🔍
Nitidez
Identificação de perda de definição associada a desfoque ou movimento.
TECNOLOGIA APLICADA À MEDICINA LEGAL
ForensiPhoto
Validação Técnica de Imagens Forenses. Aplicativo móvel desenvolvido para auxiliar a aquisição de fotografias tecnicamente adequadas, oferecendo análise automatizada e feedback imediato ao usuário.
Projeto disponibilizado pela Sociedade Brasileira de Epidemiologia – SBEP.
01 · INTRODUÇÃO / FUNDAMENTOS
Qualidade no momento da captura
A fotografia médico-legal constitui um importante recurso para documentação técnica. Sua utilidade depende de características como nitidez, iluminação, resolução, enquadramento, escala e perspectiva. O ForensiPhoto propõe uma camada de controle de qualidade no momento da aquisição, permitindo identificar inadequações técnicas antes da finalização do registro.
☀
Iluminação
Verificação das condições de exposição da imagem, identificando situações inadequadas.
▣
Enquadramento
Avaliação da composição e da posição da região de interesse.
📏
Escala
Auxílio na utilização da referência métrica para documentação dimensional.
HD
Resolução
Verificação da resolução disponível para preservar detalhes da imagem.
△
Perspectiva
Avaliação do posicionamento da câmera em relação ao objeto fotografado.
02 · OBJETIVOS
Garantir fotografias tecnicamente adequadas
O objetivo é reduzir inadequações técnicas na própria etapa de aquisição, transformando critérios de qualidade em verificações computacionais e orientações imediatas ao usuário.
Figura 1 – Objetivos e critérios técnicos considerados pelo ForensiPhoto.
Principais objetivos
Nitidez
Detectar desfoque ou trepidação.
Iluminação
Identificar exposição inadequada.
Resolução
Preservar detalhes suficientes.
Enquadramento
Orientar a composição.
Escala
Auxiliar a referência dimensional.
Perspectiva
Reduzir distorções geométricas.
O ForensiPhoto é uma ferramenta de apoio à aquisição
fotográfica. A ferramenta não substitui a avaliação
profissional nem determina, isoladamente, o valor
probatório da fotografia.
03 · MÉTODOS
Da captura ao feedback
O aplicativo foi desenvolvido para processar informações da câmera e avaliar critérios técnicos da imagem, fornecendo orientação ao usuário antes da captura definitiva.
Figura 2 – Fluxo funcional do ForensiPhoto, contemplando captura, análise automatizada, classificação, feedback e armazenamento.
1
Captura
Aquisição dos quadros da câmera em tempo real.
2
Análise
Processamento dos parâmetros técnicos da imagem.
3
Classificação
Comparação dos resultados com critérios estabelecidos.
4
Feedback
Orientação imediata para o usuário.
5
Nova captura
Quando necessário, o usuário é orientado a repetir a fotografia.
6
Registro
Armazenamento da imagem e das informações técnicas associadas.
04 · RESULTADOS
Protótipo funcional
O desenvolvimento resultou em um protótipo Android com interface para captura, avaliação da qualidade e apresentação dos dados técnicos da imagem. As telas abaixo apresentam exemplos do funcionamento do aplicativo.
✓ Imagem adequada
Resolução
1280 × 960
Brilho
62,4
Nitidez
151,0
Exemplo apresentado na interface do protótipo.
⚠ Imagem inadequada
Resolução
640 × 480
Brilho
116,3
Nitidez
321,6
Neste exemplo, o aplicativo identifica resolução insuficiente e orienta a repetição da fotografia.
Os valores apresentados correspondem aos exemplos
demonstrados nas telas do protótipo. Eles não devem
ser interpretados como resultados de uma validação
experimental geral do sistema.
05 · CONCLUSÕES / CONSIDERAÇÕES FINAIS
Uma camada tecnológica de controle de qualidade
O ForensiPhoto apresenta uma proposta de apoio à aquisição de fotografias tecnicamente adequadas, permitindo identificar problemas de qualidade e orientar o usuário antes da finalização do registro.
Contribuição
O projeto transforma critérios técnicos de qualidade fotográfica em verificações computacionais realizadas no momento da aquisição, podendo contribuir para a padronização do processo de documentação.
Próximas etapas
Entre as etapas futuras estão a validação experimental dos critérios, avaliação em diferentes dispositivos e condições de iluminação, além do aprimoramento dos métodos de análise e orientação ao usuário.
DISPONIBILIZAÇÃO
Experimente o ForensiPhoto
O aplicativo e o código-fonte do projeto estão disponíveis para consulta e utilização.
📱 Aplicativo Android
Baixe o APK de demonstração do ForensiPhoto diretamente nesta página.
↓ Baixar APK
SHA-256:
9c98e9ec56ba0b06c46210a6fd1971d42407548a6a4f2622dd9e7458b97ba2a1
💻 Código-fonte
O código-fonte do projeto está disponível publicamente para consulta e desenvolvimento.
🌐 Página oficial do projeto
Acesse a página do ForensiPhoto para conhecer o projeto, baixar o aplicativo e consultar o código-fonte.
www.sbep.org.br/forensiphoto
Aponte a câmera do celular
para acessar o projeto
06 · REFERÊNCIAS BIBLIOGRÁFICAS
Referências selecionadas
Referências apresentadas segundo o estilo Vancouver.
- Faculty of Forensic & Legal Medicine. PICS Working Group. Guidelines on photography. London: FFLM; 2024.
- Dedouit F, Ducloyer M, Elifritz J, Adolphi NL, Wong Yi-Li G, Decker S, et al. The current state of forensic imaging - clinical forensic imaging. Int J Legal Med. 2025;139(4):1639-1646. doi:10.1007/s00414-025-03464-8.
- Dedouit F, Ducloyer M, Elifritz J, Adolphi NL, Wong Yi-Li G, Decker S, et al. The current state of forensic imaging - recommended radiological tools and international guidelines. Int J Legal Med. 2025;139(5):2219-2231. doi:10.1007/s00414-025-03465-7.
- Valente-Aguiar MS, Nascimento OO, Castro-Espicalsky TL, Dinis-Oliveira RJ. Single-camera photogrammetry using a mobile phone for low-cost documentation of corpses. Int J Legal Med. 2024;138(6):2373-2379. doi:10.1007/s00414-024-03271-7.
- El Barbari JS, Fikuart M, Beisemann N, Müller M, Syrek H, Grützner AP, et al. Improving medical photography in a level 1 trauma center by implementing a specialized smartphone-based app in comparison to the usage of digital cameras: prospective panel study. JMIR Form Res. 2024;8:e51603.
- Anderson I, et al. Guidelines for photography of cutaneous marks and injuries: a multi-professional perspective. J Forensic Leg Med. 2014;27:75-83.
- He W, Luo Z. Blind quality assessment of images containing objects of interest. Sensors (Basel). 2023;23(19):8205. doi:10.3390/s23198205.
- Kluckert J, Hötker AM, Da Mutten R, Konukoglu E, Donati OF. AI-based automated evaluation of image quality and protocol tailoring in patients undergoing MRI for suspected prostate cancer. Eur J Radiol. 2024;177:111581. doi:10.1016/j.ejrad.2024.111581.