Sistema Inteligente para el Registro de Asistencia Basado en Procesamiento Digital de Imágenes y Redes Neuronales Convolucionales

En la actualidad, los sistemas inteligentes han cobrado gran importancia debido a las múltiples ventajas que tienen frente a los sistemas tradicionales. Una de estas ventajas es el desarrollo de procesos en menor tiempo y con mayor nivel de confianza y eficiencia que los métodos hechos manualmente p...

Full description

Autores:
Caro Barranco, Dilan Andrés
López Roncancio, Alexa Carolina
Tipo de recurso:
Fecha de publicación:
2018
Institución:
Universidad del Norte
Repositorio:
Repositorio Uninorte
Idioma:
spa
OAI Identifier:
oai:manglar.uninorte.edu.co:10584/8485
Acceso en línea:
http://hdl.handle.net/10584/8485
Palabra clave:
Reconocimiento facial
Redes neuronales
Histograma de gradientes orientados
Sistema de registro de asistencia
Neural networks
Attendance registration system
Histogram of oriented diagrams
Face recognition
Rights
License
Universidad del Norte
Description
Summary:En la actualidad, los sistemas inteligentes han cobrado gran importancia debido a las múltiples ventajas que tienen frente a los sistemas tradicionales. Una de estas ventajas es el desarrollo de procesos en menor tiempo y con mayor nivel de confianza y eficiencia que los métodos hechos manualmente por los humanos. Además, estos sistemas permiten un mejor aprovechamiento de las habilidades humanas al invertir el tiempo en actividades más productivas. Uno de los tantos métodos que se han ido optimizando gracias a los sistemas inteligentes es el proceso de registro de asistencia. Es por esto que en este proyecto se desarrolló un sistema de registro de asistencia, basado en técnicas de reconocimiento facial y procesamiento digital de imágenes. Para llevar a cabo dicho proyecto, se identificaron y caracterizaron las variables relevantes para el reconocimiento facial. Luego, se diseñó e implementó un sistema inteligente para la toma de asistencia a un encuentro de personas en una interfaz web, utilizando redes neuronales, histogramas de gradientes orientados y las variables anteriormente caracterizadas. Finalmente, se evaluó el sistema bajo diferentes condiciones para validar su nivel de acierto.