Modelo de reconocimiento biométrico facial utilizando aprendizaje profundo para imágenes de videovigilancia

Abstract

En nuestro país la delincuencia se ha convertido en uno de los principales problemas de la inseguridad ciudadana, siendo una de las preocupaciones más importantes de los peruanos, para mitigar dicho problema se han instalado cámaras de seguridad en diferentes partes de las ciudades, las cuales registran las diferentes incidencias de delincuencia, muchos de estos delincuentes reinciden en los robos y son captados por dichas cámaras en ese sentido desarrollar un sistema de identificación de rostros seria de suma ayuda a la policía identificar a las personas que cometen dichos actos esto ayudara a mitigar la delincuencia. Con el avance tecnológico, el reconocimiento facial mejora rápidamente con el reciente desarrollo de la técnica de aprendizaje profundo y la acumulación de un gran conjunto de datos de entrenamiento; sin embargo, las imágenes de rostros tienen grandes variaciones, como poses, iluminaciones, oclusiones y bajas resoluciones, lo que genera grandes desafíos para las aplicaciones reales en el reconocimiento de rostros. Por eso, el presente trabajo propone desarrollar un modelo de reconocimiento biométrico facial, utilizando aprendizaje profundo, analizando las diferentes tecnologías más relevantes para el reconocimiento de rostros a partir de cámaras de videovigilancia, herramientas como OpenFace, FaceNet y VGGFace, donde este último dio mejores resultados llegando a un 97% de precisión en el reconocimiento de rostros, para una base de datos construida con imágenes de videovigilancia además para la detección de rostros se uso las redes en cascada (MTCNN).