Sistema de reconocimiento facial en tiempo real basado en CNN para el control de acceso de los residentes de un conjunto habitacional

Abstract

En los últimos años, el reconocimiento facial se ha convertido en un modelo de referencia en el campo de la seguridad debido a su universalidad, singularidad, no intrusividad y facilidad de implementación siendo utilizado en sistemas orientados al monitoreo y control de acceso a instalaciones, sistemas de video vigilancia externos, búsqueda de personas desaparecidas, prófugos de la ley, entre otros. El reconocimiento facial, pertenece a los métodos biométricos, consiste en examinar las características fisiológicas de un individuo para determinar su identidad. No obstante, al paso que los desarrollos tecnológicos incrementan la eficiencia del reconocimiento facial, éste aún enfrenta retos como las oclusiones, el costo de las licencias de software propietario y factores como cambios en las expresiones faciales, iluminación, orientación del rostro, vello facial y cambios inherentes como el envejecimiento de las personas que dificultan un adecuado proceso de identificación. En el campo del Deep Learning, las Redes Neuronales Convolucionales (CNN) tienen múltiples aplicaciones en el campo de Visión Computacional (CV) ya que permiten extraer características propias, genéricas de los objetos, las cuales luego podrán ser utilizadas para reconocer objetos similares en otras imágenes. Las técnicas de reconocimiento facial utilizan diversos tipos de algoritmos (PCA, CNN, Transformers) para automatizar las tareas de reconocimiento e identificación de personas a partir de imágenes o videos provenientes de sistemas de videovigilancia. El sistema de reconocimiento facial implementado en este trabajo está basado en Redes Neuronales Convolucionales (CNN) utilizando la arquitectura VGG-Face, realizando el proceso de reconocimiento en tiempo real y de manera no intrusiva por lo que lo convierte en una opción óptima para instituciones, organismos, entidades donde se requieran instalar mecanismos de identificación eficientes a un costo mínimo. Con el sistema implementado se logró una exactitud de 84% para 50 casos de prueba de reconocimiento en video de 5 personas en un entorno no controlado con iluminación diurna y a rostro descubierto en el conjunto residencial Belo Horizonte North (BHN) ubicado en Av. Brasil 1636 Distrito de Pueblo Libre.

In recent years, facial recognition has become a reference model in the field of security due to its universality, uniqueness, non-intrusiveness and ease of implementation, being used in systems aimed at monitoring and controlling access to facilities, external video surveillance systems, search for missing persons, fugitives from the law, among others. Facial recognition, which belongs to the biometric methods, consists of examining the physiological characteristics of an individual to determine his or her identity. However, as technological developments increase the efficiency of facial recognition, it still faces challenges such as occlusions, the cost of proprietary software licenses and factors such as changes in facial expressions, lighting, facial orientation, facial hair and inherent changes such as the aging of people that hinder an adequate identification process. In the field of Deep Learning, Convolutional Neural Networks (CNN) have multiple applications in the field of Computer Vision (CV) since they allow extracting generic characteristics of objects, which can then be used to recognize similar objects in other images. Facial recognition techniques use various types of algorithms (PCA, CNN, Transformers) to automate the tasks of recognition and identification of people from images or videos from video surveillance systems. The facial recognition system implemented in this work is based on Convolutional Neural Networks (CNN) using the VGG-Face architecture, performing the recognition process in real time and in a non-intrusive way, which makes it an optimal option for institutions, organizations, entities where efficient identification mechanisms need to be installed at a minimum cost. With the implemented system an accuracy of 84% was achieved for 50 test cases of video recognition of 5 people in an uncontrolled environment with daylight and open face in the residential complex Belo Horizonte North (BHN) located at Av. Brasil 1636 District of Pueblo Libre.