Como o reconhecimento facial identifica uma pessoa? Veja as etapas

Seu rosto pode liberar um celular, confirmar uma transação bancária ou validar o acesso a um serviço público em poucos segundos. No entanto, existe um detalhe que quase sempre passa despercebido: o sistema não enxerga você como uma pessoa.

Na prática, o reconhecimento facial transforma determinadas características do rosto em uma representação matemática. Depois, compara essa representação com outro registro e calcula uma pontuação de similaridade.

Portanto, quando o celular exibe a mensagem “rosto reconhecido”, ele não encontrou uma certeza absoluta. Ele concluiu que a imagem capturada apresenta semelhança suficiente com a referência armazenada.

O que é reconhecimento facial?

O reconhecimento facial é uma tecnologia de visão computacional que verifica ou tenta identificar alguém por meio das características do rosto.

Para realizar essa tarefa, o sistema costuma:

• Localizar o rosto: identifica em qual parte da fotografia ou do vídeo existe uma face humana.
• Analisar características faciais: observa formas, texturas, proporções e relações entre diferentes regiões.
• Criar um modelo matemático: converte as informações extraídas em uma sequência de números.
• Comparar os registros: mede a proximidade entre o novo modelo e uma referência cadastrada.
• Calcular a similaridade: gera uma pontuação que indica o grau de correspondência.
• Aplicar um limite: aceita, rejeita ou encaminha o resultado para uma análise adicional.

Dessa forma, o sistema não depende apenas de uma comparação visual entre duas fotografias. Em vez disso, ele compara representações numéricas produzidas a partir dos rostos.

O Serpro explica que um fluxo de validação biométrica pode comparar uma selfie com uma imagem armazenada e retornar um percentual de similaridade.

Como o reconhecimento facial identifica uma pessoa, em resumo?

O processo pode ser entendido por meio desta sequência:

Embora essa sequência pareça simples, cada etapa pode influenciar o resultado. Por isso, uma fotografia ruim pode comprometer até mesmo um algoritmo avançado.

1. A câmera captura a imagem do rosto

Primeiramente, uma câmera registra uma fotografia ou uma sequência de vídeo. A imagem pode vir de diferentes fontes, como:

• Selfie pelo celular: comum em bancos, aplicativos e serviços governamentais.
• Câmera de acesso: usada para controlar entradas em prédios, eventos ou áreas restritas.
• Fotografia de documento: funciona como referência para a verificação de identidade.
• Vídeo de segurança: pode fornecer quadros nos quais o sistema procura rostos.
• Imagem cadastrada anteriormente: serve como base para futuras autenticações.

Entretanto, a câmera não fornece apenas “um rosto”. Ela fornece pixels sujeitos a sombras, reflexos, movimentos, compressão e falhas de foco.

Por esse motivo, iluminação, resolução, posição da cabeça e nitidez interferem diretamente no processo.

Nas orientações oficiais do aplicativo gov.br, recomenda-se manter o rosto visível, posicionar o celular na altura da face e utilizar um ambiente iluminado, com fundo uniforme. O portal também alerta que sombras, objetos cobrindo o rosto e movimentos excessivos podem impedir a conclusão do procedimento. Confira as recomendações do Governo Digital.

Como melhorar a captura em uma verificação facial?

Algumas atitudes simples reduzem a possibilidade de falha:

• Limpe a lente da câmera: marcas de dedos podem deixar a imagem embaçada e reduzir a nitidez.
• Fique de frente para uma fonte de luz: assim, você evita que apenas um lado do rosto fique iluminado.
• Não incline demais o celular: ângulos extremos alteram as proporções percebidas pelo sistema.
• Retire objetos que cobrem o rosto: máscaras, cabelos, bonés e óculos muito escuros podem ocultar regiões importantes.
• Mantenha o aparelho firme: movimentos rápidos podem causar desfoque.
• Centralize o rosto: siga o círculo ou a moldura exibida pelo aplicativo.

A documentação técnica da AWS também recomenda imagens claras, nítidas, com iluminação homogênea e sem objetos que ocultem a face. Veja as recomendações para imagens de comparação facial.

2. O programa detecta onde está o rosto

Em seguida, o sistema procura uma região com a estrutura esperada de um rosto humano. Essa etapa recebe o nome de detecção facial.

Nesse momento, o programa ainda não precisa saber quem aparece na fotografia. Ele apenas responde a perguntas como:

• Existe um rosto na imagem?
• Em qual posição ele está?
• Qual é o seu tamanho?
• O rosto está inclinado?
• Há partes encobertas?

Portanto, encontrar um rosto não significa reconhecer sua identidade.

A documentação de comparação facial da AWS diferencia claramente as duas operações: a detecção localiza a presença e a posição da face, enquanto a comparação procura correspondências entre rostos. Entenda a diferença entre detectar e comparar faces.

Detecção, análise e reconhecimento não são iguais

Essa distinção evita uma confusão comum. Afinal, uma câmera pode encontrar um rosto sem conhecer a identidade da pessoa.

3. O rosto passa por alinhamento e normalização

Depois de localizar a face, o sistema tenta padronizar a imagem para facilitar a comparação.

Uma fotografia pode mostrar a cabeça levemente inclinada, enquanto a referência foi registrada de frente. Além disso, uma imagem pode estar mais clara, ampliada ou distante.

Consequentemente, o programa pode:

• reposicionar virtualmente a região facial;
• ajustar o tamanho da face;
• corrigir parcialmente a inclinação;
• recortar áreas pouco relevantes;
• normalizar brilho e contraste;
• alinhar regiões importantes do rosto.

Essa etapa não “conserta” qualquer fotografia. Contudo, ela reduz algumas diferenças que não têm relação direta com a identidade.

Exemplo prático

Imagine que uma pessoa cadastrou uma fotografia de documento olhando diretamente para a câmera. Meses depois, ela tira uma selfie com o celular um pouco abaixo do rosto.

Antes da comparação, o sistema pode tentar alinhar as duas imagens. No entanto, se o ângulo estiver muito acentuado ou houver uma sombra intensa, a normalização talvez não consiga compensar a diferença.

4. O algoritmo localiza regiões e padrões faciais

Posteriormente, o algoritmo identifica referências dentro da face. Elas podem incluir:

• Olhos: posição, cantos e distância relativa entre as regiões.
• Nariz: contorno, largura e relação com outras partes.
• Boca: formato e localização dos cantos.
• Queixo: contorno e proporção em relação ao restante do rosto.
• Sobrancelhas: posicionamento e relação com os olhos.
• Contorno facial: formato geral e distribuição das regiões.
• Texturas: padrões visuais captados em diferentes áreas da imagem.

Alguns sistemas retornam explicitamente referências como olhos, nariz e cantos da boca. A documentação de detecção facial da AWS descreve pontos de referência, posição, brilho e nitidez entre os dados analisados.

Entretanto, sistemas modernos não dependem apenas de medições simples, como a distância entre os olhos.

Redes neurais analisam muitos padrões simultaneamente. Dessa forma, elas aprendem quais combinações ajudam a diferenciar as pessoas dentro dos conjuntos de imagens usados no desenvolvimento do modelo.

5. O sistema cria um modelo biométrico facial

Após analisar os padrões, o programa converte as informações em uma representação matemática.

Essa representação pode receber diferentes nomes:

• modelo biométrico;
• template facial;
• vetor facial;
• assinatura biométrica;
• embedding facial.

Em termos simples, imagine uma longa sequência de números que resume características consideradas relevantes pelo algoritmo.

Esse modelo não corresponde diretamente ao nome, ao endereço ou ao CPF. Contudo, quando ele está vinculado a uma pessoa, torna-se um dado extremamente sensível, pois pode ajudar a autenticar ou identificar aquele indivíduo.

O sistema sempre guarda a fotografia?

Não necessariamente.

Algumas aplicações podem armazenar:

• a imagem original;
• uma versão comprimida;
• o modelo matemático extraído;
• tanto a fotografia quanto o modelo biométrico;
• registros técnicos da comparação.

Portanto, a forma de armazenamento depende da solução, da finalidade e das regras adotadas pela organização.

Ainda assim, substituir a fotografia por uma sequência numérica não elimina os riscos. Afinal, essa sequência continua vinculada a uma característica corporal relativamente permanente.

6. O sistema compara dois rostos ou pesquisa uma base

Depois de criar o modelo facial, o programa o compara com uma ou mais referências.

Existem duas operações principais: verificação 1:1 e identificação 1.

Verificação facial 1:1

Na verificação, o sistema responde a uma pergunta semelhante a:

“Esta pessoa é realmente quem afirma ser?”

Nesse cenário, o programa compara duas referências específicas.

Por exemplo:

• uma selfie com a fotografia de um documento;
• o rosto capturado com o cadastro de uma conta;
• uma nova imagem com o registro vinculado ao dispositivo;
• a captura atual com uma biometria cadastrada anteriormente.

Esse método aparece em autenticações bancárias, recuperação de acesso, validação documental e serviços digitais.

Identificação facial 1

Na identificação, a pergunta muda:

“Quem é esta pessoa entre os registros disponíveis?”

Nesse caso, o sistema compara um rosto com vários modelos presentes em uma coleção.

Quanto maior a base, maior tende a ser a possibilidade de encontrar pessoas com características matematicamente semelhantes. Por isso, o tamanho e a composição da coleção interferem na interpretação do resultado.

A documentação técnica da AWS explica que a comparação 1:1 confronta duas faces, enquanto uma busca 1 pesquisa uma face em uma coleção de registros. Veja a explicação sobre correspondência facial.

7. O algoritmo calcula uma pontuação de similaridade

Após a comparação, o sistema produz uma pontuação de similaridade.

Quanto maior o valor, maior tende a ser a proximidade matemática entre as duas representações faciais. Entretanto, isso não significa que uma pontuação alta seja uma prova absoluta de identidade.

Cada aplicação define um threshold, ou seja, um limite mínimo de aceitação.

Na prática:

• Abaixo do limite: o sistema rejeita a correspondência.
• Acima do limite: o sistema aceita ou apresenta um possível resultado.
• Próximo do limite: a aplicação pode solicitar outra captura ou revisão humana.

Serviços de comparação facial podem permitir que o responsável pela aplicação configure o limite de similaridade conforme o risco do uso. A documentação da operação de comparação da AWS apresenta uma escala configurável entre 0 e 100.

Por que o limite muda conforme a finalidade?

Um aplicativo que organiza fotografias familiares pode tolerar uma correspondência menos rigorosa. Afinal, um erro provavelmente terá consequência limitada.

Por outro lado, um sistema que libera acesso a uma conta financeira precisa reduzir a chance de aceitar uma pessoa errada. Portanto, pode utilizar um limite mais elevado e solicitar fatores adicionais de autenticação.

Reconhecimento facial e prova de vida são iguais?

Não. Embora as duas tecnologias possam atuar juntas, elas cumprem funções diferentes.

O reconhecimento facial verifica o grau de semelhança entre rostos. Por outro lado, a prova de vida tenta confirmar que existe uma pessoa real diante da câmera, em vez de uma fotografia, tela ou vídeo reproduzido.

Um fluxo pode funcionar assim:

1. A pessoa tira uma selfie.
2. O sistema verifica sinais de presença real.
3. Depois, envia a imagem aprovada para a comparação facial.
4. Por fim, calcula a similaridade com o registro armazenado.

O Serpro descreve esse fluxo ao explicar que a imagem passa primeiro pela prova de vida e, posteriormente, pela comparação facial.

Portanto, o reconhecimento pode indicar que dois rostos são semelhantes e, ainda assim, precisar de uma segunda tecnologia para verificar se alguém não apresentou uma reprodução.

Por que uma selfie pode ser recusada?

Imagine uma pessoa tentando acessar um serviço digital. Ela tira uma selfie em um quarto escuro, com o celular abaixo do queixo e uma janela forte atrás do corpo.

O sistema encontra três problemas:

• o rosto está subexposto;
• o ângulo difere bastante da imagem cadastrada;
• parte dos olhos está coberta por sombras.

Como resultado, o modelo extraído da selfie pode ficar distante da referência. O aplicativo rejeita a tentativa, embora a pessoa seja a titular correta.

Em seguida, ela muda de ambiente, fica de frente para uma luz suave e posiciona o celular na altura dos olhos. A nova imagem apresenta mais detalhes e o sistema consegue atingir o limite de similaridade.

Esse exemplo mostra um ponto importante: uma rejeição não significa automaticamente fraude. Muitas vezes, ela indica apenas que a imagem não forneceu informações suficientes.

Por que o reconhecimento facial pode não reconhecer a mesma pessoa?

Quando o sistema não associa duas imagens da mesma pessoa, ocorre um falso negativo ou uma falsa rejeição.

Entre as causas mais comuns estão:

• Baixa iluminação: sombras escondem regiões importantes e reduzem os detalhes disponíveis.
• Desfoque: o movimento da câmera ou do rosto altera os contornos capturados.
• Baixa resolução: poucos pixels limitam as informações analisadas pelo algoritmo.
• Mudança de ângulo: uma imagem frontal pode diferir muito de uma fotografia lateral.
• Rosto encoberto: cabelos, máscaras, óculos ou outros objetos ocultam áreas relevantes.
• Foto antiga: envelhecimento e mudanças de aparência aumentam as diferenças.
• Expressão muito diferente: movimentos da boca e dos olhos alteram a geometria visível.
• Limite rigoroso: um threshold elevado pode rejeitar comparações que ficariam próximas da aprovação.

As avaliações contínuas do NIST definem falsos negativos como falhas em relacionar fotografias da mesma pessoa e destacam a forte influência da qualidade da imagem. A página foi atualizada em junho de 2026. Consulte a avaliação 1:1 do NIST.

Uma pessoa pode ser confundida com outra?

Sim. Quando o sistema associa incorretamente duas pessoas diferentes, ocorre um falso positivo ou uma falsa correspondência.

Isso pode acontecer quando:

• as pessoas apresentam características faciais semelhantes;
• as imagens possuem poucos detalhes;
• a base contém muitos registros;
• o algoritmo não foi bem avaliado no contexto real;
• o limite de aceitação está muito baixo;
• a base cadastral contém erros;
• os dados de desenvolvimento não representam adequadamente a população.

Por isso, uma correspondência automática não deve funcionar como prova isolada em decisões capazes de provocar bloqueios, abordagens ou acusações.

Visão prática: o número não conta toda a história

Uma pontuação de similaridade só ganha significado quando conhecemos:

• a qualidade das imagens;
• o modelo utilizado;
• o limite configurado;
• o tamanho da base pesquisada;
• a taxa de erro observada;
• as consequências de uma decisão equivocada.

Assim, apresentar apenas “95% de similaridade” pode criar uma falsa sensação de certeza. O valor não significa necessariamente “95% de probabilidade de ser aquela pessoa”.

Existem diferenças de precisão entre grupos?

O desempenho pode variar conforme o algoritmo, a qualidade das fotografias, a câmera, a população avaliada e os dados usados no desenvolvimento.

O NIST acompanha diferenças nas taxas de falsos positivos e falsos negativos relacionadas a fatores demográficos. Suas avaliações mostram que as variações não ocorrem da mesma maneira em todos os algoritmos. Consulte o resumo sobre efeitos demográficos.

Além disso, a instituição ressalta que uma iluminação inadequada pode gerar diferenças de qualidade. Por exemplo, subexposição ou superexposição reduzem os detalhes faciais disponíveis para a comparação.

Portanto, não é correto afirmar que todos os sistemas apresentam a mesma precisão. Cada solução precisa ser avaliada considerando:

• o algoritmo específico;
• a população atendida;
• as câmeras utilizadas;
• as condições de iluminação;
• o tamanho da base;
• a finalidade da aplicação;
• as taxas de falso positivo e falso negativo.

O reconhecimento facial consegue identificar emoções?

Algumas ferramentas tentam estimar expressões aparentes, como sorriso ou surpresa. Contudo, essa operação pertence à análise facial, e não necessariamente ao reconhecimento de identidade.

Além disso, uma expressão isolada não revela com segurança:

• o sentimento real de alguém;
• sua intenção;
• seu caráter;
• sua honestidade;
• seu comportamento futuro.

Dessa forma, conclusões sobre emoções e personalidade exigem extremo cuidado. Uma câmera registra sinais visíveis em determinado instante, mas não acessa diretamente o estado interno de uma pessoa.

Onde o reconhecimento facial é usado no Brasil?

No Brasil, a tecnologia aparece em diferentes contextos:

• autenticação em serviços digitais;
• abertura e recuperação de contas;
• validação de documentos;
• prevenção a fraudes;
• controle de entrada;
• procedimentos aeroportuários;
• serviços governamentais;
• transações financeiras;
• ambientes de trabalho;
• eventos e atividades de segurança.

No aplicativo gov.br, por exemplo, a imagem capturada pode ser comparada com bases biométricas disponíveis. Atualmente, o portal informa consultas às bases da Carteira de Identidade Nacional, da Identificação Civil Nacional e da Carteira Nacional de Habilitação. Veja as bases biométricas informadas pelo Governo Digital.

A ANPD também cita aplicações de biometria em escolas, fronteiras, eventos públicos, locais de trabalho e transações financeiras. Confira a publicação sobre tratamento de dados biométricos.

O que a LGPD diz sobre reconhecimento facial?

A Lei Geral de Proteção de Dados classifica o dado biométrico vinculado a uma pessoa natural como dado pessoal sensível.

Essa definição aparece no artigo 5º, inciso II, da Lei nº 13.709/2018.

Consequentemente, organizações que tratam modelos faciais precisam observar cuidados reforçados, como:

• Finalidade: explicar claramente por que a biometria será utilizada.
• Necessidade: coletar apenas o que realmente contribui para a finalidade.
• Transparência: informar como o dado será tratado, compartilhado e armazenado.
• Segurança: proteger imagens, modelos e registros contra acessos indevidos.
• Prevenção: adotar medidas para reduzir danos previsíveis.
• Não discriminação: evitar usos que produzam tratamento injusto.
• Responsabilização: demonstrar que as medidas de proteção foram efetivamente adotadas.

Entretanto, o consentimento não representa a única hipótese legal possível para o tratamento de dados sensíveis. A base aplicável depende da finalidade e das condições previstas na legislação.

Por que um vazamento biométrico preocupa tanto?

Quando uma senha vaza, o usuário pode criar outra. No entanto, ninguém consegue trocar facilmente o próprio rosto.

Por isso, um incidente envolvendo dados biométricos pode produzir consequências duradouras.

Dependendo da forma de armazenamento e proteção, criminosos podem tentar utilizar informações expostas em fraudes, falsificações ou validações não autorizadas.

Entre as medidas importantes estão:

• Criptografia: dificulta a leitura dos dados por pessoas não autorizadas.
• Controle de acesso: limita quem pode consultar ou alterar os registros.
• Prazo de retenção: evita armazenar informações por tempo indefinido.
• Separação de bases: reduz o impacto de um único incidente.
• Registro de operações: ajuda a identificar consultas e alterações suspeitas.
• Testes de segurança: procuram vulnerabilidades antes que elas sejam exploradas.
• Plano de resposta: define como a organização reagirá a um vazamento.
• Avaliação de fornecedores: verifica como empresas terceirizadas protegem a biometria.

A ANPD reforça que dados biométricos, incluindo o formato da face, integram a categoria de dados pessoais sensíveis. Veja a manifestação oficial sobre coleta biométrica.

O reconhecimento facial é totalmente seguro?

Não. A tecnologia pode reforçar determinados processos, porém continua sujeita a falhas e ataques.

Entre suas limitações estão:

• falsos positivos;
• falsos negativos;
• fotografias de baixa qualidade;
• câmeras inadequadas;
• mudanças na aparência;
• falhas de cadastro;
• diferenças de desempenho;
• vazamentos;
• tentativas de fraude;
• vídeos manipulados;
• conteúdos sintéticos;
• uso fora da finalidade informada.

Por isso, serviços mais sensíveis podem combinar o reconhecimento facial com:

• senha;
• dispositivo confiável;
• código temporário;
• documento;
• prova de vida;
• confirmação manual;
• outro fator de autenticação.

Essa combinação reduz a dependência de uma única tecnologia.

Reconhecimento facial não é prova definitiva de identidade

Esse é o ponto central para compreender como o reconhecimento facial identifica uma pessoa: o sistema produz uma estimativa, não uma verdade incontestável.

O resultado depende de vários elementos:

• qualidade das imagens;
• algoritmo escolhido;
• tamanho da base;
• composição da população cadastrada;
• threshold configurado;
• condições de captura;
• finalidade do uso;
• impacto de um erro.

Consequentemente, decisões importantes não deveriam depender apenas de uma correspondência automática.

A revisão humana também precisa ser criteriosa. Afinal, quem analisa o resultado pode confiar excessivamente na máquina e ignorar sinais contrários. Esse comportamento recebe o nome de viés de automação.

Glossário do reconhecimento facial

Perguntas frequentes

O reconhecimento facial mede apenas a distância entre os olhos?

Não. Embora pontos faciais possam fazer parte da análise, sistemas modernos observam muitos padrões, texturas e relações espaciais simultaneamente.

O sistema guarda uma fotografia do rosto?

Depende da aplicação. Algumas soluções armazenam a imagem, outras priorizam o modelo matemático e determinadas plataformas guardam ambos. Em qualquer caso, esses dados exigem proteção quando estão vinculados a uma pessoa.

Gêmeos podem confundir o reconhecimento facial?

Sim, rostos extremamente semelhantes representam um desafio maior. Contudo, o resultado depende do algoritmo, da qualidade das imagens, da base pesquisada e do limite configurado.

Uma fotografia pode enganar o sistema?

Soluções simples podem apresentar vulnerabilidades. Por isso, sistemas mais sensíveis costumam utilizar prova de vida e mecanismos adicionais contra fotografias, telas, vídeos ou conteúdos sintéticos.

O reconhecimento facial funciona no escuro?

A baixa iluminação reduz os detalhes disponíveis e pode aumentar a taxa de erro. Alguns equipamentos utilizam sensores adicionais, mas o desempenho depende da tecnologia empregada.

O reconhecimento facial sempre acerta?

Não. O sistema pode gerar falsos positivos e falsos negativos. Portanto, o resultado precisa ser interpretado conforme o contexto e as consequências da decisão.

Dados faciais são protegidos pela LGPD?

Sim. Quando vinculados a uma pessoa natural, os dados biométricos entram na categoria de dados pessoais sensíveis.

O que fazer quando o aplicativo não reconhece meu rosto?

Procure um ambiente iluminado, limpe a câmera, posicione o aparelho na altura dos olhos e mantenha o rosto totalmente visível. Além disso, evite sombras, movimentos e objetos que cubram a face.

Conclusão

O reconhecimento facial identifica uma pessoa ao transformar características do rosto em uma representação matemática e compará-la com outro registro. Contudo, o resultado continua sendo uma estimativa de similaridade, influenciada pela imagem, pelo algoritmo, pelo limite configurado e pelo contexto de uso.

Quanto mais essa tecnologia se integra ao cotidiano, mais importante se torna compreender não apenas sua conveniência, mas também seus limites. Afinal, reconhecer um rosto em segundos pode parecer simples; decidir como essa informação será utilizada, protegida e contestada representa o verdadeiro desafio.