Borrador 2 Programacion

Universidad Laica
PRÀCTICAS LABORATORIO: BORRADOR DEL PROYECTO DEL SEGUNDO PARCIAL Ingeniería Electrica
Eloy Alfaro de Manabí
Universidad Laica Eloy Alfaro de

Manabí
Carrera de Ingeniería PRÁCTICAS DE

Eléctrica LABORATORIO
Practica Nº Borrador del proyecto de Segundo Parcial
Nombre de la practica “Desarrollo de un aplicación en detección y

reconocimiento facial para un control de
asistencia en Matlab”
Nombre del profesor Ing. Washington García
Nombre del alumno Burgos Laina Darwin Gabriel

Velesaca Zambrano Bryan Steven
Semestre Cuarto semestre
Fecha práctica 17/12/18
Fecha presentación 30/12/18

Informe
Universidad Laica
Contenido
Introducción................................................................................................................................. 3
1. Planteamiento del Problema .............................................................................................. 3
2. Justificación ......................................................................................................................... 3
3. Objetivos .............................................................................................................................. 4
3.1 Objetivo General ......................................................................................................... 4
3.2 Objetivos Específicos................................................................................................... 4
4. Alcance ................................................................................................................................. 5
5. Marco Teórico ..................................................................................................................... 5
6. Identificación de variables .................................................................................................. 7
7. Contenido ............................................................................................................................. 7
Anexos ........................................................................................................................................ 16
8. Cronograma ....................................................................................................................... 19
9. Referencias Bibliográficas ................................................................................................ 20
Tabla de ilustraciones
Ilustración 1:Reconocimiento facial .......................................................................................... 9

Ilustración 2:Patrones y puntos de referencias ........................................................................... 9
Ilustración 3:/Proceso de Reconocimiento Facial ..................................................................... 12
Ilustración 4:/Diagrama Causal en Vensim................................................................................ 15
Ilustración 5:/Interfaz gráfica en Matlab ................................................................................... 16
Ilustración 6:/Interfaz para el registro de datos........................................................................ 16
Ilustración 7:/Detección de la persona ...................................................................................... 17
Ilustración 8:/Recorte del rostro de la persona ........................................................................ 17
Ilustración 9:/Persona identificada............................................................................................ 18
Universidad Laica
“Desarrollo de una aplicación en detección y reconocimiento facial para

un control de asistencia en Matlab”
Introducción
El principal objetivo de este trabajo, es el desarrollo de una aplicación compilada,

mediante la interfaz gráfica de Matlab (GUI), que sea capaz, previo aprendizaje de la
aplicación, de localizar la cara en la fotografía, recortarla para eliminar espacio de fondo,
y posteriormente reconocer a la persona en cuestión, si está en la base de datos.
Si la persona no estuviera, el programa también sería capaz de decirlo. Por último, el
programa realizará un volcado de los datos de las personas reconocidas en un fichero de
texto a modo de registro, para así satisfacer el fin último de este proyecto, que pretendía
ser usado para un posible control de asistencia a clase.
1. Planteamiento del Problema
La intención del trabajo es la posible aplicación del software implementado para el control
de asistencias en una clase, o en una empresa, mejorando el sistema de control de
asistencia respecto a los métodos hasta ahora usados, que requieren de la asistencia de un
usuario para el control efectivo de la persona, o de sistemas de log in como el de las
empresas, con número de empleado y contraseña propia, que por otro lado resultan fáciles
de burlar.
Con este programa solo será necesario capturar una fotografía inicial para la base de datos,
permitir que realice los cálculos necesarios para el reconocimiento, y posteriormente en
el momento que se desee reconocer a esta persona, solo tendrá que situarse enfrente de la
cámara, capturar una fotografía de sí mismo y observar como el programa es capaz de
reconocer a la persona en cuestión, mostrando el nombre y la fecha exacta del
reconocimiento por pantalla y realizando un volcado de los datos del reconocimiento en
un fichero de registro.
2. Justificación
2.1. Justificación Teórica

“Este proyecto se realiza con el propósito de implementar el uso automático de
reconocimiento facial de una persona por medio de un programa, el cual está diseñado
para la comparación de patrones, de dicha persona y compararlas si se encuentra
registrada en una base de datos, en el cual podemos decir que registro varios tipos de
algoritmos que pueden hacer este proceso como puede ser el algoritmo de Viola-Jones”
Universidad Laica
2.3 Justificación Practica

La identificación de personas utilizando técnicas de reconocimiento de patrones faciales
puede llegar a ser una solución segura y poco invasiva que provee la información
biométrica dada las características únicas que posee el rostro de cada persona.
La tecnología emergente en cuanto al desarrollo de video cámaras para la captura de
imágenes en tiempo real, así como herramientas matemáticas que se han desarrollado para
el reconocimiento biométrico(facial), sirven como eje principal para plantear el desarrollo
de dispositivos inteligentes que, contando con una base de datos de rostros, nos permita
minimizar la inseguridad y el control de personas en un área determinada.
3. Objetivos
3.1 Objetivo General
Diseñar e implementar una aplicación para el reconocimiento automático de rostros

humanos en condiciones adecuadas.
3.2 Objetivos Específicos.
• Diseñar e implementar el software de captura de imágenes de rostros mediante

una cámara web, procesarla y almacenarla en la base de datos de imágenes.
• Validar la detección de rostro, el guardado de imágenes y el reconocimiento de la
imagen de entrada, y ejecutar el reconocimiento facial.
• Desarrollar un sistema de reconocimiento de rostros en base a los algoritmos de
reconocimiento biométrico.
• Determinar el mejor algoritmo que se pueda utilizar para que la validación de la
información sea más precisa.
• Crear un modelo Entidad – Relación que almacene la información registrada en el
sistema de Reconocimiento facial.
Universidad Laica
4. Alcance
En este presente proyecto se pretenden implementar un programa fundamental por medio

de una base de datos, en el cual proporcionara el ingreso, de imágenes de personas, el
cual pedirá datos personales de ellas misma, las cuales quedaran registradas, para luego
compararlas, si se lo requiere en un futuro.
Para el desarrollo de este proyecto de investigación se desarrolló un interfaz gráfico en el

cual se tomará la foto y los comparará. si las características de la imagen son exactas.
Dara un mensaje con los datos de la persona registrada, caso contario mostrara un mensaje
que no se registra la imagen en la base de datos.
El soporte de esta investigación es la implementación de un sistema que funcione como

detector de asistencia de una persona, el cual puede usarse en diferentes campos:
educativo y trabajo. Para llevar un control de las personas que llegan y las identificas.
5. Marco Teórico
MATLAB (abreviatura de MATrix LABoratory, "laboratorio de matrices") es

un sistema algebraico computacional que ofrece un entorno de desarrollo
integrado (IDE) con un lenguaje de programación propio (lenguaje M). Está disponible
para las plataformas Unix, Windows, Mac OS X y GNU/Linux .
Entre sus prestaciones básicas se hallan: la manipulación de matrices, la representación

de datos y funciones, la implementación de algoritmos, la creación de interfaces de
usuario (GUI) y la comunicación con programas en otros lenguajes y con otros
dispositivos hardware.
El paquete MATLAB dispone de dos herramientas adicionales que expanden sus

prestaciones, a saber, Simulink(plataforma de simulación multidominio) y GUIDE
(editor de interfaces de usuario - GUI). Además, se pueden ampliar las capacidades de
MATLAB con las cajas de herramientas (toolboxes); y las de Simulink con los paquetes
de bloques (blocksets).
Es un software muy usado en universidades y centros de investigación y desarrollo. En

los últimos años ha aumentado el número de prestaciones, como la de programar
directamente procesadores digitales de señal o crear código VHDL.
MySQL
MySQL es un sistema de gestión de bases de datos relacional desarrollado bajo licencia

dual: Licencia pública general/Licencia comercial por Oracle Corporation y está
considerada como la base datos de código abierto más popular del mundo,12 y una de
Universidad Laica
las más populares en general junto a Oracle y Microsoft SQL Server, sobre todo para
entornos de desarrollo web.
MySQL fue inicialmente desarrollado por MySQL AB (empresa fundada por David
Axmark, Allan Larsson y Michael Widenius). MySQL AB fue adquirida por Sun
Microsystems en 2008, y ésta a su vez fue comprada por Oracle Corporation en 2010, la
cual ya era dueña desde 2005 de Innobase Oy, empresa finlandesa desarrolladora del
motor InnoDB para MySQL.
Al contrario de proyectos como Apache, donde el software es desarrollado por una

comunidad pública y los derechos de autor del código están en poder del autor
individual, MySQL es patrocinado por una empresa privada, que posee el copyright de
la mayor parte del código. Esto es lo que posibilita el esquema de doble licenciamiento
anteriormente mencionado. La base de datos se distribuye en varias versiones, una
Community, distribuida bajo la Licencia pública general de GNU, versión 2, y varias
versiones Enterprise, para aquellas empresas que quieran incorporarlo en productos
privativos. Las versiones Enterprise incluyen productos o servicios adicionales tales
como herramientas de monitorización y asistencia técnica oficial.
En 2009 se creó un fork denominado MariaDB por algunos desarrolladores (incluido

algunos desarrolladores originales de MySQL) descontentos con el modelo de
desarrollo y el hecho de que una misma empresa controle a la vez los productos MySQL
y Oracle Database.3
Está desarrollado en su mayor parte en ANSI C y C++.4 Tradicionalmente se considera

uno de los cuatro componentes de la pila de desarrollo LAMP y WAMP.
XAMPP
Es un paquete de software libre, que consiste principalmente en el sistema de gestión de

bases de datos MySQL, el servidor web Apache y los intérpretes para lenguajes de
script PHP y Perl. El nombre es en realidad un acrónimo: X (para cualquiera de los
diferentes sistemas operativos), Apache, MariaDB/MySQL, PHP, Perl. A partir de la
versión 5.6.15, XAMPP cambió la base de datos MySQL por MariaDB, un fork de
MySQL con licencia GPL.
El programa se distribuye con la licencia GNU y actúa como un servidor web libre, fácil
de usar y capaz de interpretar páginas dinámicas. A esta fecha, XAMPP está disponible
para Microsoft Windows, GNU/Linux, Solaris y Mac OS X.
Algoritmo PCA
Es un algoritmo matemático para reducir las dimensiones de conjuntos de datos

reteniendo la mayoría de la variación de ellos en vectores llamados componentes
principales. Las componentes principales son combinaciones lineales no
Universidad Laica
correlacionadas entre sí de las variables originales y maximizan la varianza de las

observaciones. Este algoritmo es ampliamente utilizado para identificar patrones en
conjuntos de datos con un número dimensiones considerable.
La primera componente principal captura la mayor cantidad de la varianza de los datos,

la segunda componente captura la segunda mayor cantidad de la varianza, y así
sucesivamente. El número de componentes principales que puede ser obtenido de un
conjunto de datos es igual a número de dimensiones que éste posea.
6. Identificación de variables
Tema: “Desarrollo de una aplicación en detección y reconocimiento facial para un control

de asistencia en Matlab”
Variable independiente: alumnos.
➢ X1=Variable dependiente: Desarrollo de una aplicación en detección.

➢ X2=Variable dependiente: Desarrollo de una aplicación en reconocimiento facial.
➢ Variable interviniente: Control de asistencia
7. Contenido
Universidad Laica
“Desarrollo de una aplicación en detección y reconocimiento facial

para un control de asistencia en Matlab”
Darwin Burgos Laina
Bryan Velesaca Zambrano
Universidad Laica “Eloy Alfaro” de Manabí
Resumen
En el siguiente artículo se presenta un sistema biométrico de reconocimiento facial,

mediante el algoritmo PCA, que detectará rostros de personas que ingresen a un
establecimiento y las comparará con otra imagen, este proyecto se ha creado en la
herramienta Matlab versión R2015a, también se contara con una base de datos de
imágenes y una imagen de prueba.
Desde hace mucho tiempo se sentaron las bases del sistema biométrico o sistemas de
identificación. En la actualidad estos desarrollos han aportado en la identificación de
personas, en el acceso a sitios privados y todos los lugares que necesiten seguridad y
orden con la ayuda de ordenadores computarizados que realizan el reconocimiento
biométrico facial, exclusivamente basado en imágenes de rostros humanos para su
función.
Se utilizará el algoritmo PCA (Análisis de Componentes Principales) para extraer las
características que representan a las imágenes. A continuación, estas características sirven
para entrenar y simular unas redes neuronales. Con las salidas de las redes neuronales se
seleccionan las imágenes de la base de datos que más se parecen a la cara de la imagen
de prueba.
Palabras clave: Algoritmos, automatización, características personales, etapas, métodos,

reconocimiento facial.
INTRODUCCIÓN
El reconocimiento facial se ha acusar o probar la inocencia cuando se
desarrollado con rapidez. Desde que trata depersonas con antecedentes
Alphonse Bertillon en 1883 sentara las penales.
bases del sistema de reconocimiento
El reconocimiento facial es una versión
facial, pues usaban como base un sin
mucho más potente que la tecnología que
número de medidas antropométricas
usa el celular o la computadora para
como: la distancia de los ojos, la simetría
identificar a sus amigos en sus fotos. Su
o los diferentes rasgos faciales de un
uso para reconocer personas y validar sus
individuo. Este sistema es una tendencia
identidades puede agilizar el control de
en el ámbito forense y también ha
acceso a edificios corporativos y
llegado hasta el punto de tener opinión
gubernamentales.
en una corte de justicia ya que puede
Universidad Laica
Algunos sistemas tienen la capacidad de mismos que pueden ser reconocidas o

identificar criminales conocidos o verificadas de forma automatizada
sospechosos y las empresas pueden mediante un ordenador "La biometría
analizar las caras de sus clientes para está diseñada para que tú no tengas que
adaptar las estrategias de marketing. hacer nada. Simplemente el dispositivo
Pero también hay serios problemas de te reconoce."
Ilustración 2:Reconocimiento facial
Fuente: (Cromo, 2016)
privacidad, ya que esta tecnología puede
ser utilizada para rastrear a los
individuos a través de sus comunidades e
Ilustración 1:Patrones y puntos de referencias
incluso por todo el mundo. Por otro lado, en el proceso de

reconocimiento se utilizan algoritmos
Fuente: (Guerrero, 2015)
(analiza cientos de rostros y utiliza un
El reconocimiento facial tiene un mapeo facial que capta 100 expresiones
mercado aproximado de US$ 3 mil faciales) para el procesamiento de
millones, lo cual se estima que crezca a imágenes, todas las imágenes tienen 50 x
US$ 6 mil millones en 2021, además la 50 pixeles de ancho y alto, y una
vigilancia es uno de los factores direccionalidad de 2500 pixeles, por lo
fundamentales para el crecimiento, es que su costo computacional aumenta.
decir que los gobiernos son los que (Arguello, 2016).
generan el principal ingreso. (Cromo,
Teniendo en cuenta las técnicas de
2016)
extracción de características se
¿Cómo funciona el reconocimiento analizaron algunas de las componentes
facial? que existen:
Los avances parten desde el estudio de la • PCA (Principal Component Analysis)
biometría, y esta sumada a la tecnología,
da como resultado la toma de medidas y
el análisis de datos biológicos como el • LDA (Linear Discriminant Analysis)
ADN, la huella de la mano, el iris y la
voz (labores biométricas).
• LPP (Locality Preserving Projections)
Así nacen los sistemas de
reconocimiento facial, que toma sus
decisiones de identificación con la ayuda
de las características personales • DCT (Discrete Cosine Transform)
(fotografías y videos) de cada persona y (Hernández, 2015)
plasmándolo en una imagen digital los
Universidad Laica
En la PCA es un algoritmo de reducción Etapas del Reconocimiento Facial

dimensional que permite encontrar los
Al incluir los sistemas de
vectores que mejor representan la
reconocimiento facial, se rescatan cinco
distribución y clasificación de un grupo
etapas:
de imágenes. El objetivo de este consiste
en representar una imagen en términos 1. Detección del rostro.
de un sistema de coordenadas óptimo
reduciendo el número final de 2. Acondicionamiento.
componentes que tendrá la imagen. 3. Normalización.
(Hernández, 2015)
4. Extradición de características.
En tanto, LDA se desempeña cuando las
mediciones realizadas en variables 5.Reconocimiento.
independientes para cada observación La detección, localiza la región facial (si
son cantidades continuas. El objetivo es existe) y la segmentación de la misma
proyectar un conjunto de datos en un del resto de la escena. El
espacio de menor dimensión con una acondicionamiento localiza las
separabilidad de clases para evitar la componentes y la escala a la que
sobreeequipacion y también reducir los encontramos al rostro, mediante
costos computacionales. Cuando se trata trasformaciones geométricas. Siguiendo
de variables categóricas independientes, el proceso la normalización consiste en
la técnica equivalente es el análisis de normalizar las imágenes en la etapa de
correspondencia discriminante. pre procesado de modo que se atenúen
(Raschka, 2015). los efectos de los cambios de
En el LPP monta gráficos que incluyen iluminación, es decir, se igualar en
información de vecindario como el tamaño, intensidad de un rango
conjunto de datos. La representación de determinado entre otras y así realizar un
gráficos es generada por el algoritmo escalado y recorte con un rectángulo o
puede ser visto como una aproximación elipse.
discreta lineal a un con que surge La determinación de características
naturalmente de la geometría del aporta información necesaria para
colector (Niyogi, 2014). diferenciar los rostros diferentes de las
En el DCT brinda una transformación de personas según sus las variaciones
secuencia finita de datos como la suma geométricas. Por último, el
de funciones coseno oscilando en reconocimiento da el patrón facial
diferentes frecuencias extraído de las características y se
(Hernández, 2015) compara con la base de datos. Si se da un
70% de similitud, entrega la identidad
En la DCT se obtienen las del rostro, o si no, se indica que es un
características de la imagen y luego se rostro desconocido.
usan para poderlas clasificar, como se (Carrero & et al., 2016)
hace con PCA, por lo que la base de la
DCT independientemente de las
imágenes.
Universidad Laica
No siempre es fácil carencia de fiabilidad, por algunos

motivos como: la carencia de criterio
Para determinar las regiones que tiene el
unificado, o la posibilidad de que falle, al
rostro se empieza sacando las
tomar las medidas de forma manual no
características, por lo que se utiliza
sería tan viable.
cualquier técnica de reconocimiento
antes mencionado. Usualmente cierta Estos avances se aplican en numerosos
operación produce vectores sitios. Entre las más importantes están:
característicos de dimensiones
• Verificación de cantidad por ejemplo:
disminuidas los que deben ser cotejados
en cajeros automáticos, acceso a
con la base de datos de personas
edificios, etc.
anteriormente recompiladas. Si se
identifica a la persona por cualquier • Vigilancia, seguridad y seguimiento de
método de reconocimiento, tal como un personas.
código o tarjetas de acceso u otros
sistemas se conocen como sistema de Objetivo del reconocimiento facial es:
autentificación o verificación de • Verificación o autentificación de
identidad. caras: compara una imagen del rostro
En este proceso el vector de con otra imagen del rostro de la que
características de prueba se compara con queremos saber la identidad. El sistema
la base de datos, si presenta una medida confirmará o rechazará la identidad de la
igual se identifica al individuo, pero sino cara.
no es así se trata de otra persona, Fuente: (Carrero & et al., 2016)
Mahalanobis, coseno del ángulo entre
vectores, sistemas Fuzzy, coeficiente de
correlación entre otras. Metodología
De todas las distancias se eligen las La metodología de este artículo se
pequeñas y se cotejan con los datos realizó mediante la investigación en
inicialmente seleccionados para así libros, sitios web, blogs entre otras
determinar si la persona está en la base fuentes de investigación. Se ha leído,
datos o se trata de un intruso. De lo que analizados y resumidos documentos de
es notables es que varios autores ponen esta área.
en práctica variadas técnicas de para
Potentially
realizar la extracción de características y elegible Studies Studies
reducir las dimensionalidades del Source studies Relevant principal %
problema. ACM Digital

Library 0 0 0 0,00%
De esta manera se llega a obtener un IEEE Xplore 27 6 1 0,15%
sistema de reconocimiento facial en base Science Direct 90 15 4 0.60%
a imágenes. Los primeros experimentos Springer 116 27 2 0,25%
con esta tecnología se remontan a la TOTAL 233 48 7 1,0
década de 1960, aunque, en aquel
entonces, la investigación para comenzar
con su desarrollo se mantuvo en secreto
(Iturriaga, 2016) pero desgraciadamente
Universidad Laica
Desde un principio el estudio de la

biometría fue fundamental para la creación
Resultados
de los sistemas de reconocimiento facial.
Posteriormente, se han realizado los pasos A través de la programación nos
que se relacionan a continuación, a la vez permitimos describir el siguiente flujo
que se han revisado de manera continua y grama en relación al código utilizado
hasta el final de la investigación. Las etapas para la lectura de una imagen empleando
seguidas han sido: webcam.
1. Definición del título de la investigación
2. Descripción de los todos los temas que

tienen relación con el título.
3. Clasificación de, análisis e interpretación

de documentos.
4. Descripción de cada contenido literario.
Pasando por las etapas de preproceso,

visualización, segmentación, extracción de
características, y reconocimiento facial
usando las distintas técnicas que se han
indicado y descrito anteriormente de
manera que clara y entendible para el
lector.
Inicio
Ilustración 4:/Proceso de Reconocimiento Facial
Regístrate
Toma de imagen
Fuente: (Carrero & et al., 2016)
Detección del rostro
Procesamiento de imagen
Extracción de características
Encontró fotos
similares
SI NO
Base de datos
Obtiene la foto de la persona
Igualdad
en foto del
usuario
NO
SI
Persona no Ilustración 5: Recorte del rostro de la persona
identificada
Usuario registrado
Fin
Ilustración 3: dfd para el reconocimiento de la persona

Universidad Laica
video que se contienen en una base de

datos almacenada.
Es así como se puede ver que la ventaja es

que permite a las personas responder a los
rostros que ven más que tener de
descomponerlos en partes Los porcentajes
de reconocimiento actuales de los trabajos
de investigación que usan una sola técnica
de extracción de características están
alrededor del 70%. Las implementaciones
industriales que utilizan la base de datos
Ilustración 6: Persona identificada FERET para ser probados tienen un
desempeño aproximado del 99.99% con
una tasa de falsa aceptación de tan solo
Discusión 0.001%. Estos valores deben ser tenidos en
cuenta cuando se desee realizar cualquier
En este documento se mostraron diferentes implementación a futuro.
técnicas para la extracción de
características faciales correspondientes a También se encontró que las técnicas más
movimientos y deformaciones. Es difícil utilizadas en las investigaciones son PCA y
comparar los sistemas de reconocimiento cualquiera de sus variaciones CPCA o KPCA
de expresiones faciales debido a la forma en y redes neuronales artificiales RN. Dentro
que se presentan los resultados y a las de esta última técnica los investigadores
diferentes bases de datos utilizadas. Una usan principalmente las máquinas de
desventaja de la mayoría de los métodos soporte vectorial SVM, las funciones de
mostrados radica en que fueron probados base radial RBF y en algunos casos el
en imágenes de vistas frontales tomadas perceptrón multicapa MLP.
bajo condiciones controladas lo que
Se encontró además que los DSPs son uno
representa dificultad al momento de
de los hardware preferidos a la hora de
realizar una aplicación real de interfaz
realizar implementaciones en tiempo real y
hombre-máquina.
que existe una diversidad de trabajos
basados en la arquitectura C6000 de la
empresa Texas Instruments. No importa de
Conclusiones qué lado estés, hay algo que está claro: la
Con el estudio se pudo determinar que no tecnología de reconocimiento facial llegó
existe una técnica específica de para quedarse. Si bien trae muchos
reconocimiento facial que cumpla con todas beneficios, hay cuestiones evidentes que se
las expectativas del caso, el reconocimiento deben resolver.
facial cambia la idea de privacidad de las Bibliografía
personas. Además, se estableció que el
reconocimiento facial es un sistema • Arguello, H. (2016). Recognition
computarizado que identifica Systems Based on the Facial
automáticamente a una persona sobre la Imagen. Revista Avances en
base se una imagen digital, o una fuente de Sistemas e Informática, 7-13.
Obtenido de Researchgate:
https://www.researchgate.net/
Universidad Laica
publication/267296150_Sistemas_ • Iturriaga, J. (2016). FX2. Obtenido

de_reconocimiento_basados_en_l de FX2: RECONOCIMIENTO FACIAL
a_ CON BASE EN IMÁGENES · 1 5 1 · B
imagen_facial_Recognition_system OLETÍNVIRTUAL-MAYO-V
s_ based_on_the_facial_image OL6-5ISNN2266-1536
• Carrero, & et al. (2015). Obtenido http://fx2.com.uy/como-funciona-
de ehttp:// la-tecnologiade-deteccion-y-
reconocimientofacial123.blogspot. reconocimiento-derostros
com/2015/11/ventajas-y-
desventajas. html • Niyogi, X. É. (2014). CiteSeer.
• Cromo. (2016). Cromo. Obtenido de Obtenido de CiteSeer:
Cromo: http:// http://www.cad.zju.edu.cn/
www.cromo.com.uy/como- home/xiaofeihe/LPP.html
funciona-elreconocimiento-facial- • Pardos, E. C. (2015). Upm. Obtenido
n1061064 de Upm:
• Gonzales, J. C. (2016). Xataca. http://oa.upm.es/215/1/10200404
Obtenido de .pdf Platero,
https://www.xataka.com/segurida • D. C. (2015). Repository. Obtenido
d/ el-reconocimiento-facial-al- de Repository:
serviciode-la-policia-entre-la- http://repository.udistrital.
seguridad-y-laprivacidad edu.co/bitstream/11349/2230/1/
• Guerrero, D. (2015). Diego PlateroPlazasDonovanCamilo2015.
Guerrero. Obtenido de Diego pdf
Guerrero: http://www. • Raschka, S. (2015).
diegoguerrero.info/tag/reconocimi sebastianraschka. Obtenido de
entofacial/ sebastianraschka: http://
sebastianraschka.com/Articles/201
• Hernández, R. G. (2015). 4_ python_lda.html
upcommons. Obtenido de
upcommons:
http://upcommons.upc.
edu/bitstream/handle/2099.1/978
2/
PFC_RogerGimeno.pdf?sequence=
1
Universidad Laica
Ilustración 3:/Diagrama Causal en Vensim

Universidad Laica
Anexos
Ilustración 4:/Interfaz gráfica en Matlab
Ilustración 5:/Interfaz para el registro de datos
Prof. ING. Washington García

Universidad Laica
Ilustración 6:/Detección de la persona
Ilustración 7:/Recorte del rostro de la persona

Universidad Laica
Ilustración 8:/Persona identificada
Imágenes de la Base de Datos Mysql.

Universidad Laica
8. Cronograma
CRONOGRAMA DE ACTIVIDADES
Diciembre Enero
ACTIVIDADES
Socialización de la metodología a realizarse

para el desarrollo del proyecto en Vensim.
Presentación del borrador 1
Avances (Tutorías)
Presentación de borrador 2
Presentación y sustentación de proyecto

Universidad Laica
9. Referencias Bibliográficas
Bastos, G, D., d, R. A., X, S. B., & F., V. T. (2015). un modelo predictivo para el reconocimiento de la
actividad humana mediante la observación de acciones y el
contextohttp://www.bookmetrix.com/detail/chapter/5fccd679-492a-45ad-8cc1-
00fdef8ef574#downloadshttp://www.bookmetrix.com/detail/chapter/5fccd679-4.
Springer.
mena, A. p., Mayoral, M. B., & Díaz-Lópe, E. (2015). estudio comparativo de las características
utilizadas por los algoritmos basados en el algoritmo de detección de caras de Viola y
Jones http://www.bookmetrix.com/detail/chapter/f953b604-0876-4acb-8582-
ba57bd3d7177#downloads.
N, P. S., M, J. D., & Sai, S. (2015). un método mejorado de detección de rostros Viola-Jones con
mapeo de la piel y segmentación http://www.bookmetrix.com/detail/chapter/a48ac750-
ac47-4c52-8546-2985aa7a42f1#downloads. Springer.
Poveda, M., & Merchán, F. (2015). Implementación de un sistema de control de acceso basado en
reconomiento facial http://www.revistas.utp.ac.pa/index.php/prisma/article/view/609.
José Alquicira. (2016). Análisis de componentes principales (PCA). 2019, Enero 17,
Conogasi.org Sitio web: http://conogasi.org/articulos/analisis-de-componentes-principales-
pca/

Universidad Laica

Borrador 2 Programacion

Încărcat de

Informații document

Titlu original

Drepturi de autor

Formate disponibile

Partajați acest document

Partajați sau inserați document

Opțiuni de partajare

Vi se pare util acest document?

Este necorespunzător acest conținut?

Drepturi de autor:

Formate disponibile

Borrador 2 Programacion

Încărcat de

Drepturi de autor:

Formate disponibile

Universidad Laica

Universidad Laica Eloy Alfaro de

Carrera de Ingeniería PRÁCTICAS DE

Practica Nº Borrador del proyecto de Segundo Parcial

Nombre de la practica “Desarrollo de un aplicación en detección y

Nombre del profesor Ing. Washington García

Nombre del alumno Burgos Laina Darwin Gabriel

Fecha práctica 17/12/18

Fecha presentación 30/12/18

Ilustración 1:Reconocimiento facial .......................................................................................... 9

“Desarrollo de una aplicación en detección y reconocimiento facial para

El principal objetivo de este trabajo, es el desarrollo de una aplicación compilada,

1. Planteamiento del Problema

2.1. Justificación Teórica

2.3 Justificación Practica

3.1 Objetivo General

Diseñar e implementar una aplicación para el reconocimiento automático de rostros

3.2 Objetivos Específicos.

• Diseñar e implementar el software de captura de imágenes de rostros mediante

En este presente proyecto se pretenden implementar un programa fundamental por medio

Para el desarrollo de este proyecto de investigación se desarrolló un interfaz gráfico en el

El soporte de esta investigación es la implementación de un sistema que funcione como

MATLAB (abreviatura de MATrix LABoratory, "laboratorio de matrices") es

Entre sus prestaciones básicas se hallan: la manipulación de matrices, la representación

El paquete MATLAB dispone de dos herramientas adicionales que expanden sus

Es un software muy usado en universidades y centros de investigación y desarrollo. En

MySQL es un sistema de gestión de bases de datos relacional desarrollado bajo licencia

Al contrario de proyectos como Apache, donde el software es desarrollado por una

En 2009 se creó un fork denominado MariaDB por algunos desarrolladores (incluido

Está desarrollado en su mayor parte en ANSI C y C++.4 Tradicionalmente se considera

Es un paquete de software libre, que consiste principalmente en el sistema de gestión de

Es un algoritmo matemático para reducir las dimensiones de conjuntos de datos

correlacionadas entre sí de las variables originales y maximizan la varianza de las

La primera componente principal captura la mayor cantidad de la varianza de los datos,

Tema: “Desarrollo de una aplicación en detección y reconocimiento facial para un control

➢ X1=Variable dependiente: Desarrollo de una aplicación en detección.

“Desarrollo de una aplicación en detección y reconocimiento facial

En el siguiente artículo se presenta un sistema biométrico de reconocimiento facial,

Palabras clave: Algoritmos, automatización, características personales, etapas, métodos,

Algunos sistemas tienen la capacidad de mismos que pueden ser reconocidas o

Ilustración 1:Patrones y puntos de referencias

incluso por todo el mundo. Por otro lado, en el proceso de

En la PCA es un algoritmo de reducción Etapas del Reconocimiento Facial

No siempre es fácil carencia de fiabilidad, por algunos

problema. ACM Digital

Desde un principio el estudio de la

2. Descripción de los todos los temas que

3. Clasificación de, análisis e interpretación

4. Descripción de cada contenido literario.

Pasando por las etapas de preproceso,

Obtiene la foto de la persona

Ilustración 3: dfd para el reconocimiento de la persona

video que se contienen en una base de

Es así como se puede ver que la ventaja es

publication/267296150_Sistemas_ • Iturriaga, J. (2016). FX2. Obtenido

Ilustración 3:/Diagrama Causal en Vensim

Ilustración 4:/Interfaz gráfica en Matlab

Ilustración 5:/Interfaz para el registro de datos

Prof. ING. Washington García

Ilustración 6:/Detección de la persona

Ilustración 7:/Recorte del rostro de la persona

Prof. ING. Washington García

Ilustración 8:/Persona identificada