Reconhecimento facial no Brasil: onde é usado e o que dá errado

O reconhecimento facial no Brasil já saiu do debate teórico: está em catraca de ônibus, em portaria de prédio, em estádio de futebol, em abertura de conta bancária pelo celular e em câmeras de rua operadas por secretarias de segurança. O que dá errado quase nunca é o que o folheto promete. A tecnologia funciona razoavelmente bem quando o objetivo é confirmar que você é você, com boa luz e sua colaboração, e funciona mal quando o objetivo é encontrar um rosto desconhecido no meio de uma multidão. São duas tarefas diferentes com o mesmo nome comercial, e confundir as duas é a origem da maior parte dos problemas.

Os textos sobre o tema costumam cair em um de dois extremos: ou tratam a tecnologia como infalível, ou repetem estatísticas de erro sem explicar de onde vêm e a que cenário se aplicam. Vou tentar um caminho diferente. Primeiro o mecanismo, porque ele explica quase tudo. Depois a aritmética de base, que é o ponto cego central. Depois a situação jurídica brasileira, que tem uma lacuna específica pouco conhecida. E, no fim, os argumentos dos dois lados sem caricatura, porque existem razões sérias em ambos.

Câmera de vigilância presa a uma parede
Foto de Alan J. Hendry no Unsplash (licença livre para uso).

O que a máquina realmente compara

Um sistema de reconhecimento facial não guarda fotos e não “olha” para o rosto como uma pessoa olharia. Ele passa a imagem por uma rede neural que devolve uma lista de números — um vetor, chamado de representação ou embutimento facial. Rostos parecidos produzem vetores próximos; rostos diferentes, vetores distantes.

Comparar dois rostos é medir a distância entre dois vetores e checar se ela está abaixo de um limiar. Esse limiar é uma escolha humana, e é o parâmetro mais político do sistema inteiro. Baixar o limiar aumenta os acertos e aumenta os falsos alarmes. Subir o limiar reduz falsos alarmes e deixa passar gente que deveria ser identificada. Não existe configuração que melhore os dois lados ao mesmo tempo.

Quem opera o sistema decide, na prática, quantos inocentes está disposto a incomodar para não deixar escapar um procurado. Essa decisão raramente é publicada, raramente é auditada e quase nunca é discutida com quem vai ser incomodado.

Verificação e identificação: o mesmo nome para dois problemas

A distinção mais importante do assunto é esta, e ela some no debate público.

Verificação (um para um) Identificação (um para muitos)
Pergunta Você é quem diz ser? Quem é essa pessoa?
Comparações Uma Milhares ou milhões
Condições Colaboração, luz boa, câmera perto Movimento, ângulo, distância, luz ruim
Exemplos Desbloquear celular, abrir conta Câmera de rua, estádio, evento
Confiabilidade Alta Muito sensível a escala e condição

Quando uma empresa afirma que seu sistema tem taxa de erro mínima, quase sempre está falando de verificação em condições controladas. Transpor esse número para vigilância de rua é como testar um freio em pista seca e anunciar o resultado como desempenho na chuva.

Onde o reconhecimento facial no Brasil já é usado

Os usos se espalharam por caminhos independentes, sem uma política nacional que os organize:

  • Segurança pública. Câmeras integradas a bancos de procurados, operadas por secretarias estaduais, com uso intensificado em grandes eventos e no carnaval de algumas capitais.
  • Transporte coletivo. Validação biométrica para uso de gratuidade e de meia-passagem, com o argumento de combate à fraude de cartão.
  • Estádios. A legislação esportiva passou a exigir monitoramento biométrico facial em arenas de grande porte, associado ao controle de acesso e à identificação de torcedores banidos.
  • Serviços financeiros e governo digital. Prova de vida, abertura de conta e acesso a aplicativos públicos por selfie com detecção de vivacidade.
  • Varejo e condomínios. Controle de acesso, contagem de público e, em alguns casos, análise de perfil de quem entra na loja.

Esses usos têm níveis de risco muito diferentes. Prova de vida por selfie, com consentimento e finalidade clara, é razoavelmente defensável. Câmera de rua que consulta um banco de milhões de rostos sem que ninguém saiba é outro assunto completamente.

A aritmética que quase ninguém faz

Aqui está o ponto cego. Suponha um sistema com uma taxa de falso positivo muito baixa — tão baixa que soa irrelevante. Agora multiplique essa taxa pelo número de rostos que passam por uma estação de metrô movimentada num dia, ou por uma avenida no centro, ou pela entrada de um estádio cheio.

O resultado é que mesmo uma taxa ínfima de erro, aplicada a milhões de comparações, produz alertas falsos todos os dias. Não é falha de implantação: é consequência aritmética de operar em escala. E, como a proporção de pessoas realmente procuradas em uma multidão qualquer é minúscula, a maior parte dos alertas gerados tende a ser falsa mesmo com um sistema tecnicamente bom. Isso se chama, na estatística, o problema da taxa de base, e vale para qualquer teste raro aplicado a população grande — exame médico de triagem, detector de fraude, antivírus.

A consequência prática é que a pergunta certa não é “qual a acurácia do sistema?”. É “de cada cem alertas que este sistema gerou neste mês, quantos eram a pessoa certa?”. Essa é uma métrica que operadores raramente divulgam e que deveria ser condição para contratar.

Por que o erro não se distribui igual

Avaliações independentes conduzidas por institutos de padronização em vários países encontram, de forma consistente, desempenho pior para rostos de pele mais escura, para mulheres, para pessoas muito jovens e para pessoas idosas — com variação grande entre fornecedores. Prefiro não repetir percentuais: eles mudam por versão de algoritmo, por base de teste e por condição de captura, e números soltos circulando fora de contexto atrapalham mais do que informam. O que importa é que a desigualdade é real, reprodutível e tem causas identificáveis.

As causas conhecidas se somam:

  1. Composição da base de treino. Conjuntos montados majoritariamente com rostos de um perfil produzem representações mais finas para aquele perfil.
  2. Física da captura. Câmeras e ajustes automáticos de exposição historicamente foram calibrados para pele clara; menos contraste capturado significa menos informação para a rede.
  3. Limiar único. Um mesmo corte de distância aplicado a grupos cujas distribuições de similaridade diferem gera taxas de erro diferentes por grupo.
  4. Composição do banco consultado. Se o banco de procurados já é desproporcional em relação à população, mais gente daquele perfil será comparada e mais falsos positivos daquele perfil aparecerão, mesmo com um algoritmo perfeitamente equilibrado.

O quarto item é o menos discutido e talvez o mais decisivo no Brasil. O viés pode estar inteiramente fora do algoritmo, no banco que ele consulta.

O humano que confere não é a salvaguarda que parece

A resposta padrão de quem defende a tecnologia é: o sistema só sugere, a decisão é do agente. No papel, ótimo. Na prática, há dois problemas bem estudados.

O primeiro é a tendência a confiar na máquina. Quando um sistema exibe um alerta com foto, nome e um número de confiança alto, o revisor humano tende a procurar confirmação em vez de contestação. O segundo é o contexto de decisão: a conferência acontece em segundos, em pé, na rua, sob pressão, não numa mesa com tempo.

Uma salvaguarda que depende de o operador discordar da máquina, sob pressa e sem custo para quem acerta o alerta, não é uma salvaguarda. É uma formalidade.

Casos noticiados no Brasil de pessoas abordadas ou detidas por engano após identificação por câmera seguem esse padrão: o erro do sistema foi validado por um humano que não tinha condições nem incentivo para questioná-lo.

Multidão reunida em uma rua entre prédios e palmeiras
Foto de Iago Yoshimi Seo no Unsplash (licença livre para uso).

O que a LGPD cobre e o que ela não cobre

Dado biométrico é dado pessoal sensível na LGPD, o que exige base legal específica e rigor maior. Para uso privado — loja, condomínio, academia, banco — isso significa finalidade determinada, transparência, e consentimento quando for essa a base escolhida. Houve, inclusive, decisão judicial em São Paulo contra o uso de câmeras com análise de perfil e de emoção em espaço de transporte público sem informação adequada ao público.

A lacuna está do outro lado. A LGPD não se aplica ao tratamento de dados realizado para fins exclusivos de segurança pública, defesa nacional e investigação e repressão de infrações penais. Esse tratamento deveria ser disciplinado por lei específica, muitas vezes chamada de LGPD penal, que segue sem aprovação. O resultado é que justamente o uso de maior risco — vigilância estatal em espaço público — opera com o arcabouço mais frágil, apoiado em contratos administrativos e em normas estaduais desiguais.

A ANPD tem competência fiscalizatória e vem se manifestando sobre biometria, mas sua atuação sobre o braço penal do Estado é limitada exatamente por essa lacuna. Enquanto isso, há propostas em câmaras municipais e assembleias para suspender ou condicionar o uso, e o tema aparece no debate do marco geral de inteligência artificial em tramitação no Congresso, com a identificação biométrica em tempo real em espaço público sendo tratada como hipótese de risco elevado ou de vedação, a depender da versão do texto.

Os dois lados, sem caricatura

Quem defende o uso tem argumentos que não se respondem com ironia. Câmeras já existem em toda parte; o reconhecimento facial automatiza uma busca que um policial faria olhando fotos, só que mais rápido. Há prisões de foragidos por crimes graves e localização de pessoas desaparecidas que dificilmente ocorreriam de outra forma. Em transporte, a biometria reduz uma fraude real que encarece a tarifa de todo mundo. E há um argumento de igualdade: uma máquina, mesmo imperfeita, pode ser menos arbitrária que a escolha de quem abordar baseada em impressão pessoal.

Quem critica tem argumentos igualmente concretos. O custo do erro é assimétrico: quem é parado por engano perde tempo, dignidade e às vezes liberdade, enquanto o operador não perde nada. A vigilância contínua muda comportamento de gente que não cometeu crime nenhum, o que afeta liberdade de reunião e de manifestação. Bancos biométricos são alvo permanente de vazamento, e rosto não se troca como senha. E há o problema do escopo: sistema comprado para procurar foragido é facilmente reapontado para outra finalidade sem nova discussão pública.

Minha posição, declarada como opinião: o ponto de equilíbrio não está entre proibir e liberar, e sim entre usos identificáveis e usos generalizados. Verificação consentida com finalidade específica é aceitável. Identificação em massa de quem não é suspeito de nada inverte a lógica de presunção de inocência, e deveria exigir lei específica, não edital.

Salvaguardas que fariam diferença real

  • Publicação periódica da taxa de alertas confirmados, não da acurácia de laboratório.
  • Limite explícito de retenção: descarte imediato da imagem de quem não gerou alerta.
  • Proibição de uso do banco para finalidade distinta da contratada, com sanção.
  • Avaliação de impacto anterior à implantação, com dados por grupo demográfico.
  • Canal simples de contestação e reparação para quem foi abordado por erro.
  • Vedação de decisão automatizada sem confirmação por prova independente antes de prisão.
  • Auditoria por terceiro com acesso a amostras reais, não apenas ao material do fornecedor.

Perguntas frequentes

Preciso consentir para ser filmado por câmera com reconhecimento facial na rua?

Em uso privado, a coleta de biometria exige base legal e transparência, e consentimento é uma das bases possíveis. Em uso estatal para segurança pública, a LGPD não se aplica e a regra ainda depende de lei específica que não existe.

O sistema guarda minha foto?

Depende da implantação. Muitos guardam o vetor matemático em vez da imagem, o que é melhor mas não é anonimização: o vetor identifica você tão bem quanto a foto e pode ser comparado com outras bases.

Maquiagem, óculos ou máscara enganam o sistema?

Óculos e máscara reduzem a taxa de acerto, mas sistemas recentes lidam melhor com oclusão parcial do que os de alguns anos atrás. Tentar burlar não é uma estratégia confiável, e em alguns contextos é infração.

Se me identificarem por engano, o que posso fazer?

Peça registro da ocorrência e do alerta gerado, guarde protocolos e procure a Defensoria Pública ou um advogado. Há base para responsabilização civil do órgão ou da empresa por dano decorrente de identificação equivocada.

Proibir a tecnologia é a solução?

É uma posição defensável para o caso específico de identificação em massa em espaço público. Proibir a verificação consentida derrubaria também usos que hoje funcionam bem, como prova de vida e acesso a serviços, e deslocaria o problema em vez de resolvê-lo.

Tecnologia de identificação não é boa nem ruim por natureza; ela é uma forma de distribuir custo de erro. Antes de perguntar se a câmera funciona, vale perguntar quem paga quando ela falha. No Brasil, hoje, a resposta é quase sempre a mesma pessoa que nunca foi consultada sobre instalá-la.

Compartilhar este texto
WhatsAppXLinkedInE-mail