FACIAL RECOGNITION FOR SCHOOL ATTENDANCE
REGISTRO DOI: 10.69849/revistaft/ra10202412031740
Carlos Guilherme Santos de Sousa1
Orientador: Sergio Maia Rabelo
O reconhecimento facial é uma técnica de visão computacional que utiliza inteligência artificial para validar a identidade de uma pessoa, nos últimos anos seu avanço o tornou uma tecnologia cada vez mais presente na vida das pessoas, aplicada em diversas áreas, que vão desde aeroportos, dispositivos móveis e etc. Tem o potencial de melhorar em diversos aspectos o ambiente de aplicação. O presente artigo demonstra os sistemas de reconhecimento facial e sua aplicação, apresenta a integração de um sistema escolar com uma API de reconhecimento facial para registro de frequência, o reconhecimento facial continua a evoluir, e juntamente com avanços em algoritmos e técnicas de inteligência artificial que prometem tornar a tecnologia ainda mais precisa e eficiente, sua aplicação deve ser bem gerenciada com cuidado para garantir os benefícios de sua utilização com a proteção dos direitos e da privacidade dos indivíduos.
Palavras-Chave: Reconhecimento Facial. Biometria. Visão Computacional.
Facial recognition is a computer vision technique that uses artificial intelligence to validate a person’s identity. In recent years, its advancements have made it an increasingly prevalent technology in daily life, applied across various fields, including airports, mobile devices, and more. It has the potential to improve various aspects of its application environment. This paper demonstrates facial recognition systems and their applications, presenting the integration of a school system with a facial recognition API for attendance tracking. Facial recognition continues to evolve, alongside advancements in algorithms and artificial intelligence techniques that promise to make the technology even more accurate and efficient. However, its application must be carefully managed to ensure that the benefits of its use are achieved while protecting individuals’ rights and privacy.
Keywords: Facial Recognition. Biometrics. Computer Vision.
1. INTRODUÇÃO
Técnicas computacionais estão cada vez mais aprimoradas e aproximando-se das capacidades humanas. A inteligência artificial simula o aprendizado em tarefas específicas. Estudos dos sentidos humanos juntamente com a robótica desenvolvem capacidades como a de manipular objetos e interagir no ambiente no qual está aplicado, esse aprendizado em sua maior parte é baseado em informações visuais e a fonte de dados é importante para viabilizar toda essa capacidade computacional de interpretar uma gama de informações.
O crescente uso de tecnologias por todo o mundo, resulta em diversos dados pessoais armazenadas em computadores , servidores e data centers, atualmente é comum encontrar dispositivos já integrados com a inteligência artificial que facilitam a interação com o usuário, que por sua vez estão optando por métodos mais seguros de proteger suas informações, são mecanismos de autenticação que impedem o acesso indevido, entre tantas soluções a biometria se mostra mais difícil de ser fraudada, vantagens que são importantes na hora da escolha devido a praticidade de usar características pessoais, tornando assim a presença do portador indispensável para a autenticação ,não precisando o usuário interagir de forma direta com a tecnologia o que a torna uma tecnologia não intrusiva, entre os tipos de biometria está o por reconhecimento facial que utiliza técnicas de detecção de face a partir de imagens dos usuários.
Reconhecimento facial é uma técnica computacional de identificação biométrica, assim como a impressão digital, o sistema mapeia a face e, compara-os a uma imagem digital, reconhecendo (ou negando) sua identidade. Esse mapeamento utiliza as características do indivíduo no qual suas características o tornam único. Distância entre os olhos, largura do nariz, profundidade das órbitas oculares e comprimento da linha da mandíbula são alguns exemplos. A relação entre essas particularidades cria uma geometria que é armazenada em forma de dados, chamados de template [1].
Presente no cotidiano das pessoas, é de fácil aplicação mecanismos de detecção e reconhecimento facial, como por exemplo em sistemas de controles de acesso, desbloqueio de telas, contagem de pessoas, pagamentos online e etc. Mesmo sendo preciso e confiáveis o avanço de novas tecnologias trazem consigo novos desafios a serem resolvidos que envolve a todos, tanto quem desenvolve quanto quem utiliza. Algumas etapas são aplicadas ao processamento das informações, tudo para evitar falhas onde está sendo aplicado são níveis críticos ao sistema, pois levam em consideração posicionamento, expressões faciais e baixa resolução de imagem, no qual podem comprometer as informações a serem analisadas interferindo no resultado podendo até trazer consequências ao usuário. Embora diversos algorítmicos de reconhecimento facial foram desenvolvidos, porém nenhum ainda tem a mesma eficiência do que o ser humano, esses sistemas servem como ferramenta de auxilio quando aplicados em ambientes controlados, ajudando na tomada de decisão e elevando o nível de segurança. A coleta das informações relevantes em uma imagem de face, uma eficiente codificação e uma boa comparação de uma face com modelos armazenados em um banco de dados são importantes para que a técnica de reconhecimento seja efetiva. A detecção e reconhecimento facial é composto pelas seguintes etapas: aquisição da imagem; pré-processamento; extração das características da imagem, classificação e verificação de reconhecimento da imagem processada.
Em meio a uma pandemia , o mundo se viu obrigado a se adaptar diante de vários protocolos de restrições ,o uso de reconhecimento facial se tornou uma ferramenta estratégica para evitar aglomerações e garantir o distanciamento social , equipamentos com inteligência artificial se tornaram uma ótima opção para evitar a aglomeração e interação entre as pessoas, tornando-os comuns por toda parte , tanto em locais privados quanto públicas, a aplicação de reconhecimento facial se dá de forma a ter o controle de acesso, registro de ponto de funcionários, identificar o uso ou não de máscaras, identificar aglomeração, contar pessoas em determinados ambientes, localizar pessoas desaparecidas ou procuradas pela justiça entre várias outras funcionalidades[2]. O reconhecimento facial está começando a ganhar destaque na educação, desenvolvendo novas formas de otimizar a gestão escolar, aumentar a segurança e auxiliar a automatização de operações. Uma das principais vantagens é a automatização do controle de presença, em vez de realizar chamadas manuais, os sistemas podem registrar a presença do aluno de forma rápida, economizando tempo para os professores e diminuindo risco de erros, podendo também ser utilizada em área restritas, como laboratórios e bibliotecas, garantindo o acesso de apenas pessoas autorizadas.
A popularização desses sistemas em ambientes públicos trouxe consigo um dilema a serem resolvido a respeito das informações pessoais que são obtidas sem a devida autorização por conta do indivíduo que frequenta o ambiente e sua taxa de erro, nesse sentido sua aplicação requer extremo cuidado ao se tratar de dados e informações particulares de um indivíduo, dessa forma seu uso deve se tratar em ambientes controlados como ferramenta auxiliar juntamente a métodos de técnicos científicos , autorização por parte dos indivíduos para tomada de decisão [3]. Essa utilização tem sido uma preocupação, devido à probabilidade de ferir a presunção de inocência quando utilizada em espaços públicos. A Lei Geral de Proteção de Dados (Lei n. 13.709/2018 – LGPD), vigente desde 2020, representa um avanço na proteção de dados pessoais e de resguardo da privacidade, porém não estabeleceu parâmetros para a área de segurança pública, deixando à margem do sistema a proteção dos direitos de suspeitos e investigados, causando assim problemas a serem resolvidos , como a de que o indivíduo não se coloque em foco de investigação , e deixando a programadores e empresas desenvolvedoras de software impõe o limite de regras para o desenvolvimento criando assim vários sistemas não regulamentados, e a exposição de pessoas a essas tecnologias sem o consentimento o, aos quais não é dado saber como as suas informações chegaram até aos bancos de dados[4] .
2. REFERENCIAL TEÓRICO
Reconhecimento facial é uma ferramenta tecnológica que agrega confiabilidade, praticidade e segurança, sendo empregada em ambientes controlados sua aplicação já é uma realidade em diversos meios. Quando aplicado de forma correta em ambientes públicos é uma grande aliada no controle, identificação e gestão, tornando se uma ferramenta aliada a evitar fraudes, reconhecer emoções, detectar pessoas desaparecidas e contribui na redução e automação de tarefas por meio de visão computacional, machine learning e inteligência artificial. Os sistemas baseados em reconhecimento facial devem ser implementados com atenção às regulamentações sobre a coleta de dados pessoais e privacidade.
2.1 Visão Computacional
A visão computacional é uma tecnologia que permite às máquinas reconhecerem e interpretarem imagens automaticamente, simulando a visão humana. É utilizado técnicas de aprendizado de máquina (ML) e inteligência artificial (IA) para realizar tarefas como reconhecimento de objetos, detecção de movimento e identificação facial. A tecnologia se aplica em diversas áreas, como veículos autônomos, segurança, medicina e marketing.
Por meio de algoritmos avançados e redes neurais, os sistemas de visão computacional são capazes de analisar grandes volumes de dados visuais, identificando padrões e extraindo informações úteis. O aprendizado profundo é um exemplo do uso de redes neurais para processar imagens em várias camadas, enquanto redes neurais convolucionais (CNNs) ajudam a classificar e identificar detalhes em imagens. Já as redes neurais recorrentes (RNNs) analisam sequências de imagens, como vídeos [5].
Esses sistemas, conhecidos como especialistas, são aplicados para resolver problemas específicos, como reconhecimento de objetos e rastreamento, transformando imagens em informações para tomada de decisões automáticas.
2.2 Redes Neurais
Uma rede neural é um modelo de aprendizado de máquina que simula o funcionamento do cérebro humano, utilizando camadas de nós (neurônios artificiais) para identificar padrões e tomar decisões. Cada nó se conecta a outros e, se ativado, transmite dados para a próxima camada, dependendo de seu valor de limiar. Essas redes são treinadas com grandes volumes de dados para melhorar sua precisão, sendo fundamentais em tarefas como reconhecimento de imagem e fala.
As redes neurais podem ser divididas em tipos, como as convolucionais (CNNs), que são eficazes para classificação de imagens, e as recorrentes (RNNs), que processam sequências de dados, como textos e vídeos. Outras variações incluem as redes feedforward e os autoencoders, que ajudam a reduzir dados irrelevantes [6].
O aprendizado das redes neurais ocorre por meio de ajustes iterativos em seus pesos, com diferentes paradigmas, como aprendizado supervisionado (com dados rotulados), não supervisionado (sem rótulos) e por reforço (feedback sobre a precisão das respostas).
Essas redes são usadas em várias áreas, como detecção de fraudes, diagnósticos médicos e visão computacional. Elas podem aprender e se adaptar a dados complexos e não lineares, o que as torna úteis em tarefas como prever eventos raros e detectar padrões ocultos em grandes volumes de dados.
2.3 Detecção Facial
A detecção facial é uma técnica importante em visão computacional que busca localizar rostos em imagens ou vídeos. Ela envolve identificar pontos que representem a posição das faces em uma imagem, o que pode ser desafiador devido a fatores como iluminação, expressões faciais, ruídos e obstruções. Esses desafios podem levar a erros, como a identificação incorreta de objetos como rostos, conhecidos como falsos positivos. Uma vez detectada a face, é feito um recorte da imagem, o que facilita a busca por características faciais, já que o processo é limitado a uma área específica da imagem.
Existem diferentes abordagens para a detecção de faces, cada uma com suas vantagens e limitações:
Métodos baseados em conhecimento utilizam regras pré-estabelecidas sobre as características das faces, como a presença de dois olhos, um nariz e uma boca. Embora essa abordagem seja útil, ela pode resultar em muitos falsos positivos ou negativos, dependendo da generalização ou especificidade das regras.
Métodos baseados em características invariantes buscam características que são consistentes, como a cor da pele ou a textura da face, independentemente da iluminação ou da posição. No entanto, essas características podem ser afetadas por ruídos, o que pode reduzir a eficiência da detecção.
Métodos baseados em templates tenta comparar o objeto (neste caso, o rosto) com um modelo pré-definido, como uma elipse. A busca é feita para encontrar a melhor correspondência entre o objeto na imagem e o modelo, geralmente usando algoritmos heurísticos ou genéticos.
Métodos baseados na aparência não dependem de conhecimento prévio sobre a face e, em vez disso, aprendem a identificar rostos a partir de um conjunto de imagens. Esses métodos utilizam técnicas de aprendizado para criar uma representação interna do rosto e realizar a detecção sem intervenção externa [7].
Essas técnicas de detecção facial são essenciais para diversas aplicações, como segurança e reconhecimento em imagens e vídeos, embora ainda enfrentem desafios devido à complexidade das condições do mundo real.
2.4 Biometria
A biometria estuda as características físicas e comportamentais dos seres vivos, sendo usada principalmente para identificar pessoas de forma única. Hoje, ela é aplicada em áreas como segurança, controle de acesso e identificação criminal. Os sistemas biométricos podem se basear em características como impressões digitais, íris, retina e voz, e a premissa é que cada indivíduo possui traços únicos. Diferente do DNA, que não é considerado uma tecnologia biométrica automatizada devido ao tempo e processos envolvidos, a biometria oferece soluções rápidas e eficazes.
Esse sistema de identificação tem ganhado popularidade, sendo amplamente usado em smartphones, autenticação de certificados, e até em votações no Brasil. A principal vantagem da biometria é a segurança, já que as informações usadas são exclusivas de cada pessoa. O processo envolve capturar a amostra biométrica, traduzi-la em dados digitais, e compará-los com informações previamente armazenadas para validação.
Existem diversos tipos de biometria, como impressões digitais, reconhecimento facial, íris e voz, entre outros. O sistema biométrico funciona em três etapas: captura da amostra, extração das características únicas e comparação com o banco de dados. A biometria pode ser classificada em três grupos principais: biológica (como DNA), morfológica (como impressões digitais) e comportamental (como padrões de fala ou caminhada) [8].
Embora a biometria tenha outras aplicações, ela é principalmente usada para segurança, substituindo ou complementando senhas tradicionais. Os dados biométricos são armazenados de forma criptografada e utilizados para verificação de identidade. Esses sistemas oferecem uma segurança robusta, sendo difíceis de clonar, e continuarão a evoluir com o tempo, consolidando seu papel em cibersegurança.
2.5 Reconhecimento facial
O reconhecimento facial é uma tecnologia de identificação biométrica realizada a partir da coleta de dados faciais, que podem ser provenientes de fotografias ou segmentos de vídeos. Esses sistemas automatizados extraem representações matemáticas de traços específicos como, por exemplo, a distância entre os olhos ou o formato do nariz, produzindo o que é chamado de padrão facial [9]. É justamente no processo de comparação desse padrão facial a outros padrões faciais contidos na base de dados prévia do sistema que a tecnologia identifica indivíduos desconhecidos, como no caso das câmeras de monitoramento nas ruas, ou autêntica pessoas conhecidas, como ocorre no desbloqueio de celulares com Face ID e com validação de contas bancárias em smartphones. Outros elementos podem ser indicados na necessidade de implementação das tecnologias de reconhecimento facial, alinhados a interesses privados e públicos, com objetivos de autenticação e identificação. Em âmbito privado, vemos cada vez mais empresas, bancos e serviços utilizarem o método para cadastrar e dar acesso às pessoas. Mas o Estado também passou a ter maior interesse na implementação de tecnologias digitais de vigilância, com o uso de câmeras sofisticadas e sistemas de reconhecimento robustos, que operam por meio da coleta massiva de dados pessoais dos cidadãos.
O reconhecimento através da face tornou-se num dos principais sistemas biométricos utilizados, já que, diariamente, se recorre a este tipo de reconhecimento para identificação de pessoas com quem se cruza. Podendo assim afirmar que o reconhecimento facial é a capacidade de reconhecer pessoas através das suas características faciais, sob as mais diversas condições de observação. O reconhecimento facial é, sobretudo, usado para identificação e verificação de pessoas, detectando facilmente informações como idade, sexo, raça, humor e emoção. A extração de informações relevantes em uma imagem de face, codificação eficiente dos dados e uma precisa comparação de uma face, com outros modelos codificados em uma base de dados são pontos importantes para que a técnica de reconhecimento seja praticável.
A partir de uma imagem de entrada, é possível verificar a presença de uma face e, caso exista, determinar a localização da mesma. A deteção da face pode sofrer influência da utilização de adereços, maquilhagem, barba/bigode e mal formações, pela orientação da face e pela presença de ruídos e oclusões . As técnicas utilizadas nesta etapa podem basear-se em características, quando se pretende localizar características como os olhos, boca e nariz; em modelos, que possibilitam agir com variações de pose e expressão; e por fim, em aparência, havendo origem de regiões retangulares na imagem com o objetivo de procurar prováveis candidatos a faces, a face em uma imagem, encontra-se rodeada por um ambiente, comumente chamado de fundo, sendo necessário realizar o isolamento da mesma. Para tal, recorta-se a imagem nos limites onde a face foi localizada e extrai-se as características com maior interesse. a partir de uma imagem de entrada de uma face, efetua-se a sua comparação com imagens de faces já conhecidas, normalmente armazenadas em bases de dados anteriormente criadas, e verificam-se as semelhanças encontradas. Este reconhecimento pode ser utilizado para operar em duas situações distintas, para verificação e identificação. É possível aceitar o indivíduo como “verdadeiro” ou rejeitar o mesmo como “falso”, com auxílio de um “limiar de casamento” (matching threshold), que define o grau de confiança a ser utilizado na distinção entre escolhas “verdadeiras” e escolhas “falsas” . Assim, podem ocorrer outras opções como verdadeiro positivo, verdadeiro negativo, falso positivo (False Positive – FP) e o Falso Negativo (False Negative – FN). De acordo com o método de aquisição da imagem, as técnicas de reconhecimento de rosto podem também dividir-se em três categorias: técnicas baseadas em imagens de intensidade (estáticas), técnicas baseadas em sequências de vídeo, técnicas baseadas em dados sensoriais.
As técnicas de reconhecimento facial eram utilizadas apenas para reconhecimento de uma única face num ambiente que podia ser simples. No entanto, e devido ao fato de cada vez mais haver uma necessidade de avanço nesta área, desenvolveram-se novas técnicas e métodos, que possibilitaram o reconhecimento facial em ambientes com características mais adversas. Neste caso, os algoritmos mais utilizados são os de Viola Jones, análise de componentes principais (PCA), análise de componentes independentes (ICA), fisherfaces e Eigenfaces[10].Cada metodologia procura diferentes maneiras de extrair atributos da face e podem ser classificados em três grupos .
Quadro 1. Métodos de extração de características.
Fonte: Autor,2024
Realizar o reconhecimento facial significa dotar um computador da capacidade de, a partir de informações prévias sobre algumas pessoas, inferir se uma imagem qualquer é pertencente a algum indivíduo conhecido. Esta capacidade pode ser aproveitada em diversas áreas, para muitas aplicações.
2.6 Sistemas de reconhecimento facial
Sistemas de reconhecimento facial contam com uma tecnologia que identifica e/ou verifica uma pessoa com base nas suas características da face. Essa tecnologia é usada em várias aplicações, desde segurança, autenticação em dispositivos, marketing e até análise de comportamento.
Atualmente podem ser adquiridos equipamentos com reconhecimento facial já integrado e também a possibilidade de integrar em um sistema através de API’s e Bibliotecas de programação cada um suas características individuais e casos de uso específicos, desde aplicações em segurança e vigilância até análise de comportamento e personalização de experiências. A escolha do sistema mais adequado pode depender das suas necessidades específicas, orçamento e requisitos de integração[11]. Alguns dos sistemas de reconhecimento facial mais conhecidos atualmente são:
• Microsoft Azure Face API – O serviço de Detecção Facial da IA do Azure fornece algoritmos de IA que detectam, reconhecem e analisam rostos humanos em imagens. O software de reconhecimento facial é importante em muitos cenários, como identificação, controle de acesso sem toque e desfoque automático de rosto para maior privacidade[12].
• Amazon Rekognition – O Amazon
Rekognition oferece recursos de visão computacional (CV) pré-treinados e personalizáveis para extrair informações e insights das suas imagens e vídeos[13].
• Google Cloud Vision – O Cloud Vision inclui várias opções que você pode usar para integrar modelos de visão de machine learning nos seus aplicativos e sites. A API do Vision permite que você integre facilmente recursos de detecção de visão, incluindo rotulagem de imagens, reconhecimento facial e de pontos de referência, reconhecimento ótico de caracteres (OCR, na sigla em inglês) e marcação de conteúdo explícito[14].
• OpenCV – O OpenCV (Open Source Computer Vision Library), é uma biblioteca sobre visão computacional open source, multiplataforma e reúne todos os recursos necessários, para as mais diversas aplicações na área de visão computacional que nos permite: obter imagens de câmeras digitais, fazer o processamento de imagens estáticas ou de vídeos, além de possuir algoritmos de Inteligência Artificial[15].
• Face Api – Face-api.js é uma API
JavaScript para detecção e reconhecimento facial no browser implementado sobre a API principal do tensorflow.js. O Faceapi.js implementa uma série de redes neurais convolucionais (CNNs), otimizada para a web e dispositivos móveis [16].
• Face++ (Megvii): É uma API poderosa para reconhecimento facial e análise. Oferece funcionalidades como detecção de emoções, identificação de idade e gênero e permite que você armazene metadados de cada rosto detectado para uso futuro[17].
Além dos softwares e aplicações há uma variedade de dispositivos disponíveis, que vão desde câmeras de segurança com reconhecimento facial integrado até sistemas mais avançados para controle de acesso e identificação que disponibilizam APIs de acesso para integração.
• Intelbras SS 3540 MF FACE EX: Controlador de acesso com autenticação por reconhecimento facial[18].
• Hikvision DS-K1T606: Câmera de reconhecimento facial e controle de acesso que combina reconhecimento facial com leitura de cartões e impressão digital[19].
• Kiosk Systems by ELO Touch: Quiosques com reconhecimento facial integrado para aplicações como verificação de identidade e controle de acesso[20].
• Event Face Recognition Solutions by AccuFace: Soluções especializadas para reconhecimento facial em eventos e conferências, projetado para empresas realizarem autenticação de funcionários com recursos de tempo e frequência[21].
• Verkada Facial Recognition Camera: Câmera de segurança que integra reconhecimento facial com outras funcionalidades de segurança e monitoramento[22].
2.7 Aplicação do reconhecimento facial
Há uma ampla área de aplicações do reconhecimento facial no qual eleva significante confiabilidade do ambiente de aplicação. O reconhecimento facial tem uma significativa importância em diversos aspectos da vida moderna devido às suas aplicações variadas e potenciais impactos. Algumas das principais razões pelas quais essa tecnologia é importante são: Segurança, Proteção, Eficiência, Personalização, Experiência do Cliente, Inovação, Avanços Tecnológicos, Eficiência Operacional, Saúde, Segurança em Transportes e Educação.
Ao passo que cresce o interesse em tecnologias biométricas e em suas promessas de otimização da segurança pública, pouco se fala sobre os setores nos quais essas tecnologias já são mais disseminadas. A partir de um levantamento exploratório, o Igarapé identificou quatro setores principais para a implementação de reconhecimento facial pelo setor público, sendo estas: educação, transporte, controle de fronteiras e segurança pública. Foram ao menos 47 casos publicamente reportados de implementação de reconhecimento facial por autoridades públicas e seus parceiros no setor privado desde 2011 em diversos Estados; sendo 4 deles apenas em 2019[23]. Esses casos demonstram o crescente interesse em tecnologias de biometria facial, especialmente no que se refere à otimização da segurança pública, é essencial equilibrar a utilização da tecnologia com a proteção dos direitos individuais, especialmente quando se trata de vigilância em larga escala.
Sua importância se dá pela sua capacidade de melhorar a segurança, conveniência e eficiência em vários setores, além de impulsionar a inovação tecnológica. Essa tecnologia oferece praticidade e segurança em diversas situações cotidianas. O reconhecimento facial facilita o desbloqueio de dispositivos como smartphones, tablets, computadores e até cofres, eliminando a necessidade de senhas ou PINs.
Figura 1. Reconhecimento facial aplicado por setor. Fonte: INSTITUTO IGARAPÉ,2019.
A aplicação do reconhecimento facial na segurança é ampla e poderosa, tem a capacidade de Identificação em áreas restritas, permite controlar o acesso a locais protegidos, como prédios, salas de servidores e veículos; com monitoramento em tempo real, câmeras com podem identificar suspeitos ou pessoas de interesse em eventos públicos, ajudando a prevenir incidentes ou na busca por pessoas desaparecidas, comparando imagens de câmeras com bancos de dados, é possível localizar indivíduos desaparecidos; Em situações de crise, como desastres, essa ferramenta pode auxiliar na identificação e localização de pessoas otimizando respostas a emergências; Em grandes eventos, como conferências e shows, garante a segurança ao verificar a identidade dos participantes[24];
No ambiente educacional, automatiza o registro de frequência dos alunos e colaboradores; No acesso a veículos, onde apenas motoristas autorizados podem operar veículos com autenticação facial, aumentando a segurança; Em aeroportos e postos de imigração, acelera os processos e eleva o nível de segurança no Controle de Fronteiras.
No varejo e em serviços, o reconhecimento facial transforma a experiência do cliente, identifica clientes frequentes, oferecendo promoções e experiências baseadas em seu histórico de compras, pode realizar análise de comportamento, avaliando reações a produtos e campanhas, permitindo ajustes estratégicos no marketing, tornando uma poderosa ferramenta para marketing e atendimento ao cliente; também pode autenticar transações financeiras seguras e ágeis ao confirmar a identidade do usuário.
Enquanto o reconhecimento facial fornece uma variedade de benefícios, é importante abordar questões relacionadas à privacidade. A captura e uso de dados faciais devem ser gerenciados com cuidado para proteger a privacidade e garantir transparência e segurança no uso dessas informações. A implementação de recursos com reconhecimento facial deve ser acompanhada de medidas adequadas para proteger a privacidade e os direitos das pessoas.
2.8 Lei geral de proteção de dados pessoais (LGPD)
A Lei Geral de Proteção de Dados Pessoais (LGPD), Lei n° 13.709/2018, foi promulgada para proteger os direitos fundamentais de liberdade e de privacidade, e a livre formação da personalidade de cada indivíduo. A Lei fala sobre o tratamento de dados pessoais, dispostos em meio físico ou digital, feito por pessoa física ou jurídica de direito público ou privado, englobando um amplo conjunto de operações que podem ocorrer em meios manuais ou digitais.
Tema fundamental trabalhado pela Lei, o tratamento de dados diz respeito a qualquer atividade que utiliza um dado pessoal na execução da sua operação, como, por exemplo, coleta, produção, recepção, classificação, utilização, acesso, reprodução, transmissão, distribuição, processamento, arquivamento, armazenamento, eliminação, avaliação ou controle da informação, modificação, comunicação, transferência, difusão ou extração.
Antes de iniciar qualquer tipo de tratamento de dados pessoais, o agente deve se certificar que a finalidade da operação está registrada de forma clara e explícita, e que os propósitos especificados e informados ao(à) titular dos dados. No caso do setor público, a principal finalidade do tratamento está relacionada à execução de políticas públicas, devidamente previstas em lei, regulamentos ou respaldadas em contratos, convênios ou instrumentos semelhantes.
O compartilhamento dentro da administração pública, no âmbito da execução de políticas públicas, é previsto na lei e dispensa o consentimento específico. Contudo, o órgão que coleta deve informar com transparência qual dado será compartilhado e com quem. Do outro lado, o órgão que solicita receber o compartilhamento precisa justificar esse acesso com base na execução de uma política pública específica e claramente determinada, descrevendo o motivo da solicitação de acesso e o uso que será feito com os dados. Informações protegidas por sigilo seguem protegidas e sujeitas a normativos e regras específicas. Essas e outras questões fundamentais devem ser observadas pelos órgãos e entidades da administração federal, no sentido de assegurar a conformidade do tratamento de dados pessoais de acordo com as hipóteses legais e princípios da LGPD.
A lei estabelece uma estrutura legal de direitos dos(as) titulares de dados pessoais. Esses direitos devem ser garantidos durante toda a existência do tratamento dos dados pessoais realizado pelo órgão ou entidade. Para o exercício dos direitos dos(as) titulares, a LGPD prevê um conjunto de ferramentas que aprofundam obrigações de transparência ativa e passiva, e criam meios processuais para mobilizar a Administração Pública.
Documento base: Guia de Boas Práticas para Implementação na Administração Pública Federal da Lei Geral de Proteção de Dados – documento elaborado pelos diferentes órgãos que compõem o Comitê Central de Governança de Dados e que contém orientações sobre as atribuições e atuação do Controlador, do Operador e do Encarregado, bem como da
Autoridade Nacional de Proteção de Dados (ANPD) e versa, ainda, sobre os direitos fundamentais dos(as) cidadãos(ãs) titulares dos dados, aborda hipóteses de tratamento dos dados e sua realização, indica o ciclo de vida do tratamento dos dados pessoais e apresenta boas práticas em segurança da informação[25].
3. VISÃO GERAL
Métodos e formas de aplicações de reconhecimento facial, demonstra uma aceitação positiva por sua praticidade, o mesmo já vem sendo estudado em ambiente escolar e atua como uma ferramenta de auxílio à gestão. A implementação de algoritmos de reconhecimento facial é uma solução promissora para modernizar as instituições de ensino, promovendo um ambiente mais seguro e eficiente [26].
Um sistema automatizado para frequências tende a trazer benefícios ao meio escolar. O professor aplica o tempo que seria utilizado na captação de frequência direto ao ensino ao iniciar a aula de imediato sem perder tempo. A secretaria escolar analisa as informações e por meio do sistema tem uma visão direta e analítica sobre a situação escolar do aluno, referente sua frequência e se necessário tendo contato direto com alunos e responsáveis. Este projeto consiste no desenvolvimento de um sistema capaz de realizar o gerenciamento de presença de alunos no ambiente escolar. Como forma de melhorar o gerenciamento de presença escolar, auxiliando na tomada de decisões em busca de reduzir reprovações por falta, desistência escolar e levar praticidade à sala de aula, o sistema conta com recursos de resposta rápida entre professores, alunos e responsáveis, sendo de fácil acesso e análise das informações de frequência escolar. Como proposta de desenvolvimento, o sistema utilizará o recurso de uma api para integração com o mecanismo de reconhecimento facial, no qual será possível gerar os registros e reconhecimento da face do aluno, como validação de sua presença.
3.1 Objetivos
Demonstrar o uso de métodos e formas de aplicação das tecnologias de reconhecimento facial e realizar o desenvolvimento de uma aplicação com integração de reconhecimento facial para registro de frequência escolar que auxilie o registro e captação de faces em grande quantidade de forma remota podendo ser cadastrado a qualquer momento e evitando tumultos no ambiente escolar para o cadastro e atualização da foto de rosto.
3.2 Objetivos específicos
• Desenvolver sistema para gerenciamento de frequência escolar;
• Integrar api de reconhecimento facial do controlador de acesso facial intelbras ss 3540 mf face ex;
Figura 2. Controladora facial SS 3540 MF Face EX.
Fonte: INTELBRAS.
• Enviar fotos do rosto remotamente para cadastro facial;
• Realizar captura e envio de informações via api;
• Painel de visualização de informações; 3.3 Metodologia
3.3 Metodologia
Através de pesquisas em artigos, sites e entrevistas com profissionais da educação foi realizado o levantamento dos requisitos que melhor atende no auxílio de registro e identificação dos alunos. Com a finalidade de registrar a presença de alunos por reconhecimento facial, foi desenvolvido uma aplicação web, na qual possibilita realizar o cadastro do rosto do aluno para que seja feito o reconhecimento ao entrar ou sair da escola por meio de um terminal de reconhecimento facial e retornar esses registros em uma lista de frequência. O reconhecimento facial pode ser uma ferramenta poderosa para modernizar os processos administrativos nas escolas, especialmente em relação ao controle de presença.
3.4 API de integração
Através de APIs é possível integrar funcionalidades de reconhecimento facial em aplicações. Essas APIs geralmente fornecem serviços como a detecção de rostos em imagens, a identificação ou verificação de pessoas e a análise de características faciais. Pode ser usada para verificar a identidade de um usuário em um aplicativo ou sistema, complementando ou substituindo métodos tradicionais[27]. Podem ajudar a organizar fotos automaticamente, identificando e agrupando imagens de pessoas semelhantes ou reconhecendo rostos em um álbum de fotos, monitorar e identificar pessoas em tempo real, ajudando a identificar comportamentos suspeitos ou pessoas não autorizadas, além de poder ser aplicada para personalizar a experiência do usuário com base nas características e expressões faciais detectadas, como por exemplo ajustar preferências ou conteúdo com base em quem está visualizando de acordo com sua expressão facial .
O dispositivo ss 3540 mf face ex possui uma interface de comunicação baseada em TCP/IP (Ethernet), tornando a integração simples e independente do sistema operacional e da linguagem de programação utilizados. A sintaxe da API deve seguir o padrão de URI (RFC 3986 Uniform Resource Identifiers (URI) Generic Syntax): <protocolo>://<servidor><abs_path>[?query].
• protocolo: Valor padrão suportado pela API é o “http”.
• servidor: O servidor é definido por “hostname:porta”. O nome do host pode ser o endereço IP ou o nome de domínio de um dispositivo IP.
• abs_path: O Request-URI para os recursos é abs_path. O abs_path nesta especificação é na maioria das vezes “/cgi-bin/*.cgi”.
• query: O campo query é uma string de informações a ser interpretada pelo dispositivo. Consiste em parâmetros relacionados ao recurso sendo requisitado.
O servidor usa os códigos de status HTTP padrão. Com o seguinte código HTTP e significados conforme descritos no quadro 2.
Quadro 2. Códigos HTTP
Fonte: INTELBRAS.
• “Se o código HTTP for 200, significa que a API foi executada com sucesso e os dados de resposta no corpo HTTP (multipart) pode ser uma multiline key=value de valor ou um objeto JSON ou apenas uma linha com uma palavra “OK”[28]”.
4. DESENVOLVIMENTO
Um sistema que é capaz de identificar a presença ou ausência do aluno de forma automática, possibilita economia de tempo e praticidade ao realizar a aplicação de materiais didáticos e o conteúdo programático de forma imediata, podendo obter a listagem de frequência em alguns clicks.
Para o desenvolvimento da aplicação web foi utilizado a linguagem de programação PHP, Java Script, Bootstrap, o banco de dados MySQL e integrado com a API do terminal de reconhecimento facial intelbras ss 3540 mf face ex que será o mecanismo de detecção e validação.
Figura 3. Visão geral da integração.
Fonte: Autor,2024.
A interface foi desenvolvida com responsividade, que possibilita uma melhor experiencia ao usuário adaptando-se a qualquer tamanho de tela e mantendo a consistência do estilo em diversos navegadores.
Figura 4. Página painel de frequência.
Fonte: Autor,2024.
Definido com dois módulos, o sistema conta com um painel de gerenciamento, onde é possível cadastrar os professores, matérias, turmas, alunos e visualiza registros de frequência, e o painel do responsável pelo aluno para que o mesmo possa visualizar o histórico de frequência e enviar a foto de rosto do aluno para cadastro de forma remota sem ser necessário a presença no local.
Figura 5. Funcionalidades do módulo de usuário.
Fonte: Autor,2024.
Figura 6. Funcionalidades do módulo de aluno.
Fonte: Autor,2024.
4.1 Casos de uso registrar frequência do aluno
Descrição: Este caso de uso descreve o processo pelo qual o professor utiliza o sistema para confirmar o registro de presença dos alunos em uma determinada aula em seu diário escolar. Ator(es): Professor, Aluno, Sistema de Reconhecimento Facial (API externa para validação da presença).
Pré-Condições:
• O aluno já deve ter sido previamente cadastrado no sistema, com a foto de seu rosto registrada para reconhecimento.
• O professor deve estar autenticado no sistema (como um usuário válido, com acesso ao painel de frequência).
• O sistema de reconhecimento facial deve estar devidamente configurado e integrado ao banco de dados. Fluxo de Eventos:
1. O professor acessa o Painel de Frequência dentro do sistema.
2. O professor seleciona a turma e a matéria para a qual deseja registrar a frequência.
3. O professor clica no botão sincronizar.
4. O sistema válido a presença do aluno com base no registro realizado ao entrar na leitora facial.
5. O professor pode visualizar a lista de presença registrada e confirmar os dados de frequência dos alunos em seu diário.
6. O professor clica no botão confirmar a presença dos alunos em seu diário.
7. Caso o aluno não seja identificado, o sistema gera sua informação como ausente na tabela frequências.
8. O sistema salva a confirmação e gera um relatório de frequência para a aula que pode ser visualizado pelo Painel do Aluno/Responsável e Painel de Gerenciamento.
Pós-Condições:
• A frequência dos alunos é registrada corretamente no banco de dados.
• O professor tem acesso à lista de presenças e ausências da aula.
• Os responsáveis podem acessar o histórico de frequência através do Painel do Aluno/Responsável.
Requisitos Não Funcionais:
• Segurança: O sistema deve garantir a integridade e a privacidade dos dados dos alunos como informações pessoais e biometria.
• Desempenho: O processo de reconhecimento facial deve ser rápido e preciso, não impactando o tempo de aula.
• Acessibilidade: O sistema deve ser acessível em dispositivos móveis e desktops.
Requisitos Funcionais:
• O sistema deve ser capaz de capturar e processar imagens para o cadastro dos rostos.
• O sistema deve sincronizar os dados biométricos armazenados na leitura facial e validar a presença do aluno.
• O sistema deve registrar a frequência no banco de dados e gerar relatórios automaticamente.
• O sistema deve permitir a visualização de frequências por parte dos responsáveis e da administração escolar.
Cenários de Exceção:
• Aluno não identificado: Caso o sistema não consiga identificar um aluno, ele solicita uma nova foto para atualização e permite o registro manual da presença.
• Erro na captura de imagem: Se o sistema não conseguir capturar a imagem corretamente (ex.: iluminação inadequada, aluno com o rosto parcialmente coberto), ele exibe ao professor antes de inserir no dispositivo de reconhecimento facial para que o mesmo possa solicitar nova foto.
• Falta de conexão com a API de reconhecimento facial: Se houver falha na comunicação com a API externa, o sistema permite o registro manual de presença.
4.2 Caso de uso enviar foto para cadastro facial do aluno
Descrição: A foto do rosto do aluno pode ser capturada no ato do cadastro no sistema, caso o aluno não esteja no local o mesmo ou responsável pode enviar uma foto do rosto do aluno para o cadastro no sistema, sem a necessidade de ir pessoalmente na escola somente para capturar sua foto.
Ator(es): Aluno, Professor (no contexto de usuário do sistema);
Pré-Condições:
• O aluno já deve ter sido previamente cadastrado no sistema e estar autenticado no sistema (como um usuário válido).
• O sistema de reconhecimento facial deve estar devidamente configurado e integrado ao banco de dados.
Fluxo de eventos:
1. O aluno ou responsável acessa o Painel do Sistema.
2. O aluno ou responsável seleciona a opção “Enviar Foto”.
3. O aluno envia a foto do rosto do aluno para ser registrada no sistema de reconhecimento facial.
4. O professor analisa e valida a imagem e registra os dados do aluno na leitora facial e no banco de dados.
Pós-Condições:
• Os dados do aluno são registrados corretamente na leitora facial e banco de dados.
Cenários de Exceção:
• Foto não compatível: Caso a foto não seja compatível para realizar o reconhecimento facial o professor envia uma mensagem diretamente do sistema solicitando atualização da foto.
4.3 Autenticação API
Para sincronizar o dispositivo de reconhecimento facial com o sistema de frequência, é necessário primeiramente realizar uma autenticação para conectar ao dispositivo na qual o mesmo possui suporte digest authentication. A autenticação Digest é um esquema de autenticação baseado em desafio resposta que permite que um cliente se autentique com um servidor web protegido por usuário e senha. Em PHP essa autenticação é realizada com Curl que tem a função de transferir dados entre dispositivos, inserindo as informações do dispositivo como ip, usuário e senha na configuração do curl.
• “O PHP suporta libcurl, uma biblioteca criada por Daniel Stenberg, que permite conexão e comunicação com diferentes tipos de servidores usando diferentes tipos de protocolos. libcurl atualmente suporta os protocolos http, https, ftp, gopher, telnet, dict, file e ldap. libcurl também suporta certificados HTTPS, HTTP POST, HTTP PUT, envio via FTP, envio HTTP por formulário, proxies, cookies, e autenticação com usuário e senha [29].”
4.4 Enviar e Obter Registros
O envio e recebimento das informações são feitas por meio de requisições GET e POST. Quando uma conexão faz uma requisição HTTP para um recurso protegido por autenticação Digest, o servidor web responde com um código de status HTTP 401, indicando que o acesso não é permitido sem autenticação, e também envia um cabeçalho “WWW-Authenticate” contendo informações sobre a proteção utilizada.
Quadro 3. Requisições POST e GET
Fonte: Autor,2024.
Para captura dos registros em tempo real é necessário que a requisição seja feita em polling e modo Stream, de forma que trabalhe junto com o sistema de frequência, para isso é usado funções assíncronas para encaminhar eventos relacionados aos dados obtidos no momento em que o evento foi realizado.
Figura 7. Requisição GET com Curl PHP.
Fonte: Autor,2024.
Figura 8. Função assíncrona com java script.
Fonte: Autor,2024.
4.5 Cadastro de rosto no dispositivo
A api possui um padrão e critérios recomendado a serem seguidos para cadastro da imagem no dispositivo. Por meio de uma requisição post é enviado um objeto JSON no corpo da requisição com as informações de cadastro.
Figura 9. Instruções para cadastro de face.
Fonte: INTELBRAS,2024.
Após inserir as informações do aluno ao banco de dados do sistema, assim gerando seu código de identificação que será vinculado com foto do rosto para envio da para o dispositivo. O arquivo da imagem com o rosto do aluno deve ser informado no parâmetro PhotoData já convertida em Base64, seguindo a recomendação de o rosto não deve ocupar mais de 2/3 da área total da imagem.
Quadro 4. Parâmetros para criação do JSON
Fonte: INTELBRAS,2024.
Figura 7. Requisição POST com Curl PHP.
Fonte: Autor,2024.
Para que o aluno ou seu responsável possa enviar a imagem do rosto para cadastro, no módulo do aluno há uma opção para upload do arquivo, no qual o mesmo pode ser selecionado nas pastas ou galeria do dispositivo em que está acessando o sistema, e possibilita também que em smartfones seja tirada a foto com a câmera do mesmo.
Figura 10. Enviar foto do aluno pelo smartfone.
Fonte: Autor,2024.
5. BANCO DE DADOS
É fundamental garantir que o sistema de reconhecimento facial esteja integrado com um banco de dados eficiente para o armazenamento seguro das informações. O banco de dados implementado conta com tabelas relacionadas para armazenamento das informações de alunos, professores, matérias, turmas e frequência, essas são as principais informações para o gerenciamento e bom desempenho do sistema.
As tabelas estão conectadas através de chaves primárias e estrangeiras que garantem a integridade e vínculo das informações. Ao todo foram criadas nove tabelas no banco e foram definidas de acordo com o quadro 5.
Quadro 5. Tabelas do banco de dados.
Fonte: Autor,2024.
Figura 11. Relacionamento de tabelas. Fonte: Autor,2024.
Embora seja possível armazenar imagens diretamente no banco de dados usando o tipo de dados específico para imagens, o banco de dados mysql não é o ideal para guardar grandes volumes de dados como por exemplo arquivos de imagens e figuras, desse modo os arquivos de foto com os rostos dos alunos serão armazenados em uma pasta do sistema, melhorando o desempenho do banco de dados ao realizar consulta e armazenar menos espaço.
6. RESULTADOS E DISCUSSÕES
Inicialmente o sistema conta com um usuário master que possibilita realizar o registro dos demais usuários e configurações necessárias. O sistema deve estar preparado e alimentado com as informações necessárias, os alunos tem que estar vinculados a uma turma e cada matéria tem que estar vinculadas a um professor e turmas.
Após cadastro do aluno e seu respectivo usuário, é necessário capturar a foto do rosto, que pode ser vinculado no ato de seu cadastro ou enviado pelo responsável do aluno posteriormente realizando acesso a plataforma.
Para o envio da foto foi definido padrões para auxiliar na captura do rosto, para um bom cadastro facial e melhor reconhecimento é importante que a foto seja capturada com alguns requisitos básicos que em sua principal característica é o rosto sem expressões, de olhos abertos, boca fechada e sempre de frente, evitando inclinar ou girar o rosto, para que a foto seja similar a empregada em documentos oficiais.
Figura 12. Recomendações para envio de foto do aluno. Fonte: Autor,2024.
O usuário administrador irá orientar o aluno a seguir esse padrão e validar a foto, caso o aluno envie uma foto que não atenda aos requisitos será solicitado o envio de uma nova foto e após aprovação pode ser enviado as informações e foto do aluno para o dispositivo de reconhecimento facial, depois de aprovado e devidamente cadastrado, o aluno já está apto a registrar sua presença diretamente no terminal de reconhecimento.
Para a captura das frequências em tempo real o sistema tem que está sincronizado sempre com o terminal de acesso facial, caso contrário será preciso realizar a busca dos registros diretamente no terminal de reconhecimento facial para confirmação ou atualização da frequência. A visualização dos registros dos alunos em uma respectiva aula é feita pelo painel de gerenciamento, sendo necessário informar a data, turma e as matérias.
O uso de reconhecimento facial levanta preocupações significativas sobre a privacidade e a coleta de dados pessoais sem consentimento adequado. Dados biométricos são informações importantes e, se maus administrados, podem ser usados de forma indevida. Portanto, a segurança dos dados armazenados é crucial. A legislação e as regulamentações podem variar por região, mas muitas estão começando a impor restrições e requisitos sobre como a tecnologia pode ser usada para proteger a privacidade das pessoas, referente a esse quesito foi implementado ao sistema termo de uso e política de privacidade, inicialmente com o objetivo de adequar o uso do reconhecimento facial com a lei de proteção de dados e deixar de forma clara aos alunos e responsáveis onde está sendo usado suas informações e coletar a sua autorização[30]. Ao realizar o primeiro acesso, irá exibir uma página com os termos e opção para aceite, se caso recusado o sistema sairá automaticamente da página.
Figura 13. Termo de uso e política de privacidade. Fonte: Autor,2024.
7. CONSIDERAÇÕES FINAIS
A tecnologia de reconhecimento facial está em uma atual crescente e possui uma ampla gama de aplicações. E devido à pandemia enfrentada recentemente, houve uma grande crescente na demanda de aplicação dessa tecnologia em diversos ambientes. Apesar dos benefícios obtidos pelo seu uso, em sua implantação há algumas barreiras a serem superadas, como a coleta das faces para cadastros, muitas vezes pela quantidade a ser cadastrada, e a lei de proteção de dados que são as principais. A falta de padronização de softwares contribui com o aumento significativo da quantidade de sistemas especialistas que são limitadas a automatizar tarefas específicas. O reconhecimento facial pode ser integrado em qualquer outro sistema através de APIs, pois é uma alternativa para integrar inteligência artificial a um projeto. O sistema proposto neste projeto poderá contribuir para melhorias em escolas, utilizando reconhecimento facial para gestão de alunos e disciplinas.
O sistema foi desenvolvido para suprir e auxiliar nessas necessidades na qual foi aplicado um termo de uso de imagem quando o usuário acessa o sistema para envio de seu cadastro facial. Com o intuito de registrar as frequências dos alunos, o sistema também auxilia o gestor escolar na captura das fotos de rostos dos alunos, possibilitando ao responsável que envie a foto de forma online, podendo tirar uma foto em seu aparelho ou selecionar em sua galeria. O sistema armazena os dados de frequência escolar dos alunos nas disciplinas em um banco de dados, a partir dessas informações, podem ser adicionado novas funcionalidades, possibilitando a partir dos dados, gerar relatórios analíticos para fazer acompanhamento de alunos, auxiliando assim o monitoramento de desempenho dos alunos no ambiente escolar, gerando oportunidade de ação rápida ao identificar anormalidade no desempenho escolar de algum aluno.
REFERÊNCIAS
[1] LEME, Lucas Grechi. Reconhecimento facial no dia a dia. 2022. Trabalho de Conclusão de Curso (Bacharel em Ciência da Computação) – Universidade Estadual de Mato Grosso do Sul, Curso de Ciência da Computação, Dourados/MS, 2022. Orientador: Prof. Dr. Rubens Barbosa Filho.
[2] DUARTE, Renata; BALDASSO, Rosane Pérez; BEUX, Luciano; ALBERT, Ana Carolina Fafreldines; SANTOS, Nicole Cortelletti dos; FERNANDES, Mário Marques. Aplicação dos sistemas biométricos de reconhecimento facial na segurança pública. Brazilian Journal of Forensic Sciences, Medical Law and Bioethics, v. 11, n. 1, p. 1-21, 2021.
[3] MAGALHÃES, Alice Azevedo; GOMES, Técio Spínola. Regulação de sistemas de reconhecimento facial para fins de segurança pública no Brasil: riscos e desafios. Humanidades e Inovação, v. 8, n. 47, p. 168-182, 2021.
[4] MAGALHÃES, Aíse Vitória de Araújo; GUIMARÃES, Felipe Caires. O reconhecimento facial como instrumento de segurança pública e seus impactos na Lei Geral de Proteção de Dados – LGPD. Guanambi (BA), 2023.
[5] CRUZ, Anderson Araújo da. Uma abordagem para reconhecimento de emoção por expressão facial baseada em redes neurais de convolução. 2019. Dissertação (Mestrado em Informática) – Universidade Federal do Amazonas, Manaus, 2019. Orientador: Raimundo da Silva Barreto.
[6] FERNANDES, Giovani Candido; MARTINS, éssica Camilo Telles; VIOLIN, Renato de Oliveira. Técnicas de reconhecimento facial através da inteligência artificial. XI Congresso de Trabalhos de Graduação, Faculdade de Tecnologia de Mococa, v. 7, n. 1, 2023.
[7] RODRIGUES, Diogo Francisco Borba; LOPES, Ezequiel Gomes. Técnicas de reconhecimento facial com machine learning. In: FIORELLI FABICHE, Mariana Natale (Org.) Engenharias: qualidade, produtividade e inovação tecnológica. Ponta Grossa: Atena, 2023. p. 266-295. Capítulo 19.
[8] COSTA, Luciano R.; OBELHEIRO, Rafael R.; FRAGA, Joni S. Introdução à Biometria. In: Simpósio Brasileiro em Segurança da Informação e de Sistemas Computacionais (SBSeg), VI, 2006, Porto Alegre, RS. Livro-texto de Minicursos, 2006. Capítulo 3. p. 103-151.
[9] MAGALHÃES, Paulo Sérgio; SANTOS, Henrique Dinis. Biometria e autenticação. In: CONFERÊNCIA DA ASSOCIAÇÃO PORTUGUESA DE SISTEMAS DE INFORMAÇÃO (APSI), 4., 2003, Porto, Portugal.
[10] ANDRADE, Eliel Leal. Reconhecimento facial: software aplicado para controle de alunos. 2018. 43 f. Trabalho de Conclusão de Curso (Graduação) – Instituto Municipal de Ensino Superior de Assis, Assis, 2018. Orientador: Dr. Almir Rogério Camolesi.
[11] SANTOS, Samuel F.; TYMUBRIBA, Mateus. Framework de autenticação web via reconhecimento facial. Departamento de Computação (DECOM), Centro Federal de Educação Tecnológica de Minas Gerais (CEFETMG), Belo Horizonte, MG, Brasil.
[12] MICROSOFT. O que é o serviço de Detecção Facial da IA do Azure? Microsoft Learn, 03 set. 2024. Disponível em: https://learn.microsoft.com/pt-br/azure/aiservices/computer-vision/overview-identity. Acesso em: 05 set. 2024.
[13] AMAZON WEB SERVICES. Amazon Rekognition: automatize e reduza o custo de seu reconhecimento de imagem e análise de vídeo com machine learning. Amazon Web Services.Disponível em: https://aws.amazon.com/pt/rekognition/. Acesso em: 05 set. 2024.
[14] GOOGLE CLOUD. Cloud Vision. Google Cloud. Disponível em: https://cloud.google.com/vision/overview/docs ?hl=pt-br. Acesso em: 05 set. 2024.
[15] OPENCV. Sobre o OpenCV. OpenCV. Disponível em: https://opencv.org/about/. Acesso em: 05 set. 2024.
[16] CARLETO, Diogo. Face-api.js: reconhecimento facial em JavaScript. InfoQ, 2018. Disponível em: https://www.infoq.com/br/news/2018/11/faces -api-js/. Acesso em. Acesso em: 05 set. 2024.
[17] MEGVII. Face Recognition Access Control Terminal. Megvii, Disponível em: https://en.megvii.com/products/hardware/Face _Recognition_and_Access_Control_Terminal. Acesso em: 05 set. 2024.
[18] INTELBRAS. Controlador de acesso facial SS 3540 MF FACE EX. Intelbras.Disponível em: https://www.intelbras.com/pt-br/controladorde-acesso-facial-ss-3540-mf-face-ex. Acesso em: 05 set. 2024
[19] HIKVISION. DS-K1T606 Face Recognition Terminal. Hikvision. Disponível em: https://www.hikvision.com/my/products/Acce ss-Control-Products/Face-RecognitionTerminals/Pro-Series/ds-k1t606/. Acesso em: 05 set. 2024.
[20] ELO TOUCH. Elo Access™ App now offers premium tier for temperature screening & mask detection. Elo Touch, Milpitas, CA, 8 dez. 2020. Disponível em: https://www.elotouch.com.ar/news/elo-accessapp-premium-temperature-screening-maskdetection. Acesso em: 05 set. 2024.
[21] PSP SECURITY. AccuFACE™ Facial Recognition System. PSP Security.Disponível em: https://www.pspsecurity.com/products_a1.html. Acesso em: 05 set. 2024.
[22] VERKADA. Person Detection Compliance and Availability. Verkada, .Disponível em: https://www.verkada.com/camerasavailability/. Acesso em: 05 set. 2024.
[23] CORDEIRO, Allanis dos Santos; BEZERRA, Beatriz Miranda; SANTOS, Bruno de Oliveira; SANTANA, Evelyn Santos de; CARVALHO, Gustavo Murilo Cavalcante; AOKI, Leonardo Yukio; ALVES, Lívia Martins; SOUSA, Luan Natan de; MACHADO, Luiz Felipe Ciantela; MARQUES, Pedro Henrique Pupo. Reconhecimento facial e suas aplicações. 2024. Trabalho de Conclusão de Curso (PJS – Projeto de Sistemas) – Instituto Federal de Educação, Ciência e Tecnologia de São Paulo, Câmpus Cubatão, 2024. Orientador: Maurício Neves Asenjo. Disponível em: https://cbt.ifsp.edu.br/images/Documentos/202 3/CTII/Grupo01_ReconhecimentoFacial1.pdf. Acesso em: 25 ago. 2024.
[24] INSTITUTO IGARAPÉ. Reconhecimento facial no Brasil. Infográfico. Disponível em: https://igarape.org.br/infograficoreconhecimento-facial-no-brasil/. Acesso em: 21 set. 2024.
[25] BRASIL. GOVERNO FEDERAL. Lei Geral de Proteção de Dados (LGPD). Disponível em: https://www.gov.br/esporte/pt-br/acesso-ainformacao/lgpd. Acesso em: 24 ago. 2024.
[26] MONTEIRO, Luiz Augusto Ferreira; SILVA, Bárbara Elis Nascimento; LEITE, Danilo Rangel Arruda. Inteligência artificial: a importância do reconhecimento facial na educação. Revista Presença Geográfica, Fundação Universidade Federal de Rondônia, v. 7, n. 1, 2020.
[29] INTELBRAS. Portal de reconhecimento facial da Intelbras. Disponível em: https://intelbrascaco-api.intelbras.com.br/. Acesso em: 10 ago. 2024.
[29] PHP Manual. cURL – Introdução. Disponível em:https://www.php.net/manual/pt_BR/intro.c url.php. Acesso em: 05 set. 2024.
[30] ARAÚJO, Romulo de Aguiar; CARDOSO, Naiara Deperon; PAULA, Amanda Marcélia de. Regulação e uso do reconhecimento facial na segurança pública do Brasil. Revista de Doutrina Jurídica, Brasília, DF, v. 112, e021009, 2021.
[31] SENA, Anelice; BORGES, Juliana. Escolas de Nova Venécia usam reconhecimento facial para controlar frequência e desperdício de merenda. G1 Espírito Santo, 3 abr. 2018. Disponível em: https://g1.globo.com/es/espiritosanto/noticia/e scolas-de-nova-venecia-usamreconhecimentofacial-para-controlar-frequenciae-desperdicio-demerenda.ghtml. Acesso em: 25 ago. 2024.
[32] NEGRI, Sergio Marcos Carvalho de Ávila; OLIVEIRA, Samuel Rodrigues de; COSTA, Ramon Silva. Proteção de Dados e Inteligência Artificial: Perspectivas Éticas e Regulatórias. O uso de tecnologias de reconhecimento facial baseadas em inteligência artificial e o direito à proteção de dados. Revista de Direito Público (RDP), Brasília, v. 17, n. 93, p. 82-103, maio/jun. 2020.
[33] SANTOS, Rodrigo Natálicio dos; CABRAL, Cristiane Helena de Paula Lima. Reconhecimento facial: análise a partir da Constituição brasileira e da Lei Geral de Proteção de Dados. Revista Brasileira de Direito e Gestão Pública, Pombal, PB, v. 8, n. 5, p. 1127-1142, nov. 2020.
[36] DA SILVA JÚNIOR, Jones José. Redes Neurais Profundas para Reconhecimento Facial no Contexto de Segurança Pública. 2020. 85 f. Dissertação (Mestrado) – Universidade Federal de Goiás, Instituto de Informática (INF), Programa de Pós-Graduação em Ciência da Computação, Goiânia, 2020. Orientador: Prof. Dr. Anderson Da Silva Soares; co-orientador: Dr. Gustavo Teodoro Laureano.
[34] NETO, Luiz Carlos Soares. Análise de algoritmos de biometria facial para controle de pessoas em espaços privativos. 2019. [n. p.]. Monografia (Curso de Ciência da Computação) – Universidade Federal do Maranhão, Centro de Ciências Exatas e Tecnológicas, São Luís, 2019.
[35] FERNANDES, Giovani Candido; MARTINS, Jéssica Camilo Telles; VIOLIN, Renato de Oliveira. Técnicas de reconhecimento facial através da inteligência artificial. XI Congresso de Trabalhos de Graduação, Faculdade de Tecnologia de Mococa, v. 7, n. 1, 2023. [39] COSTA, Luciano R.; OBELHEIRO, Rafael R.; FRAGA, Joni S. Introdução à Biometria. In: Simpósio Brasileiro em Segurança da Informação e de Sistemas Computacionais (SBSeg), VI, 2006, Porto Alegre, RS. Livro-texto de Minicursos, 2006. Capítulo 3. p. 103-151.
[36] HORA, Nina da. Reconhecimento facial nas escolas. Futura, 02 set. 2022. Disponível em: https://futura.frm.org.br/conteudo/educacaobas ica/artigo/reconhecimento-facial-nas-escolas. Acesso em: 20 ago. 2024.
[37] PIRES, John Davi Dutra Canuto. Frequência escolar por meio de reconhecimento facial utilizando redes neurais residuais. 2023. Monografia (Trabalho de Conclusão de Curso em Engenharia da Computação) – Universidade Federal de Alagoas, Instituto de Computação, Maceió, 2023. Orientador: Marcelo Costa Oliveira.
[38] JESUS, Adriana Dutra de; COELHO, Raquel da Silva Vieira; SILVA, Willyan Alves da. Reconhecimento facial para controle de frequência de alunos. Revista Multidisciplinar do Nordeste Mineiro, v. 7, 2024. [44] ISRAEL, Carolina Batista; FIRMINO, Rodrigo (Coord.). Reconhecimento facial nas escolas públicas do Paraná. Curitiba: UFPR, 2023. Departamento de Geografia – Setor de Ciências da Terra (UFPR).
1Centro Universitário Tocantinense Presidente Antônio Carlos – UNITPAC, Araguaína/TO, Brasil. E-mail: carlosguilhermedesousa@gmail.com.