Reconocimiento de expresiones faciales y características personales como herramienta para identificar personas en un sistema de transporte público

DOI: https://doi.org/10.26439/ing.ind2022.n.5811
Palabras clave: inteligencia artificial, reconocimiento facial (informática), algoritmos computacionales, aprendizaje automático

Resumen

La inteligencia artificial en la actualidad tiene muchas aplicaciones. En este artículo se plantea el reconocimiento facial basado en inteligencia artificial usando machine learning para identificar, a través de lenguaje Python, a personas que se encuentran extraviadas, raptadas o que han cometido delitos. La plataforma de desarrollo Jetson Nano identifica y envía una alerta a través de un mensaje de texto SMS a las unidades de supervisión y control de información para la toma de decisión y respuesta. Este dispositivo funciona con el sistema operativo Ubuntu, que tiene la capacidad de trabajar en forma autónoma (standalone), es pequeño y de fácil accesibilidad en espacios reducidos. Asimismo, la herramienta puede predecir el estado de ánimo de las personas a través de gestos realizados en el rostro con la aplicación del algoritmo de Viola-Jones.

Descargas

La descarga de datos todavía no está disponible.

Biografía del autor/a

Uwe Rojas Villanueva, Universidad de Lima, Facultad de Ingeniería y Arquitectura, Lima, Perú

Doctor en Electromagnetismo Aplicado por la Pontificia Universidad Católica de Río de Janeiro (PUC), Brasil. Ingeniero de telecomunicaciones por la Universidad Nacional de Ingeniería. Docente en la Universidad de Lima, en la Facultad de Ingeniería y Arquitectura. Ha publicado artículos sobre análisis de señales en 2,5 GHz (2015), 2,47 GHz (2017) y redes neuronales (2020). Ha trabajado como ingeniero en las compañías Claro y Nextel en Brasil.

Juan Carlos Goñi Delión, Universidad de Lima, Facultad de Ingeniería y Arquitectura, Lima, Perú

Doctor en Ciencias de la Ingeniería por la Escuela Politécnica Federal de Zúrich (ETH), Suiza. Ingeniero mecánico por la Universidad Nacional de Ingeniería. Docente principal en la Universidad de Lima, coordinador del área de Diseño e Innovación Tecnológica y jefe del laboratorio de máquinas e instrumentos de la Facultad de Ingeniería y Arquitectura. Cuenta con tres patentes de invención. Ha publicado libros de la especialidad. Ha pertenecido al Consejo Directivo, a la Asamblea Universitaria y a la Facultad de Ingeniería y Arquitectura de la Universidad de Lima. Ha sido profesional asociado de Alfa Plus y gerente técnico de Limenco. Consultor de proyectos de ingeniería mecánica y eléctrica.

Fabricio Paredes Larroca, Universidad de Lima, Facultad de Ingeniería y Arquitectura, Lima, Perú

Magíster en Ciencias en Automática e Instrumentación por la Universidad Nacional de Ingeniería. Ingeniero industrial por la Universidad de Lima. Poseedor de patentes de invención. Diplomado del Fab Academy basado en el curso de creación rápida de prototipos del MIT. Encargado del laboratorio de manufactura Fablab de la Universidad de Lima.

Citas

Andrago Calvachi, M. A. (2019). Uso de reconocimiento facial de emociones basado en técnicas de deep learning para el mejoramiento de la educación [Tesis de maestría, Universidad Israel]. Universidad Israel, Repositorio Digital. http://repositorio.uisrael.edu.ec/handle/47000/2297

Duró, V. E. (2001). Evaluación de sistemas de reconocimiento biométrico. Escuela Universitaria Politécnica de Mataró, Departamento de Electrónica y Automática.

Estévez Martín, A., & Ramírez Barredo, B. (2018). Smartcity: la inteligencia artificial en la ciudad del futuro. Estudio del caso Amazon Go. En Actas ICONO14. VI Congreso Internacional Ciudades Creativas (pp. 199-215). Asociación de Comunicación y Nuevas Tecnologías.

Gualdrón, O. E., Duque Suárez, O. M., & Chacón Rojas, M. A. (2013). Diseño de un sistema de reconocimiento de rostros mediante la hibridación de técnicas de reconocimiento de patrones, visión artificial e IA, enfocado a la seguridad e interacción robótica social. Mundo FESC, 3(6), 16-28. https://www.fesc.edu.co/Revistas/OJS/index.php/mundofesc/article/view/3

Lienhart, R., & Maydt, J. (2002). An extended set of Haar-like features for rapid object detection. Proceedings. International Conference on Image Processing (vol. I, pp. 900-905). DOI: 10.1109/ICIP.2002.1038171

Planells Lerma, J. (2009). Implementación del algoritmo de detección facial de Viola-Jones [Trabajo de fin de carrera]. Universitat Politècnica de València. Escola Tècnica Superior d’Enginyeria Informàtica.

Viola, P., Jones, M. J., & Snow, D. (2005). Detecting pedestrians using patterns of motion and appearance. International Journal of Computer Vision, 63(2), 153-161. https://doi.org/10.1007/s11263-005-6644-8

Wei, Y., Bing, X., & Chareonsak, C. (2004). FPGA implementation of AdaBoost algorithm for detection of face biometrics. En IEEE International Workshop on Biomedical Circuits and Systems (pp. S١/6-17). DOI: 10.1109/BIOCAS.2004.1454161

Zerrouki, N., Harrou, F., Sun, Y., & Houacine, A. (2018). Vision-based human action classification using adaptive boosting algorithm. IEEE Sensors Journal, 18(12), 5115-5121. DOI: 10.1109/JSEN.2018.2830743

Publicado
2022-04-22
Cómo citar
Rojas Villanueva, U., Goñi Delión, J. C., & Paredes Larroca, F. (2022). Reconocimiento de expresiones faciales y características personales como herramienta para identificar personas en un sistema de transporte público. Ingeniería Industrial, 261-277. https://doi.org/10.26439/ing.ind2022.n.5811
Número
2022: Edición Especial
Sección
Artículos
Creative Commons License
Esta obra está bajo licencia internacional Creative Commons Reconocimiento 4.0.