A biometria utiliza nossas características físicas e comportamentos mais exclusivos para servir como identificadores digitais que computadores e softwares podem interpretar e utilizar em aplicações relacionadas à identidade. Ela pode ser usada para identificar alguém em um banco de dados biométrico ou para verificar a autenticidade de uma identidade declarada.
Os aplicativos de reconhecimento facial aplicam a ciência da biometria às características faciais do usuário. Os algoritmos de reconhecimento facial criam um modelo biométrico ao detectar e medir várias características, ou pontos de referência, dos rostos humanos, incluindo a localização dos olhos, sobrancelhas, nariz, boca, queixo e orelhas. Dois modelos são comparados para gerar um índice de correspondência, que indica a probabilidade de que as duas imagens pertençam à mesma pessoa. A verificação de autenticidade ( Liveness detection ) também pode ser aplicada para garantir que a fonte da amostra biométrica não seja uma reprodução digital ou em papel.
Casos de uso do reconhecimento facial
Órgãos de segurança pública , como o FBI, utilizam tecnologia de reconhecimento facial para pesquisar listas de suspeitos e ajudar a identificar de forma conclusiva uma pessoa de interesse. Elas podem comparar uma foto ou vídeo recém-capturado com um banco de dados de imagens individuais para ajudar a identificar essa pessoa. Governos em todo o mundo utilizam o reconhecimento facial para identificação biométrica em diversas aplicações, incluindo segurança alfandegária e de fronteiras, prevenção de fraudes e identificação de cidadãos.
Mais recentemente, a autenticação móvel surgiu como o principal caso de uso mais comum da biometria facial no setor privado, onde nossas imagens faciais podem ser utilizadas no lugar de uma senha. Os usuários podem fazer login em seus dispositivos usando o reconhecimento facial como uma alternativa conveniente e segura aos PINs e senhas. Incorporar o reconhecimento facial a um aplicativo móvel, como em serviços bancários ou outras aplicações seguras, permite que o provedor do aplicativo tenha mais controle sobre os recursos de segurança e a experiência do usuário, além de garantir maior consistência entre os dispositivos dos clientes. Os sistemas de reconhecimento facial também podem ser utilizados para aprimorar a identificação de pacientes em ambientes de saúde.
As vantagens do reconhecimento facial
Cada modalidade biométrica apresenta vantagens e desvantagens. O reconhecimento facial oferece várias vantagens em relação a outras modalidades biométricas:
- Proliferação de dados de imagens faciais digitais: Os bilhões de imagens faciais digitais existentes, provenientes de inúmeras fontes, são extremamente úteis para o treinamento de algoritmos, especialmente aqueles que utilizam técnicas de aprendizado de máquina.
- Aprimoramento do reconhecimento facial manual: a biometria pode ser utilizada em conjunto com processos visuais humanos de reconhecimento facial, como a comparação de uma pessoa ao vivo com a imagem facial constante em sua carteira de motorista ou outro documento de identificação. A tecnologia de reconhecimento facial pode ser usada para automatizar ou aprimorar esse processo, proporcionando maior precisão na correspondência. Em praticamente qualquer processo em que o rosto de uma pessoa seja utilizado por um ser humano para verificar sua identidade, a biometria pode ser empregada para aprimorá-lo.
- A onipresença das câmeras em dispositivos móveis: Quase todos os smartphones, tablets e laptops possuem câmeras frontais integradas que permitem tirar “selfies” de alta qualidade. Isso facilita a coleta de uma amostra de reconhecimento facial em tempo real para comparação com um modelo.
- Adequado para uso com outras modalidades de autenticação móvel: a captura de imagem facial por meio da câmera frontal do celular pode ser realizada de forma passiva e simultânea à captura de outras modalidades, como voz e digitação, para melhorar o desempenho da correspondência e liveness detection.
Os desafios do reconhecimento facial
Para que os aplicativos de reconhecimento facial sejam úteis, é preciso superar os seguintes desafios:
- A grande variedade de condições ambientais de captura (por exemplo, iluminação, sombras) torna a correspondência precisa mais desafiadora. Variações na postura, envelhecimento, óculos, expressões faciais e barba também podem dificultar a correspondência. As diferenças entre os sensores das câmeras e as configurações também podem ter um impacto.
- A ampla disponibilidade de imagens faciais nas redes sociais e em outros meios significa que os fraudadores podem obter com mais facilidade imagens de possíveis vítimas de fraude, que podem ser usadas para falsificação de identidade. Ao contrário da tecnologia Face ID, que detecta apenas a presença de um rosto em uma imagem ou vídeo, os aplicativos de reconhecimento facial funcionam com algoritmos que também precisam ser capazes de distinguir um rosto real de uma imagem digital não real de um rosto.
Os fraudadores podem explorar esses desafios de várias maneiras.
Em primeiro lugar, eles podem tentar contornar a biometria facial usada para autenticação ou controle de acesso, apresentando uma imagem não ao vivo de um usuário autorizado durante o teste de verificação.
Em segundo lugar, eles podem tentar se cadastrar para uma nova conta registrando uma amostra facial que não possa ser utilizada com precisão em uma pesquisa de deduplicação. Por exemplo, poderiam tentar registrar uma foto em que as características faciais estejam distorcidas ou obscurecidas por maquiagem, chapéus ou óculos escuros. Também poderiam tentar usar a foto de uma pessoa que não existe ou rostos de celebridades obtidos na internet. Todas essas situações levariam a falsos resultados de não correspondência durante as pesquisas de verificação de identidade.
Superando os desafios do reconhecimento facial
É possível adotar várias medidas para otimizar a segurança, o desempenho e a experiência do usuário.
Automatizar a captura de imagens de alta qualidade
O software de reconhecimento facial, que automatiza a captura de imagens faciais, analisa os quadros do vídeo em tempo real. A captura da imagem é acionada automaticamente assim que o foco, o posicionamento facial, a iluminação e outros detalhes da captura forem verificados quanto à conformidade com os padrões de qualidade.
A imagem é analisada novamente e otimizada após a captura. O redimensionamento, a rotação, o recorte e os ajustes automáticos de brilho e contraste otimizam a qualidade de uma imagem que, de outra forma, não estaria em conformidade, de modo que não seja necessário refazer a foto.
Executar de forma robusta liveness detection
Os fraudadores podem tentar enganar um algoritmo de reconhecimento facial com vídeos e imagens digitais não ao vivo obtidos na internet. Os algoritmos Liveness detection distinguem entre uma imagem facial impressa, digital, em vídeo e ao vivo.
Passiva liveness detection O sistema procura indicadores de uma imagem não real, como inconsistências entre o primeiro plano e o fundo. Ele utiliza diversas técnicas de reconhecimento para buscar artefatos em uma imagem, como recortes, máscaras, pele, textura, bordas e várias outras características que ajudam a determinar uma representação falsa do rosto do usuário. Esse processo é invisível para o usuário, o que dificulta a ação de fraudadores.
O recurso “Active liveness detection ” solicita que o usuário pisque ou balance a cabeça para confirmar que está vivo.
A combinação de métodos ativos e passivos proporcionará a melhor correspondência em termos de desempenho. As aplicações de análise de reconhecimento facial também podem utilizar uma segunda modalidade, como a voz, para ajudar a garantir a veracidade do rosto.
Utilize algoritmos de alto desempenho
Nos últimos anos, a inteligência artificial e os algoritmos de aprendizado de máquina tornaram-se os métodos predominantes para extrair automaticamente as informações acima e, em seguida, compará-las com outras imagens. Esses algoritmos aprimoram a segurança biométrica da tecnologia de reconhecimento facial sem causar qualquer impacto na experiência do usuário.
