Implementação de um Sistema de Reconhecimento Facial Multiusuário em Flutter

Autor: Pedro Conrad Junior
Data: Nov. 2025

Este artigo detalha a arquitetura e implementação de um sistema de reconhecimento facial multiusuário desenvolvido em Flutter. O projeto oferece a implementação de uma solução para autenticação biométrica local, operando offline e preservando a privacidade dos dados. Neste caso, é possível utilizar o mesmo dispositivo para autenticação de múltiplos usuários, com as biometrias armazenadas localmente.

Também é possível enviar as biometrias para um backend, facilitando a integração corporativa, nos casos em que se aplicar. Esta implementação consiste em enviar as embeddings para um backend, que pode ser um servidor local ou remoto.

Interface do Usuário

A interface foi projetada para ser simples e direta, permitindo o controle total da câmera e das ações de gerenciamento de usuários.

Wireframe da Interface

1. Visão Geral e Arquitetura

A aplicação segue o padrão MVC (Model-View-Controller) simplificado:

2. Gerenciamento de Estado e Câmera

O controle reside na classe FaceDetectController. A inicialização prepara o motor de reconhecimento e a câmera. Neste exemplo, o gerenciamento de estado da aplicação é feito utilizando ChangeNotifier.

// lib/app/face_detect_controller.dart

Future<void> initialize() async {
  // Inicializa o motor de reconhecimento facial
  await FaceVerification.instance.init();

  // Busca câmeras disponíveis
  cameras = await availableCameras();

  if (cameras.isEmpty) {
    setStatus(FaceStatus.error, message: "No cameras found");
    return;
  }

  // Configura o controlador da câmera
  _cameraController = CameraController(
    cameras[currentCamera],
    ResolutionPreset.medium,
    enableAudio: false,
  );

  await _cameraController!.initialize();
  notifyListeners();
}

Posteriormente é possível trocar de câmera ou pausar o mecanismo da câmera quando julgar necessário. Veja:

// lib/app/face_detect_controller.dart

Future<void> switchCamera() async {
  currentCamera = (currentCamera + 1) % cameras.length;
  await _cameraController!.dispose();
  await initialize();
}

Future<void> pauseCamera() async {
  await _cameraController!.dispose();
}

3. O Fluxo de Reconhecimento Facial

A seguir está descrito o fluxo de reconhecimento facial, que é composto por três etapas principais:

Registro de Usuário

O registro de um usuário envolve a captura de uma imagem da face do usuário, a extração de um embedding e o salvamento de forma segura. Este processo é feito pelo método registerFace.

Para capturar as imagens, o app utiliza a classe CameraController do pacote camera, que fornece uma interface para controlar a câmera do dispositivo. Posteriormente, o app utiliza a classe FaceVerification do pacote face_verification, que fornece uma interface para registrar a face do usuário passando a imagem capturada e registrando-a no motor de reconhecimento facial com o método registerFromImagePath. 

// lib/app/face_detect_controller.dart

Future<void> registerFace(String userId) async {
  try {
    setStatus(FaceStatus.processing, message: "Capturing...");

    final picture = await _cameraController!.takePicture();
    final imagePath = await _saveTempImage(picture);

    // Registra a face usando a biblioteca especializada
    await FaceVerification.instance.registerFromImagePath(
      id: userId,
      imagePath: imagePath,
      imageId: imageId,
    );

    // Recupera e persiste o embedding
    final faces = await FaceVerification.instance.getFacesForUser(userId);
    if (faces.isNotEmpty) {
      await storage.write(
        key: "embedding-$userId-$imageId",
        value: jsonEncode({ ... }),
      );
    }
    // ...
  } catch (e) {
    setStatus(FaceStatus.error, message: "Error: $e");
  }
}

Autenticação

A autenticação consiste na comparação de uma foto tirada no momento atual com os embeddings salvos.
O processo é feito pelo método authenticateScan, que compara os dados biométricos usando um limiar de similaridade previamente definido e customizável.

// lib/app/face_detect_controller.dart

Future<String?> authenticateScan() async {
  try {
    // ... captura imagem ...

    // Verifica a imagem contra os perfis registrados
    final matchId = await FaceVerification.instance.verifyFromImagePath(
      imagePath: imagePath,
      threshold: 0.65, // Limiar de aceitação <-- pode ser ajustado
    );

    return matchId; // Retorna o ID do usuário ou null, caso não encontre
  } catch (e) {
    return null;
  }
}

Revalidação Biométrica

O app também permite que um usuário adicione novas fotos. Para manter a segurança, o processo exige que o usuário se autentique primeiro, garantindo que seja o mesmo usuário que está adicionando a nova foto. Este processo é feito pelo método authenticateThenRegister.

// lib/app/face_detect_controller.dart

Future<void> authenticateThenRegister(String userId) async {
  // Primeiro, verifica se é realmente o usuário
  final match = await authenticateScan();

  if (match == userId) {
    setStatus(FaceStatus.done, message: "Authenticated! Adding new photo...");
    // Se confirmado, permite o novo registro
    await registerFace(userId);
  } else {
    setStatus(FaceStatus.error, message: "Authentication failed.");
  }
}

4. Segurança de Dados

Utilizamos o flutter_secure_storage para garantir que os dados biométricos (embeddings) sejam armazenados em áreas criptografadas do sistema operacional (Keystore/Keychain). Veja um exemplo, usando o flutter_secure_storage, carregado na variável storage: 

// lib/app/face_detect_controller.dart

Future<void> saveEmbedding(String userId, String imageId, String embedding) async {
  final storage = const FlutterSecureStorage();
  await storage.write(
    key: "embedding-$userId-$imageId",
    value: embedding,
  );
}

5. Sincronização (Opcional)

O sistema permite enviar os embeddings para um backend, facilitando a integração corporativa. Neste exemplo, o backend é um servidor HTTP fictício que envia todas as embeddings de uma vez.

Future<void> uploadEmbeddings() async {
  final all = await storage.readAll();
  // ... filtra e prepara dados ...

  final response = await http.post(
    url,
    body: jsonEncode({"embeddings": embeddings}),
  );
}

Conclusão

Esta implementação demonstra como criar um sistema de biometria seguro e eficiente em Flutter, combinando processamento local com uma arquitetura limpa e escalável. Ainda que o processo seja simples, ele pode ser facilmente adaptado e aperfeiçoado para atender às necessidades de uma aplicação corporativa.