Face_ID - Sistema de Autenticação com Reconhecimento Facial 🚀

📄 Descrição

Face_ID é uma plataforma de API REST para cadastro e reconhecimento facial. O sistema permite que utilizadores sejam registados com dados pessoais e um conjunto de imagens do seu rosto. A partir destes dados, é possível realizar consultas por informações cadastrais ou por deteção facial, retornando rapidamente os dados do utilizador correspondente.

🎯 Objetivo

O Face_ID foi desenvolvido para funcionar como um serviço de identidade, oferecendo uma solução de autenticação e gestão de dados baseada em biometria facial. Ele possibilita:

• Cadastrar utilizadores com informações pessoais e imagens faciais.
• Armazenar e gerir perfis biométricos de forma segura.
• Consultar utilizadores via dados cadastrais ou por envio de imagem para verificação.

🛠️ Tecnologias Utilizadas

• Backend: Java 17, Spring Boot
• Persistência de Dados: Spring Data JPA, Hibernate
• Banco de Dados: H2 (para desenvolvimento) e SQL Server (para produção)
• Visão Computacional: OpenCV (via Bytedeco)
• Documentação da API: Springdoc OpenAPI (Swagger UI)
• Build: Apache Maven

🏗️ Arquitetura

O projeto segue uma arquitetura em camadas bem definida para garantir a separação de responsabilidades e a manutenibilidade do código:

Requisição HTTP
      ↓
[ 👤 Controller ]  (Endpoints REST)
      ↓
[ ⚙️ Service ]     (Lógica de Negócio, ex: comparação facial)
      ↓
[ 🗄️ Repository ]  (Acesso a Dados com Spring Data JPA)
      ↓
[ 💾 Database ]     (SQL Server / H2)

✨ Funcionalidades

• ✅ Cadastro completo de utilizador com dados pessoais.
• ✅ Upload de múltiplas imagens faciais por utilizador.
• ✅ Armazenamento seguro de imagens e metadados em banco de dados.
• ✅ Busca de utilizador por identificadores (CPF, nome, etc.).
• ✅ Reconhecimento facial a partir do envio de uma nova imagem (via multipart/form-data ou Base64).
• ✅ Retorno dos dados completos do utilizador correspondente após a identificação.

---

🚀 Como Executar o Projeto

Siga os passos abaixo para configurar e executar a aplicação localmente.

1. Pré-requisitos

• Java 17 ou superior
• Apache Maven
• Git
• SQL Server (necessário para o perfil de produção)

2. Clonar o Repositório

git clone https://github.com/Emanuxl19/Face_ID.git
cd Face_ID

3. Configuração do Banco de Dados

• Ambiente de Desenvolvimento (dev): Por padrão, a aplicação utiliza um banco de dados em memória H2, que não requer configuração adicional. Ele será criado e destruído automaticamente.

• Ambiente de Produção (prod):

  1. Certifique-se de que tem uma instância do SQL Server a correr.
  2. Crie um banco de dados para a aplicação, por exemplo:

     CREATE DATABASE faceid_prod;

  3. Crie um ficheiro .env na raiz do projeto para armazenar as suas credenciais de produção. Utilize o ficheiro .env.example (se existir) como modelo ou crie um com o seguinte formato:

     DB_URL=jdbc:sqlserver://localhost:1433;databaseName=faceid_prod;encrypt=true;trustServerCertificate=true
     DB_USERNAME=seu_usuario_prod
     DB_PASSWORD=sua_senha_prod

4. Executar a Aplicação

Use o Maven para compilar e iniciar o servidor Spring Boot.

mvn spring-boot:run

A aplicação iniciará, por padrão, no perfil dev.

5. Aceder à Aplicação

• API: A aplicação estará disponível em http://localhost:8080.
• Documentação Swagger UI: Para testar os endpoints de forma interativa, aceda a:
  • http://localhost:8080/swagger-ui/

---

📋 Requisitos do Projeto

<details> <summary><strong>Clique para ver os Requisitos Funcionais e Não Funcionais</strong></summary>

📌 Requisitos Funcionais (RFs)

• RF01 — Cadastro de Usuário: O sistema deve permitir o cadastro de utilizadores com: CPF, nome completo, data de nascimento, idade, telefone, e-mail e senha.
• RF02 — Cadastro de Imagens Faciais: O sistema deve permitir o envio de 3 a 4 imagens faciais do utilizador para a criação de um perfil biométrico.
• RF03 — Armazenamento de Dados: As informações cadastrais e as características faciais extraídas devem ser armazenadas de forma segura no banco de dados.
• RF04 — Consulta por Identificador: O sistema deve permitir a consulta de utilizadores por CPF, telefone ou e-mail.
• RF05 — Reconhecimento Facial Aproximado: O sistema deve identificar um utilizador a partir de uma nova imagem. A deteção é feita através da extração de vetores de características faciais (embeddings) e da comparação por similaridade, utilizando um limiar de confiança (ex: 80%).
• RF06 — Retorno das Informações: Ao identificar um utilizador, o sistema deve retornar as suas informações cadastrais.

⚙️ Requisitos Não Funcionais (RNFs)

• RNF01: O tempo de resposta para uma requisição de verificação deve ser de até 2 segundos.
• RNF02: As imagens para upload devem ser no formato .jpg ou .png, com um limite de 1 MB por ficheiro.
• RNF03: A aplicação deve ser acessível via API REST.
• RNF04: O banco de dados deve suportar, no mínimo, 1000 utilizadores.
• RNF05: O sistema deve seguir uma arquitetura em camadas (Controller, Service, Repository).

</details>