Sistema biométrico con reconocimiento facial. Un procedimiento de registro de casos de transporte y seguridad vial
Biometric system with facial recognition. A procedure for registering transportation and road safety casesContenido principal del artículo
El reconocimiento facial es una tecnología de identificación Biométrica que, por medio del análisis de ciertos rasgos característicos del rostro, busca establecer la identidad de una persona. A pesar de ser menos precisa que otras formas de identificación Biométrica, como la lectura de huellas dactilares o del iris, no requiere contacto f ísico. El presente trabajo presta atención a desarrollar un sistema biométrico con reconocimiento facial para optimizar el procedimiento de registro de casos en la Dirección Regional de Tránsito, Transporte y Seguridad Vial de Quillacollo, Bolivia. Para este proyecto, se empleó la metodología Kanban para gestionar ágilmente el flujo de trabajo, se incorporó SVM (Support Vector Machines) para lograr un reconocimiento facial efectivo. En el resultado propuesto se destaca la combinación de estas tecnologías garantiza un sistema integral y eficiente, mejorando la identificación de infractores y la eficiencia operativa, contribuyendo a una gestión más efectiva del control de tránsito.
Facial recognition is a biometric identification technology that, through the analysis of certain characteristic features of the face, seeks to establish a person's identity. Despite being less accurate than other forms of biometric identification, such as fingerprint or iris reading, it does not require physical contact. This work focuses on developing a biometric system with facial recognition to optimize the case registration procedure at the Regional Directorate of Transit, Transport, and Road Safety in Quillacollo, Bolivia. For this project, the Kanban methodology was employed to efficiently manage the workflow, and SVM (Support Vector Machines) was incorporated to achieve effective facial recognition. The proposed outcome highlights that the combination of these technologies guarantees a comprehensive and efficient system, improving the identification of offenders and operational efficiency, thereby contributing to more effective traffic control management.
Descargas
Detalles del artículo
Boehnen, C., y Flynn, P. (2005). Accuracy of 3D scanning technologies in a face scanning scenario. In 3-D Digital Imaging and Modeling, 3DIM 2005. Fifth International Conference. 310-317. IEEE. https://realpython.com/python-gui-tkinter/
Boesch, G. (2024). “What is OpenCV? The Complete Guide”. VisoAI. https://viso.ai/computer-vision/opencv/.https://apiumhub.com/es/tech-blog-barcelona/principales-patrones-arquitectura-software
Boyde, J (2014). “A Down-To-Earth Guide To SDLC Project Management. Disponible en: https://www.businessinsider.es/usa-reconocimiento-facial-estacion-autobuses-madrid-651165
DoneTonic, P. (2019). “Metodología Waterfall vs Metodología Agile”. DoneTonic. https://donetonic.com/es/metodologia-waterfall-vs-metodologia-agile/
Fontdeglòria, X. (2018). “La policía china usa gafas con reconocimiento facial para identificar a sospechosos | Mundo Global | EL PAÍS”. 2018. https://elpais.com/internacional/2018/02/07/mundo_global/1518007737_209089.html
Flynn, P. y Jain, P. (2018). “Biometría: Progreso y desafíos” https://www.simplilearn.com/tutorials/django-tutorial/what-is-django-python
Gupta, A. (2023). “All You Need To Know About Django Framework”. SimpleLearn. https://www.simplilearn.com/tutorials/django-tutorial/what-is-django-python
Intelion, A. (2018). “El reconocimiento facial en la seguridad e investigación”. Intelion. https://intelion.isid.com/es/el-reconocimiento-facial-en-la-seguridad-e-investigacion/
Li, B. Mian, A., Liu, W., y Krishna, A. (2013). Using kinect for face recognition under varying poses, expressions, illumination and disguise. In Applications of Computer Vision (WACV). 186-192. http:// www.oas.org/es/cidh/expresion/docs/publicaciones/INTERNET_2013_ESP.pdf
Muñoz, D., Silva, F., Hernández, N. y Talavera, I. (2014). El análisis de datos funcionales como alternativa para el reconocimiento automático de imágenes biométricas: aplicación en el iris. Computación y Sistemas, 18(1), 111-121. https://computerworld.com.br/plataformas/ministerio-publico-acusa-serpro-de-oferecer-servico-ilegal/
OVHcloud, R. (2024). “¿Qué es PostgreSQL?”. http://www.ovhcloud.com/es/lp/postgresql-definition/OVHcloud.
Parra, A. (2020). “Técnicas de investigación cuantitativa para recolectar datos”. Question Pro. https://www.questionpro.com/blog/es/tecnicas-de-investigacion-cuantitativa/
Paysan, P., Knothe, R., Amberg, B., Romdhani, S., y Vetter, T. (2009). A 3D face model for pose and illumination invariant face recognition. In Advanced video and signal based surveillance, 2009. AVSS'09. Sixth IEEE International Conference on. 296-301. https://adc.org.ar/2019/09/18/avanza-la-regulacion-del-reconocimiento-facial-en-la-legislatura-portena
Pérez, A. (2014). “El algoritmo SVM y sus aplicaciones empresariales”. OBS Business school. https://www.obsbusiness.school/blog/el-algoritmo-svm-y-sus-aplicaciones-empresariales
Porto, L., y Ruiz, J. A. (2014). Los grupos de discusión. En K. Sáenz López, & G. Támez González, Métodos y técnicas cualitativas y cuantitativas. 253-273. México D.F., México: Tirant Humanidades. https://doi.org/10.37811/cl_rcm.v6i6.4332
Silva-Mata, F. Muñoz, D., Mendiola-Lau, V. Talavera, I. y Augier, A. (2016). Criterios y métodos de selección de bases y su impacto en el análisis de datos funcionales. RCF Vol33-1E.
Silva-Mata, Muñoz, Mendiola-Lau, Talavera, y Augier, (2016). Alineación de Señales e imágenes durante la aplicación del Análisis de Datos Funcionales, RCF Vol33-1E
Wang et al., (2010). Robust 3D face recognition by local shape difference boosting. Pattern Analysis and Machine Intelligence. 32(10), 1858-1870. https://digitalid.karisma.org.co/2010/07/01/SIVIT-reconocimiento-facial/
Xu et al., (2009). Automatic 3D face recognition from depth and intensity Gabor features. Pattern recognition. 42(9), 1895-1905.
Yan, P., y Bowyer, k. (2007). Biometric recognition using 3D ear shape. Pattern Analysis and Machine Intelligence. Rev IEEE, 29(8), 1297-1308. DOI: 10.1109/TPAMI.2007.1067
Zappa, E., Mazooleni, P., y Hai, Y. (2010). Stereoscopy based 3D face recognition system. Procedia Computer Science, 1(1), 2521-2528. http://leyes.senado.gov.co/proyectos/index.php/textos-radicados-senado/p-ley-2020-2021/2021-proyecto-de-ley-234-de-2020
Zhang, Z. (2012). Microsoft kinect sensor and its effect. Rev. IEEE, 19(2), 4-DOI:10.10.1109/MMUL.2012.24