Sistema de reconhecimento facial da polícia da Bahia identificou e resultou na detenção do empresário Sérgio Nahas, após integração entre câmeras, leitura de placas e o banco nacional de mandados. Entenda como a tecnologia atuou na captura. 🕵️‍♂️🧵

Imagem indisponível

O fluxo: câmeras públicas e privadas capturam imagens; módulos de leitura de placas (LPR) extraem veículos; o sistema cruza rostos e placas com o banco nacional de mandados e gera alertas em tempo real para as equipes no campo.

Arquitetura típica: câmeras IP + software de LPR + modelo de reconhecimento facial baseado em IA + base de mandados centralizada. O sistema classifica correspondências por probabilidade e envia sinal para verificação humana antes da abordagem.

Imagem indisponível

Benefício concreto: agilidade na localização de foragidos e otimização de recursos policiais. Risco: dependência de algoritmos que podem ter vieses ou taxas de falsos positivos — por isso a checagem humana é crucial.

Questões regulatórias: uso massivo exige transparência, auditoria independente e salvaguardas de privacidade. Sem isso, há risco de vigilância desproporcional e concentração de poder em poucos fornecedores ou órgãos.

Imagem indisponível

Limitações técnicas: qualidade de imagem, ângulo, iluminação, cobertura do banco de mandados e similaridade entre rostos afetam precisão. Leitura de placas também falha com sujeira, ângulo ruim ou iluminação ruim — dados importam.

Reflexão final: a tecnologia mostrou eficiência operacional no caso, mas sua expansão precisa caminhar com políticas públicas, fiscalização e proteção de direitos para evitar erros e abusos. Um equilíbrio entre segurança e garantias civis é essencial.

Imagem indisponível