DISCUSSÃO SOBRE RECONHECIMENTO FACIAL EM LARGA ESCALA UTILIZANDO REDES NEURAIS PROFUNDAS NO SISTEMA SADE – PMPR
Resumo
Este artigo apresenta um estudo metodológico e experimental sobre o uso de técnicas de reconhecimento facial baseadas em aprendizado profundo em um cenário hipotético inspirado em sistemas institucionais de segurança pública, com foco na possível integração de um módulo biométrico ao SADE (Sistema de Atendimento e Despacho de Emergências) da Polícia Militar do Paraná como ferramenta de apoio à decisão. Em contraste com abordagens orientadas à implantação imediata, o estudo busca examinar criticamente a viabilidade técnica, os limites operacionais e as implicações éticas, jurídicas e organizacionais associadas ao emprego dessa tecnologia em contextos sensíveis. Os resultados mostram que o sistema desenvolvido foi capaz de organizar um espaço de embeddings faciais com poder discriminativo consistente, indicando que o desempenho nas tarefas de identificação depende diretamente da quantidade e da diversidade de imagens disponíveis por identidade na galeria. Nas avaliações de verificação, observou-se que configurações de segurança mais restritivas reduzem a ocorrência de falsos positivos, mas aumentam as taxas de rejeição de indivíduos genuínos. Esse resultado reforça que métricas agregadas de acurácia, quando consideradas isoladamente, não são suficientes para validar o uso da tecnologia em aplicações policiais. Com base nos resultados, entende-se que uma eventual integração ao SADE deve ser concebida como um serviço probabilístico de triagem, sempre submetido à supervisão humana, à auditabilidade dos processos, à governança institucional e à proteção dos direitos fundamentais.
Biografia do Autor
Tecnóloga em Inteligência Artificial, Universidade Cruzeiro do Sul, São Paulo-SP, Brasil. Quadro de Praças da Polícia Militar do Estado Paraná, Cornélio Procópio, Paraná, Brasil.
Referências
ALMEIDA, Lucas A.; SILVA, Renata M.; COSTA, Henrique P. Reconhecimento facial, segurança pública e direitos fundamentais: desafios éticos e jurídicos. Revista de Ciências Criminais Contemporâneas, São Paulo, v. 8, n. 2, p. 45–63, 2021.
BRANDNER, Tobias. Facial recognition technologies: opportunities, risks and ethical implications. AI & Society, London, v. 38, n. 1, p. 125–138, 2023 DOI: https://doi.org/10.1007/s00146-022-01465-9
BRASIL. Lei nº 13.675, de 11 de junho de 2018. Institui o Sistema Único de Segurança Pública (Susp) e cria a Política Nacional de Segurança Pública e Defesa Social (PNSPDS). Brasília, DF: Presidência da República, 2018. Disponível em: https://www.planalto.gov.br/ccivil_03/_ato2015-2018/2018/lei/L13675.htm Acesso em: 1 mar. 2026.
BRASIL. Lei nº 13.709, de 14 de agosto de 2018. Dispõe sobre a proteção de dados pessoais e altera a Lei nº 12.965, de 23 de abril de 2014 (Marco Civil da Internet). Brasília, DF: Presidência da República, 2018. Disponível em: https://www.planalto.gov.br/ccivil_03/_ato2015-2018/2018/lei/l13709.htm Acesso em: 1 mar. 2026.
BUOLAMWINI, Joy; GEBRU, Timnit. Gender Shades: intersectional accuracy disparities in commercial gender classification. In: CONFERENCE ON FAIRNESS, ACCOUNTABILITY AND TRANSPARENCY, 2018, New York. Proceedings [...] New York: PMLR, 2018. p. 77–91.
CAO, Qiong; SHEN, Li; XIE, Weidi; PARKHI, Omkar M.; ZISSERMAN, Andrew. VGGFace2: a dataset for recognising faces across pose and age. In: IEEE INTERNATIONAL CONFERENCE ON AUTOMATIC FACE & GESTURE RECOGNITION, 2018, Xi’an, China. Proceedings [...] [S. l.]: IEEE, 2018. p. 67–74.
CENTER ON PRIVACY & TECHNOLOGY. Garbage in, garbage out: face recognition on flawed data. Washington, DC: Georgetown University Law Center, 2019. Disponível em: https://www.law.georgetown.edu/privacy-technology-center/publications/garbage-in-garbage-out-face-recognition-on-flawed-data/ Acesso em: 29 jan. 2026.
CRAWFORD, Kate. Atlas of AI: power, politics, and the planetary costs of artificial intelligence. New Haven: Yale University Press, 2021.
DENG, Jiankang; GUO, Jia; XUE, Niannan; ZAFEIRIOU, Stefanos. ArcFace: additive angular margin loss for deep face recognition. In: IEEE/CVF CONFERENCE ON COMPUTER VISION AND PATTERN RECOGNITION, 2019, Long Beach, CA. Proceedings [...] [S. l.]: IEEE, 2019. p. 4690–4699.
DONEDA, Danilo et al. Proteção de dados pessoais: a função e os limites do consentimento. Rio de Janeiro: Forense, 2019.
EUROPEAN UNION AGENCY FOR FUNDAMENTAL RIGHTS. Facial recognition technology: fundamental rights considerations in the context of law enforcement. Luxembourg: Publications Office of the European Union, 2019. Disponível em: https://fra.europa.eu/en/publication/2019/facial-recognition-technology-fundamental-rights-considerations-context-law Acesso em: 17 fev. 2026.
GARVIE, Clare; BEDOYA, Alvaro; FRANKLE, Jonathan. The perpetual line-up: unregulated police face recognition in America. Washington, DC: Georgetown Law Center on Privacy & Technology, 2016.
GROTHER, Patrick; NGAN, Mei; HANAOKA, Kayee. Face recognition vendor test (FRVT): demographic effects. Gaithersburg, MD: National Institute of Standards and Technology, 2019 DOI: https://doi.org/10.6028/NIST.IR.8280
INTRONA, Lucas D.; WOOD, David. Picturing algorithmic surveillance: the politics of facial recognition systems. Surveillance & Society, London, v. 2, n. 2/3, p. 177–198, 2004 DOI: https://doi.org/10.24908/ss.v2i2/3.3373
JAIN, Anil K.; ROSS, Arun; PRABHAKAR, Salil. An introduction to biometric recognition. IEEE Transactions on Circuits and Systems for Video Technology, New York, v. 14, n. 1, p. 4–20, 2004 DOI: https://doi.org/10.1109/TCSVT.2003.818349
KISHORE, Saritha et al. Evaluation of Deep Learning Methods in Face Recognition: datasets, metrics, and results. International Journal on Science and Technology (IJSAT), v. 16, n. 4, out./dez. 2025. Disponível em: https://www.ijsat.org/papers/2025/4/9116.pdf Acesso em: 17 fev. 2026 DOI: https://doi.org/10.71097/IJSAT.v16.i4.9087
MIN, J.; FLYNN, P.; BOWYER, K. W. Using multiple gallery and probe images per person to improve performance of face recognition. In: IEEE COMPUTER SOCIETY CONFERENCE ON COMPUTER VISION AND PATTERN RECOGNITION WORKSHOPS, 2003, Washington, DC. Proceedings [...] Washington, DC: IEEE, 2003. p. 25 DOI: https://doi.org/10.1109/CVPRW.2003.10033
MIRANDA, João Vitor Arnas de; LIMA, Luis Henrique de. O uso de tecnologias como forma de melhorar a eficiência na segurança pública: um quadro comparativo na PMPR pré e pós implementação do sistema de atendimento e despacho de emergências (SADE). Revista Científica de Alto Impacto, v. 27, n. 127, out. 2023. Disponível em: https://revistaft.com.br/o-uso-de-tecnologias-como-forma-de-melhorar-a-eficiencia-na-seguranca-publica-um-quadro-comparativo-na-pmpr-pre-e-pos-implementacao-do-sistema-de-atendimento-e-despacho-de-emergencias-sade/ Acesso em: 17 fev. 2026 DOI: https://doi.org/10.5281/zenodo.8433291
PARKHI, Omkar M.; VEDALDI, Andrea; ZISSERMAN, Andrew. Deep face recognition. In: BRITISH MACHINE VISION CONFERENCE, 2015, Swansea, UK. Proceedings [...] Durham: BMVA Press, 2015. p. 41.1–41.12 DOI: https://doi.org/10.5244/C.29.41
RAPOSO, Vera Lúcia. When facial recognition does not ‘recognise’: erroneous identifications and resulting liabilities. AI & Society, v. 39, p. 1857–1869, 2024 DOI: https://doi.org/10.1007/s00146-023-01634-z
SANTOS, Thiago Federovicz Mendes dos. A implantação do sistema de atendimento e despacho de emergências via mobile no 10º batalhão da Polícia Militar do Paraná. Brazilian Journal of Development, Curitiba, v. 9, n. 3, p. 11214–11241, 2023 DOI: https://doi.org/10.34117/bjdv9n3-153
SCHEIRER, Walter J.; JAIN, Lalit P.; BOULT, Terrance E. Probability models for open set recognition. IEEE Transactions on Pattern Analysis and Machine Intelligence, New York, v. 36, n. 11, p. 2317–2324, 2014 DOI: https://doi.org/10.1109/TPAMI.2014.2321392
SCHROFF, Florian; KALENICHENKO, Dmitry; PHILBIN, James. FaceNet: a unified embedding for face recognition and clustering. In: IEEE CONFERENCE ON COMPUTER VISION AND PATTERN RECOGNITION, 2015, Boston, MA. Proceedings [...] [S. l.]: IEEE, 2015. p. 815–823 DOI: https://doi.org/10.1109/CVPR.2015.7298682
SU, Yiyang; KIM, Minchul; LIU, Feng; JAIN, Anil; LIU, Xiaoming. Open-Set Biometrics: Beyond Good Closed-Set Models. arXiv, [cs.CV], 2024. Disponível em: https://arxiv.org/abs/2407.16133 Acesso em: 17 fev. 2026.
TAIGMAN, Yaniv; YANG, Ming; RANZATO, Marc’Aurelio; WOLF, Lior. DeepFace: closing the gap to human-level performance in face verification. In: IEEE CONFERENCE ON COMPUTER VISION AND PATTERN RECOGNITION, 2014, Columbus, OH. Proceedings [...] [S. l.]: IEEE, 2014. p. 1701–1708.
THORAT, S. B.; NAYAK, S. K.; DANDALE, Jyoti P. Facial recognition technology: an analysis with scope in India. International Journal of Computer Science and Information Security, v. 8, n. 1, 2010. Disponível em: https://arxiv.org/abs/1005.4263 Acesso em: 17 fev. 2026.
WANG, Xukang; WU, Ying Cheng; ZHOU, Mengjie; FU, Hongpeng. Beyond surveillance: privacy, ethics, and regulations in face recognition technology. Frontiers in Big Data, Lausanne, v. 7, art. 1337465, 2024. Disponível em: https://www.frontiersin.org/journals/big-data/articles/10.3389/fdata.2024.1337465/full Acesso em: 29 jan. 2026 DOI: https://doi.org/10.3389/fdata.2024.1337465
WASHINGTON POST. Arrested by AI: police ignore standards after facial recognition matches. Washington, DC, 2025. Disponível em: https://www.washingtonpost.com/business/interactive/2025/police-artificial-intelligence-facial-recognition/ Acesso em: 29 jan. 2026.
Licença
Copyright (c) 2026 RECIMA21 - Revista Científica Multidisciplinar - ISSN 2675-6218
Este trabalho está licenciado sob uma licença Creative Commons Attribution 4.0 International License.
Os direitos autorais dos artigos/resenhas/TCCs publicados pertecem à revista RECIMA21, e seguem o padrão Creative Commons (CC BY 4.0), permitindo a cópia ou reprodução, desde que cite a fonte e respeite os direitos dos autores e contenham menção aos mesmos nos créditos. Toda e qualquer obra publicada na revista, seu conteúdo é de responsabilidade dos autores, cabendo a RECIMA21 apenas ser o veículo de divulgação, seguindo os padrões nacionais e internacionais de publicação.