Redes neuronales de aprendizaje profundo para el reconocimiento facial y control de acceso de estudiantes a un laboratorio

Abstract

Las redes neuronales convolucionales (CNN siglas en ingl?s) de aprendizaje profundo han demostrado en los ?ltimos a?os una gran capacidad para resolver problemas de clasificaci?n de im?genes, gracias al aprendizaje que realizan con millones de datos que se pueden encontrar en diferentes motores de almacenamiento en el internet. Asimismo, el reconocimiento facial representa un importante campo de aplicaci?n desde hace algunos a?os y actualmente, por su diversificaci?n en aplicaciones que van desde la mejora de la seguridad, programas digitales de telefon?a celular y aplicaciones industriales. Por lo cual, este trabajo tuvo como objetivo la implementaci?n de una red neuronal convolucional de aprendizaje profundo, para el reconocimiento facial y el control de acceso de estudiantes de la carrera de Ingenier?a Mecatr?nica; para esto, la metodolog?a empleada consisti? en el entrenamiento de la red neuronal, con el prop?sito de extraer los datos relevantes de los rasgos faciales en las fotograf?as tomadas al grupo de estudiantes, y cuando se prob? con un nuevo grupo de fotos de las mismas personas, se consigui? el reconocimiento de las personas. La muestra utilizada fue de 426 fotograf?as correspondiente a 14 alumnos que utilizaron el Laboratorio de Control en el semestre 2019-I; igualmente, el software empleado para el entrenamiento de la red fue el MATLAB y su Toolbox Deep Learning. As? como tambi?n, se realizaron diferentes pruebas para la selecci?n de la red, iniciando con una capa de convoluci?n, luego dos, y finalmente tres capas, las cuales otorgaron los siguientes porcentajes de precisi?n 15.63%, 94.00% y 67.13% , respectivamente. De esta manera, se opt? por elegir la red neuronal con dos capas de convoluci?n, de 16 y 32 filtros, para realizar el reconocimiento facial.