Sistema biométrico de reconocimiento facial basado en inteligencia artificial

En este proyecto se diseñó un prototipo de un sistema biométrico de reconocimiento facial usando inteligencia artificial con la capacidad suficiente para adaptarse a varios entornos, principalmente en los que se tiene foco para este proyecto los cuales son conjuntos residenciales cerrados y empresas privadas bien sean pequeñas, medianas o grandes. Para la creación de este sistema se usó una arquitectura de red neuronal profunda especializada en detectar rostros denominada red neuronal convolucional multitareas con la que se obtuvo un porcentaje de eficiencia superior al 85% y que a su vez también tuvo pocos requerimientos de hardware para su implementación, en este proceso se analizaron tres tipos de arquitecturas, una que consistía en el entrenamiento de una red neuronal con las personas de la población a trabajar con el objetivo de clasificar si una persona pertenece o no a la población registrada, la segunda consiste en utilizar una librería que contiene imágenes de rostros y con eso entrenar una red neuronal que sea capaz de extraer características de un rostro, y la última resalta por el uso de ORB para la extracción de características, la mejor fue la que usaba ORB (por sus siglas en ingles Oriented FAST and Rotated BRIEF), para la detección de puntos clave del rostro tomando aproximadamente 500 puntos de la cara humana, con los cuales realizaba una comparación para la validación de autenticidad. El HMI (interfaz máquina-humano) que se diseñó para el prototipo fue creado por medio del lenguaje de programación Python usando la librería tkinter y gridfs que además necesitó la ayuda del software Pycharm, en este programa se elaboró una interfaz gráfica amigable y de fácil entendimiento para el usuario con unos cuadros emergentes, además el texto de los mismos posee una fuente suave y agradable para una cómoda lectura. Por otro lado, en el software Pycharm también se creó el algoritmo del prototipo del sistema biométrico de reconocimiento facial usando las librerías de random, os, cv2, matplotlib y mtcnn con estas librerías y una profunda investigación de los distintos temas de interés se completó el algoritmo requerido sin necesidad de usar otro tipo de lenguaje de programación u otro software para el desarrollo del sistema. El algoritmo que se elaboró para este prototipo tiene un gran porcentaje de acierto que es aproximadamente del 94%, dicho valor fue encontrado mediante varias pruebas hechas de este sistema con diferentes personas lo cual permitió validar un óptimo funcionamiento del prototipo creado.

• Autores: Osorio Quimbayo, Daniel; Garcia Mongua, Santiago
• Tipo de recurso: Trabajo de grado de pregrado
• Fecha de publicación: 2022
• Institución: Universidad Autónoma de Occidente
• Repositorio: RED: Repositorio Educativo Digital UAO
• Idioma: spa
• OAI Identifier: oai:red.uao.edu.co:10614/13887
• Acceso en línea: https://hdl.handle.net/10614/13887; https://red.uao.edu.co/
• Palabra clave: Ingeniería Mecatrónica; Inteligencia artificial; Biometría; Artificial intelligence; Biometry; ORB; Autenticación biométrica; Reconocimiento facial; Redes convolucionales multitarea; ORB; Lenguaje de programación Python
• Rights: openAccess
• License: Derechos reservados - Universidad Autónoma de Occidente, 2022