IAs avançadas estão aprimorando o reconhecimento facial para identificações com mais precisão
Novas técnicas de reconhecimento facial baseadas em IA estão reduzindo as correspondências falso positivas e falso negativas
Se você tiver a sorte de ter um ingresso para um evento no Madison Square Garden, em Nova York — digamos, uma partida das finais da NBA —, parte da sua visita consistirá em ter seu rosto escaneado por um sistema de reconhecimento facial.
Os principais locais de eventos estão cada vez mais utilizando essa tecnologia. Alguns, como o Madison Square Garden, a utilizam para fins de vigilância, e outros, como o Citizens Bank Park, na Filadélfia, para oferecer aos visitantes a opção de entrada sem ingresso.
A adoção da tecnologia de reconhecimento facial está aumentando, tornando-se mais comum na vida cotidiana, desde nos transportes públicos até edifícios governamentais. A Administração de Segurança nos Transportes dos EUA (TSA, na sigla em inglês)) implantou a mais recente tecnologia de reconhecimento facial em pontos de verificação de segurança em vários aeroportos. A agência afirma que o novo sistema será utilizado em cidades por todo os EUA que sediarão jogos da Copa do Mundo de Futebol de 2026.
O uso crescente do reconhecimento facial ampliou as preocupações com precisão e viés. Mas, em minha pesquisa sobre tecnologia de reconhecimento facial no Vision Lab da Universidade de Dayton, descobri que modelos avançados de aprendizado profundo tornaram os sistemas de reconhecimento facial mais precisos e confiáveis. Os modelos de IA, treinados com centenas de milhões de imagens de faces, apresentam mais de 99% de precisão em ambientes controlados - como celulares, aeroportos e postos de controle de fronteira.
Noções básicas sobre reconhecimento facial
O reconhecimento facial envolve três etapas: localizar um rosto em uma imagem ou quadro de vídeo, criar uma impressão facial que catalogue características salientes - incluindo o formato do rosto e pontos de referência como olhos, nariz e boca - e registrar a textura da pele. Em seguida, ele compara a impressão facial com as que estão em um banco de dados, que pode estar dentro de um smartphone ou em um banco ou hospital, para verificar a identidade de uma pessoa ou permitir o acesso.
No mundo físico, esses sistemas são mais rápidos e simples do que exigir que as pessoas apresentem documentos de identidade. No mundo online, são mais fáceis do que digitar um nome de usuário e uma senha. O reconhecimento facial também reduz significativamente a possibilidade de falsificação ou fraude quando comparado a carteiras de identidade ou senhas.
As melhorias na tecnologia vieram de uma variedade de projetos de pesquisa. O FaceNet, um modelo de aprendizado profundo desenvolvido pelo Google, aprimorou o reconhecimento de rostos que estão parcialmente cobertos ou ocultos nas imagens. O DeepFace, um sistema de reconhecimento facial baseado em IA desenvolvido pela Facebook AI Research, atinge o mesmo alto nível de verificação demonstrado por seres humanos.
O NeoFace, um algoritmo de IA altamente preciso desenvolvido pela NEC, está integrado ao Mobile Fortify, o sistema móvel de reconhecimento facial utilizado pela Agência de Imigração e Alfândega dos EUA (ICE, na sigla em inglês) para identificar pessoas.
Reduzindo falsos positivos e negativos
Condições do mundo real, como iluminação fraca, ângulos de visão difíceis, expressões faciais extremas, ocultação por máscaras faciais ou óculos escuros e baixa qualidade de imagem ainda podem prejudicar o desempenho, levando a identificações incorretas. Falsos positivos e falsos negativos são os dois erros principais. Falsos positivos ocorrem quando uma pessoa é incorretamente associada a outra pessoa em um banco de dados. Falsos negativos ocorrem quando um indivíduo não é encontrado em um banco de dados, mesmo que sua imagem exista nele.
Falsos positivos são mais críticos em aplicações de segurança e proteção. Eles podem levar a acusações injustas, discriminação ou detenção. Em 2025, uma mulher de 50 anos no Tennessee foi detida e ficou seis meses na prisão com base em um sistema de reconhecimento facial alimentado por IA que a associou incorretamente a uma investigação de fraude bancária em Dakota do Norte. Falsos negativos podem levar as autoridades a negar serviços a pessoas que têm direito a eles.
A precisão pode ser prejudicada se os modelos forem treinados com dados que não reflitam a demografia do mundo real. Um estudo de 2025 mostrou que sistemas treinados com bancos de dados públicos nos quais faltam pessoas com tons de pele mais escuros levam a menor precisão de reconhecimento. Esse tipo de viés não intencional nos dados de treinamento pode levar à identificação errônea de mulheres, pessoas de cor e pessoas jovens e idosas. Um relatório constatou que os sistemas de reconhecimento facial utilizados por 42 agências governamentais dos EUA identificaram erroneamente rostos de afro-americanos e asiático-americanos de 10 a 100 vezes mais frequentemente do que rostos de brancos, em alguns casos levando a prisões injustas.
A precisão também diminui quando as pessoas estão usando maquiagem pesada e no caso de crianças pequenas e idosos, pois suas características faciais tendem a mudar mais rapidamente do que em adultos de outras idades. Equilibrar conjuntos de dados por meio da coleta de imagens mais representativas em termos de idade, gênero e etnia, além da atualização frequente dos bancos de dados, pode melhorar a precisão e produzir resultados mais justos.
Ajustar as imagens antes de enviá-las para comparação — por exemplo, alterando os níveis de brilho — também pode melhorar a precisão. As pessoas apertam os olhos quando estão em ambientes escuros ou com luz muito forte. Softwares de processamento avançados podem imitar essa característica humana para melhorar a capacidade do sistema de reconhecimento facial de extrair características faciais da imagem.
Rosto completo a partir de dados parciais
Os seres humanos são bons em identificar uma pessoa mesmo que parte de seu rosto esteja coberta por óculos escuros ou uma máscara facial. O cérebro atribui mais importância aos detalhes expostos. Se os programas de reconhecimento facial puderem aprender a fazer o mesmo, isso reduziria os falsos positivos e os falsos negativos, inclusive quando as câmeras capturam apenas parte de um rosto.
A dinâmica facial também pode ajudar. Pode ser difícil para alguém reconhecer instantaneamente um amigo do ensino fundamental que não vê há muitos anos, mas se o velho amigo sorrir, essa mudança na expressão pode melhorar imediatamente a lembrança.
Pesquisadores estão desenvolvendo um método de reconhecimento facial para fazer isso, conhecido como padrão direcional volumétrico. Ele captura os movimentos sutis dos músculos faciais, bem como os piscares das pálpebras, em quadros consecutivos de um vídeo. Ele rastreia como os pontos de referência faciais se deslocam ao longo do tempo, bem como o contexto em que um rosto está sendo observado, o que pode melhorar a precisão do reconhecimento.
Os pesquisadores também estão criando sistemas tridimensionais mais precisos, alimentados por IA, capazes de capturar a geometria exata de um rosto, incluindo características como os contornos da órbita ocular, do nariz e do queixo. Esse tipo de trabalho pode levar a técnicas anti-spoofing que impedem que os sistemas de reconhecimento facial sejam enganados por rostos falsos gerados por computadores e seus operadores humanos.
Menos erros de identificação
Deixando de lado questões de privacidade e segurança cibernética e problemas persistentes de viés, uma coisa é clara: a tecnologia de reconhecimento facial está melhorando. E isso promete menos erros - e menos consequências graves decorrentes deles.
Vijayan Asari não presta consultoria, trabalha, possui ações ou recebe financiamento de qualquer empresa ou organização que poderia se beneficiar com a publicação deste artigo e não revelou nenhum vínculo relevante além de seu cargo acadêmico.
Este artigo foi publicado no The Conversation Brasil e reproduzido aqui sob a licença Creative Commons
-t86wpjt2s9k3.jpg)
Comentários
Os comentários são de responsabilidade exclusiva de seus autores e não representam a opinião deste site. Se achar algo que viole os termos de uso, denuncie.