# Pontuações e limiares de correspondência facial

Source: https://help.didit.me/pt-BR/liveness-biometrics/face-match-thresholds
Updated: 2026-10-12

A correspondência facial retorna uma pontuação de similaridade, não um sim ou não. Você define os limiares de revisão e reprovação que decidem cada sessão.

A correspondência facial retorna uma **pontuação de similaridade**, não um sim ou não. Você define dois limiares: abaixo do limiar de reprovação a sessão é reprovada, entre os dois vai para revisão, acima do limiar de revisão ela passa. Onde você os coloca é uma decisão de política, e é a principal alavanca tanto sobre a sua taxa de fraude quanto sobre a sua fila de revisão.

## O que a pontuação significa

[Video: Correspondência facial - Didit Academy](https://www.youtube.com/watch?v=7htTWCWsl60&t=376)

[Video: Autenticação biométrica: reverifique usuários recorrentes com uma selfie - Didit Academy](https://www.youtube.com/watch?v=gJ7BQkNsFjw)

![Console Didit: Pontuações e limiares de correspondência facial](https://help.didit.me/screenshots/session-detail-light.webp)

*A pontuação e o que ela fez com a decisão estão ambos na sessão.*

A correspondência facial 1:1 compara a selfie com o retrato do documento e retorna uma pontuação de similaridade. É uma medida de quanto dois rostos se parecem - nunca é uma certeza sobre identidade, porque nenhuma comparação biométrica é.

É por isso que a plataforma dá a você dois limiares em vez de um único veredito.

## As três faixas

| Faixa | O que acontece |
|---|---|
| Acima do limiar de revisão | Passa automaticamente |
| Entre os dois limiares | A sessão vai para **In Review** para uma pessoa decidir |
| Abaixo do limiar de reprovação | A sessão é reprovada automaticamente, com `LOW_FACE_MATCH_SIMILARITY` |

Os dois limiares são definidos na etapa de correspondência facial do seu workflow, então workflows diferentes podem ter apetites de risco diferentes - um fluxo de abertura de conta de alto valor e uma verificação de idade de baixo risco não precisam das mesmas configurações.

## O que realmente derruba uma pontuação legítima

Antes de apertar qualquer coisa, saiba o que move a pontuação para usuários genuínos:

- **Idade da foto do documento.** Um retrato tirado há dez anos é genuinamente menos parecido.
- **Qualidade de impressão e digitalização.** Alguns países imprimem retratos pequenos e de baixo contraste; um documento desgastado é ainda pior.
- **Oclusão.** Óculos, chapéus, maquiagem pesada, uma barba que não existia antes.
- **Iluminação e câmera.** Um ambiente escuro e uma câmera frontal barata custam similaridade.

Nada disso é fraude, e tudo isso é mais comum em alguns mercados do que em outros. Se os seus usuários tendem a ter documentos mais antigos, um limiar ajustado com passaportes recentes vai reprovar pessoas reais.

## Escolhendo os limiares

A troca é simétrica e inevitável:

- **Limiares mais rígidos** pegam mais impostores e mandam mais usuários genuínos para revisão ou reprovação.
- **Limiares mais frouxos** aprovam mais usuários genuínos e deixam mais impostores passarem.

Uma forma prática de defini-los:

1. **Comece com os padrões e colete dados**

   Rode tráfego real com os padrões por algumas centenas de sessões antes de mudar qualquer coisa. Você não pode ajustar por intuição.

2. **Veja o que caiu em revisão, e por quê**

   Abra as sessões da faixa de revisão. Se um revisor aprova quase todas, o seu limiar de revisão está alto demais - ele está gerando trabalho sem nenhuma decisão real nele.

3. **Veja as reprovações**

   Se as sessões reprovadas são majoritariamente usuários genuínos com documentos antigos, o seu limiar de reprovação está alto demais para a sua população.

4. **Mude um limiar de cada vez**

   Altere um, mantenha o outro, e meça de novo. Mudar os dois ao mesmo tempo não diz nada sobre qual deles importou.

> **Warning:** Não ajuste o limiar para fazer uma reclamação específica desaparecer. Um único usuário reprovado não é um sinal, e afrouxar um limiar para resolver um caso o afrouxa para todo impostor também. Corrija casos individuais com uma decisão de revisão manual ou um reenvio; mude limiares só diante de um padrão.

## Ampliar a faixa de revisão não é de graça

Uma faixa de revisão ampla parece segura - nada é reprovado automaticamente, uma pessoa vê tudo que é limítrofe. Na prática, isso converte um problema de decisão em um problema de equipe: a fila cresce, as revisões ficam menos cuidadosas, e a qualidade efetiva das decisões cai. Veja [sessões travadas em revisão](https://help.didit.me/pt-BR/verification-sessions/session-in-review).

## Uma verificação mais forte vence um limiar melhor

Se a correspondência facial é o seu ponto fraco, a mudança de maior impacto geralmente não é o limiar:

- O **NFC** lê o retrato direto do chip do documento - a própria imagem do emissor, em qualidade máxima - o que elimina a variável de degradação de impressão.
- A **prova de vida ativa** aumenta o custo de um ataque de apresentação, então uma pontuação limítrofe tem menos chance de ser um ataque, para começo de conversa.

## Testando os seus limiares antes de ir ao ar

O sandbox tem cenários exatamente para isso: `decline_face_match_low_similarity` para uma falha clara e `review_face_match_borderline` para uma pontuação dentro da faixa de revisão. Use-os para confirmar que o seu workflow encaminha cada faixa para onde você acha que encaminha, antes que usuários reais cheguem lá. Veja [testando no sandbox](https://help.didit.me/pt-BR/getting-started/sandbox-and-testing).