Desarrollo de un sistema de control de acceso de personal empleando reconocimiento facial respaldado con técnicas de aprendizaje profundo

Abstract

El presente proyecto de investigación consiste en el desarrollo de un sistema de detección y reconocimiento facial automatizado por medio de técnicas de aprendizaje profundo, mejorado como una aplicación para el registro de personal al ingresar a la zona o área de trabajo, a través de la visión por computadora, un sub-campo de aplicación de la Inteligencia artificial. Para detectar y alinear el rostro se utilizó algoritmos de aprendizaje profundo como MTCNN y un modelo desarrollado por el marco de trabajo MXNET, denominado RetinaFace pero al ser multiplataforma se lo usará en PyTorch, estos modelos nos permiten ajustar a los usuarios al sistema para realizar el control de identificación por medio de reconocimiento facial. Una vez detectado el rostro mediante los modelos antes mencionados, se obtiene las coincidencias más cercanas a los rostros ajustados al sistema realizando el reconocimiento y obteniendo su registro de ingreso/ salida de su área de trabajo, este proceso lo realiza Facenet, el cual es un modelo pre entrenado que permite identificar al usuario registrado en el sistema. Se agregó un algoritmo de anti-plagio, denominado algoritmo de la vida, el cual cumple la función de detectar la imitación de rostros y evitar la vulnerabilidad al momento de reconocer a una persona ajustada al sistema mediante una foto o un video. Se desarrolla una interfaz web con un servidor local denominado Flask, Cabe mencionar que todo el sistema de reconocimiento facial se lo realiza en tiempo real y con un par de fotos por cada usuario registrado, siendo esta característica fundamental ya que no se necesita un set grande de fotos por cada usuario que se registre al sistema.