Detección de mentiras a través de reconocimiento facial usando Machine Learning

Se desarrolló un modelo de red neuronal capaz de analizar e identificar, en tiempo real, los patrones en las expresiones faciales de una persona para determinar si está mintiendo y en que momento lo hace. Consta de una red convolucional pre-entrenada y una red recurrente LSTM entrenada desde cero. S...

Full description

Autores:
Torres Mojica, Sebastián
Tipo de recurso:
Trabajo de grado de pregrado
Fecha de publicación:
2021
Institución:
Universidad de los Andes
Repositorio:
Séneca: repositorio Uniandes
Idioma:
spa
OAI Identifier:
oai:repositorio.uniandes.edu.co:1992/53777
Acceso en línea:
http://hdl.handle.net/1992/53777
Palabra clave:
Detectores de mentiras y detección
Redes neuronales convolucionales
Expresión facial
Aprendizaje automático (Inteligencia artificial)
Ingeniería
Rights
openAccess
License
https://repositorio.uniandes.edu.co/static/pdf/aceptacion_uso_es.pdf
id UNIANDES2_01f42ac8344176c227f0b88cdbd717ae
oai_identifier_str oai:repositorio.uniandes.edu.co:1992/53777
network_acronym_str UNIANDES2
network_name_str Séneca: repositorio Uniandes
repository_id_str
spelling Al consultar y hacer uso de este recurso, está aceptando las condiciones de uso establecidas por los autores.https://repositorio.uniandes.edu.co/static/pdf/aceptacion_uso_es.pdfinfo:eu-repo/semantics/openAccesshttp://purl.org/coar/access_right/c_abf2Higuera Arias, Carolina70d68b14-b3a4-486e-9300-cadce1c3c686500Lozano Martínez, Fernando Enriquevirtual::15890-1Torres Mojica, Sebastián6df3646c-d60c-4232-bfeb-538484ff0416500Giraldo Trujillo, Luis Felipe2021-11-03T16:40:07Z2021-11-03T16:40:07Z2021http://hdl.handle.net/1992/5377724787.pdfinstname:Universidad de los Andesreponame:Repositorio Institucional Sénecarepourl:https://repositorio.uniandes.edu.co/Se desarrolló un modelo de red neuronal capaz de analizar e identificar, en tiempo real, los patrones en las expresiones faciales de una persona para determinar si está mintiendo y en que momento lo hace. Consta de una red convolucional pre-entrenada y una red recurrente LSTM entrenada desde cero. Se consiguió un aproximado de 72% de precisión y se desarrolló una interfaz gráfica para poner el modelo en práctica.I developed a model of a neural network capable of analyze and identify, in real time, patterns in facial expressions of a person to predict if a lie is detected and when it happened. The model is made of a pre-trained convolutional network and a recurrent LSTM network trained by me. It obtained an accuracy around 72% and I developed a graphic interface to use the model easier.Ingeniero ElectrónicoPregrado31 páginasapplication/pdfspaUniversidad de los AndesIngeniería ElectrónicaFacultad de IngenieríaDepartamento de Ingeniería Eléctrica y ElectrónicaDetección de mentiras a través de reconocimiento facial usando Machine LearningTrabajo de grado - Pregradoinfo:eu-repo/semantics/bachelorThesishttp://purl.org/coar/resource_type/c_7a1fhttp://purl.org/coar/version/c_970fb48d4fbd8a85Texthttp://purl.org/redcol/resource_type/TPDetectores de mentiras y detecciónRedes neuronales convolucionalesExpresión facialAprendizaje automático (Inteligencia artificial)Ingeniería201515394Publicationedd81d8c-e0b9-4c1f-bf04-eed0e12e755dvirtual::15890-1edd81d8c-e0b9-4c1f-bf04-eed0e12e755dvirtual::15890-1https://scienti.minciencias.gov.co/cvlac/visualizador/generarCurriculoCv.do?cod_rh=0000025550virtual::15890-1TEXT24787.pdf.txt24787.pdf.txtExtracted texttext/plain65652https://repositorio.uniandes.edu.co/bitstreams/821cc96a-a15b-429e-93c4-8319353cc0d5/downloada91f7c291c94f012db5eceb611067c24MD54THUMBNAIL24787.pdf.jpg24787.pdf.jpgIM Thumbnailimage/jpeg10861https://repositorio.uniandes.edu.co/bitstreams/a0fa43ad-f5bc-4710-abe9-82bcdd935e1b/download584e08cd7521d9a7b64b4d4328bf3359MD55ORIGINAL24787.pdfapplication/pdf1529816https://repositorio.uniandes.edu.co/bitstreams/8f9a68bc-f167-45e9-ae8b-dfeafb850b70/download063ffc8d9c465d005c96def3630f0b45MD511992/53777oai:repositorio.uniandes.edu.co:1992/537772024-03-13 15:34:48.674https://repositorio.uniandes.edu.co/static/pdf/aceptacion_uso_es.pdfopen.accesshttps://repositorio.uniandes.edu.coRepositorio institucional Sénecaadminrepositorio@uniandes.edu.co
dc.title.spa.fl_str_mv Detección de mentiras a través de reconocimiento facial usando Machine Learning
title Detección de mentiras a través de reconocimiento facial usando Machine Learning
spellingShingle Detección de mentiras a través de reconocimiento facial usando Machine Learning
Detectores de mentiras y detección
Redes neuronales convolucionales
Expresión facial
Aprendizaje automático (Inteligencia artificial)
Ingeniería
title_short Detección de mentiras a través de reconocimiento facial usando Machine Learning
title_full Detección de mentiras a través de reconocimiento facial usando Machine Learning
title_fullStr Detección de mentiras a través de reconocimiento facial usando Machine Learning
title_full_unstemmed Detección de mentiras a través de reconocimiento facial usando Machine Learning
title_sort Detección de mentiras a través de reconocimiento facial usando Machine Learning
dc.creator.fl_str_mv Torres Mojica, Sebastián
dc.contributor.advisor.none.fl_str_mv Higuera Arias, Carolina
Lozano Martínez, Fernando Enrique
dc.contributor.author.none.fl_str_mv Torres Mojica, Sebastián
dc.contributor.jury.none.fl_str_mv Giraldo Trujillo, Luis Felipe
dc.subject.armarc.none.fl_str_mv Detectores de mentiras y detección
Redes neuronales convolucionales
Expresión facial
Aprendizaje automático (Inteligencia artificial)
topic Detectores de mentiras y detección
Redes neuronales convolucionales
Expresión facial
Aprendizaje automático (Inteligencia artificial)
Ingeniería
dc.subject.themes.none.fl_str_mv Ingeniería
description Se desarrolló un modelo de red neuronal capaz de analizar e identificar, en tiempo real, los patrones en las expresiones faciales de una persona para determinar si está mintiendo y en que momento lo hace. Consta de una red convolucional pre-entrenada y una red recurrente LSTM entrenada desde cero. Se consiguió un aproximado de 72% de precisión y se desarrolló una interfaz gráfica para poner el modelo en práctica.
publishDate 2021
dc.date.accessioned.none.fl_str_mv 2021-11-03T16:40:07Z
dc.date.available.none.fl_str_mv 2021-11-03T16:40:07Z
dc.date.issued.none.fl_str_mv 2021
dc.type.spa.fl_str_mv Trabajo de grado - Pregrado
dc.type.coarversion.fl_str_mv http://purl.org/coar/version/c_970fb48d4fbd8a85
dc.type.driver.spa.fl_str_mv info:eu-repo/semantics/bachelorThesis
dc.type.coar.spa.fl_str_mv http://purl.org/coar/resource_type/c_7a1f
dc.type.content.spa.fl_str_mv Text
dc.type.redcol.spa.fl_str_mv http://purl.org/redcol/resource_type/TP
format http://purl.org/coar/resource_type/c_7a1f
dc.identifier.uri.none.fl_str_mv http://hdl.handle.net/1992/53777
dc.identifier.pdf.none.fl_str_mv 24787.pdf
dc.identifier.instname.spa.fl_str_mv instname:Universidad de los Andes
dc.identifier.reponame.spa.fl_str_mv reponame:Repositorio Institucional Séneca
dc.identifier.repourl.spa.fl_str_mv repourl:https://repositorio.uniandes.edu.co/
url http://hdl.handle.net/1992/53777
identifier_str_mv 24787.pdf
instname:Universidad de los Andes
reponame:Repositorio Institucional Séneca
repourl:https://repositorio.uniandes.edu.co/
dc.language.iso.none.fl_str_mv spa
language spa
dc.rights.uri.*.fl_str_mv https://repositorio.uniandes.edu.co/static/pdf/aceptacion_uso_es.pdf
dc.rights.accessrights.spa.fl_str_mv info:eu-repo/semantics/openAccess
dc.rights.coar.spa.fl_str_mv http://purl.org/coar/access_right/c_abf2
rights_invalid_str_mv https://repositorio.uniandes.edu.co/static/pdf/aceptacion_uso_es.pdf
http://purl.org/coar/access_right/c_abf2
eu_rights_str_mv openAccess
dc.format.extent.none.fl_str_mv 31 páginas
dc.format.mimetype.none.fl_str_mv application/pdf
dc.publisher.none.fl_str_mv Universidad de los Andes
dc.publisher.program.none.fl_str_mv Ingeniería Electrónica
dc.publisher.faculty.none.fl_str_mv Facultad de Ingeniería
dc.publisher.department.none.fl_str_mv Departamento de Ingeniería Eléctrica y Electrónica
publisher.none.fl_str_mv Universidad de los Andes
institution Universidad de los Andes
bitstream.url.fl_str_mv https://repositorio.uniandes.edu.co/bitstreams/821cc96a-a15b-429e-93c4-8319353cc0d5/download
https://repositorio.uniandes.edu.co/bitstreams/a0fa43ad-f5bc-4710-abe9-82bcdd935e1b/download
https://repositorio.uniandes.edu.co/bitstreams/8f9a68bc-f167-45e9-ae8b-dfeafb850b70/download
bitstream.checksum.fl_str_mv a91f7c291c94f012db5eceb611067c24
584e08cd7521d9a7b64b4d4328bf3359
063ffc8d9c465d005c96def3630f0b45
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
repository.name.fl_str_mv Repositorio institucional Séneca
repository.mail.fl_str_mv adminrepositorio@uniandes.edu.co
_version_ 1812134052321296384

Publicaciones similares