Reconocimiento automático de rostros para permitir el acceso peatonal al tecnológico de estudios superiores de jocotitlán
Main Article Content
Resumen
En la actualidad el acceso seguro de personas a edificios e instalaciones, han utilizado diferentes técnicas como lo es la detección de rostros usando una cámara de video, por lo cual el presente proyecto se basa en el reconocimiento facial automático por videocámara y que será útil para detectar personas que ingresan a las instalaciones del Tecnológico de Estudios Superiores de Jocotitlán. En el presente trabajo se estudian las diferentes tecnologías basadas en reconocimiento facial para identificar y autenticar a los estudiantes o al personal que desean ingresar a una institución educativa. Esta tecnología utiliza algoritmos de aprendizaje automático para comparar rasgos faciales con imágenes previamente almacenadas en una base de datos, como lo es el algoritmo Local Binary Pattern al igual que el clasificador Haar Cascade que se basa en la combinación de múltiples características. El objetivo principal de estos algoritmos es mejorar la seguridad y la eficiencia en el proceso de entrada, eliminando con esto la necesidad de presentar documentos de identidad físicos y reduciendo el tiempo y los costos asociados con la verificación manual de identidad agilizando los procesos de entrada y salida.
Article Details

Esta obra está bajo licencia internacional Creative Commons Reconocimiento-NoComercial-SinObrasDerivadas 4.0.
Citas
2. W. A. Chancay Solís, D. S., Morla Sánchez, “Diseño de un sistema de seguridad con control deluces, climatización y reconocimiento facial para control de acceso a edificios utilizando tecnologíaopen source,” Ph.D. dissertation, Univ. Guayaquil. Fac. Ciencias Matemáticas y Físicas. Carrera Ing.en Netw. y Telecomunicaciones, 2022.
3. C. D. Jaramillo, “Utilización del sistema de reconocimiento facial para preservar la seguridad ciuda-dana,” vol. 9, pp. 20–37, 2021.
4. J. Talahua, J. S., Buele, J., Calvopiña, P., Varela-Aldás, “Facial recognition system for people withand without face mask in times of the covid-19 pandemic,” vol. 13, no. 12, 2021.
5. S. Khan, M., Chakraborty, S., Astya, R., Khepra, “Face detection and recognition using opencv,” inInt. Conf. Comput. Commun. Intell. Syst., 2019, pp. 116–119.
6. H. M. E. Kaplan Kaplan, Yılmaz Kaya, Melih Kuncan, “Brain tumor classification using modifiedlocal binary patterns (lbp) feature extraction methods,” vol. 139, no. 109696, 2020.
7. I. Rahmad, C., Asmara, R. A., Putra, D. R. H., Dharma, I., Darmono, H., “Comparison of viola-joneshaar cascade classifier and histogram of oriented gradients (hog) for face detection,” inIOP Conf.Ser. Mater. Sci. Eng., vol. 732, no. 1, 2020, p. 012038.
8. R. Ranu, “Terminologies used in face detection with haar cascade classifier open cv,”https://ai.plainenglish.io/terminologies-used-in-face-detection-with-haar-cascade-classifier-open-cv-6346c5c926c
http://orcid.org/0000-0003-3052-3171