Já faz um tempo que as senhas e padrões para acessos têm perdido lugar. Isso porque, as autenticações de identidade digital estão ganhando o caminho para atender a dois anseios dos consumidores: segurança e praticidade.

E o que pode ser mais seguro do que características intrínsecas, únicas e dificilmente copiadas? Assim, as características biométricas têm focado no que "o usuário é" e não no que "ele tem". Primeiro, foi visível o uso geral de biometria digital. Mas com a necessidade de isolamento e um mundo cada vez mais moderno, e com pressa, o reconhecimento facial é a tendência do momento.

No entanto, ainda paira o questionamento sobre os pontos de segurança e assertividade. O que deve, de fato, ser considerado por qualquer empresa que deseja desenvolver soluções com reconhecimento facial.

Pensando nisso, a empresa Gryfo desenvolveu um benchmarking com as principais métricas em biometria facial, elencando conceitos e exemplos desses pontos que podem comprometer as taxas de sucesso dessa tecnologia.

Entendendo o crescimento

A solução inclui diversas tarefas, realizando a identificação através do aprendizado de máquina, inteligência artificial e visão computacional. Essas características têm proporcionado soluções assertivas, modernas e capazes de aumentar a competitividade.

Em consequência, a procura por plataformas de reconhecimento facial só cresce. Uma !link pesquisa feita pela Juniper Research mostrou que pelo menos 1,4 bilhão de pessoas utilizarão o sistema de biometria facial até 2025. A projeção é ainda maior para os anos seguintes.

As métricas

Com o crescimento da tecnologia também surgem as necessidades de entender seus principais pontos. Para o benchmarking de reconhecimento facial, a Gryfo considerou as seguintes métricas:

Confiança: a confiança diz respeito à probabilidade de que o reconhecimento facial esteja correto;

Cobertura: indica o alcance do reconhecimento facial. Se refere a quantidade de rostos que foram reconhecidos e quantidade dos que não foram;

Erro: revela a taxa de erro na amostragem, tendo ligação com os resultados de "falso positivo" e "falso negativo";

Precisão: mede a taxa de acerto do sistema de reconhecimento facial, determinando que quanto maior for a taxa de precisão menor serão os falsos resultados.

A partir dessas métricas, foi feito um comparativo entre empresas durante 18 dias, dedicando uma parte para o levantamento de dados da empresa chamada de A1, outra parte para a A2 e uma outra parcela para a Gryfo.

O conjunto de dados foi utilizado em duas categorias. A primeira para a análise em um viés racial/étnico. O segundo foi com caráter interno, em uma empresa no município de São Carlos/SP.

A preparação da base de dados para o benchmarking de reconhecimento facial contou com a análise de plataformas diferentes de três distintas organizações: A Gryfo, e outras duas gigantes do setor, líderes de mercado, as quais foram analisadas em 3 cenários de forma imparcial:

1 - Reconhecimento 1-N, todos cadastrados;

2 - Reconhecimento 1-N, parcialmente cadastrado;

3 - Teste de cobertura.

Resultados

No benchmarking, o modelo da Gryfo foi o único que apresentou resultados satisfatórios, independente do cenário submetido. Por sua vez, o A1 teve um desempenho inferior no cenário de precisão para público parcialmente cadastrado. E cada uma das duas versões do A2 também apresentaram falhas nos demais cenários.

A pesquisa funciona como uma ótima ferramenta para entender como analisar soluções inovadoras, antes de levá-las até o negócio. Para estabelecer tais critérios e entender melhor, como escolher plataformas de qualidade, a empresa disponibilizou o estudo completo no link.