Sistema de Atenticação (FaceShield)

Abstract

A ciência de reconhecimento facial é uma área que vem sendo cada vez mais presente em diversas áreas. Isto deve-se essencialmente ao facto de reproduzir uma capacidade natural do ser humano. Implementou-se uma aplicação de autenticação fácil que utiliza Flutter no front-end, Google ML Kit, TFLite e FaceNet para a deteção e reconhecimento facial. A base de dados da aplicação é gerida pela Firebase. O Flutter é uma framework de desenvolvimento de aplicações móveis que permite criar interfaces para aplicações atraentes e responsivas. O Google ML Kit é um conjunto de ferramentas de machine learning fornecido pela Google, que é essencialmente usado para tarefas como reconhecimento de imagem e deteção de rosto. TFLite é uma biblioteca de machine learning para dispositivos móveis que permite executar modelos de machine learning treinados nos mesmos. O FaceNet é um modelo de machine learning que pode ser usado para reconhecimento facial. Ao combinarmos estas ferramentas, foi possível criar uma aplicação que permitirá aos utilizadores se autenticarem facilmente através de reconhecimento facial. O Firebase é utilizado como uma gestão de base de dados para armazenar informações dos usuários e outras informações que foram consideradas relevantes. Em resumo, o projeto de desenvolvimento de uma aplicação de reconhecimento facial utiliza várias tecnologias que quando usadas em harmonia permite aos utilizadores terem uma experiência simples, com a segurança e a facilidade de uso oferecidas pelo uso de ferramentas como Flutter, Google ML Kit, TFLite e FaceNet, além de ter o suporte e escalabilidade oferecidos pelo Firebase como base de dados. Palavras-chave: Flutter, Reconhecimento Facial, FaceNet, Machine Learning.