VISO COMPUTACIONAL

Danilo de Milano Luciano Barrozo Honorato

UNICAMP Universidade Estadual de Campinas F Faculdade de ecnolo!ia "ua Pasc#oal Marmo$ %&&& ' (ardim Nova It)lia ' CEP* %+,&,'+-. ' Limeira/0P E'mail* ceset1ceset2unicamp23r ' ele4one* 5%67 +,.,'-%+6

Resumo
Este artigo tem por objetivo apresentar uma introduo sobre Viso Computacional de forma clara e objetiva. Sero apresentados alguns aspectos gerais, alm de aplicaes e tcnicas utilizadas, dando desta ue ao rastreamento de ol!ar.

Abstract
"!is article aims to introduce in a clear and objective #a$ t!e general aspects of Computer Vision. Some tec!ni ues and applications commonl$ used are introduced and it%s given special attention to t!e field of e$e trac&ing.

Palavras-Chaves
Inteli!8ncia Arti4icial$ 9is:o Computacional$ "astreamento de ol#ar

1. I tro!u"#o
1.1 $ O %ue & V's#o Com(utac'o al)
9is:o computacional ; a ci8ncia respons)vel pela vis:o de uma m)<uina$ pela 4orma como um computador en=er!a o meio > sua volta$ e=traindo in4orma?@es si!ni4icativas a partir de ima!ens capturadas por cAmeras de vBdeo$ sensores$ scanners$ entre outros dispositivos2 Estas in4orma?@es permitem recon#ecer$ manipular e pensar so3re os o3Cetos <ue comp@em uma ima!em D%E2 Podemos considerar vis:o computacional como uma ci8ncia muito recente2 Uma das primeiras men?@es so3re vis:o computacional data de %6FF$ onde 0el4rid!e destacou '...e$es and ears for t!e computer( DGE2 Por volta da d;cada de -. iniciaram'se os primeiros tra3al#os de 9is:o Computacional aliada a Inteli!8ncia Arti4icial2 Na ;poca acreditava'se <ue em pouco tempo seria possBvel representar o sentido da vis:o de

4orma completa em uma m)<uina2 Entre os estudos realizados$ destacam'se "!e )s$c!olog$ of Computer Vision D+E$ e * frame#or& for representing &no#ledge D,E$ am3os de %6-F2 Com o desenvolvimento de novas pes<uisas nas d;cadas su3se<Hentes$ veri4icou'se uma comple=idade muito maior do <ue ima!inado inicialmente$ principalmente pela 4alta de in4orma?@es e de modelos <ue representassem a 4orma como as ima!ens s:o interpretadas no c;re3ro #umano2 I ol#o #umano conse!ue perce3er e interpretar o3Cetos em uma ima!em de 4orma muito r)pida2 Isso acontece no corte= visual do c;re3ro$ uma das partes mais comple=as no sistema de processamento do c;re3ro2 Al!uns cientistas concentram seus estudos na tentativa de entender o 4uncionamento dessa parte do c;re3ro$ para ent:o trazer tais id;ias para a vis:o computacional2 J o <ue pes<uisadores do MI de4inem como +ensinar computadores a en,ergarem como !umano+ DFE2 Dessa 4orma$ a vis:o computacional 4ornece ao computador uma in4inidade de in4orma?@es precisas a partir de ima!ens e vBdeos$ de 4orma <ue o computador consi!a e=ecutar tare4as inteli!entes$ simulando e apro=imando'se da inteli!8ncia #umana2

*. Or+a ',a"#o !e um S'stema !e V's#o Com(utac'o al

As aplica?@es <ue utilizam vis:o computacional s:o$ em sua maioria$ provindas de outras )reas de pes<uisa$ resolvendo pro3lemas particulares de 4orma especB4ica2 ais sistemas s:o con#ecidos como sistemas especialistas$ <ue necessitam de con#ecimento especB4ico para a solu?:o de um determinado pro3lema2 Dessa 4orma$ n:o e=iste um modelo padr:o 3em de4inido para implementa?:o de aplica?@es <ue utilizam vis:o computacional2 Por;m$ 3asicamente todos os sistemas de vis:o computacional envolvem recon#ecimento de o3Cetos em ima!ens e trans4orma?@es destes o3Cetos em in4orma?@es <ue ser:o processadas e utilizadas por al!um sistema especialista2 A se!uir s:o apresentados al!umas das 4uncionalidades comuns na maioria dos sistemas de vis:o computacional$ con4orme indicado por "e#em e rindade DKE* A<uisi?:o de Ima!em* J o primeiro passo para um sistema de vis:o computacional2 rata'se do processo de a<uisi?:o de uma ima!em ou de um conCunto de ima!ens a partir de sensores de cameras$ onde os pi=els de cada ima!em o3tida indicam coordenadas de luz e propriedades 4Bsicas2 A ima!em pode ser 3idimensional$ tridimensional ou uma se<u8ncia de ima!ens2 Pr;'processamento* Processo realizado antes de o3ter in4orma?@es de uma ima!em$ de 4orma a aplicar m;todos especB4icos <ue 4acilitem a identi4ica?:o de um o3Ceto$ como por e=emplo desta<ue de contornos$ 3ordas$ desta<ue de 4i!uras !eom;tricas$ etc2 E=tra?:o de caracterBsticas* E=tra?:o de caracterBsticas matem)ticas <ue comp@em uma ima!em$ como te=tura$ 3ordas$ 4ormatos$ movimento2 Detec?:o e se!menta?:o* Processo realizado para destacar re!i@es relevantes da ima!em$ se!mentado'as para processamento posterior2 Processamento de alto nBvel* Processo <ue inclui valida?:o da satis4a?:o dos dados o3tidos$ estimativa de parAmetros so3re a ima!em e

classi4ica?:o dos o3Cetos di4erentes cate!orias2

o3tidos

em

Com uma or!aniza?:o semel#ante$ e uma 3ase de con#ecimentos muito !rande ; <ue ; possBvel 0istemas de "ecupera?:o de Ima!ens com Base no ConteLdo 5"IBC72 Estes permitem 3uscas de ima!ens com 3ase em atri3utos como cores$ 4ormas ou te=turas2 J o caso$ por e=emplo$ do site do Museu Hermita!e D-E$ de 0:o Peters3ur!o$ <ue permite consulta virtual >s o3ras do acervo$ atrav;s das se!uintes 3uscas* Busca por e=emplo* uma ima!em de e=emplo ; 4ornecida como 3ase para a 3usca Busca por distri3ui?:o de cores* ; 4ornecido como parAmetro a distri3ui?:o de cores esperada Busca por 4ormas* a 4orma esperada ; 4ornecida

-. T&c 'cas !e V's#o Com(utac'o al (ara Rastreame to !e Olhar em V.!eos. -.1. /etec"#o !o olho
Uma das )reas mais recentes <ue despertam estudos em vis:o computacional ; o rastreamento 5trac&ing7 de o3Cetos2 I rastreamento ; a t;cnica utilizada para detectar um o3Ceto no plano da ima!em en<uanto este se move durante uma cena D&E2 I rastreamento do movimento #umano permite por e=emplo uma maior intera?:o #omem'computador 5IHC72 Para o rastreamento ; necess)rio detectar como o o3Ceto em an)lise ser) representado$ <uais as caracterBsticas <ue servir:o de parAmetros para o rastreamento e <ual a estrat;!ia utilizada para o rastreamento D6E2 MilmazD&E apresenta as 4ormas de representa?:o <ue s:o mais utilizadas$ como pontos$ 4ormas !eom;tricas$ sil#ueta e contorno do o3Ceto$ modelos de 4orma articulada e modelos de es<ueleto2 Como o rastreamento por pontos analisa o estado anterior$ esta t;cnica apresenta 4alsas detec?@es$ <uando o o3Ceto rastreado tem muita entrada e saBda da cena2 Iutra t;cnica utilizada ; o rastreamento por &ernel$ onde dado um modelo !eom;trico ou um template ; analisado o movimento de &ernel desse o3Ceto nos <uadros consecutivos$ sendo esse movimento por e=emplo uma transla?:o ou rota?:o do o3Ceto2 () o rastreamento por sil#ueta ou contorno permite <ue o3Cetos de 4ormas comple=as possam ser detectados por meio de correspond8ncia de 4ormas ou evolu?:o de contorno2 Entre as diversas pes<uisas de rastreamento e=istentes$ damos desta<ue ao rastreamento de ol#ar$ con#ecido como e$e trac&ing$ <ue consiste no processo de acompan#ar o ol#o de uma pessoa e detectar para onde ela est) ol#ando2 Dessa 4orma seria possBvel por e=emplo controlar o cursor do mouse atrav;s do ol#o$

um avan?o em termos de usa3ilidade e acessi3ilidade2 I processo de rastreamento do ol#ar pode ser dividido em detec?:o ativa 5active e$e detection7 e detec?:o passiva 5passive e$e detection72

-.*. /etec"#o At'va

I m;todo de detec?:o ativa ; utilizado em diversos tipos de aplica?@es$ como ro3Ntica$ sistemas militares$ sistemas m;dicos$ entre outros2 Ele tem como premissa ser simples e e4iciente e possuir ro3ustez e con4ia3ilidade para e=ecutar os processos2 Dentre as t;cnicas de detec?:o ativa temos a detec?:o de piscadas de ol#os e a utiliza?:o de ilumina?:o in4ravermel#a intermitente2 Estas t;cnicas s:o 4re<uentemente utilizadas na detec?:o de ol#os a partir de vBdeo2 A detec?:o de ol#os atrav;s de piscadas ; realizada a partir da 3usca de padr@es temporais <ue sur!em nas ima!ens resultantes da su3tra?:o de <uadros consecutivos em uma se<u8ncia de vBdeo 5Leite G..&$ apud O2 "2 BradsPi$ A2 Qae#ler$ and 92 PisarevsPR ' G..G72 A detec?:o de ol#os com ilumina?:o in4ravermel#a ; realizada a partir da incid8ncia de um 4ei=e de luz so3re os ol#os2 A cNrnea re4lete a luz$ produzindo o e4eito con#ecido como ol!os vermel!os$ muito comum em 4otos produzidas com o uso de flas!2 Este 4enSmemo produz pupilas com alto 3ril#o em ima!ens em nBveis de cinza2 A posi?:o dos ol#os ; determinada atrav;s destas re!i@es de alto 3ril#o 5Leite G..&$ apud D2 H2 Moo and M2 (2 C#un! ' G..F72
Fi!ura G Olint DFE

-.-. /etec"#o Pass'va

A detec?:o passiva ; 3aseada em 4ontes TnaturaisU de sinal$ como por e=emplo luz visBvel ou outros comprimentos de onda eletroma!n;ticos$ n:o sendo necess)rio a inte!ra?:o de dispositivos no vestu)rio$ com e=ce?:o da utiliza?:o de marcadores <ue s:o colocados no suCeito de 4orma a 4acilitar a captura de movimento 5Pin#o$ et al2 ' G..,$ apud Moeslund$ G..%72 A detec?:o passiva normalmente ; utilizada em ima!ens est)ticas2 Is m;todos passivos podem ser su3divididos em + cate!orias$ con4orme o tipo de estrat;!ia utilizada* an)lise da apar8ncia$ aprendiza!emV e modelos 5Leite 'G..&$ apud Wec#sler et2 al ' G..F7 No m;todo 3aseado na an)lise da apar8ncia$ caracterBsticas como cor$ te=tura e 4ormas presentes na ima!em s:o sempre levadas em conta2 Na maioria dos casos$ a detec?:o dos ol#os 3aseado na analise da apar8ncia n:o re<uer tantos recursos computacionais$ devido > n:o necessidade de c)lculos comple=os2 Isso ocorre devido a )rea de 3usca ser relativamente pe<uena$ sem contar a pouca varia?:o de cores e nuances2 Contudo essa t;cnica torna'se insu4iciente <uando ; 4eita uma an)lise 3aseada na cor da pele$ a4inal e=istem no mundo inLmeras etnias e ra?as2 No m;todo 3aseado em aprendiza!em$ um conCunto de ima!ens de e=emplos e contra e=emplos s:o utilizados para treinamento de um classi4icador2 Is sistemas <ue utilizam este tipo de a3orda!em usualmente di4erem nas caracterBsticas usadas para treinamento$ nas t;cnicas empre!adas para e=tra?:o destas caracterBsticas a partir das ima!ens e no tipo de classi4icador adotado$ como por e=emplo* "edes Neurais$ Modelos Escondidos de MarPov 5Hidden MarPov Models ' HMM7$ M)<uinas de 9etores de 0uporte 50upport 9ector Mac#i' - nes ' 09M7$ entre outros2 Is ol#os correspondem >s re!i@es da ima!em <ue produzem uma resposta positiva do classi4icador2 Esta a3orda!em pode apresentar invariAncia a rota?@es$ mudan?as de escala e ilumina?:o$ atrav;s da !era?:o sint;tica de e=emplos e contra e=emplos para utiliza?:o no treinamento2 A di4iculdade deste procedimento se encontra na 4alta de crit;rios especB4icos para !era?:o de contra e=emplos em ima!ens !en;ricas 5Leite 'G..&$ apud F2 H2 C2 ivive and A2 Bouzerdoum ' G..F 72

Fi!ura % "etro'"e4le=:o DFE

A partir da emiss:o de um ponto pontual de luz 4ora do ei=o Nptico da cAmera$ ; possBvel presenciar outro evento$ denominado -lint2 I -lint ; um ponto de re4le=:o so3re a cNrnea$ com alto desta<ue visual numa ima!em$ o <ue 4acilita o rastreamento do ol#ar DFE2

A Detec?:o 3aseada em modelos visa minimizar uma 4un?:o de ener!ia$ o3tida atrav;s da Cun?:o de um dado modelo com uma ima!em2 I padr:o !eralmente ; composto por um cBrculo e duas curvas para3Nlicas$ modelando assim o aspecto de um ol#o2 A di4eren?a 3)sica nos m;todos <ue utilizam essa t;cnica est) na 4orma de se encontrar a localiza?:o inicial de um padr:o2 Na 3usca pelos ol#os$ o modelo ; deslocado de acordo com um processo de minimiza?:o de uma 4un?:o de ener!ia2 I deslocamento do modelo permite a detec?:o at; mesmo de ol#os rotacionados e apresenta tolerAncia a varia?@es de a3ertura dos ol#os2 Al!umas desvanta!ens do uso desta a3orda!em s:o as di4iculdades para encontrar os pontos iniciais para encai=e do modelo e o alto custo computacional2 5Leite 'G..&$ apud F2 H2 C2 ivive and A2 Bouzerdoum ' G..F 72

5a7 1letro!os2 eletrodos s:o colocados em volta do ol#o do usu)rio$ captando movimentos do ol#o detectados entre a cNrnea e a retina2 A vanta!em do m;todo ; <ue ele ; 3em preciso2 Por;m$ ele sN pode ser e=ecutado em la3oratNrio$ impedindo a propa!a?:o da tecnolo!ia para um usu)rio comum$ e necessita <ue o rosto esteCa parado$ n:o rastreando com precis:o caso #aCa movimentos da ca3e?a$ al;m de ser invasivo2 A 4i!ura , mostra como 4unciona o m;todo de rastreamento por meio de eletrodos2

Fi!ura , M;todo do Eletrodo DFE

537 Le tes !e Co tato2 lentes de contato s:o inseridos no ol#o do usu)rio$ de 4orma a rastrear o movimento do ol#o2 Apesar de ser 3em preciso e captar 3em o movimento do ol#o$ o m;todo ; muito invasivo$ !erando incSmodos como coceira e piscar e=cessivo do ol#o2
Fi!ura + M;todo do Modelo De4orm)vel DFE

5c7 Processame to !e Ima+e s2 M;todos de detec?:o ativa e passiva$ descritos na se?:o anterior2

0. Rastreame to !o Olhar
Como a maioria das aplica?@es <ue utilizam vis:o computacional$ inicialmente ; necess)rio e=ecutar uma cali3ra?:o no sistema$ de 4orma a parametrizar caracterBsticas$ como distAncia$ cores$ luz$ etc2 Para o rastreamento do ol#ar$ a distancia em <ue o usu)rio est) ol#ando para um dado monitor deve ser estimada a partir da dire?:o do ol#ar$ considerando <ue o monitor esteCa parado2 Essa distAncia pode ser analisada a partir da posi?:o de apenas um ol#o$ considerando <ue am3os os ol#os esteCam no mesmo 4oco e <ue n:o seCa necess)rio a percep?:o de pro4undidade2

3. A(l'ca"4es
Aplica?@es <ue utilizam vis:o computacional podem ser encontradas em diversas )reas$ como 4Bsica$ 3iolo!ia$ indLstria$ 4or?as armadas$ entre outras2 Como ilustra?:o podemos citar* detec?:o de terroristas em aeroportos$ atrav;s de recon#ecimento de 4ace 53iometria7$ detec?:o de unidades inimi!as ou mBsseis tele!uiados em aplica?@es militares$ an)lise mor4olN!ica de c;lulas$ montadoras de veBculos$ posicionamento de 3ra?os de ro3Ss em reparos de su3marinos e 4ute3ol de ro3Ss2 Xuanto a )rea de recon#ecimento de ima!ens$ aplica?@es 3aseadas em 4ute3ol de ro3Ss sempre !an#am desta<ue$ devido a possi3ilidade de realiza?:o de e=perimentos reais para o desenvolvimento e testes de ro3Ss D%.E2 Al!oritmos s:o criados tendo a necessidade de localizar e detectar elementos do mesmo time de 4orma precisa e em tempo real$ al;m do campo$ da 3ola e dos advers)rios$ determinando e orientando o ro3S Co!ador2 Estes al!oritmos devem sempre considerar aten?:o especial <uanto >s cores dos o3Cetos$ in4luenciada pela ilumina?:o do campo$ <ue

0.1. M&to!os
Al!uns m;todos sur!iram para o rastreamento da dire?:o do ol#ar de uma pessoa2 Entre eles "e#em e rindade DKE destacam Eletrodos$ Lentes de Contato e Processamento de Ima!ens2

nem sempre ; uni4orme2 Com a atual preocupa?:o <uanto a interven?:o da a?:o #umana no am3iente e$ conse<uentemente$ sua 4utura e=ist8ncia$ aplica?@es li!adas ao meio am3iente tam3;m se propa!am2 Utilizando vis:o computacional ; possBvel detectar mudan?as am3ientais em tempo real$ analisando ima!ens de sat;lites$ tomando medidas de 4orma autom)tica2 J possBvel tam3;m analisar eventos especB4icos$ como mi!ra?:o ou con4inamento de aves em situa?@es de estresse t;rmico D%%E$ in4luenciadas pelo a<uecimento !lo3al2 Iutra )rea <ue !an#a muito desta<ue ; a Medicina2 Como o ol#o #umano ; limitado em rela?:o > percep?:o de al!uns padr@es em ima!ens e na detec?:o de ima!ens com ruBdos ou contraste muito 3ai=o$ muitas vezes interpretando'as de 4orma di4erente$ o uso de recursos computacionais pode aCudar neste recon#ecimento$ servindo$ por e=emplo$ como um au=iliar no dia!nNstico de al!umas doen?as$ evitando um dia!nNstico impreciso ou e<uivocado2 Dessa 4orma seria uma esp;cie de se!unda opini:o para o m;dico$ com o intuito de con4irmar uma suspeita ou a3rir novos #orizontes > detec?:o de certa doen?a2 ais sistemas s:o con#ecidos por 0istemas Computacionais de Apoio ao Dia!nNstico 5CAD7$ como sistemas de apoio ao dia!nNstico de 4raturas cranianas D%GE$ sistemas de apoio a les@es pulmonares D%+E e sistemas de apoio a mamo!ra4ia2 Nestes sistemas a vis:o computacional ; utilizada para detectar anomalias$ caracterizando'as e classi4icando'as$ 3aseando'se num vasto conCunto de ima!ens e in4orma?@es2 Iutro 4ato <ue contri3ui para a utiliza?:o da vis:o computacional ; <ue a an)lise de uma radio!ra4ia torna'se mais precisa <uando utilizam'se dois radiolo!istas para a detec?:o de anomaliasD%,E2 Dessa 4orma$ poderia ser utilizado um sistema automatizado no lu!ar de um dos radiolo!istas$ 4azendo uma Cun?:o do resultado para um dia!nNstico mais preciso2 Iutra )rea de 4orte utiliza?:o ; na indLstria$ onde a vis:o computacional pode ser utilizada desde o controle da <ualidade de determinado produto 4a3ricado$ at; em )reas mais especB4icas$ como caracteriza?:o e classi4ica?:o de min;rio de 4erro D%FE2 Is sistemas de controle autSnomo tam3;m !an#am desta<ue$ como por e=emplo os veBculos autSnomos "emote A!ent e o Mars E=ploration "over da Nasa D%KE2 Iutro <ue !an#ou notoriedade 4oi o sistema de vis:o computacional Alvinn D%-E$ incorporado numa minivan <ue percorreu mais de ,F..Pm nos Estados Unidos de 4orma autSnoma em 6&Y do tempo2 H) ainda o T #e

Oreat "o3ot "aceU$ campeonato anual de carro autSnomos D%&E2

Fi!ura F ' Mars E=ploration "over D%KE2

5. Co clus#o
Pudemos$ nesse tra3al#o inicial$ veri4icar <ue 9is:o Computacional em Inteli!8ncia Arti4icial ; um campo vasto$ n:o apenas de tra3al#o$ mas de pes<uisa$ uma vez <ue$ s:o v)rias )reas de atua?:o <ue necessitam desse tipo de aplica?:o$ e <uase nem todas t8m rece3ido a aten?:o necess)ria$ nesse caso$ podemos citar os sistemas de nave!a?:o autom)tica de veBculos$ cuCas pes<uisas ainda n:o atin!iram um nBvel de matura?:o <ue os #a3ilite no uso dom;stico e comercial2 ConcluBmos$ com isso$ <ue as possi3ilidades de pes<uisa nessa )rea s:o muito promissoras$ a4inal ; visBvel o avan?o cada vez maior da tecnolo!ia em nossas vidas2

6. Re7er8 c'as 9'bl'o+r:7'cas

D%E Ballard$ Dana HarrR$ Computer 9ision$ Prentice' Hall$ %6&G2 DGE David$ E2E2$ 0el4rid!e$ I2O2$ Bell elep#one La3oratories$ MurraR Hill$ N2(2 #is paper appears in* Proceedin!s o4 t#e I"E Issue Date* MaR %6KG 9olume* F. Issue*F In pa!e5s7* %.6+ ' %%.% I00N* ..6K'&+6. Di!ital I3Cect Identi4ier* %.2%%.6/("P"IC2%6KG2G&&.%% Date o4 Current 9ersion* GG (aneiro G..D+E Winston$ P2H2$ #e PsRc#olo!R o4 Computer 9ision$ McOraZ Hill$ %6-F

D,E MinsPR$Marvin$ A FrameZorP 4or "epresentin! QnoZled!e$MI 'AI La3oratorR Memo +.K$ %6-,2 DFE#ttp*//ZZZ2scienti4icamerican2com/article2c4 m[id\visionarR'researc# acessado em%&/.6/G.%. DKE "e#em$ Almerindo e rindade$ Fernando H2 92$ ;cnicas de 9is:o Computacional para "astreamento de Il#ar em 9Bdeos2 Pu3licado em .+/.G/G..62 DisponBvel em*#ttp*//almerindo2devin2com23r/ inde=2p#p[ option\com]content^vieZ\article^id\-&Y+ Atecnicas'de'computacao'visual'para' rastreamento'de'ol#ar emvideos^catid\,+Y+Atra3al#os'de' alunos^Itemid\&K^s#oZall\% acessado em %&/.6/G.%. D-E #ttp*//ZZZ2#ermita!emuseum2or!/ acessado em %&/.6/G.%. D&E Milmaz$ AV (aved$ IV 0#a#$ M2 I3Cect racPin!* A surveR2 ACM Comput2 0urv2 v2 +&$ n2 ,$ p2%+$ G..K D6E Conti$ Caroline$ Oonza!a$ Adilson$ "astreamento dos dedos da m:o para intera?:o #umano'computador La3oratNrio de 9is:o Computacional 5LA9I7$ Departamento de En!en#aria El;trica$ Escola de En!en#aria de 0:o Carlos 5EE0C7$ Universidade de 0:o Paulo 5U0P72 D%.E Bianc#i$ A2C2$ "eali'Costa$ A2H2I 0istema de 9is:o Computacional do time Futepoli de 4ute3ol de2 Anais do Con!resso Brasileiro de Autom)tica G...2 D%%E "odri!ues$ 9al;ria Cristina$ Distri3ui?:o especial e 3em'estar de aves poedeiras em condi?@es de estresse e con4orto t;rmico utilizando vis:o computacional e inteli!8ncia arti4icial Piracica3a G..K D%GE Eric da 0ilva$ 0aulo ArauCo de Carval#o$ Wa!ner dos 0antos C2 de (esus$ Alderico "odri!ues de Paula (unior 0istema Especialista de 9is:o Computacional para dia!nNstico de Fraturas Cranianas em Ima!ens de omo!ra4ia Computadorizada2 Universidade do 9ale do ParaB3a/Instituto de Pes<uisas e Desenvolvimento IP^D D%+E ;cnicas de Inteli!8ncia Arti4icial Aplicadas ao Desenvolvimento de 0istema de Apoio ao Dia!nNstico de Les@es Pulmonares2 Paulo Eduardo Am3rNsio$ Paulo M2 de

Azevedo'Mar<ues$ ClNvis 0im:o$ Centro de Ci8ncias das Ima!ens e FBsica M;dica 5CCIFM7$ Faculdade de Medicina de "i3eir:o Preto 5FM"P7$ Universidade de 0:o Paulo 5U0P7$ Brasil Centro Universit)rio Bar:o de Mau) 5CeUBM7$ Brasil D%,E 9R3ornR $ Carl (2 and Oi!er $ MarRellen L2$ Computer 9ision and Arti4icial Intelli!ence in Mammo!rap#R "eceived 0eptem3er G$ % 66+V accepted a4ter revision Novem3er % F$ %66+2 American "oent!en "aR 0ocietR D%FE FricP$ Andr; Dell_A!lio$ Caracteriza?:o de Min;rio de 4erro por 9is:o$ G..& D%KE #ttp*//marsrovers2Cpl2nasa2!ov/#ome/inde=2#tml acessado em G./.6/G.%. D%-E AL9INN* an autonomous land ve#icle in a neural netZorP 0ource Advances in neural in4ormation processin! sRstems % 3ooP contents Pa!es* +.F ' +%+ Mear o4 Pu3lication* %6&6 I0BN*%'FF&'K..%F'6 Aut#or * Dean A2 Pomerleau Pu3lis#er* Mor!an Qau4mann Pu3lis#ers Inc2 0an Francisco$ CA$ U0A D%&E #ttp*//ZZZ2p3s2or!/Z!3#/nova/darpa/ acessado em %&/.6/G.%. D%6EPin#o$ "a<uel "2$ avares$ (o:o Manuel "202VCorreia$ Mi!uel 92 F2P2V G.., DG.ELeite$ Bruno B2 Detec?:o de Il#os em Ima!ens com Faces Humanas$ Universidade Federal de Campina Orande$ G..& DG%E ivive$F2 H2 C2 and Bouzerdoum$A2$ A 4ast neural' 3ased eRe detection sRstem2 In Proceedin!s o4 International 0Rmposium on Intelli!ent 0i!nal Processin! and Communication 0Rstems$ pa!es K,% K,,$ G..F2 DGGEX2 (i$ H2 Wec#sler$ A2 Duc#oZsPi$ and M2 FlicPner2 Editorial2 Computer 9ision and Ima!e Understandin! ' 0pecial Issue on ERe Detection and racPin!$ 6&*%+$ G..F2 DG+EBianc#i$ "einaldo A2CV "illo$ Ana Helena "2C2$ Uma Ar<uitetura de Controle para 0istemas Comple=os de 9is:o Computacional2 DG,EBradsPiVO2 "2VQae#ler$ A2V PisarevsPR$ 92V Learnin!'3ased computer vision Zit# intel_s open source computer vision li3rarR2 Intel ec#nolo!R (ournal ' Compute'Intensive$ Hi!#lR Parallel Applications and Uses$ G..F2 DGFE 2 Morris$ P2 BlenP#orn$ and F2 `aidi2 BlinP

detection 4or real'time eRe tracPin!2 (ournal o4 NetZorP and Computer Applications$ GF*%G6 %,+$ G..G2 DGKED2 H2 Moo and M2 (2 C#un!2 A novel non' intrusive eRe !aze estimation usin! cross'ratio under lar!e #ead motion2 Computer 9ision and Ima!e Understandin!' 0pecial Issue on ERe Detection and racPin!$ 6&*GFF%$ G..F2