PDF417

Em resumo

PDF417 é um formato de código de barras bidimensional empilhado: em vez de uma única fileira de barras, agrupa várias fileiras curtas uma sobre a outra, o que permite armazenar bem mais informação que um código linear em um espaço parecido. Está definido na norma ISO/IEC 15438.

Em documentos de identidade cumpre uma função precisa. A frente do documento mostra os dados impressos para que uma pessoa os leia. O PDF417 do verso guarda esses mesmos dados em formato estruturado, para que uma máquina os leia sem depender da qualidade do impresso nem do reconhecimento de caracteres.

Essa duplicação é o que torna o código interessante para a verificação: há duas representações do mesmo dado no mesmo documento, e podem ser confrontadas.

Por que o dado estruturado está no verso

Na região, o verso das carteiras de identidade e das habilitações é o lugar habitual do código de barras, e não é uma convenção arbitrária.

A frente tem que ser legível para uma pessoa: fotografia, nome, número, data, elementos de segurança visíveis. Tudo isso ocupa espaço e é projetado para o olho humano. O verso fica disponível para o que só um equipamento precisa ler.

Um código bidimensional nesse espaço resolve três coisas ao mesmo tempo. Guarda mais campos do que caberiam em uma faixa de texto. Incorpora correção de erros, então continua legível mesmo que parte do impresso esteja riscada, desgastada ou mal capturada. E evita o passo mais frágil da leitura da frente, que é interpretar caracteres impressos com OCR sobre um fundo com tramas de segurança.

Há uma consequência operacional direta: um fluxo que captura apenas a frente do documento não acessa nenhum desses dados. Está lendo a representação menos confiável das duas disponíveis.

O que contém um PDF417 de um documento de identidade

O padrão define como a informação é codificada, não que informação é codificada. Isso é decidido por cada autoridade emissora, e por isso o conteúdo varia entre países e entre versões de um mesmo documento.

Ainda assim, o padrão se repete. O habitual é encontrar os dados de filiação do titular e os dados registrais do documento: nome e sobrenome, número do documento, data de nascimento, sexo, datas de emissão e vencimento, e com frequência algum identificador interno do registro que emitiu a credencial.

Duas coisas convém saber antes de desenhar um processo em torno disso.

A primeira é que a estrutura não é universal. Não existe um formato regional único: decodificar o código devolve uma cadeia, e saber que campo é cada parte dessa cadeia exige conhecer a especificação do documento concreto e da sua versão de emissão.

A segunda é que há emissores que criptografam o conteúdo do código. O dado está ali, mas só quem tem a chave, normalmente a própria autoridade, consegue lê-lo. Diante de um documento assim, o código de barras não contribui em nada para o confronto, e a verificação se apoia no que está impresso e nos elementos de segurança do suporte.

PDF417, MRZ e chip

As três são formas de um documento levar seus dados em formato legível por máquina, e cada uma responde por algo diferente.

• PDF417 — maior capacidade e tolerância ao dano do impresso. Seu conteúdo e sua estrutura são definidos por cada emissor, e pode estar criptografado. Precisa ser decodificado.
• **MRZ** — a faixa de caracteres no rodapé, com estrutura idêntica em todos os países porque uma norma internacional a define, e com dígitos verificadores que permitem comprovar consistência na hora.
• **Chip NFC** — os dados vão assinados pela autoridade emissora. É a única das três que permite comprovar autenticidade por via criptográfica.

A diferença de fundo: o PDF417 e a MRZ dizem o que está escrito no documento. O chip permite comprovar quem o escreveu.

Um documento pode levar as três, duas ou apenas uma. Por isso um processo de verificação documental que assume apenas uma delas fica sem dados assim que muda o tipo de documento apresentado.

Para que serve lê-lo em uma verificação

Extrair o dado é o meio, não o fim. O que o código habilita são verificações.

• Confronto entre lados — os campos do código são comparados com os que a frente mostra impressos. É a base do cross-check frente e verso, e é onde aparece a alteração feita de um só lado.
• Qualidade da extração — quando o mesmo campo chega por duas vias, uma discrepância sinaliza um problema de leitura antes que chegue ao processo.
• Campos que a frente não mostra — alguns emissores incluem no código dados registrais que não estão impressos, e são úteis para rastrear o documento.
• Menos fricção de captura — um código com correção de erros se decodifica bem em condições de foto nas quais o reconhecimento de caracteres da frente começa a falhar.

O que ele não faz, e convém dizer com a mesma clareza: o código de barras não prova que o documento seja autêntico. Um verso completo pode ser reproduzido. O que ele prova é que dado esse verso carrega, que é exatamente o que permite confrontá-lo com o outro lado.