Detecção de vivacidade em terminais faciais: por que os modelos baratos caem diante de uma foto

Terminais de acesso facial e de pagamento facial vão de algumas centenas a vários milhares, e boa parte dessa diferença é a detecção de vivacidade. Este artigo explica algo contra-intuitivo: se uma fotografia engana o equipamento, decide menos o marketing do algoritmo do que a existência de uma dimensão física extra no hardware.

O que uma fotografia vence

O reconhecimento facial com câmera de luz visível comum compara, em essência, uma imagem plana. Ao colocar uma foto impressa diante da lente, ou exibir uma foto em alta resolução na tela do celular, os sistemas antigos e os equipamentos mais baratos de hoje a aceitam. Esse é o ataque com foto.

O ataque com vídeo vai além: basta reproduzir um clipe em que a pessoa pisca e vira a cabeça diante da lente para passar pelas detecções que só pedem movimento cooperativo. Não é risco teórico: as ferramentas são públicas.

Duas abordagens de detecção de vivacidade

· Detecção cooperativa: o usuário precisa piscar, abrir a boca, virar ou balançar a cabeça, e o movimento de pontos-chave decide se há pessoa real. É barata, mas exige cooperação a cada uso, atrasa filas nos horários de pico e protege pouco contra ataques com vídeo · Detecção silenciosa: não exige ação alguma. O algoritmo analisa textura da pele, comportamento do reflexo, micromovimentos e fluxo óptico. A experiência é melhor e a passagem mais rápida, com custo bem maior em algoritmo e processamento

O hardware é a verdadeira linha divisória

· Câmera RGB simples ou dupla: apenas luz visível, informação plana em duas dimensões, e o algoritmo só pode supor. O teto é baixo · Câmera dupla infravermelha: um caminho de iluminação ativa em infravermelho próximo mais outro de luz visível. O comportamento do reflexo na imagem infravermelha separa foto plana de pele real: pouco custo adicional e grande ganho · Luz estruturada 3D ou ToF: mede-se a profundidade diretamente. Fotos e máscaras ficam expostas de imediato no mapa de profundidade. É a via mais sólida hoje e também a mais cara

Em resumo: a resistência ao ataque com foto não vem do que diz a ficha do algoritmo, e sim de dispor de infravermelho ou profundidade como dimensão física. Só com luz visível, por mais que se otimize, continua-se trabalhando sobre a mesma imagem plana.

Quatro perguntas antes de comprar

· A câmera é RGB simples, RGB com infravermelho ou com profundidade por luz estruturada ou ToF? · A detecção é cooperativa ou silenciosa? A silenciosa bloqueia reprodução em tela e fotos impressas? · Há relatório de terceiros? Na China a referência habitual é a certificação de detecção de vivacidade do centro de ensaio de cartões bancários, com níveis definidos · Quais são a taxa de falsa aceitação (FAR) e a de falsa rejeição (FRR)? Peça sempre o FRR para um FAR declarado: dizer «99% de acerto» não vale nada

Velocidade e capacidade: leia além do folheto

A métrica de engenharia que importa é a velocidade de comparação 1:N. Com base de dez mil rostos, o reconhecimento deve ficar abaixo de um segundo. Acima de trinta mil costuma ser preciso agrupar por departamento, turma ou prédio, ou as filas se formam nos horários de pico.

E não esqueça as condições reais: contraluz, máscaras, bonés e pouca luz reduzem o acerto. O «suporta cem mil rostos» do folheto costuma indicar capacidade de armazenamento, não desempenho de comparação. Exija teste na sua obra e não confie no vídeo de demonstração.

Privacidade e conformidade não se improvisam

O rosto é dado biométrico e muitas jurisdições regulam coleta, armazenamento e transferência internacional: aviso prévio, consentimento, armazenamento cifrado local e eliminação mediante solicitação. Em projetos de exportação confirme a norma local antes de enviar: descobrir que o sistema não cumpre quando os equipamentos já estão montados na porta é tarde demais.

Em resumo

A ordem ao escolher deveria ser: primeiro a dimensão física (infravermelho ou profundidade), depois o relatório de certificação de terceiros e só no fim parâmetros e preço. Escolher olhando apenas preço e taxa de acerto costuma terminar em uma porta bonita que na verdade não é segura.