Boas práticas de configuração em sistemas de reconhecimento facial
Já ouviu falar em sistemas de reconhecimento facial para garantir a segurança de acessos? Saiba que o seu ambiente de trabalho e sistemas tecnológicos podem estar vulneráveis a falsificações e acessos não permitidos com a ausência da biometria facial.
Nos últimos anos, as empresas têm buscado soluções mais práticas, rápidas e eficientes e o reconhecimento facial é uma das escolhas de prioridade desses empresários.
Isso porque o sistema utiliza algoritmos para detectar se os dados cadastrados são os mesmos da imagem recebida.
Assim, é possível liberar a ação do usuário através da biometria facial.
No artigo de hoje, trouxemos para você informações sobre boas práticas de configuração de sistemas de reconhecimento facial, além de informações sobre o funcionamento das tecnologias envolvidas.
Quer entender direitinho sobre esse assunto? Então fique com a gente e veja só o que será abordado no decorrer do artigo:
- Como funciona o Reconhecimento facial?
- Como funciona o liveness detection?
- Como funciona o face match?
- Métricas utilizadas pelos algoritmos de RF
- Possíveis cenários de acordo com a configuração de cada métrica
Boa leitura!
Como funciona o Reconhecimento facial?
O reconhecimento facial se trata de uma tecnologia capaz de mapear padrões faciais e fazer a comparação com um banco de dados pré-cadastrado.
Os softwares e algoritmos envolvidos no reconhecimento facial são capazes de mapear pontos biométricos da pessoa, sendo esses os padrões faciais.
Através desses pontos é feita uma análise da face em seus diversos aspectos, como distanciamento dos olhos, espaço entre as sobrancelhas, tamanho do nariz, da boca, entre outras variáveis.
Após essa análise, o sistema gera um código referente a biometria facial daquela pessoa.
O reconhecimento facial pode ocorrer de duas formas: ativa e passiva. Vejamos como cada uma delas se comporta:
Reconhecimento facial ativo
O reconhecimento facial ativo é aquele em que existe uma identificação consciente e combinada de uma pessoa que se dispõe a ser cadastrada no banco de dados.
Esse modelo é bastante comum em empresas, condomínios residenciais, hospitais e instituições de ensino.
Este é um recurso tecnológico que cada vez mais vem ganhando espaço no mercado tendo em vista a segurança no momento do acesso a esses espaços privados.
Reconhecimento facial passivo
O reconhecimento facial passivo é uma metodologia utilizada para fins de segurança, onde é possível monitorar os rostos das pessoas em vias públicas.
Na maioria dos casos, as pessoas não sabem que estão sendo monitoradas e que a sua biometria facial está sendo colhida.
Os códigos da biometria desses cidadãos são registrados em um grande banco de dados, onde o Governo e os órgãos de segurança conseguem monitorar os cidadãos.
Essa tecnologia em circulação nos municípios e estados é de suma importância para assim haver a identificação de suspeitos ou foragidos da polícia, por exemplo.
Como funciona o liveness detection?
Apesar do reconhecimento facial ser uma tecnologia relativamente nova, infelizmente existem pessoas mal intencionadas que buscam burlar esses sistemas de acesso.
Nessa realidade, uma tecnologia que veio para “tapar” as lacunas deixadas pelas tecnologias anteriores é o Liveness Detection.
Através do Liveness Detection é possível detectar se a identificação está sendo feita com uma pessoa real e viva.
Dessa forma, podem ser descartadas outras formas de burlar os sistemas de biometria facial, como o uso de máscaras, vídeos ou fotos.
Existem dois tipos de Liveness Detection, sendo eles o ativo e o passivo. Abaixo descrevemos as características de cada um deles:
Liveness Detection ativo
O Active Liveness Detection ou Prova de vida ativa solicita que o usuário faça uma ação que dificilmente poderia ser copiada.
Então, por exemplo, o sistema pode solicitar que o usuário faça faciais como sorrisos e movimentos com os olhos, pressionamento de tecla e até mesmo reconhecimento do alto-falante para análise dos movimentos da boca.
Liveness Detection passivo
O Passive Liveness Detection ou Prova de vida passiva é uma modalidade que não exige do usuário interações para a identificação.
Na prova de vida passiva, captura-se os dados biométricos do rosto com qualidade alta, para uma verificação de identidade eficaz.
O modelo passivo é uma interessante alternativa para locais com alto fluxo de pessoas, para reduzir o tempo de espera para a identificação.
Como funciona o face match?
O Face Match é uma tecnologia que utiliza a inteligência artificial para fazer uma análise do rosto captado e realizar a associação com a imagem recebida de documentos como RG, CNH e passaporte, por exemplo.
Essa tecnologia geralmente é utilizada por empresas que realizam cadastros online, como instituições financeiras, por exemplo, a fim de atestar que o solicitante é o proprietário da documentação enviada.
Métricas utilizadas pelo algoritmo de RF
A tecnologia de RF consegue determinar a probabilidade de a imagem capturada ser a mesma que se encontra na sua base de dados utilizando alguns parâmetros e métricas.
Através deles é feito um processamento das imagens para a identificação de cada rosto.
Vejamos quais são as principais métricas utilizadas pelo algoritmo de RF:
Threshold (limiar)
o Threshold é uma métrica que indica qual a distância máxima para considerar a face de uma pessoa igual.
Então, se por exemplo, o reconhecimento facial indicar que a distância entre duas faces é de 0.4, e o limiar for 0.5 então os rostos podem ser considerados como correspondentes.
Lembrando que esse valor deve ser calibrado, tendo em vista que quanto maior o limiar, maiores serão as chances de reconhecimento da face.
Contudo, isso implica em uma menor confiabilidade do reconhecimento.
Confiança
A taxa de confiança é a métrica que envolve a probabilidade de que o reconhecimento realizado seja correto.
Geralmente as tecnologias do mercado costumam ter uma margem de erro bem similar e as variações ocorrem de acordo com a empresa responsável.
Cobertura
A cobertura se trata de uma métrica que indica a quantidade de rostos que foram reconhecidos e a quantidade daquelas que não foram.
Então, se por exemplo, o sistema indicar uma cobertura de 90%, então quer dizer que de 1000 rostos testados, 900 foram reconhecidos e 100 não foram.
Precisão
A precisão é considerada a taxa de acerto de reconhecimento facial.
Ou seja, a proporção entre os verdadeiros positivos e o total das faces que foram classificadas como positivo para reconhecimento.
Então, caso sejam identificadas 1000 faces e 999 estiverem corretas, o valor da precisão será 99,99%.
Taxa de erro
A taxa de erro aponta a taxa de erro do reconhecimento facial e é o valor inverso da precisão.
Se o indicador revela uma taxa de erro de 0,03% para a amostragem de 10.000 faces
testadas, o total de faces erradas é igual a 3.
Possíveis cenários de acordo com a configuração de cada métrica
Essas métricas impactam na qualidade do RF, e dependendo do seu propósito, é recomendado a combinação dessas variáveis para ter melhores resultados no reconhecimento.
Nós da Gryfo, por exemplo, trabalhamos com 2 métricas variáveis e configuráveis, que são o threshold e qualidade da imagem.
Vejamos abaixo alguns cenários que podem ser vistos com a combinação das métricas que conhecemos nos tópicos anteriores:
Reconhecimento Ativo
| Métrica | Precisão | Cobertura | Confiança |
| Threshold: 0.8 Quality: ON(recomendado para 1:N – padrão da API) | altíssima | média | alta |
| Threshold: 0.95 Quality: ON(recomendado para 1:1) | alta | alta | média |
| Threshold: 0.65 Quality: ON | altíssima | baixa | altíssima |
| Threshold: 0.8 Quality: OFF | altíssima | alta | média |
| Threshold: 0.95 Quality: OFF | alta | altíssima | baixa |
| Threshold: 0.65 Quality: OFF | altíssima | média | alta |
Reconhecimento Passivo (sempre é 1:N)
| Métrica | Precisão | Cobertura | Confiança |
| Threshold: 0.8 Quality: ON(padrão da API) | alta | baixa | média |
| Threshold: 0.95 Quality: ON(recomendado) | média | média | baixa |
| Threshold: 0.65 Quality: ON | alta | baixíssima | alta |
| Threshold: 0.8 Quality: OFF | alta | média | baixa |
| Threshold: 0.95 Quality: OFF | média | alta | baixíssima |
| Threshold: 0.65 Quality: OFF | alta | baixa | média |
Reconhecimento Ativo com Liveness Detection
| Métrica | Precisão | Cobertura | Confiança |
| Threshold: 0.8 Quality: ON(recomendado para 1:N – padrão da API) | altíssima | média | altíssima |
| Threshold: 0.95 Quality: ON(recomendado para 1:1) | alta | alta | alta |
| Threshold: 0.65 Quality: ON | altíssima | baixa | altíssima |
| Threshold: 0.8 Quality: OFF | altíssima | baixa | baixa |
| Threshold: 0.95 Quality: OFF | alta | média | baixíssima |
| Threshold: 0.65 Quality: OFF | altíssima | baixíssima | média |
Face Match (comparação de foto do documento oficial sem um cadastro prévio)
| Métrica | Precisão | Cobertura | Confiança |
| Threshold: 0.8 Quality: ON | altíssima | média | média |
| Threshold: 0.95 Quality: ON (recomendado – padrão da API) | alta | alta | baixa |
| Threshold: 0.65 Quality: ON | altíssima | baixa | alta |
| Threshold: 0.8 Quality: OFF | altíssima | alta | baixa |
| Threshold: 0.95 Quality: OFF | alta | altíssima | baixíssima |
| Threshold: 0.65 Quality: OFF | altíssima | média | média |
Face Match (comparação de foto do documento oficial com cadastro prévio)
| Métrica | Precisão | Cobertura | Confiança |
| Threshold: 0.8 Quality: ON | altíssima | média | alta |
| Threshold: 0.95 Quality: ON(recomendado – padrão da API) | alta | alta | média |
| Threshold: 0.65 Quality: ON | altíssima | baixa | altíssima |
| Threshold: 0.8 Quality: OFF | altíssima | alta | média |
| Threshold: 0.95 Quality: OFF | alta | altíssima | baixa |
| Threshold: 0.65 Quality: OFF | altíssima | média | alta |
Conclusão
Como vimos, a verificação de identidade através de tecnologias como o reconhecimento facial utilizando os recursos de liveness detection e face match são fundamentais para reforçar a segurança digital da sua empresa, clientes e fornecedores.
Através de um processo simples e rápido, toda sua equipe pode realizar a validação e acessar com segurança os sistemas e dados que lhes são autorizados.
Agora que você já sabe como é importante a utilização do RF, está na hora de pensar na modernização da sua empresa, fornecendo tecnologia de ponta e controle de acesso digital seguro.
Para isso, conte com a Gryfo, uma empresa séria que utiliza os melhores recursos para fornecer a sua empresa a melhor solução em RF!
Clique aqui e descubra agora mesmo como o Reconhecimento Facial pode transformar o seu negócio.