Detección de personal no autorizado en el departamento de ti utilizando redes neuronales convolucionales en tiempo real con raspberry pi 3 b+

• Autores: Jonathan Prieto Villamar, Luis Apupalo Del Rosario, Miguel Quiroz Martínez, Galo Valverde Landivar
• Localización: Journal of Science and Research: Revista Ciencia e Investigación, ISSN 2528-8083, Vol. 5, Nº. 3, 2020, págs. 49-60
• Idioma: español
• Títulos paralelos:
  • Detection of unauthorized personnel in the it department using real-time convolutional neural networks with raspberry pi 3 b +
• Enlaces
  • Texto completo (pdf)
• Resumen
  • español

    El presente proyecto detalla la elaboración de un sistema de reconocimiento facial y envío de alertas mediante correo electrónico email. Para llevarlo a cabo, se utilizó la librería TensorFlow, Numpy y OpenCV. Además, una Pi cámara V2 y un Raspberry Pi 3 B+. Laslibrerías encargadas para alinear los rostros de las personas a detectar y luego usar estos rostros “alineados” para entrenar la red neuronal que se usó en la aplicación son TensorFlow y Numpy. OpenCV para iniciar la captura de video y detección de objetos en tiempo real sobre el ambiente de un Raspberry Pi 3, encargado de procesar y almacenar la base de datos con las fotos de los rostros. Las alertas se envían mediante un correo electrónico (email) por cada rostro no detectado y encendiendo un LED color rojo. Se implementó este sistema de reconocimiento facial con el objetivo de detectar rostros que no se encuentran dentro de la base de datos. El sistema de autenticación se realizó en la Raspberry Pi 3, con la ayuda de las librerías TensorFlow, Numpy y OpenCV, los resultados obtenidos en este estudio fueron favorables luego de una evaluación sobre la base de datos de 10 personas. Este sistema trabaja perfectamente con la base de datos, esta estudia, aprende los rostros captados y los compara con los almacenados en la base de datos; y alertará cuando detecte un rostro no encontrado.

  • English

    This project details the development of a facial recognition system and the sending of alerts by email email. To carry it out, the TensorFlow, Numpy and OpenCV library was used. Also, a Pi V2 camera and a Raspberry Pi 3 B+. the libraries in charge of aligning the faces of the people to be detected and then using these “aligned” faces to train the neural network that was used in the application are TensorFlow and Numpy. OpenCV to initiate the capture of video and detectionof objects in real time on the environment of a Raspberry Pi 3, in charge of processing and storing the database with the photos of the faces. Alerts are sent by email (email) for each undetected face and lighting a red LED. This facial recognition systemwas implemented with the aim of detecting faces that are not found in the database. The authentication system was carried out on the Raspberry Pi 3, with the help of the TensorFlow, Numpy and OpenCV libraries, the results obtained in this study were favorable after an evaluation based on the data of 10 people. This system works perfectly with the database, it studies, learns the captured faces and compares them with those stored in the database; and will alert when it detects a face not found

• Referencias bibliográficas
  • Aguilar, J. F. (2006). Adapted fusion schemesfor multimodal biometric authentication (esquemas adaptados de fusión para autenticación...
  • Barrio Algarabel, A. (2019). Desarrollo de un sistema de análisis de imágenes médicas basado en técnicas deDeep Learning.
  • Bradski, G., & Kaehler, A. (2008). Learning OpenCV: Computer vision with the OpenCV library. “ O’Reilly Media, Inc.”
  • Buhus, E. R., Timis, D., & Apatean, A. (2016). Automatic parking access using openalpr on raspberry pi3. Acta Technica Napocensis,...
  • Cicero, I. E. (2018). Utilización de redes neuronales convoluciones para la detección de tipos de imágenes.
  • Géron, A. (2017). Hands-on machine learning with Scikit-Learn and TensorFlow: concepts, tools, and techniques to build intelligent systems....
  • Loncomilla, P. (2016). Deep learning: Redes convolucionales. Recuperado de https://ccc. inaoep. mx/~ pgomez/deep/presentations....
  • Luis, F., & Suárez, B. (2019). PATRONES DE CONDUCTA FACIAL, PARA IDENTIFICAR ACCESOS INFORMÁTICOS NO AUTORIZADOS.
  • Marzal, A., & Luengo, I. G. (2002). Introducción a la Programación con Python y C. Publicacions de la Universitat Jaume I.
  • Mordvintsev, A., & Abid, K. (2014). Opencv-python tutorials documentation. Obtenido de Https://Media. Readthedocs. Org/Pdf/Opencv-Python-Tutroals/Latest/Opencv-Python-Tutroals....
  • Olivier, T., Jiménez-Del Real, M., Escobedo, M., Estrada-Medrano, R., Ochoa, A., Castro, B., ... Noriega, S. (n.d.). Implementación...
  • Papernot, N., Goodfellow, I., Sheatsley, R., Feinman, R., & McDaniel, P. (2016). cleverhans v2. 0.0: an adversarial machine...
  • Robles, L. V. M., Jiménez, E. Q., & Pizo, H. D. V. (2013). Reconstrucción 3D De Objetos Sumergidos En Agua. Ingeniería,...
  • Rodríguez, R. H. F. (n.d.). Escuela de Ingeniería Eléctrica Facultad de Ingeniería.
  • Salas, R. (2004). Redes neuronales artificiales. Universidad de Valparaıso. Departamento de Computación, 1.
  • Torrey, L., & Shavlik, J. (2010). Transfer learning. In Handbook of research on machine learning applications and trends: algorithms,...