Desarrollo de una aplicación móvil con reconocimiento facial para el control de acceso a espacios restringidos
Actualmente, depender de llaves o tarjetas para acceder a lugares importantes ya no es lo más confiable. Se pueden perder, prestar, o incluso terceros las pueden usar sin autorización. Por lo tanto, el objetivo de la investigación fue desarrollar una aplicación móvil que utilice reconocimiento facia...
Gespeichert in:
| 1. Verfasser: | |
|---|---|
| Format: | bachelorThesis |
| Veröffentlicht: |
2025
|
| Schlagworte: | |
| Online Zugang: | https://dspace.espoch.edu.ec/handle/123456789/25618 |
| Tags: |
Tag hinzufügen
Keine Tags, Fügen Sie den ersten Tag hinzu!
|
Tag hinzufügen | Zusammenfassung: | Actualmente, depender de llaves o tarjetas para acceder a lugares importantes ya no es lo más confiable. Se pueden perder, prestar, o incluso terceros las pueden usar sin autorización. Por lo tanto, el objetivo de la investigación fue desarrollar una aplicación móvil que utilice reconocimiento facial para validar la identidad de los usuarios y permitir o denegar el acceso de forma segura y automatizada. Para lograrlo, se hizo una revisión bibliográfica de temas referentes al control de acceso y reconocimiento facial. Se aplicó Scrum, una metodología ágil que permitió organizar el trabajo en etapas y tener un progreso en partes. A nivel técnico, la app está construida con una arquitectura por capas: con una base de datos en PostgreSQL, un backend construido en Node.js, una aplicación móvil creada con Flutter y un microservicio en Python que se encarga del reconocimiento facial, usando FaceNet, que es un modelo estable para este tipo de tareas. Dentro de la app se presentan funciones como: registrar usuarios, vincular cerraduras inteligentes (Nuki), validar rostros en tiempo real, ver quién ha entrado o intentado entrar, gestionar permisos para otras personas e incluso recibir notificaciones cuando alguien accede. Para comprobar la precisión del sistema, se usó imágenes reales del dataset VGGFace2. Se realizaron pruebas con usuarios válidos e intrusos y, con base en eso, se calcularon métricas importantes como la tasa de error al aceptar a alguien que no debe (FAR), rechazar a alguien que sí es (FRR), y la precisión general. Los resultados fueron positivos: el sistema no dejó pasar a ningún intruso (FAR = 0%), y solo rechazó a unos pocos usuarios válidos por error (FRR = 4.01%), logrando una precisión total del 99.94%. El F1-score también fue alto, lo cual refuerza estos resultados. Se concluye que, esta app no solo mejora bastante el nivel de seguridad al controlar accesos, sino que también representa una solución moderna y práctica que podría adaptarse a otros sistemas que necesiten este tipo de validaciones biométricas. |
|---|