Sistema de identificación de personas prófugas de la justicia en terminales de transporte terrestre de Lima usando Reconocimiento Facial a través de una Red Neuronal Convolucional

Abstract

En la actualidad, la justicia ha procesado a personas por diversos delitos. Sin embargo, muchos de ellos logran escapar, pasando a calidad de prófugos. Generando la participación de efectivos policiales en el proceso de búsqueda a través de operativos vehiculares y peatonales. Por ello, en este trabajo se propone la elaboración de un modelo de Reconocimiento Facial con Inteligencia Artificial de tipo Red Neuronal Convolucional, con el propósito de ayudar a fortalecer la seguridad ciudadana del Perú en la identificación de prófugos de la justicia. Este trabajo de investigación cuenta con 3 fases: análisis, diseño y validación. La primera fase se comparó diversos algoritmos de reconocimiento facial como CNN, LPP, entre otros. La segunda fase se realizó el diseño de la solución y el modelo de reconocimiento facial. Y, en la tercera fase, se simuló la solución en un entorno real. Para la elaboración de la solución se aplicó el Marco SCRUM y PMBOK para gestionar las actividades durante todo el proceso del proyecto.

Los resultados de la ejecución de pruebas evidenciaron una coincidencia de reconocimiento facial superior al promedio de 70%, este proceso se realizó a través de la comparación de cada imagen obtenida y su posterior identificación con el uso de cámaras móviles.

At present, the justice system has prosecuted people for various crimes. However, many of them manage to escape, becoming fugitives. Generating the participation of police officers in the search process through vehicular and pedestrian operations. Therefore, this paper proposes the development of a model of Facial Recognition with Artificial Intelligence of Convolutional Neural Network type, with the purpose of helping to strengthen citizen security in Peru in the identification of fugitives from justice. This research work has 3 phases: analysis, design, and validation. The first phase was compared various facial recognition algorithms such as CNN, LPP, among others. The second phase was the design of the solution and the facial recognition model. And, in the third phase, the solution was simulated in a real environment. For the elaboration of the solution, the SCRUM and PMBOK Framework were applied to manage the activities throughout the project process.

The results of the execution of tests showed a coincidence of facial recognition above the average of 70%, this process was carried out through the comparison of each image obtained and its subsequent identification with the use of mobile cameras.