Prototipo de aplicación móvil de identificación y conteo de personas por medio de reconocimiento de imágenes
La situación actual generada por la expansión del covid-19 requiere que los establecimientos como: bancos, restaurantes, tiendas, hoteles, etc, tomen soluciones que garanticen el control de aforo en tiempo real y la seguridad de los usuarios. Controlar el aforo se convierte así en una necesidad prim...
- Autores:
-
Velásquez Manzano, Juan Sebastián
- Tipo de recurso:
- Trabajo de grado de pregrado
- Fecha de publicación:
- 2021
- Institución:
- Universidad Autónoma de Bucaramanga - UNAB
- Repositorio:
- Repositorio UNAB
- Idioma:
- spa
- OAI Identifier:
- oai:repository.unab.edu.co:20.500.12749/19479
- Acceso en línea:
- http://hdl.handle.net/20.500.12749/19479
- Palabra clave:
- Systems engineer
Technological innovations
Android
Capacity
Artificial intelligence
Image recognition
Development of prototypes
Algorithms
Machine theory
Mathematical models
Ingeniería de sistemas
Innovaciones tecnológicas
Desarrollo de prototipos
Algoritmos
Teoría de las máquinas
Modelos matemáticos
Aforo
Reconocimiento de imágenes
OpenCv
Android
Inteligencia artificial
- Rights
- License
- http://creativecommons.org/licenses/by-nc-nd/2.5/co/
| id |
UNAB2_d6fc87ab0a7a1578f60e179a917346b0 |
|---|---|
| oai_identifier_str |
oai:repository.unab.edu.co:20.500.12749/19479 |
| network_acronym_str |
UNAB2 |
| network_name_str |
Repositorio UNAB |
| repository_id_str |
|
| dc.title.spa.fl_str_mv |
Prototipo de aplicación móvil de identificación y conteo de personas por medio de reconocimiento de imágenes |
| dc.title.translated.spa.fl_str_mv |
Prototype of a mobile application for the identification and counting of people by means of image recognition |
| title |
Prototipo de aplicación móvil de identificación y conteo de personas por medio de reconocimiento de imágenes |
| spellingShingle |
Prototipo de aplicación móvil de identificación y conteo de personas por medio de reconocimiento de imágenes Systems engineer Technological innovations Android Capacity Artificial intelligence Image recognition Development of prototypes Algorithms Machine theory Mathematical models Ingeniería de sistemas Innovaciones tecnológicas Desarrollo de prototipos Algoritmos Teoría de las máquinas Modelos matemáticos Aforo Reconocimiento de imágenes OpenCv Android Inteligencia artificial |
| title_short |
Prototipo de aplicación móvil de identificación y conteo de personas por medio de reconocimiento de imágenes |
| title_full |
Prototipo de aplicación móvil de identificación y conteo de personas por medio de reconocimiento de imágenes |
| title_fullStr |
Prototipo de aplicación móvil de identificación y conteo de personas por medio de reconocimiento de imágenes |
| title_full_unstemmed |
Prototipo de aplicación móvil de identificación y conteo de personas por medio de reconocimiento de imágenes |
| title_sort |
Prototipo de aplicación móvil de identificación y conteo de personas por medio de reconocimiento de imágenes |
| dc.creator.fl_str_mv |
Velásquez Manzano, Juan Sebastián |
| dc.contributor.advisor.none.fl_str_mv |
Cardenas Arenas, Juan Sebastián Talero Sarmiento, Leonardo Hernán |
| dc.contributor.author.none.fl_str_mv |
Velásquez Manzano, Juan Sebastián |
| dc.contributor.cvlac.spa.fl_str_mv |
Talero Sarmiento, Leonardo Hernán [0000031387] Cárdenas Arenas, Juan Sebastián [0001387212] |
| dc.contributor.cvlac.none.fl_str_mv |
Cárdenas Arenas, Juan Sebastián [0001387212] |
| dc.contributor.orcid.spa.fl_str_mv |
Talero Sarmiento, Leonardo Hernán [0000-0002-4129-9163] |
| dc.contributor.researchgate.spa.fl_str_mv |
Talero Sarmiento, Leonardo Hernán [Leonardo-Talero] |
| dc.contributor.apolounab.spa.fl_str_mv |
Talero Sarmiento, Leonardo Hernán [leonardo-talero] |
| dc.contributor.linkedin.none.fl_str_mv |
Cárdenas Arenas, Juan Sebastián [juan-sebastián-cárdenas-arenas-58904a186] |
| dc.subject.keywords.spa.fl_str_mv |
Systems engineer Technological innovations Android Capacity Artificial intelligence Image recognition Development of prototypes Algorithms Machine theory Mathematical models |
| topic |
Systems engineer Technological innovations Android Capacity Artificial intelligence Image recognition Development of prototypes Algorithms Machine theory Mathematical models Ingeniería de sistemas Innovaciones tecnológicas Desarrollo de prototipos Algoritmos Teoría de las máquinas Modelos matemáticos Aforo Reconocimiento de imágenes OpenCv Android Inteligencia artificial |
| dc.subject.lemb.spa.fl_str_mv |
Ingeniería de sistemas Innovaciones tecnológicas Desarrollo de prototipos Algoritmos Teoría de las máquinas Modelos matemáticos |
| dc.subject.proposal.spa.fl_str_mv |
Aforo Reconocimiento de imágenes OpenCv Android Inteligencia artificial |
| description |
La situación actual generada por la expansión del covid-19 requiere que los establecimientos como: bancos, restaurantes, tiendas, hoteles, etc, tomen soluciones que garanticen el control de aforo en tiempo real y la seguridad de los usuarios. Controlar el aforo se convierte así en una necesidad primordial para los establecimientos que puedan congregar un gran número de personas, ya que según las normativas del gobierno nacional deben disminuir su capacidad total en un 40%. Por esta razón el desarrollo de una aplicación para dispositivos móviles que junto con la incorporación del reconocimiento de imágenes e inteligencia artificial ayudará a determinar el número máximo de personas que puede acceder a una determinada zona y de esta forma controlar el acceso de nuevas personas a dicho espacio, cuando el aforo de este se haya completado. Durante el desarrollo del aplicativo móvil se realizó la recopilación de información y análisis de requerimientos, y se diseñó cada una de las interfaces que conforman la aplicación y los diagramas de modelamiento correspondientes. Además, se llevó a cabo la implementación del proyecto en Android Studio que dio como resultado una aplicación que ofrece al usuario de manera muy intuitiva la posibilidad de controlar el aforo por medio de unas imágenes de entrada tomadas desde la cámara del dispositivo. Dicha imagen puede ser tomadas automática o manualmente y a partir de cada imagen se segmentan para el respectivo reconocimiento del rostro utilizando el módulo reconocimiento en cascada de OpenCv y de esta manera identificar y contar las personas en la imagen. Para validar el correcto funcionamiento de sistema se realizaron las respectivas pruebas, tomando como base diferentes escenarios se determinó que la capacidad de la aplicación es excepcional, si la cámara está en una buena posición (frontal) e iluminación se logra captar y contar, en la mayoría de los casos, todas las personas que están al margen de la cámara. |
| publishDate |
2021 |
| dc.date.issued.none.fl_str_mv |
2021-12-06 |
| dc.date.accessioned.none.fl_str_mv |
2023-04-14T15:21:35Z |
| dc.date.available.none.fl_str_mv |
2023-04-14T15:21:35Z |
| dc.type.driver.none.fl_str_mv |
info:eu-repo/semantics/bachelorThesis |
| dc.type.local.spa.fl_str_mv |
Trabajo de Grado |
| dc.type.coar.none.fl_str_mv |
http://purl.org/coar/resource_type/c_7a1f |
| dc.type.hasversion.none.fl_str_mv |
info:eu-repo/semantics/acceptedVersion |
| dc.type.redcol.none.fl_str_mv |
http://purl.org/redcol/resource_type/TP |
| format |
http://purl.org/coar/resource_type/c_7a1f |
| status_str |
acceptedVersion |
| dc.identifier.uri.none.fl_str_mv |
http://hdl.handle.net/20.500.12749/19479 |
| dc.identifier.instname.spa.fl_str_mv |
instname:Universidad Autónoma de Bucaramanga - UNAB |
| dc.identifier.reponame.spa.fl_str_mv |
reponame:Repositorio Institucional UNAB |
| dc.identifier.repourl.spa.fl_str_mv |
repourl:https://repository.unab.edu.co |
| url |
http://hdl.handle.net/20.500.12749/19479 |
| identifier_str_mv |
instname:Universidad Autónoma de Bucaramanga - UNAB reponame:Repositorio Institucional UNAB repourl:https://repository.unab.edu.co |
| dc.language.iso.spa.fl_str_mv |
spa |
| language |
spa |
| dc.relation.references.spa.fl_str_mv |
¿Qué entendemos cuando hablamos del concepto aforo? (2020). https://www.geovictoria.com/cl/que-es-aforo ¿Qué es la base de datos NoSQL? Guía completa de la base de datos NoSQL. (2019). https://www.educba.com/what-is-nosql-database/ Android Jetpack | Desarrolladores de Android | Android Developers. (n.d.). Retrieved November 23, 2021, from https://developer.android.com/jetpack?gclid=EAIaIQobChMI0NLO4a6v9AIV0c qGCh0a9gaCEAAYASAAEgJgnfD_BwE&gclsrc=aw.ds Android. (2020). Arquitectura de la plataforma | Desarrolladores de Android. https://developer.android.com/guide/platform?hl=es-419 Basogain Olabe, X. (2005). Redes Neuronales Artificiales Y Sus Aplicaciones. In Medicina Intensiva (Vol. 29, Issue 1). http://linkinghub.elsevier.com/retrieve/pii/S021056910574198X Benkaddour, M. K., Lahlali, S., & Trabelsi, M. (2021). Human Age and Gender Classification using Convolutional Neural Network. 2020 2nd International Workshop on Human-Centric Smart Environments for Health and Well-Being, IHSH 2020, 215–220. https://doi.org/10.1109/IHSH51661.2021.9378708 Bergamini, M. L., & Kamlofsky, J. A. (2015). Representación de formas digitales para reconocimiento y clasificación de objetos. Revista Colombiana de Computación, 16(1), 28–47. https://doi.org/10.29375/25392115.2492 Cadenas, R. (2019). ¿Que necesito? ¿Web Apps, App Nativa o App Híbrida? - GSoft. https://www.gsoft.es/articulos/que-necesito-web-apps-app-nativa-o app-hibrida Capítulo 3 Clasificadores Débiles-AdaBoost. (n.d.). Carin, A.A. & Sund, R. . (2018). Prototipo Para El Control De Ingreso De Personal Por Reconocimiento Facial (Issue 1) [UNIVERSIDAD DISTRITAL FRANCISCO JOSÉ DE CALDAS]. https://repository.udistrital.edu.co/bitstream/handle/11349/13637/C%E1ceresP arraEdinson2018.pdf?sequence=1 Cascadas de Haar, explicado. Una breve introducción a Haar… | de Aditya Mittal | Analytics Vidhya | Medio. (n.d.). Retrieved December 1, 2021, from https://medium.com/analytics-vidhya/haar-cascades-explained-38210e57970d Cobo Ceballos, E. (2013). Diseño e integración en Android de un sistema de realidad aumentada y reconocimiento de imágenes para un sistema de domótica asistencial. http://e-archivo.uc3m.es/handle/10016/17659 Cómo guardar contenido en una base de datos local con Room. (n.d.). Retrieved November 23, 2021, from https://developer.android.com/training/data storage/room Dong, E., Du, H., & Gardner, L. (2020). An interactive web-based dashboard to track COVID-19 in real time. In The Lancet Infectious Diseases (Vol. 20, Issue 5, pp. 533–534). Lancet Publishing Group. https://doi.org/10.1016/S1473- 3099(20)30120-1 García, A. (2012). INTELIGENCIA ARTIFICIAL. Fundamentos, práctica y aplicaciones. RC Libros. https://books.google.com.co/books?id=WDuqquRP70UC Home - OpenCV. (n.d.). Retrieved November 14, 2021, from https://opencv.org/ Ismael Pineda Palencia. (2019). Aplicación de recomendaciones de moda basada en redes de aprendizaje profundo. https://riuma.uma.es/xmlui/bitstream/handle/10630/18993/Pinedapalenciaisma elMemoria.pdf?sequence=1&isAllowed=y Jose Luis Villaluenga Morán. (2019). OpenStreetCam: reconocimiento automático de objetos en imágenes mediante machine learning. http://openaccess.uoc.edu/webapps/o2/bitstream/10609/88287/6/jvillaluengaT FG0119memoria.pdf Jurado García, M. E., & Padilla Porras, A. F. (2018). Sistema de reconocimiento facial con redes neuronales para la toma de asistencia en aulas de clase. 22. JVM Explained | Java Tutorial Network. (2021). https://javatutorial.net/jvm-explained Martínez Gandia, J. A. (2020). Propuesta de diseño de prototipo para el control de aforo y el distanciamiento social en Institución Educativa de Educación Superior Tecnológica en la ciudad de Barranquilla. https://bonga.unisimon.edu.co/handle/20.500.12442/6905 Méndez, D. (2015). Introducción a Android Studio | Desarrolladores de Android. Developers. https://developer.android.com/studio/intro?hl=es-419 Montiel, H. (2015). Uso de redes neuronales para el reconocimiento de rostros en ambientes controlados. Tecnura, 19(0), 67–77. https://doi.org/10.14483/22487638.10373 OpenCV: Clasificador en cascada. (n.d.). Retrieved November 14, 2021, from https://docs.opencv.org/3.4/db/d28/tutorial_cascade_classifier.html Oracle. (2010). Lesson: Object-Oriented Programming Concepts (The JavaTM Tutorials > Learning the Java Language). http://docs.oracle.com/javase/tutorial/java/concepts/ Rogé, J., El Zufari, V., Vienne, F., Ndiaye, D., Zhang, H., Lu, Y., Gupta, S., Zhao, L., 72 Bustamante, J. C., Salgado, S. S., Holyoak, K. J., Thagard, P., Es, L. O. S. E. D. E. E., García García, P. P., Gonzalez, J. C., Varela, J. A., De, T., & Electrónico, D. I. (2013). Reconocimiento de imágenes utilizando redes neuronales artificiales. Estudios Gerenciales, 13(3), 1017–1030. http://doi.wiley.com/10.1016/0364-0213(89)90016- 5%5Cnhttp://linkinghub.elsevier.com/retrieve/pii/S0123592315000327%5Cnhtt p://dx.doi.org/10.1016/j.im.2014.07.005%5Cnhttp://linkinghub.elsevier.com/retr ieve/pii/S092575351500123X Rouhiainen, L. (2018). INTELIGENCIA ARTIFICIAL 101 COSAS QUE DEBES SABER HOY SOBRE NUESTRO FUTURO INTELIGENCIA ARTIFICIAL. www.planetadelibros.com sqlite. (2018). Página de inicio de Matt. http://chrome.ws.dei.polimi.it/index.php?title=Matt%27s_Home_Page Teigens, V. (2020). Inteligencia Artificial General. Cambridge Stanford Books. https://books.google.com.pe/books?id=4R3NDwAAQBAJ towardsdatascience. (2018). A Comprehensive Guide to Convolutional Neural Networks — the ELI5 way | by Sumit Saha | Towards Data Science. Towards Data Science. https://towardsdatascience.com/a-comprehensive-guide-to convolutional-neural-networks-the-eli5-way-3bd2b1164a53 Web, A., Software, U., Carlos, L., & Andrade, G. N. (2012). Autenticación Por Reconocimiento Facial Para. Instname:Universidad Pontificia Bolivariana. https://repository.upb.edu.co/handle/20.500.11912/2063%0Ahttps://repository. upb.edu.co/bitstream/handle/20.500.11912/2063/digital_24318.pdf?sequence =1&isAllowed=y |
| dc.rights.coar.fl_str_mv |
http://purl.org/coar/access_right/c_abf2 |
| dc.rights.uri.*.fl_str_mv |
http://creativecommons.org/licenses/by-nc-nd/2.5/co/ |
| dc.rights.local.spa.fl_str_mv |
Abierto (Texto Completo) |
| dc.rights.creativecommons.*.fl_str_mv |
Atribución-NoComercial-SinDerivadas 2.5 Colombia |
| rights_invalid_str_mv |
http://creativecommons.org/licenses/by-nc-nd/2.5/co/ Abierto (Texto Completo) Atribución-NoComercial-SinDerivadas 2.5 Colombia http://purl.org/coar/access_right/c_abf2 |
| dc.format.mimetype.spa.fl_str_mv |
application/pdf |
| dc.coverage.spatial.spa.fl_str_mv |
Colombia |
| dc.coverage.campus.spa.fl_str_mv |
UNAB Campus Bucaramanga |
| dc.publisher.grantor.spa.fl_str_mv |
Universidad Autónoma de Bucaramanga UNAB |
| dc.publisher.faculty.spa.fl_str_mv |
Facultad Ingeniería |
| dc.publisher.program.spa.fl_str_mv |
Pregrado Ingeniería de Sistemas |
| institution |
Universidad Autónoma de Bucaramanga - UNAB |
| bitstream.url.fl_str_mv |
https://repository.unab.edu.co/bitstream/20.500.12749/19479/1/2021_Tesis_Juan_Sebastian_Velasquez.pdf https://repository.unab.edu.co/bitstream/20.500.12749/19479/6/2021_Licencia_Juan_Sebastian_Velasquez.pdf https://repository.unab.edu.co/bitstream/20.500.12749/19479/5/license.txt https://repository.unab.edu.co/bitstream/20.500.12749/19479/7/2021_Tesis_Juan_Sebastian_Velasquez.pdf.jpg https://repository.unab.edu.co/bitstream/20.500.12749/19479/8/2021_Licencia_Juan_Sebastian_Velasquez.pdf.jpg |
| bitstream.checksum.fl_str_mv |
9ed4eea006c15286f183dafaca3ee9ed c36d256f890d3fea7d18ff18fe170ba7 3755c0cfdb77e29f2b9125d7a45dd316 5e71cba4e65779deebf1db6200d0e8c8 36e3490820d63cb15dbf7bab0a14cc5c |
| bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 MD5 MD5 |
| repository.name.fl_str_mv |
Repositorio Institucional | Universidad Autónoma de Bucaramanga - UNAB |
| repository.mail.fl_str_mv |
repositorio@unab.edu.co |
| _version_ |
1814277532415950848 |
| spelling |
Cardenas Arenas, Juan Sebastián8599633d-4bb2-4e1a-b252-33c8c282e72fTalero Sarmiento, Leonardo Hernán52f3ced8-d447-4a4d-a30c-74958c9587aaVelásquez Manzano, Juan Sebastián9972b1b0-4ae3-4ef3-847f-865e3e7b45c0Talero Sarmiento, Leonardo Hernán [0000031387]Cárdenas Arenas, Juan Sebastián [0001387212]Cárdenas Arenas, Juan Sebastián [0001387212]Talero Sarmiento, Leonardo Hernán [0000-0002-4129-9163]Talero Sarmiento, Leonardo Hernán [Leonardo-Talero]Talero Sarmiento, Leonardo Hernán [leonardo-talero]Cárdenas Arenas, Juan Sebastián [juan-sebastián-cárdenas-arenas-58904a186]ColombiaUNAB Campus Bucaramanga2023-04-14T15:21:35Z2023-04-14T15:21:35Z2021-12-06http://hdl.handle.net/20.500.12749/19479instname:Universidad Autónoma de Bucaramanga - UNABreponame:Repositorio Institucional UNABrepourl:https://repository.unab.edu.coLa situación actual generada por la expansión del covid-19 requiere que los establecimientos como: bancos, restaurantes, tiendas, hoteles, etc, tomen soluciones que garanticen el control de aforo en tiempo real y la seguridad de los usuarios. Controlar el aforo se convierte así en una necesidad primordial para los establecimientos que puedan congregar un gran número de personas, ya que según las normativas del gobierno nacional deben disminuir su capacidad total en un 40%. Por esta razón el desarrollo de una aplicación para dispositivos móviles que junto con la incorporación del reconocimiento de imágenes e inteligencia artificial ayudará a determinar el número máximo de personas que puede acceder a una determinada zona y de esta forma controlar el acceso de nuevas personas a dicho espacio, cuando el aforo de este se haya completado. Durante el desarrollo del aplicativo móvil se realizó la recopilación de información y análisis de requerimientos, y se diseñó cada una de las interfaces que conforman la aplicación y los diagramas de modelamiento correspondientes. Además, se llevó a cabo la implementación del proyecto en Android Studio que dio como resultado una aplicación que ofrece al usuario de manera muy intuitiva la posibilidad de controlar el aforo por medio de unas imágenes de entrada tomadas desde la cámara del dispositivo. Dicha imagen puede ser tomadas automática o manualmente y a partir de cada imagen se segmentan para el respectivo reconocimiento del rostro utilizando el módulo reconocimiento en cascada de OpenCv y de esta manera identificar y contar las personas en la imagen. Para validar el correcto funcionamiento de sistema se realizaron las respectivas pruebas, tomando como base diferentes escenarios se determinó que la capacidad de la aplicación es excepcional, si la cámara está en una buena posición (frontal) e iluminación se logra captar y contar, en la mayoría de los casos, todas las personas que están al margen de la cámara.LISTA DE TABLAS ..........................................................................................................................7 LISTA DE FIGURAS ........................................................................................................................8 LISTA DE ANEXOS ...................................................................................................................... 10 RESUMEN....................................................................................................................................... 11 INTRODUCCIÓN ........................................................................................................................... 12 1. PLANTEAMIENTO DE LA PROBLEMÁTICA .................................................................. 13 2. JUSTIFICACIÓN .................................................................................................................... 14 1. OBJETIVOS............................................................................................................................ 15 1.1. Objetivo general ........................................................................................................... 15 2. ESTADO DEL ARTE ............................................................................................................. 16 3. MARCO REFERENCIAL ...................................................................................................... 20 3.1. Aforo ................................................................................................................................ 20 3.2. Covid-19.......................................................................................................................... 20 3.3. Inteligencia Artificial ................................................................................................... 21 3.4. Redes neuronales Artificiales................................................................................... 21 3.5. Rede Neuronal Convolucional (CNN) ..................................................................... 22 3.6. Reconocimiento de imágenes .................................................................................. 23 3.7. Machine learning .......................................................................................................... 23 3.8. Algoritmo AdaBoost .................................................................................................... 24 3.9. Características Haar .................................................................................................... 25 3.10. Clasificador Haar en cascada ............................................................................... 25 3.11. OpenCv ....................................................................................................................... 27 3.12. JAVA ............................................................................................................................ 27 3.13. Programación orientada a objetos (POO) ......................................................... 28 3.14. Apps móviles............................................................................................................. 29 3.14.1. Tipos de Apps ................................................................................................... 29 3.15. Android ....................................................................................................................... 30 3.16. IDE Android Studio .................................................................................................. 31 3.17. Base de datos ........................................................................................................... 32 3.18. Sqlite............................................................................................................................ 33 3.19. Android JetPack ....................................................................................................... 33 3.19.1. Room Database .................................................................................................... 33 4. DESARROLLO DE LA SOLUCIÓN ................................................................................... 35 4.1. Análisis de requerimientos........................................................................................ 35 4.1.1. Investigación de tecnologías ................................................................................ 35 4.1.2. Encuestas................................................................................................................... 36 4.1.3. Entrevistas ................................................................................................................. 37 4.1.4. Requerimientos del sistema.................................................................................. 38 4.2. Diseño ............................................................................................................................. 40 4.2.1. Interfaces .................................................................................................................... 40 4.2.3. Diagrama de casos de uso .................................................................................... 42 4.2.4. Diagrama de arquitectura MVP ............................................................................. 43 4.3. Implementación ............................................................................................................ 45 4.3.1. Arquitectura de desarrollo ..................................................................................... 45 4.3.2. Base de datos ........................................................................................................... 46 4.3.2.1. Implementación de dependencias ............................................................... 46 4.3.2.2. Entidades ........................................................................................................... 46 4.3.2.3. Dao ....................................................................................................................... 47 4.3.2.4. Base de datos (Room) .................................................................................... 48 4.3.3. Opencv ........................................................................................................................ 48 4.3.3.1. Implementación de la librería........................................................................ 48 4.3.3.2. Camera fragment OpenCv ............................................................................. 52 4.3.4. Detección de rostros ............................................................................................... 53 4.3.4.1. Clasificador en cascada ................................................................................. 53 4.3.4.2. Obtener Imagen ................................................................................................ 54 4.3.4.3. Identificación de personas y conteo ........................................................... 54 4.3.5. Almacenamiento de las imágenes ....................................................................... 56 4.3.6. Funcionalidad de toma automática de las fotos .............................................. 57 4.3.7. Registro de usuario ................................................................................................. 59 4.3.8. Login ............................................................................................................................ 59 4.3.9. Lista de los registros diarios ................................................................................ 60 4.3.10. Listado de detalles............................................................................................... 61 4.3.11. Filtro......................................................................................................................... 62 4.3.12. Perfil......................................................................................................................... 63 4.4. Pruebas ........................................................................................................................... 64 CONCLUSIONES .......................................................................................................................... 68 RECOMENDACIONES O TRABAJOS FUTUROS ................................................................. 69 REFERENCIAS BIBLIOGRÁFICAS ............................................................................................. 70 ANEXOS.......................................................................................................................................... 73PregradoThe current situation generated by the expansion of covid-19 requires that establishments such as: banks, stores, hotels, etc., adopt solutions that guarantee capacity control in real time and the safety of users. Controlling the capacity thus becomes a primary need for establishments that can gather a large number of people, since according to national government regulations they must reduce their total capacity by 40%. For this reason, the development of an application for mobile devices that, together with the incorporation of image recognition and artificial intelligence, will help determine the maximum number of people that can access a certain area and thus control the access of new people to said area. space, when its capacity is complete. During the development of the mobile application, the collection of information and analysis of requirements was carried out, and each of the interfaces that make up the application and the corresponding modeling diagrams were designed. In addition, the implementation of the project was carried out in Android Studio, which resulted in an application that offers the user, in a very intuitive way, the possibility of controlling the capacity through input images taken from the device's camera. Said image can be taken automatically or manually and from each image they are segmented for the respective recognition of the face using the OpenCv cascade recognition module and in this way identify and count the people in the image. To validate the correct operation of the system, the respective tests were carried out, based on different scenarios, it is limited that the application's capacity is exceptional, if the camera is in a good position (frontal) and lighting, it is possible to capture and count, in the most of the cases, all the people who are on the fringes of the camera.Modalidad Presencialapplication/pdfspahttp://creativecommons.org/licenses/by-nc-nd/2.5/co/Abierto (Texto Completo)Atribución-NoComercial-SinDerivadas 2.5 Colombiahttp://purl.org/coar/access_right/c_abf2Prototipo de aplicación móvil de identificación y conteo de personas por medio de reconocimiento de imágenesPrototype of a mobile application for the identification and counting of people by means of image recognitionIngeniero de SistemasUniversidad Autónoma de Bucaramanga UNABFacultad IngenieríaPregrado Ingeniería de Sistemasinfo:eu-repo/semantics/bachelorThesisTrabajo de Gradohttp://purl.org/coar/resource_type/c_7a1finfo:eu-repo/semantics/acceptedVersionhttp://purl.org/redcol/resource_type/TPSystems engineerTechnological innovationsAndroidCapacityArtificial intelligenceImage recognitionDevelopment of prototypesAlgorithmsMachine theoryMathematical modelsIngeniería de sistemasInnovaciones tecnológicasDesarrollo de prototiposAlgoritmosTeoría de las máquinasModelos matemáticosAforoReconocimiento de imágenesOpenCvAndroidInteligencia artificial¿Qué entendemos cuando hablamos del concepto aforo? (2020). https://www.geovictoria.com/cl/que-es-aforo¿Qué es la base de datos NoSQL? Guía completa de la base de datos NoSQL. (2019). https://www.educba.com/what-is-nosql-database/Android Jetpack | Desarrolladores de Android | Android Developers. (n.d.). Retrieved November 23, 2021, from https://developer.android.com/jetpack?gclid=EAIaIQobChMI0NLO4a6v9AIV0c qGCh0a9gaCEAAYASAAEgJgnfD_BwE&gclsrc=aw.dsAndroid. (2020). Arquitectura de la plataforma | Desarrolladores de Android. https://developer.android.com/guide/platform?hl=es-419Basogain Olabe, X. (2005). Redes Neuronales Artificiales Y Sus Aplicaciones. In Medicina Intensiva (Vol. 29, Issue 1). http://linkinghub.elsevier.com/retrieve/pii/S021056910574198XBenkaddour, M. K., Lahlali, S., & Trabelsi, M. (2021). Human Age and Gender Classification using Convolutional Neural Network. 2020 2nd International Workshop on Human-Centric Smart Environments for Health and Well-Being, IHSH 2020, 215–220. https://doi.org/10.1109/IHSH51661.2021.9378708Bergamini, M. L., & Kamlofsky, J. A. (2015). Representación de formas digitales para reconocimiento y clasificación de objetos. Revista Colombiana de Computación, 16(1), 28–47. https://doi.org/10.29375/25392115.2492Cadenas, R. (2019). ¿Que necesito? ¿Web Apps, App Nativa o App Híbrida? - GSoft. https://www.gsoft.es/articulos/que-necesito-web-apps-app-nativa-o app-hibridaCapítulo 3 Clasificadores Débiles-AdaBoost. (n.d.).Carin, A.A. & Sund, R. . (2018). Prototipo Para El Control De Ingreso De Personal Por Reconocimiento Facial (Issue 1) [UNIVERSIDAD DISTRITAL FRANCISCO JOSÉ DE CALDAS]. https://repository.udistrital.edu.co/bitstream/handle/11349/13637/C%E1ceresP arraEdinson2018.pdf?sequence=1Cascadas de Haar, explicado. Una breve introducción a Haar… | de Aditya Mittal | Analytics Vidhya | Medio. (n.d.). Retrieved December 1, 2021, from https://medium.com/analytics-vidhya/haar-cascades-explained-38210e57970dCobo Ceballos, E. (2013). Diseño e integración en Android de un sistema de realidad aumentada y reconocimiento de imágenes para un sistema de domótica asistencial. http://e-archivo.uc3m.es/handle/10016/17659Cómo guardar contenido en una base de datos local con Room. (n.d.). Retrieved November 23, 2021, from https://developer.android.com/training/data storage/roomDong, E., Du, H., & Gardner, L. (2020). An interactive web-based dashboard to track COVID-19 in real time. In The Lancet Infectious Diseases (Vol. 20, Issue 5, pp. 533–534). Lancet Publishing Group. https://doi.org/10.1016/S1473- 3099(20)30120-1García, A. (2012). INTELIGENCIA ARTIFICIAL. Fundamentos, práctica y aplicaciones. RC Libros. https://books.google.com.co/books?id=WDuqquRP70UCHome - OpenCV. (n.d.). Retrieved November 14, 2021, from https://opencv.org/Ismael Pineda Palencia. (2019). Aplicación de recomendaciones de moda basada en redes de aprendizaje profundo. https://riuma.uma.es/xmlui/bitstream/handle/10630/18993/Pinedapalenciaisma elMemoria.pdf?sequence=1&isAllowed=yJose Luis Villaluenga Morán. (2019). OpenStreetCam: reconocimiento automático de objetos en imágenes mediante machine learning. http://openaccess.uoc.edu/webapps/o2/bitstream/10609/88287/6/jvillaluengaT FG0119memoria.pdfJurado García, M. E., & Padilla Porras, A. F. (2018). Sistema de reconocimiento facial con redes neuronales para la toma de asistencia en aulas de clase. 22.JVM Explained | Java Tutorial Network. (2021). https://javatutorial.net/jvm-explainedMartínez Gandia, J. A. (2020). Propuesta de diseño de prototipo para el control de aforo y el distanciamiento social en Institución Educativa de Educación Superior Tecnológica en la ciudad de Barranquilla. https://bonga.unisimon.edu.co/handle/20.500.12442/6905Méndez, D. (2015). Introducción a Android Studio | Desarrolladores de Android. Developers. https://developer.android.com/studio/intro?hl=es-419Montiel, H. (2015). Uso de redes neuronales para el reconocimiento de rostros en ambientes controlados. Tecnura, 19(0), 67–77. https://doi.org/10.14483/22487638.10373OpenCV: Clasificador en cascada. (n.d.). Retrieved November 14, 2021, from https://docs.opencv.org/3.4/db/d28/tutorial_cascade_classifier.htmlOracle. (2010). Lesson: Object-Oriented Programming Concepts (The JavaTM Tutorials > Learning the Java Language). http://docs.oracle.com/javase/tutorial/java/concepts/Rogé, J., El Zufari, V., Vienne, F., Ndiaye, D., Zhang, H., Lu, Y., Gupta, S., Zhao, L., 72 Bustamante, J. C., Salgado, S. S., Holyoak, K. J., Thagard, P., Es, L. O. S. E. D. E. E., García García, P. P., Gonzalez, J. C., Varela, J. A., De, T., & Electrónico, D. I. (2013). Reconocimiento de imágenes utilizando redes neuronales artificiales. Estudios Gerenciales, 13(3), 1017–1030. http://doi.wiley.com/10.1016/0364-0213(89)90016- 5%5Cnhttp://linkinghub.elsevier.com/retrieve/pii/S0123592315000327%5Cnhtt p://dx.doi.org/10.1016/j.im.2014.07.005%5Cnhttp://linkinghub.elsevier.com/retr ieve/pii/S092575351500123XRouhiainen, L. (2018). INTELIGENCIA ARTIFICIAL 101 COSAS QUE DEBES SABER HOY SOBRE NUESTRO FUTURO INTELIGENCIA ARTIFICIAL. www.planetadelibros.comsqlite. (2018). Página de inicio de Matt. http://chrome.ws.dei.polimi.it/index.php?title=Matt%27s_Home_PageTeigens, V. (2020). Inteligencia Artificial General. Cambridge Stanford Books. https://books.google.com.pe/books?id=4R3NDwAAQBAJtowardsdatascience. (2018). A Comprehensive Guide to Convolutional Neural Networks — the ELI5 way | by Sumit Saha | Towards Data Science. Towards Data Science. https://towardsdatascience.com/a-comprehensive-guide-to convolutional-neural-networks-the-eli5-way-3bd2b1164a53Web, A., Software, U., Carlos, L., & Andrade, G. N. (2012). Autenticación Por Reconocimiento Facial Para. Instname:Universidad Pontificia Bolivariana. https://repository.upb.edu.co/handle/20.500.11912/2063%0Ahttps://repository. upb.edu.co/bitstream/handle/20.500.11912/2063/digital_24318.pdf?sequence =1&isAllowed=yORIGINAL2021_Tesis_Juan_Sebastian_Velasquez.pdf2021_Tesis_Juan_Sebastian_Velasquez.pdfTesisapplication/pdf1546138https://repository.unab.edu.co/bitstream/20.500.12749/19479/1/2021_Tesis_Juan_Sebastian_Velasquez.pdf9ed4eea006c15286f183dafaca3ee9edMD51open access2021_Licencia_Juan_Sebastian_Velasquez.pdf2021_Licencia_Juan_Sebastian_Velasquez.pdfLicenciaapplication/pdf602521https://repository.unab.edu.co/bitstream/20.500.12749/19479/6/2021_Licencia_Juan_Sebastian_Velasquez.pdfc36d256f890d3fea7d18ff18fe170ba7MD56metadata only accessLICENSElicense.txtlicense.txttext/plain; charset=utf-8829https://repository.unab.edu.co/bitstream/20.500.12749/19479/5/license.txt3755c0cfdb77e29f2b9125d7a45dd316MD55open accessTHUMBNAIL2021_Tesis_Juan_Sebastian_Velasquez.pdf.jpg2021_Tesis_Juan_Sebastian_Velasquez.pdf.jpgIM Thumbnailimage/jpeg4613https://repository.unab.edu.co/bitstream/20.500.12749/19479/7/2021_Tesis_Juan_Sebastian_Velasquez.pdf.jpg5e71cba4e65779deebf1db6200d0e8c8MD57open access2021_Licencia_Juan_Sebastian_Velasquez.pdf.jpg2021_Licencia_Juan_Sebastian_Velasquez.pdf.jpgIM Thumbnailimage/jpeg5682https://repository.unab.edu.co/bitstream/20.500.12749/19479/8/2021_Licencia_Juan_Sebastian_Velasquez.pdf.jpg36e3490820d63cb15dbf7bab0a14cc5cMD58metadata only access20.500.12749/19479oai:repository.unab.edu.co:20.500.12749/194792024-01-19 09:33:36.813open accessRepositorio Institucional | Universidad Autónoma de Bucaramanga - UNABrepositorio@unab.edu.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 |