Sistemas de acesso seguros usando reconhecimento facial id3 com Prova de Vida (Liveness)
Setores como transporte, edifícios inteligentes e casas inteligentes enfrentam uma necessidade crescente de controle de acesso seguro e em tempo real para evitar fraudes de identidade e garantir uma entrada confiável. No entanto, os sistemas tradicionais de reconhecimento facial cliente-servidor geralmente apresentam alta latência e dependem de conectividade de rede contínua. Para superar esses desafios, a id3 Technologies recorreu à IA de ponta para fornecer uma solução mais rápida e resiliente.
Aproveitando do poderoso micro controlador STM32N6, com o acelerador Neural-ART, a solução integrada da id3 oferece reconhecimento facial local ultrarrápido, sem dependência de conexão nas nuvens. Detecção Liveness com o sensor Time-of-Flight (ToF) integrado, o sistema resiste a tentativas de falsificação, fornecendo verificação instantânea e com eficiência energética, mesmo em condições de iluminação variadas.
Abordagem
As limitações das soluções existentes inspiraram uma nova abordagem usando modelos leves de reconhecimento facial executado diretamente em micro controladores STM32. Essa inovação permite autenticação biométrica em tempo real e com foco na privacidade, sem depender de serviços em nuvem ou aceleradores externos. Opcionalmente, isso pode vir com um aplicativo móvel que moderniza a integração do usuário, fornecendo registro facial intuitivo e transmissão segura de recursos biométricos para o dispositivo incorporado.
A solução de controle de acesso da id3 carrega os dados simultaneamente de um sensor RGB de alta faixa dinâmica (HDR) e um sensor 8×8 multizona Time-of-Fligt (ToF). A fusão de sensores é processada localmente pelo STM32N6 executando o MicroFace SDK, que detecta, verifica rapidamente a atividade e extrai recursos biométricos para correspondência com bancos de dados de identidade locais, tudo no dispositivo.
Essa abordagem usando IA de ponta e detecção ToF oferece várias vantagens importantes:
• Baixa latência: o MicroFace SDK detecta rostos em 8 ms e extrai as características em 20 ms.
• Processamento local: funciona sem servidores, reduzindo custos e aumentando a segurança dos dados.
• Segurança: a detecção liveness interrompe tentativas falsas em 60 ms. O ToF oferece proteção mais forte do que os métodos 2D, mesmo com pouca iluminação, evitando roubo de identidade.
• Baixo consumo: funciona continuamente com baixo consumo de energia, prolongando a vida útil do dispositivo através de modelos de IA otimizados.
Visão geral do aplicativo
O MicroFace SDK usa dados combinados RGB e ToF com processamento neural avançado para fornecer o reconhecimento facial e a detecção de liveness rápida, seguros e precisos no dispositivo.
1 – O processo inicia-se com aquisição simultânea de dados multimodais. Um sensor RGB captura imagens de alta qualidade em diversas condições de iluminação, enquanto um sensor ToF fornece um mapa de profundidade 8×8 para representação espacial 3D precisa. Ambos os fluxos de dados alimenta a plataforma embarcada STM32N6.
2 – O Microface SDK aplica detecção facial baseada em aprendizagem profunda para localizar rostos na imagem RGB. Paralelamente, seu módulo de detecção liveness analisa o mapa de profundidade ToF em busca de inconsistências, refletividade e micro movimentos para distinção de usuários vivos et de tentativas de falsificação (fotos, vídeos, máscaras), melhorando a robustez sob iluminação desafiadora.
3 – Depois que o liveness é verificado, o SDK extrai recursos biométricos usando CNNs quantizados. Essas redes geram template faciais compactas e discriminativas, que são comparadas com um banco de dados de modelos inscritos no dispositivo.
4 –Para atender aos requisitos em tempo real dentro das restrições embarcadas, os cálculos neurais são transferidos para a unidade de processamento neural (NPU) do STM32N6. Otimizado para operações de matriz paralela, o NPU acelera a detecção, incorporação e análise de atividade com baixa latência e alta eficiência energética.
5 – Por fim, o Microface SDK gera o resultado do reconhecimento (correspondência válida, identidade não verificada ou fraude detectada) por meio da interface homem-máquina (HMI), garantindo um reconhecimento facial seguro e responsivo no dispositivo.
| Sensor Sensor de imagem RGB: Sony IMX335, 5,04 M pixels, alta faixa dinâmica (HDR) Sensor Time-of-Flight (ToF): ST VL53L5CX, sensor de telemetria multizona 8×8. Este sensor melhora significativamente a detecção liveness e o desempenho em condições difíceis de iluminação. |
| Conjunto de dados: • O algoritmo de reconhecimento facial da id3 Technologies é o resultado de mais de 25 anos de inovação contínua. Ele foi treinado e validado em um conjunto diversificado de milhões de imagens, garantindo desempenho robusto em uma ampla variedade de tons de pele, etnias e características faciais. Para verificar isso, o algoritmo (id3_008) foi submetido e avaliado pelo Instituto Nacional de Padrões e Tecnologia (NIST) Avaliação de Tecnologia de Reconhecimento Facial (FRTE). Modelo: • SDK MicroFace: FaceDetector4B, FaceEncoder9B e FacePAD4A (id3) • Parâmetros treináveis: 5.201.000 • MACC: 6,02E+8 • Máximo de rostos inscritos: 1.000 (mas é ajustável) |
| Resultados Detecção de rosto: 8 ms Detecção de vida (PAD): 60 ms Extração de características faciais: 20 ms Correspondência facial (1.000 usuários): 4,5 ms SRAM: <0,8 MB (Biblioteca MicroFace) Demo: 0,34 MB (Demo)FLASH: 8 MB (Demo + Biblioteca) |
Autor: Lucas L’HUILLIER (id3 Technologies) | Última atualização: setembro de 2025