Problema real
Acesso físico ainda depende muito de chave, controle isolado e pouca rastreabilidade. O projeto nasceu para simplificar isso sem inflar custo.
AIoT . segurança física . visão computacional
Um TCC que virou case vivo.
Este projeto recompõe com cuidado um sistema de controle de acesso por reconhecimento facial com monitoramento remoto. Em vez de tentar imitar um código que se perdeu, a página assume o papel certo: documentar bem, mostrar critério técnico e transformar a ideia em experiência.
Hardware
ESP32-CAM + ESP32 WROOM
Desktop
Python + OpenCV + MySQL
Agora
Demo local com câmera
Pulse do projeto
live case
Papel da página
Documentar sem cenografia
Entrega visual
Narrativa + demo + referência
Leitura executiva
O valor aqui não é fingir que o código existe.
O artigo já provava a base teórica e o protótipo. Esta página faz outra parte do trabalho: organiza o raciocínio, expande a leitura técnica e oferece uma demonstração atual de visão computacional no navegador.
Assim, o case deixa de ser apenas uma referência acadêmica e passa a funcionar como portfólio técnico de verdade.
Camada 1
Captura
Camada 2
Acionamento
Camada 3
Supervisão
Custos mantidos conforme a Tabela 1 do artigo. A publicação não informa a data exata da cotação; a referência usada aqui é a versão publicada em 18/08/2024.
Leitura rápida
O ponto central do projeto nunca foi só abrir uma porta.
O que ele buscava era uma operação mais segura, com resposta local, baixo custo e possibilidade de supervisão remota. Essa ambição continua viva aqui, só que agora apresentada de forma mais clara e navegável.
Resposta técnica
Uma arquitetura distribuída: captura com ESP32-CAM, acionamento com ESP32 WROOM e uma versão desktop em Python para cadastro e verificação.
Valor agora
A página atual transforma o artigo em case técnico. Menos texto solto, mais hierarquia, demonstração e critério de engenharia.
Arquitetura reconstruída
Quatro blocos, cada um com um papel claro.
Em vez de despejar um diagrama frio, a leitura abaixo separa o sistema por responsabilidade. Isso ajuda a entender como o protótipo operava e por que a composição fazia sentido.
ESP32-CAM como cabeça de captura
A ESP32-CAM concentrava aquisição de imagem, resposta visual em TFT e a comunicação do sistema com clientes remotos. Era a camada que enxergava, respondia e iniciava a decisão.
Câmera
OV2640 2MP
Comunicação
HTTP + WebSocket
Memória
Face IDs na flash
ESP32 WROOM como camada de atuação
O segundo microcontrolador assumia a parte física da resposta: relé, buzzer, sensor magnético e fecho eletromagnético. Separar captura e atuação deixava o protótipo mais organizado e previsível.
Recebe o sinal de abertura e libera a fechadura.
Monitora o estado da porta via sensor magnético.
Aciona buzzer quando a operação foge do fluxo esperado.
Aplicação Python como trilha complementar
Em paralelo ao protótipo embarcado, o projeto tinha uma versão desktop para cadastro e reconhecimento em ambientes de propósito geral. Aqui entram `face_recognition`, `OpenCV`, `tkinter` e `MySQL`.
Cadastro com nome, e-mail e encoding facial.
Verificação em tempo real por webcam.
Recuperação de registros salvos no banco.
Interface gráfica pensada para uso prático.
Como o fluxo se fecha
1. A câmera captura a imagem e compara com os registros locais.
2. Em caso de autenticação válida, o sinal segue para a camada de atuação.
3. O fecho libera a porta e o sensor acompanha se ela foi fechada novamente.
4. O monitoramento remoto complementa a supervisão do sistema.
Experiência viva
A ideia sai do papel quando a câmera entra em cena.
Não é o reconhecimento facial original do TCC. É melhor do que isso para este contexto: uma prova viva, local e honesta de visão computacional aplicada, integrada a uma narrativa que explica o projeto sem teatralizar.
Carregando modelo...
Modo
Leitura estabilizada
Agrupa sinais entre frames para reduzir ruído.
Pronto para observar a cena
Clique em iniciar para carregar o modelo, pedir permissão da câmera e ativar a leitura local da imagem no navegador.
Foco operacional
Classes com boa aderência no modelo base
Pessoa
Celular
Mochila
Bolsa
Acessório
Colher
Faca
Tesoura
Laptop
Telemetria
Status
Ocioso
Detecções
0
Objeto principal
Nenhum
Confiança
0%
Objetos estabilizados
Nenhum
Sinais de atenção
Triagem contextual da cena
Sem alerta
Nível
Baixo
Objetos sensíveis
Nenhum
Nenhum padrão de atenção identificado.
Leitura especializada
Nenhum destaque operacional ainda.
Classes recentes
Sem deteccoes
Notas da demo
- Ela não tenta substituir o sistema do TCC. O papel aqui é demonstrar visão computacional de forma viva e honesta.
- O processamento acontece no cliente. O vídeo não precisa sair do navegador.
- Os alertas de suspeita são heurísticas de triagem. Eles ajudam a chamar atenção, mas não substituem critério humano.
- Itens muito pequenos ou fora do vocabulário base, como chave, cabo e óculos, podem não aparecer com consistência nessa versão web.
Sistema pronto. Nenhum evento ainda.
Desafios de execução
O artigo fica mais forte quando ele mostra onde doeu.
Uma das partes mais humanas desse trabalho é justamente não esconder atrito. O protótipo exigiu paciência em logística, cuidado com versões e bastante insistência em bancada.
Logística
Compatibilizar componentes e esperar entrega de fornecedores internacionais atrasou o ritmo, mas amadureceu o critério de seleção.
Versionamento
Bibliotecas e firmwares em ecossistemas que mudam rápido pediram reconfiguração constante e muita verificação de compatibilidade.
Hardware
Conexão física ruim derruba qualquer protótipo. Soldagem, organização interna e escolha de conectores fizeram diferença real.
Resultado prático
O sistema não nasce perfeito, mas nasce coerente.
Efetivo para prototipagem
O trabalho entrega uma base funcional e econômica para controle de acesso, com chance real de evolução em campo.
Bom recorte de TCC
Ele não tenta resolver tudo de uma vez. Em vez disso, fecha um ciclo completo com hardware, software e interface.
Futuro bem definido
Reconhecimento 3D, base unificada e validação em ambiente real aparecem como continuação natural, não como promessas vazias.
Materiais e custos
Baixo custo, mas sem narrativa de brinquedo.
ESP32 ESP-WROOM-32US$ 14.69
ESP32-CAMUS$ 14.09
Sensor magnetico MC-38US$ 3.79
Mini porta com macanetaUS$ 4.00
Fecho eletrico 12VUS$ 15.13
Tela TFT 1.8inUS$ 14.84
Total estimadoUS$ 82.94
O artigo informa que os valores são estimativas de mercado e podem variar por fornecedor e localização geográfica. A data exata da cotação não foi publicada; nesta página os custos seguem a Tabela 1 da versão divulgada em 18/08/2024.
Ferramentas citadas
Python
OpenCV
face_recognition
MySQL
tkinter
TensorFlow
ESP32
Trabalhos futuros
Reconhecimento 3D com mais ângulos e mais variação de iluminação.
Base comum para integrar melhor o dispositivo embarcado e a versão desktop.
Instalação em ambiente real para medir uso, ajustes e confiabilidade operacional.
Referência primária
A página assume uma postura simples: o artigo continua sendo a fonte de verdade.
Tudo aqui parte dele. O que a página faz é melhorar a experiência de leitura, condensar a arquitetura, destacar os aprendizados e adicionar uma demonstração contemporânea de visão computacional para o portfólio.
Lemos RP, Azevedo CH, Passos Junior MR, Kunzler JA. Sistema de controle de acesso através de reconhecimento facial com monitoramento remoto. Revista Brasileira Militar de Ciências. 2024;10(24):e175.