PRODUÇÃO ACADÊMICA Repositório Acadêmico da Graduação (RAG) TCC Ciência da Computação
Use este identificador para citar ou linkar para este item: https://repositorio.pucgoias.edu.br/jspui/handle/123456789/10801
Registro completo de metadados
Campo DCValorIdioma
dc.creatorSudário, Higor Silvapt_BR
dc.date.accessioned2026-06-22T22:03:37Z-
dc.date.available2026-06-22T22:03:37Z-
dc.date.issued2026-06-10-
dc.identifier.urihttps://repositorio.pucgoias.edu.br/jspui/handle/123456789/10801-
dc.languageporpt_BR
dc.publisherPontifícia Universidade Católica de Goiáspt_BR
dc.rightsAcesso Abertopt_BR
dc.subjectIA, Reconhecimento Facialpt_BR
dc.titleReconhecimento facial: análise experimental de robustez e limites de confiabilidade de segurançapt_BR
dc.typeTrabalho de Conclusão de Cursopt_BR
dc.contributor.advisor1Martins, Rafael Lealpt_BR
dc.contributor.advisor1Latteshttp://lattes.cnpq.br/9792426862133439pt_BR
dc.contributor.referee1Abadia, Fernando Gonçalvespt_BR
dc.contributor.referee1Latteshttp://lattes.cnpq.br/3382052342707576pt_BR
dc.description.resumoA tecnologia de reconhecimento facial tornou-se onipresente em autenticação, vigilância e organização de mídias. Embora modelos de ponta, como FaceNet e ArcFace, alcancem excelente desempenho em bancos de dados bem controlados, seu uso em contextos reais ainda enfrenta duas fragilidades centrais: (i) sensibilidade às condições ambientais (iluminação, resolução, pose) e (ii) exposição a ataques de apresentação (fotos, vídeos, máscaras) e a mídias sintéticas (deepfakes). Este trabalho apresenta um estudo aplicado da robustez de um protótipo de reconhecimento facial sob três cenários de iluminação (ideal, baixa luz, e contraluz) e uma revisão técnica sobre limites de segurança e técnicas de detecção de ataques de apresentação (Presentation Attack Detection - PAD), também associadas à verificação de vivacidade. A avaliação empírica executada concentrou-se em acurácia rank-1 em regime fechado, taxa de detecção facial, falhas de detecção, erros de identidade e tempo de execução, comparando os pipelines dlib/face_recognition e ArcFace + RetinaFace. Também foi realizada uma avaliação exploratória de PAD ativo por desafio-resposta visual, com tentativas de fraude por foto e vídeo, sem reivindicar validação biométrica formal por APCER/BPCER. O estudo descreve como sistemas modernos podem detectar tentativas de fraude por meio de análise de textura, profundidade, sinais fisiológicos (rPPG), pistas fotoelétricas e inconsistências audiovisuais para deepfakes, indicando o estado da arte e seus limites.pt_BR
dc.publisher.countryBrasilpt_BR
dc.publisher.departmentEscola Politécnicapt_BR
dc.publisher.initialsPUC Goiáspt_BR
dc.subject.cnpqCNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO::SISTEMAS DE COMPUTACAOpt_BR
dc.degree.graduationCiências da Computaçãopt_BR
dc.degree.levelGraduaçãopt_BR
Aparece nas coleções:TCC Ciência da Computação

Arquivos associados a este item:
Arquivo TamanhoFormato 
TCC2_HIGOR_SILVA_SUDARIO_Verão -Final.pdf1,95 MBAdobe PDFVisualizar/Abrir
Mostrar registro simples do item Visualizar estatísticas


Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.

Ferramentas do administrador