Documentos de Académico
Documentos de Profesional
Documentos de Cultura
INTELIGENTES
ANTEPROYECTO
INTEGRANTES:
DENNIS LAINEZ
MELANIE MONTIEL
OMAR GELLIBERT
1
1. TÍTULO
ANALISIS, DISEÑO E IMPLEMENTACION DE UN SISTEMA DE
RECONOCIMIENTO FACIAL CON INTELIGENCIA ARTIFICIAL APLICADA EN UNA
AGENCIA BANCARIA PARA EL RECONOCIMIENTO BANCARIO.
ANTESCEDENTES
Dentro del proceso de vigilancia y seguridad en el parqueadero de la Universidad Politécnica
Salesiana de Guayaquil, se han implementado diferentes herramientas tecnológicas para
ayudar a mejorar el ingreso vehicular y de la misma manera, dar un mejor servicio. Esta
iniciativa también se ha propuesto mediante este proyecto con el desarrollo de una
herramienta de reconocimiento de imagen en los automóviles que ingresen a nuestra
Universidad, para poder generar un mejor control y estadísticas de quienes están utilizando
nuestro local y con esta manera estar más seguros.
A lo largo de la historia y con referencia a los avances tecnológicos que se han venido dando,
se ha visto el insistente interés por la sociedad para tratar de digitalizar todo tipo de
información, ya sea texto, imágenes, sonido, etc. Es por ello por lo que en este contexto
dentro de las imágenes y texto se ha venido generando diversas maneras de automatizar
2
aquella información, es decir dejar atrás el teclado y que los datos lleguen a su destino de
forma automática, generando con esto ganancias de tiempo y reduciendo recursos humanos,
por lo que la productividad incrementaría y la calidad de servicios de igual forma.
Es por ello que la visión por computador se cataloga hoy en día como uno de los avances
principales en el desarrollo de cualquier proceso de digitalización dentro de la seguridad
vehicular, ya sea entre parqueaderos públicos privados o lugares importantes de alojamiento
de vehículos, etc.
4. ALGORITMO:
La propuesta de Paul Viola y Michael Jones en 2001 [1] el método “Cascade Boosted Features”
sin duda alguna es el más utilizado para la detección de imágenes y el primero que permite
hacerlo en tiempo real. Es un método iterativo, Se basa en una serie de clasificadores iniciales
y realizando un estadístico sobre el error acumulado en una serie de muestras controladas,
permite seleccionar aquellos clasificadores que ofrecen mejores resultados convergiendo hacia
una solución óptima.
Comparar las características extraídas con las incluidas en una base de datos Guardadas. Aquí
se pueden distinguir dos sistemas:
ADQUISICION DE IMAGEN
La primera etapa es la detección del rostro y su respectiva localización en la imagen, la
extracción de características la cual proporciona la información para distinguir la cara. Lo cual
nos almacenará la información en dicha base d datos antes mencionada.
el reconocimiento del usuario utilizando los valores obtenidos y compáralo con los de la base
de datos. Estas fases se aplican a cada uno de los usuarios para extraer un conjunto de
entrenamiento para extraer las características más relevantes de dichas imágenes y
almacenarla en la base de datos. Una vez entrenado el sistema, se podrá reconocer a todos los
usuarios registrados.
RECONOCMIENTO FACIAL
El sistema de reconocimiento facial es una aplicación que se encarga de identificar
automáticamente a una persona dirigida por un ordenador, el cual realiza un análisis de las
características faciales del usuario adquiridas mediante una imagen o una fuente de video
comparándolas con una base de datos.
3
EXTRACCIÓN DE DIVERSAS CARACTERISTICAS
Se procede a extraer las características mediante técnicas de extracción de información
específicas para el reconocimiento facial, para poder identificar o distinguir entre los rostros
de diferentes personas.
La extracción de características en imágenes y secuencias de imágenes faciales consiste en
extraer información asociada con la activación de los diferentes músculos del rostro,
Algoritmo de Reconocimiento Facial usando Patrones Binarios Locales El descriptor o
algoritmo de Patrones Binarios Locales (LBP).
Es uno de los más conocido y ampliamente usado en el contexto de reconocimiento de
rostros. La fórmula genérica para calcular una descripción de patrones locales para un pixel
dado es el siguiente:
En la ecuación Pc Y p*i , i=0,1…7, serán el valor en escala de grises del pixel central y sus
vecinos respectivamente. El operador LBP produce 2^i diferentes valores de salida
correspondientes a los 2^i distintos patrones binarios formados por i pixeles de su alrededor.
Si la imagen es rotada, estos pixeles a su alrededor de cada vecino se moverán
correspondientemente junto al perímetro de la muestra, resultando en un distinto valor de
LBP.
4
BASE DE DATOS
Para evaluar los algoritmos de reconocimiento facial se necesita una base de datos de prueba.
Se pueden utilizar bases de datos de prueba gratuitas como: The Facial Recognition
Technology Database (FERET), Extended Yale Database, Olivetti Research Lab (ORL), The
BANCA database o crear la propia base de datos.
Por otro parte, las aplicaciones basadas en el reconocimiento facial presentan algunas
limitaciones o inconvenientes como pueden ser:
Oclusión debido a objetos o accesorios: Existen artefactos en el rostro que podrían ocasionar
problemas en el procesamiento y extracción de características deseadas. Tales artefactos son:
anteojos, aretes, piercing, entre otros.
DESARROLLO DE MATLAB
%%%-------------------AnteProyecto--------------
%%%%%%%%%%%%%%% Detector Facial
clear all
5
close all
clc
faceDetector = vision.CascadeObjectDetector;
faceDetector.MergeThreshold = 3; % detectar un rostro o mas objetos
I = imread('C:\Users\Lainez\Downloads\Nueva carpeta\new.jpg'); %el lugar donde
tengo mi imagen
bboxes = faceDetector(I); %bboxes los cuadros de los rostros de la imagen
IFaces = insertObjectAnnotation(I,'rectangle',bboxes,'Face');
figure
imshow(IFaces) %inserta en los cuadros la imagenes
title('Detected faces');
NC=size(bboxes)%NC 10
todas=zeros(40,40,NC(1,1)); % nos va a dar el valor de 16 son el valor de todos
los rodtros que tengo en la imagen
for i=1:NC; %cuantos rostros se detectaron
x=bboxes(i,1); y=bboxes(i,2); ix=bboxes(i,3);iy=bboxes(i,4);
cara=imcrop(I,[x y ix iy]);
size(cara);% tamano de caudraditos de las caras
figure, imshow(cara)
cara40R=imresize(cara(:,:,1),[40 40]); % detecta todos los rsotros y leugo
por separado
todas(:,:,i)=cara40R;
end
mesh(varianzas)
6
7
8
5. ETAPAS DE PROPUESTA DE IMPLEMENTACIÓN
PRIMERA ETAPA
SEGUNDA ETAPA
La segunda etapa es el procesado para escalar, recortar y ecualizar la imagen. se ha procedido al
control de las imá genes alcanzando a generar un alcance rápido de acuerdo con las distintas
características de cada individuo.
TERCERA ETAPA
La tercera etapa es la extracción de características la cual proporciona la información para distinguir
la cara. Facciones poses caras y muecas extraídas de distintos rostros los cuales para nuestro
sistema cada individuo es diferente.
CUARTA ETAPA
La cuarta etapa es el reconocimiento del usuario utilizando los valores obtenidos y compáralo con los
de la base de datos. Estas cuatro etapas se aplican a cada usuario que queramos reconocer. No
obstante, existe una etapa previa de entrenamiento para preparar el sistema que solo se ejecuta una
vez. se ha hecho el procesamiento de las imágenes que han sido captadas para la detección facial.
Haciendo uso de Matlab se ha determinado si existe una cara en la imagen y si es así la imagen se
almacena.
6. OBJETIVOS
OBJETIVO GENERAL
Diseñar e implementar un sistema de control para reconocimiento facial utilizando el Software de
Matlab para ser aplicada en una agencia bancaria.
OBJETIVOS ESPECÍFICOS
Diseñar el control de reconocimiento facial para la monitorear la cantidad de personas que ingresan
a la agencia bancaria.
Realizar la extracción característica de los rostros para reducir la imagen en un número más
pequeño de componentes, los cuales contengan la información discriminante del rostro
Diseñar e implementar movimientos faciales en la agencia bancaria
Diseñar e implementar un algoritmo de control basado en detector de movimientos.
Elaborar 2 prácticas didácticas orientadas al área de electrónica.
9
Recopilar información sobre técnicas de reconocimiento facial y la instrumentación necesaria.
El impacto económico
Adoptando este nuevo método, se puede generar ingresos por la venta del logo de uso
intelectual, a su vez los alumnos que dejan sus carros por fuera podrán ahorrar dinero en
parqueadero y en seguridad social
El impacto ambiental
El impacto ambiental que tiene esta medida de reconocimiento se puede ver reflejada a la utilización
De mantenimiento sumamente poco perjudicial para los exteriores y mejorando la seguridad a su
Alrededor y manteniendo un mayor control al cuidado fuera de las instalaciones
El impacto social
En el impacto Social se produce mucha controversia al tener exposición de muchas
Identidades y rostros de personas que ya han cumplido bajo castigo sus antecedentes y
No se sienten cómodos con la identificación inmediata de sus identidades, por otro lado
Muchas personas si están de acuerdo para el mejoramiento de la seguridad
10
LA AUDITORIA DE LA GESTION PROGRAMA EN MATLAB JUNTO CON
EXTENSIONES DE CAMARAS Y
RECONOCIMIENTO DE IMAGEN
BIBLIOGRAFÍA:
http://catarina.udlap.mx/u_dl_a/tales/documentos/msp/gutierrez_g_l/capitulo1.pdf
https://www.luxand.com/es/facesdk/?utm_source=google&utm_medium=cpc&utm_campaign=face-
recognition-es&gclid=Cj0KCQiAuP-
OBhDqARIsAD4XHpeDdyurEnalzoZtqIIqMzRNWWm3geVyzOV3G90s9a241ZfJEOxaVHcaAleXEALw
_wcB
https://repositorio.utp.edu.pe/handle/20.500.12867/541
https://riunet.upv.es/bitstream/handle/10251/86962/memoria_53258252.pdf?sequence=1
https://revistaseguridad360.com/noticias/reconocimiento-facial-para-bancos/#:~:text=El
%20reconocimiento%20facial%20para%20bancos%2C%20es%20una%20exigencia&text=Seg
%C3%BAn%20datos%20de%20Banxico%2C%20M%C3%A9xico,una%20tarjeta%20bancaria
%20(53%25).
[1] http://vivac.anovagroup.es/quees.html
8. ANEXOS
Se hicieron pruebas respectivas con el sistema de reconocimiento facial, el cual nos dio
los resultados esperados dando así un reconocimiento fácil con base de datos nos
alcanza a evaluar hasta 1600 rostros y más de acuerdo con la codificación dada, d eigual
manera también se hizo de manera oportuna el detallado para cada rostro
individualmente dando así una mejor comprensión y visibilidad para los rostros de los
individuos.
11
12
13
14
15
16
17