República Dominicana

UNIVERSIDAD TECNOLÓGICA DEL SUR

“UTESUR”

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:

ANALISIS DE LOS SISTEMA DE RECONOCIMIENTO FACIL PARA CONTROL

DE ACCESO: TECNICAS, IMPLEMENTACIONES Y APORTES.
 INDICE

Introducción:

2.1 Reconocimiento Facial

2.2. Reconocimiento Facial en video

2.3. Aplicaciones y Desarrollo Actual

2.4 Algoritmo PCA Basado en Eigenface

2.6 Propiedades de los rasgos biométricos

2.7 Sistema biométrico

2.8 Verificación e identificación

2.9 Reconocimiento de Patrones

2.10 Conceptos básicos del reconocimiento de patrones:

2.10.1Características

2.11 Análisis discriminante

Conclusión

Recomendación

Bibliografía
 INTRODUCCION

En la vida cotidiana normalmente no nos sorprendemos de nuestra capacidad para reconocer

rostros, incluso de personas a las cuales no vemos desde hace años. Distintas edades, razas, lejos
o cerca, con mala o buena iluminación, sin importar la circunstancia, siempre tenemos la
capacidad de reconocer un rostro en base a nuestra experiencia previa o recuerdos.

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.

El reconocimiento facial en video corresponde a un campo de la biometría relativamente

nuevo, donde los principales estudios y aplicaciones se han desarrollados en los últimos siete u
ocho años. Los sistemas de video-vigilancia han abarcado el mayor uso de esta tecnología, la cual
presenta algunos desafíos que hasta hoy en día no han sido del todo resueltos , derivados
principalmente del carácter no colaborativo de las personas en el contexto de un video,
representado principalmente por la diversidad de iluminación, gesto y pose de los rostros,
factores que no contribuyen al buen desempeño de los diversos algoritmos y métodos de
reconocimiento facial.( Biometría Tu Eres la Llave, 2010)

2.2. Reconocimiento Facial en video

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.

• Personas no son colaborativas: no necesariamente las personas ayudan o están conscientes

que están siendo grabadas en un video para ser reconocidas.

• Imágenes de rostro de baja escala: debido a condiciones de adquisición de la imagen, el

tamaño de la cara puede ser reducido, lo cual afecta a la exactitud del proceso.

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.

2.3. Aplicaciones y Desarrollo Actual

Según Carvajal (2018) En la actualidad existen diversos productos, tanto comerciales

como de acceso gratuito, que solucionan o proveen facilidades en el área de la
detección/reconocimiento de rostros en fotografías o video.

Luego de una investigación realizada en Internet, se logró la identificación de 15 proyectos

que configuran el estado del arte en el ámbito del reconocimiento facial:

Nombre Tipo de Descripción

Producto
Picassa Gratuito Programa que permite el inventariado de todos los
archivos gráficos de un computador, su clasificación y orden,
e incluye además herramientas de edición y retoque
fotográfico. Posee una funcionalidad de indexación a partir
del reconocimiento de rostro. Durante el años 2013
incorporará un sistema de indexación y búsqueda de videos
utilizando el
reconocimiento facial.
iPhoto Comercial Provisto por Apple con la compra de un computador
Macintosh, es un programa que permite importar, organizar,
editar, imprimir y compartir fotos digitales. Posee una
funcionalidad de indexación a partir del reconocimiento de
rostro.
Facebook Gratuito Sitio Web para redes sociales que provee la facilidad
de reconocimiento de rostro (Face Recognition) para agrupar
caras similares juntas y automáticamente sugerir amigos que
se deberían ‘tagear’ con estos. Durante el 2012 ha
incorporado el reconocimiento facial en videos.
Diva3D Comercial Provisto por Alpha Tec Ltd., es un programa
comercial que provee diversas herramientas para
procesamiento de imágenes y video, entre la cuales se halla la
de reconocimiento de rostro en video. Su principal campo de
uso es el de Seguridad.
PittPatt Comercial Provisto por Pittsburgh Pattern Recognition, es un
Kit comercial de desarrollo para lenguaje C/C++. Provee
bibliotecas para desarrollar aplicaciones con Reconocimiento
Facial. (http://www.pittpatt.com). Esta empresa fue
recientemente adquirida por Google para potenciar su
plataforma de redes sociales Google+.

FaceEnforce Comercial Provisto por la empresa SYBULA, es un robusto

sistema para reconocimiento de rostro basado en los últimos
avances de captura 3D de imágenes faciales combinados con
el método AURA para reconocimiento de patrones.

VeriLook Comercial Provisto por la empresa NeuroTechnology,

SDK corresponde a una suite de soluciones que entre muchas
funcionalidades realiza reconocimiento de rostro bajo
distintos escenarios. Se provee de soluciones de software ya
desarrolladas asi como de herramientas para realizar
desarrollo e integración a otros sistemas.

FastAccess Comercial Provisto por la empresa SensibleVision, es un

SDK paquete de software orientado al desarrollo de soluciones de
control de acceso y autentificación basadas en el
reconocimiento de rostro.
Malic Proyecto de Es un proyecto de código abierto dedicado al
código desarrollo de librerías para C/C++ en al ámbito del
abierto reconocimiento de rostro, el cual esta aun en una
etapa muy básica.
Gaborboosting Comercial Programa de orientación científica que aplicable al
desarrollo de metodologías para reconocimiento de rostro,
basado enwaveles Gabor and algoritmo AdaBoost.

Luxand Comercial Provisto por la empresa Luxand, es un set de

FaceSDK librerías para el desarrollo bajo Microsoft Visual C++, C #,
VB, y Delphi, que permite crear aplicaciones Web, Windows,
Linux y Macintosh con funcionalidades de reconocimiento
facial e identificación biométrica basada en la cara.

FaceVACS- Comercial Provisto por la empresa Cognitec, Set de

SDK herramientas orientado a integrar tecnología de
reconocimiento facial en aplicaciones
existentes. Proporciona una API fácil de integrar y distribuir
a las aplicaciones cliente.
 Faint Proyecto de Provisto por la Universidad de Oldenburg, es un
código proyecto de código abierto que desarrolla un cuadrowork
abierto Java para la detección de rostros y tecnologías de
reconocimiento facial. Se basa en diferentes tipos de filtros y
plug-in. Posee una interfaz gráfica además de un navegador
de fotos integrado que permite a los usuarios aplicar la
detección de rostros y el proceso de reconocimiento de
imágenes personales.

Libface Proyecto de Proyecto de código abierto cuyo objetivo es

código desarrollar un set de algoritmos para reconocimiento facial de
abierto enfoque Eigenface.
Ares Proyecto de Proyecto de código abierto cuyo fin es desarrollar un
código set de algoritmos para reconocimiento facial basado en el uso
abierto de las librerías OpenCV para procesamiento de imágenes.

Fuente: Proyectos de reconocimiento facial

2.4 Algoritmo PCA Basado en Eigenface

Según Smith (2018) la PCA Eigenface es un método de reconocimiento de rostros basado en el

llamado sub-espacio de imágenes. En este contexto, una imagen de n x n pixeles es representada
como una matriz de dimensiones NxN píxeles, donde cada píxel posee un valor de intensidad
diferente (valores entre 0 y 255) que se obtiene al transformar la imagen del tipo RGB (rojo,
verde y azul) a escala de grises. Las imágenes están formadas por coordenadas: I(x,y).

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 .

Figura 1: Transformación de una imagen NxN en un vector N2 x1.

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.

El primer conjunto de imágenes de rostros con el que se va a trabajar y a formar el espacio de

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)

Con estos vectores diferencia se forma la matriz A de tal manera que:


A   , 
1 2, M
.

Entonces se calcula la matriz de covarianza C, de dimensiones N2 x N2

mediante la siguiente fórmula:
M 1

C(   T ) /(N  1)  AA T
. (2.3)
i i

i 0

En este punto se debería encontrar los vectores y valores propios de la

matriz de covarianza (llamados Eigenvectores y Eigenvalores
respectivamente), pero esto es una tarea demasiado compleja debido al
inmenso tamaño de esta matriz. (p.25)
 En la práctica no es necesario utilizar los M vectores principales para construir
las eigenfaces sino un conjunto un poco menor, M’<M, lo que permite obtener una
mayor compresión. Para esto se debe seleccionar los M’ vectores propios más
significativos, por lo cual se ordena los vectores propios de mayor a menor y se
utiliza tan solo los M’ primeros vectores propios que son los que forman el espacio
de rostros. Estos vectores pueden ser redimensionados al tamaño original de la
imagen N x N y es lo que se conoce como eigenfaces.

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.

Aquí se puede seleccionar un M’<M que corresponderá a los eigenvectores que

poseen los eigenvalores más grandes, ya que son los que tienen asociados los
Eigenfaces que contienen mayor información de la imagen representada. (p.87)

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.

Rasgos biométricos Los rasgos biométricos, son las características fisiológicas o de

conducta del cuerpo humano. Éstos deben ser elementos que puedan ser registrados,
cuantificados y procesados mediante ordenadores.
 2.6 Propiedades de los rasgos biométricos

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

• Rendimiento. El nivel de precisión del sistema debe satisfacer las restricciones

impuestas en el diseño de la misma.

• Aceptabilidad. Los usuarios debe de tener confianza en utilizar el sistema.

• Evasión o usurpación. Establece el nivel al que el sistema es capaz de resistir a

técnicas fraudulentas, tal como la usurpación de identidad o la alteración de los rasgos
para evadir el sistema.

2.7 Sistema biométrico

Según Mawell(2018) un sistema biométrico tiene como objetivo identificar o

verificar, de forma automática, la identidad de un usuario a partir del análisis de uno o
más rasgos del cuerpo humano. Toda persona registrada en dicho sistema se le conoce
como usuario. Los sistemas de reconocimiento de personas basan su funcionamiento en
tres métodos básicos:

1) Lo que el usuario sabe.

2) Lo que el usuario posee.

3) Quién realmente es el usuario.

Los primeros dos métodos se les conocen como enfoques tradicionales y el tercero
se refiere a los sistemas biométricos.

Los métodos tradicionales asocian la identidad de un usuario a partir de conoce (por

ejemplo el nombre del usuario, la contraseña, el PIN) o a partir de lo que posee (por
ejemplo: tarjetas, llaves, pasaporte, licencia de manejo, dispositivo móvil, entre otros).
 La desventaja de estos métodos es que utilizan recursos que se pueden perder,
olvidar, compartir, manipular o robar, que finalmente tiene consecuencias ya sea
económicos, accesos ilegales, clonación de tarjetas, por mencionar algunos.

En contraparte las técnicas de identificación basadas en la biometría ofrecen una

solución de identificación natural y robusta, dado que utilizan los rasgos físicos o de
conducta del cuerpo humano que son únicos, permanentes e intransferibles.

2.8 Verificación e identificación

Según Simona (2017) Un sistema biométrico, dependiendo del contexto de su

aplicación, puede operar en dos modos: verificación o identificación. En el modo de
verificación, el usuario reclama una identidad y presenta un rasgo biométrico, el sistema
compara el rasgo con el almacenado en la BD y realiza una comparación de uno a uno.
Si existe un alto grado de similitud entre los patrones, el reclamo se considera genuino,
de lo contrario el usuario se le conoce como impostor.

El resultado de éste proceso es un valor verdadero o falso. En el modo de

identificación, el sistema biométrico realiza una comparación del rasgo biométrico con
todos los patrones almacenados en la BD, es decir la comparación se realiza de uno a
muchos.

El resultado del proceso es la identidad del usuario. El término reconocimiento se

utiliza de manera indistinta para el proceso de verificación e identificación. 2.3
Variabilidad de los rasgos biométricos La funcionalidad de un sistema biométrico se
basa en dos premisas:

1) La unicidad del rasgo biométrico

2) La permanencia del rasgo biométrico 12 La unicidad del rasgo biométrico se

refiere a que éstos deben ser características irrepetibles en más de una persona.

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.

La permanencia de los rasgos biométricos tampoco se puede conservar en todo

momento, existen factores que las afectan como son: la dinámica del organismo humano
(la niñez, adolescencia, juventud y vejez), diferentes condiciones del censado (por
ejemplo la iluminación, la temperatura, la humedad), diferentes tipos sensores utilizados
en la adquisición de los datos, alteración de los rasgos biométricos (por ejemplo el
cambio de la voz por enfermedad respiratoria) y variaciones de la interacción del
usuario con el sistema (por ejemplo, la oclusión del iris o del rostro).

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.

2.9 Reconocimiento de Patrones

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.

2.10 Conceptos básicos del reconocimiento de 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

Las características describen a los patrones, de acuerdo al valor de sus atributos,

y determinan el espacio de características de una clase.

2.11 Análisis discriminante

Según Fernández (2016) El análisis discriminante es un método de

clasificación que se basa en la definición de un conjunto de funciones
discriminantes y de un conjunto de superficies de decisión.

Una función discriminante es el resultado de la combinación lineal de las

variables de una clase, mientras que las superficies de decisión se definen a
partir de las funciones discriminantes y su objetivo es realizar una partición del
espacio de características en regiones mutuamente excluyentes

. Un patrón puede ser representado de manera gráfica en el espacio de

características siempre que el número de sus atributos sea igual o menor de 3
elementos, de lo contrario se encuentra en un hiperplano haciendo compleja su
visualización gráfica.

Los patrones que pertenecen a la misma clase tienden a agruparse en la

misma región de espacio, tal como se observa en la Figura 3.3, los ejes (1,2)
corresponde a los atributos de la clase, los puntos en color verde son los patrones
que pertenecen a la clase 1 y los de color rojo pertenecen a la clase 2, la línea en
color azul es la función de decisión.
 2.12 Desventajas del reconocimiento facial

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.

Tienen nuestros datos personales, nuestras costumbres, nuestros hábitos de

consumo, nuestros contactos, nuestra huella, nuestros datos médicos. Y ahora
también, nuestro rostro. ¿Qué nos queda?

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.

Esta información posiblemente será vendida a terceros y quizá, dentro de un

año, podrías ser rechazado de un empleo porque tu has entregado tu impecable
currículo, pero lo que la empresa ha estado analizando es tu firma en Internet, en
donde se especifica que te gusta ver porno algo rarito de forma compulsiva...

Reconocimiento facial: ventajas y peligros de una revolución

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.

Windows cambiará por completo dentro de poco, ha adelantado el CEO de

Microsoft
¿Exceso de imaginación? ¿Paranoia? La realidad casi siempre supera a la
ficción...
 Conclusiones

Luego de haber realizado el análisis por objetivos se ha llegado a las siguientes

conclusiones el cual afirma las aseveraciones de la investigación:

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.

Según García (2015) el reconocimiento facial se ha convertido en los últimos años

en unos de las áreas de la biometría con gran desarrollo. 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.

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

Debe tratar de evitar las siguientes situaciones para el funcionamiento adecuado de la

tecnología de reconocimiento facial, tanto en las situaciones en las que el usuario usa
los controles para registrarse como para la autenticación o identificación mediante
biometría facial.

A los usuarios

Rostro muy cercano a los bordes de la imagen que captura la cámara

Rostro muy alejado de la cámara.

Evite rotar la cara más de 15º en cada dirección

La situación de detección y extracción facial correcta se presenta cuando el rostro se

encuentra centrado en la imagen, la inclinación de la cara no es excesiva y la
iluminación de la escena es correcta.

Demasiadas sombras en el rostro provocadas por focos de iluminación de alta

intensidad o muy direccionales.

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.

Utilizar el reconocimiento facial como nuevo modelo de registrar a todos los

estudiantes de las universidades, acceso a puertas y objetos.
Bibliografía

Carvajal (2018), Física y reconocimiento facial, Barcelona: Reverte.

Balestrini (2006). Aplication to large data-set problems., Pennsylvania: Electrocal

engineering and electronics

Libertador (2011). Eigenfaces for recognition,» Journal of Cognitive Neurosience,

vol. 3, nº 1, pp. 71-86,

Brunelli (2016) «Técnicas de reconocimiento facial mediante redes neuronales,»

Departamento de tecnología fotonica, facultad de informática., Madrid

Carbonell (2018).«A new attempt to face recognition using 3D-eigenfaces,» de Asian

Conference on Computer Vision ACCV, Jeju Island, Korea

Govindaraju (2017). 3D Face Recognition Based on Facial Shape Indexes with

Dynamic Programming,» de International Conference, ICB 2006, Hong Kong, China

Yacoub (2015). Method of 3D face recognition based on principal component

analysis algorithm,» de Circuits and Systems