“Modelo de reconocimiento facial mediante

videos para la detección de personas con

requisitorias al abordaje en el terminal
terrestres de Arequipa”

Autores:

Josué Leonardo Alarcón Prietto.

Julián Mayerlin Flores Ramírez.

 Problema de investigación
 En la actualidad las actividades ilícitas en el Perú aumentaron, los delitos comúnmente cometidos por las bandas criminales fueron la extorsión, robos a entidades bancarias y empresas; y secuestros.

El delito con mayor tendencia al aumento es la extorsión que, en el 2017, alcanzó su punto más alto con 402.3. Además, se identificó que Huancavelica y Madre de Dios son las regiones con más de

700 víctimas por extorsión por cada 100 mil habitantes. Le siguen los casos registrados en Lima Región que se ubica en el tercer puesto con 596.5, luego; Ayacucho (557.5), San Martín (529.2),

Tumbes (468.6), Arequipa (441.6), La Libertad (406.9), Tacna (379.4), Puno (378.1), entre otros [1].

 El Ministerio del Interior formalizó la compra de un moderno Sistema Automático de Identificación Dactilar (AFIS) Sistema Automatizado de Identificación Dactilar, que permitirá la identificación

rápida, segura e inmediata de las personas con requisitorias a nivel nacional, pero para el uso de este sistema es necesario que la persona coloque su huella dactilar de forma voluntaria [2].

 Por ello nosotros proponemos un Modelo de reconocimiento facial para detección de personas con requisitorias, para que pueda ayudar en la captura de estas personas, existes diversas aplicaciones

para reconocimiento facial algunas mejores que otras, muy pocos trabajos han abordado el problema del reconocimiento facial usando modelos neuronales temporales, y ninguno de ellos se ha

ocupado de reconocimiento de caras en los videos, esto representa una oportunidad interesante de investigación con espacio para contribuciones.
 Definición de objetivos

 Objetivo general

 Proponer un modelo de reconocimiento facial mediante videos para la detección de

personas con requisitorias al abordaje en el terminal terrestres de Arequipa.

 Objetivos específicos

- Investigar el aprendizaje de máquina y sus modelos para el reconocimiento de

imágenes en videos usando LSTM RNNs.

- Proponer un modelo de sistema para el reconocimiento facial.

- Proponer un data set conformado por imágenes de personas que ingresan a los

buses interprovinciales

- Implementar y validar el modelo propuesto.

 Revisión de la literatura actual
 Robert Marcos Barreto Rodriguez, David Jesus Lizarraga Mendoza [3], proponen un
modelo de reconocimiento facial que recepciona el video luego se procesa cada fotograma
del video luego cada fotograma es enviado a la red neuronal, ellos compararon distancias y
diversos escenarios para el reconocimiento, midiendo el desempeño del modelo propuesto
de reconocimiento facial con rostros de personas
Revisión de la literatura actual
 Thiago Diniz da Silveira [4], Propone un modelo de reconocimiento de movimientos
corporales, donde a si mismo se estudia cuatro modelos distintos Probabilistic High-
Dimensional Regression, Hyperface, Deepgaze y Vanilla CNN, el investigador optó por el
modelo de Hyperface para hacer el análisis y las pruebas.
Revisión de la literatura actual
 José Rodrigo Galdos Chávez [5], proponen un pipeline de reconocimiento de rostros
usando EBGM con CLNF como reemplazo a la función de detección de puntos del
algoritmo original, para finalmente ser aplicado en video. ellos determinaron que
elementos forman parte del pipeline presentado como resultado final, como algoritmo
usaron Viola y Jones que presenta una modificación al algoritmo Ada Boost para
seleccionar las mejores características Haar y con ellas entrenar varios clasificadores
débiles en términos de su tasa de aciertos
 Revisión de la literatura actual
 Stevenson Contreras y Fernando De la Rosa [6], propusieron un sistema de red neuronal
genérica. Bajo este modelo se generan dos instancias, una para el reconocimiento de
imágenes y la otra para el de navegación. Esto implica una etapa de entrenamiento que las
dos redes reutilizan (con datos adecuados para cada reconocimiento), con una buena
cantidad de datos de calidad.
 Revisión de la literatura actual
 Christian Xavier Niola Quito y Wiliam Armando Sanango Zhinin [7] propusieron
desarrolla un software de seguridad para detección y reconocimiento facial bajo
circunstancias controladas, como una solución biométrica, el cual permite evidenciar la
identificación de un individuo en base a sus características faciales. La detección permite
ubicar rostros entre de una imagen de experimento y, el reconocimiento se basa en
confrontar el aspecto detectado, con otras que han sido guardadas en una base de datos,
para conseguir esto utilizamos los algoritmos de ViolaJones y PCA Eigenface
respectivamente.
 Revisión de la literatura actual
 Alhamzawi Hussein Ali Mezher [8] presenta una modo de implementar y localizar el
rostro y los ojos en la imagen digital, basado en la extracción de características similares a
Haar y el clasificador en cascada, estas técnicas se utilizan en un 100% y 92% para la
localización de rostros y ojos respectivamente para el mejor de todos los casos
 Alcance de la investigación

Tipo de investigación

 El tipo de investigación es aplicada ya que se implementará en un caso de estudio específico el cual es las personas con

requisitorias, con un enfoque cuantitativo ya que utilizaremos métricas para medir la exactitud y la precisión de nuestro

modelo para así hallar nuestros resultados

 El alcance de investigación es de tipo correlacional y descriptiva, debido a que se observará la relación entre el uso de videos

e imágenes y el uso de reconocimiento facial en videos para la detección de personas con requisitorias antes y después de

usar el modelo, para una identificación más eficaz con datos reales y actualizado.

Técnicas e instrumentos de colecta de datos

 Utilizaremos la internet como una técnica para obtener información, ya que es uno de los principales medios para la

recabación de información.
Herramientas utilizadas
Algoritmo de detección de rostros
Viola-Jones
IMAGEN INTEGRAL
DESCRIPTORES HAAR
CapturandoRostro.py
EntrenandoRF.py
ReconomientoFacial.py
Metodología de la investigación

a) Tipo de investigación

 El tipo de investigación es aplicada ya que se implementará en un caso de estudio específico el

cual es las personas con requisitoria, con un enfoque cuantitativo ya que utilizaremos métricas

para medir la precisión de nuestro modelo para así hallar nuestros resultados.

 El alcance de investigación es de tipo correlacional, debido a que se observará la relación entre el

uso de videos e imágenes y el uso de reconocimiento facial en videos para la detección de

personas con requisitorias antes y después de usar el modelo, para una identificación más eficaz

con datos reales y actualizados.

a) Diseño de la investigación

 El método empleado en la presente investigación es experimental debido a que se tendrá una relación entre variables, la variable

independiente será medida como sujeto de experimento con la variable dependiente.

- Estudio de caso

 Se realizará un modelo de reconocimiento facial para personas con requisitorias, para ayudar a identificar a personas que cuenten

con orden de captura, la presente investigación será realizada en empresas de transportes interprovinciales de la ciudad de

Arequipa.

- Población

 Se ha considerado para esta investigación a todas las personas que viajan en empresas de transporte interprovinciales de la ciudad

de Arequipa.

- Muestra

 De acuerdo con nuestra población la muestra es de tipo no probabilística [30], donde se escogieron 40 personas que viajan en

empresas de transporte interprovinciales de la ciudad de Arequipa, por temas de costo y facilidad.

 Recursos necesarios

Recursos Computacionales

Hardware

 Se utilizará 2 cámaras con distintas resoluciones y especificaciones, para poder tener mejores

resultados.

- Cámara de celular Xiomi Redmi note 8: esta cámara cuenta con las siguientes especificaciones, cámara de

alta definición 1080p.

- Cámara de filmadora Panasonic Hc V130 Full Hd: esta cámara cuenta con las siguientes especificaciones,

Video de 1080p a 60 fps Sensor BSI MOS de 1 / 5.8 "Zoom óptico 50x y zoom inteligente 90x. para simular

situaciones reales y de la misma forma poder usarla en pruebas.

HERRAMIENTAS

 El software utilizado para el desarrollo de la presente investigación será libre, así que no se contemplará ningún costo, en la Tabla 2

podemos observar el software de apoyo que se usará en la implementación del modelo.

NOMBRE DEL
DESCRIPCIÓN
SOFTWARE

Es una biblioteca libre de visión artificial originalmente desarrollada por

Open CV
Intel.

Lenguaje de programación orientada a objetos, programación imperativa y

Python
programación funcional.