Sistema de Controle de Acesso Facial

Sistema robusto de controle de acesso biométrico desenvolvido em Python, utilizando DeepFace para reconhecimento facial de alta precisão e NiceGUI para uma interface moderna e responsiva. O sistema suporta criptografia de dados sensíveis e detecção de vivacidade (Liveness) para prevenir fraudes.

---

Arquitetura do Sistema

O sistema segue uma arquitetura modular baseada em serviços e eventos. Abaixo estão os fluxos principais de funcionamento.

Visão Geral dos Componentes

graph TD
    A[Frontend UI - NiceGUI] <--> B[Services Layer]
    B <--> C[Inference Engine / IA]
    B <--> D[Database Manager]
    B <--> E[Camera Manager]
    C --> F[DeepFace Model]
    C --> G[Liveness Detector]
    D <--> H[(SQLite/Postgres DB)]
    D <--> I[Secret Key Encryption]

Loading

Fluxo de Reconhecimento Facial

Este fluxo ocorre em tempo real (loop da thread de inferência):

sequenceDiagram
    participant Cam as Camera Service
    participant Engine as Engine (IA)
    participant DeepFace as DeepFace Model
    participant RAM as Memoria (Embeddings)

    Cam->>Engine: Envia Frame
    Engine->>DeepFace: 1. Detecta Rosto
    alt Rosto Encontrado
        Engine->>Engine: 2. Verifica Liveness (Spoofing)
        alt Se Real
            Engine->>DeepFace: 3. Gera Vetor (Embedding)
            Engine->>RAM: 4. Busca Vetor Similar
            RAM-->>Engine: Retorna ID Usuario (Match)
            Engine-->>Cam: Acesso Liberado
        else Se Fake
            Engine-->>Cam: ALERTA DE FRAUDE
        end
    end

Loading

Fluxo de Cadastro e Criptografia

Como os dados são protegidos ao salvar um novo usuário:

flowchart LR
    User[Usuário UI] -->|Dados + Foto| Service[Cadastro Service]
    Service -->|Texto Puro| Encrypt[Módulo de Segurança]
    
    subgraph Criptografia
    Encrypt -->|Fernet| Cipher[Dados Cifrados]
    SecretKey[.env SECRET_KEY] --> Encrypt
    end
    
    Cipher --> DB[(Banco de Dados)]
    
    style SecretKey fill:#f96,stroke:#333
    style DB fill:#9cf,stroke:#333

Loading

---

Segurança e Criptografia

Todos os dados sensíveis (biometria, PINs e fotos) são criptografados antes de serem salvos no banco de dados.

• Algoritmo: Fernet (Simétrico) da biblioteca cryptography.
• Chave Secreta (SECRET_KEY):
  • Armazenada no arquivo .env.
  • Crítico: Se a chave for perdida, os dados no banco tornam-se irrecuperáveis.
  • Compartilhamento: Para acessar o mesmo banco de dados (ex: PostgreSQL) de múltiplos computadores, a mesma SECRET_KEY deve ser configurada em todos os clientes.
• Memória Volátil: O motor de IA descriptografa os embeddings apenas para a memória RAM durante a inicialização. Se a chave for alterada, o motor recarrega automaticamente para garantir consistência.

---

Estrutura de Diretórios

O projeto é organizado para facilitar a manutenção e escalabilidade:

Diretório	Descrição
src/	Código fonte principal da aplicação.
common/	Utilitários globais: Banco de dados, Config, Logger, Segurança (security.py), Temas.
features/	Módulos principais de lógica: inferencia (IA) e cadastro.
language/	Gerenciamento de internacionalização (languages.json).
pages/	Telas da interface: Login, Dashboard, Configurações, Setup.
public/	Arquivos estáticos (Imagens, Ícones).
services/	Gerenciadores de estado (Camera, DB, Engine).
build_scripts/	Scripts PowerShell para gerar executáveis e atalhos.
tests/	Testes unitários e scripts de verificação.

---

Como Executar

Pré-requisitos

• Python 3.10+
• Dependências listadas em requirements.txt

Ambiente de Desenvolvimento

1. Clone o repositório
2. Crie o ambiente virtual:

   python -m venv venv
   .\venv\Scripts\activate

3. Instale as dependências:

   pip install -r requirements.txt

4. Execute:

   python main.py

---

Executando (Modos de Uso)

O executável unificado (DeepFaceRec_Unified.exe) suporta diferentes modos de incialização via linha de comando:

1. Modo Padrão (Landing Page)

Abre a tela inicial com opções de navegação.

.\DeepFaceRec_Unified.exe

2. Gestão de Usuários (Dashboard)

Abre diretamente o painel administrativo.

.\DeepFaceRec_Unified.exe --ManageUsers

3. Reconhecimento Facial (Login)

Abre diretamente a tela de reconhecimento/login.

.\DeepFaceRec_Unified.exe --FaceRecognition

4. Serviço Oculto (Hidden Camera)

Monitoramento silencioso em background. A janela fica invisível e só aparece se detectar uma pessoa não autorizada.

.\DeepFaceRec_Unified.exe --HiddenCam

Configurações Extras do Serviço Oculto

Timeout (Auto-Kill) Fecha o aplicativo automaticamente após X segundos.

.\DeepFaceRec_Unified.exe --HiddenCam --timeout 60

Regra de Segurança (3 Strikes) No modo --HiddenCam:

• Se uma pessoa não autorizada (ou desconhecida) for detectada 3 vezes consecutivas, a tela de ALERTA VERMELHO ("ACESSO NEGADO") abre em Tela Cheia.
• Se um Administrador for detectado, o contador zera e a tela se esconde novamente.

5. Modo CLI (Command Line Interface)

O aplicativo suporta execução via terminal para integração com outros sistemas (ex: LabVIEW).

Argumentos:

• --CheckAccess: Inicia em modo de verificação de acesso, imprimindo o status no terminal.
• --CloseAfter: Fecha o aplicativo automaticamente após um acesso permitido.
• --timeout <segundos>: Define um tempo limite para fechar o aplicativo.

Saída no Terminal:

• Acesso Permitido: {access allowed, Nome do Usuário, Nível de Acesso}
• Acesso Negado: {access denied}

Exemplo de uso (LabVIEW):

.\FaceRecon-V0.exe --CheckAccess --CloseAfter

---

Gerando Executáveis (Build)

Pré-requisitos

• Python 3.10+ com ambiente virtual configurado.
• Inno Setup 6 (Necessário para gerar o instalador .exe).
  • Download: jrsoftware.org

Como Gerar o Instalador

Para gerar o instalador completo (recomendado para distribuição):

1. Abra o terminal na raiz do projeto.
2. Execute o script unificado:

   .\build_scripts\windows\build_unified.ps1

Saída:

• O instalador estará em: dist/FaceRecon_Setup.exe
• A pasta da aplicação (portátil) estará em: dist/FaceRecon-V0/

---

Configurações Avançadas

Todas as configurações de IA e Banco de Dados podem ser alteradas diretamente na interface em Configurações > Banco de Dados ou Configurações > Reconhecimento.

• Verify Similarity: Impede que a foto de um usuário seja substituída por uma foto muito diferente, prevenindo erros de cadastro.
• Liveness Check: Analisa micro-expressões e variações de textura para diferenciar uma foto real de uma tela/papel (Spoofing).

---

© 2026 Fundação Certi - Todos os direitos reservados.