# Pontuações e limiares de correspondência facial

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

A correspondência facial devolve pontuação de semelhança e tu decides o que acontece em cada faixa - define os limiares de revisão e recusa sem afogar a fila.

A correspondência facial devolve uma **pontuação de semelhança**, não um sim
ou não. Defines dois limiares: abaixo do limiar de recusa a sessão é
recusada, entre os dois vai para revisão, acima do limiar de revisão passa.
Onde os colocas é uma decisão de política, e é a principal alavanca tanto
sobre a tua taxa de fraude como sobre a tua 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 utilizadores recorrentes com uma selfie - Didit Academy](https://www.youtube.com/watch?v=gJ7BQkNsFjw)

![Uma sessão na consola Didit com o separador Liveness a mostrar o resultado da correspondência facial](https://help.didit.me/screenshots/session-detail-light.webp)

*A pontuação e o que fez à decisão estão ambos na sessão.*

A correspondência facial 1:1 compara a selfie com o retrato do documento e devolve uma pontuação de semelhança. É uma medida de quão parecidos são dois rostos - nunca é uma certeza sobre identidade, porque nenhuma comparação biométrica o é.

É por isso que a plataforma te dá 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 **Em Revisão** para uma pessoa decidir |
| Abaixo do limiar de recusa | A sessão é recusada automaticamente, com `LOW_FACE_MATCH_SIMILARITY` |

Ambos os limiares são definidos no passo de correspondência facial do teu fluxo de trabalho, por isso fluxos de trabalho 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 definições.

## O que realmente reduz uma pontuação legítima

Antes de apertares fosse o que fosse, sabe o que move a pontuação para utilizadores genuínos:

- **Antiguidade da fotografia do documento.** Um retrato tirado há dez anos é genuinamente menos semelhante.
- **Qualidade de impressão e digitalização.** Alguns países imprimem retratos pequenos e de baixo contraste; um cartão desgastado é ainda pior.
- **Oclusão.** Óculos, chapéus, maquilhagem pesada, uma barba que não existia antes.
- **Iluminação e câmara.** Uma sala escura e uma câmara frontal barata custam ambas semelhança.

Nada disto é fraude, e todos estes fatores são mais comuns nalguns mercados do que noutros. Se os teus utilizadores tenderem para documentos mais antigos, um limiar ajustado para passaportes recentes vai recusar pessoas genuínas.

## Escolher os limiares

O compromisso é simétrico e inevitável:

- **Limiares mais apertados** apanham mais impostores e enviam mais utilizadores genuínos para revisão ou recusa.
- **Limiares mais soltos** deixam passar mais utilizadores genuínos e também mais impostores.

Uma forma prática de os definir:

1. **Começa com as predefinições e recolhe dados**

   Corre tráfego real pelas predefinições durante algumas centenas de sessões antes de mudares fosse o que fosse. Não podes ajustar por intuição.

2. **Vê o que caiu em revisão, e porquê**

   Abre as sessões na faixa de revisão. Se um revisor aprova quase todas, o teu limiar de revisão está demasiado alto - está a gerar trabalho sem decisões dentro dele.

3. **Vê as recusas**

   Se as sessões recusadas forem sobretudo utilizadores genuínos com documentos antigos, o teu limiar de recusa está demasiado alto para a tua população.

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

   Altera um, mantém o outro, e volta a medir. Mover os dois ao mesmo tempo não te diz qual dos dois importou.

> **Warning:** Não ajustes o limiar para fazer desaparecer uma queixa específica. Um único
> utilizador recusado não é um sinal, e afrouxar um limiar para resolver um
> caso afrouxa-o também para todos os impostores. Resolve casos individuais
> com uma decisão de revisão manual ou um reenvio; muda os limiares apenas
> perante um padrão.

## Alargar a faixa de revisão não é grátis

Uma faixa de revisão larga parece segura - nada é recusado automaticamente, uma pessoa vê tudo o que é limítrofe. Na prática, converte um problema de decisão num problema de dotação de pessoal: a fila cresce, as revisões tornam-se menos cuidadosas, e a qualidade efetiva das decisões cai. Consulta [sessões presas em revisão](https://help.didit.me/pt-PT/verification-sessions/session-in-review).

## Uma comprovação mais forte vale mais do que um limiar melhor

Se a correspondência facial for o teu ponto fraco, a mudança de maior impacto normalmente não é o limiar de todo:

- O **NFC** lê o retrato diretamente do chip do documento - a própria imagem do emissor, na qualidade máxima - o que remove a variável de degradação da impressão.
- A **prova de vida ativa** aumenta o custo de um ataque de apresentação, por isso uma pontuação limítrofe tem menos probabilidade de ser à partida um ataque.

## Testar os teus limiares antes de entrares em produção

O sandbox tem cenários exatamente para isto: `decline_face_match_low_similarity` para uma falha clara e `review_face_match_borderline` para uma pontuação dentro da faixa de revisão. Usa-os para confirmar que o teu fluxo de trabalho encaminha cada faixa para onde pensas que a encaminha, antes de os utilizadores reais lá chegarem. Consulta [testar em sandbox](https://help.didit.me/pt-PT/getting-started/sandbox-and-testing).