4 de julho de 2025
Explorar o impacto da visão computacional na ciência forense na identificação de provas, análise de filmagens e aceleração de investigações criminais.
As investigações dependem fortemente das provas físicas recolhidas nos locais de crime, e muitas dessas provas são visuais. Tradicionalmente, a recolha destas pistas tem sido manual - fotografar o local, desenhar esquemas, etiquetar objectos e confiar no olho treinado do investigador para detetar detalhes subtis.
Ao longo dos anos, ferramentas como câmaras térmicas e scanners de impressões digitais têm apoiado este trabalho e desempenhado um papel fundamental na resolução de crimes. Mas agora, graças à IA e à visão por computador, as investigações estão a tornar-se mais avançadas. As máquinas podem ajudar a analisar provas visuais mais rapidamente, com maior precisão e numa escala muito maior.
Em particular, a visão por computador é uma tecnologia de impacto que permite às máquinas ver e compreender imagens e vídeos. Estes sistemas podem processar e analisar rapidamente grandes quantidades de dados visuais, ajudando os investigadores a resolver crimes mais rapidamente.
As vantagens das ferramentas baseadas em IA nas investigações levaram o mercado global de ferramentas forenses digitais baseadas em IA a ser avaliado em US $ 4,98 bilhões em 2025 e deve chegar a US $ 17,7 bilhões em 2031.
Neste artigo, vamos explorar a forma como a visão computacional pode ser utilizada em investigações forenses e como pode ajudar a identificar, analisar e interpretar provas visuais.
A visão por computador permite que as máquinas interpretem informações visuais do mundo real e tomem decisões com base nessa compreensão. Especificamente, na ciência forense, a IA pode ser utilizada para detetar elementos como armas ou ferimentos, localizar veículos e até reconstruir modelos 3D de cenas de crime com uma velocidade e precisão impressionantes.
Embora as investigações forenses ainda dependam da observação manual e do conhecimento de especialistas, esse processo pode ser demorado e, normalmente, concentrado em um caso de cada vez. Os modelos de visão por computador, como o Ultralytics YOLO11, oferecem uma abordagem mais rápida e escalável. Estes modelos podem analisar cenas, identificar objectos-chave e classificar provas utilizando tarefas de IA de visão, como a deteção de objectos e a classificação de imagens.
Por exemplo, em vez de analisar manualmente centenas de horas de filmagens de vigilância, um modelo de visão computacional pode analisar automaticamente os feeds de vídeo para detetar actividades suspeitas - como movimentos invulgares, vadiagem ou objectos deixados para trás. Pode assinalar períodos de tempo e locais específicos para os investigadores analisarem, reduzindo significativamente o tempo e o esforço necessários para encontrar provas relevantes.
A visão por computador está a mudar a forma como os investigadores recolhem e estudam as provas visuais. Eis um olhar mais atento sobre a forma como está a ser utilizada no trabalho forense atual.
Uma das técnicas de visão computacional mais comuns utilizadas na vigilância é o rastreamento de objetos - seguir pessoas, veículos ou itens através de quadros de vídeo. Em vez de serem programados manualmente para cada situação, esses sistemas aprendem com vídeos do mundo real e captam rapidamente o que é "normal". Desta forma, podem detetar automaticamente comportamentos invulgares, como alguém a vaguear numa área tranquila, um veículo numa zona restrita ou um saco sem vigilância num espaço público.
Esta tecnologia pode ser útil durante as investigações. Por exemplo, se uma testemunha disser que viu uma carrinha vermelha num cruzamento entre as 11h00 e as 13h00, a visão por computador pode analisar horas de filmagens de CCTV, selecionar todas as ocorrências de uma carrinha vermelha e evitar que os investigadores as revejam manualmente. Ao automatizar o que costumava levar horas ou dias, a visão computacional torna o monitoramento ao vivo e a análise de evidências mais rápidos, mais inteligentes e mais eficazes.
No rescaldo de incidentes relacionados com incêndios, o tempo é crítico e as provas físicas são frequentemente comprometidas ou destruídas. As tecnologias de visão computacional ajudam a preencher esta lacuna, analisando diversas fontes de dados visuais, tais como imagens de satélite, filmagens de drones, CCTV e varrimentos térmicos, para reconstruir a sequência de eventos.
Estas ferramentas podem detetar a origem de um incêndio, identificar potenciais aceleradores e seguir a atividade humana ou de veículos perto do local. Quando combinado com bases de dados criminais e relatórios de incidentes, o sistema pode descobrir padrões, como locais de incêndio repetidos, comportamento suspeito ou fogo posto coordenado, em diferentes regiões.
Um exemplo do mundo real vem de Nova Gales do Sul, Austrália, onde a polícia usou uma plataforma de visão computacional chamada Insights durante as investigações sobre os incêndios florestais de 2019-2020. A plataforma analisou imagens de CCTV, dados geoespaciais e entradas ambientais, como direção do vento e registros de queda de raios. Também utilizou o reconhecimento de objetos para identificar elementos visuais relevantes, como veículos ou equipamentos, em grandes quantidades de imagens de vigilância.
Ao sobrepor estes conhecimentos aos dados e mapas de geolocalização dos telemóveis, os investigadores puderam associar a atividade humana a eventos de incêndio específicos e apresentar visualmente estes dados durante os inquéritos formais. Esta abordagem acelerou o processo de investigação.
A reconstrução 3D na área forense combina tecnologias como a fotografia, a digitalização a laser, o LiDAR e a visão por computador para criar modelos detalhados e à escala real de locais de crime. Estas reconstruções ajudam os investigadores a visualizar a colocação de objectos, padrões de salpicos de sangue e trajectórias de balas com um nível de precisão e interatividade que as fotografias 2D tradicionais não conseguem proporcionar. Esta tecnologia melhora a análise e as apresentações em tribunal, permitindo percursos virtuais e medições precisas.
Para além das investigações activas, a reconstrução 3D e a realidade virtual (RV) estão também a reimaginar o ensino forense. Em ambientes académicos, os estudantes podem utilizar auscultadores de RV para explorar cenas de crime simuladas, identificar provas e praticar técnicas como a digitalização de impressões digitais e a análise de salpicos de sangue. Esta abordagem de aprendizagem imersiva desenvolve competências de investigação fundamentais num ambiente seguro e repetível.
Um caso com 19 anos de idade em Kerala, na Índia, foi recentemente resolvido com a ajuda do melhoramento de imagens com recurso à IA. Os investigadores revisitaram fotografias antigas da época do crime e utilizaram uma combinação de processamento de imagem e inteligência artificial para clarificar as caraterísticas faciais e gerar imagens actualizadas dos suspeitos. Uma imagem melhorada assemelhava-se muito a uma pessoa vista numa fotografia de casamento partilhada online, o que acabou por conduzir a um avanço no caso.
Este caso é um bom exemplo de como as ferramentas forenses modernas, particularmente a integração da IA com o melhoramento tradicional de imagens, podem ajudar as autoridades policiais a rever e resolver investigações há muito pendentes. Ao revelar pormenores obscuros ou ao identificar indivíduos que mudaram significativamente ao longo do tempo, estas tecnologias estão a revelar-se poderosas ferramentas no campo da perícia digital.
A segmentação de instâncias é uma tarefa de visão por computador que pode identificar objectos individuais numa imagem e delinear cada um deles com uma máscara detalhada ao nível dos pixels. Isto ajuda os investigadores a isolar peças-chave de provas com precisão, mesmo em ambientes confusos ou complexos.
Digamos que existe uma cena de crime onde vários conjuntos de pegadas ou rastos de pneus sobrepostos são visíveis na terra ou na neve - a segmentação de instância pode distinguir e delinear cada um separadamente. Isto facilita a análise de padrões de movimento, percursos de veículos ou trajectórias de suspeitos sem distracções de desordem de fundo.
Para além da análise de cenas, a segmentação de instâncias está também a ser aplicada a imagens forenses. Num estudo do Instituto de Medicina Legal de Zurique, os investigadores utilizaram esta técnica para identificar diferentes tipos de feridas. Treinaram um modelo de visão em 1.753 imagens forenses contendo 4.666 feridas.
O modelo treinado foi capaz de detetar e classificar sete tipos de lesões, incluindo feridas de facadas e queimaduras. Mostrou como a IA de visão pode apoiar os investigadores através da análise rápida e exacta de padrões de lesões, poupando tempo e melhorando a consistência nas avaliações de imagens forenses.
O Reconhecimento Automático de Matrículas (ANPR), ou Reconhecimento de Matrículas (LPR), é uma aplicação de visão por computador centrada na deteção, leitura e extração automáticas de números de matrículas a partir de imagens ou vídeos. Normalmente, isto implica a utilização de modelos de visão por computador, como o YOLO11, para a deteção de objectos, a fim de localizar a matrícula dentro de um fotograma.
Uma vez identificada a matrícula, é aplicado o reconhecimento ótico de caracteres (OCR) para extrair os caracteres alfanuméricos. Esta informação pode então ser cruzada com bases de dados para identificar o proprietário do veículo ou seguir os seus movimentos passados. O ANPR é particularmente útil em investigações que envolvem pessoas desaparecidas, roubo de veículos, infracções de trânsito ou incidentes de atropelamento e fuga.
Por exemplo, num caso de pessoa desaparecida, os agentes da autoridade podem introduzir o número da matrícula num sistema LPR. Se o veículo aparecer numa câmara de vigilância, o sistema pode assinalar automaticamente a sua localização, ajudando os agentes a reagir rapidamente. O LPR também desempenha um papel fundamental em casos como veículos roubados ou atropelamentos e fugas, fornecendo um rastreio rápido e preciso através de redes de vigilância integradas.
A IA e a visão por computador oferecem várias vantagens importantes que aumentam a eficiência, a acessibilidade e a fiabilidade das investigações forenses. Eis algumas das principais vantagens a considerar:
Apesar do seu potencial, a visão computacional no domínio forense também apresenta alguns desafios a ter em conta. Eis alguns dos principais:
A visão por computador ainda está a evoluir, mas já está a transformar a forma como a ciência forense funciona. Desde a deteção e contorno de pequenas provas através da segmentação de instâncias até à construção de modelos 3D de cenas de crime e ao melhoramento de documentos, apoia os investigadores em todas as fases do seu trabalho.
No futuro, a visão computacional irá provavelmente trabalhar ainda mais de perto com a IA e a aprendizagem automática para detetar padrões mais rapidamente e fazer melhores previsões utilizando dados de casos passados. À medida que a tecnologia continua a melhorar, continuará a trazer novas e melhores formas de resolver crimes.
Junte-se à nossa comunidade e ao repositório GitHub para saber mais sobre a visão computacional. Explore aplicações como a IA no fabrico e a visão por computador na agricultura nas nossas páginas de soluções. Confira nossas opções de licenciamento e comece a construir com visão computacional hoje mesmo!
.webp)