Documentos de Académico
Documentos de Profesional
Documentos de Cultura
REPORTE TÉCNICO
ESTADÍA PROFESIONAL
Captura de Rostros
Suchiapa, 2019
Resumen
Empresa o Institución................................................................................................................................4
I.1.1 Misión ........................................................................................................................................4
I.1.2 Visión .........................................................................................................................................4
Diagramas……………………………………………………………………………………………………….5
Marco Teórico............................................................................................................................................10
3.1 Generalidades ..............................................................................................................................10
3.1.1 Tecnologías usadas.........................................................................................................................10
3.1.2 Filtro Kalman.....................................................................................................................................10
3.1.2 Concurrencia....................................................................................................................................11
3.3.1 Node jS ....................................................................................................................................11
Conclusiones............................................................................................................................................32
Anexos......................................................................................................................................................33
Referencias Bibliográficas.........................................................................................................................33
Instituto de Ingles Javier
Mckeever
I.1 Antecedentes de la empresa
El instituto Javier Mckeever fundado en 1960 por Anne Mckeever y Humberto Javier. impartiendo cursos
de inglés para niños, jóvenes y adultos en todos los niveles. ofrece
I.1.1 Misión
Para Dar herramientas a los jóvenes en construir el futuro
I.1.2 Visión
Consolidarnos con líder en la enseñanza del inglés, con enseñanzas de calidad y profesores
nativos
Diagrama de secuencia de detectar rostro
Diagrama de secuencia de reconocer rostro
Definición del Proyecto
Los seres humanos desde tiempos remotos hasta la actualidad se han visto en la obligación de
reconocerse unos a otros mediante nombres, apodos, etc., pero es el rostro el que nos da una
propia identidad a cada persona ya que por medio de estudios la cara es una de las cosas que
imposible de olvidar, es por esto que, por medio de las nuevas tecnologías y algoritmos, se han
implementado varias funcionalidades propias en respecto a esta identidad. En los inicios de esta
tecnología llamada “Reconocimiento facial” se usaba algoritmos de reconocimientos muy
simples el cual daba mayor oportunidad a que los errores se produjeran, ya que al ser así el
mismo reconocimiento se podría dar para 2 personas diferentes. En la actualidad y con los
avances logrados, además de los algoritmos que han sido exponencialmente mejorados, los
errores son mínimos ya que se han afinado la forma en cómo se reconoce cada rostro. A
continuación se explica cómo funciona cada uno de estos algoritmos además del
funcionamiento y cada etapa en un reconocimiento facial, como se muestra en la figura consta
de varias secciones las cuales en complemento darán un buen funcionamiento del software que
se implementará.
La implementación de este software impactará de forma positiva a sus usuarios ya que verán
una mejor fluidez de tiempo en lo que antes se empleaba a varias personas en hacer dicha
tarea, además que verá una mayor ventaja frente a sus competencias.
3.1 Generalidades
Para el desarrollo de los módulos se acoplo un módulo de Jupyter , con una red neuronal
entrenada , para esto se tomó muestras de caras , donde el programa por medio de
blancos y negros reconocerá los datos biométricos de las caras
Anaconda
Es una distribución libre y abierta de los lenguajes Python y R, utilizada en ciencia de datos, y
aprendizaje automático (machine learning). Esto incluye procesamiento de grandes volúmenes
de información, análisis predictivo y cómputos científicos. Está orientado a simplificar el
despliegue y administración de los paquetes de software.
Filtro Kalman
El filtro de Kalman es un algoritmo desarrollado por Rudolf E. Kalman en 1960 que sirve para
poder identificar el estado oculto de un sistema dinámico lineal, al igual que el observador de
Luenberger, pero sirve además cuando el sistema está sometido a ruido blanco aditivo.
El filtro de Kalman es un algoritmo recursivo, puede correr en tiempo real usando únicamente
las mediciones de entrada actuales, el estado calculado previamente y su matriz de
incertidumbre, y no requiere ninguna otra información adicional.
Concurrencia
Tecnologías usadas
Python
OpenCv
Es una biblioteca libre de visión artificial originalmente desarrollada por Intel. OpenCV significa
Open Computer Vision (Visión Artificial Abierta). Desde que apareció su primera versión alfa en
el mes de enero de 1999, se ha utilizado en una gran cantidad de aplicaciones, y hasta 2020 se
la sigue mencionando como la biblioteca más popular de visión artificial. Detección de
movimiento, reconocimiento de objetos, reconstrucción 3D a partir de imágenes, son sólo
algunos ejemplos de aplicaciones de OpenCV.
Su popularidad se debe a que es:
-Libre, publicada bajo licencia BSD, que permite que sea usada libremente para
propósitos comerciales y de investigación
-Multiplataforma, para los sistemas operativos GNU/Linux, M ac OS X, Windows y
Android, y para diversas arquitecturas de hardware como x86, x64 (PC), ARM (celulares
y Raspberry Pi)
-Documentada y explicada: la organización tiene una preocupación activa de mantener
la documentación de referencia para desarrolladores lo más completa y actualizada
posible, ejemplos de uso de sus funciones y tutoriales accesibles al público no iniciado en
visión artificial, además de difundir y fomentar libros y sitios de formación.
Tkinter
Es una librería que proporciona a las aplicaciones de Python una interfaz de usuario fácil de
programar. Además es un conjunto de herramientas GUI de Tcl/Tk (Tcl: Tool Command
Language), proporcionando una amplia gama de usos, incluyendo aplicaciones web, de
escritorio, redes, administración y pruebas.
AdaBoost
Es una representación visual, que manifiesta la apariencia visual de un objeto real o imaginario.
Aunque el término suele entenderse como sinónimo de representación visual, también se aplica
como extensión para otros tipos de percepción, como imágenes auditivas, olfativas, táctiles,
sinestésicas, etc. Las imágenes que la persona no percibe sino que vive interiormente, se las
denominan imágenes mentales, mientras que las que representan visualmente un objeto
mediante técnicas diferentes, se las designa como imágenes creadas.
Esta información se representa generalmente mediante tres valores que corresponden a los tres
canales de color: rojo, verde y azul. En el caso de trabajar con imágenes monocromáticas (en
escala de grises) los tres valores RGB
Base de datos en uso
Base de Datos en uso MySQL es un sistema para la gestión de base de datos con más de seis
millones de instalaciones en el mundo, y que por lo tanto es el más extendido dentro de las
aplicaciones relacionadas. MySQL funciona como software libre dentro del esquema de
licencias GNU GPL.
Para el desarrollo del software se cuenta con una base de datos que ya se encuentra en
producción, es decir se cuenta con un banco de información en el cual se puede hacer consultas
a la información. Se requiere que la información existente, esté a disposición de otros medios,
en este caso esa información será de utilidad para la creación de una nueva API, está a API
orquesta información de varias Tablas de una base de datos, para poder incluirlo en un solo
servicio.
A diferencia de una Coreografía de Servicios, la orquestación de servicios solo me permitira
usar un solo servicio que es abstracto de otros servicios, la diferencia es que una Coreografía
de servicios es que los servicios son varios y estos están enlazados entre ellos, es decir más de
un servicio, Características por la cual se opta tener un único servicio a que varios servicios
ligeramente.
Base de datos Generado
- Entidades: El modelo contará con una entidad por cada uno de los componentes del proceso
de negocio. Así, en un negocio de venta de suscripciones a revistas, podemos tener entidades
‘Cliente’, ‘Dirección’, ‘Factura’, ‘Producto’, o ‘Incidencias’, entre otras.
- Atributos: Los atributos, componente fundamental de cada modelo entidad-relación, nos
permiten describir las propiedades que tiene cada entidad. ‘Nombre’, ‘Primer Apellido’, ‘Segundo
Apellido’, ‘Fecha de nacimiento’, ‘Género’ o ‘Segmento de valor’ serán atributos de la entidad
‘Cliente’.
- Relaciones: Con las relaciones se establecen vínculos entre parejas de entidades. Cada
‘Cliente’ tendrá una ‘Dirección’ de envío en la que recibirá la suscripción, podrá estar suscrito a
uno o varios ‘Productos’, y recibirá una ‘Factura’ con la caducidad acordada.
Funciones
En este apartado toma la foto y busca un directorio como en este caso data-set y guarda la foto
en una carpeta interna en este caso jorge .
En este apartado se muestra la dirección del video para tomar la captura y como se desplegara
la ventana para la toma de datos.
4.1 Resultados
Como se puede apreciar el programa reconoce al individuo previamente registrado, donde se le
tomó varias capturas del rostro para poder identificarlo , al no reconocer al individuo aparecerá
el mensaje de “Unknow”
Acoplando pequeños módulos solicitados, gracias a la arquitectura con la que está diseñada
nos permite ser escalables en todos los aspectos, llegando a soportar las peticiones que se
realizan a lo largo del día, sin comprometer la rapidez y disponibilidad de los recursos que se
soliciten hacia el servidor.
Surgieron problemas de usabilidad para aquellas personas no tan jóvenes, ya que no están
familiarizados con los cambios tecnológicos que hoy en día surgen como en otras plataformas
digitales. A cada área administrativa se les proporcionó tutoriales en video para su mayor
comprensión, así como una presentación formal de cómo administrar las notas.
Conclusiones
Con este proyecto se logró a partir de una imagen, reconocer un rostro y saber si pertenece a
alguna de las personas almacenadas en nuestra base de datos, además de mostrar el rostro
almacenado con mayor coincidencia .
Se han obtenido buenos resultados en entornos controlados, aunque en lugares con mucha
variación de luz habría que reconsiderar la utilización de otras herramientas.
El trabajo incluye las mejores prácticas de programación, técnicas de optimización, entre otras
características obtenidas en la carrera, Su implementación no está limitada a las grandes
compañías, sino que cualquier tipo de empresa puede utilizar esta tecnología. Esta tecnología
ayuda a transformar a empresas en negocios claves y llegar a cualquier público.
Las habilidades que tenemos cada trabajador para poder llevar a cabo un proyecto de
semejante tamaño, junto con la experiencia con otros proyectos previamente realizados, nos
permiten desenvolvernos en áreas y roles diferentes para cumplir con todos los requisitos
solicitados.
Referencias Bibliográficas
OpenCV Version 2.4.13. Haar feature-based cascade classifier for object detection.
https://docs.opencv.org/2.4/modules/objdetect/ doc/cascade_classification.html, 2018.
Ryan Allred. Image augmentation for deep learning using keras and histogram equalization.
https://towardsdatascience.com/ image-augmentation-for-deep-learning-using-keras-and-\
histogram-equalization-9329f6ae5085, 2017.
José Ramón Cuevas Diez. Interfaces Hombre Máquina Basados en Hardware Libre.
Universidad de Burgos, Burgos, España, 2017.