Mais câmeras, mais segurança?

Estados e municípios brasileiros têm investido cada vez mais na implementação de tecnologias de videomonitoramento. Isso inclui a criação e expansão da infraestrutura de câmeras urbanas, a compra de softwares de inteligência artificial para identificação e reconhecimento facial e de placa, além da criação de plataformas de compartilhamento de câmeras do setor privado e de cidadãos com os centros de operações vinculados a estes.[1] 

 

A expansão das atividades de vigilância urbana costuma ser vista como uma resposta lógica e necessária ao problema da violência. Com frequência, essas tecnologias servem como aliadas na segurança pública, expandindo a “visão” do policial que, dos centros de operações, monitora as imagens captadas nas diferentes ruas de um bairro, otimizando o uso dos recursos disponíveis diante das limitações enfrentadas em muitos batalhões.

 

Durante nove meses, o Instituto Igarapé realizou um estudo sobre a implementação e o uso dessas tecnologias de videomonitoramento no Brasil. Essas tecnologias estão entre os principais dispositivos de vigilância utilizados pelas autoridades públicas no país e possuem especial apelo, pois exploram a possibilidade de “ver” e “presenciar” um evento em tempo real.[2] Câmeras de circuito fechado de televisão, também conhecidas pelo acrônimo “CFTV”, assim como câmeras com softwares de reconhecimento facial e de placa, estão entre as tecnologias de videomonitoramento mais comumente utilizadas. Na pesquisa, analisou-se o uso destas três tecnologias, na segurança pública, em três cidades brasileiras: Campinas, Salvador e Rio de Janeiro.

 

Entre as principais limitações comuns às três tecnologias analisadas estão: a eficácia limitada e dependente do contexto, o que inclui limitações de caráter técnico (p. ex., posição inadequada e eventual não funcionamento da câmera, iluminação insuficiente ou excessiva etc.); a falta de pessoas capacitadas para operar as câmeras e de recursos para investir na manutenção dos equipamentos; além da preocupação insuficiente com as injustiças e discriminações perpetuadas por meio dessas tecnologias.

Principais usos

– Detecção de pessoas desaparecidas e procuradas pela justiça

– Detecção de crimes

– Investigações criminais

– Investigações de pessoas desaparecidas

– Prova em processos judiciais

– Monitoramento do trânsito e vias públicas

– Detecção de veículos furtados, roubados e/ou utilizados em crimes

As evidências encontradas sugerem que o recurso ao videomonitoramento tem limitações sérias e não resolve o problema da insegurança nas cidades.[3]  Porém, se utilizado de maneira auxiliar ao policiamento cotidiano e desde que reconhecidas as limitações da tecnologia, pode ser um aliado em ações visando coibir tipos específicos de crimes (como alguns roubos e furtos) e identificar foragidos da justiça. Em alguns casos, pode auxiliar na identificação de pessoas desaparecidas, ainda que de modo limitado.[4]

 Expandindo o alcance do videomonitoramento

Programas de governo municipais e estaduais têm sido implementados visando ampliar a integração da infraestrutura de videovigilância existente, a exemplo do “Campinas bem Segura” e o “Vídeo-Polícia”, do governo do estado da Bahia. Ganham destaque, ainda, programas de compartilhamento de câmeras particulares com órgãos dos governos estaduais e prefeituras, a exemplo do Programa Municipal de Videomonitoramento (PMV), no Rio de Janeiro, e do “City Cameras” e do “Detecta”, em São Paulo. Programa similar ao PMV [5] foi proposto para o estado do Rio de Janeiro para ampliar o alcance da rede de monitoramento gerida pelo Centro Integrado de Comando e Controle (CICC), a partir da cessão de imagens captadas por câmeras CFTV particulares ao órgão de segurança.

A IMPLEMENTAÇÃO DO VIDEOMONITORAMENTO

EM TRÊS CIDADES BRASILEIRAS

Rio de Janeiro

A cidade do Rio de Janeiro fez o seu primeiro grande investimento em câmeras CFTV e salas de controle por ocasião dos Jogos Pan-Americanos do ano de 2007.[6] Após os jogos, os dispositivos foram desativados e armazenados em Copacabana pelo 19º Batalhão de Polícia Militar até que seu uso pela polícia começasse a ser discutido e, de fato, implementado. Hoje, a cidade conta com uma ampla infraestrutura de câmeras de vigilância públicas, o que inclui câmeras operadas pela Companhia de Engenharia de Tráfego do Rio de Janeiro (CET-Rio), pela Polícia Militar do Estado do Rio de Janeiro, pelo Departamento de Trânsito do Estado do Rio de Janeiro (DETRAN) e pelo governo do estado.

 

Em 2019, iniciou-se um projeto piloto para o uso de software de reconhecimento facial e de placa na cidade. Uma das primeiras controvérsias envolvendo o uso da tecnologia ocorreu em julho de 2019, quando um falso positivo levou à detenção de uma mulher no bairro de Copacabana. O episódio levantou discussões em torno do protocolo de abordagem a ser seguido após um alerta emitido pelo sistema. Entre julho e outubro de 2019, 10% das prisões do 19º BPM foram decorrentes do sistema de reconhecimento facial. Do número total de prisões realizadas pelo batalhão, 60% são devido a roubos e furtos.

63

pessoas

presas

de março a outubro de 2019

2

desaparecidos

localizados

de março a dezembro de 2019

5

veículos

recuperados

de março a dezembro de 2019

Campinas

A prefeitura de Campinas possui uma série de iniciativas visando à ampliação do sistema de monitoramento da cidade. Parcerias com comércio e instituições diversas representam 26% da vigilância com câmeras feita em ruas da cidade. Dos 270 pontos de monitoramento, 70 são frutos de convênios com a Central Integrada de Monitoramento de Campinas (CIMcamp), órgão ligado à prefeitura e responsável por auxiliar na prestação de serviços públicos municipais, mediante a detecção de ocorrências e a oferta de atendimentos de urgência e emergência.

230

câmeras

escolas, hospitais e outros prédios públicos

170

câmeras

monitoramento das vias (ruas, avenidas, rodovias etc.)

100

câmeras

Sistema Inteligente de Monitoramento Veicular de Campinas (Simvecamp)

Em dezembro de 2018, durante a apresentação do projeto “Cidade Segura”, foi assinado um memorando de entendimento entre a Prefeitura de Campinas, o Centro de Pesquisa e Desenvolvimento em Telecomunicações (CPQD) e a empresa chinesa Huawei. A parceria inclui a instalação de 30 câmeras inteligentes na cidade, disponibilizadas pela Huawei e integradas à CIMcamp. Durante a realização da pesquisa, a ferramenta de reconhecimento facial se encontrava em fase de testes, sendo utilizada apenas em servidores municipais voluntários.

 

Desde 2015, está em curso o Sistema Inteligente de Monitoramento Veicular (SIMVECAMP), que inclui o uso de tecnologia de reconhecimento de placas. O uso do sistema tem sido visto pelo poder público como parte da razão pela qual o número de furtos e roubos de veículos caiu na cidade.

354

veículos

 foram recuperados/apreendidos
entre 2015 e 2018
O sistema foca na detecção de veículos furtados, roubados ou utilizados em ações criminosas (p. ex., clonados) e permite detectar veículos utilizados durante a prática de um crime.
Como funciona o reconhecimento de placa?

 

O sistema de reconhecimento de placa de Campinas funciona em conjunto com a infraestrutura de CFTV existente. As imagens captadas são transformadas em um caractere OCR, que abastece o banco de dados e confronta uma lista de veículos/placas de interesse. Se houver um “match” entre a placa detectada e uma placa constante na base de dados, o operador de câmera, a partir da CIMcamp, faz uma verificação da placa para confirmar se não houve erro na leitura dos caracteres. A partir daí, ele  avalia se o alarme é correto ou não. Sendo correto, a informação é repassada para as autoridades policiais responsáveis e se decide abordar ou informar órgãos competentes para a realização de uma investigação.

Salvador

Em Salvador, o monitoramento com câmeras CFTV  começou entre 2008 e 2009. O intuito, então, era o de monitorar eventos de grande porte sediados no estado. Para a Copa do Mundo foi formado um “anel” com cerca de 330 câmeras, que mais tarde viriam a ser expandidas para cerca de 1069, sem considerar o compartilhamento de imagens de câmeras de parceiros.

 

Em 2018, o Governo do Estado da Bahia adquiriu câmeras com sistemas de reconhecimento facial e de placa, 300 delas apenas para reconhecimento facial. O sistema foi implementado, no mesmo ano, em estações de metrô, na rodoviária de Salvador, nas estações de barca e em espaços com grande circulação de pessoas, como a Arena Fonte Nova e o aeroporto de Salvador.

 

Entre Réveillon de 2018 e o Carnaval de 2019 foram realizados testes com o sistema. Depois disso, o uso foi contínuo.

80

pessoas

presas

até novembro de 2019

1

desaparecido

localizado

até agosto de 2019

68

veículos

recuperados

até agosto de 2019

Limitações do videomonitoramento

A existência de uma infraestrutura tecnológica de ponta não implica, automaticamente, em uma política responsável de segurança pública, tampouco em uma economia automática de recursos. Além das limitações apresentadas pelas próprias tecnologias, deve-se considerar as dificuldades de implementação e operação dessas tecnologias, como a escassez de pessoal capacitado para operar o sistema, a falta de treinamento dos agentes policiais para realizar abordagens, a necessidade de manutenção dos equipamentos a curto e longo prazos e a existência ou inexistência de protocolos de segurança da informação para esses sistemas.

Principais limitações dos dispositivos de videovigilância

– Condições ambientes e de instalação (luz natural, chuva, distância para o solo, infraestrutura de rede, hardware etc.) afetam o funcionamento e as taxas de acerto do sistema.[7]

 

– São mais propensos a erros, quando comparados com sistemas de reconhecimento de íris ou impressões digitais.[8]

 

– Bancos de dados enviesados ou desatualizados reduzem a precisão do sistema.

 

– Imagens de baixa resolução, mudanças na posição do rosto e expressões faciais afetam o funcionamento do sistema.

– São mais eficazes em crimes contra a propriedade. Estudos apontam efeito limitado na redução de crimes.

 

– São mais eficazes se instaladas em pontos onde é possível ter controle sobre o acesso/saída de um local.[9]

 

– Erros de instalação e a falta de manutenção adequada[10] podem afetar o uso das câmeras.

– Condições ambientes e de instalação (luz natural, chuva, distância para o solo, infraestrutura de rede, hardware etc.) afetam o funcionamento e as taxas de acerto do sistema.

 

– O sistema pode “confundir” caracteres em uma placa – por exemplo, trocar um “S” por um “E”, ou um “M” por um “N”.

E enquanto diversos estudos sobre a eficácia do uso da videovigilância por CFTV foram publicados desde a década de 1990, o mesmo não se observa no caso do reconhecimento facial e de placa. Especialistas da sociedade civil chamam a atenção para a ausência de dados sobre o número de falsos positivos nas implementações feitas nas cidades brasileiras e também de dados que ajudem a comprovar que o investimento em videomonitoramento efetivamente contribui para a prevenção e redução de crimes. Observa-se uma escassez de pesquisas independentes sobre a eficácia desses sistemas no país, uma vez que a maioria dos estudos hoje disponíveis têm como foco a implementação no Reino Unido e nos Estados Unidos.

O que aprendemos sobre o efeito do videomonitoramento na redução de crimes?

CFTV

Diversos estudos apontam que a videovigilância tem efeito limitado na redução de crimes.[11] Câmeras de vigilância tendem a ser mais eficazes em reduzir crimes contra a propriedade, [12] em detrimento de crimes contra a vida. Fatores como local de instalação e tipo de sistema afetam a eficácia da videovigilância. A presença de câmeras de vigilância não necessariamente leva a um aumento na percepção de segurança.[13] A melhoria na iluminação urbana pode contribuir mais com a redução de certos tipos de crime do que a instalação de câmeras.[14]

 

 

Reconhecimento facial

Não foi identificado, até o presente momento, um estudo sistemático sobre a eficiência desses sistemas na prevenção e redução de delitos no país. Na prática, o “sucesso” do reconhecimento facial tem sido julgado apenas com base no critério da quantidade de prisões decorrentes de seu uso. 

 

 

Reconhecimento de placa

Não foi identificado, até o presente momento, um estudo sistemático sobre a eficiência desses sistemas na prevenção e redução de delitos, nas infrações veiculares e no uso de veículos para condução de atividades criminosas no país. O critério de “sucesso” utilizado tem sido o número de apreensões de veículos identificados e apreendidos. No Rio de Janeiro, por exemplo, o número de apreensões foi considerado, associado com falhas ao sistema.

Saiba mais sobre Reconhecimento facial

O videomonitoramento com software de reconhecimento facial tem recebido grande atenção de autoridades públicas, pesquisadores e organizações da sociedade civil. Entre 2018 e 2019, observou-se um aumento significativo nos casos de implementação dessa tecnologia por municípios e estados brasileiros e, com isso, uma maior preocupação com o modo como a tecnologia está sendo implementada e testada. Entre os problemas identificados, está a pouca transparência dos governos municipais e estaduais sobre os processos de aquisição, implementação e funcionamento do reconhecimento facial.

Índice de assertividade do algoritmo, falsos positivos e falsos negativos 

 

Algoritmos de reconhecimento facial precisam ser “ajustados” à rotina de trabalho dos policiais, ao banco de dados utilizados e às condições ambientais das câmeras (iluminação, local de instalação etc.). Esse “ajuste” interfere diretamente na produção de falsos positivos e falsos negativos pelo sistema. No caso do uso do reconhecimento facial em espaços públicos, um índice de assertividade muito alto pode levar a mais falsos positivos, por exemplo. 

 

Um falso positivo acontece quando uma pessoa é erroneamente associada a uma informação sobre outra pessoa presente no banco de dados. Um falso positivo significa que o software identificou duas pessoas diferentes como se fosse apenas uma, o que pode levar a alertas incorretos e a detenção de pessoas inocentes. Já em um falso negativo, a tecnologia não é capaz de detectar uma informação que se encontra no banco de dados – por exemplo, ela deixa de detectar um rosto ou placa de interesse. Aqui, o software não obteve sucesso em comparar duas imagens da mesma pessoa.

A possibilidade de prisões e/ou detenções injustas e de perpetuação de práticas discriminatórias é um risco real e iminente. A proliferação da tecnologia de reconhecimento facial gera uma série de preocupações relativas ao seu uso indiscriminado enquanto critério para acesso a uma série de atividades e serviços e à segurança e integridade dos bancos de dados, p.ex., seu compartilhamento e comercialização com terceiros ou a possibilidade de serem utilizados para fins indevidos. Soma-se a isso o fato de sua expansão ocorrer sem se observar regulamentações que estabeleçam critérios que garantam a observância a direitos fundamentais, incluindo durante as abordagens policiais decorrentes de alertas.

Riscos associados ao reconhecimento facial

Privacidade: diferentemente do reconhecimento por íris ou de impressão digital, o reconhecimento facial é um método de identificação biométrica que opera mesmo sem o conhecimento da pessoa que tem o seu rosto analisado. O  sistema permite fazer varreduras em massa de pessoas que passaram apenas segundos diante de uma câmera. Ao redor do mundo, empresas têm construído grandes bases de dados de rostos para testes desses sistemas. Entretanto, há o risco de essas bases serem comercializadas ou mesmo acessadas indevidamente por terceiros, se não forem armazenadas adequadamente ou se hackeadas. Além disso, outra preocupação que surge com o uso do reconhecimento facial é não se poder verificar a prática de coleta e o armazenamento das imagens captadas, devido à ausência de mecanismos de transparência adequados. 

 

Bases de dados: riscos distintos surgem com o uso de bases de dados distintas. Por exemplo, um sistema que utiliza bases de treinamento formadas primordialmente por pessoas brancas irá ter dificuldades em identificar rostos negros. O cruzamento entre diferentes bases de dados pode ampliar o risco de se produzir “caixas-pretas” em que não seja possível explicar um falso positivo, se não acompanhado de mecanismos de compliance adequados. No caso específico do uso de bases de dados de procurados pela justiça e pessoas desaparecidas, o principal risco decorre da falta de atualização das informações ali presentes.

 

Confiança nas instituições: A falta de mecanismos de transparência que permitam avaliar, de modo independente, a eficácia e o uso adequado do reconhecimento facial, assim como garantir o respeito à legislação de proteção de dados pessoais, gera incerteza sobre como esses sistemas são efetivamente utilizados. Além disso, a ineficiência desses sistemas, devido ao alto número de falsos positivos, pode afetar a confiança nas instituições que o utilizam. É fundamental, portanto, que o setor público seja transparente sobre o uso e a implementação do reconhecimento facial e que trabalhe de modo que a sociedade civil e a comunidade técnica possam avaliar possíveis violações aos direitos humanos, se o investimento compensa e colaborar com sugestões e mecanismos para se remediar erros e abusos.

 

Ampliação do uso: À medida que o reconhecimento facial se torna uma ferramenta popular, o risco é que passe a ser utilizado como critério para acesso a um serviço – por exemplo, como condição para matricular um filho na escola, utilizar serviços de saúde, declarar imposto de renda ou mesmo para acesso ao crédito. Esse cenário amplia o horizonte do reconhecimento facial para além do monitoramento em massa, abrindo espaço para uma série de injustiças e abusos.

Metodologia do estudo

O Instituto Igarapé pesquisou a implementação de tecnologias de monitoramento em três cidades brasileiras: Rio de Janeiro, Salvador e Campinas. O estudo amplia para três o número de tecnologias de videomonitoramento sob estudo (Câmeras CFTV, com software de reconhecimento facial e de placa) e aprofunda o levantamento realizado no início de 2019 pelo Instituto, onde foram identificadas as principais tendências de implementação do reconhecimento facial no país. Os dados apresentados se baseiam em oito entrevistas semiestruturadas feitas com autoridades públicas, representantes do setor privado, sociedade civil e academia, além de informações obtidas via requisições de Lei de Acesso à Informação (LAI), o comparecimento a eventos públicos organizados pela Polícia Militar do Estado do Rio de Janeiro, análise bibliográfica e documental e informações na mídia sobre as tecnologias em questão.

 

Em seu momento inicial, a pesquisa também incluiu um levantamento exploratório com base em relatos na mídia sobre casos de implementação da tecnologia de reconhecimento facial no país. O levantamento foi publicado no primeiro semestre de 2019, tendo abarcado casos anteriores a abril de 2019. Os resultados foram publicados no formato de um infográfico, disponível no link.

 

A atenção dedicada a cidades se deve ao fato de que estas vêm servindo de “hubs” locais de inovação para tecnologias de monitoramento. Parte desse processo, a crescente preocupação com a temática da segurança pública tem levado alguns municípios a investirem na área e estabelecerem canais oficiais de colaboração e diálogo com os governos estaduais. Isso inclui o investimento nas guardas municipais e o compartilhamento de imagens de câmeras CFTV com secretarias estaduais, por exemplo. Esse processo se insere, ainda, em um contexto de transformações tecnológicas mais amplas e restrições orçamentárias dos estados, que impulsionam mudanças significativas no modo como se contrata tecnologia de ponta no setor público. Cada vez mais, os governos deixam de contratar tecnologia “pronta” para contratar camadas de tecnologia, isto é, além de camadas de hardware e software, contratam também serviços específicos, como armazenamento e processamento em nuvem e de gerenciamento de dados, por exemplo.

 

A partir da apresentação dos dados coletados, espera-se oferecer a especialistas, pesquisadores e cidadãos interessados no assunto um retrato do uso de tecnologias de videomonitoramento nas cidades estudadas, assim como contribuir para o debate público sobre os seus riscos e limitações.

Publicações

Mock-torta 2 regulacao-reconhecimento-facial

O Instituto Igarapé, em parceria com a Data Privacy Brasil Research, publica um estudo que discute a regulação do reconhecimento facial no nosso país, a partir de diversas experiências internacionais.

Leia a publicação

Equipe responsável pelo estudo 

Carlos Souza  

Voluntário

Pedro Maia 

Voluntário

Notas 

[1] Ver, por exemplo, o projeto City Cameras, da prefeitura de São Paulo.

[2] Cardoso, 2010.

[3] Situação similar ocorreu durante o “boom” da CFTV no Reino Unido. O investimento nessas tecnologias foi inicialmente justificado em sua alegada capacidade de reduzir crimes, porém, estudos conduzidos após as primeiras implementações apontaram para a eficácia limitada no combate ao crime (Phillips, 1999; Gill & Springs, 2005; Gill et al., 2005; Welsh & Farrington, 2008).

[4] Fyfe, Stevenson & Woolnough, 2015.

[5] Projeto de Lei nº 723/2019, de autoria dos deputados Carlo Caiado, Márcio Pacheco, Delegado Carlos Augusto e Martha Rocha. Disponível para consulta no site da Assembleia Legislativa do Estado do Rio de Janeiro (ALERJ): http://www3.alerj.rj.gov.br/lotus_notes/default.asp?id=144&url=L3NjcHJvMTkyMy5uc2YvMGM1YmY1Y2RlOTU2MDFmOTAzMjU2Y2FhMDAyMzEzMWIvYjc4Y2M5Yjg5NjllOGMxZjgzMjU4NDA4MDA2ZmFhMjg=

[6] Cardoso, 2010.

[7] Além disso, esses sistemas apresentam vieses de raça e gênero. Ver: Buolamwini & Gerbru, 2018.

[8] Bayometric, 2017;

[9] Gill & Springs, 2005.

[10] Um caso notório onde o não-funcionamento de câmeras de vigilância afetou investigações criminais é o do assassinato da vereadora carioca Marielle Franco e de Anderson Gomes, seu motorista, executados na região central da cidade do Rio de Janeiro. Na ocasião do crime, câmeras que poderiam ajudar a identificar os assassinos estavam desligadas.

[11] Phillips, 1999; Gill & Springs, 2005; Welsh & Farrington, 2008; Ratcliffe, Taniguchi & Taylor, 2009; Police and Community Safety Directorate, 2009; Lawson, Roserson & Barnacle, 2018; Ratcliffe & Groff, 2019; Pisa et al., 2019.

[12] Phillips, 1999; Police and Community Safety Directorate, 2009; Pisa et al., 2019.

[13] Gill, Bryan & Allen, 2007.

[14] Pisa et al., 2019

Referências

Bayometric. “Top Five Biometrics: Face, Fingerprint, Iris, Palm and Voice”, 23 de Janeiro de 2017. Disponível em: https://www.bayometric.com/biometrics-face-finger-iris-palm-voice/. Acesso em 13 dez. 2019.

 

Brasil. Levantamento Nacional de Informações Penitenciárias (Infopen). Departamento Penitenciário Nacional. Brasília: Ministério da Justiça e Segurança Pública, 2017. Disponível em: https://www.justica.gov.br/news/ha-726-712-pessoas-presas-no-brasil/relatorio_2016_junho.pdf. Acesso em: 10 dez. 2019.

 

Buolamwini, Joy & Gerbru, Timnit. Gender Shades: Intersectional Accuracy Disparities in Commercial Gender Classification. In: Proceedings of Machine Learning Research, 81, 2018, p.1–15.

 

Cardoso, Bruno de Vasconcelos. Todos os olhos: videovigilância, videovoyeurismos e (re)produção imagética na tecnologia digital. Tese de Doutorado, Programa de Pós-Graduação em Sociologia e Antropologia do Instituto de Filosofia e Ciências Sociais, Universidade Federal do Rio de Janeiro, 2010, p.24 e 28.

 

De Goede, Marieke; Bosma, Esme & Pallister-Wilkins, Polly. Secrecy and Methods in Security Research: A Guide to Qualitative Fieldwork. Londres: Routledge, 2019.

 

Fyfe, Nicholas R.; Stevenson, Olivia; Woolnough, Penny. Missing persons: the processes and challenges of police investigation, Policing and Society, 25:4, 2015, p. 409-425.

 

Gill, Martin, Bryan, Jane & Allen, Jenna. Public Perceptions of CCTV in Residential Areas: “It Is Not As Good As We Thought It Would Be.” International Criminal Justice Review, 17(4), 2007, 304–324. Disponível em: https://journals.sagepub.com/doi/10.1177/1057567707311584. Acesso em 14 dez. 2019. 

 

Gill, Martin & Springs, Angela. Assessing the impact of CCTV. Home Office Research Study 292. London: Home Office Research, Development and Statistics Directorate, 2005

Gill, Martin; Spriggs, Angela; Allen, Jenna; Argomaniz, Javier; Bryan, Jane; Jessiman, Patricia; Kara, Deena; Kilworth; Jonathan, Little , Ross; Swain, Daniel & Waples, Sam. The impact of CCTV: fourteen case studies. Home Office Online Report 15/05. London: Home Office Research, Development and Statistics Directorate, 2005.

 

Governo do Estado da Bahia (2019). Projeto Vídeo-Polícia: Expansão. Termo de referência. Superintendência de Gestão Tecnológica e Organizacional (Secretaria de Segurança Pública). Disponível em: https://comprasnet.ba.gov.br/sites/default/files/minuta_tr01_v4b_0.pdf. Acesso em: 09 dez. 2019. 

 

Lawson, Tony, Rogerson, Robert & Barnacle, Malcolm. A comparison between the cost effectiveness of CCTV and improved street lighting as a means of crime reduction. In: Computers, Environment and Urban Systems, 68, 2018, p.17-25. Disponível em: https://www.sciencedirect.com/science/article/pii/S0198971516304240. Acesso em: 09 dez. 2019. 

 

Nunes, Pablo. Exclusivo: levantamento revela que 90,5% dos presos por monitoramento facial no Brasil são negros. The Intercept, 21 de Novembro de 2019. Disponível em: https://theintercept.com/2019/11/21/presos-monitoramento-facial-brasil-negros/. Acesso em: 21 nov. 2019.

 

Prefeitura de Campinas. Secretaria Municipal de Cooperação nos Assuntos de Segurança Pública. Disponível em: http://www.campinas.sp.gov.br/governo/seguranca-publica/estrutura.php. Acesso em: 21 dez. 2019.

 

Prefeitura do Rio de Janeiro. Sistema de videofiscalização vai coibir irregularidades na Autoestrada Lagoa-Barra. Disponível em: http://noticias.prefeitura.rio/rio-acontece-noticias/sistema-de-videofiscalizacao-vai-coibir-irregularidades-na-autoestrada-lagoa-barra/. Acesso em: 21 nov. 2019.

 

Police and Community Safety Directorate (Scottish Government). The Effectiveness of Public Space CCTV: A review of recent published evidence regarding the impact of CCTV on crime, 2009. Disponível em: https://www2.gov.scot/resource/doc/294462/0090979.pdf. Acesso em: 15 dez. 2019.

 

Phillips, Coretta. A Review of CCTV Evaluations: Crime Reduction Effects and Attitudes To Its Use. In: Crime Prevention Studies, volume 10, pp. 123-155. Disponível em: https://pdfs.semanticscholar.org/a6ad/72791a2e6e016ed64d75524810840b548653.pdf. Acesso em: 15 dez. 2019.

 

Piza, Eric L; Welsh, Brandon C.; Farrington, David P., Thomas, Amanda L. CCTV Surveillance for crime prevention: A 40‐year systematic review with meta‐analysis. In: Criminology & Public Policy. 2019; 18, p.135– 159. 

 

Ratcliffe, Jerry H., & Elizabeth R. Groff. “A Longitudinal Quasi-Experimental Study of Violence and Disorder Impacts of Urban CCTV Camera Clusters.” In: Criminal Justice Review, 44:2 (June 2019): 148–64.

 

Ratcliffe, Jerry H.; Taniguchi, Travis & Taylor, Ralph B. The Crime Reduction Effects of Public CCTV Cameras: A Multi-Method Spatial Approach. In: Justice Quarterly, 26:4, 2009, p. 746-770.

 

Silva, Luiz Antonio Machado. (org). Vida sob cerco: violência e rotina nas favelas do Rio de Janeiro. Rio de Janeiro: Ed.Nova Fronteira/FAPERJ, 2008.

 

Welsh, Brandon C.; Farrington, David P. Public Area CCTV and Crime Prevention: An Updated Systematic Review and Meta‐Analysis, Justice Quarterly, 26:4, 2009, p.716-745.