeroDeFotos seja atingido
enquanto ( i <númeroDeFotos ), faça
#Fotografar a cena
Img = câmera.fotografar();
#Procurar por alvos na imagem da posição atual
ListaDeAlvos = procurarAlvo(Img);
#Para cada alvo encontrado, enquadrá-lo, fotografá-lo em alta definição e salvar a
imagem
para todo Alvo ∈ ListaDeAlvo, faça
câmera.setPanTiltZoom( enquadrar( Alvo ) );
foto = câmera.fotografarAltaDefinição();
foto.salvar( toString( i++ ).".jpg");
fim para todo
#Caso o tempo limite seja ultrapassado ou nenhuma pessoa for encontrada, mover a
câmera aleatoriamente
se ( horaAtual() - horaInício > limiteDeTempo ) ∨ ( ListaDeAlvos == ∅ ), entao
NovoPan = câmera.panAtual() + aleatório( 0,0 , 20,0 );
NovoTilt = câmera.tiltAtual() + aleatório( 0,0 , 10,0 );
NovoZoom = câmera.zoomAtual() + aleatório( 0,0 , 5,0 );
câmera.setPanTiltZoom( NovoPan , NovoTilt , NovoZoom );
fim se;
fim enquanto;
67
Por sua vez, a estratégia de busca losangular descreve uma trajetória não-aleatória mo-
vendo a câmera de forma a ter os pontos médios do retângulo que representa o ângulo de
visão completo da câmera, tais como pontos de partida e destino. O termo de busca losangu-
lar, portanto, vem do fato de a câmera percorrer uma trajetória semelhante a um losango. A
diferença vem do fato de a câmera não ser simétrica, podendo girar mais na direção superior
(90
◦
) do que inferior (30
◦
).
Na primeira execução, o retângulo é o determinado pelo ângulo de visão total da câmera.
Já nas execuções subseqüentes este ângulo é reduzido em se definindo novas fronteiras limite
para a câmera, fronteiras estas mais próximas ao centro. Esta estratégia de busca tem o
objetivo de cobrir a região do ângulo de visão mais propícia a ter pessoas, ou seja, a região
central.
Na Figura 4.4, ilustra-se o percurso que a câmera segue quando descreve a estratégia
de busca losangular. Vale observar a redução do espaço de busca do primeiro passo (setas
pretas) para o segundo passo (setas vermelhas) ilustrado aqui pelas marcas cinzas.
Figura 4.4: Três passos de busca losangular (primeiro preto, segundo vermelho). A área
disponível é reduzida no segundo passo (área cinza representa locais que não serão mais
visitados).
O Algoritmo 4.3 mostra detalhadamente a busca em forma de losango. Por fim, a estraté-
gia de busca panorâmica faz um “retrato panorâmico” da cena, através da junção de imagens
isoladas capturadas pela câmera que se assemelham à imagem que seria obtida caso fosse
utilizada uma câmera com lente especial para permitir um grande ângulo de visão (neste
caso, de mais de 200 graus) com a vantagem de sofrer menor distorção na imagem.
Para a obtenção da imagem panorâmica, o procedimento inicia-se ao se apontar a câmera
para seu mínimo horizontal e vertical e variar sua rotação de forma que cada imagem cor-
68
Algoritmo 4.3 Estratégia de busca losangular.
#Iniciar a câmera com os valores (0,tilt_mínimo) e ângulo de visão mais amplo
câmera.setPanTiltZoom(0,tilt_mínimo,41
◦
26’); i=0; deslocamento=0;
#Executar até que um certo número alvo de fotos númeroDeFotos seja atingido
Enquanto ( i <númeroDeFotos ), faça
para todo z ∈ {41
◦
26
′
, 28
◦
17
′
, 15
◦
08
′
, 1
◦
97
′
}, faça
para todo (x, y) ∈ { (pan_mínimo, deslocamento), (deslocamento,tilt_máximo),
(pan_máximo,deslocamento), (deslocamento, tilt_mínimo) }, faça
NúmeroDePassos =
|camera.panAtual()−x|
camera.AnguloDeVisao()
#Dividir o percurso entre origem e destino em passos iguais, fotografar a cena e
armazenar os alvos encontrados na imagem
direçãoX = sinal( x - PanAtual); direçãoY = sinal( y - TiltAtual );
para todo m ∈ N : m <NúmeroDePassos, faça
NovoPan = PanAtual+direçãoX ×câmera.ÂnguloDeVisão();
NovoTilt = TiltAtual+direçãoY ×câmera.ÂnguloDeVisão() ÷1, 3333;
câmera.setPanTiltZoom( NovoPan , NovoTilt , z );
Img = câmera.fotografar();
ListaDeAlvos = ListaDeAlvos + procurarAlvo(Img);
fim para todo;
#Para cada alvo encontrado, enquadrá-lo, fotografá-lo e salvar a imagem
para todo Alvo ∈ ListaDeAlvos
câmera.setPanTiltZoom( enquadrar( Alvo ) );
foto = câmera.fotografarAltaDefinição();
foto.salvar(toString(i++).".jpg");
fim para todo;
fim para todo;
deslocamento += câmera.ÂnguloDeVisão();
fim enquanto;
69
responda a uma região diferente. As variações horizontal e vertical devem ser equivalentes
ao ângulo de visão da câmera de maneira que ao rotacionar-se a câmera nesta intensidade, a
imagem deve ser imediatamente vizinha à imagem anterior.
Entretanto, devido à curvatura da lente da câmera e à irregularidade que pode existir no
motor de rotação da câmera, a fotografia panorâmica realizada desta forma possui imperfei-
ções, como pode ser visto adiante. Existem algoritmos de retificação da imagem que podem
ser utilizados para minizar os erros decorrentes dos problemas apresentados
[
Sinha and Pol-
lefeys, 2004
]
. Estes algoritmos, contudo, são custosos computacionalmente e usualmente
precisam de uma grande quantidade de fotografias para sua calibração, fugindo ao escopo do
problema aqui apresentado.
Pode-se fazer um paralelo com a busca realizada nesta dissertação com a movimentação
de robôs em uma área. Em robótica, esta metodologia de busca é utilizada em situações
onde não se tem nenhuma certeza sobre o ambiente. Como exemplo, tem-se os trabalhos
descritos em
[
Stack and Smith, 2003
]
que referem-se a busca por minas aquáticas, tendo
como principal diferença o fato de minas não serem colocadas depois de iniciada a busca e
também do fato das minas aquáticas geralmente serem igualmente espaçadas. Esse estilo de
busca é conhecido como varredura em linha (line sweep), porém também é conhecido como
padrão do cortador de grama (lawn mower) ou padrão do disseminador de sementes (seed
sowing).
Outros padrões de movimentação de robôs semelhantes ao proposto, podem ser encon-
trados nos artigos de Qiu et al e Yang & Luo
[
Qiu et al., 2006; Yang and Luo, 2004
]
, sendo
estes dois últimos ajudados por uma rede neural que é utilizada para calcular dinâmicamente
o caminho de movimentação. Por questões de escopo e simplicidade, o cálculo do caminho
neste trabalho é realizado de forma simples, calculando-se a menor distância entre os pontos.
Na Figura 4.5, mostra-se um ambiente de exemplo capturado pela câmera. O Algo-
ritmo 4.4 lista os passos desta estratégia de busca.
A Câmera PTZ utilizada informa o ângulo de visão que está sendo utilizado, desta forma
para qualquer nível de aproximação é possível se fazer uma fotografia panorâmica.
Na Figura 4.6, ilustra-se como é realizado o movimento no algoritmo anteriormente des-
crito.
A estratégia de busca panorâmica possui vantagens e desvantagens. A principal vantagem
70
Algoritmo 4.4 Estratégia de busca panorâmica.
#Criar imagem que receberá as fotografias das partes do ambiente
ImgPanorâmica ←− {∀px ∈ ImgPanorâmica | px = 0}
Enquanto ( i <númeroDeFotos ), faça
#Procurar em níveis específicos de zoom
para todo z ∈ {41
◦
26
′
, 28
◦
17
′
, 15
◦
08
′
, 1
◦
97
′
}, faça
#Iniciar a câmera apontando para seu canto inferior esquerdo
câmera.setPanTiltZoom( pan_mínimo , tilt_mínimo , z );
direcaoY = 1;
para todo x ∈ R :pan_mínimo ≤ x ≤pan_máximo, faça
#Descrever a trajetória panorâmica
para todo y ∈ R : pan_minimo ≤ y ≤ pan_maximo, faça
montaImagemPanorâmica( câmera.fotografar() , ImgPanorâmica );
y = y+direçãoY×câmera.ÂnguloDeVisão()÷1, 3333;
câmera.setPanTiltZoom( x , y , z );
fim para todo;
x = x+câmera.ÂnguloDeVisão();
#Fotografar durante o caminho de volta da câmera
direçãoY = direçãoY × − 1;
fim para todo;
#Buscar alvo e, em seguida, enquadrar e fotografar cada alvo
ListaDeAlvos = procurarAlvo(ImgPanorâmica);
para todo Alvo ∈ ListaDeAlvos, faça
câmera.setPanTiltZoom( enquadrar( Alvos ) );
foto = câmera.fotografarAltaDefinição();
foto.salvar(toString(i++).".jpg");
fim para todo;
71
Figura 4.5: Foto panorâmica com variação horizontal de 43
◦
25’ e variação vertical de 32
◦
.
Figura 4.6: Movimentação feita pela câmera de forma a reduzir o número de movimentações.
é a possibilidade de cobrir toda a cena de forma ordenada. A principal desvantagem é a
lentidão com que esta busca é feita, já que todos os pontos precisam ser cobertos. Esta
desvantagem, contudo, só é relevante quando considera-se ambientes de alto dinanismo.
Também, devido à uniformidade da pesquisa, algumas regiões ficam sem serem fotografadas
pela câmera um longo período de tempo, o que não acontece em outras abordagens.
Após feita a fotografia panorâmica, pode-se localizar os alvos e, reduzir o espaço de
busca por localizar regiões onde estão localizados os temas de interesse. Independente do
método de procura utilizado para localizar em uma cena temas de interesse, o passo seguinte,
o de enquadramento, é realizado de forma similar e é detalhado na Seção 4.4.1 que vem a
seguir.
72
Além destas estratégias, outras podem ser utilizadas além de combinações dessas. Basta
que existam informações que possam ser úteis na detecção de pessoas. Está sendo desenvol-
vida, para trabalhos futuros, uma outra estratégia que utiliza detector de movimento e filtro
da cor da pele como evidência da presença de pessoas.
Comparação dos Métodos
Alguns métodos de busca, devido a suas características, são difíceis de serem comparados
diretamente. Portanto, nestes casos, será feita uma análise do tempo máximo de busca por um
alvo nestas condições. A idéia é mostrar as dificuldades e possíveis virtudes de cada método
de busca a fim de que cada um possa ser utilizado da forma em que melhor se adapte.
Em primeiro lugar, é analisado o método estático. Este método é voltado para situa-
ções onde se sabe exatamente onde podem surgir temas, para só em caso de algum alvo
ser encontrado, haver movimentação visando ao enquadramento e à fotografia. Portanto, é
difícil comparar este método com outros métodos, devido à amplitude de situações em que
o sistema pode ser utilizado, pois se o alvo estiver na direção da câmera ele sempre será
encontrado enquanto se não estiver ele nunca será encontrado. Portanto este método não é
indicado para cenários onde as pessoas estejam distribuídas pelo ambiente no qual a câmera
é inserida.
O método randômico, por sua vez, tem sua dificuldade de comparação com os outros
métodos descritos já que, em tese, toda execução deste método deveria gerar uma nova com-
binação de trajetórias, podendo existir, portanto, mais de uma trajetória, inviabilizando uma
comparação direta.
Entretanto, pode-se fazer uma estimativa dos tempos mínimo e máximo necessários em
uma determinada situação. Por exemplo, no caso de se ter uma única face no ambiente, o
algoritmo randômico pode levar no mínimo um passo, caso a movimentação seja precisa e
inifinitos passos, caso não seja realizado um registro dos pontos já visitados, ou poderá levar
a quantidade de passos necessária para cobrir toda a área, caso seja feito um um registro.
Logo, o algoritmo de busca randômica, no pior caso, gastaria o mesmo tempo que a busca
panorâmica. Entretanto, necessitaria de maior processamento para cálculo das regiões mais
indicadas além de que a desordem da procura provocaria uma grande perda de tempo na
movimentação do mecanismo da câmera. Por fim, há também a desvantagem da existência
73
de lacunas não procuradas o que não acontece no método panorâmico.
Para os dois métodos seguintes, pode ser realizado um teste em comum, de forma a
compará-los diretamente. Na simulação de comparação os algoritmos são iniciados no
mesmo ponto e as faces são posicionadas no mesmo ponto. É definida uma taxa de atua-
lização da cena. Para efeito de comparação, foram utilizadas duas métricas. A primeira é a
intensidade da atualização e a segunda, a dimensão de espaço desatualizado.
Para analisar a quantidade de área atualizada, a região de busca foi dividida em qua-
tro quadrantes. A análise destes quadrantes pode indicar qual estratégia é mais promissora
quando o principal fator é a quantidade de área pesquisada.
Os resultados mostram que o algoritmo de busca losangular possui a vantagem de se
distribuir uniformemente pela imagem, não deixando um certo quadrante desatualizado por
muito tempo. Pode-se concluir que se a cena for muito dinâmica, este deve ser o método
mais indicado. Por outro lado, o algoritmo de busca panorâmico faz com que alvos sejam
procurados na cena de maneira mais uniforme e completa, mais indicado para cenas com
menor grau de dinamismo, onde o posicionamento das pessoas não variará ou variará pouco.
Uma outra vantagem é que, independente do nível de desatualização utilizado, a cena estará
em média 20% coberta no ângulo de visão de 41
◦
26’, calculo este efetuado utilizando as
imagens contruídas com a informação da procura.
4.4 Composição e Fotografia do Tema
Após a localização do tema, independentemente de qual estratégia de busca tenha sido utili-
zada, o próximo passo é a fotografia do mesmo. Poder-se-ia apenas fotografar o alvo, entre-
tanto o objetivo deste trabalho é a obtenção de fotografias dotadas de qualidade visual, logo
faz-se necessária uma movimentação extra para um melhor posicionamento ou composição
fotográfica.
Portanto, após localizado o alvo, foi definido que é essencial ao menos a centralização
deste alvo na fotografia. Em se havendo condições, também é feita a composição dos ele-
mentos encontrados na imagem, o que pode gerar novos deslocamentos.
Esta seção vem tratar do processamento necessário para se obter uma fotografia de maior
qualidade. Em primeiro lugar, a movimentação para um melhor posicionamento do alvo na
74
fotografia, em seguida a fotografia em si e, por fim, um pós-processamento da imagem para
últimos retoque e/ou classificação da imagem por ordem de qualidade.
4.4.1 Estratégias de Movimentação
Após detectado um alvo, existe a necessidade de se fazer o enquadramento deste alvo para
que ele ocupe uma determinada posição na imagem. Apesar de se conhecer a distância em
pixels entre dois pontos quaisquer de uma imagem, essa informação apenas não é suficiente
para que seja efetuado um correto enquadramento, pois não necessariamente existe corres-
pondência entre o número de pixels e a rotação em graus da câmera. Isso se dá especialmente
quando também se variam os níveis de zoom, uma vez que para cada novo nível há uma nova
regra de rotação. Portanto, o cálculo tanto da rotação horizontal como da vertical deixa de
ser trivial. Em não se tendo esta informação (situação mais comum), faz-se necessário o
cálculo desta distância.
Alguma informação da qual se disponha seja qual for o nível de zoom é necessária, de
forma a utilizá-la no cálculo da rotação correta. O ângulo de visão da câmera pode ser uma
destas informações. Conhecendo-se o ângulo de visão da câmera e a distância do objeto de
interesse ao centro da imagem, possibilita o preciso cálculo do ângulo de rotação necessário
para que o alvo seja centralizado em um único passo. Entretanto, algumas câmeras podem
não fornecer a informação sobre o ângulo de visão. É mostrado como, considerando-se estas
duas possibilidades, pode-se fazer esta centralização do alvo na imagem.
O cálculo do ângulo de rotação, quando se conhece o ângulo de visão da câmera, é trivial
pois pode ser efetuado através de trigonometria básica. Na Figura 4.7, ilustra-se o problema.
Em (a) as linhas em preto representam o ângulo de visão da câmera. Em (b) é ilustrada a
metade do ângulo de visão e em (c) o triângulo formado pela distância da face ao centro
da imagem, a linha que liga a câmera ao objeto e a reta que liga ortogonalmente a câmera
ao plano onde se encontra o tema encontrado. A seguir, é mostrado como é efetuado este
cálculo.
Partindo da Figura 4.7, sabe-se que:
tgβ =
x
z
(4.1)
75
Figura 4.7: O triângulo (a) ilustra o campo de visão da câmera e um alvo detectado. Em (b)
e (c) o triângulo (a) é fragmentado.
e
tg
α
2
=
l
z
(4.2)
onde x é a distância do alvo ao centro da imagem, z é a distância entre a câmera e o plano
onde encontra-se o tema, l é a distância percorrida por metade do ângulo de visão, no caso
metade da dimensão da imagem, α o ângulo de visão e β o ângulo necessário para o centro
da câmera aponte diretamente ao alvo.
Considerando-se a distância z a mesma nas duas equações acima, tem-se que:
tgβ =
tg
α
2
× x
l
(4.3)
Como deseja-se obter o ângulo de rotação que centraliza o alvo, deduz-se:
β = arctg
x× tg
α
2
l
(4.4)
A mesma equação é utilizada para o cálculo da rotação vertical.
Em não se tendo informação alguma além da distância do centro do alvo à posição de
interesse, é preciso estimar-se a movimentação necessária através de outras informações da
76
imagem.
Uma primeira proposta é inferir o ângulo de rotação da câmera para se chegar ao alvo
através de um treinamento utilizando a estimativa do tamanho da face como informação de
distância, dado que quanto mais longe da câmera, menor é a face. De posse destes dados,
a construção de uma Lookup Table poderia ser suficiente para calcular situações similares.
Apesar de bastante simples, essa estimativa não produz bons resultados pois o tamanho da
face retornado pelo detector pode apresentar variações o que resulta em erros maiores em
diferentes níveis de zoom. Como conseqüência dos problemas desta abordagem, tem-se que
as faces são constantemente perdidas ou o zoom é excessivo ou insuficiente.
Uma outra alternativa é a utilização da visão estéreo, a qual permite, com a utilização de
uma outra câmera, inferir a distância com base na triangulação de pontos similares nas duas
imagens. Esta estratégia, entretanto, é de difícil implementação pois requer uma segunda câ-
mera calibrada
1
e sincronizada
2
com a primeira. Portanto, devido às dificuldades envolvidas
em se utilizar esta abordagem, ela sequer chegou a ser implementada.
Por fim, a abordagem utilizada nesta dissertação é inspirada no comportamento humano.
Quando um ser humano resolve apontar uma câmera para um local, não o faz de forma
precisa em um único passo, apesar da alta velocidade com que processa a informação visual
(comparado com um computador) dar essa impressão
[
Hendee, 1997
]
. Portanto, o primeiro
ajuste é realizado sem preocupação a priori com a precisão e na medida que se aproxima do
objetivo, calcula os novos ajustes nos quadros subseqüentes. A velocidade do processamento
é um indicador de quão precisos podem ser os ajustes, pois quanto mais ajustes puderem ser
realizados, mais o ponto ideal há de se aproximar. Se o processo for muito lento, contudo, o
ajuste não é tão preciso dada a necessidade de realizar as demais tarefas do sistema.
Para tanto, é necessário, em primeiro lugar, calcular a distância do centro da imagem ao
centro do tema. Para melhor precisão e maior controle do movimento, a distância é calculada
de forma independente para a componente horizontal e a componente vertical. As Equações
4.5 e 4.6 mostram como obter este valor.
1
O processo de calibração consiste em eliminar os erros decorrentes da curvatura da câmera e de encontrar
os pontos correspondentes entre as duas imagens
2
A sincronização se dá quando duas ou mais câmeras obtém imagens simultâneamente
77
distancia_face_centro_horizontal = coordenada_x_alvo−
dimensao_horizontal
2
(4.5)
distancia_face_centro_vertical = coordenada_y_alvo−
dimensao_vertical
2
(4.6)
em que distancia_face_centro_horizontal e distancia_face_centro_vertical são as distân-
cias do centro horizontal e vertical da face ao centro da imagem respectivamente, a largura da
imagem é representada por dimensao_horizontal e dimensao_vertical é a altura da imagem.
As Equações 4.7 e 4.8 equivalem à distância normalizada de cada componente ao centro
da imagem, onde 1 equivale a maior distância possível (ou seja, quando o centro do alvo
estiver por sobre a borda da imagem já 0 equivale a uma coincidência entre o centro da
imagem e o centro do alvo (não havendo necessidade de movimentação). Desta forma, se
pretende que a movimentação seja proporcional à distância do centro da face ao centro da
imagem. Nas equações a seguir, posicao_h_alvo e posicao_v_alvo são, respectivamente, as
distâncias do centro da face ao centro da imagem normalizadas e separadas horizontalmente
e verticalmente.
posicao_h_alvo =
distancia_face_centro_horizontal
dimensao_horizontal
(4.7)
posicao_v_alvo =
distancia_face_centro_vertical
dimensao_vertical
(4.8)
Já as Equações 4.9 e 4.10 mostram como é feita a estimativa do ângulo de rotação neces-
sário para se centralizar a face horizontalmente e verticalmente respectivamente. As rotações
calculadas para pan e tilt são, respectivamente, angulo_horizontal e angulo_vertical.
angulo_horizontal = fator_correcao_pan× posicao_h_alvo (4.9)
angulo_vertical = fator_correcao_tilt × posicao_v_alvo (4.10)
Os parâmetros fator_correcao_pan e o fator_correcao_tilt indicam a velocidade do
movimento horizontal e vertical respectivamente. Com a intenção de simplficação, estes
valores serão constantes e receberão os valores 10,00
◦
e 5,00
◦
, respectivamente.
78
Como forma de reduzir a quantidade de ajustes, é diminuída a precisão do posiciona-
mento, permitindo que a face diste do centro da imagem até um certo valor de tolerância.
Para esta aplicação foi definido heuristicamente a distância de 20 pixels em se utilizando
imagens de 160x120. Este valor é arbitrário e, em se seguindo uma etapa de posicionamento,
pode ser alto.
A nova posição da câmera é, portanto, representada pela Equação 4.11 a qual é denotada
por valor onde α e β equivalem à variação do ângulo da câmera com relação a sua posição
inicial (centralizada) o qual recebe valor 0:
(pan_atual + α, tilt_atual + β) (4.11)
No entanto, com a variação do zoom, esta rotação não mais é a mesma pois, enquanto
uma rotação de 1,00
◦
quase não produz diferenças visuais para a imagem original quando
o zoom possui valor mínimo (ou seja, sem zoom) em um cenário de alto valor de zoom (a
câmera de modelo VBC50i utilizada possui Zoom máximo de 26x) a mesma variação de
1,00
◦
gera uma imagem bem diferente da original. Portanto, o cálculo da rotação precisa ser
influenciado de forma inversamente proporcional pelo valor do zoom.
Com esta finalidade, utiliza-se o fator_zoom, o qual normaliza o valor do zoom entre 0 e
1 onde valores próximos de 0 são obtidos quando o zoom da câmera estiver próximo de seu
máximo. Já na situação oposta, o fator_zoom tem um valor próximo de 1. Desta forma, se o
zoom estiver próximo de seu valor máximo, a rotação tende a 0 (há uma adição para evitar
que não haja movimento). Sendo Zoom_Maximo e Zoom_Atual os valores máximo e atual
do Zoom respectivamente, a equação completa do fator_zoom é a Equação 4.12.
fator_zoom =
Zoom_Maximo− Zoom_Atual + 10
Zoom_Maximo
(4.12)
Portanto, para o cálculo da rotação da câmera, precisa-se adaptar esta nova variável calcu-
lada na Equação 4.12 às equações anteriormente calculadas, 4.9 e 4.10. Com o fator_zoom,
as equações finais de ângulo do movimento passam a ser as ilustradas nas Equações 4.13 e
4.14:
angulo_horizontal = fator_zoom× fator_correcao_pan× posicao_h_alvo (4.13)
79
angulo_vertical = fator_zoom× fator_correcao_tilt × posicao_v_alvo (4.14)
Pode ser necessário variar o fator_zoom, de forma a suavizar seu ajuste para algumas
câmeras, em decorrência da diferença entre os níveis de zoom ou a própria não-linearização
da aproximação, ou seja, situações onde um zoom de 4x não equivala exatamente ao dobro
de 2x, por exemplo.
4.4.2 Composição do Tema Fotográfico
Após localização e enquadramento, o próximo passo é a composição da fotografia, mais
precisamente do tema. No Capítulo 3, apresentou-se uma discussão detalhada sobre o que
é a composição fotográfica e o porquê de sua utilização. A composição do tema com a
câmera PTZ se dá de forma análoga. Como já foi dito, entretanto, existem regras que não
são passíveis de correção dinâmica.
Outro agravante é a movimentação do alvo ou tema. Em dependendo do rigor adotado
para a correção de uma dada regra, a câmera pode ter trabalho dobrado caso o movimento do
alvo seja na mesma direção e intensidade do movimento previsto pela câmera. Desta forma,
a correção, por ser lenta já que utiliza a detecção de faces como informação primordial sobre
o posicionamento do alvo, pode gerar resultados desagradáveis.
Foram implementados no controle da câmera as seguintes regras: regra-do-zoom, regra-
dos-terços e regra-da-integridade.
A regra-dos-terços funciona de forma semelhante ao algoritmo para enquadramento,
tendo como principal diferença o fato de o tema não vir a ser centralizado e sim deslocado
para um dos terços da imagem, logo o deslocamento é efetuado utilizando um dos pontos do
terço como objetivo.
A regra-do-zoom e da Integridade, foram implementadas em conjunto. As fotografias
serão obtidas, para cada face encontrada, em três distâncias diferentes: a distância máxima,
em uma distância média e em close-up.
80
4.4.3 Fotografia do Alvo
Esta etapa é responsávelem efetuar a fotografia e enviá-la ao sistema para pós-processamento
seguido da classificação. No sistema proposto, a própria câmera utilizada para localizar
e enquadrar, também é responsável por efetuar a fotografia. Poderia ser acoplada a este
sistema, uma câmera de maior resolução (já que o modelo utilizado só permite uma resolução
máxima de 640x480 pixels). Isto, contudo, causaria diferenças entre as duas imagens no
tocante ao posicionamento do tema na imagem. Uma outra opção seria utilizar uma câmera
PTZ com maior resolução máxima.
São adquiridas 10 fotografias em seqüência sem novas análises do posicionamento do
alvo. Com isso, espera-se aumentar o número de fotografias, já que não há um passo de
checagem a cada nova foto antes de ela ser obtida. Por outro lado, também se aumenta a
quantidade de fotografias sem o posicionamento correto do alvo, portanto, carentes de fil-
tragem. Esta abordagem, contudo, também é a utilizada por fotógrafos profissionais, muitas
fotografias são obtidas para que depois seja feita uma filtragem das melhores fotografias.
As fotografias são armazenadas em um diretório à parte e renomeadas de forma a mar-
carem a seqüência. Durante a etapa de fotografia, pode ser dado o zoom na face localizada
a fim de obter novos níveis de composição, em se dependendo da distância atual à face. Em
existindo várias faces, repete-se o processo para cada face encontrada na imagem.
4.4.4 Pós-processamento da Imagem
Os algoritmos descritos no Capítulo 3 serão utilizados com o fim da filtragem de baixo nível
das fotografias, utilizando o escore obtido por cada fotografia para que as fotografias sejam
classificadas de forma ordenada. As fotografias que atingirem mais altos níveis de qualidade
serão filtradas manualmente. Apesar de lento, o processo pode produzir fotografias de alta
qualidade cuja pequena diferença de frações de segundo poderiam evitar a obtenção.
Além dos classificadores já descritos, pode ser utilizado um classificador de fotogenia
para qualificar a fotografia final. A face enquadrada é classificada em fotogênica ou não-
fotogênica. Esta classificação pode tanto ser on-line, i.e. realizada antes de a fotografia ser
obtida, como off-line, i.e. na base de fotografias obtidas.
A vantagem da classificação on-line é a possibilidade de se decidir em qual momento se
81
obter a fotografia, diminuindo-se a quantidade de fotografias obtidas (já que apenas as clas-
sificadas como boas é que serão armazenadas) por outro lado permite que ocorram pequenos
atrasos, em decorrência do processamento da imagem. Esses atrasos influenciam na qua-
lidade final da imagem, pois pode ser armazenada uma imagem cuja cena foi ligeiramente
alterada do momento da última fotografia classificada. Podem também existir atrasos para a
obtenção de novas fotos - caso a classificação seja feita posteriormente à fotografia.
O módulo de classificação de fotogenia foi descrito no artigo de Batista et al.
[
Batista
et al., 2006
]
. O objetivo é discernir quanto à fotogenia, ou seja, o quão agradável pode
ser a fotografia de uma pessoa. Na Figura 4.8, ilustra-se o funcionamento do detector de
fotogenia que, neste exemplo, circunscreve a face com um retângulo verde quando considera
a face fotogênica ou com um retângulo vermelho caso contrário. O objetivo deste módulo
não é indicar beleza física, mas a aparência em uma dada circunstância.
O classificador de fotogenia em questão foi treinado com imagens de faces previamente
rotuladas através da avaliação manual de AU’s (Action Units
3
) na qual uma dada combinação
de AU’s representa uma expressão facial. Para compor a base de pessoas fotogênicas, foram
utilizadas imagens nas quais as expressões faciais foram rotuladas como alegria ou neutras.
Os outros rótulos compuseram a base de faces não-fotogênicas.
Figura 4.8: Exemplo de classificação quanto à fotogenia.
A interação entre o módulo de fotogenia e o sistema é feita através dos resultados da
classificação do módulo de fotogenia nas faces da imagem. Portanto, se todas as faces ou a
3
Os músculos da face são divididos em Action Units. Cada unidade pode ser excitada independentemente.
82
maioria delas apresentarem resposta positiva quanto à fotogenia, a imagem é guardada. Caso
contrário, descartada ou colocada em um local diferente para reavaliação do usuário.
4.5 Experimentos
Pode-se dividir a etapa de experimentos em duas. Na primeira etapa, testou-se cada parte
do sistema individualmente, conferindo se este atua da forma indicada. Na segunda etapa,
testou-se o sistema com todas as suas partes reunidas em um ambiente real para validar o
experimento como um todo.
O experimento do sistema completo, por si só, já seria suficiente para validar o expe-
rimento, até porque se alguma das partes não funcionasse corretamente, não seria possível
obter o resultado correto. Ainda assim, é feita uma rápida descrição do que foi utilizado para
validar os experimentos.
4.5.1 Testes das Partes do Sistema
Os experimentos serão descritos na ordem em que os correspondentes algoritmos foram
apresentados neste capítulo. A primeira parte do sistema, o funcionamento da câmera, está
fora do escopo do trabalho. Ainda assim, foi realizado um teste de obtenção de imagens
e movimentação da câmera, conferindo se todas as movimentações indicadas são de fato
realizadas pela câmera.
A busca por alvos em uma cena foi simulado através da criação de uma classe que atua
semelhantemente à câmera. A diferença é que esta simulação sempre retorna a mesma ima-
gem, com exceção da(s) posição(ões) escolhida(s) para conter(em) face(s), em que ela re-
torna uma imagem contendo uma face. Desta forma é possível analisar-se a trajetória e
confirmar a corretude do algoritmo.
Também urge que seja analisado o enquadramento do alvo, pois as pequenas diferenças
que podem existir devido à falta de calibração da câmera no momento da rotação poderiam
resultar em um ajuste errôneo. Para testar a calibração do motor, várias fotos foram adquiri-
das com variação de 0,01
◦
e, em seguida, com variações maiores para verificar se a diferença
na rotação era significativa.
Para testar o enquadramento, foram realizados testes em várias distâncias, onde haviam
83
movimentações horizontais e verticais, conferindo se para qualquer nível de zoom ou qual-
quer ângulo de visão o comportamento da câmera era satisfatório. Os testes foram realizados
utilizando-se o valor do ângulo de visão e simulando-se o não conhecimento, para efeito de
validação dos algoritmos de cálculo da movimentação necessária.
4.5.2 Experimentos Utilizando o Sistema Completo
Foram realizados alguns experimentos com todo o sistema integrado para verificar o com-
portamento do sistema quando este se depara com uma situação real, na qual as pessoas,
não tendo o retorno do processamento, não interferem significantemente no sistema. Os ex-
perimentos a seguir foram realizados com a autorização dos coordenadores dos ambientes,
entretanto como as pessoas fotografadas, mesmo sabendo que estavam sendo fotografadas,
não autorizaram explicitamente a publicação de suas imagens, optou-se por não mostrá-las
nesta dissertação.
Dentre os experimentos realizados, um ocorreu em uma sala de aula contendo aproxima-
damente 15 alunos, os quais foram informados do experimento. Neste experimento, reali-
zado durante o dia, a iluminação era adequada para reconhecimento de faces. A câmera foi
posicionada na mesma altura das pessoas e no ambiente não existiam elementos de oclusão.
Foi utilizada para enquadramento a Lookup Table, com o sistema acoplado a um detector
de fotogenia. Para faces próximas à câmera, o funcionamento foi adequado. Já para faces
distantes da câmera, o enquadramento não foi preciso. Foram capturadas em torno de 20
imagens.
Em um segundo experimento, controlado, com pessoas olhando diretamente para a câ-
mera em uma sala estreita, utilizando o enquadramento dinâmico e sem o detector de fotoge-
nia acoplado, foram capturadas em torno de 40 imagens. Por ser um experimento realizado
em um ambiente controlado, ou seja, as pessoas sabiam do experimento e na medida do
possível cooperaram com o bom funcionamento deste, não se pôde chegar a resultados con-
clusivos, tendo sido mais útil como um experimento para avaliar partes do sistema como a
detecção de faces e o enquadramento.
Um terceiro experimento, realizado em um largo salão, no qual as pessoas eventualmente
transitavam, foi utilizado o enquadramento dinâmico e sem o detector de fotogenia acoplado.
Foram capturadas menos de 10 imagens, devido à lentidão da detecção de faces. Pôde-
84
se concluir com este experimento que a velocidade de detecção de faces é muito aquém
da velocidade das pessoas. Portanto, são necessárias estratégias para restringir o espaço
de busca e de algoritmos de detecção mais velozes. Neste experimento, ao contrário dos
anteriores, vários locais poderiam ter faces em diferentes ângulos com relação a câmera.
Esta variedade de posições e ângulos que cada face pode assumir em diferentes momentos
adiciona um componente de dificuldade, uma vez que o sistema não é capaz de delimitar,
precisamente, um espaço de busca.
O quarto experimento, ocorreu em uma sala de aula larga, na qual com 10 alunos e um
professor que, eventualmente, posicionava-se entre a câmera e os alunos, propiciando um
ambiente mais real. As pessoas sabiam do experimento. Em aproximadamente 40 minutos
de funcionamento, foram obtidas em torno de 15 fotografias que foram, posteriormente,
aprovadas pela audiência. Esta experiência utilizou a busca randômica e o posicionamento
do tema através da regra-dos-terços.
Foi detectado, contudo, necessidade de modificações no módulo de movimentação (di-
minuindo a correção do zoom enquanto é corrigido o posicionamento horizontal), no módulo
de enquadramento e fotografia (de forma a permitir que a câmera insista mais em um ponto
que estava perto de efetuar a fotografia). Apesar de que melhorias no sistema levaram a de-
tecções mais velozes, o enquadramento de pessoas distantes da câmera continua sendo um
problema uma vez que este enquadramento é vital ao sistema
O experimento final, foi a integração de todos os aspectos discutidos ao longo desta
dissertação. Foi realizado em uma sala de aula contendo aproximadamente 15 alunos. Mais
de 2000 fotografias foram obtidas. Este experimento é detalhado no Capítulo 5.
Com base nos experimentos realizados, alguns problemas puderam ser percebidos. Den-
tre os principais problemas, a detecção de faces tem sido mais lenta que a velocidade das
pessoas. Conseqüentemente, para ambientes amplos onde pessoas caminhem, o detector de
faces é insuficiente para efetuar corretamente o tracking.
4.6 Aplicações
O sistema proposto pode ser utilizado em uma série de situações. São destacadas três apli-
cações.
85
Uma primeira possibilidade é utilizá-la para fotografia de um evento sem que os parti-
cipantes saibam do equipamento, obtendo fotografias do ambiente como um todo. Esta é a
opção para qual o sistema descrito neste capítulo foi idealizado.
Uma segunda aplicação é a localização de elementos conhecidos em um ambiente. Trei-
na-se qual a aparência do objeto a ser procurado e, em seguida, procura-se minuciosamente
em toda a cena por ocorrências deste objeto. Para adaptar o sistema aqui proposto para
esta abordagem, basta: (i) treinar o sistema para deteção de um outro item; (ii) modificar o
cenário para estático, adquirindo-se assim fotografias da cena completa, sem a utilização de
valores randômicos para a escolha do ponto a ser fotografado. (iii) alterar a quantidade de
planos de visão de maneira a cobrir ainda mais minuciosamente a cena.
Por fim, pode-se utilizar a câmera como ponto de fotografia onde, sabendo que lá existe
uma câmera fotográfica, pessoas posam para fotografias. Deve-se, portanto, deixar a câmera
parada a espera de alvos. À medida que estes forem localizados, serão fotografados tal
como proposto neste capítulo. Uma foto de grupo, nesta ocasião, implica que as pessoas
precisam de tempo para posar. Uma alternativa é a de temporizar a partir do momento que a
primeira face é encontrada. Uma segunda alternativa é utilizar um algoritmo para detecção
de alguma informação visual para indicar a espera para a câmera. Como proposta, sugere-se
o reconhecimento de gestos ou sinais além do algoritmo de Viola e Jones
[
Viola and Jones,
2001
]
para treinar o reconhecimento de elementos em uma imagem, podendo treinar, por
exemplo, um símbolo que ao ser detectado indica para a câmera que ela deve permanecer
sem fotografar em alta definição.
4.7 Considerações Finais
Neste capítulo, foi apresentado um protótipo otimizado para controle de uma Câmera Pan-
Tilt-Zoom. Neste protótipo, a câmera é posicionada em um local estratégico para localização,
enquadramento e captura de imagens dos alvos presentes na cena.
Para a movimentação, foram propostos três mecanismos de movimentação, onde cada
qual ajusta seus parâmetros de forma a enquadrar alvos detectados no ambiente em que a
câmera está localizada.
No tocante ao enquadramento, é proposta uma nova versão de enquadramento utilizando
86
o ajuste dinâmico, em que o ajuste é realizado com base nos valores detectados na última
imagem capturada ao invés de um único ajuste efetuado com base em uma Lookup Table. O
ajuste é mais lento, contudo, menos sensível à distância do alvo para a câmera.
Também foi proposta neste capítulo a utilização dos módulos de composição fotográfica
com a intenção de aumentar a qualidade da imagem do ponto de vista subjetivo. Ainda nessa
direção, também foi proposta a integração do sistema a um módulo de detecção de fotogenia,
o qual pode indicar se as pessoas presentes em uma fotografia estão apresentando uma pose
fotogênica ou não.
87
Capítulo 5
Experimento de Integração e Resultados
Neste capítulo, apresenta-se o experimento realizado com a intenção de dar maior suporte à
validação da proposta como um todo. Outros experimentos foram apresentados em capítulos
anteriores. Entretanto, o experimento aqui relatado integra características de cada parte do
sistema descrito anteriormente.
O experimento aqui descrito foi realizado em uma sala de aula contendo 14 pessoas
as quais não receberam quaisquer instruções específicas de posar para as fotos, ou seja, as
fotografias foram obtidas de forma totalmente espontânea.
O experimento permitiu localizar as pessoas, guardar a informação de onde se encontra-
vam e, utilizando esta informação, obter fotografias da cena, as quais deviam representar de
forma satisfatória, de acordo com uma audiência, o evento.
5.1 Descrição do Experimento e Objetivo
O objetivo deste experimento foi testar o sistema de fotografia autônoma proposto nesta
dissertação de maneira que, mesmo sem nenhuma informação prévia a respeito do ambiente,
fosse possível localizar e fotograr as pessoas que estavam no local do experimento e, ao
mesmo tempo, gravar um mapa do ambiente. Este mapa pode ser utilizado posteriormente
na mesma cena, de forma que os temas previamente localizados possam ser fotografados
sem que houvesse necessidade de uma nova etapa de localização.
88
5.1.1 Local do Experimento
Para que este experimento fosse realizado, foi preciso, antes de mais nada, definir o seu
ambiente de execução. O local escolhido foi uma sala de aula contendo 14 pessoas, sendo
elas 12 alunos, 1 professor e 1 operador do sistema. A sala continha diversos objetos, tais
como cadeiras, computadores e mesas, contudo, a disposição e tamanho destes não chegaram
a posar como obstáculos para o experimento.
A maior dificuldade com relação à geometria do lugar foi a pequena largura da sala,
o que aumentou a proximidade entre as pessoas e fez com que aquelas localizadas mais à
frente na sala fossem detectadas de forma desproporcional com relação às localizadas mais
ao fundo, já que por muitas vezes estas últimas eram encobertas pelas primeiras. A ilustração
da posição aproximada dos elementos na sala é mostrada na Figura 5.1. As pessoas estão
representadas por retângulos pretos, enquanto a posição da câmera está representada pelo
retângulo cinza.
Figura 5.1: Vista superior do ambiente, representando a disposição de pessoas e objetos no
espaço escolhido para promover o experimento. Os retângulos azuis representam bancadas
de computadores, o retângulo marrom uma mesa, os quadrados pretos pessoas e o quadrado
cinza a câmera.
89
5.1.2 Cenário
Considerou-se o cenário como semi-estático. Logo, as pessoas se movimentavam por um
certo raio, mas não entravam nem saíam do ambiente. Dada esta restrição, o experimento
precisou ser parado e reiniciado por algumas vezes, devido à entrada tardia de alguns alunos
na sala-de-aula.
Para melhor utilização do tempo e à pedido dos alunos e professora que gentilmente se
voluntariaram para o experimento, o grau de rotação vertical foi restringido, impedindo que
a câmera rotacionasse e apontasse para abaixo da lilnha da cintura das pessoas. Esta decisão
favoreceu o algoritmo, uma vez que era perdido tempo na procura de pessoas em localidades
que certamente estas não estariam.
5.1.3 Funcionamento do Sistema
O experimento foi executado por 1 hora e 15 minutos, incluindo os períodos de inatividade
devido ao reinício do experimento quando novas pessoas adentravam o ambiente e o tempo
necessário para montar o equipamento. O equipamento é composto de 1 câmera Pan-Tilt-
Zoom com seu tripé para nivelamento da altura da câmera em relação às pessoas na cena,
um computador no qual foi executado o sistema e, por fim, um hub para comunicação entre
a câmera e computador.
O computador no qual foi executado o sistema possuia um processador Athlon 1600+
com 1,5GB de memória RAM e espaço em disco suficiente para armazenar até 4 horas
de fotografias. A taxa de processamento das fotografias capturadas era de 2 quadros por
segundo, podendo chegar a 10 quadros por segundo quando apenas efetuava-se captura e
salvamento em disco (sem processamento). A movimentação da câmera podia demorar até
3 segundos (considerando-se a movimentação entre os dois extremos horizontais).
O software foi desenvolvido utilizando a linguagem C++. Esta linguagem foi escolhida
devido a eficiência do processamento, necessário para uma maior taxa de quadros por se-
gundo. Em um momento futuro, após a otimização do código e refinamento do sistema, o
programa deve ser disponibilizado de forma que outros desenvolvedores possam aprimorar
o sistema.
As pessoas na cena estavam cientes do experimento, mas não posaram deliberadamente
90
para a câmera em nenhum momento, portanto não foi esperado que as pessoas estivessem
em posições ou feições semelhantes a pessoas que posaram para uma fotografia. Neste ex-
perimento, foram obtidas imagens de um evento, no qual as pessoas estão interagindo com
algo que não é a câmera e o papel do sistema foi fotografar esta interação. A característica
do evento é diferente de uma seção fotográfica e, portanto, deve ser avaliado desta forma.
As pessoas não foram instruídas em nenhum momento a posicionaram-se de maneira
favorável ou a contribuir de qualquer outra forma com o experimento. A contribuição, por-
tanto, foi apenas permitir que o experimento fosse realizado naquele instante. Uma vez que
nem todos os voluntários concordaram em ceder sua imagem para utilização em pesquisas,
esta base de imagens não será disponibilizada publicamente.
Para este experimento, foi utilizada a estratégia de busca panorâmica, descrita na Se-
ção 4.3.4.
5.2 Resultados Obtidos
5.2.1 Localização das Pessoas
Após 40 minutos efetivos e contínuos de experimento, puderam ser obtidas 2070 fotografias.
Das 14 pessoas, em média 8 eram encontradas com duas interações do algoritmo. Contando
todas as execuções do programa, 12 pessoas diferentes foram localizadas, contadas pelo
número de faces diferentes detectadas nas imagens resultantes. Vale lembrar que, durante as
execuções do programa, houve variação na quantidade de pessoas presentes na sala-de-aula.
Também se salienta que existiam pessoas na cena de difícil localização devido à oclusão
por alunos posicionados mais à frente no ambiente, o que já foi discutido e ilustrado na
Seção 5.1.1.
Em se somando os mapas de detecção das três últimas execuções do algoritmo, foi obtida
a imagem mostrada na Figura 5.2. Nesta imagem, pode-se notar como as pessoas, ilustradas
pelos retângulos pretos, estavam distribuídas no ambiente no momento do experimento. As
faces mais à extremidade representam o professor e o operador do sistema, também detecta-
dos pelo módulo localizador de pessoas. Entretanto, não é possível precisar a quantidade de
pessoas encontradas. Isto porque as pessoas poderiam ser contadas mais de uma vez, uma
91
vez que a imagem armazena a informação ao longo do tempo. Isto, entretanto, não consiste
em um problema uma vez que mesmo que uma quantidade maior de faces fosse indicada, ao
efetuar o enquadramento da região, o detector de faces atualizaria a imagem de forma que
esta pudesse representar o número correto de faces desta região.
Figura 5.2: Vista horizontal da cena, no qual estão representadas, através de retângulos
pretos, as faces detectadas.
5.2.2 Votação da Qualidade das Fotografias Obtidas
As imagens obtidas foram submetidas a uma votação para analisar a qualidade visual das
mesmas. Uma audiência de leigos voluntariou-se para opinar sobre as melhores imagens
obtidas pela câmera. Aos votantes eram apresentadas 10 fotografias adquiridas em seqüên-
cia de um mesmo tema fotografico. A escolha por 10 fotografias de um mesmo tema em
seqüência serem mostradas juntas, teve a intenção de gerar uma comparação direta por fotos
semelhantes. No grupo de fotografias, algumas poderiam ter pequenas modificações decor-
rentes da impossibilidade da câmera de informar o fim do movimento requisitado, resultando
em algumas fotografias obtidas prematuramente. Este problema teve o aspecto positivo de
avaliar o trabalho da composição.
As fotografias foram votadas por 11 pessoas diferentes, de forma circular, na qual cada
um dos conjuntos de 10 fotografias era votado e, ao fim dos conjuntos, voltava-se ao pri-
meiro. Dessa forma, não era preciso que os voluntários votassem em todas as fotografias e o
92
conjunto era bem distribuído entre os votantes. Em média, as fotografias receberam 3 votos
cada.
O resultado da votação mostrou que, das 2070 fotografias obtidas inicialmente, 382 fo-
tografias diferentes foram escolhidas como sendo boas, o que equivale a um percentual de
18% das fotografias obtidas. Em se considerando também as imagens escolhidas mais de
uma vez, obtiveram-se 466 fotografias num percentual de 22%. Este percentual, contudo
precisa levar em consideração os vários fatores que compuseram o cenário. Em primeiro
lugar, esse resultado não quer dizer que os outros 82% das imagens não eram boas, apenas
que não foram escolhidas como as melhores imagens. Em segundo lugar, devido à filtragem
por imagens que contivessem faces, apenas 1550 fotografias foram apresentadas para vota-
ção, o que resultou num percentual aproximado de 25% (30% se consideradas as imagens
repetidas).
O objetivo desta votação foi o de verificar três premissas: (1) a obtenção de várias fotos
em seqüência, ao invés de apenas uma, é benéfico para que uma boa fotografia não seja
perdida por questões de centésimos de segundos; (2) o sistema consegue obter fotografias que
representem bem um evento em um ambiente parcialmente controlado. Por fim, também se
desejou verificar se as regras de composição fotográfica aplicadas instantes antes da primeira
fotografia, foram de fato obedecidas. Esta avaliação pode ser feita sem a análise de pessoas,
sendo realizada apenas por algoritmos que irão mensurar a conformidade a uma determinada
regra.
A primeira avaliação foi feita da seguinte forma: a partir da listagem de imagens esco-
lhidas, pode-se afirmar que a primeira fotografia não foi escolhida em nenhuma vez neste
experimento. Portanto, todas as 382 fotografias votadas são uma das 9 adicionais obtidas.
Novamente, isso não quer dizer que as primeiras fotografias eram descartáveis, apenas que
as 9 subseqüentes tinham mais qualidade e eram mais representativas. Uma explicação para
este fato é que a primeira foto pode ter sido obtida enquanto a câmera ainda era ajustada de
acordo com seus sensores, e.g., foco automático ou iluminação, o que pode ter prejudicado
a qualidade destas fotografias.
Mais uma vez, a câmera não sinaliza ao sistema quando está pronta para obter fotogra-
fias, portanto o erro de foco em virtude da movimentação da mesma não pode ser evitado.
Também foi contabilizado que das 382 fotografias, as 5 últimas foram preferidas em 64% das
93
ocasiões, contra 36%. Isto se explica pelo fato das 5 últimas terem sido obtidas com a com-
posição final, enquanto as 5 primeiras ainda em fase de ajustes. Logo, pode-se considerar
que a obtenção de fotografias extra é desejável.
Já a segunda avaliação foi realizada com respeito à quantidade de fotografias. Como foi
mostrado, das 2070 fotografias, 1550 possuíam faces, dessas quais 382 foram escolhidas,
o que dá 25% do total. Apesar do número aparentar ser baixo, é preciso considerar que o
experimento foi executado por 1 hora (a duração da aula descontada de aproximadamente 30
minutos de instalação de equipamento e reparos no sistema).
Também é preciso levar em consideração que caso fosse desejado publicar as fotos de
um determinado evento, apenas uma pequena parte desse total seria, de fato, publicada. O
que dá uma grande margem de escolha para uma seleção mais rigorosa. Portanto, levando
estes fatores em consideração, pode-se afirmar que as fotos obtidas pela câmera podem ser
utilizadas para que seja feita uma representação do evento. A Figura 5.3 mostra duas imagens
consideradas boas pela audiência votante. Outras imagens tanto consideradas boas como
ruins podem ser vistas no Apêndice C.
Figura 5.3: Imagens consideradas boas.
Por fim, a terceira avaliação visou a determinar se as regras de composição foram corre-
tamente aplicadas. A Tabela 5.1 mostra os valores médios obtidos pela execução dos algorit-
mos de extração de características descritos na Seção 3.5 nas 1550 imagens que continham
faces. O Apêndice D apresenta os valores obtidos para uma amostra de imagens.
A partir destes resultados (nos quais maiores valores representam maior conformidade
à regra), pode-se avaliar o quão bem o algoritmo de composição executou sua tarefa. As
regras de composição utilizadas foram a regra-dos-terços, a regra-do-zoom, e a regra-da-
94
Tabela 5.1: Valores médios e desvios padrão obtidos por cada regra de composição.
Integridade. Horizontal Integridade Vertical Espaçamento sup.
0,82 , DP: 0,30 0,50 , DP: 0,28 0,65 , DP: 0,22
Terços Vertical Terços Horizontal Terços pontos
0,69 , DP: 0,2 0,69, DP: 0,13 0,74 , DP: 0,14
integridade.
Pode-se perceber que a Integridade Horizontal foi respeitada, como também a regra-do-
zoom, analisado a partir das integridades e do cálculo do espaçamento superior. Os valores
que destoaram, no caso a Integridade Vertical e a regra-dos-terços (quando analisadas as
retas horizontais isoladamente), são complementares e podem ser explicados pela presença
de muitas fotografias de grupos.
As fotografias de grupo atendiam a média da altura das faces o que, em decorrência da
diferença de estatura das pessoas e da distância até a câmera, levou o sistema a optar por
deixar espaço em excesso e, conseqüentemente, distanciar-se da reta dos terços horizontal
superior.
No caso da reta dos terços vertical, este problema foi minimizado, pois as duas retas
verticais (as que dividem a imagem horizontalmente em 3 partes) eram contabilizadas. Pode-
se considerar, portanto, que o sistema obedece com uma precisão aceitável às regras de
composição fotográfica apresentadas.
5.3 Considerações Finais
Neste capítulo, foram descritos os experimentos realizados em um ambiente parcialmente
controlado, com o objetivo de avaliar o comportamento do sistema desenvolvido nesta dis-
sertação, o qual consiste na integração de módulos de composição automática e de busca e
fotografia de pessoas a partir de uma câmera Pan-Tilt-Zoom.
Em virtude dos resultados obtidos, é possível afirmar que o sistema realizou com êxito
as tarefas propostas. Em primeiro lugar, este foi capaz de localizar as pessoas distribuídas
por um ambiente através da estratégia de busca panorâmica, descrita no Capítulo 4. Em
segundo lugar, de fazer um mapeamento da cena de forma a que o sistema armazenasse
95
conhecimento acerca de uma dada situação possuindo, assim, uma informação de partida
para futuras execuções do sistema.
O sistema também se mostrou capaz de enquadrar o alvo com qualidade, utilizando as
regras de composição fotográfica como guias de precisão de posicionamento, com uma pe-
quena quantidade de movimentos, o que beneficia a agilidade do processo como um todo.
Por fim, as fotografias foram avaliadas por uma audiência a qual considerou que em 25% dos
casos, a fotografia representava de forma satisfatória o evento fotografado.
Uma comparação com outros trabalhos é difícil de ser feita apenas analisando-se os va-
lores numéricos. Isso se dá pois os experimentos envolvem fotografias de terceiros. Não é
possível reproduzir o comportamento das pessoas, mas apenas a localização. Também não é
possível isentar os votantes e, como já foi dito, muitas vezes a publicação da base de foto-
grafias não é possível por questões dos direitos de imagem dos voluntários, o que permitiria
uma votação de bases de dados distintas por um mesmo conjunto de votantes.
Mesmo com esta dificuldade, o sistema foi comparado a outros trabalhos em outros as-
pectos. Em se comparando com o trabalho de Byers et al.
[
Byers et al., 2003
]
, podem-se
observar alguns ganhos. No trabalho citado, 2.000 fotografias são avaliadas entre muito
boas, boas, neutras, ruins e muito ruins por um conjunto de votantes voluntários. O resultado
mostra que 9% das fotos foram consideradas muito boas enquanto 20% foram considera-
das boas. Em somando os dois valores, obtém-se um resultado melhor que os 25% aqui
apresentados.
Entretanto, há de se considerar que na situação proposta por Byers et al. as pessoas
posavam intencionalmente para a câmera e esperavam por seus ajustes. Esta diferença faz
com que, por exemplo, a taxa de aceitação dos votantes do experimento acima seja maior.
Isso acontece pois como os votantes posaram para a foto, a possibilidade da foto ser mais
agradável para o votante é maior. Uma pequena diferença pode, portanto, modificar o resul-
tado. Logo, não é possível analisar-se apenas numericamente o resultado, há de se levar em
consideração o ambiente em que os problemas se inserem.
96
Capítulo 6
Conclusão
Este capítulo apresenta um sumário dos principais pontos discutidos nesta dissertação, bem
como as contribuições da pesquisa desenvolvida e propostas de trabalhos futuros acerca dos
problemas encontrados durante o desenrolar da pesquisa, os quais necessitam de estudos
mais aprofundados.
6.1 Sumário da Dissertação
No Capítulo 2 foi discutido o estado-da-arte do problema da composição fotográfica. Pôde
ser observada a lacuna ainda existente de trabalhos na área de Composição Automática de
fotografias, especialmente em softwares visando uma plataforma de fotografia autônoma,
objetivo deste trabalho.
No Capítulo 3, foi realizado um estudo sobre possíveis maneiras de se efetuar correções
em imagens já capturadas, de forma que fosse possível aumentar sua qualidade no tocante ao
aspecto de composição fotográfica. Partindo de uma revisão bibliográfica sobre composição
automática de fotografias, foram descritos algoritmos para efetuar as correções nas imagens.
Os algoritmos propostos e desenvolvidos nesta dissertação são controlados por um módulo
que escolhe dinamicamente qual regra de composição deve ser utilizada. Este capítulo tam-
bém descreve a extração de características com o fim de se obter informações relevantes
sobre uma fotografia assim como as regras comumente utilizadas por fotógrafos humanos.
No Capítulo 3, também há uma discussão sobre a influência da utilização de uma dada regra
no resultado final segundo a opinião do fotógrafo e de uma audiência imparcial.
97
O Capítulo 4 complementa o Capítulo 3, na medida em que propõe um sistema que
tem por objetivo a aplicação de regras de composição antes da fotografia ser obtida, numa
tarefa preventiva, visando uma correção on-line. Esse sistema foi demonstrado através do
uso de uma câmera Pan-Tilt-Zoom. Como requisito essencial a esta demonstração, houve a
necessidade de localizar o alvo em uma cena da qual não se possuia qualquer informação
a priori. Desta forma, foi descrito um algoritmo para movimentar a câmera em busca de
pessoas e, a partir da experiência aprendida com o passar do tempo, aumentar o número
de procuras em posições de maior probabilidade de se encontrarem as mesmas pessoas, ao
mesmo tempo que ainda permite a busca por pessoas ainda não localizadas.
No Capítulo 5, foram apresentados os experimentos realizados na integração das técnicas
discutidas nos Capítulos 3 e 4. O objetivo destes experimentos foi dar ainda mais suporte ao
funcionameno das regras aqui descritas. O experimento foi executado em uma sala de aula
contendo 14 alunos, em que 2070 fotografias foram obtidas resultando em uma aprovação
de 25% por um grupo de observadores (votantes).
6.2 Contribuições
Nesta dissertação, são propostas abordagens que objetivam o aumento da qualidade de uma
fotografia. Outros trabalhos abordaram o mesmo problema, porém este trabalho teve o ob-
jetivo de ser mais completo, tendo de cada abordagem o que de melhor ela apresenta para a
construção de um sistema que, com qualidade, reúna conhecimento de todas as áreas. Logo,
foram abordados nesta dissertação metodologias inéditas para o problema de composição
fotográfica e automação de fotografia.
Em primeiro lugar, é apresentado um sistema autônomo para efetuar, mesmo após a
fotografia ter sido obtida, ajustes considerados benéficos à luz da composição fotográfica.
Esta abordagem utiliza a detecção de faces como ponto de partida e calcula o espaço ocupado
pelas pessoas através de medidas antropométricas, heurísticas utilizadas pela Anatomia e
Artes Plásticas, para respeitar as proporções normais dos seres humanos.
Em seguida, é apresentado um sistema que utiliza uma câmera Pan-Tilt-Zoom (câmera
dotada de motores para rotação e ajuste do ângulo de visão) para localizar, enquadrar e
fotografar alvos em uma cena. São mostradas estratégias que podem ser utilizadas para
98
agilizar ou, pelo menos organizar, a busca por alvos em uma cena. São também apresen-
tadas propostas para que, após localizados os alvos, sejam enquadrados, mesmo sem ter
informação do ângulo de visão da câmera. Também é um diferencial deste trabalho o fato
de apenas uma câmera ser utilizada, sem sensores externos ou câmeras adicionais. Tam-
bém não é preciso nenhuma informação ou condição prévia para o funcionamento do sis-
tema. Este é um problema pouco tratado na literatura e cujas soluções normalmente uti-
lizam suporte de sensores ou câmeras adicionais, por exemplo ver os trabalhos de Clady
et al., Funahashi et al. e Senior e Hampapur
[
Clady et al., 2001; Funahasahi et al., 2004;
Senior and Hampapur, 2005
]
. Nesta dissertação, mostra-se como a correção pode ser reali-
zada antes mesmo da fotografia ser obitida através de um método on-line de correção.
Por fim, um outro grande diferencial é a junção destas duas etapas(localização e com-
posição), pouco exploradas na literatura. Logo, em um único sistema, pode-se localizar,
enquadrar de acordo com a composição, fotografar, analisar a qualidade da fotografia, em
sendo necessário, corrigir a composição da fotografia já obtida e poder classificar o resultado
final de acordo com a sua qualidade.
Parte da abordagem aqui apresentada, mais especificamente a parte da dissertação que
trata da composição automática de fotografias, foi publicado na conferência VIIP - Visuali-
zation, Imaging and Image Processing
[
Cavalcanti et al., 2006
]
.
6.3 Trabalhos Futuros
Esta seção apresenta algumas sugestões de trabalhos futuros com respeito à obtenção de um
melhor desempenho e a novas aplicações do sistema proposto.
Em primeiro lugar, deve-se procurar novas abordagems para os problemas mais relevan-
tes encontrados nesta dissertação. Um dos principais problemas que existe é a incapacidade
do sistema detectar o alvo em alguns casos. Isto gera uma cascata de erros, já que a informa-
ção primordial - posição e dimensões da face - estando errada, todo o processo que se utiliza
dessa informação, irá errar. Portanto um primeiro trabalho futuro é a investigação da possi-
bilidade de utilização de outros detectores, seja de pessoas, seja de pele ou de movimento.
Uma proposta é a utilização de pontos de Atenção Visual aliado à detecção de faces.
Um outro projeto de trabalho futuro é a ampliação do grau de liberdade da câmera aco-
99
plando outros módulos de movimento. Desta forma, podem-se adquirir fotografias de qua-
lidade ainda maior. Em compensação, há um grande desafio que é a compreensão da cena
como um todo, de forma que a câmera possa mover-se de forma segura, porém objetiva.
Após localizado o tema, existe também uma proposta de melhoria para os passos seguin-
tes. Uma delas é a capacidade de interpretar elementos da cena que possam servir como
sinais. Estes sinais - gestos, placas, sons, cores, etc - podem ser utilizados como uma forma
de permitir interatividade entre o sistema e o alvo. Assim, pode-se conseguir um controle
bem maior do sistema, sem a necessidade de se fazer complexos algoritmos que entendam a
cena como um todo.
Na área da composição fotográfica, existe uma demanda por mais regras de composi-
ção que possam ser integradas, cuja aplicação seria indiscutivelmente benéfica à fotografia.
Novos módulos de composição além daqueles apresentados no Apêndice A podem ser um
ponto de partida nesta direção. Além das regras de composição, propriamente ditas, faz-se
desejável o estudo e compreensão de outras etapas do processo da fotografia, de maneira que
todas as etapas estejam confluindo para a obtenção de uma excelente fotografia..
Por fim, é importante um refinamento na etapa de extração de características de forma
que o treinamento de um Sistema Inteligente para aprender informações sobre a qualidade de
fotografias seja possível. Este refinamento consiste em um melhor entendimento do processo
como um todo, especialmente no tocante à obtenção da informação a partir do votante. Por
este se comportar de uma forma nem sempre ideal, é preciso que seja direcionado o foco do
problema de forma a não deixar margens ao erro.
Além destes, outros trabalhos futuros poderiam derivar do que foi apresentado nesta dis-
sertação. Estas possibilidades foram destacadas por apresentarem ser as mais promissoras.
100
Referências Bibliográficas
[
Arnheim, 1980
]
Arnheim, R. (1980). Arte & Percepção Visual: Uma psicologia da visão
criativa. Pioneira Thomson Learning, São Paulo.
[
Banerjee and Evans, 2004
]
Banerjee, S. and Evans, B. L. (2004). Unsupervised automation
of photographic composition rules in digital still cameras. Proc. IS&T SPIE Conf. on
Sensors, Color, Cameras, and Systems for Digital Photography, 5301:364–373.
[
Batista et al., 2006
]
Batista, L. B., Gomes, H. M., and Carvalho, J. M. (2006). Photoge-
nic facial expression discrimination. Em International Conference on Computer Vision
Theory and Applications (VISAPP’06), páginas 166–171.
[
Berg et al., 2005
]
Berg, A. C., Berg, T. L., and Malik, J. (2005). Shape matching and object
recognition using low distortion correspondences. Em Proceedings of the 2005 IEEE
Computer Society Conference on Computer Vision and Pattern Recognition (CVPR’05),
volume 01, páginas 26–33.
[
Boyd, 2000
]
Boyd, J. (2000). Enhacing photographic composition − wellington photogh-
raphic society. URL: http://asp.photo.free.fr/enhancing_composition_wellington.htm. Úl-
timo acesso: [03/06/07].
[
Busselle, 1999
]
Busselle, M. (1999). Better Picture Guide to Photographing People. Ro-
tovision, New York.
[
Byers et al., 2003
]
Byers, Z., Dixon, M., Goodier, K., Grimm, C., and Smart, W. (2003).
An autonomous robot photographer. Proc. of IROS - International Conf. on Robots and
Systems, 3:2636–2641.
101
[
Byers et al., 2004
]
Byers, Z., Dixon, M., Smart, W. D., and Grimm, C. M. (2004). Say
cheese!: Experiences with a robot photographer. AI Magazine, 25(3):37–46.
[
Cavalcanti et al., 2006
]
Cavalcanti, C. S. V. C., Gomes, H., Meireles, R., and Guerra, W.
(2006). Towards automating photographic composition of people. Em Proceedings of
IASTED-VIIP 2006 - Visualization, Imaging and Image Processing. IASTED.
[
Cavalcanti and Gomes, 2005
]
Cavalcanti, C. S. V. C. and Gomes, H. M. (2005). People
detection in still images based on a skin filter and body part evidence. Em CDRom Pro-
ceedings of XVIII Brazilian Symposium on Comp. Graphics and image Proc., Natal. 2
pages.
[
CImg, 2005
]
CImg (2005). The CImg Library - C++ Template Image Processing Library.
URL: http://cimg.sourceforge.net/. Último acesso: [03/06/07].
[
Clady et al., 2001
]
Clady, X., Collange, F., Jurie, F., and Martinet, P. (2001). Object trac-
king with a pan-tilt-zoom camera: application to car driving assistance. Em IEEE Inter-
national Conference on Robotics and Automation, 2001, volume II, páginas 1653–1658,
LASMEA, CNRS, Aubiere, France.
[
Clark, 2001
]
Clark, R. N. (2001). Image detail (how much detail can you capture and
scan?). URL: http://www.clarkvision.com/imagedetail/scandetail.html. Último acesso
[03/06/2007].
[
Dace, 2006
]
Dace, M. (2006). Human proportion. URL:
http://www.dace.co.uk/proportion.htm. Último acesso: [03/06/07].
[
Datta et al., 2006
]
Datta, R., Joshi, D., Li, J., and Wang, J. Z. (2006). Studying aesthetics
in photographic images using a computational approach. Lecture Notes in Computer
Science, 3953(3):288–301.
[
Desolneux et al., 2004
]
Desolneux, A., Moisan, L., and Morel, J.-M. (2004). Gestalt The-
ory and Computer Vision. Kluwer Academic Publishers.
[
Fossa and Erickson, 2005
]
Fossa, J. A. and Erickson, G. W. (2005). The divided line and
the golden mean. Revista Brasileira de História da Matemática, 5(9):59–77.
102
[
Freeman, 2004
]
Freeman, M. (2004). Photographing People. The Ilex Press Limited.
[
Funahasahi et al., 2004
]
Funahasahi, T., Tominaga, M., Fujiwara, T., and Koshimizu, H.
(2004). Hierarchical face tracking by using ptz camera. Em Proceedings of the Sixth IEEE
International Conference on Automatic Face and Gesture Recognition, páginas 427–432.
[
Gomes Filho, 2000
]
Gomes Filho, J. (2000). Gestalt do Objeto - Sistema de Leitura Visual
da Forma. Ed. Escrituras, São Paulo.
[
Grill and Scanlon, 1990
]
Grill, T. and Scanlon, T. (1990). Photographic Composition. New
York: Amphoto Books. Watson-Guptill Publications, Broadway.
[
Hager and Belhumeur, 1998
]
Hager, G. and Belhumeur, P. (1998). Efficient region tracking
with parametric models of geometry and illumination. IEEE Transactions on Pattern
Analysis And Machine Intelligence, 10(20):1025–1039.
[
Haykin, 1999
]
Haykin, S. (1999). Neural Networks: A Comprehensive Foundation. Pren-
tice Hall, Upper Saddle River, NJ.
[
Hedgecoe, 2003
]
Hedgecoe, J. (2003). The new manual of photography. D.K. - Dorling
Kindersley Limited, London.
[
Hedgecoe, 2005
]
Hedgecoe, J. (2005). The Book of Photography. D.K. - Dorling Kinders-
ley Limited, Great Britain.
[
Hendee, 1997
]
Hendee, W. R. (1997). The Perception of Visual Information. Springer-
Verlag, New York.
[
Hu et al., 2000
]
Hu, C., Yu, Q., Li, Y., and Ma, S. (2000). Extraction of parametric human
model for posture recognition using genetic algorithm. Proceedings of the Fourth IEEE
International Conference on Automatic Face and Gesture Recognition, 1:518–523.
[
Hurter, 2004
]
Hurter, B. (2004). The Portrait Photographer’s Guide to Posing. Amherst
Media, New York.
[
IJG, 2005
]
IJG (2005). Independent JPEG group. URL: http://www.ijg.org/. Último
acesso: [03/06/07].
103
[
Itti et al., 2005
]
Itti, L., Rees, G., and Tsotsos, J. K. (2005). Neurobiology of Attention.
Elsevier Inc.
[
Kant, 1993
]
Kant, I. (1993). Crítica da Faculdade de Juízo - Trad. Valerio Rohden e Antó-
nio Marques. Forense Universitária, Rio de Janeiro.
[
Koffka, 1955
]
Koffka, K. (1955). Principles of Gestalt Psychology. Routledge and Kegan
Paul Ltd., London.
[
Latzel et al., 2005
]
Latzel, M., Darcourt, E., and Tsotsos, J. (2005). People tracking using
robust motion detection and estimation. Em Proceedings of the 2nd Canadian Conference
on Computer and Robot Vision, páginas 270–275.
[
Lawrence, 2004
]
Lawrence, G. (2004). Composition. URL:
http://www.geofflawrence.com. Último acesso: [03/06/07].
[
Li et al., 1999
]
Li, J., Wang, J. Z., Gray, R. M., and Wiederhold, G. (1999). Multiresolution
object-of-interest detection for images with low depth of field. Em Proceedings of the 10th
International Conference on Image Analysis and Processing, volume 1, páginas 32–37.
[
Linhares, 2004
]
Linhares, J. (2004). Fotografando Mulheres. Brasport, Rio de Janeiro,
Brasil.
[
Luo et al., 2004
]
Luo, J., Singhal, A., Etz, S. P., and Gray, R. T. (2004). A computational
approach to determination of main subject region in photographic images. Image and
Vision Computing, 01(22):227–241.
[
Lyman and Varian, 2003
]
Lyman, P. and Varian, H. R. (2003). How much informa-
tion 2003. URL: http://www.sims.berkeley.edu/how-much-info-2003. Último acesso:
[03/06/07].
[
Mitchell, 1999
]
Mitchell, T. (1999). Machine learning and data mining. Communications
of the ACM, 42(11):30–36.
[
Nikos, 2005
]
Nikos (2005). Group snapshots - travel photography blog. URL:
http://www.travelphotoblog.com/archives/000735.shtml. Último acesso: [03/06/07].
104
[
Okazaki, 1998
]
Okazaki, R. Y. (1998). Creating a storyboard for video production. URL:
http://www2.hawaii.edu/ ricky/etec/basicshot.html. Último acesso: [03/06/07].
[
OpenCV, 2005
]
OpenCV (2005). OpenCV - Open Source Computer Vision Li-
brary. URL: http://www.intel.com/technology/computing/opencv/index.htm. Último
acesso: [03/06/07].
[
Ozer and Wolf, 2002
]
Ozer, I. B. and Wolf, W. (2002). Real-time posture and activity re-
cognition. Em IEEE Proceedings of the Workshop on Motion and Video Computing (MO-
TION’02).
[
Parker, 1997
]
Parker, J. R. (1997). Algorithms for Image Processing and Computer Vision.
John Wiley & Sons.
[
Pereira and Gomes, 2006
]
Pereira, E. T. and Gomes, H. M. (2006). Guiding a bottom-up
visual attention mechanism to locate specific image regions using a distributed genetic
optimization. Em CIARP - Iberoamerican Congress on Pattern Recognition, páginas
257–266.
[
Pereira et al., 2006
]
Pereira, E. T., Gomes, H. M., and Florentino, V. F. C. (2006). Bottom-
up visual attention guided by genetic algorithm optimization. Em Eigth IASTED Interna-
tional Conference on Signal and Image Processing, páginas 228–233.
[
photography.com, 2006
]
photography.com (2006). Film vs. digital statistics. URL:
http://www.photography.com/topics/film-vs-digital-statistics/. Último acesso: [03/06/07].
[
Photoinfo.com, 2000
]
Photoinfo.com (2000). Composition basics − how to get good pic-
tures. URL: http://photoinf.com/General/ITRC_ UMT. Último acesso: [03/06/07].
[
Qiu et al., 2006
]
Qiu, X., Song, J., Zhang, X., and Liu, S. (2006). A complete coverage
path planning method for mobile robot in uncertain environments. Em Proceedings of the
6th World Congress on Intelligent Control and Automation, páginas 8892–8896, Dalian,
China.
[
Ramalho and Palacin, 2004
]
Ramalho, J. and Palacin, V. (2004). Escola de Fotografia.
Futura, São Paulo.
105
[
Rowley et al., 1998a
]
Rowley, H. A., Baluja, S., and Kanade, T. (1998a). Neural network-
based face detection. IEEE Transactions on Pattern Analysis and Machine Intelligence,
20(1):23–28.
[
Rowley et al., 1998b
]
Rowley, H. A., Baluja, S., and Kanade, T. (1998b). Rotation inva-
riant neural network-based face detection. Computer Vision and Pattern Recognition,
20(1):38–44.
[
Santella et al., 2006
]
Santella, A., Agrawala, M., DeCarlo, D., Salesin, D., and Cohen, M.
(2006). Gaze based interaction for semi automatic photo cropping. Em Proceedings of
the SIGCHI conference on Human Factors in computing systems, páginas 771–780.
[
Senior and Hampapur, 2005
]
Senior, A. and Hampapur, A. (2005). Acquiring multi-scale
images by pan-tilt-zoom control and automatic multi-camera calibration. Em Workshop
on Applications of Computer Vision Jan. 2005., páginas 433–438.
[
Sinha and Pollefeys, 2004
]
Sinha, S. N. and Pollefeys, M. (2004). Towards calibrating a
pan-tilt-zoom camera network. Em OMNIVIS 2004 - Workshop on Omnidirection Vision
and Camera Networks held in conjunction with ECCV 2004, páginas 1–13.
[
Sprague and Luo, 2002
]
Sprague, N. and Luo, J. (2002). Clothed people detection in still
images. Em Proceedings of the 16 th International Conference on Pattern Recognition
(ICPR’02), volume 3, páginas 585–589.
[
Stack and Smith, 2003
]
Stack, J. and Smith, C. (2003). Combining random and data-driven
coverage planning for underwater mine detection. Em Oceans 2003 Proceedings, vo-
lume 5, páginas 2463 – 2468.
[
Takahashi and Sugakawa, 2004
]
Takahashi, K. and Sugakawa, S. (2004). Remarks on hu-
man posture classification using self-organizing map. Em IEEE International Conference
on Systems, Man and Cybernetics, volume 03, páginas 2623– 2628.
[
Tomono, 2003
]
Tomono, M. (2003). Path planning with target finding by single camera un-
der map uncertainty. Em Computational Intelligence in Robotics and Automation, 2003.
Proceedings. 2003 IEEE International Symposium on, volume 1, páginas 465 – 470.
106
[
Tremblay, 2003
]
Tremblay, P. (2003). Basic rules of photography. URL:
http://trem.ca/learning.html. Último acesso: [03/06/07].
[
Vapnik, 1999
]
Vapnik, V. N. (1999). The Nature of Statistical Learning Theory. Springer,
2nd edition.
[
Viola and Jones, 2001
]
Viola, P. and Jones, M. (2001). Rapid object detection using a bo-
osted cascade of simple features. Computer Vision and Pattern Recognition, 1:511–518.
[
Yamada et al., 1998
]
Yamada, M., Ebihara, K., and Ohya, J. (1998). A new robust real-
time method for extracting human silhouettes. Em Proceedings of the 3rd. International
Conference on Face & Gesture Recognition, páginas 528–533.
[
Yang and Luo, 2004
]
Yang, S. X. and Luo, C. (2004). A neural network approach to com-
plete coverage path planning. IEEE Transactions on Systems, Man, and Cybernetics,
34(1):718–725.
[
Zhang et al., 2005
]
Zhang, M., Zhang, L., Sun, Y., Feng, L., and Ma, W. (2005). Auto
cropping for digital photographs. Em IEEE International Conference on Multimedia and
Expo, páginas 4–8.
107
Apêndice A
Noções de Composição Fotográfica
Existem casos em que a fotografia após revelada não agrada aos olhos do fotógrafo e paira
a dúvida sobre o que faltou para que o sentimento que o fotógrafo viu a olho nu pudesse
ser passado por completo. Isto se dá pois na conversão de uma cena para uma fotografia
perde-se muita informação. Em primeiro lugar, o ângulo de visão de um ser humano é maior
que o da câmera. É perdida também informação com relação às dimensões de representação
dos objetos, que caem de 3 dimensões na cena real para 2 dimensões na fotografia. Estes,
além de diversos outros fatores tais como o movimento, as cores, o cheiro, etc. são perdidos
quando da transposição da imagem para o papel fotográfico.
Professores e estudiosos de arte costumam ser rigorosos quanto ao uso de palavras na ati-
vidade de descrição de artes. A informação visual é praticamente impossível de ser descrita
verbalmente. São meras descrições limitadas de todos os sentidos que atuam simultanea-
mente, pois as palavras não são a via ideal para o contato com a realidade, servem apenas
para nomear aquilo que se vê, ouve e sente
[
Arnheim, 1980
]
. De forma análoga, a fotografia,
como ela é, estática, não é capaz de passar muito do ambiente que foi fotografado. É preciso
mais do artista (do fotógrafo) para que o ambiente, o sentimento, etc. possam estar presen-
tes em um pedaço de papel que meramente representa uma pequena parte do que os olhos
captavam em um dado momento.
Como são incompletas por si só, já que possuem uma dimensão a menos e tem ângulo
de visão reduzido, as fotografias precisam objetivar a informação que trazem. As regras de
composição trazem alguma informação sobre o que de uma cena deve ser enfatizada para
que o tema da fotografia seja evidenciado. Elas tentam fazer com que a perda da informação
108
seja minimizada e a fotografia, mesmo com tantos fatores a menos que a cena, ainda possa
passar uma parte do sentimento do fotógrafo ao visualizador.
Um termo muito utilizado na fotografia como um todo e que vai ser muito citado nas
explicações que se seguem é o termo “Tema” ou “Alvo”. A escolha do tema pode ser vista
como uma “pré-regra” para qualquer abordagem de composição utilizada.
O tema está para uma foto como o sujeito (gramaticalmente falando) está para uma frase.
O tema é o que se deseja, de fato, fotografar
[
Ramalho and Palacin, 2004; Grill and Scanlon,
1990
]
. O tema pode ser uma pessoa, um lugar, uma característica de uma pessoa, um animal,
uma ação, etc. Enfim, independentemente do observador, é fundamental que fique claro o
tema - o verdadeiro centro de interesse de uma foto.
Todas as fotografias tem um tema. Mas nem sempre o tema da fotografia é de fato o
tema que o fotógrafo quis enfatizar. Essa diferença é o que pode, visualmente, deixar uma
foto amadora desagradável. O erro, nesses casos, é que o fotógrafo não conseguiu deixar
claro “O que” ele estava querendo fotografar
[
Hedgecoe, 2003
]
. E este erro pode e deve ser
evitado sempre
[
Hurter, 2004
]
.
As regras de composição de fotografia precisam ter claro o tema. Para que uma regra
faça sentido, é necessário que o “tema” sofra a composição. Ele é o ponto principal de uma
fotografia e as regras de composição servem para, prioritariamente, dar mais ênfase ao tema,
deixá-lo cada vez mais saliente.
Neste trabalho, o tema tratado será sempre pessoas. Toda e qualquer regra aqui descrita
visará a boas práticas de composição de forma que pessoas sejam enfatizadas como o tema
de uma fotografia. Apesar de terem o mesmo objetivo, as regras de composição específicas
para fotos com pessoas diferem em muito das demais (paisagens, animais, etc). Uma regra
aplicável para uma paisagem pode ser aplicada para uma pessoa, porém, a forma como será
feita essa aplicação deve ser diferente. As regras descritas, contudo, além de poderem ser
aplicadas em pessoas, podem também ser aplicadas caso o tema da foto seja outro. Para
um sistema computacional, por exemplo, o que muda é o detector de alvos, que, no caso
desta disseratção, está configurado como um detector de pessoas, podendo ser um detector
de flores, animais, ou até mesmo um ponto de atenção visual. Esta escolha, contudo, é
justificável dado que a grande maioria das fotografias no mundo tem pessoas como tema
principal
[
Freeman, 2004
]
.
109
Portanto, como base para todas as técnicas propostas, tem-se a detecção de pessoas como
um forte requerimento. Dado que todas as pessoas têm face, a solução para nosso problema
pode, a priori, basear-se neste requisito. Sabendo-se a posição da face pode-se, por exem-
plo, inferir a posição do resto do corpo da pessoa. Um detector de faces é, portanto, de
fundamental importância para esta finalidade.
A seguir, serão descritas as regras de composição desenvolvidas nesta dissertação para a
melhoria automática de uma fotografia.
A.1 A Regra-dos-Terços
Esta regra - uma das mais antigas e conhecidas - sugere que o tema da fotografia esteja
em pontos de referência da fotografia. Estes pontos são os pontos de encontro de duas
retas verticais e horizontais eqüidistantes entre si (e nas retas em si). A regra é conhecida
por Regra-dos-Terços [Joseph e Hamptom, 2003] por estas retas (horizontais ou verticais)
distanciarem-se das bordas da fotografia em 1/3 do tamanho total disponível. A imagem é
dividida, portanto, em 3 regiões de mesma área tanto horizontalmente como verticalmente.
A Figura A.1 ilustra esta regra.
Figura A.1: Ilustração do uso da Regra-dos-Terços. Exemplificando o posicionamento ideal
do tema − o olho da modelo.
A Regra-dos-Terços teve origem há milênios e era utilizada (antes do advento da fotogra-
fia) em pinturas dos mais famosos nomes. Outra regra de posicionamento utiliza a “medida
110
áurea − Golden Mean”
[
Fossa and Erickson, 2005
]
. Tem seus pontos de referência muito
próximos aos pontos da Regra-dos-Terços o que, de certa forma, ajuda a validá-la.
Os fotógrafos amadores, inicialmente, sofrem um impacto ao conhecer esta regra. Em
sua grande maioria, os amadores buscam centralizar o tema. A justificativa desta descen-
tralização do tema é que na medida que o tema é centralizado, o cérebro é forçado a fixar
sua atenção no tema ignorando o resto do contexto da fotografia. Isto pode ser desejável,
por exemplo, quando da fotografia de uma única pessoa, quando se deseja máxima atenção
àquele único ponto. Temas centralizados, contudo, produzem um visual muito estático
[
Hur-
ter, 2004
]
. Ainda assim é possível uma fotografia que obedeça à regra e na qual a pessoa
continue como centro da atenção.
Em casos onde a imagem já está completamente preenchida, escolhe-se o ponto principal
para colocá-lo em um ponto de terço, por exemplo, no caso de um close-up no quaj se
deve colocar um dos olhos em um dos pontos de terço
[
Hedgecoe, 2005; Hurter, 2004;
Freeman, 2004; Ramalho and Palacin, 2004
]
.
Enquanto isso, uma fotografia que obedece à regra-dos-terços, faz com que o observador,
em um primeiro momento, olhe para o centro de atenção − a pessoa − e, em seguida, bus-
que outros elementos na fotografia. Isto dá à fotografia dinamicidade tendo como resposta,
um observador menos “cansado” pois seus olhos são levados a “viajar” pela superfície da
fotografia em busca de novas informações.
A.2 Regra-do-Arranjo e Regra-dos-Ímpares
As regras-do-arranjo da cena e regra-dos-ímpares tratam da disposição dos temas pelo espaço
da foto, mesmo que com sentidos diferentes.
Na regra-do-arranjo
[
Boyd, 2000
]
, deseja-se que a disposição dos temas seja feita de
forma uniforme porém dinâmica. Essa disposição, contudo, é feita a partir de duas nuances:
na primeira define-se o posicionamento das pessoas de forma que elas ocupem o espaço
da fotografia, a segunda, entretanto, preocupa-se de fato com a distribuição dos temas pela
fotografia.
O arranjo das pessoas quando de um grupo de pessoas com uma certa heterogenia na
altura deve ser realizado de forma a evitar que as pessoas posicionem-se de forma a causar
111
uma confusão visual, ou seja, os olhos não sabem para onde olhar. A forma estática do
posicionamento, também é um importante fator a ser evitado: fotos nas quais todos estão
alinhados tal como um “time de futebol posando para uma foto” normalmente não causam
uma sensação visual agradável, ainda que o caminho que os olhos percorrerão seja bem
definido. Existem regras para que a disposição das pessoas seja a mais agradável e atraente
o possível aos olhos do observador. Na Figura A.2, um exemplo de uma regra de arranjo é
mostrado. Neste exemplo, as pessoas são distribuídas com o objetivo de formar triângulos.
Algumas figuras geométricas (tais como os triângulos, as pirâmides, diamantes, linhas curvas
e os triângulos invertidos dentre outras formas) causam maior interesse ao olho humano que
simplesmente linhas retas
[
Nikos, 2005
]
.
Figura A.2: Regra da disposição triangular aplicada a pessoas em uma fotografia.
Vale ressaltar, que a disposição das pessoas para uma fotografia também passa pelo bom
senso de não obrigar mudanças que deixem as pessoas fotografadas em posição desconfor-
tável em detrimento de se obedecer a uma regra.
As fotos com pessoas alinhadas, contudo, não são automaticamente descartáveis. Assim
como mostrado na Figura A.3, uma disposição utilizando apenas linhas também pode ser
agradável se puder formar um circuito levando o olho a “passear” pela imagem até um deter-
minado ponto. Diagonais, por exemplo, possuem um dinamismo muito útil a uma fotografia.
A Regra-dos-Ímpares sugere que as fotos são mais agradáveis quando o número de alvos
é impar - alvos de número par geram visuais estáticos e sem atratividade. Isto não quer dizer
que fotos com duas pessoas são desagradáveis, apenas se as pessoas estejam tão separadas
112
Figura A.3: (1) A disposição das pessoas leva a um passeio pela foto retornando ao meio.
(2) O alinhamento cria uma diagonal no sentido superior direito - direcionando o fluxo.
a ponto de se formarem dois grupos. Ao juntarem-se duas pessoas, forma-se um par o que
obedece a regra. Ao juntarem-se mais de duas pessoas, forma-se 1 grupo - obedecendo tam-
bém à regra. Esta regra é justificada pela atração que a desordem provocada pelos ímpares
provoca ao cérebro.
A.3 Regra-do-Zoom / Headroom
Uma foto de pessoas precisa que os temas estejam visíveis a ponto de ser possível reconhe-
cê-los. Ao mesmo tempo, uma foto que praticamente toda a extensão é ocupada apenas pela
face do alvo também pode não ser a solução ideal, em virtude do interesse pela paisagem.
Em suma, o tema deve estar em uma posição agradável ao contexto geral da imagem.
Nem tão longe nem tão perto. Se assim for procedido, a quantidade de fotografias cuja
qualidade é boa aumenta. Apesar disso, não é simples saber o quão perto/longe se deseja
que os temas estejam.
Quando a fotografia é de pessoas (especialmente um close-up de uma única pessoa) o
zoom pode ser controlado na medida do Headroom
[
Photoinfo.com, 2000
]
- o espaço que
a cabeça do alvo deve ter para que tenha condições de se “deslocar” pela fotografia. Fotos
nas quais as cabeças estão muito próximas às bordas dão a sensação que o fotografado irá
“bater a cabeça” na borda ou, se a cabeça estiver muito baixa, dá a impressão que a pessoa
foi “degolada”. A Figura A.4 ilustra um headroom correto.
113
(a) (b)
Figura A.4: (a) Headroom incorreto estando a cabeça “batendo nos limites” já em (b) a
cabeça está posicionada corretamente.
O Headroom também não pode ser excessivo a ponto de se dar a impressão que o back-
ground é mais importante que o tema
[
Busselle, 1999
]
.
A.4 Regra-da-Integridade
Uma regra importante para uma foto ter uma boa aceitação é que os temas da foto não
sejam “cortados” pelos limites da foto. Óbviamente, fotos de corpo inteiro nem sempre são
necessárias podendo haver cortes sem prejuízo da qualidade
[
Hurter, 2004; Busselle, 1999
]
.
Entretanto, é fundamental que, em especial, os membros superiores não sejam ocultados.
Mãos, braços e cabeça - ou seja, partes do corpo próximas às juntas - produzem um efeito
desagradável ao serem excluídos da fotografia. Portanto uma regra interessante é a de sempre
verificar se os temas estão por completo no espaço da fotografia.
A regra-do-zoom/headroom (item anteriormente abordado) ilustra um pouco desta ques-
tão mais direcionado ao posicionamento da cabeça. Neste item fala-se do tema em si, in-
dependentemente de qual parte do corpo está sendo omitida - o desejável é que não haja
nenhuma parte do corpo do alvo ocultada. Evidentemente, a foto não precisa ser de corpo
inteiro, basta que, a partir de um dado ponto, preferencialmente pouco acima da linha da
cintura, não sejam cortadas outras partes do corpo que, porventura, estejam separadas do
corpo (tronco). Isto não quer dizer, contudo, que a foto só pode ser tirada desta forma. O
ideal é que o alvo maximize a área ocupada na fotografia. Isto pode fazer, por exemplo, que
seja preciso cortar algo do corpo
[
Lawrence, 2004
]
. O que importa é que esta parte do corpo
cortada não dê a impressão que esta parte do corpo foi amputada.
114
A Figura A.5 ilustra o quão desagradável pode parecer uma fotografia a qual os membros
e as cabeças das pessoas foram cortados.
Figura A.5: Nesta foto, a cabeça e o corpo de várias pessoas do tema foram recortadas por
descuido do fotógrafo.
Observe ainda que esta mesma figura poderia tornar-se bem mais agradável se algum
algoritmo de atuação prévia impedisse o fotógrafo de obter esta fotografia, alertando-o sobre
as conseqüências negativas deste incorreto enquadramento.
115
Apêndice B
Imagens Representando a Composição
Fotográfica
Este Apêndice mostra imagens processadas pelo algoritmo de composição automática de
fotografias e votadas por voluntários que decidiram pela qualidade do processamento. Os
resultados da votação são mostrados a seguir. Na primeira coluna, duas imagens sendo a da
esquerda a original e a da direita a modificada. Na segunda coluna, a quantidade de votos
para cada opção (na ordem apresentada anteriormente) e, na terceira coluna, a conclusão
da votação onde ‘Iguais Adequada’ indica que não havia necessidade de modificação na
imagem original e ‘Iguais Inadequada’ que o votante achava que deveria ter sido feita alguma
mudança.
Percebe-se que não existe unanimidade mesmo para imagens cujas mudanças foram con-
sideradas benéficas por uma larga maioria, indicando subjetividade na avaliação. Também
percebe-se dificuldade na avaliação da necessidade de mudanças, uma vez que as opções 2
e 3 eram votadas incoerentemente. As Figuras B.1 e B.2 mostram imagens consideradas
boas. Já as Figuras B.3 e B.4 mostram imagens consideradas ruins pelos votantes após as
modificações efetuadas pelo algoritmo.
116
4 - 0 - 0 - 1 Melhorou
5 - 0 - 0 - 0 Melhorou
5 - 0 - 0 - 0 Melhorou
5 - 0 - 0 - 0 Melhorou
4 - 0 - 0 - 1 Melhorou
5 - 0 - 0 - 0 Melhorou
4 - 0 - 0 - 1 Melhorou
5 - 0 - 0 - 0 Melhorou
Figura B.1: Imagens consideradas melhores
117
5 - 0 - 0 - 0 Melhorou
3 - 0 - 2 - 0 Melhorou
3 - 1 - 1 - 0 Melhorou
3 - 0 - 0 - 2 Melhorou
5 - 0 - 0 - 0 Melhorou
0 - 3 - 2 - 0 Iguais Adequado
0 - 3 - 2 - 0 Iguais Adequado
0 - 4 - 1 - 0 Iguais Adequado
0 - 4 - 1 - 0 Iguais Adequado
0 - 3 - 2 - 0 Iguais Adequado
Figura B.2: Imagens consideradas melhores ou iguais
118
2 - 0 - 0 - 3 Piorou
2 - 0 - 0 - 3 Piorou
2 - 0 - 0 - 3 Piorou
2 - 0 - 0 - 3 Piorou
2 - 0 - 0 - 3 Piorou
1 - 0 - 0 - 4 Piorou
0 - 2 - 3 - 0 Iguais Inadequado
0 - 0 - 5 - 0 Iguais Inadequado
0 - 2 - 3 - 0 Iguais Inadequado
1 - 1 - 3 - 0 Iguais Inadequado
Figura B.3: Imagens consideradas piores ou ruins por ausência de mudanças
119
0 - 2 - 3 - 0 Iguais Inadequado
0 - 1 - 4 - 0 Iguais Inadequado
0 - 2 - 3 - 0 Iguais Inadequado
0 - 2 - 3 - 0 Iguais Inadequado
1 - 1 - 3 - 0 Iguais Inadequado
0 - 1 - 3 - 1 Iguais Inadequado
0 - 2 - 3 - 0 Iguais Inadequado
0 - 2 - 3 - 0 Iguais Inadequado
0 - 2 - 3 - 0 Iguais Inadequado
0 - 2 - 3 - 0 Iguais Inadequado
Figura B.4: Imagens consideradas ruins por ausência de mudanças
120
Apêndice C
Imagens Resultantes do Experimento
com a Câmera Pan-Tilt-Zoom
Este apêndice traz algumas imagens capturadas pela câmera PTZ no experimento descrito no
Capítulo 5. Na Figura C.1 são apresentadas imagens obtidas durante os passos de movimen-
tação para ajuste da câmera, e as Figuras ( C.2)-( C.5) apresentam algumas das imagens que
foram consideradas boas pelos votantes no mesmo experimento. As Figuras ( C.6)-( C.9)
apresentam imagens que não foram escolhidas como sendo boas pelos votantes.
Pode-se perceber, ao analisar os resultados, que existem mais fotografias de duas pessoas
em particular. Isso se dá devido a geometria do local, que impediu que outras pessoas fossem
visualizadas uma vez que estas duas estavam, na grande maioria do tempo do experimento,
na frente das outras.
Figura C.1: Exemplo do ajuste da câmera. Ajusta-se primeiro o posicionamento e em seguida
o zoom.
121
Figura C.2: Alguns exemplos de fotografias consideradas boas pelos votantes 1/4.
122
Figura C.3: Alguns exemplos de fotografias consideradas boas pelos votantes 2/4.
123
Figura C.4: Alguns exemplos de fotografias consideradas boas pelos votantes 3/4.
124
Figura C.5: Alguns exemplos de fotografias consideradas boas pelos votantes 4/4.
125
Figura C.6: Alguns exemplos de fotografias não escolhidas como boas pelos votantes 1/4.
126
Figura C.7: Alguns exemplos de fotografias não escolhidas como boas pelos votantes 2/4.
127
Figura C.8: Alguns exemplos de fotografias não escolhidas como boas pelos votantes 3/4.
128
Figura C.9: Alguns exemplos de fotografias não escolhidas como boas pelos votantes 4/4.
129
Apêndice D
Imagens Representando a Extração de
Características
Este apêndice apresenta o experimento realizado para extração de características. As ima-
gens cujas características foram extraídas aparecem lado a lado com os valores das caracte-
rísticas obtidas nas Figuras ( D.1)-( D.7). Os valores estão normalizados entre 0 e 1 sendo
0 a nota dada para uma imagem mal avaliada enquanto 1 indica uma correta composição no
quesito. Os rótulos foram abreviados para facilitar a visualização: Int. Horizontal e Int. Ver-
tical são, respectivamente, integridade horizontal e integridade vertical, Esp. Superior indica
o espaçamento superior, Terços Horizontal, Vertical e Pontos, simplifica o termo regra-dos-
terços para as retas horizontais, verticais e para o ponto dos terços, respectivamente.
Percebe-se que para as imagens cujas faces foram detectadas corretamente, os valores
calculados são coerentes e podem dar um bom indicativo da qualidade da fotografia, uma
vez que seja definida como métrica de qualidade a conformidade às regras de Composição
Fotográfica. Entretanto, pode haver um impacto negativo nas imagens em que nem todas as
faces tenham sido detectadas, uma vez que o tamanho e posicionamento das faces consistem
no principal dado utilizado para o cáculo destes valores.
130
Int. Horizontal 1,00 Int. Vertical 0,54 Esp. Superior 0,50
Terços Vertical 0,94 Terços Horizontal 0,73 Terços Pontos 0,55
Int. Horizontal 1,00 Int. Vertical 0,78 Esp. Superior 0,61
Terços Vertical 0,92 Terços Horizontal 0,84 Terços Pontos 0,76
Int. Horizontal 1,00 Int. Vertical 0,13 Esp. Superior 0,73
Terços Vertical 0,96 Terços Horizontal 0,94 Terços Pontos 0,92
Int. Horizontal 1,00 Int. Vertical 0,82 Esp. Superior 0,59
Terços Vertical 0,94 Terços Horizontal 0,84 Terços Pontos 0,74
Int. Horizontal 1,00 Int. Vertical 0,97 Esp. Superior 0,53
Terços Vertical 0,93 Terços Horizontal 0,75 Terços Pontos 0,59
Int. Horizontal 1,00 Int. Vertical 0,63 Esp. Superior 0,57
Terços Vertical 0,95 Terços Horizontal 0,80 Terços Pontos 0,68
Int. Horizontal 1,00 Int. Vertical 0,58 Esp. Superior 0,56
Terços Vertical 0,99 Terços Horizontal 0,79 Terços Pontos 0,66
Int. Horizontal 1,00 Int. Vertical 0,20 Esp. Superior 1,00
Terços Vertical 0,95 Terços Horizontal 0,84 Terços Pontos 0,74
Figura D.1: Amostra da extração de características 1/7.
131
Int. Horizontal 1,00 Int. Vertical 0,78 Esp. Superior 0,45
Terços Vertical 0,96 Terços Horizontal 0,78 Terços Pontos 0,64
Int. Horizontal 1,00 Int. Vertical 0,78 Esp. Superior 0,61
Terços Vertical 0,91 Terços Horizontal 0,86 Terços Pontos 0,79
Int. Horizontal 0,82 Int. Vertical 0,56 Esp. Superior 1,00
Terços Vertical 0,99 Terços Horizontal 0,88 Terços Pontos 0,79
Int. Horizontal 1,00 Int. Vertical 0,00 Esp. Superior 1,00
Terços Vertical 0,95 Terços Horizontal 0,81 Terços Pontos 0,69
Int. Horizontal 0,73 Int. Vertical 0,91 Esp. Superior 1,00
Terços Vertical 0,94 Terços Horizontal 0,71 Terços Pontos 0,53
Int. Horizontal 1,00 Int. Vertical 0,63 Esp. Superior 1,00
Terços Vertical 0,93 Terços Horizontal 0,81 Terços Pontos 0,69
Int. Horizontal 1,00 Int. Vertical 0,57 Esp. Superior 0,65
Terços Vertical 0,91 Terços Horizontal 0,91 Terços Pontos 0,90
Int. Horizontal 1,00 Int. Vertical 0,38 Esp. Superior 0,64
Terços Vertical 0,95 Terços Horizontal 0,91 Terços Pontos 0,86
Figura D.2: Amostra da extração de características 2/7.
132
Int. Horizontal 1,00 Int. Vertical 0,58 Esp. Superior 0,63
Terços Vertical 0,97 Terços Horizontal 0,85 Terços Pontos 0,75
Int. Horizontal 1,00 Int. Vertical 0,76 Esp. Superior 0,49
Terços Vertical 0,95 Terços Horizontal 0,71 Terços Pontos 0,53
Int. Horizontal 1,00 Int. Vertical 0,99 Esp. Superior 0,53
Terços Vertical 1,00 Terços Horizontal 0,74 Terços Pontos 0,57
Int. Horizontal 1,00 Int. Vertical 1,00 Esp. Superior 0,52
Terços Vertical 0,96 Terços Horizontal 0,74 Terços Pontos 0,56
Int. Horizontal 1,00 Int. Vertical 0,68 Esp. Superior 0,47
Terços Vertical 1,00 Terços Horizontal 0,74 Terços Pontos 0,57
Int. Horizontal 1,00 Int. Vertical 0,95 Esp. Superior 0,47
Terços Vertical 0,92 Terços Horizontal 0,73 Terços Pontos 0,57
Int. Horizontal 1,00 Int. Vertical 0,80 Esp. Superior 0,49
Terços Vertical 0,96 Terços Horizontal 0,72 Terços Pontos 0,54
Int. Horizontal 1,00 Int. Vertical 0,74 Esp. Superior 0,47
Terços Vertical 0,94 Terços Horizontal 0,77 Terços Pontos 0,64
Figura D.3: Amostra da extração de características 3/7.
133
Int. Horizontal 1,00 Int. Vertical 0,71 Esp. Superior 0,60
Terços Vertical 0,97 Terços Horizontal 0,86 Terços Pontos 0,78
Int. Horizontal 1,00 Int. Vertical 0,77 Esp. Superior 0,38
Terços Vertical 0,96 Terços Horizontal 0,90 Terços Pontos 0,84
Int. Horizontal 1,00 Int. Vertical 0,71 Esp. Superior 0,60
Terços Vertical 0,96 Terços Horizontal 0,86 Terços Pontos 0,78
Int. Horizontal 1,00 Int. Vertical 0,82 Esp. Superior 0,59
Terços Vertical 0,96 Terços Horizontal 0,84 Terços Pontos 0,74
Int. Horizontal 1,00 Int. Vertical 0,82 Esp. Superior 0,56
Terços Vertical 0,99 Terços Horizontal 0,80 Terços Pontos 0,66
Int. Horizontal 1,00 Int. Vertical 0,87 Esp. Superior 0,59
Terços Vertical 0,93 Terços Horizontal 0,82 Terços Pontos 0,72
Int. Horizontal 1,00 Int. Vertical 0,78 Esp. Superior 0,61
Terços Vertical 0,95 Terços Horizontal 0,87 Terços Pontos 0,79
Int. Horizontal 1,00 Int. Vertical 0,17 Esp. Superior 1,00
Terços Vertical 0,94 Terços Horizontal 0,80 Terços Pontos 0,68
Figura D.4: Amostra da extração de características 4/7.
134
Int. Horizontal 1,00 Int. Vertical 0,96 Esp. Superior 0,27
Terços Vertical 0,99 Terços Horizontal 0,90 Terços Pontos 0,83
Int. Horizontal 1,00 Int. Vertical 1,00 Esp. Superior 0,26
Terços Vertical 0,97 Terços Horizontal 0,89 Terços Pontos 0,83
Int. Horizontal 1,00 Int. Vertical 0,85 Esp. Superior 1,00
Terços Vertical 0,94 Terços Horizontal 0,89 Terços Pontos 0,84
Int. Horizontal 0,97 Int. Vertical 0,43 Esp. Superior 1,00
Terços Vertical 0,97 Terços Horizontal 0,76 Terços Pontos 0,61
Int. Horizontal 0,64 Int. Vertical 0,66 Esp. Superior 1,00
Terços Vertical 0,99 Terços Horizontal 0,86 Terços Pontos 0,78
Int. Horizontal 0,74 Int. Vertical 0,66 Esp. Superior 1,00
Terços Vertical 0,95 Terços Horizontal 0,82 Terços Pontos 0,70
Int. Horizontal 0,92 Int. Vertical 0,18 Esp. Superior 1,00
Terços Vertical 0,94 Terços Horizontal 0,87 Terços Pontos 0,80
Int. Horizontal 1,00 Int. Vertical 0,36 Esp. Superior 1,00
Terços Vertical 0,92 Terços Horizontal 0,89 Terços Pontos 0,84
Figura D.5: Amostra da extração de características 5/7.
135
Int. Horizontal 1,00 Int. Vertical 0,57 Esp. Superior 0,65
Terços Vertical 0,96 Terços Horizontal 0,93 Terços Pontos 0,90
Int. Horizontal 1,00 Int. Vertical 0,57 Esp. Superior 0,65
Terços Vertical 0,99 Terços Horizontal 0,94 Terços Pontos 0,90
Int. Horizontal 1,00 Int. Vertical 0,37 Esp. Superior 0,62
Terços Vertical 0,92 Terços Horizontal 0,88 Terços Pontos 0,83
Int. Horizontal 0,97 Int. Vertical 0,07 Esp. Superior 1,00
Terços Vertical 0,97 Terços Horizontal 0,98 Terços Pontos 0,99
Int. Horizontal 1,00 Int. Vertical 0,83 Esp. Superior 0,66
Terços Vertical 0,97 Terços Horizontal 0,95 Terços Pontos 0,93
Int. Horizontal 1,00 Int. Vertical 0,93 Esp. Superior 0,51
Terços Vertical 0,99 Terços Horizontal 0,71 Terços Pontos 0,53
Int. Horizontal 1,00 Int. Vertical 0,76 Esp. Superior 1,00
Terços Vertical 0,93 Terços Horizontal 0,89 Terços Pontos 0,88
Figura D.6: Amostra da extração de características 6/7.
136
Int. Horizontal 0,92 Int. Vertical 0,48 Esp. Superior 1,00
Terços Vertical 0,94 Terços Horizontal 0,74 Terços Pontos 0,57
Int. Horizontal 1,00 Int. Vertical 0,88 Esp. Superior 0,63
Terços Vertical 0,97 Terços Horizontal 0,89 Terços Pontos 0,82
Int. Horizontal 0,85 Int. Vertical 0,85 Esp. Superior 1,00
Terços Vertical 0,92 Terços Horizontal 0,84 Terços Pontos 0,77
Int. Horizontal 0,95 Int. Vertical 0,38 Esp. Superior 1,00
Terços Vertical 0,96 Terços Horizontal 0,78 Terços Pontos 0,64
Int. Horizontal 1,00 Int. Vertical 0,85 Esp. Superior 1,00
Terços Vertical 0,97 Terços Horizontal 0,90 Terços Pontos 0,84
Int. Horizontal 0,79 Int. Vertical 0,57 Esp. Superior 1,00
Terços Vertical 0,98 Terços Horizontal 0,80 Terços Pontos 0,67
Int. Horizontal 1,00 Int. Vertical 0,74 Esp. Superior 0,48
Terços Vertical 0,93 Terços Horizontal 0,72 Terços Pontos 0,54
Figura D.7: Amostra da extração de características 7/7.
137
Livros Grátis
( http://www.livrosgratis.com.br )
Milhares de Livros para Download:
Baixar livros de Administração
Baixar livros de Agronomia
Baixar livros de Arquitetura
Baixar livros de Artes
Baixar livros de Astronomia
Baixar livros de Biologia Geral
Baixar livros de Ciência da Computação
Baixar livros de Ciência da Informação
Baixar livros de Ciência Política
Baixar livros de Ciências da Saúde
Baixar livros de Comunicação
Baixar livros do Conselho Nacional de Educação - CNE
Baixar livros de Defesa civil
Baixar livros de Direito
Baixar livros de Direitos humanos
Baixar livros de Economia
Baixar livros de Economia Doméstica
Baixar livros de Educação
Baixar livros de Educação - Trânsito
Baixar livros de Educação Física
Baixar livros de Engenharia Aeroespacial
Baixar livros de Farmácia
Baixar livros de Filosofia
Baixar livros de Física
Baixar livros de Geociências
Baixar livros de Geografia
Baixar livros de História
Baixar livros de Línguas
Baixar livros de Literatura
Baixar livros de Literatura de Cordel
Baixar livros de Literatura Infantil
Baixar livros de Matemática
Baixar livros de Medicina
Baixar livros de Medicina Veterinária
Baixar livros de Meio Ambiente
Baixar livros de Meteorologia
Baixar Monografias e TCC
Baixar livros Multidisciplinar
Baixar livros de Música
Baixar livros de Psicologia
Baixar livros de Química
Baixar livros de Saúde Coletiva
Baixar livros de Serviço Social
Baixar livros de Sociologia
Baixar livros de Teologia
Baixar livros de Trabalho
Baixar livros de Turismo
