RECONHECIMENTO AUTOMÁTICO DE TATUAGENS: APLICAÇÃO NA ÁREA FORENSE
DOI:
https://doi.org/10.56238/revgeov16n5-044Palavras-chave:
SIFT, YOLO, SURF, Tatuagens, ReconhecimentoResumo
Este trabalho apresenta um sistema de reconhecimento de imagens de tatuagens de forma automática em um banco de dados, que pode vir a ser utilizado para ajudar na correta identificação de criminosos que possuam esse tipo de marca corporal, seu significado e a possível identificação de facções criminosas aos quais pertencem. As técnicas de extração de parâmetros e reconhecimento de imagens são baseadas nos algoritmos Scale Invariant Feature Transform (SIFT), Speed-Up Robust Feature (SURF) e rede neural YOLO. No trabalho são descritos os casos de teste que devem ser seguidos e que irão permitem a comparação de desempenho consistente de métodos de reconhecimento de tatuagens. Os resultados mostraram uma boa performance do algoritmo SIFT (88,65%) em comparação com os demais métodos analisados.
Downloads
Referências
ACTON, S. T.; ROSSI, A. Matching and retrieval of tattoo images: Active contour CBIR and glocal image features. In: 2008 IEEE Southwest Symposium on Image Analysis and Interpretation. IEEE, 2008. p. 21–24. DOI: https://doi.org/10.1109/SSIAI.2008.4512275.
ALLEN, J. D.; ZHAO, N.; YUAN, J.; LIU, X. Unsupervised tattoo segmentation combining bottom-up and top-down cues. In: SPIE 8063: Mobile Multimedia/Image Processing, Security, and Applications. 2011. DOI: https://doi.org/10.1117/12.884368.
ANANDHASILAMBARASAN, D. et al. SIFT and SURF: A Comparative Analysis of Feature Extraction Methods for Image Matching. In: 15th International Conference on Computing Communication and Networking Technologies (ICCCNT), 2024, Kamand. Proceedings. Kamand: IEEE, 2024. p. 1–6. DOI: https://doi.org/10.1109/ICCCNT61001.2024.10726049.
ANSI/NIST-ITL 1-2011. Update 2016. NIST Special Publication 500-290e3: Data Format for the Interchange of Fingerprint, Facial & Other Biometric Information. National Institute of Standards and Technology, 2015. DOI: https://doi.org/10.6028/NIST.SP.500-290e3.
BAY, H.; TUYTELAARS, T.; VAN GOOL, L. SURF: Speeded up robust features. In: European Conference on Computer Vision – ECCV. 2006. p. 404–417. DOI: https://doi.org/10.1007/11744023_32.
BEAUTHIER, J. P.; LEFEVRE, P.; VALCK, E. D. Autopsy and identification techniques. In: MÖRNER, N.-A. (ed.). The Tsunami Threat – Research and Technology. London: InTech, 2011. DOI: https://doi.org/10.5772/13610.
BILIK, S.; HORAK, K. SIFT and SURF based feature extraction for the anomaly detection. In: Proceedings I of the 28th Conference STUDENT EEICT 2022. Brno, 2022. p. 459–464. ISBN 978-80-214-6029-4. DOI: https://doi.org/10.48550/arXiv.2203.13068.
DI, X.; PATEL, V. M. Deep Tattoo Recognition. In: IEEE Conference on Computer Vision and Pattern Recognition Workshops (CVPRW), 2016, Las Vegas. Proceedings. Las Vegas: IEEE, 2016. p. 119–126. DOI: https://doi.org/10.1109/CVPRW.2016.22.
DUANGPHASUK, P.; KURUTACH, W. Tattoo skin detection and segmentation using image negative method. In: 13th International Symposium on Communications and Information Technologies. IEEE, 2013. p. 354–359. DOI: https://doi.org/10.1109/ISCIT.2013.6645881.
FILIPAKIS, G.; FAGUNDES, F. Uma proposta de utilização de Redes Neurais na criação de sequências didáticas baseadas no padrão SCORM. In: XXIII Congresso de Computação e Tecnologias da Informação – Encoinfo. Palmas, 2021. Disponível em: https://www.researchgate.net/publication/356223762. Acesso em: 13 mar. 2022.
GROSSO, E. L. A tecnologia à disposição da Polícia Judiciária. [S.l.]: Conteúdo Jurídico, 2012. Disponível em: http://www.conteudojuridico.com.br/consulta/Artigos/27992. Acesso em: 13 mar. 2022.
HEFLIN, B.; SCHEIRER, W. J.; BOULT, T. E. Detecting and classifying scars, marks, and tattoos found in the wild. In: BTAS ’12: IEEE Sixth International Conference on Biometrics: Theory, Applications and Systems. IEEE, 2012. p. 31–38. DOI: https://doi.org/10.1109/BTAS.2012.6374555.
JAIN, A. K.; LEE, J. E.; JIN, R. Tattoo-ID: automatic tattoo image retrieval for suspect and victim identification. In: Pacific-Rim Conference on Multimedia (PCM ’07). 2007. DOI: https://doi.org/10.1007/978-3-540-77255-2_28.
JUAN, L.; GWUN, O. A comparison of SIFT, PCA-SIFT and SURF. International Journal of Image Processing (IJIP), v. 3, n. 4, p. 143–152, 2009. Disponível em: https://www.cscjournals.org/manuscript/Journals/IJIP/Volume3/Issue4/IJIP-51.pdf. Acesso em: 13 mar. 2022.
LORDELO, J. O significado das tatuagens no mundo do crime e nos presídios. Lordelo Treinamento, 2018. Disponível em: https://lordellotreinamento.com.br/2018/03/05/o-significado-das-tatuagens-no-mundo-do-crime-e-nos-presidios/. Acesso em: 10 jan. 2022.
LOWE, D. G. Distinctive image features from scale-invariant keypoints. International Journal of Computer Vision, v. 60, n. 2, p. 91–110, 2004. DOI: https://doi.org/10.1023/B:VISI.0000029664.99615.94.
MANGER, D. Large-scale tattoo image retrieval. In: Conference on Computer and Robot Vision. IEEE, 2012. p. 454–459. Disponível em: https://publicarest.fraunhofer.de/server/api/core/bitstreams/76604e42-93cc-482a-a113-2fea0171218a/content. Acesso em: 10 jan. 2022.
MUSCI, M. et al. Drones and Sustainability: How Technology Can Assist in the Automatic Detection of Waste. In Hard-to-Access Areas. Revista De Gestão - RGSA, 18(9), e07235. 2024a. DOI: https://doi.org/10.24857/rgsa.v18n9-109.
MUSCI, M. et al. Inteligência artificial e sensoriamento remoto com o uso de vants: uma aplicação na detecção automática de resíduos sólidos urbanos. In: dos Santos, A. F. et al. (Org.). Sustentabilidade e meio ambiente - Inovação e responsabilidade. 1ed.Ponta Grossa: Atena Editora, 2024b, v. 1, p. 81-97. DOI: https://doi.org/10.22533/at.ed.718242712.
MUSCI, M. et al. Uso do algoritmo SIFT para reconhecimento automático de tatuagens. Aracê - Direitos Humanos em Revista, v. 7, p. 10988-11000, 2025. DOI: https://doi.org/10.56238/arev7n3-053.
POCEVIČĖ, G.; STEFANOVIČ, P.; RAMANAUSKAITĖ, S.; PAVLOV, E. Approach for Tattoo Detection and Identification Based on YOLOv5 and Similarity Distance. Applied Sciences, v. 14, n. 13, p. 5576, 2024. DOI: https://doi.org/10.3390/app14135576.
REDMON, J.; FARHADI, A. YOLO9000: Better, Faster, Stronger. In: IEEE Conference on Computer Vision and Pattern Recognition (CVPR), 2017, Honolulu. Proceedings. Honolulu: IEEE, 2017. p. 6517–6525. DOI: https://doi.org/10.1109/CVPR.2017.690.
SILVA, R. T.; LOPES, H. S. A Transfer Learning Approach for the Tattoo Detection Problem. In: XV Brazilian Congress of Computational Intelligence (SBIC), Online, 3–6 Oct. 2021. DOI: https://doi.org/10.21528/CBIC2021-34.
SUN, Z. H. et al. Tattoo detection and localization using region-based deep learning. In: 23rd International Conference on Pattern Recognition (ICPR), 2016, Cancun. Proceedings. Cancun: IEEE, 2016. p. 3055–3060. DOI: https://doi.org/10.1109/ICPR.2016.7900103.
