Entenda FAR, FRR, FMR, FNMR e EER em biometria, como o threshold altera segurança e usabilidade e como especificar e testar desempenho em controle de acesso.
Confira!
FAR, FRR e EER são métricas usadas para avaliar o comportamento de sistemas biométricos diante de dois erros opostos: aceitar uma pessoa que não deveria ser aceita e rejeitar uma pessoa legítima. Elas não devem ser lidas como números isolados de catálogo. Em um projeto de controle de acesso, o resultado depende da modalidade biométrica, do algoritmo, da qualidade da captura, da população, do ambiente, do tamanho da base, do modo 1:1 ou 1:N e, principalmente, do threshold adotado para transformar um score de similaridade em decisão.
A decisão de engenharia é sempre um compromisso entre segurança e usabilidade. Reduzir a probabilidade de falsa aceitação geralmente aumenta a probabilidade de falsa rejeição; relaxar o threshold para diminuir filas e recusas pode elevar o risco de aceitar impostores. O objetivo, portanto, não é perseguir o menor FAR ou o menor FRR de forma independente, mas estabelecer um ponto operacional compatível com o risco do acesso e comprová-lo em condições representativas do ambiente real.
FAR, FRR e EER medem erros diferentes
Em biometria, a comparação produz um score de similaridade entre uma amostra apresentada e uma referência biométrica. Esse score é comparado com um threshold. Dependendo de qual lado do limiar o resultado estiver, o sistema declara correspondência ou não correspondência.
O guia completo sobre controle de acesso trata a biometria como parte da arquitetura do sistema; as métricas de desempenho detalhadas aqui são a camada quantitativa necessária para especificar e aceitar essa função.
| Métrica | Erro representado | Impacto típico |
| FAR / FMR | impostor aceito como legítimo | risco de segurança |
| FRR / FNMR | usuário legítimo rejeitado | impacto operacional e de usabilidade |
| EER | ponto em que as duas taxas se igualam | comparação resumida de desempenho |
A terminologia varia conforme a fonte e o contexto. NIST usa com frequência false match rate (FMR) e false non-match rate (FNMR) para descrever o desempenho do comparador. Em documentos comerciais, FAR e FRR são muito comuns. Para projeto, o essencial é deixar claro exatamente qual taxa está sendo especificada, como foi medida e em qual cenário.
FAR representa a aceitação indevida
False Acceptance Rate é a taxa de tentativas de impostores ou comparações não genuínas que o sistema declara como correspondentes. Em controle de acesso, esse é normalmente o erro mais associado à violação do objetivo de segurança: uma pessoa sem a identidade autorizada obtém um resultado biométrico positivo.
Uma taxa pequena não significa risco nulo. Se a aplicação realiza poucas comparações por dia, um determinado nível pode parecer suficiente; em uma base grande ou em um ponto de alto fluxo, o número acumulado de comparações e a consequência de uma aceitação indevida mudam a avaliação. Além disso, FAR medido com tentativas de impostor passivas não representa, por si só, resistência a ataques deliberados de apresentação.
FAR não é a mesma coisa que ataque de spoofing
Um falso match estatístico ocorre quando duas amostras diferentes recebem score acima do threshold. Um ataque de apresentação procura enganar o sensor ou o processo de captura com artefato, reprodução, máscara, impressão, dedo artificial ou outro meio. O primeiro é um fenômeno de comparação; o segundo é uma ameaça adversarial.
Por isso, um sistema pode exibir excelente FAR em um teste de comparação e ainda ser vulnerável a presentation attacks. O artigo específico sobre liveness e anti-spoofing trata essa camada separadamente.
FRR representa a rejeição indevida de um usuário legítimo
False Rejection Rate é a taxa de tentativas genuínas que o sistema rejeita. Para o usuário, é o caso clássico de apresentar a própria impressão digital ou face e receber uma negativa mesmo estando devidamente cadastrado.
FRR elevado produz fila, repetição de tentativas, aumento do tempo de passagem, acionamento de operadores e criação de exceções. Em ambientes corporativos, um problema recorrente de falsa rejeição pode levar a práticas inseguras, como liberação manual frequente, compartilhamento de credenciais alternativas ou neutralização de controles.
A falsa rejeição não decorre apenas do algoritmo. Qualidade de cadastro, posicionamento do dedo ou rosto, iluminação, umidade, desgaste de impressão digital, equipamentos de proteção individual, envelhecimento do template, câmera, distância, movimento e condições ambientais podem alterar o resultado.
EER é um ponto de comparação, não um ponto obrigatório de operação
Equal Error Rate é o ponto no qual as taxas de falso match e falso non-match se igualam. Ele é útil para comparar algoritmos ou configurações sob uma mesma metodologia porque resume a relação entre dois tipos de erro em um único ponto.
Entretanto, o sistema real raramente deve ser operado exatamente no EER. Um data center, uma sala de cofres ou uma área crítica pode exigir threshold mais conservador contra falsa aceitação, aceitando maior probabilidade de rejeição legítima. Já um ambiente de alto fluxo e menor criticidade pode admitir outro equilíbrio, desde que o risco tenha sido formalmente analisado.
O EER é, portanto, indicador de desempenho relativo. O ponto operacional deve nascer do requisito de segurança, e não do cruzamento matemático por conveniência.
O threshold transforma score em decisão
O comparador biométrico não costuma produzir simplesmente “igual” ou “diferente”. Ele produz um score. O threshold é o limite que transforma esse score em decisão operacional.
Se o threshold é elevado para exigir maior similaridade, tende-se a reduzir falsos matches e aumentar falsos non-matches. Se é reduzido, ocorre o movimento inverso. Isso explica por que promessas isoladas de “99,9% de precisão” são insuficientes: sem threshold, população, cenário e definição da métrica, o percentual não descreve adequadamente o desempenho.
Threshold biométrico é parâmetro de engenharia: deve nascer do risco do acesso, da população e do comportamento operacional esperado — não de um valor padrão de fábrica.
FAR e FRR formam uma curva de compromisso
Quando o threshold é percorrido ao longo de vários valores, surgem diferentes pares de FMR/FNMR. Essa relação pode ser representada por ROC, DET ou outras curvas de desempenho. A leitura correta permite selecionar um ponto de operação de acordo com o risco.
Em termos de engenharia, não basta perguntar “qual é a precisão?”. É necessário perguntar:
- qual o FMR/FAR no threshold proposto;
- qual o FNMR/FRR no mesmo threshold;
- qual o conjunto de dados usado no ensaio;
- qual o tamanho da galeria e da população;
- quais condições de captura foram utilizadas;
- quais grupos demográficos participaram;
- se a medição foi de algoritmo ou de sistema completo;
- se os resultados são de 1:1 ou 1:N.
Essas perguntas mudam a contratação de uma solução biométrica de comparação de brochure para especificação verificável.
FMR e FNMR são preferíveis quando a metodologia precisa ser rigorosa
Em normas e avaliações técnicas, a terminologia FMR/FNMR ajuda a separar o desempenho do comparador da taxa de transações completas. Dependendo do procedimento, uma tentativa pode falhar antes da comparação por problemas de captura, qualidade ou aquisição.
Em projeto de controle de acesso, essa distinção é útil. Uma rejeição na porta pode resultar de falha de detecção da face, baixa qualidade da amostra, impossibilidade de aquisição da impressão digital, ausência de template, perda de comunicação, política de acesso ou false non-match do algoritmo. Tratar todos esses casos como FRR esconde a origem do problema.
O critério de aceite deve separar desempenho biométrico do matcher de taxa de sucesso da transação ponta a ponta.
Qualidade da amostra altera o desempenho
A biometria compara representações extraídas de amostras físicas. Se a captura contém poucos detalhes discriminantes, ruído ou distorção, as distribuições de scores genuínos e impostores tendem a se aproximar e o compromisso entre os erros piora.
Na impressão digital, qualidade pode ser afetada por dedo seco ou úmido, abrasão, sujeira, pressão, posição e condição do sensor. No reconhecimento facial, iluminação, pose, expressão, distância, foco, movimento, resolução, obstruções e geometria da câmera são variáveis relevantes.
O Radar Tecnológico da ANPD reforça que algoritmos biométricos são passíveis de erro e que precisão depende do método, da tecnologia e da população. Essa advertência é diretamente aplicável ao projeto: um resultado de laboratório não pode ser transplantado automaticamente para qualquer ambiente.
Enrollment ruim contamina todas as comparações posteriores
O template de referência nasce do processo de enrollment. Se o cadastro foi realizado com amostra inadequada, baixa qualidade ou procedimento inconsistente, cada autenticação futura herda esse problema.
Por isso, projeto biométrico deve especificar o processo de cadastro, e não somente o terminal. É necessário definir quem pode cadastrar, quantas amostras são obtidas, como a qualidade é verificada, como exceções são tratadas, como templates são protegidos e como ocorre recadastro quando o desempenho degrada.
O enrollment deve ser considerado uma etapa de comissionamento contínuo da identidade. Usuários não são simplesmente “importados” para uma base; suas referências biométricas precisam ser adequadas ao nível de desempenho esperado.
1:1 e 1:N mudam o problema estatístico
Na verificação 1:1, a amostra é comparada contra uma referência associada a uma identidade alegada. Na identificação 1:N, a amostra é comparada contra uma galeria de muitos registros para descobrir qual identidade apresenta a melhor correspondência.
Quanto maior a galeria, maior a quantidade de comparações realizadas por busca e mais importante se torna avaliar o risco de falso positivo de identificação. Por isso, métricas de 1:1 não devem ser copiadas diretamente para especificar um mecanismo 1:N.
A diferença entre verificação e identificação será aprofundada no artigo específico do cluster, porque ela afeta arquitetura, desempenho, privacidade, latência e governança.
A população do teste precisa representar a população real
Métricas biométricas dependem de quem foi testado. Uma amostra pequena, pouco diversa ou diferente do público real pode gerar estimativa otimista. Idade, características físicas, condições de trabalho, tonalidade de pele, uso de EPI e outras variáveis podem afetar o comportamento de determinadas modalidades.
NIST recomenda avaliar desempenho e impactos demográficos em condições substancialmente similares ao ambiente operacional e à base de usuários. A ANPD também aponta riscos de erro, vieses e efeitos discriminatórios.
Isso implica que o projeto deve exigir evidência suficientemente representativa e, quando necessário, piloto ou teste local. O valor do fabricante pode ser referência, mas não substitui a validação na população de interesse.
Segurança e experiência do usuário são acopladas
Um threshold extremamente restritivo pode parecer seguro no papel, mas criar tantas rejeições que a operação passa a contornar o sistema. Segurança efetiva considera o comportamento que o controle induz.
Se usuários legítimos precisam repetir três ou quatro vezes a autenticação, filas crescem. Em uma portaria, o operador pode começar a liberar manualmente. Em uma eclusa, o tempo de ciclo aumenta. Em área industrial, luvas ou condições de trabalho podem tornar uma modalidade impraticável.
O correto é estabelecer segurança mínima e depois otimizar usabilidade dentro desse limite. Não é aceitável reduzir o threshold apenas até “parar de reclamar” sem medir o impacto sobre FMR/FAR.
O impacto de um falso match depende do ativo protegido
FMR não possui significado completo sem consequência. Um false match em acesso a uma área comum de escritório não tem o mesmo efeito de uma aceitação indevida em sala de servidores, centro de controle, laboratório, arquivo sigiloso ou área de processo.
Uma matriz de risco pode relacionar consequência, exposição e exigência de autenticação. Em pontos de maior criticidade, biometria pode ser combinada com outro fator, regras de duas pessoas, zonas de segurança, VMS e supervisão.
O projeto de controle de acesso deve traduzir essa análise em requisito mensurável de desempenho e em método de teste.
MFA reduz dependência de uma única decisão biométrica
Biometria pode operar como único fator ou em conjunto com cartão, PIN ou credencial móvel. Quando o risco exige maior confiança, uma arquitetura multifator reduz a dependência de uma única comparação probabilística.
MFA, porém, não “corrige” automaticamente um matcher ruim. Um FRR elevado continua afetando a operação; um processo de cadastro inadequado continua gerando falhas. O segundo fator deve ser parte de uma arquitetura coerente, não uma desculpa para ignorar desempenho biométrico.
Também é necessário definir ordem dos fatores, timeout, exceções, contingência e comportamento offline.
Ambiente de captura precisa fazer parte da especificação
A especificação deve incluir condições de iluminação, distância, altura, posição, proteção física, temperatura, umidade e exposição quando elas afetarem a modalidade escolhida.
Para reconhecimento facial, a posição da câmera e o controle de contraluz podem ser mais determinantes do que uma pequena diferença nominal entre algoritmos. Para impressão digital, a ergonomia do sensor e o perfil de uso da população podem dominar a experiência.
Critério de projeto não deve ser “terminal facial com FAR X”. Deve ser “sistema capaz de atingir o requisito de comparação e de transação nas condições operacionais definidas”.
Tempo de comparação também é requisito
Desempenho não é apenas erro. Em aplicações de alto fluxo, o tempo entre apresentação, comparação, decisão e liberação influencia capacidade e formação de filas. Em 1:N, o tamanho da base e a infraestrutura de processamento podem aumentar latência.
O projeto deve especificar percentis de tempo de resposta ou limites de latência em condições de carga representativas. Médias escondem picos; por isso, um sistema que responde rapidamente em laboratório pode degradar quando milhares de usuários estão cadastrados e várias portas operam simultaneamente.
Segurança, acurácia e desempenho temporal precisam ser testados juntos.
Disponibilidade da rede muda o modo de comparação
Terminais podem executar comparação local ou depender de servidor. Em modo offline, a base disponível, os thresholds e as regras precisam permanecer coerentes. Uma arquitetura que muda silenciosamente de algoritmo ou de base em contingência pode apresentar comportamento diferente justamente durante uma falha.
A especificação deve definir onde o template reside, onde a comparação ocorre, como políticas são sincronizadas e o que acontece quando comunicação é perdida. O mesmo vale para atualização de firmware ou algoritmo: uma mudança pode alterar scores e exigir nova validação.
Atualização de algoritmo pode mudar o ponto operacional
Um upgrade de firmware ou software biométrico pode substituir algoritmo, modelo de IA, normalização ou pré-processamento. Mesmo que a interface permaneça igual, a distribuição de scores pode mudar.
Por isso, parâmetros de threshold não devem ser tratados como valor eterno. Gestão de mudanças precisa registrar versão, configuração, justificativa e resultado de reteste. Se a atualização altera significativamente o matcher, o sistema deve ser revalidado contra os requisitos originais.
Essa disciplina é especialmente relevante em sistemas enterprise com múltiplos sites, onde atualização parcial pode criar comportamento inconsistente entre portas.
Indicadores operacionais complementam ensaios de laboratório
Depois da entrada em operação, métricas reais ajudam a detectar degradação. Taxa de tentativas repetidas, recusas por usuário, falhas por terminal, horário, modalidade e motivo podem revelar problemas de ambiente ou enrollment.
Entretanto, logs operacionais não devem ser interpretados diretamente como FAR, porque não se sabe quantas tentativas foram impostoras e quais foram genuínas. Eles são indicadores de transação e experiência, úteis para diagnóstico e manutenção.
Uma governança madura separa métricas de benchmark, métricas de aceite e métricas de operação.
Como transformar FAR e FRR em requisito de projeto
Uma especificação robusta deve evitar percentuais sem contexto. O requisito deve declarar ao menos modalidade, modo de comparação, população, tamanho da galeria quando aplicável, threshold, condição de teste e métrica de aceitação.
| Campo | Exemplo de requisito técnico |
| Modalidade | face, digital, íris ou multimodal |
| Modo | verificação 1:1 ou identificação 1:N |
| Métrica | FMR/FAR e FNMR/FRR no mesmo threshold |
| População | perfil compatível com usuários reais |
| Ambiente | iluminação, distância e condições definidas |
| Base | tamanho representativo da operação |
| Latência | limite medido sob carga |
| Evidência | relatório de ensaio + logs de FAT/SAT |
Não é necessário copiar thresholds de uma referência externa para todas as aplicações. NIST, por exemplo, estabelece valores para seus próprios contextos de identidade digital; eles são úteis como referência metodológica, não como substituto automático da análise de risco do controle de acesso físico.
FAT deve testar o comportamento lógico do matcher
No FAT, o objetivo é verificar configuração, threshold, perfis, integrações e cenários controlados antes da instalação definitiva. Devem ser testadas amostras genuínas, tentativas não correspondentes, mudanças de parâmetros, bloqueios, timeout e integração com a decisão de acesso.
O FAT também é oportunidade para registrar versão do algoritmo, firmware, template e política. Sem essa baseline, um problema futuro pode ser atribuído ao hardware quando na verdade nasceu de mudança de configuração.
SAT precisa reproduzir o ambiente real
No SAT, usuários reais ou representativos devem testar o sistema no local definitivo. Iluminação, altura, fluxo, distância, ergonomia, ruído e condições de trabalho precisam ser semelhantes às de operação.
O comissionamento de sistemas de controle de acesso conforme a IEC 60839 fornece a estrutura geral de verificação. Para biometria, o plano de teste deve acrescentar métricas de captura, comparação e transação.
É particularmente importante registrar falsos non-matches observados, necessidade de repetição e causas aparentes. O objetivo não é “provar que funciona”, mas descobrir em quais condições deixa de funcionar.
O aceite de biometria precisa comprovar desempenho no ambiente real, com população, base, iluminação, carga e parâmetros representativos da operação.
Critérios de aceite não devem depender de demonstração comercial
Uma demonstração com poucos usuários previamente cadastrados em condições controladas tem valor limitado. O aceite deve usar roteiro, amostra, população, base, parâmetros e evidências definidos antes do teste.
O fornecedor deve informar qual métrica apresenta e como chegou ao número. Expressões como “precisão de 99,99%” ou “taxa de reconhecimento superior a 99%” não bastam se não houver definição de falso match, falso non-match, threshold e protocolo.
Engenharia independente protege o contratante contra comparação de números incomparáveis.
Biometria é dado pessoal sensível
O tratamento de templates, imagens e demais dados biométricos deve considerar a LGPD. A ANPD destaca dados biométricos como dados pessoais sensíveis e chama atenção para finalidade, necessidade, segurança, compartilhamento, transparência e riscos de erro.
O requisito de desempenho não elimina a obrigação de governança. Ao contrário: quanto maior a escala da base e o impacto de decisões automatizadas, mais importante é documentar finalidade, acesso, retenção e controles de segurança.
O artigo Biometria e Reconhecimento Facial: riscos, LGPD e boas práticas aprofunda essa dimensão jurídica e de governança.
Quando biometria integra identidade, software, rede e decisão física, o projeto deve tratar desempenho, proteção de dados e integração como uma única arquitetura verificável.
Métricas demográficas precisam entrar na avaliação
Uma taxa global pode esconder comportamento desigual entre grupos. Se um sistema possui FNMR significativamente pior para parte da população, o efeito operacional e potencialmente discriminatório pode ser relevante mesmo quando a média parece adequada.
NIST inclui avaliação de impacto demográfico em requisitos atuais de identidade digital. Para controle de acesso, a lição metodológica é clara: sempre que a modalidade ou o contexto justificar, a amostra de teste deve permitir verificar se o desempenho não está concentrando erro sobre um grupo específico.
Isso não significa alterar threshold por grupo; significa exigir algoritmo e processo que funcionem adequadamente na população real.
EER não substitui ROC ou DET
Dois algoritmos podem ter EER semelhante e comportamentos diferentes na região de baixo FMR que interessa a uma aplicação de alta segurança. Portanto, comparar apenas EER pode ocultar a parte relevante da curva.
Quando a consequência de false match é elevada, deve-se avaliar FNMR no FMR-alvo, ou o inverso. Esse ponto operacional é mais útil do que um único número de equilíbrio.
Erros de aquisição precisam ser separados de erros de comparação
Se a câmera não detecta uma face, o sensor não captura a impressão ou a qualidade fica abaixo do mínimo, não houve necessariamente um false non-match do matcher. Houve falha de aquisição ou de qualidade.
Separar as categorias permite atuar corretamente. Melhorar algoritmo não resolve sensor mal instalado; reduzir threshold não corrige iluminação; recadastrar não resolve latência de rede.
Em contratos, a matriz de teste deve registrar causa técnica do resultado e não apenas “aprovado/reprovado”.
A disponibilidade de alternativa também influencia o threshold
Em alguns ambientes, uma falsa rejeição pode ser resolvida por segunda tentativa ou fator alternativo com baixo impacto. Em outros, cada falha exige intervenção de segurança ou paralisa operação. Essa diferença influencia o compromisso aceitável entre FMR e FNMR.
A arquitetura pode prever fallback controlado: credencial física + PIN, validação por operador, dupla autenticação ou procedimento de exceção. O fallback deve ser tão governado quanto o fluxo principal para não se tornar o caminho mais fraco do sistema.
O tamanho da base deve aparecer no projeto
Em 1:N, a galeria operacional é variável de projeto. Ensaiar com 1.000 registros e operar com 100.000 pode alterar latência e probabilidade de falso positivo de identificação. A base de teste deve ser representativa do tamanho previsto.
Quando o crescimento é relevante, o projeto deve prever marcos de capacidade e revalidação. Isso vale tanto para terminais com matching local quanto para servidores centralizados.
Não existe uma única “taxa de precisão” universal
A pergunta “qual a precisão da biometria?” é incompleta. Existem diferentes modalidades, algoritmos, thresholds, populações, condições de captura e tipos de comparação. Um mesmo sistema pode apresentar excelente desempenho em 1:1 e comportamento distinto em busca 1:N de grande escala.
A especificação correta fala em métricas definidas, condições definidas e critérios de teste reproduzíveis. Esse é o caminho para comparar propostas tecnicamente e aceitar o sistema com rastreabilidade.
Checklist para especificar desempenho biométrico
- definir o caso de uso e o ativo protegido;
- escolher a modalidade adequada ao ambiente e à população;
- declarar se a operação é 1:1 ou 1:N;
- especificar FMR/FAR e FNMR/FRR no mesmo threshold;
- usar EER apenas como indicador comparativo, quando aplicável;
- registrar qualidade mínima de enrollment e de captura;
- definir tamanho da galeria e carga de teste;
- testar condições ambientais representativas;
- verificar comportamento por grupos relevantes da população;
- separar falhas de aquisição, comparação e política;
- definir fallback e tratamento de exceções;
- registrar versão de algoritmo, firmware e configuração;
- realizar FAT e SAT com roteiro aprovado;
- manter indicadores operacionais e gestão de mudanças.
Considerações finais
FAR, FRR e EER só ganham significado quando associados a threshold, população, modalidade, escala e contexto operacional. Em engenharia de controle de acesso, o erro não é uma característica abstrata do algoritmo: ele se transforma em risco de intrusão, fila, bypass, custo operacional e experiência do usuário.
O projeto deve substituir percentuais genéricos por requisitos verificáveis. A lógica é simples: definir o risco, selecionar o ponto operacional, comprovar desempenho em cenário representativo e manter rastreabilidade sempre que algoritmo, ambiente ou população mudar.
Referências técnicas
[1] NIST. NISTIR 7298 Revision 1 — Glossary of Key Information Security Terms. Definições de False Acceptance Rate e False Rejection Rate. Disponível em: https://nvlpubs.nist.gov/nistpubs/Legacy/IR/nistir7298r1.pdf
[2] NIST. A Tale of Two Errors: Measuring Biometric Algorithms. Gaithersburg: National Institute of Standards and Technology. Disponível em: https://www.nist.gov/blogs/taking-measure/tale-two-errors-measuring-biometric-algorithms
[3] NIST. Digital Identity Guidelines — SP 800-63B. Biometric Accuracy. Disponível em: https://pages.nist.gov/800-63-4/sp800-63b.html
[4] ANPD. Radar Tecnológico nº 2: Biometria e Reconhecimento Facial. Brasília, 2024. Disponível em: https://www.gov.br/anpd/pt-br/centrais-de-conteudo/documentos-tecnicos-orientativos/radar-tecnologico-biometria-anpd.pdf/@@display-file/file
[5] SUPREMA. Curso de Controle de Acesso e Biometria. Material técnico de treinamento consultado na base interna A3A Engenharia.
Perguntas frequentes
FAR/FMR mede a aceitação indevida de uma comparação não genuína; FRR/FNMR mede a rejeição indevida de uma comparação genuína. Alterar o threshold normalmente desloca o compromisso entre as duas taxas.
Não isoladamente. Reduzir FAR pode aumentar FRR e tornar a operação impraticável. O ponto adequado depende do risco, do ambiente, da população e do modo de comparação.
É o ponto em que as taxas de falso match e falso non-match se igualam. Serve como indicador comparativo, mas não significa que o sistema deva operar nesse threshold.
Não. FAR/FMR mede falso match em comparações. Ataques de apresentação são avaliados por mecanismos e métricas de PAD/liveness, tratados separadamente.
Não. Qualidade de captura, população, iluminação, ergonomia, tamanho da base e condições operacionais podem alterar o desempenho. O projeto deve prever validação representativa em FAT e SAT.
Materiais técnicos complementares
Conteúdos principais sobre o tema
Conteúdos técnicos correlatos
- Biometria e Reconhecimento Facial: Riscos, LGPD e Boas Práticas para uso Responsável
- Catraca com reconhecimento facial: fluxo, biometria e critérios de projeto
