Liveness, Face Matching, verificações de Coleção

Este artigo descreve os principais tipos de análises que o software da Oz executa.

• Liveness verifica se uma pessoa em uma mídia é um ser humano real.

• Face Matching examina duas ou mais mídias para identificar semelhanças entre os rostos nelas retratados.

• COLLECTION busca semelhanças entre um indivíduo presente em uma mídia e indivíduos em um banco de dados fotográfico pré-existente.

Essas análises estão disponíveis na Oz API para os modelos SaaS e On-Premise. Liveness e Face Matching também são oferecidos no modelo On-Device. Visite esta página para saber mais sobre os modelos de uso.

Liveness

Liveness protege contra dois tipos de ataques:

Um ataque de apresentação, também conhecido como ataque de spoofing, refere-se à tentativa de um indivíduo de enganar um sistema de reconhecimento facial ao apresentar à câmera um vídeo, foto ou qualquer outro tipo de mídia que mimetize a aparência de um usuário legítimo. Esses ataques podem incluir o uso de máscaras realistas ou maquiagem.

Um ataque de injeção é uma tentativa de enganar um sistema de reconhecimento facial substituindo a entrada física da câmera por uma imagem ou vídeo pré-gravado, manipulando a saída física da câmera antes que ela se torne entrada para um reconhecimento facial, ou injetando algum código malicioso. O software de câmera virtual é a ferramenta mais comum para ataques de injeção.

Oz Liveness é capaz de detectar ambos os tipos de ataques. Qualquer componente pode detectar ataques de apresentação e, para detecção de ataques de injeção, use o Oz Liveness SDK. Para saber como usar os componentes Oz para prevenir ataques, consulte nossos guias de início rápido de integração:

• Como integrar o Liveness baseado em servidor à sua aplicação web,

• Como integrar o Liveness baseado em servidor à sua aplicação móvel,

• Como verificar sua mídia quanto ao Liveness sem o front-end da Oz.

Quando a verificação de Liveness for concluída, você poderá consultar os resultados da análise qualitativa e quantitativa.

Visão geral dos resultados

Resultados qualitativos

• SUCCESS – tudo correu bem, a análise foi concluída com sucesso;

• DECLINED – a verificação falhou (um ataque foi detectado).

Se a análise ainda não tiver sido concluída, o resultado pode ser PROCESSING (a análise está em andamento) / FAILED (a análise falhou devido a algum erro e não pôde ser concluída).

Se você analisou várias mídias, o status agregado será SUCCESS somente se cada análise em cada mídia tiver sido concluída com o resultado SUCCESS.

Resultados quantitativos

• 100% (1) – um ataque é detectado, a pessoa no vídeo não é uma pessoa viva real,

• 0% (0) – a pessoa no vídeo é uma pessoa viva real.

Pedir aos usuários que executem um gesto, como sorrir ou virar a cabeça, é um requisito comum ao gravar um vídeo de Liveness. Com o Oz Liveness Mobile e o Web SDK, também é possível solicitar gestos dos usuários. No entanto, nossa verificação de Liveness se baseia em outros fatores, analisados por redes neurais, e não depende de gestos. Para mais detalhes, consulte Liveness passivo e ativo.

A verificação de Liveness também pode retornar a melhor captura de um vídeo: um frame de melhor qualidade em que o rosto é visto da melhor forma.

Face Matching

O algoritmo BIOMETRY permite comparar várias mídias e verificar se as pessoas nelas são a mesma pessoa. Como fontes, você pode usar imagens, vídeos e digitalizações de documentos (com foto). Para realizar a análise, o algoritmo requer pelo menos duas mídias.

Visão geral dos resultados

Resultados qualitativos

• SUCCESS – tudo correu bem, a análise foi concluída com sucesso;

• DECLINED – a verificação falhou (os rostos não correspondem).

Se a análise ainda não tiver sido concluída, o resultado pode ser PROCESSING (a análise está em andamento) / FAILED (a análise falhou devido a algum erro e não pôde ser concluída).

Resultados quantitativos

Após a comparação, o algoritmo fornece números que representam o nível de similaridade. Os números variam de 100 a 0% (1 a 0), em que:

• 100% (1) – os rostos são semelhantes, as mídias representam a mesma pessoa,

• 0% (0) – os rostos não são semelhantes e pertencem a pessoas diferentes

Há duas pontuações a considerar: a mínima e a máxima. Se você analisou duas mídias, essas pontuações serão iguais. Para três ou mais mídias, a pontuação de similaridade é calculada para cada par. Depois de calculadas, essas pontuações são agregadas e a análise retorna as pontuações mínima e máxima de similaridade das mídias comparadas. Normalmente, a pontuação mínima é suficiente.

Para saber como integrar o Face Matching, consulte os guias de início rápido de integração.

COLLECTION

Na Oz API, você pode configurar uma ou mais coleções de rostos. Essas coleções são bancos de dados de pessoas retratadas em fotos. Quando a análise COLLECTION está sendo conduzida, o software Oz compara o rosto em uma foto ou vídeo capturado com os rostos desse banco de dados predefinido e mostra se um rosto existe em uma COLLECTION.

Visão geral dos resultados

Resultados qualitativos

• SUCCESS – tudo correu bem, a análise foi concluída com sucesso;

• DECLINED – a verificação falhou (os rostos correspondem).

Se a análise ainda não tiver sido concluída, o resultado pode ser PROCESSING (a análise está em andamento) / FAILED (a análise falhou devido a algum erro e não pôde ser concluída).

Resultados quantitativos

Após a comparação, o algoritmo fornece uma pontuação que representa o nível de similaridade. O número varia de 100 a 0% (1 a 0), em que:

• 100% (1) – a pessoa em uma imagem ou vídeo corresponde a alguém em seu banco de dados,

• 0% (0) – a pessoa não é encontrada na coleção.

Para informações adicionais, consulte este artigo.