Mostrar el registro sencillo del ítem
dc.contributor.advisor | Jacho Guanoluisa, Nancy Del Pilar | |
dc.contributor.author | Jácome Bastidas, Bryan Steeven | |
dc.contributor.author | Ruilova Rodríguez, Robinson Armando | |
dc.date.accessioned | 2023-10-19T15:01:59Z | |
dc.date.available | 2023-10-19T15:01:59Z | |
dc.date.issued | 2023-08-22 | |
dc.identifier.citation | Jácome Bastidas, Bryan Steeven. Ruilova Rodríguez, Robinson Armando (2023). Sistema de Re-Identificación de personas a través de características biométricas : facial y Soft-biométricas : silueta corporal, textura y color de la vestimenta usando modelos no holísticos a través de técnicas LBP y HOG de visión por computadora y los modelos SVM y CNN de Deep Learning. Carrera de Ingeniería en Software. Universidad de las Fuerzas Armadas ESPE. ESPEL. Sede Latacunga. | es_ES |
dc.identifier.other | SOF-0115 | |
dc.identifier.uri | http://repositorio.espe.edu.ec/handle/21000/37248 | |
dc.description.abstract | La realización de este proyecto está enfocada en desarrollar un sistema de Re-Identificación de personas. El sistema se basa en el análisis de características biométricas: facial y Soft-biométricas: silueta corporal, textura y color de la vestimenta. El sistema emplea un enfoque de análisis no holístico a través de técnicas de visión por computadora como LBP (Local Binary Patterns) y HOG (Histogram of Oriented Gradients), así como modelos de Deep Learning como SVM (Support Vector Machines) y CNN (Convolutional Neural Networks). Para llevar a cabo el reconocimiento facial y de la silueta corporal se aplicó una combinación de características LBP con el clasificador CNN, mientras que la detección de la textura y color de la vestimenta se la realizo mediante la combinación de características HOG con el clasificador SVM. Los datos se recogieron en los pasillos de la Universidad de las Fuerzas Armadas "ESPE" sede Latacunga, que ofrecen condiciones óptimas de iluminación, un mínimo de obstáculos y posiciones estáticas de cámara de alta resolución para minimizar cualquier tipo de ruido en las imágenes. Para que el sistema funcione en tiempo real, se utilizaron multiprocesadores. El primer procesador se utilizó para realizar la tarea de Re-Identificación por reconocimiento facial; del segundo al sexto realizaron la tarea de Re-Identificación de la persona basándose en características Soft-biométricas como la silueta corporal, la textura y color de la vestimenta, dando como resultado un porcentaje de predicción para el color de la ropa de un 84,86%, 33,55% para la silueta corporal, 89,76% para la textura y 92,96% para el modelo de reconocimiento facial. | es_ES |
dc.description.sponsorship | ESPE-L | es_ES |
dc.language.iso | spa | es_ES |
dc.publisher | Universidad de las Fuerzas Armadas ESPE. ESPEL. Carrera de Ingeniería en Software. | es_ES |
dc.rights | openAccess | es_ES |
dc.subject | MACHINE LEARNING | es_ES |
dc.subject | DEEP LEARNING | es_ES |
dc.subject | RE-IDENTIFICACIÓN DE PERSONAS | es_ES |
dc.subject | VISIÓN POR COMPUTADORA | es_ES |
dc.subject | CARACTERÍSTICAS BIOMÉTRICAS Y SOFT-BIOMÉTRICAS | es_ES |
dc.title | Sistema de Re-Identificación de personas a través de características biométricas : facial y Soft-biométricas : silueta corporal, textura y color de la vestimenta usando modelos no holísticos a través de técnicas LBP y HOG de visión por computadora y los modelos SVM y CNN de Deep Learning. | es_ES |
dc.type | bachelorThesis | es_ES |