Abstract
La detección de rostros de personas en sistemas de autoacceso, es una tarea retadora ya que la pandemia del coronavirus (SARS-CoV2) ha cambiado nuestra forma de vivir, sobre todo porque las empresas y algunas entidades gubernamentales como los hospitales necesitan otorgar permiso para acceder a sus instalaciones sobre todo si la persona no trae el cubrebocas, y aunque muchas instalaciones ya no permiten su uso, ya que las entidades antes mencionadas si justifican su uso sobre todo si en sus instalaciones hay personas con enfermedades crónicas que necesitan y justifican el uso del cubrebocas. En este trabajo, mencionamos un sistema de acceso que consta de un software embebido en un dispositivo Rasp-berry PI, el cual contiene una aplicación formada por el uso de una red neuronal Multi-task cascade convolutional networks (MTCNN), con la cual se hace el entrenamiento de las imágenes de rostros que traen y no traen cubrebocas, posteriormente y para una mejor identificación de los rostros se utiliza un algoritmo basado en Histograma de Patrones Binarios Locales (LBPH), con el cual se obtienen las características del rostro y posteriormente se puede clasificar si la persona a identificar tiene o no cubrebocas. Al final, nuestro sistema propuesto tiene una precisión promedio del 93% en la detección de rostros con mascarillas.
Published Version
Talk to us
Join us for a 30 min session where you can share your feedback and ask us any queries you have
Schedule a call