POLÍCIA MILITAR DE ALAGOAS

DIRETORIA DE ENSINO
ACADEMIA DE POLÍCIA MILITAR SENADOR ARNON DE MELLO

CARLOS ROBERTO DOS SANTOS SILVA

INTELIGÊNCIA ARTIFICIAL: SUGESTÃO DO USO DE DETECÇÃO E

RECONHECIMENTO FACIAIS NA SEGURANÇA PÚBLICA DO ESTADO DE
ALAGOAS

Maceió
2024
 CARLOS ROBERTO DOS SANTOS SILVA

INTELIGÊNCIA ARTIFICIAL: SUGESTÃO DO USO DE DETECÇÃO E

RECONHECIMENTO FACIAIS NA SEGURANÇA PÚBLICA DO ESTADO DE
ALAGOAS

Trabalho de Conclusão de Curso apresentado

à Academia de Polícia Militar Senador Arnon
de Melo, como requisito obrigatório para a
conclusão do Curso de Aperfeiçoamento de
Oficiais.
Orientador: Raumário Jerônimo dos Santos –
TC QOC PM.

Maceió
2024
 CARLOS ROBERTO DOS SANTOS SILVA

INTELIGÊNCIA ARTIFICIAL: SUGESTÃO DO USO DE DETECÇÃO E

RECONHECIMENTO FACIAIS NA SEGURANÇA PÚBLICA DO ESTADO DE
ALAGOAS

Trabalho de Conclusão de Curso apresentado

à Academia de Polícia Militar Senador Arnon
de Mello como requisito obrigatório para
conclusão do Curso de Aperfeiçoamento de
Oficiais da Polícia Militar do Estado de
Alagoas.
Orientador: Raumário Jerônimo dos Santos –
TC QOC PM.

Artigo Científico apresentado e aprovado em: _____/_____/ 2024.

____________________________________________
Prof. Me. Valdick Sales Júnior
Instrutor da disciplina de Metodologia da Pesquisa e do TCC

BANCA EXAMINADORA

__________________________________________
Examinador Interno

__________________________________________
Examinador Externo

Maceió
2024
 INTELIGÊNCIA ARTIFICIAL: SUGESTÃO DO USO DE DETECÇÃO E
RECONHECIMENTO FACIAIS NA SEGURANÇA PÚBLICA DO ESTADO DE
ALAGOAS

Carlos Roberto dos Santos Silva1

carlos.silva@pm.al.gov.br
Raumário Jerônimo dos Santos 2
raumariosantos@gmail.com

RESUMO

Aprimorar as operações de segurança pública e defesa social no Estado de Alagoas

através do uso de recursos tecnológicos baseados em inteligência artificial e visão
computacional. As tecnologias envolvidas incluem a detecção e reconhecimento
faciais, que analisam as características faciais únicas das pessoas para identificá-las
e rastreá-las. A implementação dessas tecnologias tem como objetivo melhorar a
vigilância em espaços públicos, auxiliar na identificação de suspeitos em tempo real,
identificar placas de veículos e acelerar investigações criminais. O uso da detecção e
reconhecimento facial oferece benefícios potenciais, como a rápida resolução de
crimes e o aumento da segurança. No entanto, também suscita preocupações
legítimas, especialmente relacionadas à privacidade. A coleta e o armazenamento de
dados faciais de cidadãos podem representar uma ameaça à privacidade individual e
gerar debates éticos. É crucial que a implementação da detecção e reconhecimento
facial seja acompanhada por regulamentações e políticas rigorosas para garantir a
proteção dos direitos individuais. O uso da detecção e reconhecimento facial na
segurança pública de Alagoas representa uma evolução tecnológica significativa, mas
também requer um equilíbrio cuidadoso entre os benefícios operacionais e as
preocupações éticas e de privacidade para garantir que seja usado de forma ética e
responsável.

Palavras-chave: inteligência artificial; visão computacional, detecção facial;

reconhecimento facial; policiamento; regulamentação.

1 Autor. Capitão da Polícia Militar de Alagoas, do Quadro de Oficiais Combatentes.

2 Orientador. Tenente Coronel da Polícia Militar de Alagoas, do Quadro de Oficiais Combatentes.
 SUMÁRIO
1 INTRODUÇÃO ......................................................................................................... 4
2 OBJETIVOS ............................................................................................................. 5
2.1 Objetivo Geral ....................................................................................................... 5
2.2 Objetivos Específicos ............................................................................................ 5
3 FUNDAMENTAÇÃO TEÓRICA ............................................................................... 6
3.1 Conceitos Importantes........................................................................................... 6
3.2 Inteligência Artificial (IA) ........................................................................................ 6
3.3 Visão Computacional (VC) .................................................................................... 8
3.3.1 Detecção Facial (DF) ..................................................................................... 9
3.3.2 Reconhecimento Facial (RF)........................................................................ 10
3.3.3 Detecção e Rastreamento de Objetos ......................................................... 10
3.3.4 Optical Character Recognition (OCR) .......................................................... 11
3.3.5 Machine Learning (ML) ................................................................................ 13
3.3.6 Neural Networks (NN) .................................................................................. 13
3.3.7 Convolutional Neural Networks (CNNs) ....................................................... 14
3.2 Segurança Pública .............................................................................................. 15
3.3 Lei Geral de Proteção de Dados e o Decreto/AL no 91.229 de 18/05/2023 ........ 16
3.4 Delimitação do Tema e Problema de Pesquisa................................................... 16
3.5 Justificativa .......................................................................................................... 19
4 DETECÇÃO E RECONHECIMENTO NO BRASIL E NO MUNDO ........................ 20
4.1 Os Casos de Usos .............................................................................................. 20
4.1.1 Videomonitoramento na China ..................................................................... 20
4.1.2 O desenvolvimento da Detecção e Reconhecimento Faciais no MIT .......... 21
4.1.3 O Uso da IA nas Seguranças Públicas do Brasil ......................................... 24
4.1.4 Sugestões para Segurança Pública de Alagoas .......................................... 26
5 PERCURSO METODOLOGIA ............................................................................... 26
6 ANÁLISE DOS RESULTADOS ............................................................................. 27
7 CONSIDERAÇÕES FINAIS ................................................................................... 28
REFERÊNCIAS......................................................................................................... 30
ANEXO A .................................................................................................................. 34
ANEXO B .................................................................................................................. 35
ANEXO C .................................................................................................................. 36
 4

1 INTRODUÇÃO

O uso da Inteligência Artificial (IA) na detecção e reconhecimento facial tem

revolucionado a segurança pública, proporcionando avanços significativos na
identificação de pessoas e na prevenção de crimes. Entretanto, esse progresso
tecnológico também levanta questões importantes relacionadas à privacidade e
proteção de dados pessoais, especialmente à luz da Lei Geral de Proteção de Dados
conhecida como à LGPD3 no contexto brasileiro (Brasil, 2018).
Vale salientar que a Segurança Pública é um dos pilares fundamentais para o
funcionamento saudável e próspero de qualquer sociedade, e ainda está no bojo da
dos fundamentos da Declaração Universal dos Direitos Humanos (ONU, 1948).
No art. 144 da Constituição Federal de 1988, o texto relata que a segurança
pública, dever do Estado, direito e responsabilidade de todos, é exercida para a
preservação da ordem pública e da segurança e proteção das pessoas e do
patrimônio, através dos seguintes órgãos: Polícia federal; Polícia rodoviária federal;
Polícia ferroviária federal; Polícias civis; Polícias militares e corpos de bombeiros
militares (Farias, 2023).
Esses órgãos são os potenciais usuários da tecnologia de reconhecimento
facial no âmbito da segurança pública. O progressivo uso das tecnologias da
informação e comunicação (TCIs), e o grande avanço no desenvolvimento da
Inteligência Artificial tem proporcionado uma crescente conectividade com a captação
de grande quantidade de dados em vários formatos, desenvolvimento de aplicativos.
e sistemas de tratamento desses dados e criação de padrões de identificação,
viabilizando maior controle social, tanto no âmbito privado quanto no público, sobre os
indivíduos inseridos na sociedade (Araújo; Cardoso; De Paula, 2021)
E através desta captação de dados pelas ferramentas de IA, e muitos dados
referentes às características individuais de cada pessoa, após a sua coleta e
armazenamento, precisam de um tratamento para se tornarem algoritmos,
possibilitando o refinamento das buscas e a comparação de resultados para encontrar
um indivíduo específico, e é à inteligência artificial (IA) que se atribui esse papel. Tais
dados referentes às características individuais de cada pessoa, após a sua coleta e
armazenamento, precisam de um tratamento para se tornarem algoritmos,

3 LGPD é a sigla de Lei Geral de Proteção de dados, Lei nº 13.709/2018 (Brasil, 2018),.
 5

possibilitando o refinamento das buscas e a comparação de resultados para encontrar

um indivíduo específico, e é à inteligência artificial (IA) que se atribui esse papel.
No entanto, é fundamental considerar as implicações da LGPD (Brasil, 2018),
que estabelece diretrizes rígidas para a coleta, armazenamento e uso de dados
pessoais.
Assim, a coleta e o processamento de dados biométricos, como imagens
faciais, devem estar em conformidade com os princípios e normas estabelecidos por
essa legislação. Em nosso estado temos o decreto no 91.229 de 18 de maio de 2023,
que dispões normas sobre a aplicação da LGPD, no Estado de Alagoas (Alagoas,
2023).
Nosso objetivo é concatenar os conhecimentos de IA e suas ferramentas
principais, adquiridos através de pesquisas e casos de uso; analisar sua viabilidade
para o uso na SSPAL, tudo isso em conformidade com as leis que regulam o uso de
dados com base nessas tecnologias.

2 OBJETIVOS

2.1 Objetivo Geral

Analisar e sugerir o uso de detecção e reconhecimento facial na segurança

pública do Estado de Alagoas, identificando seus impactos na eficácia das ações
policiais e na salvaguarda dos direitos individuais dos cidadãos.

2.2 Objetivos Específicos

 Estudar e Investigar os avanços tecnológicos recentes em detecção e

reconhecimento facial no Brasil e no mundo. E sugerir meios de aplicá-los à
segurança pública em Alagoas.
 Pesquisar e analisar às TCIs usadas na detecção e reconhecimentos faciais.
 Avaliar os benefícios obtidos com a utilização de inteligência artificial e suas
ferramentas no combate ao crime no estado.
 Identificar os desafios éticos, legais e técnicos relacionados ao uso de detecção
e reconhecimento facial.
 Analisar o quadro legal e regulatório que orienta o emprego dessa tecnologia
em Alagoas.
 6

3 FUNDAMENTAÇÃO TEÓRICA

3.1 Conceitos Importantes

Este trabalho tem como fundamentação teórica e conceitual, as pesquisas e

estudos nos livros, artigos científicos e diversos materiais disponíveis, para que,
possamos nortear o conhecimento sobre a Inteligência Artificial (IA), e o uso em
detecção e reconhecimento faciais, que possam ajudar no uso e na sugestão dessas
tecnologias na Secretaria de Segurança Pública de Alagoas.
Vale salientar que, muitos conceitos estão dentro da área da Visão
Computacional. E que dentro desta vasta área da VC existem três subáreas que se
destacam e são muito utilizadas em aplicações comerciais e no setor público,
principalmente no da Segurança Pública que são: a detecção de faces, o
reconhecimento facial e a detecção de objetos (Granatyr, 2023).
A primeira está relacionada a encontrar faces em imagens e exemplos desta
técnica podem ser encontrados nas câmeras digitais que inserem um retângulo em
volta da face para enquadrar a pessoa (Granatyr, 2023).
A segunda tem o objetivo de identificar quais são as pessoas que estão em
uma foto, tendo como exemplo os sistemas de segurança que identificam se uma
determinada pessoa está ou não presente em um ambiente (Granatyr, 2023).
Por fim, a detecção de objetos visa encontrar objetos personalizados em
imagens e atualmente essa técnica é muito utilizada em carros autônomos, os quais
precisam identificar pedestres e outros veículos para evitar colisões, bem como
reconhecer placas de trânsito para seguir uma direção segura (Granatyr, 2023).

3.2 Inteligência Artificial (IA)

A expressão “Inteligência Artificial” foi criada por John McCarthy, em 1956,

quando a caracterizou como sendo a engenharia de criar máquinas inteligentes
através de processos de engenharia específicos (Spicer, 2007).
Para Russell, Norvig e Davis (2013) Inteligência Artificial é um campo
multidisciplinar da Ciência da Computação que se concentra no desenvolvimento de
sistemas e algoritmos capazes de realizar tarefas que normalmente exigiriam
inteligência humana. Ela inclui subáreas como aprendizado de máquina, visão
computacional e processamento de linguagem natural.
 7

No contexto atual da IA, a maior preocupação é com as regulamentações e nos

últimos dias do mês de outubro de 2023, o presidente dos Estados Unidos, Joe Biden
assinou um decreto sobre inteligência artificial, o qual busca equilibrar as
necessidades de empresas de tecnologia de ponta com a segurança nacional e os
direitos dos consumidores. O governo estadunidense almeja estabelecer um conjunto
de proteções que possam ser fortalecidas por legislações e acordos globais (Henrique
Santos, 2023).
A ordem executiva impactará empresas que desenvolvem ferramentas de IA,
como Microsoft, Amazon e Alphabet4, e precisarão atender ao conteúdo da ordem
executiva que está organizada em 8 objetivos principais:

 Criar novos padrões para a segurança e proteção da IA;

 Proteger a privacidade;
 Promover a equidade e os direitos civis;
 Defender consumidores e estudantes;
 Apoiar trabalhadores;
 Promover a inovação e a concorrência;
 Promover a liderança dos EUA em tecnologias de IA;
 Garantir o uso governamental, responsável e eficaz da tecnologia.

Vale salientar que as medidas adotadas pelos Estados Unidos acerca da IA são
parte de um retrato mais amplo da legislação de IA. O tema ganhou mais relevância
ainda em 2023 a partir da popularização das Inteligências Artificiais generativas5, que
mostraram novas possibilidades de aplicação e riscos que ainda estão sendo
conhecidos.
Um dos resultados deste impacto já pode ser visto no EU AI act6 em 2023 pela
União Europeia. Recentemente a classificação de alto risco de todos os sistemas de
IA sob a aplicação da lei foi revista, adicionando uma camada de classificação para

4 Alphabet Inc (Alphabet), holding do Google, é uma empresa global de tecnologia. Oferece uma ampla
gama de produtos e plataformas, incluindo Pesquisa, Google Maps, calendário, anúncios, Gmail,
Google Play, Android, Google Cloud, Chrome e YouTube (GlobalData, 2023).
5 As IAs generativas são sistemas de inteligência artificial capazes de criar novos conteúdos, como

texto, imagens, vídeos, música ou código, a partir de dados de treinamento (Lisboa e Ciriaco, 2023).
6 EU AI Act é Regulamento Europeu sobre Inteligência Artificial, aprovado no dia 14 de junho de 2023,

pelo Parlamento Europeu por maioria, é a primeira legislação geral sobre o assunto em todo o mundo.
(Gonçalves Ferrer e Tourinho Moretto, 2023).
 8

garantir que soluções de IA de risco mínimo não sejam incluídas no regime mais
rigoroso mesmo em modelos de IA de propósito geral como o ChatGPT7. Na versão
anterior da lei, todas as IAs de propósito geral eram consideradas de “alto risco,” o
que as submetia a requisitos legais rigorosos, como transparência, rastreabilidade e
supervisão humana (Henrique Santos, 2023).
No Brasil o projeto de lei de IA (PL 2338/23) está em tramitação no Senado
Federal e ainda passará oficialmente pela Comissão Temporária Interna sobre
Inteligência Artificial no Brasil (CTIA) que já iniciou os trabalhos com o projeto de lei.
Um dos desafios da Comissão é criar uma legislação que venha a conciliar a
privacidade dos cidadãos e o desenvolvimento destas novas tecnologias,
principalmente considerando o contexto atual das Inteligências Artificiais Generativas
(Serec, 2023).

3.3 Visão Computacional (VC)

Um dos conceitos mais importantes que definiremos e relataremos neste

trabalho é o da Visão Computacional (VC), que também pode ser vista como um
complemento da visão biológica. Na biologia, a percepção visual de alguns seres vivos
é estudada e representada em modelos que descrevem sua fisiologia.
Já a Visão Computacional estuda e implementa sistemas capazes de enxergar
por meio de processos artificiais, implementados por hardwares e softwares (Barelli,
2018). A figura 2, abaixo exemplifica outros campos de estudo que estão interligados
com o de Visão Computacional.

Figura 1 - Campos de estudos da Visão Computacional

Fonte: (Barelli, 2018, p. 4).

7 ChatGPT é um modelo de linguagem desenvolvido pela OpenAI. Ele usa uma técnica chamada
“transformadores” para gerar respostas a perguntas, completar sentenças, escrever ensaios e até
mesmo criar conteúdo criativo, como poemas e histórias (OpenAI, 2023).
 9

Segundo Neves, Neto e Gonzaga (2012, p. 6):

A visão computacional procura integrar as áreas de processamento digital de

imagens e inteligência artificial, tendo como objetivo a obtenção de algoritmos
capazes de interpretar o conteúdo visual de imagens. Suas aplicações estão
presentes em diversos segmentos tecnológicos que envolvem análise de
imagens, reconhecimento de padrões e controle inteligente, abrangendo
múltiplas áreas do conhecimento, tais como agronomia, astronomia, biologia,
biometria, medicina e muitas outras. Constitui, portanto, uma área
multidisciplinar com muitas aplicações práticas (Neves; Neto; Gonzaga, 2012,
p. 6).

Os estudos nesta vasta área da visão computacional vêm proporcionando

inúmeros benefícios para sociedade. Entre esses benefícios, estão a melhoria em
sistemas de segurança (tecnologias de detecção facial estão sendo utilizadas em
aplicações de reconhecimento de face para automatizar o processo de autenticação,
buscando substituir o uso de senhas e impressões digitais), novas aplicações de
entretenimento (jogos e outras atividades relacionadas), e em diversos outros
processos que envolvam autenticação (Costa et al., 2021).

3.3.1 Detecção Facial (DF)

Segundo Granatyr e Alves (2023), a detecção facial é uma das subáreas da

Inteligência Artificial que tem como objetivo detectar faces de pessoas em imagens ou
vídeos. Smartphones e câmeras fotográficas utilizam esses recursos para enquadrar
as pessoas em uma foto, geralmente colocando um retângulo em torno da face das
pessoas detectadas. Esse tipo de aplicação tem ganhado bastante relevância em
sistema de segurança, por exemplo, nos quais é necessário identificar se existem
pessoas em um ambiente para que o alarme seja disparado.
Essas técnicas também podem ser utilizadas para detectar praticamente
qualquer tipo de objeto em imagens ou vídeos, como por exemplo: relógios, placas de
veículos, animais, faces de pessoas, celulares, logo de empresas dentre vários
outros (Granatyr e Alves, 2023, grifo nosso).
E um dos focos do nosso artigo é a Detecção Facial que é uma tecnologia que
permite identificar e localizar rostos em imagens ou vídeos. Ela é a primeira etapa no
processo de reconhecimento facial, identificando a presença de rostos em uma cena.
O processo de detecção da face consiste em localizar a região em que ela se encontra
na imagem capturada e destacá-la do fundo (Neves; Neto e Gonzaga, 2012).
 10

3.3.2 Reconhecimento Facial (RF)

O Reconhecimento facial é uma habilidade empregada cotidianamente em

nossas vidas. Desde 1960, quando se iniciaram as pesquisas, até hoje, em um ritmo
crescentemente acelerado, há interesse em viabilizar o processamento automatizado
de imagens digitais para reconhecimento facial para uma ampla gama de aplicações,
tais como: autenticação biométrica vigilância, interação computador-humano, entre
outros (Crippa et al., 2021).
Reconhecimento Facial é uma aplicação da IA que vai além da detecção,
identificando e verificando a identidade de uma pessoa com base em características
faciais únicas, como formato dos olhos, nariz e boca. Ele pode ser usado para
autenticação, controle de acesso e segurança. O processo de reconhecimento
resume-se na execução de vários passos, como aquisição de imagens, detecção de
faces, a segmentação, a extração de características e somente após estas etapas faz
a classificação da face (Kemerich e Marttins, 2020, p. 2).
Extração das Características e nesta fase pode ser realizada a extração das
características propriamente ditas, ou analisa as respostas obtidas, e com base nisto
ajusta o reconhecedor com apoio de novos requisitos, com isso se tem a certeza de
que está obtendo informações consideráveis e que as características que serão
analisadas são do objeto em questão (Kemerich e Martins, 2020, p. 5).
Esta habilidade empregada cotidianamente em nossas vidas, o
reconhecimento facial é um traço cognitivo humano no qual se inspiram
desenvolvedores na busca por viabilizar o processamento automatizado de imagens
digitais. O reconhecimento facial é ainda visto como uma tecnologia promissora, este
interesse se materializa no desenvolvimento de tecnologias e algoritmos de modo a
permitir a criação de sistemas de reconhecimento facial precisos e robustos (Crippa
et al., 2021).

3.3.3 Detecção e Rastreamento de Objetos

A detecção e o rastreamento de objetos em movimento é um campo de

pesquisa muito abrangente na área de VC. Análise de conteúdo de imagem e vídeo
digitais é um item importante para a indexação baseada em conteúdo multimídia, bem
como, para a recuperação de vídeo e imagem baseada em conteúdo e sistemas
visuais de vigilância de objetos (Montanari, 2015).
 11

Segundo Montanari (2015, p. 20): “o rastreamento de objetos dá-se através da

descoberta e acompanhamento da posição do objeto na imagem”.
Porém, para detectar a presença e posição de objetos em uma imagem é uma
tarefa fundamental em Visão Computacional (VC). Os exemplos são: rastrear
humanos em vídeo ou realizar a compreensão de cena em uma imagem estática
requer a capacidade de raciocinar sobre o número e posição dos objetos (Montanari,
2015).
É neste contexto a classificação de imagens é usada para separar os objetos
que dependendo dos recursos e tecnologias empregadas podem focar em um ou
vários tipos de objetos. Para o processo de DO, existem várias abordagens, técnicas
e algoritmos, os bem conhecidos são:

3.3.4 Optical Character Recognition (OCR)

É uma tecnologia desenvolvida na década de 1950, com base no

reconhecimento ótico de caracteres. OCR, a Optical Character Recogntion, foi um
processo introduzido para permitir a leitura automática de informações. Devido a
ambiguidades inerentes a muitos desenhos de letras, foi necessário desenhar um
novo tipo de fonte. Esta fonte especifica foi criada por Adrian Frutiger (Heitlinger,
2007).
Segundo Heitlinger (2007, p. 43, grifo nosso):

OCR é um acrónimo para Optical Character Recognition, uma tecnologia para

reconhecer caracteres a partir de uma imagem. Com OCR é possível
digitalizar um texto impresso (ou escrito) e obter um texto editável. Em 1500,
David Shepard e o Louis Tordella começaram a pesquisar processos para a
automação de dados da Agência de Segurança dos Estados Unidos. Com a
ajuda de Harvey Cook construíram Gismo, o primeiro software para OCR.
Shepard fundou a Intelligent Machines Research Corporation (IMR) que
produziu os primeiros softwares OCR comerciais. Em 1953, a IBM obteve
uma licença da IMR e desenvolveu um software próprio classificado como
Optical Character Recognition (OCR) (Heitlinger, 2007, p. 43, grifo nosso).

E a pedido da indústria informática, Adrian Frutiger desenhou o tipo quase

“mono–espaçado” denominada de OCR-A, conforme Figura 2 abaixo, uma fonte livre
de todas as ambiguidades inerentes a muitas formas de “glifos sem serifa”:
 12

Figura 2 - Imagem da Fonte OCR-A

Fonte: Adaptado de Heitlinger (2007, p. 43).

Figura 3 – Imagem da Fonte OCR-B

Fonte: Adaptado de Heitlinger (2007, p. 43).

Para Heitlinger (2007) é útil salientar que, no mundo dos bancos, finanças e
das transações de valores pecuniários, havia uma necessidade extremamente
importante de se obter uma fonte que não permitisse erros e cuja leitura automática
fosse rápida e eficiente. A letra OCR-B de Frutiger, hoje é o padrão em alguns países
para cartões de crédito e similares, pois a mesma é lida facilmente tanto por seres
humanos como por sistemas automáticos equipados com Optical Character
Recognition. A fonte OCR-A foi desenhada em 1968 – o primeiro machine-readable
alphabet 8.
Em vez da estética ou da elegância, a descrita funcionalidade estava em
primeiro lugar.

Figura 4 – Imagem da Fonte OCR-A padrão para os Cartões de Créditos

Fonte: Adaptado de Heitlinger (2007, p. 43).

8Machine-readable alphabet é um alfabeto legível por máquina, é um sistema de codificação que

permite que as máquinas, como computadores, leiam e interpretem dados. Esses alfabetos são úteis
porque permitem que os humanos e as máquinas se comuniquem de maneira eficaz. Eles são usados
em uma variedade de aplicações, incluindo processamento de linguagem natural, programação de
computadores e codificação de dados (Wells, 2005).
 13

No contexto deste artigo um dos usos desta tecnologia é o reconhecimento de

placa de veículos, para ajudar na Segurança Pública em casos de veículos em
suspeição.

Figura 5 – Exemplo de um veículo e suas dados de placa

Fonte: Adaptado de Marengoni e Stringhini (2009, p. 126).

3.3.5 Machine Learning (ML)

Para Maciel (2022): o Machine Learning (Aprendizado de máquina) é uma

técnica que dá a capacidade de aprendizado a uma determinada máquina. E que este
treinamento se dá através de um conjunto ou categoria de objetos, como por exemplo,
que podem ser vídeos, imagens, números, textos e outros modelos que possam ser
detectáveis.
E este treinamento da máquina pode ser feito tanto de forma supervisionada
quanto autônoma, sendo a escolha baseada no intuito da detecção e dos dados
disponibilizados para o aprendizado, criando assim um padrão (Maciel, 2022).
De acordo com Maciel (2022), o método supervisionado desenvolve um
conjunto de regras para criar um comportamento de treinamento a partir da análise e
do processamento dos dados pelas regras criadas. Já nos métodos autônomos, os
algoritmos de aprendizado de máquina analisam os dados e os resultados esperados
da análise e com isso cria as regras do aprendizado.

3.3.6 Neural Networks (NN)

As redes neurais, também chamadas de redes neurais artificiais (ANNs) ou

redes neurais simuladas (SNNs), são um subconjunto do aprendizado de máquina e
 14

são a espinha dorsal dos algoritmos de aprendizagem profunda. Eles são chamados
de “neurais” porque imitam como os neurônios no cérebro sinalizam uns aos outros.
Elas usam técnica baseada no aprendizado de máquina que possuem seu
nome e sua estrutura inspirados no cérebro dos seres humano, fazendo suas
interações na forma e padrão de neurônios. As redes são treinadas com dados para
aperfeiçoar e melhorar a acurácia da detecção (Maciel, 2022).

3.3.7 Convolutional Neural Networks (CNNs)

As Redes Neurais Convolucionais9 ou CNNs mostraram notável desempenho

em tarefas de reconhecimento de imagens, incluindo detecção de objetos. O algoritmo
YOLO (You Only Look Once) em sua tradução: “você só olha uma vez”, é uma
estrutura de detecção de objetos baseada em CNN que tem sido amplamente utilizada
em aplicações de visão computacional (Talaat e Zaineldin, 2023).
Um exemplo de uma versão mais recente, das CNNs, é o YOLO v810, que
mostrou melhorias significativas em precisão e velocidade, tornando-se uma opção
viável para detecção de incêndio em tempo real em cidades inteligentes. Este artigo
apresentou um sistema de detecção precoce de incêndio baseado em YOLO v8 para
cidades inteligentes.
Segundo a Ultralytics (2023) o rastreamento de objetos em vários fluxos
desempenha um papel importante na visão computacional, particularmente em
aplicativos do mundo real. Ele vai além da mera resolução de problemas, oferecendo
insights valiosos e servindo como um pré-requisito para módulos de contagem de
objetos.
Ao usar o YOLO v8, e em questão de segundos, o processamento é iniciado e
você observará os resultados de inferência no arquivo de vídeo e na webcam usada
no exemplo na Figura 6 abaixo.

9 O termo Convolucionais vem da matemática com base na convolução que é um operador linear que,
a partir de duas funções dadas, resulta numa terceira que mede a soma do produto dessas funções
ao longo da região subentendida pela superposição delas em função do deslocamento existente entre
elas. Em outras palavras, a convolução é uma operação matemática que combina duas funções para
produzir uma terceira (Vieira, 2023).
10 YOLO v8 é a versão mais recente da série YOLO (You Only Look Once, traduzido para o português

como Você só olha uma vez) de detectores de objetos em tempo real. É um modelo de última
geração que se baseia no sucesso das versões anteriores do YOLO e introduz novos recursos e
melhorias para aumentar ainda mais o desempenho e a flexibilidade. Mantido pela Ultraytics, no site
https://docs.ultralytics.com/models/yolov8/.
 15

Figura 6 – Uso do Ultralytics YOLO v8 no Rastreamento de Objetos em Vídeo e na WebCam.

Fonte: Adaptado de (Ultralytics, 2023)

A arquitetura do sistema descrita e os resultados experimentais fornecidos

demonstram sua eficácia na detecção de incêndios em cenários do mundo real. A
abordagem proposta compara-se com os sistemas de detecção de incêndio existentes
e destaca as vantagens do nosso sistema proposto.

3.2 Segurança Pública

Segurança Pública, envolve todas as atividades e esforços direcionados para

a prevenção e combate ao crime, bem como para a promoção da segurança da
comunidade. Isso inclui a atuação das forças policiais, sistemas de vigilância, resposta
a emergências e políticas públicas relacionadas à segurança.
Conforme o Fórum Brasileiro de Segurança Pública (FBSP), a segurança
pública tem como premissa a prevenção e a repressão qualificada, sempre
respeitando a dignidade humana, respeitando os Direitos Humanos e o Estado
Democrático de Direito. Trata-se, portanto, de um serviço público (Crippa et al., 2021).
O Art. 144 da CF/88 diz que a segurança pública, dever do Estado, direito e
responsabilidade de todos, é exercida para a preservação da ordem pública e da
segurança e proteção das pessoas e do patrimônio, através dos seguintes órgãos:
Polícia federal; Polícia rodoviária federal; Polícia ferroviária federal; Polícias civis;
Polícias militares e corpos de bombeiros militares. Esses órgãos são os potenciais
 16

usuários da tecnologia de reconhecimento facial no âmbito da segurança

pública (Crippa et al., 2021, grifo nosso).

3.3 Lei Geral de Proteção de Dados e o Decreto/AL no 91.229 de 18/05/2023

A Lei Geral de Proteção de Dados (LGPD) é a legislação brasileira que regula

a coleta, o armazenamento e o tratamento de dados pessoais, incluindo informações
biométricas como imagens faciais. Ela visa proteger a privacidade dos indivíduos e
estabelece diretrizes rigorosas para o uso de dados pessoais (Brasil, 2018).
Estado de Alagoas é o estado localizado na região nordeste do Brasil, onde o
projeto de pesquisa se concentrará na aplicação da IA, detecção e reconhecimento
faciais na segurança pública, com bases legais no Decreto no 91.229 de 18 de maio
de 2023 (Alagoas, 2023).
A base teórica e conceitual envolve a compreensão desses conceitos e a
revisão da literatura relacionada a pesquisas e práticas anteriores no campo da
inteligência artificial aplicada à segurança pública, regulamentações da LGPD, ética
no uso de tecnologias de reconhecimento facial e políticas de segurança pública em
Alagoas. Esses elementos serão cruciais para a formulação de hipóteses, coleta de
dados, análise e conclusões em seu projeto de pesquisa.

3.4 Delimitação do Tema e Problema de Pesquisa

Este trabalho terá como base: pesquisas, análises e sugestões do

desenvolvimento de tecnologias ligadas ao uso da IA, como à: detecção e
reconhecimento faciais no cenário segurança pública do Estado de Alagoas.
Nossa temática de pesquisa será delimitada, através do estudo das
implementações tecnologias no Brasil e no mundo sobre IA, e como poderemos
nortear seu uso em vários contextos como: biometrias, detecções e reconhecimentos
de faces humanas, imagens de objetos variados, placas de veículos e
reconhecimentos de pessoas em multidões.
Partido deste cenário e com base na Inteligência Artificial (IA) navegaremos na
área denominada Visão Computacional (VC), que já fora definida no tópico 3.1.2, e
será reforçada mais ainda nos textos abaixo, para fixarmos às noções de como estão
 17

sendo desenvolvidas novas tecnologias e algoritmo 11 , com bases na VC e

direcionados para nosso tema de pesquisa.
A Visão Computacional é definida também como:

O processo de modelagem e replicação da visão humana usando software e

hardware. A Visão Computacional é uma disciplina que estuda como
reconstruir, interromper e compreender uma cena 3D a partir de suas
imagens 2D em termos das propriedades da estrutura presente na cena
(Equipe Data Science, 2022).

Para Kemerich e Martins (2020, p. 2), visão computacional é:

“a transformação de dados de imagens estáticas ou em vídeos. Um exemplo

de decisão seria verificar se há um carro em certa imagem ou identificar
quantos carros existem na imagem, estas técnicas são puramente
matemáticas, como geometria e análise, assim discute a relação da visão
computacional e a inteligência artificial, mostrando que ambas partilham de
mesmos propósitos”.

No ano de 1982, Ballard e Brown (1982), na obra Computer Vision, definiram à

Visão Computacional como a ciência que estuda e desenvolve tecnologias que
permitem que máquinas enxerguem e extraiam características do meio, através de
imagens capturadas por diferentes tipos de sensores e dispositivos. Essas
informações extraídas permitem reconhecer, manipular e processar dados sobre os
objetos que compõem a imagem capturada.
Nos últimos 30 anos de pesquisas produziram ferramentas e métodos
poderosos para tratar essas abordagens. Compreender esses métodos requer
compreensão dos processos pelos quais as imagens são formadas. (Russel; Norvig e
Davis, 2013, p. 1068).
Porém, mesmo com todo este progresso tecnológico também levanta questões
importantes relacionadas à privacidade e proteção de dados pessoais, especialmente
à luz da Lei Geral de Proteção de Dados (LGPD) no contexto brasileiro.
Nossa pesquisa tem o objetivo de estudar e sugestionar o uso da Inteligência
Artificial na detecção e reconhecimento facial em nosso Estado, para que possamos
identificar possíveis cidadãos infratores da lei, partido do conhecimento da Visão
computacional e suas aplicações; porém seguindo o Decreto No 91.229, de 18 de maio

11Algoritmos de uma forma simples, é um conjunto de instruções que determinam a sequência de

operações a serem realizadas por um computador (Brasil N, 2022).
 18

de 2023, que dispõe sobre a aplicação da Lei Geral de Proteção de Dados (Alagoas,
2023).
Para esta meta precisaremos conhecer a fundo, como funciona a tecnologia de
Inteligência Artificial e o ramo da computação descrito como; Visão Computacional,
suas nuances, recursos e procurar recomendar sua aplicação direta ou indiretamente
no Serviço de Segurança Pública do Estado de Alagoas (SSPAL).
Como a SSPAL é composta por vários órgãos, os mesmos poderão usufruir
deste arsenal tecnológico, que podem ajudar nos processos de: captura,
processamento, tratamento e identificação de característica extraída de imagens ou
vídeos. E com isto, tomar as devidas ações pertinentes aos contextos de cada setor.
Um sistema típico de reconhecimento de face envolve algumas etapas, tais
como: a captura da imagem ou de quadros de um vídeo, a detecção da face na
imagem capturada, um pré-processamento visando reduzir o ruído introduzido pela
iluminação e outros fatores do ambiente, a extração de características da imagem da
face, e por fim, a criação da referência biométrica do usuário para gravação no banco
de dados (durante o cadastro), ou a comparação das características extraídas com as
referências biométricas previamente gravadas no banco de dados (durante a
verificação ou identificação) (Neves; Neto e Gonzaga, 2012).
A Figura 7, abaixo, apresenta um diagrama do processo de detecção, extração,
identificação ou reconhecimento e de comparação.

Figura 7 - Processo de Reconhecimento.

Fonte: Adaptado de (Kemerich e Martins, 2020, p. 5).

O problema de pesquisa a ser investigado é: "Como as tecnologias de:

Inteligência Artificial, detecção e reconhecimento faciais; podem ser empregadas na
Segurança Pública do Estado de Alagoas e qual o impacto dessa tecnologia na
eficácia das ações policiais e na proteção dos direitos individuais?".
 19

3.5 Justificativa

A segurança pública é uma questão fundamental para o bem-estar da

sociedade e exige constantes avanços tecnológicos para combater o aumento da
criminalidade. Nesse contexto, a inteligência artificial, em especial a detecção e o
reconhecimento facial, surge como uma ferramenta promissora para otimizar o
trabalho das forças policiais.
Esta pesquisa busca justificar a relevância do estudo, uma vez que o uso dessa
tecnologia pode proporcionar benefícios significativos, como a rápida identificação de
criminosos e a recuperação de veículos roubados, ao mesmo tempo em que levanta
questões sobre a privacidade e possíveis vieses algorítmicos.
Uso do reconhecimento facial aplicado à segurança pública no Brasil e no
mundo para estudar, compreender, analisar e sugerir como a inteligência artificial
poderá ser implementada na Segurança Pública do Estado de Alagoas e quais são
seus impactos é crucial para orientar o debate sobre a adoção responsável dessas
tecnologias.
A visão computacional procura integrar as áreas de processamento digital de
imagens e inteligência artificial, tendo como objetivo a obtenção de algoritmos
capazes de interpretar o conteúdo visual de imagens. Suas aplicações estão
presentes em diversos segmentos tecnológicos que envolvem análise de imagens,
reconhecimento de padrões e controle inteligente, abrangendo múltiplas áreas do
conhecimento. Constitui, portanto, uma área multidisciplinar com muitas aplicações
práticas (Neves; Neto e Gonzaga, 2012).
De modo geral, para que alguém possa ser identificado via reconhecimento
facial, primeiro um algoritmo deve localizar o rosto da pessoa na imagem – processo
chamado de detecção de face ou detecção facial. Uma vez detectada, essa face é
padronizada, dimensionada e alinhada, para que todas as outras faces processadas
pelo algoritmo estejam na mesma posição, facilitando a comparação dos rostos
(Franqueira; Hartmann e Silva, 2021).
Destes recursos e habilidade empregada cotidianamente em nossas vidas,
para nós o que mais chama a atenção e nosso ideal e a sua implementação é o
reconhecimento facial é um traço cognitivo humano no qual se inspiram
desenvolvedores na busca por viabilizar o processamento automatizado de imagens
digitais. O reconhecimento facial é ainda visto como uma tecnologia promissora, este
 20

interesse se materializa no desenvolvimento de tecnologias e algoritmos de modo a

permitir a criação de sistemas de reconhecimento facial precisos e robustos (Crippa
et al., 2021).

4 DETECÇÃO E RECONHECIMENTO NO BRASIL E NO MUNDO

4.1 Os Casos de Usos

A tecnologia de detecção e reconhecimento de faces e objetos tem sido

amplamente utilizada em todo o mundo para uma variedade de fins, incluindo
segurança pública.
No Brasil, a tecnologia tem sido usada em várias áreas, incluindo segurança
pública, saúde e transporte. A polícia brasileira tem usado a tecnologia de
reconhecimento facial para identificar criminosos e foragidos. Além disso, a tecnologia
de reconhecimento facial tem sido usada em hospitais brasileiros para identificar
pacientes e evitar erros médicos.
Em termos de uso global, a tecnologia de reconhecimento facial tem sido usada
em aeroportos para identificar passageiros e melhorar a segurança. A tecnologia
também tem sido usada em lojas para rastrear o comportamento do cliente e melhorar
a experiência de compra. A detecção e reconhecimento de objetos também tem sido
amplamente utilizada em todo o mundo, incluindo no Brasil.

4.1.1 Videomonitoramento na China

Na China, o sistema eletrônico de vigilância emprega a tecnologia de

reconhecimento facial para localizar crianças desaparecidas. Em uma iniciativa
conjunta, o governo chinês e empresas de tecnologia desenvolveram um software
capaz de comparar imagens e 'envelhecer' a criança. Este sistema tem como objetivo
prever a aparência da criança correspondente ao tempo decorrido desde o seu
desaparecimento (Gomes et al., 2021).
Esta excelente plataforma demonstra eficiência em 96% dos casos. Nos últimos
três anos, essa tecnologia avançada possibilitou o encontro de 6,7 mil crianças
desaparecidas, evidenciando o impacto significativo e positivo que a tecnologia pode
ter na resolução de casos de desaparecimento de mil crianças (Gomes et al., 2021).
A discussão sobre o futuro do combate à criminalidade inevitavelmente envolve
a utilização de câmeras de videomonitoramento. Atualmente, existem cerca de 770
 21

milhões de câmeras de circuito de TV (CCTV) em funcionamento em todo o mundo,

sendo que 54% delas estão na China (Gomes et al., 2021).
Este país é considerado uma referência no assunto, com empresas como
Huawei, ZTE Corporation, Hangzhou Hikvision Digital Technology, Zhejiang Dahua
Technology e Alibaba responsáveis pela fabricação de câmeras usadas em “cidades
inteligentes” (smart cities12) ao redor do globo.
A baixa taxa de criminalidade na China, com estatísticas de 0,5 mortes por
grupo de 100 mil pessoas, contrasta com a situação no Brasil, onde este indicador é
de 29,8 por 100 mil, segundo levantamento do Instituto de Pesquisas Econômicas
Aplicada (IPEA) (Gomes et al., 2021).
Este fator contribui para o apoio massivo da população chinesa ao CCTV, com
82,2% favoráveis à medida, conforme pesquisa realizada em 2018 e citada no artigo
:“What Explains Popular Support for Government Surveillance in China?” em
português: “O que explica o apoio popular à vigilância governamental na China?”,
tradução nossa, escrito pelo professor Zheng Su (Gomes et al., 2021).

4.1.2 O desenvolvimento da Detecção e Reconhecimento Faciais no MIT13

O processo de reconhecimento facial é ilustrado na Figura 8. Inicialmente, para

uma imagem facial específica, o primeiro passo é a detecção do rosto, que tem como
objetivo localizá-lo. Em seguida, a detecção de pontos de referência é realizada para
identificar a posição de pontos faciais significativos, que são posteriormente utilizados
para alinhar o rosto (Stan Z. Li, Anil K. Jain e Jiankang Deng, 2024).
Em alguns sistemas comerciais de reconhecimento facial, é comum a utilização
de técnicas anti-spoofing 14 em português: “anti-falsificação”, tradução nossa, para
eliminar rostos falsos e garantir a segurança do sistema. Após essa etapa, o rosto
autêntico é encaminhado para a fase de reconhecimento facial.
Para Stan Z. Li, Anil K. Jain e Jiankang Deng (2024) nesta fase, uma rede
neural profunda é empregada para extrair a característica facial do rosto em questão.

12 As “Smart Cities”, ou cidades inteligentes, são sistemas de pessoas interagindo e usando energia,
materiais, serviços e financiamento para catalisar o desenvolvimento econômico e a melhoria da
qualidade de vida.
13 MIT é a sigla para Massachusetts Institute of Technology. É uma das principais instituições de

ensino e pesquisa em ciência, engenharia e tecnologia do mundo (MIT, 2024).

14 O anti-spoofing é uma medida de segurança que visa prevenir e combater o spoofing (falsificação

em português), um tipo de crime cibernético. Os ataques de spoofing copiam e exploram a identidade

dos contatos, a aparência de marcas conhecidas ou os endereços de sites confiáveis (ESET, 2023).
 22

Finalmente, a característica extraída é comparada com as características faciais

armazenadas na galeria para determinar a correspondência.
De acordo com a Figura 8, abaixo, a detecção facial é uma tarefa que
consiste em localizar o rosto em uma imagem. Com o avanço da aprendizagem
profunda e da detecção de objetos, a detecção de rosto também evoluiu muito nos
últimos anos. No Início da aprendizagem profunda, os métodos de detecção de rosto
mais usados eram os de múltiplos estágios, como MT-CNN 15 e FA-RPN 16.

Figura 8 - O fluxo de trabalho de processamento de reconhecimento facial moderno.

Fonte: Adaptado de (Stan Z. Li, Anil K. Jain e Jiankang Deng, 2024, p. 2, tradução nossa).

Esses métodos geravam e refinavam uma série de caixas candidatas para o

rosto nos estágios subsequentes. Eles tinham um bom desempenho, mas eram pouco
eficientes. Para aumentar a eficiência, surgiram os métodos de detecção de rosto de
estágio único, como S3FD 17 e RefineFace 18 . Esses métodos realizavam a
classificação e a regressão das caixas delimitadoras do rosto diretamente nos mapas

15 Detecção facial com MT-CNN é um método para identificar rostos humanos em imagens ou vídeos
usando redes neurais convolucionais. (GRADILLA, 2020).
16 Detecção facial com FA-RPN ou Floating Anchor Region Proposal Network (Rede de proposta de

região com âncora flutuante), é uma abordagem inovadora para gerar propostas de região para
detecção de rosto (Najibi, Singh e Davis, 2018).
17 S3FD (Single Shot Scale-invariant Face Detector) ou Detector facial invariante à escala de disparo

único é um detector de rosto em tempo real que funciona superiormente em várias escalas de rostos
com uma única rede neural profunda, especialmente para rostos pequenos. (Zhang et al., 2017a).
18 RefineFace é um detector de rosto de refinamento de disparo único que visa alcançar alto

desempenho. Ela consiste em cinco módulos: Regressão de Dois Passos Seletiva (STR),
Classificação de Dois Passos Seletiva (STC), Perda de Margem Consciente de Escala (SML), Módulo
de Supervisão de Recursos (FSM) e Melhoria de Campo Receptivo (RFE) (Zhang et al., 2019).
 23

de recursos, sem a necessidade de gerar caixas candidatas (Stan Z. Li, Anil K. Jain e
Jiankang Deng, 2024).
Para Stan Z. Li, Anil K. Jain e Jiankang Deng (2024) essas técnicas
melhoravam a eficiência da detecção. Além disso, alguns pesquisadores
desenvolveram métodos de detecção de rosto em tempo real para CPU, como
FaceBoxes19 e RetinaFace. Esses métodos utilizavam componentes eficientes, como
redes leves, camadas convolucionais de digestão rápida, destilação de conhecimento
e outros, para aumentar a eficiência. O alinhamento de rosto é o passo seguinte à
detecção de rosto.
Ele visa calibrar as faces irrestritas e facilitar a extração de características
faciais nos estágios posteriores. A maioria dos métodos existentes alinha o rosto
usando alguns pontos de referência faciais predefinidos, o que é chamado de
alinhamento de rosto baseado em pontos de referência. Por exemplo, dados cinco
pontos no centro dos olhos, na ponta do nariz e nos cantos da boca, o rosto é alinhado
por uma transformação afim.
A qualidade do alinhamento de rosto depende principalmente da qualidade da
detecção dos pontos de referência faciais, que é o desafio principal do alinhamento
de rosto. Os métodos existentes de detecção de pontos de referência podem ser
classificados em três categorias: métodos baseados em regressão, baseados em
mapa de calor e baseados em modelo 3D.

Segundo Stan Z. Li, Anil K. Jain e Jiankang Deng (2024, p. 6):

Os métodos baseados em regressão usam várias camadas de regressão

para estimar as coordenadas dos pontos de referência com funções de
perda L1, L2 ou L1 suavizadas. Os métodos baseados em mapa de calor
preveem os mapas de pontuação de todos os pontos de referência,
inspirados nos trabalhos de estimativa de pose humana. Os métodos
baseados em modelo 3D buscam melhorar a precisão dos pontos de
referência, explorando a relação entre os pontos de referência faciais 2D e
as formas faciais 3D.

A extração e a correspondência de características faciais são as partes

principais da nossa pesquisa. Nos últimos anos, muitos métodos foram propostos para
estudar como extrair melhores características faciais ou melhorar a correspondência

19FaceBoxes é um detector de rostos em tempo real que foi projetado para alta precisão. Ele é um
detector de objetos no estilo SSD (Single Shot MultiBox Detector) e é especialmente projetado para
detecção rápida de rostos (Zhang et al., 2017b).
 24

facial, como projetar arquiteturas de rede, modificar funções de perda, melhorar FR20
com GAN21e usar estratégias de aprendizagem multitarefa. Os trabalhos relacionados
serão apresentados a seguir.
Para exemplificar o poder do uso de GANs na visão computacional, na Figura
9 abaixo temos uma foto restaurada usando essa tecnologia, ela foi restaurada com
sucesso com a ajuda de GAN, usando um método chamado Image Inpainting
(Datapeaker, 2024).

Figura 9 – Restauração de uma fotografia antiga.

Fonte: Adaptada de Bertalmio et al. (2000).

4.1.3 O Uso da IA nas Seguranças Públicas do Brasil

A inteligência artificial (IA) tem sido cada vez mais utilizada na segurança
pública para auxiliar nas investigações e prevenir crimes. Por exemplo, as ferramentas
de IA podem ser usadas pelos policiais para analisar dados sobre o crime e identificar
padrões, o que ajuda a prevenir crimes e a tomar medidas preventivas (Silva, 2020).
A implementação dessa API representa um avanço significativo na aplicação
da tecnologia de reconhecimento facial para a segurança pública do Acre. Ao utilizar
as técnicas descritas neste artigo, o desenvolvedor foi capaz de criar um sistema
robusto e eficaz que pode identificar potenciais infratores com precisão.
Este recurso, não apenas melhora a eficiência das investigações, mas também
pode atuar como um poderoso dissuasor para futuros atos criminosos. Em nosso país,

20 FR ou Reconhecimento Facial mascarado

21 GAN (Generative Adversarial Networks) ou Redes Adversariais Generativas são uma classe de
Inteligência Artificial que trabalha com a geração de conteúdo. Na visão computacional, as GANs têm
várias aplicações, incluindo a geração de novas imagens, aprimoramento da resolução de imagens,
remoção de ruídos e identificação de fraudes.
 25

temos como exemplo à API 22 denominada Recon Facial e o Aplicativo Web

denominado Oraculo 23 , desenvolvida pela DINT/SEJUSP/AC 24 , ao qual tivemos
acesso aos códigos fontes e explicação de todo funcionamento deste recurso de IA,
para desenvolvimento, pesquisas e estudos em nosso Estado de Alagoas.
Nesta API, o desenvolvedor usou às técnicas pesquisadas neste artigo, e
através dela, criou um aplicativo na plataforma WEB para fazer todo reconhecimento
de faces de possíveis cidadão infratores, para que, ajudasse nas investigações e
acompanhamentos de atos criminosos ou delituosos. Conforme à Figura 10, abaixo.

Figura 10 – Reconhecimento Facial em ação no Aplicativo Oraculo.

Fonte: Adaptado de Paes (2023a)

Neste contexto, para Silva (2020), a IA também pode ser usada para monitorar
redes sociais e detectar posts que possam indicar um plano de ataque terrorista. No
Brasil, a aplicação da IA na segurança pública ainda é incipiente, mas já existem
algumas iniciativas em andamento.
Porém o Governo Federam criou a Estratégia Brasileira de Inteligência Artificial
(EBIA) foi lançada em 2019 pelo Ministério da Ciência, Tecnologia e Inovações (MCTI)

22 API (Interface de Programação de Aplicações, é um conjunto de serviços e funções implementados

em um programa de computador que são disponibilizados para que outros programas ou aplicativos
possam utilizá-las (AWS, 2024) .
23 Oraculo é o Aplicativo WEB, desenvolvido pela DINT/SEJUSP/AC, que recebe informações

processada pela API Recon Facial (Paes, 2023b).

24 DINT/SEJUSP/AC sigla para Diretória de Inteligência da Secretaria de Justiça e Segurança Pública

do Estado do Acre.
 26

e tem como objetivo promover o desenvolvimento da IA no país, incluindo a aplicação

da tecnologia na segurança pública.

4.1.4 Sugestões para Segurança Pública de Alagoas

Nossa sugestão para o uso na SSPAL destas tecnologias baseadas em IA, com
focos e limites bem definidos, principalmente no produto ou processo final. E cada
órgãos que compõem a Segurança Pública, devem saber o que podem ou não ter dos
conhecimentos gerados, ou mesmo, acessá-los ou não, após o trabalho realizado
pelos algoritmos, ou seja os âmbitos de suas competências em conformidade com a
LGPD (Brasil, 2018) e o Decreto no 91.229 de 18 de maio de 2023 do Estado de
Alagoas (Alagoas, 2023).

Figura 11 – Exemplo do uso da IA - Locais de Eventos – Campo de Futebol.

Fonte: Desenvolvido pelo Autor (2023).

Na Figura 11, desenvolvemos um exemplo prático com base no vídeo da

plataforma de vídeos da Google o Youtube no evento esportivo Brasil vs. Argentina,
realizado no dia 22 de novembro de 2023 (TR7 MIL GRAU, 2023).

5 PERCURSO METODOLOGIA

Nossa proposta metodológica será de natureza qualitativa. Trataremos de

entender como funciona à Inteligência Artificial e suas ferramentas, através de
conhecimentos já incorporados e utilizados em outros Estados do Brasil, como
também em Países que já utilizam essas tecnologias e ferramentas de computação.
Esse tipo de pesquisa se encaixa na nossa proposta, porque:

A pesquisa qualitativa se preocupa com aspetos da realidade que não

podem ser quantificados, centrando-se na compreensão e explicação da
dinâmica das relações sociais a pesquisa qualitativa “trabalha com o universo
 27

de significados, motivos, aspirações, crenças, valores e atitudes, o que

corresponde a um espaço mais profundo das relações, dos processos e nos
fenômenos que não em ser reduzidos à operacionalização de variáveis”,
Aplicada inicialmente em estudos de Antropologia e Sociologia, como
contraponto à pesquisa quantitativa dominante, tem vindo a alagar o seu
campo de atuação a áreas como a Psicologia e a Educação. A pesquisa
qualitativa é criticada pelo seu empirismo, subjetividade e o envolvimento
emocional do pesquisador. (Fonseca, 2002, p. 20, grifo do autor).

Usaremos em nosso trabalho os procedimentos com base em literaturas que

referenciam o nosso tema de pesquisa, doravante, denominado de “Pesquisa
bibliográfica”, que para Fonseca (2002, p. 31-32):

A pesquisa bibliográfica é feita a partir do levantamento de referências

teóricas “já analisadas, e publicadas por meios escritos e eletrônicos, como
livros, artigos científicos, página de web sites” sobre o tema a estudar.
Qualquer trabalho científico inicia-se com uma pesquisa bibliográfica, que
permite ao pesquisador conhecer o que já se estudou sobre o assunto.
Existem, porém, pesquisas científicas que se baseiam unicamente na
pesquisa bibliográfica, procurando referências teóricas publicadas com o
objetivo de recolher informações ou conhecimentos prévios sobre o problema
a respeito do qual se procura a resposta. As conclusões não podem ser
apenas um resumo. O pesquisador tem de ter o cuidado de selecionar e
analisar cuidadosamente os documentos a pesquisar de modo a evitar
comprometer a qualidade da pesquisa com erros resultantes de dados
coletados ou processados de forma equívoca.

Por fim, nossa pesquisa será com métodos qualitativos baseados nas
pesquisas bibliográfica em produtos literários como os livros, artigos científicos e na
web, publicados por especialista que lidam com a Inteligência Artificial e suas
nuances.

6 ANÁLISE DOS RESULTADOS

A inteligência artificial (IA) tem o potencial de transformar a segurança pública,

especialmente no estado de Alagoas. Uma das aplicações mais promissoras da IA é
a detecção e o reconhecimento facial, que podem ser usados para identificar
indivíduos em uma variedade de contextos.
Em Alagoas, a implementação do reconhecimento facial pode ajudar a polícia
a identificar suspeitos de crimes, encontrar pessoas desaparecidas e até mesmo
prevenir crimes antes que eles ocorram. Por exemplo, câmeras equipadas com
tecnologia de reconhecimento facial podem ser instaladas em locais públicos para
monitorar atividades suspeitas.
 28

Além disso, a privacidade é uma preocupação importante quando se trata de

reconhecimento facial. Embora a tecnologia possa ser uma ferramenta poderosa para
a segurança pública, também pode ser usada de maneira inadequada. Portanto, é
essencial que haja regulamentações rigorosas para proteger a privacidade dos
indivíduos.
A análise dos resultados do uso de IA e reconhecimento facial na segurança
pública em Alagoas pode fornecer insights valiosos sobre a eficácia da tecnologia.
Isso pode incluir a análise de taxas de detecção de crimes, a precisão da identificação
facial e o impacto na prevenção de crimes.
Assim, a IA e o reconhecimento facial têm o potencial de serem ferramentas
poderosas para a segurança pública em Alagoas. No entanto, é crucial garantir que a
tecnologia seja usada de maneira responsável e eficaz. A análise contínua dos
resultados é uma parte essencial disso, permitindo que as autoridades ajustem e
melhorem o sistema conforme necessário.

7 CONSIDERAÇÕES FINAIS

O uso de Inteligência Artificial (IA), especificamente a detecção e o

reconhecimento facial, na segurança pública do estado de Alagoas, podem variar
dependendo do contexto específico. No entanto, aqui estão algumas considerações
gerais baseadas em minhas pesquisas:
Uso Ético da IA é importante garantir que a IA seja usada de maneira ética,
assegurando a privacidade dos indivíduos. Isso é especialmente relevante no contexto
do reconhecimento facial, onde questões de privacidade e consentimento são
primordiais. Portanto, é crucial implementar medidas para garantir a transparência, a
antidiscriminação e a proteção dos direitos individuais.
A regulação do uso do reconhecimento facial é necessária para evitar abusos
e garantir que a tecnologia seja usada de maneira justa e responsável.
O treinamento e a implementação bem-sucedida de qualquer tecnologia de IA
incluindo o reconhecimento facial, requer conhecimento adequado e a completa
compreensão da tecnologia por parte dos usuários finais, neste caso, os profissionais
de segurança pública.
A precisão e confiabilidade, a precisão do reconhecimento facial pode variar, e
falsos positivos ou falsos negativos podem ter implicações sérias na segurança
 29

pública. Portanto, é importante validar a precisão e confiabilidade desses sistemas

antes de implementá-los.
A inclusão dos sistemas de IA devem ser projetados e treinados de maneira a
serem inclusivos e a não perpetuar preconceitos existentes. Isso é especialmente
importante para o reconhecimento facial, onde vieses nos dados de treinamento
podem levar a um desempenho desigual entre diferentes grupos demográficos.
A privacidade dos cidadãos deve ser respeitada e protegida ao usar a IA na
segurança pública. Isso inclui a proteção de dados pessoais e a garantia de que os
sistemas de IA não sejam usados para vigilância indevida.
Essas são considerações gerais ou até globais, de acordo com as nossas
pesquisas, e que podem não se aplicar diretamente ou especificamente ao Estado de
Alagoas. Porém, serve como base para uma melhor aplicação no contexto geral, para
o projeto, o desenvolvimento e aplicação de ferramentas de IA, para a detecção, o
reconhecimento, tanto de faces como de objetos no âmbito da Segurança Pública do
Estado de Alagoas.
 30

REFERÊNCIAS

ALAGOAS. DECRETO No 91.229, DE 18 DE MAIO DE 2023. Dispõe sobre a

Aplicação da Lei Federal No 13.709, de 14 de agosto de 2018, Lei Geral de
Proteção de Dados - LGPD, no Âmbito da Administração Pública Direta e
Indireta do Poder Executivo Estadual, e dá outras Providências., p. 1–10, 18
maio 2023.

Alphabet Inc Company Profile - Alphabet Inc Overview - GlobalData. Disponível

em: <https://www.globaldata.com/company-profile/alphabet-inc/>. Acesso em: 7 nov.
2023.

ARAÚJO, R. DE A.; CARDOSO, N. D.; PAULA, A. M. DE. Regulação e Uso do

Reconhecimento Facial na Segurança Pública do Brasil. Revista de Doutrina Jur,
v. 112, p. 1–13, 8 mar. 2021.

AWS. O que é uma API? – Explicação sobre interfaces de programação de

aplicações. Disponível em: <https://aws.amazon.com/pt/what-is/api/>. Acesso em: 9
jan. 2024.

BALLARD, D. H.; BROWN, C. M. Computer Vision. PrenticeHall, Inc. ed. New

Jersey: Englewood Cliffs, 1982.

BARELLI, F. Introdução à Visão Computacional - Uma abordagem pratica com

Python e OpenCV. Vila Velha, ES: Casa do Código, 2018. v. 1

BERTALMIO, M.; SAPIRO, G.; CASELLES, V.; BALLESTER, C. Image Inpainting.

University of Minnesota, 2000.

BRASIL. LEI No 13.709, DE 14 DE AGOSTO DE 2018. Lei Geral de Proteção de

Dados Pessoais (LGPD). (Redação dada pela Lei no 13.853, de 2019). Brasil, 14
ago. 2018. Disponível em: <https://www.planalto.gov.br/ccivil_03/_ato2015-
2018/2018/lei/l13709.htm>. Acesso em: 29 set. 2023

BRASIL, N. P. O que é algoritmo e como ele é utilizado na internet? Disponível

em: <https://olhardigital.com.br/2022/07/05/internet-e-redes-sociais/o-que-e-
algoritmo/>. Acesso em: 29 set. 2023.

COSTA, L. J. DA; SOUSA, T. L. DE; SILVA, F. A. DA; ALMEIDA, L. L. DE;

PEREIRA, D. R.; ARTERO, A. O.; PITERI, M. A. Visão Computacional aplicada
em Reconhecimento Facial na busca por pessoas desaparecidas. Colloquium
Exactarum, v. v.13, p. 58–72, 1 ago. 2021.

CRIPPA, M. E. N.; ESTEVES, M.; OLIVEIRA, L. V. DE; LAURENTE, I.; HOLANDA,

T. Uso do reconhecimento facial aplicado à segurança pública no Brasil.
Universidade Estadual de Campinas. Brasil, p. 159–173, 18 fev. 2021.

DATAPEAKER. Bibliotecas GAN para aprendizado profundo. Disponível em:

<https://datapeaker.com/pt/big--data/bibliotecas-gan-para-aprendizagem-profunda/>.
Acesso em: 7 jan. 2024.
 31

EQUIPE DATA SCIENCE ACADEMY. O Que é Visão Computacional? Disponível

em: <https://blog.dsacademy.com.br/o-que-e-visao_computacional/>. Acesso em: 22
set. 2023.

ESET. O que é spoofing e como evitar esse tipo de ataque? Disponível em:
<https://www.eset.com/br/artigos/o-que-e-spoofing/>. Acesso em: 3 jan. 2024.

FARIA, Í. C. G. Segurança pública brasileira: responsáveis, números e desafios.

Disponível em: <https://www.politize.com.br/seguranca-publica-brasileira-entenda/>.
Acesso em: 29 set. 2023.

FONSECA, J. J. S. DA. METODOLOGIA DA PESQUISA CIENTIFICA. 1. ed.

Fortaleza: UECE, 2002. v. 1

FRANQUEIRA, B. D.; HARTMANN, I. A.; SILVA, L. A. O que os olhos não veem,

as câmeras monitoram: reconhecimento facial para segurança pública e
regulação na América Latina. Revista Digital de Direito Administrativo, v. 8, n. 1, p.
17–204, 2021.

GLOBALDATA. Alphabet Inc Company profile. Disponível em:

<https://canaltech.com.br/empresa/alphabet-inc/>. Acesso em: 7 nov. 2023.

GOMES, G.; SOUSA, D. E.; RIBEIRO, J.; SANTOS, L.; MILSON, P. L.; LIMA, L.;
HELENO BALDEZ, J.; EWERTON, J.; BASTOS, F. Monitoramento de segurança
em uma cidade inteligente. revistas.laboro.edu.br, 2021.

GONÇALVES FERRER, G.; TOURINHO MORETTO, A. Regulamento europeu

sobre inteligência artificial (EU AI Act): pontos de atenção e semelhanças com
a proposta de regulação brasileira. Disponível em:
<https://www.migalhas.com.br/depeso/390762/regulamento-europeu-sobre-
inteligencia-artificial-eu-ai-act>. Acesso em: 7 nov. 2023.

GRADILLA, R. Multi-task Cascaded Convolutional Networks (MTCNN) for Face

Detection and Facial Landmark Alignment . Disponível em:
<https://medium.com/@iselagradilla94/multi-task-cascaded-convolutional-networks-
mtcnn-for-face-detection-and-facial-landmark-alignment-7c21e8007923>. Acesso
em: 3 jan. 2024.

GRANATYR, J. Reconhecimento de Faces e de Objetos com Python e Dlib.

Disponível em: <https://iaexpert.academy/cursos-online-assinatura/reconhecimento-
faces-objetos-python-dlib/>. Acesso em: 24 nov. 2023.

GRANATYR, J.; ALVES, G. Detecção de Objetos com YOLO, Darknet, OpenCV e

Python. Disponível em: <https://iaexpert.academy/cursos-online-
assinatura/deteccao-de-objetos-com-yolo-darknet-opencv-e-
python/?doing_wp_cron=1700923511.5771639347076416015625>. Acesso em: 24
nov. 2023.

HEITLINGER, P. A legibilidade das letras para leitura automática. p. 46, 2007.

 32

HENRIQUE SANTOS, P. EUA adotam novas diretrizes para IA - Data Privacy

Brasil Research. Disponível em: <https://www.dataprivacybr.org/eua-adotam-novas-
diretrizes-para-ia/>. Acesso em: 7 nov. 2023.

KEMERICH, A.; MARTINS, M. O. Reconhecimento facial utilizando OpenCV na

Segurança Pública. Santa Maria: Universidade Franciscana Santa Maria, 2020.

LISBOA, A.; CIRIACO, D. O que é IA generativa? - Canaltech. Disponível em:

<https://canaltech.com.br/inteligencia-artificial/o-que-e-ia-generativa/>. Acesso em: 7
nov. 2023.

MACIEL, R. P. Desenvolvimento de uma abordagem computacional para

detecção facial e rastreamento do sistema visual da população infantil. [s.l:
s.n.].

MARENGONI, M.; STRINGHINI, D. Tutorial: Introdução à Visão Computacional

usando OpenCV. RITA, v. XVI, p. 126–160, 2009.

MIT. MIT - Massachusetts Institute of Technology. Disponível em:

<https://web.mit.edu/>. Acesso em: 2 jan. 2024.

MONTANARI, R. Detecção e classificação de objetos em imagens para

rastreamento de veículos. São Carlos: Universidade de São Paulo - USP, 2015.

NAJIBI, M.; SINGH, B.; DAVIS, L. S. FA-RPN: Floating Region Proposals for Face
Detection. Proceedings of the IEEE Computer Society Conference on Computer
Vision and Pattern Recognition, v. 2019- June, p. 7715–7724, 13 dez. 2018.

NEVES, L.; NETO, H. V.; GONZAGA, A. Avanços em visão computacional.

Omnipax Editora Ltda ed. Curitiba: [s.n.]. v. 1

ONU. DUDH. Declaração Universal dos Direitos Humanos, p. 1–7, 10 dez. 1948.

OPENAI. ChatGPT. Disponível em: <https://openai.com/chatgpt>. Acesso em: 24

nov. 2023.

PAES, F. API de Recon Facial e Aplicativo Oraculo. Disponível em:

<https://gitlab.com/fabiopaes/recon-facial>. Acesso em: 9 jan. 2024a.

___. ORACULO. Disponível em: <https://oraculo.sejusp.ac.gov.br/#>. Acesso em: 9

jan. 2024b.

RUSSELL, S. J.; NORVIG, P.; DAVIS, E. Inteligência Artificial. Uma Abordagem

Moderna.Tradução da Terceira Edição. Terceira Edição ed. Rio de Janeiro:
Elsevier, 2013.

SEREC, L. DE C. Transparência na inteligência artificial: mecanismos de

enfrentamento nos projetos de regulação da Europa e do Brasil. São Paulo:
Pontifícia Universidade Católica de São Paulo, 2023.

SPICER, D. Oral History of John McCarthy. Mountain View, California: [s.n.].

Disponível em:
 33

<https://archive.computerhistory.org/resources/access/text/2012/10/102658149-05-
01-acc.pdf>. Acesso em: 27 out. 2023.

STAN Z. LI; ANIL K. JAIN; JIANKANG DENG. Handbook of Face Recognition.

Third Edition ed. Cham, Switzerland: Springer, 2024. v. Third Edition

TALAAT, F. M.; ZAINELDIN, H. An improved fire detection approach based on

YOLO-v8 for smart cities. Neural Computing and Applications, p. 20939–20954,
28 jul. 2023.

TR7 MIL GRAU. VEJA O INICIO DE TODA CONFUSÃO ENTRE TORCEDORES

DE BRASIL E ARGENTINA. Disponível em:
<https://www.youtube.com/watch?v=70Fc0o_81bc>. Acesso em: 26 nov. 2023.

ULTRALYTICS. Ultralytics YOLOv8: Multi-Stream Object Tracking. Disponível

em: <https://ultralytics.medium.com/object-tracking-across-multiple-streams-using-
ultralytics-yolov8-7934618ddd2>. Acesso em: 25 nov. 2023.

VIEIRA, M. L. A Convolução e a Transformada de Laplace. Disponível em:

<https://matematicasimplificada.com/convolucao-transformada-de-laplace/>. Acesso
em: 25 nov. 2023.

WELLS, J. SAMPA-computer readable phonetic alphabet. Disponível em:

<https://www.phon.ucl.ac.uk/home/sampa/>. Acesso em: 7 nov. 2023.

ZHANG, S.; CHI, C.; LEI, Z.; LI, S. Z. RefineFace: Refinement Neural Network for
High Performance Face Detection. IEEE Transactions on Pattern Analysis and
Machine Intelligence, v. 43, n. 11, p. 4008–4020, 10 set. 2019.

___.. S3FD: Single Shot Scale-invariant Face Detector. Proceedings of the IEEE
International Conference on Computer Vision, v. 2017- October, p. 192–201, 17 ago.
2017a.

___. FaceBoxes: A CPU Real-time Face Detector with High Accuracy. IEEE
International Joint Conference on Biometrics, IJCB 2017, v. 2018- January, p. 1–9,
17 ago. 2017b.
 34

ANEXO A

TERMO DE ACEITAÇÃO DE ORIENTAÇÃO

POLÍCIA MILITAR DE ALAGOAS

DIRETORIA DE ENSINO
ACADEMIA DE POLÍCIA MILITAR SENADOR ARNON DE MELLO
CURSO DE APERFEIÇOAMENTO DE OFICIAIS

DECLARAÇÃO

Eu, RAUMÁRIO JERÔNIMO DOS SANTOS – TC QOC PM, contato de celular:

(82) 98176-8251, e-mail: raumariosantos@gmail.com, firmo o compromisso de
assumir a orientação do Trabalho de Conclusão de Curso (TCC) do CAP QOC PM
CARLOS ROBERTO DOS SANTOS SILVA, discente do Curso de Aperfeiçoamento
de Oficiais, Turma-2023, da Academia de Polícia Militar Senador Arnon de Mello, da
Polícia Militar de Alagoas sobre o tema intitulado “INTELIGÊNCIA ARTIFICIAL:
SUGESTÃO DO USO DE DETECÇÃO E RECONHECIMENTO FACIAIS NA
SEGURANÇA PÚBLICA DO ESTADO DE ALAGOAS”.
Para os devidos fins, firmo também o compromisso de estar presente na
apresentação do aludido Trabalho, quando estipulado dia e hora pela Academia de
Polícia Militar Senador Arnon de Mello.

Maceió-AL, 9 de outubro de 2023.

________________________________________________
RAUMÁRIO JERÔNIMO DOS SANTOS – TC QOC PM
Orientador
 35

ANEXO B

TERMO DE AUTENTICIDADE DA AUTORIA

POLÍCIA MILITAR DE ALAGOAS

DIRETORIA DE ENSINO
ACADEMIA DE POLÍCIA MILITAR SENADOR ARNON DE MELLO
CURSO DE APERFEIÇOAMENTO DE OFICIAIS

TERMO DE AUTENTICIDADE DE AUTORIA

Eu, CAP QOC PM CARLOS ROBERTO DOS SANTOS SILVA, abaixo-

assinado, discente do Curso de Aperfeiçoamento de Oficiais da Academia de Polícia
Militar Senador Arnon de Mello, cuja orientação foi realizada no período de junho a
fevereiro de 2024, sob a Orientação do Prof. Me. VALDICK SALES JÚNIOR, declaro
que o conteúdo do Projeto de Pesquisa e Artigo Científico intitulado – INTELIGÊNCIA
ARTIFICIAL: SUGESTÃO DO USO DE DETECÇÃO E RECONHECIMENTO
FACIAIS NA SEGURANÇA PÚBLICA DO ESTADO DE ALAGOAS – é autêntico,
original e de minha exclusiva autoria.

Maceió, 29 de outubro de 2023.

_________________________________________________
CAP QOC PM CARLOS ROBERTO DOS SANTOS SILVA
 36

ANEXO C

TERMO DE CORREÇÃO GRAMATICAL

POLÍCIA MILITAR DE ALAGOAS

DIRETORIA DE ENSINO
ACADEMIA DE POLÍCIA MILITAR SENADOR ARNON DE MELLO
CURSO DE APERFEIÇOAMENTO DE OFICIAIS

TERMO DE CORREÇÃO GRAMATICAL

Eu, Flaximan Arruda dos Santos, CPF no 451.652.464-34, graduado em Letras

pela UFAL, em 2002, declaro para os fins que se fizerem necessários que realizei a
correção gramatical do Trabalho de Conclusão de Curso intitulado INTELIGÊNCIA
ARTIFICIAL: SUGESTÃO DO USO DE DETECÇÃO E RECONHECIMENTO
FACIAIS NA SEGURANÇA PÚBLICA DO ESTADO DE ALAGOAS, realizado pelo
acadêmico da Academia de Polícia Militar Senador Arnon de Mello, CAP QOC PM
CARLOS ROBERTO DOS SANTOS SILVA
O trabalho por mim realizado incidiu sobre correção gramatical, adequação do
vocabulário, inteligibilidade do texto e sobre normas pertinentes à ABNT atualizadas
em 2023.
Por ser verdade, firmo a presente em duas vias de igual teor.

Maceió, 31 de outubro 2023.

_____________________________
Flaximan Arruda dos Santos
Graduado em Letras na UFAL (2002)