Identificar autoridades por meio de reconhecimento facial. Uso de tecnologia de visão computacional como alternativa para antigo processo de fotogramas (Carômetro)

Abstract

Dentro do contexto dos profissionais que atuam na atividade de Relações Governamentais, o reconhecimento de parlamentares em ambientes físicos é uma tarefa essencial. Esses profissionais exerce uma atividade que faz chegar aos parlamentares os interesses das categorias que os lobistas representam, ou seja, um dos processos que asseguram a democracia para nosso país. A forma tradicional utilizada de reconhecimento é feita por fotogramas impressos que o profissional tem que andar em sua mão para identificar (reconhecer) a autoridade parlamentar. Uma solução para essa tarefa seria utilizar técnicas de visão computacional para auxiliar a identificar, de maneira rápida e precisa, uma autoridade em um evento que circulam dezenas ou centenas de pessoas. Os estudos sobre visão computacional são recentes, nos anos 70 dois trabalha foram precursores - The Psychology of Computer Vision e A framework for representing knowledge. A partir de 2012 com a vitória do concurso de reconhecimento de imagem de computador ImageNet, Alex Krizhevsky da Universidade de Toronto com uma rede neural chamada AlexNet abriu as fronteiras para avanços de modelos de redes neurais e de hardware com arquiteturas em NVIDIA GPU (hoje o GPU está disponível para qualquer usuário da plataforma Colab da Google). Inovações como essas foram determinantes para tornar acessível para qualquer pessoa desenvolver soluções de reconhecimento facial em seus computadores domésticos. Este estudo técnico apresenta o uso de bibliotecas como Dlib e OpenCV que simplificam o desenvolvimento de aplicações para treinar um modelo com imagens de deputados federais, por exemplo, e oferecer uma ferramenta para que lobistas deixem de utilizar os fotogramas com a imagem e nome dos parlamentares (“carômetro”) impressos em papel e comecem a utilizar soluções tecnológicas de Deep Learning ao alcance de leigos.