Documentos de Académico
Documentos de Profesional
Documentos de Cultura
SUSTENTANTES: MATRICULAS:
TEMA
ANALISIS DE LOS SISTEMA DE RECONOCIMIENTO FACIL PARA CONTROL
DE ACCESO: TECNICAS, IMPLEMENTACIONES Y APORTES.
ASESOR.
ÁNGEL ESTALIN MÉNDEZ RAMÍREZ, MA
Azua de Compostela
Mayo 2021
TEMA:
Introducción:
2.10.1Características
Conclusión
Recomendación
Bibliografía
INTRODUCCION
Sin embargo, esta problemática no es tan simple cuando se intenta realizar por medios
computacionales, utilizando hardware y software que tienen limitaciones y que dependen de la
calidad de información previamente ingresada respecto del rostro que se desea identificar y de la
metodología utilizada.
2.1 Reconocimiento Facial
Dado lo anterior, el reconocimiento facial forma parte del área de estudio denominada
Biometría, cuyo propósito consiste en el desarrollo de métodos automatizados para la
identificación o verificación de personas mediante características físicas o de comportamiento.
En particular, las primeras iniciativas de reconocimiento facial automatizado se remontan a los
inicios de las década del 60, con la compañía norteamericana Panoramic Research en Palo 14
Alto, California, la cual, con financiamiento del Departamento de Defensa de EEUU, desarrolló
un sistema capaz de extraer características de un rostro mediante la asignación de coordenadas a
distintos elementos tales como boca, nariz, ojos, cejas, etc., las cuales eran comparadas con una
base de datos que contenía las coordenadas previamente ingresadas de distintas personas.
(Google Incorpora Tecnología de Reconocimiento facial, 2011)
La computadora calculaba la distancia entre los registros de la base de datos y los datos de la
fotografía a identificar. El siguiente gran hito en este campo se produce a partir del año 2001 con
el ataque de las torres gemelas en EEUU, donde la biometría cobra un gran auge. Los sistemas de
seguridad utilizados en aeropuertos, y lugares públicos en general comienzan a requerir sistemas
más sofisticados y confiables. También se produce un notable avance en el desarrollo tecnológico
del hardware requerido, avanzando hacia dispositivos con cada vez más alta resolución y de
costos cada vez más reducidos.
Hoy en día, los campos de uso del reconocimiento facial han desbordado el ámbito de la
seguridad, llegando hacia áreas tales como: el marketing (personalización de ofertas en grandes
tiendas y supermercados); redes sociales (Google, Facebook incorporan la búsqueda de personas
en base al reconocimiento facial); aplicaciones para gestión de información multimedia (Picasa
de Google, Apple Iphoto incorporan esta tecnología); etc.
Según García (2015) Este campo se ha convertido en los últimos años en unos de las áreas de
la biometría con gran desarrollo. Grandes empresas a nivel mundial, tales como Google,
Facebook e IBM están realizando importantes inversiones con el fin de contar con este tipo de
tecnología. Sin embargo, los resultados con que actualmente se cuenta no son del todo
alentadores puesto que la 15 exactitud que proveen estos sistemas aún sigue siendo deficiente.
Entre las causas que explican lo anterior se encuentran:
• Calidad de video: Un video puede estar grabado en uno o varios ambientes, con una
iluminación inadecuada o cambiante.
Hay aplicaciones en las que un sistema de reconocimiento facial en video puede obtener
buenos resultados, tales como en sistemas de control de acceso y cajeros de bancos, donde el
video se adquiere en un ambiente relativamente controlado, con un tamaño de la cara adecuado y
lo más importante, el aspecto colaborativo de las persona. En estos casos, el reconocimiento en
video ofrece algunas ventajas respecto el basado en imágenes estáticas:
• El video proporciona más información, ya que se cuanta con más cuadros para elegir en cual
realizar la clasificación.
• El video proporciona continuidad temporal, permitiendo eventualmente reutilizar la
información de clasificación obtenida de los cuadros de alta calidad para procesar los cuadros de
baja calidad.
• El video permite hacer un seguimiento de las caras, así los cambios de pose y las
expresiones faciales se pueden compensar.
Debido a que las imágenes serán de rostros humanos, éstas poseen similitudes entre sí, y se
pueden describir a través de una representación en un sub-espacio cuya dimensión es mucho
menor a N.
La idea principal del método es encontrar los vectores que mejor representen la distribución de
las imágenes, los cuales definen un sub-espacio correspondiente a las imágenes de rostros de
seres humanos. Ese sub-espacio es llamado espacio de rostros.
El proceso comienza con una imagen de rostro I(x,y) que se puede representar en dos
dimensiones N x N (matriz de valores de intensidad de 8-bits).
Una imagen puede ser considerada como un vector de dimensiones N 2. Una típica imagen de 256
x 256 pixeles puede ser un vector de una dimensión de 65.536 .
El objetivo del análisis de componentes principales es encontrar los vectores que mejor
almacenen la distribución de las imágenes de rostros en el espacio completo de imágenes.
Estos vectores definen el sub-espacio de imágenes.
rostros puede
ser 1 , 2 ,..., M el cual corresponde al conjunto de entrenamiento de imágenes
de
uno o más individuos contra el cual se va a comparar la imagen de entrada o test. Este es el
punto de partida para el Análisis de Componentes Principales (PCA) el cual busca encontrar
el grupo de vectores que mejor describan la distribución de dichos datos. El promedio de
este conjunto se define por:
1 M j .(2.1)
o
j
Luego se calcula la diferencia i, entre el vector que representa cada rostro con el
rostro promedio:
i
. (2.5)
A ,
1 2, M
.
C( T ) /(N 1) AA T
. (2.3)
i i
i 0
Los eigenfaces son empleados para clasificar la imagen de entrada, y cada nueva
cara o imagen de entrada es transformada en su componente eigenface, para luego
ser comparada con los eigenfaces del conjunto de entrenamiento. Se busca
encontrar las direcciones de {Ui} donde las desviaciones se encuentran
concentradas, es decir donde los datos transformados estén des- correlacionados.
Los valores propios proveen una medida de la cantidad de desviación en dirección
al vector Uk, donde { Ui } es la base ortonormal del sub-espacio de las muestras,
es decir del conjunto de entrenamiento, con i = 0,1,…..,M-1.
Concepto de biometría
Según Fernández (2018) La palabra biometría proviene del vocablo griego: bios que
significa vida y metrón cuyo significado es medición, por lo tanto, la biometría es la
ciencia que establece la identidad de un individuo a partir del análisis de las
características fisiológica o del comportamiento del cuerpo humano.
Según Jiménez (2017) los rasgos utilizados en un sistema biométrico deben poseer
las siguientes propiedades:
• Universalidad. Todos los usuarios del sistema deben de poseer los rasgos que el
sistema solicita.
• Singularidad. Los rasgos deben ser únicos e irrepetibles entre los usuarios.
• Cuantificable. Los rasgos deben ser elementos que puedan ser registrados,
cuantificados y procesados
Los primeros dos métodos se les conocen como enfoques tradicionales y el tercero
se refiere a los sistemas biométricos.
Mientras que la permanencia del rasgo biométrico hace referencia a que el rasgo
debe ser constante y no debe sufrir variación a través del tiempo. Sin embargo, en la
práctica, estas premisas no siempre se cumplen por diferentes razones. Generalmente la
unicidad de los rasgos biométricos se ve afectado por factores genéticos.
Por ejemplo, existe la posibilidad de la replicación o la similitud de los rasgos entre
miembros de una familia como es el caso de la apariencia facial de los gemelos.
En estos casos, cada vez que se realiza la adquisición de los rasgos produce
variaciones en las muestras. La variabilidad observada en un conjunto de rasgos
biométricos de un usuario se le conoce como variación intra-usuario o variación intra-
clase, debido a estas variaciones no puede realizarse un reconocimiento exitoso con dos
conjuntos de datos con un grado de variabilidad diferente.
Por otro lado, no podemos encontrar rasgos biométricos totalmente idénticos, de ahí
la diferencia fundamental entre los sistemas biométricos y los sistemas tradicionales.
Por ejemplo los sistemas tradicionales que se basan contraseñas, la clave siempre deben
coincidir; en tanto los sistemas biométricos validan la identidad de un usuario de
acuerdo al grado de semejanza que existe entre los rasgos almacenados y los que se
presentan.
Según Humbert (2015) Con el paso del tiempo los seres humanos, como demás
organismos, han desarrollado importantes mecanismos y habilidades para obtener la
información del medio y a partir de ello tomar decisiones. Por ejemplo, algunos
organismos evalúan el momento de llevar a cabo la migración para conseguir mejores
fuentes de alimentos o climas, son capaces de identificar a sus depredadores, pueden
marcar y reconocer territorios, entre otros.
La capacidad de reconocer diferentes situaciones y tomar decisión pertinente es una
capacidad inherente de los seres vivos, aparentemente esta acción se aprecia como una
simple tarea de sentido común, sin embargo, implica un proceso cognoscitivo complejo.
El proceso de aprendizaje en los seres vivos ha sido tema de interés en diversas áreas
como la psicología, la psicosociología, la biología, la neuropsicología y la teoría de la
información.
Por otro lado, las ciencias exactas, las ciencias de la computación y la ingeniería se
han dado a la tarea de desarrollar teorías y técnicas que intentan emular el proceso
cognoscitivo de los seres vivos con el fin de implementarlos en sistemas inteligentes y
ser útil en diferentes ámbitos de la actividad humana.
Los seres vivos obtienen la información del medio a través de los sentidos como la
vista, el tacto, el gusto, el olfato y la audición; en tanto los sistemas inteligentes la
obtienen a través de sensores y presentan los datos en forma conveniente para su
procesamiento e interpretación en ordenadores. Los datos registrados son llamados
patrones y éstos pueden ser representados como señales, imágenes o tablas de datos.
El reconocimiento de patrones (RP) se define como el proceso de la clasificación
automática de un objeto, físico o abstracto, en una o más clases con una intervención
mínima del ser humano. La clasificación se basa en el conocimiento a priori o en la
información extraída de los patrones.
Según Alcántara (2019) los conceptos de reconocimientos de patrones básicos son los
siguientes:
2.10.1 Patrones Un patrón es la entidad que puede ser identificable de acuerdo
a sus características o atributos, éste puede ser abstracto o concreto. Los patrones
abstractos son ideas conceptuales mientras que un patrón concreto es la
representación física de un objeto, por ejemplo, los símbolos (letras, caligrafías),
imágenes digitales, imágenes tridimensionales, firmas, señales de voz,
electrocardiogramas, electroencefalograma, ondas sísmicas, entre otros.
2.10.2 Clases Una clase es un estado o categoría de los patrones.
Los patrones que pertenecen a la misma clase comparten los mismos atributos y
comportamientos. En un sentido abstracto, una clase, se puede interpretar como
un modelo o prototipo que idealiza un objeto. Matemáticamente representamos
una clase pésima con el símbolo. El conjunto de todas las clases se le conoce
como espacio de interpretación
2.10.3 Características
Según Kimklet (2017) Los datos personales son la moneda de curso legal (e
ilegal) de Internet. Una información privada que está a punto de ser ampliada
con el rasgo que más nos define: el reconocimiento facial.
Nos negamos a asumir las implicaciones, pero existen. Estos dias hemos
descubierto que la publicidad de la popular web pornográfica PornHub ha sido
hackeada, exponiendo a los ciberdelincuentes los hábitos íntimos de millones de
usuarios.
También hemos visto que cualquiera puede ver con quien hablas, y a la hora
que te acuestas por culpa de un fallo de WhatsApp. De nuevo, en el futuro quizá
seas rechazado en un supuesto puesto de trabajo porque la empresa ha
descubierto que te gusta trasnochar, o te tiras todo el día chateando en horas de
trabajo.
En cuanto al análisis del acceso a objetos y dispositivos electrónicos a través del uso
de reconocimiento fácil, se pudo comprobar un acceso efectivo y seguro a través de de
esta tecnología, ya que los usuarios se sentiría mas seguro autenticándose por medio de
su rostro. Por lo que es similar con el análisis realizado.
Lo que es casi similar con la opinión de Humbert (2015) el cual comenta que el
origen del reconocimiento facial nace con el paso del tiempo los seres humanos, como
demás organismos, han desarrollado importantes mecanismos y habilidades para
obtener la información del medio y a partir de ello tomar decisiones. Por ejemplo,
algunos organismos evalúan el momento de llevar a cabo la migración para conseguir
mejores fuentes de alimentos o climas, son capaces de identificar a sus depredadores,
pueden marcar y reconocer territorios, entre otros.
Recomendaciones
A los usuarios
Al estado dominicano
Utilizar la tecnología del reconocimiento facial con buenos propósitos, ya que posee
todos los datos de cada personas en una base de datos.