Entrenamiento de un modelo para reconocimiento facial aplicado a un sistema de préstamo de equipo
DOI:
https://doi.org/10.61117/ipsumtec.v4i3.71Palabras clave:
Reconocimiento facial, LBPH, OpenCV, APIResumen
El reconocimiento facial abre una alternativa a los sistemas computacionales que requieren de autenticación de usuarios permitiendo su aplicación en seguridad de información, tarjetas inteligentes, control de acceso. Actualmente existen servicios que realizan el
reconocimiento facial con un cargo monetario. En este artículo mostramos el entrenamiento de un modelo de visión artificial para realizar localmente el reconocimiento facial de usuarios que solicitan préstamo de equipo evitando el costo económico que otras
aplicaciones generan. Se desarrolló una API que utiliza el modelo entrenado aplicando el algoritmo LBPH a través de la biblioteca de código abierto Open CV, para determinar si un rostro se encuentra en el conjunto de rostros válido. La API es usada en una aplicación web que registra el préstamo de equipo para el Tecnológico Nacional de México campus Acayucan.
Se logró obtener una exactitud F1-Score del 90% sin depender de ninguna tecnología de pago o propietaria con un tiempo de predicción menor a los 100 milisegundos por consulta.
Descargas
Métricas
Citas
Aguillón, M. (2020). Sistema para la detección de dolor por medio de expresiones faciales. [Tesis de Maestría]. CICESE, Baja California, México. Recuperado de: https://cicese.repositorioinstitucional.mx/jspui/bitstream/1007/3222/1/Tesis_Mar%C3%ADa%20Lourdes_Aguillon%20Ruiz_13_feb_2020.pdf
Colmenarez, A. J. & Huang, T. S. (1998). Face detection and recognition. In Face Recognition (pp. 174-185). Springer, Berlin, Heidelberg. DOI: https://doi.org/10.1007/978-3-642-72201-1_9
Deeba, F., Ahmed, A., Memon, H., Dharejo, F. A., & Ghaffar, A. (2019). LBPH-based enhanced real-time fase recognition. Int J Adv Comput Sci Appl,10(5), 274-280. DOI: https://doi.org/10.14569/IJACSA.2019.0100535
Fielding, R. T. (2000). Architectural styles and the design of network-based software architectures.
Kumar, A., Kaur, A., & Kumar, M. (2019). Face detection techniques: a review. Artificial Intelligence Review, 52(2), 927-948. DOI: https://doi.org/10.1007/s10462-018-9650-2
Kumar, S. & Walia, E. (2011). Analysis of various biometric techniques. International Journal of Computer Science and Information Technologies, 2(4),1595-1597.
Llapapasca, M. M. Creación de una librería de software de reconocimiento facial enfocado a la identificación de trabajadores de una empresa. Universidad Tecnológica de Lima Perú
Masek, P., & Thulin, M. (2015). Evaluation of face recognition apis and libraries.
Masupha, L., Zuva, T., Ngwira, S., & Esan, O. (2015). Face recognition techniques, their advantages, disadvantages and performance evaluation. In 2015 International Conference on Computing, Communication and Security (ICCCS) (pp. 1-5). IEEE. DOI: https://doi.org/10.1109/CCCS.2015.7374154
Powers, D. M. (2020). Evaluation: from precision, recall and F-measure to ROC, informedness, markedness and correlation. arXiv preprint arXiv:2010.16061.
Raza, M., Iqbal, M., Sharif, M., & Haider, W. (2012). A survey of password attacks and comparative análisis on methods for secure authentication. World Applied Sciences Journal,19(4), 439-444.
Shetty, A. B., & Rebeiro, J. (2021). Facial Recognition using Haar Cascade and LBP Classifiers. Global Transitions Proceedings. DOI: https://doi.org/10.1016/j.gltp.2021.08.044
Tistarelli, M. & Grosso, E. (2010). Human Face Analysis: From Identity to Emotion and Intention Recognition. In International Conference on Ethics and Policy of Biometrics (pp. 76-88). Springer, Berlin, Heidelberg. DOI: https://doi.org/10.1007/978-3-642-12595-9_11
University of California, Irvine. Oliphant, T. E. (2007). Python for scientific computing. Computing in science & engineering, 9(3), 10-20. DOI: https://doi.org/10.1109/MCSE.2007.58
Zhang, B., Gao, Y., Zhao, S., & Liu, J. (2009). Local derivative pattern versus local binary pattern: fase recognition with high-order local pattern descriptor. IEEE transactions on image processing,19(2), 533-544. DOI: https://doi.org/10.1109/TIP.2009.2035882
Zhang, C., & Zhang, Z. (2010). A survey of recent advances in fase detection.
Descargas
Publicado
Cómo citar
Número
Sección
Licencia
Derechos de autor 2021 Francisco Gibrán García Candelario, Natividad Juárez González, José Aurelio Ramírez González y Wendy Carranza Díaz
Esta obra está bajo una licencia internacional Creative Commons Atribución 4.0.
