BRPI0805529A2 - método de localização automática de olhos em imagens digitais coloridas para dispositivos computacionais com baixo poder de processamento - Google Patents

Abstract

MéTODO DE LOCALIZAçAO AUTOMATICA DE OLHOS EM IMAGENS DIGITAIS COLORIDAS PARA DISPOSITIVOS COMPUTACIONAIS COM BAIXO PODER DE PROCESSAMENTO. A presente invenção relaciona-se com um método capaz de localizar automaticamente os olhos da face de um ser humano presentes em imagens digitais coloridas. A solução desenvolvida para este problema é rápida e computacionalmente eficiente, o que permite com que seja utilizada em dispositivos de baixo poder de processamento, notadamente em câmeras digitais, embutidas ou não em telefones móveis. Esta solução é baseada na construção de um filtro robusto para a segmentação das características faciais e na utilização de técnicas de agrupamento (clustering) geométrico explícito. Estas técnicas provêm da área da geometria computacional, e de forma Inovadora está sendo proposto seu uso nos campos da visão computacional e reconhecimento de padróes. A localização dos olhos em imagens de vários tamanhos (múltiplas escalas) é suportada naturalmente, devido à natureza geométrica do algoritmo de clustering utilizado. A correta localização dos olhos numa imagem é o ponto de partida para a implementação de aplicações, tais como: reconhecimento biométrico para autenticação pessoal, eliminação automática de "olhos vermelhos" em fotos difitais, aperfeiçoamento de interfaces de interação entre homem e máquinas, entre outras.

Description

relatório Descritivo da Patente de Invenção para: "MÉTODO DE LOCALIZAÇÃO AUTOMÁTICA DE OLHOS EM IMAGENS DIGITAIS COLORIDAS PARA DISPOSITIVOS COMPUTACIONAIS COM BAIXO PODER DE PROCESSAMENTO".

Campo da invenção

A presente invenção relaciona-se com um método capaz de localizar os olhos da face de um ser humano em imagens digitais coloridas, de forma automática em dispositivos de baixo poder de processamento, notadamente em câmeras digitais e telefone móveis com câmeras digitais embutidas.

Este invenção relaciona-se com os campos da visão computacional e reconhecimento de padrões. Mais especificamente, ao uso de técnicas de geometria computacional, onde se obtém redução significativa da complexidade na busca e seleção automática de olhos em imagens digitais. Estado da Técnica

A detecção e extração automática de faces humanas em imagens digitais, assim como das características faciais (olhos, nariz e boca), é tarefa essencial em várias aplicações cotidianas. Como exemplo, temos o reconhecimento biométrico para autenticação pessoal, sistemas automáticos de monitoramento de pessoas e o aperfeiçoamento das interfaces de interação entre homem e máquina. a detecção e localização de características faciais é um problema muito importante a ser resolvido, uma vez que provê parâmetros úteis para a maioria dos algoritmos que trabalham com o processamento de faces.

É notório que dentro do estado da técnica os olhos são a característica facial mais importante em relação à detecção e localização das características faciais. Vários trabalhos de pesquisa e pedidos de patente têm sido apresentados nos últimos anos neste sentido.

Existem várias razões para a importância especial dos olhos sobre as outras características faciais: os olhos revelam informação sobre o estado anímico da pessoa; a partir da localização deles, é possível estimar a escala, orientação e posição da face; a aparência dos olhos é menos sensível a variações de perspectiva e iluminação, principalmente quando comparados com as sobrancelhas, o nariz, as orelhas e a boca, por exemplo. Além disso, a localização precisa dos olhos traz informação suficiente para encontrar todas as outras características faciais de interesse.

Na presente descrição é apresentada uma solução rápida e computacionalmente eficiente para o problema de localização automática de olhos, que pode ser utilizada após a localização da face. Esta solução é baseada na construção de um filtro robusto para a segmentação das características faciais e na utilização de técnicas de agrupamento (clustering) geométrico explícito.

Estas técnicas provêm da área da geometria computacional e é proposto seu uso nos campos da visão computacional e reconhecimento de padrões. Além disso, foi otimizada a sua construção ao utilizar-se de árvores binárias do tipo KD-tree para minimizar o tempo de busca dentro dos agrupamentos (clusters). Por estes motivos, a heurística do algoritmo de localização se torna robusta, eficiente e rápida para ser implementada em aplicações de rastreamento de olhos em dispositivos eletrônicos móveis de baixo poder de processamento.

O documento de patente US005926251A propõe um método para efetuar o rastreamento de face e olhos em seqüências de imagem. No caso específico da detecção de olhos, inicialmente define-se uma janela que irá percorrer a imagem em busca de regiões que possuam um padrão compatível com o de um olho. Sobre a região encontrada se realiza um processo de binarização de cores, ou seja, a transformação desta porção da imagem para branco e preto. A seguir é extraído o histograma dos pixels (elemento digital da imagem) no sentido vertical e horizontal. Tomando como base as projeções dos pixels do histograma, este método detecta Vales e picos da imagem, e em função dessa informação, uma seqüência de passos lógicos empiricamente descobertos é finalmente utilizada para determinar onde fica a iris.

Nessa abordagem, tem-se como principal desvantagem a necessidade de definir previamente o tamanho da janela de busca, visto que não é sabido a priori o tamanho da imagem em que a face estará disponível. Por outro lado, em função da qualidade da imagem ou do limiar de binarização utilizado, não é possível garantir que os picos e vales extraídos dos histogramas forneçam exatamente o centro do globo ocular.

0 documento de patente US005293427A reivindica um sistema que realiza a detecção da posição dos olhos em imagens de forma rápida e com alta precisão. 0 sistema é composto de um dispositivo que emite raios infra-vermelhos e de uma câmera que captura a luz refletida na face. Os olhos são detectados através de uma janela de busca, e de dentro da janela se obtém o centro da íris.

Nesta abordagem ,não se tem como fim encontrar ambos os olhos da face na mesma imagem, visto que a aplicação da patente é verificar se pelo menos um dos olhos está fechado ou aberto. Neste método, primeiro é encontrada a linha central que divide a face verticalmente em duas metades. Cada uma dessas metades é binarizada, e então são calculados os seus histogramas verticais. Deste histograma, detecta-se a faixa vertical da imagem onde se encontra a possível região dos olhos. Em seguida o histograma horizontal é calculado, do qual se faz a busca pela faixa horizontal em que provavelmente se encontra a região dos olhos. Finalmente, sobre a intersecção das faixas encontradas, se utiliza uma seqüência de passos lógicos empiricamente descobertos que leva em consideração as coordenadas da região dos olhos, assim como algumas distâncias de outras características faciais (como, por exemplo, a sobrancelha), e baseado nesse conjunto de informações se determina o centro da íris.

Este método demanda um equipamento extra de emissão de raios infravermelhos, além de repetidos cálculos para se encontrar o centro da íris em cada uma das metades do rosto. Além disso, é necessária uma câmera que possa se beneficiar do tipo de raios emitidos pela fonte de luz.

0 pedido de patente WO 2007/057064 Al apresenta um dispositivo e um sistema que tem por objetivo detectar a face e os olhos em uma imagem digital. No caso da detecção de olhos é utilizado um filtro que produz um conjunto de regiões candidatas. Estas regiões são obtidas em função das informações de cor. Nessa patente é levado em consideração que uma região candidata deve possuir uma forma determinada, assim como uma cor especifica. Baseado nessas duas premissas, são realizadas buscas sobre um grupo de imagens que possuem várias resoluções. A localização final da íris é feita utilizando-se todas as informações coletadas.

Diferentemente ,a presente invenção utiliza apenas uma única imagem da face, e sobre esta imagem se faz a busca dos olhos. Outra diferença é que naquela patente as regiões de busca onde se aplicam os filtros são inicialmente levadas para o domínio da transformada discreta de co-seno (DCT), ao passo que, na presente invenção, isto é feito sob o domínio espacial.

O documento de patente US006792134B2 propõe um método para detecção de olhos baseado na busca em uma imagem digital dos pixels que pertencem à íris. O primeiro passo desse método consiste em determinar agrupamentos (clusters) de pixels com alta possibilidade de pertencerem à íris. Sobre cada um dos clusters encontrados percorre-se uma máscara com o padrão de um olho. Em seguida, calcula-se a diferença entre a máscara e os pixels pertencentes ao cluster. O cluster que obtiver o melhor casamento com o padrão de referência é considerado um olho. Esta tarefa é executada tanto para o lado direito como para o lado esquerdo da face. Na presente invenção, não utilizamos nenhum tipo de máscara para validar a presença dos olhos, e sim uma heurística que utiliza o tamanho dos clusters encontrado, assim como a posição relativa entre eles Ainda dentro do estado da técnica da detecção e localização de olhos, existem outros métodos e sistemas descritos. Trata-se de classificadores construídos pela combinação de abordagens bem conhecidas na área de reconhecimento de padrões e aprendizado por máquinas, tais como: redes neurais, support vector machine (SVM), boosting, regressão, modelos bayeasianos, entre outros. Em particular, podemos citar trabalhos científicos baseados na publicação intitulada xxRapid object detection using a boosted cascade of simples features" dos pesquisadores Viola e Jones, publicado nos Anais da Conferência de Reconhecimento de Padrões e Visão computacional de 2001. Esses trabalhos mostram a viabilidade da localização de olhos em imagens digitais multi-escala, que é uma das vantagens diretas do método aqui proposto. Entretanto, o custo computacional para sua implementação é muito elevado, sendo que em nossa invenção a detecção de olhos em imagens multi-escala é mantida, e ainda sob um custo de processamento baixo. Esta invenção se aplica preferencialmente a aparelhos móveis, que em geral dispõem de baixa capacidade de processamento. A capacidade de memória dos aparelhos dessa natureza é da ordem de mil vezes menor, se comparados aos microcomputadores à venda no mercado.

A resolução da imagem em pixels é fator determinante na detecção e correta localização de objetos. Câmeras de baixa resolução, como aquelas embutidas em aparelhos de telefonia móvel, dificultam a tarefa de detectar objetos na imagem. O processo proposto realiza a detecção de olhos em imagens de baixa e alta resolução. Breve descrição da Invenção

A invenção proposta trata de um método de localização de olhos em imagens coloridas digitais. A localização dos olhos em imagem de vários tamanhos (múltiplas escalas) é suportada naturalmente devido à natureza geométrica do algoritmo de clustering utilizado. A invenção é apropriada para ser utilizada em dispositivos eletrônicos móveis de baixo poder de processamento. Descrição das Figuras

Os objetivos e as vantagens da presente invenção tornar-se-ão mais evidentes a partir da descrição detalhada a seguir de um exemplo de concretização da invenção e desenhos anexos a titulo de exemplo não-limitativo, em que: A Figura 1 é um diagrama geral sobre o sistema de localização de olhos da presente invenção.

A Figura 2 a) mostra imagens no espaço de cor ^n de um conjunto de faces utilizadas nos experimentos de validação do sistema proposto na patente. Apresentam-se as diferentes condições de aquisição de faces (cores de pele, iluminação, óculos, ruido.

A Figura 2 b) destaca as características faciais, em especial os olhos. A Figura 3 mostra o resultado da segmentação de características faciais da figura 2a. Neste estágio ainda podem ser observados alguns artefatos oriundos de ruído, fossas nasais, sobrancelhas, óculos e barba.

A Figura 4a) mostra um Algoritmo de clusteríng, sendo inicialmente os centros dos clusters são aleatoriamente escolhidos.

A Figura 4b) mostra os vizinhos computados mais próximos aos centros.

A Figura 4c) mostra o centro de cada cluster sendo atualizado para a coordenada central de sua vizinhança antes da próxima iteração ser executada.

A Figura 4d) mostra Centro do cluster encontrado (estado de convergência). A Figura 5 mostra o exemplo do resultado do clustering sobre uma imagem segmentada.

A Figura 6 mostra o resultado da localização de olhos baseado no método proposto pela presente invenção.

Descrição Detalhada da Invenção

O método de localização de olhos é composto de duas etapas, como apresentado na figura 1. A primeira etapa é a gue se encarrega de fazer a detecção de uma face na posição frontal, e na segunda se faz a localização do centro dos olhos.

BreveNa presente invenção, gualguer método que forneça uma estimativa confiável da posição e do tamanho de uma face pode ser utilizado como parte da primeira etapa. Um exemplo de método que poderia ser utilizado nessa etapa é aquele descrito no documento de patente PI 0605829-9 "Processo e método de detecção e rastreamento de objetos em imagens digitais para dispositivos computacionais com baixo poder de processamento".

Na segunda etapa, para fazer a localização correta e precisa dos olhos, segundo o objeto desta invenção, são necessários três estágios: segmentação de características faciais, clustering de pixels da imagem e a localização dos olhos (íris). No primeiro estágio, a face é segmentada a fim de se obter pixels da imagem, que são candidatos a pertencerem aos olhos. No segundo estágio, os pixels candidatos resultantes são agrupados, formando clusters. Finalmente, no terceiro estágio, os clusters que representam os olhos são selecionados, e as posições das iris (centros dos olhos) são determinadas. Vantagens da Invenção

Segundo o critério de taxa de erro proposto por O. Jesorsky, K. Kirchberg e R. W. Frischholz, em "Robust face detectíon using the hausdorff distance", publicado em Lecture Notes in Computer Science, volume 2091, no ano de 2001, ele pode ser adotado para avaliar a precisão do processo de detecção de olhos, utilizando diferentes bases de dados. O sistema proposto obtém uma taxa correta de localização de 94,12% sobre imagens digitais de faces que possuem variações de iluminação, postura e acessórios (óculos, barba, bigode), sobre o critério acima mencionado.

Uma abordagem geométrica é introduzida para chegar à solução de um problema que, em geral, tem sido tratado através de técnicas clássicas de processamento digital de imagens.

A abordagem geométrica proposta reduz drasticamente a complexidade computacional da implementação do processo de localização de olhos. Com respeito a sua eficiência, a invenção oferece uma solução rápida, permitindo sua utilização em sistemas que necessitam de resposta em tempo real.

0 método proposto permite a detecção de olhos em imagem multi-escala, isto é, em vários tamanhos de imagens sem necessidade de esforço adicional.

0 método proposto pode ser embarcado com sucesso em dispositivos eletrônicos de baixo poder de processamento.

0 método proposto suporta a detecção de olhos em faces que possuam uma inclinação de até 10°.

No estado da técnica, é conhecido que acessórios (óculos, barba e bigode) podem influenciar a taxa de correta localização dos olhos. 0 método proposto, embora seja simples, possui uma taxa correta de localização de aproximadamente 75% para faces que estejam utilizando algum tipo de acessório. Descrição Detalhada da Invenção A seguir, apresentaremos uma descrição minuciosa dos três estágios que compõe o método de localização de olhos. Filtro de Segmentação de Características

Neste estágio, tem-se por objetivo selecionar pontos candidatos que representem os olhos.

A segmentação de características das imagens é feita sobre um espaço de cor rg-normalizado, que se deriva do espaço de cor rgb. Esse espaço de cor possui duas propriedades importantes que colaboram na detecção dos olhos. Primeiro, a dependência das componentes vermelha e verde da luminância é significativamente diminuída nesse espaço. Segundo, é mais robusta a mudanças de orientação da superfície em relação às fontes de luz, isto é, apesar da curvatura da superfície, a mesma aparece num mesmo tom. Devido a estas propriedades, o espaço rg-normalizado foi escolhido neste estágio para servir de base no processo de segmentação da pele humana.

Para o desenvolvimento do filtro de características, foi observado que a face pode ser separada em duas partes:

1) pele, composta principalmente pela testa, bochechas, nariz e queixo; e 2) características faciais, tais como olhos, sobrancelhas e fossas nasais.

Devido à coloração e luminosidade refletida sobre a pele, é possível distinguir vagamente entre pele e estas características, quando considerado apenas os componentes

rn no espaço rg-normalizado, como mostrado na figura 2.

A definição de uma imagem rgb I como função do mapeamento de dois números inteiros, que representam um pixel nas suas componentes vermelho, verde e azul correspondentes, denotados por Ir, Ig e Ib, respectivamente:

<formula>formula see original document page 15</formula>

e Ci denota o bit de profundidade do canal de cor l (r , g

ou b) .

Por conveniência, a conversão de I para rn foi levemente modificada adicionando-se o valor 1 ao denominador, evitando assim a divisão por zero. Além disso,

considerou-se o complemento de rn , visto que as características faciais tendem a ser escuras neste espaço de cor. Tal conversão é definida como:

<formula>formula see original document page 15</formula>

Uma vez feita esta conversão, a equalização do histograma é executada sobre R1 , a fim de aumentar a robustez da segmentação de características, resultando numa imagem monocromática:

ER1 = Equalizar _ Histograma(R{) Finalmente, uma limiarização é aplicada, com o objetivo de segmentar as características faciais, resultando numa imagem binária T1 definida como:

<formula>formula see original document page 16</formula>

0 limiar de binarização t foi definido experimentalmente, mas pode ser determinado automaticamente usando um processo de validação sobre o resultado da localização dos olhos.

0 ruído e outras características, tais como boca, fossas nasais e sobrancelhas, podem ainda aparecer em T1 (Figura 3). Porém, o objetivo deste estágio é encontrar as regiões candidatas que serão utilizadas nas etapas subseqüentes.

Clustering eficiente de pixels Neste estágio, o problema de localização é resolvido através de uma perspectiva geométrica, onde os pixels candidatos são reunidos em clusters, simplificando o processo de localização. A entrada de dados deste estágio é expressa como o conjunto de todos os pixels candidatos, resultantes da segmentação de características faciais: Neste ponto, se propõe um algoritmo de clustering para imagens coloridas que utiliza um método puramente

geométrico. Dado um conjunto de pixels P1 e o número

desejado de clusters a serem computados nc, o algoritmo de

clustering move iterativamente os centros dos clusters Qj ,

selecionando os pixels mais próximos em P1 . Cada centro

dos clusters qj é então recomputado, antes que a próxima iteração seja realizada, selecionando a média dos pontos que estão mais próximos a tfj . Este processo está ilustrado na figura 4.

0 algoritmo pode parar de duas formas: quando os centros dos clusters ficam imóveis (pois se chegou a uma convergência), ou quando os pixels se movem de um cluster para o outro. Neste último caso, a regra de parada está limitada a um número máximo de iterações previamente definidas. Na prática, este método apresenta uma

convergência muito rápida, sendo que apenas k iterações são geralmente permitidas. Testes experimentais mostram que cinco interações são suficientes para chegar à convergência, quando até 36 clusters são definidos. O resultado final deste estágio é mostrado na Figura 5. Nessa figura, o processo de clustering considerou pixels candidatos de toda a face, apenas para fins de ilustração.

Além disso, é construída uma árvore KD (K Dimensional Tree - KD-Tree), que é basicamente um tipo de árvore binária de busca, que minimiza o número de pontos que devem ser encontrados. Na abordagem proposta uma KD-Tree é construída por iteração, considerando a atual posição do centro do cluster. Esta estrutura de dados espacial é construída em 0(nc \og(nc)) f e permite encontrar o centro do cluster mais próximo para um dado pixel em O(IogOO). Por este motivo, o processo de clustering é realizado em 0(k(p + Hc) log(ftc)) , onde P denota o número de pixels candidatos para uma dada face. Como nc é muito menor que ρ , e k é constante, a complexidade do algoritmo de clustering é O((p)㏒(nc)) . Poderiam ter sido utilizadas outras estruturas de dados de aceleração espacial, como por exemplo, os QuadTreesf para agilizar a busca do centro do cluster mais próximo. Em nossa abordagem se optou pelos KD- Trees, por serem muito compactas e de construção mais flexível que os QuadTrees. Localização de Olhos üma vez que o clustering de pixels candidatos está finalizado, segue-se para o próximo passo, que é encontrar os olhos. Neste estágio existe uma etapa de pré- processamento, que visa remover clusters que podem estar representando ruido ou outras características faciais, como fossas nasais, sobrancelhas ou ainda óculos e cabelo. Nesse momento, a escala da face estimada pela primeira etapa do sistema é usada para remover clusters muito grandes ou muito pequenos. O tamanho mínimo do cluster aceitável corresponde a 0.0009 *área_da_face_em_pixels. 0 tamanho máximo corresponde a 0.09 *área_da_face_em_pixels.

Assumindo que os clusters levados em consideração serão somente aqueles que estão na região da metade superior da imagem, os olhos serão dois clusters: um do lado direto e outro do lado esquerdo. Assume-se também que a localização dos olhos falha quando nenhum cluster é encontrado em um dos lados da imagem.

A seguir, o problema de localização está resolvido ao se escolher adequadamente os clusters que representam cada olho. Isto é obtido ao se fazer a varredura sobre os poucos clusters que ainda restaram, iterativamente. Nesta varredura se busca pelos maiores conjuntos de pixels que possam representar um disco, e que se encontrem em cada um dos dois lados da imagem. Os discos devem ser os mais próximos ao centro da imagem, obedecendo uma restrição de no máximo 10° de inclinação com a horizontal. Ά Figura 6 ilustra os resultados correspondentes deste processo sobre as imagens da figura 2-a.

Embora uma modalidade preferida da presente invenção seja mostrada e descrita, aqueles versados na técnica compreenderam que várias modificações podem ser feitas sem se afastar do escopo e do espirito da presente invenção, tal como definidos nas reivindicações anexas.

É expressamente previsto ainda que todas as combinações dos elementos que desempenham a mesma função substancialmente da mesma forma, para alcançar os mesmos resultados, estão dentro do escopo da presente invenção.

Claims (10)

1. Método para localização automática de olhos em imagens digitais coloridas para dispositivos computacionais com baixo poder de processamento caracterizado por ser implementado em três estágios: Filtro de Segmentação de Características, em que desenvolve-se um filtro de características faciais baseado em imagens digitais sob espaço de cor rg - normalizado; Clusteríng eficiente de pixels, em que, após a referida etapa inicializa-se o estágio onde os pixels candidatos a pertencerem aos olhos são agrupados; Localização de Olhos, em que o grupo de pixels selecionados na etapa anterior são triados e separa-se somente aqueles que representam o centro dos olhos da face.

2. Método de localização automática de olhos em imagens digitais coloridas para dispositivos computacionais com baixo poder de processamento, de acordo com a reivindicação 1, caracterizado por utilizar uma conversão de cor para ressaltar as características faciais.

3. Método de localização automática de olhos em imagens digitais coloridas para dispositivos computacionais com baixo poder de processamento, de acordo com a reivindicação 2, caracterizado pelo fato de que sobre a imagem que sofre a conversão de cor faz-se a equalização do seu histograma e se obtém uma imagem binarizada através da aplicação de um limiar de segmentação de cor.

4. Método de localização automática de olhos em imagens digitais coloridas para dispositivos computacionais com baixo poder de processamento, de acordo com a reivindicação Erro! Fonte de referência não encontrada., caracterizado por utilizar clustering para imagens coloridas.

5. Método de localização automática de olhos em imagens digitais coloridas para dispositivos computacionais com baixo poder de processamento, de acordo com a reivindicação 1, caracterizado pelo fato de que, dado um conjunto de pixels P1 e o número desejado de clusters a serem computados Kcr o clustering iterativamente move os centros dos clusters qj selecionando os pixels mais próximos em Pj . Cada centro dos clusters Qj é então recomputado antes que a próxima iteração seja realizada, selecionando a média dos pontos que estão mais próximos a Qj , sendo os clusters encontrados candidatos a serem os olhos.

6. Método de localização automática de olhos em imagens digitais coloridas para dispositivos computacionais com baixo poder de processamento, de acordo com a reivindicação 1, caracterizado pelo fato de que utiliza técnicas de geometria computacional com as quais se obtém uma redução de complexidade na busca e seleção automática de olhos em imagens digitais.

7. Método de localização automática de olhos em imagens digitais coloridas para dispositivos computacionais com baixo poder de processamento, de acordo com a reivindicação 1, caracterizado pelo fato de que utiliza a estrutura de busca de dados KD-Tree para acelerar o processo de atualização dos centros dos clusters no estágio de clustering de pixels.

8. Método de localização automática de olhos em imagens digitais coloridas para dispositivos computacionais com baixo poder de processamento, de acordo com a reivindicação 1, caracterizado pelo fato de que inclui ainda uma etapa onde se exclui clusters de tamanho superior a 9% (nove por cento) do região da face e inferior a 0.09% (nove centésimos por cento) da mesma região.

9. Método de localização automática de olhos em imagens digitais coloridas para dispositivos computacionais com baixo poder de processamento, de acordo com a reivindicação 1, caracterizado pelo fato de que obtém a localização dos olhos de uma face com inclinação de até .10° .

10. Método de localização automática de olhos em imagens digitais coloridas para dispositivos computacionais com baixo poder de processamento, de acordo com a reivindicação 1, caracterizado pelo fato de que, com desenvolvimento do filtro de características, a face pode ser separada em duas partes: a) pele, composta principalmente pela testa, bochechas, nariz e queixo; e b) características faciais, tais como olhos, sobrancelhas e fossas nasais.