Desarrollo de un prototipo de una aplicación móvil híbrida de reconocimiento facial para la DINASED de la ciudad de Riobamba.
En el presente trabajo de titulación se desarrolló un prototipo de una aplicación móvil híbrida de reconocimiento facial, se utilizó Android Studio y la librería Opencv que permitieron la implementación del algoritmo de reconocimiento facial EBGM, se desarrolló un módulo web en lenguaje java, usando...
Saved in:
| Main Author: | |
|---|---|
| Other Authors: | |
| Format: | bachelorThesis |
| Language: | spa |
| Published: |
2018
|
| Subjects: | |
| Online Access: | https://dspace.espoch.edu.ec/handle/123456789/10486 |
| Tags: |
Add Tag
No Tags, Be the first to tag this record!
|
Add Tag | Summary: | En el presente trabajo de titulación se desarrolló un prototipo de una aplicación móvil híbrida de reconocimiento facial, se utilizó Android Studio y la librería Opencv que permitieron la implementación del algoritmo de reconocimiento facial EBGM, se desarrolló un módulo web en lenguaje java, usando boostrap, javascript y ajax el mismo que tiene como objetivo la administración de casos dentro de la Dirección Nacional de Delitos Contra la Vida, Muertes Violentas, Desapariciones, Extorsión y Secuestros (DINASED). Para el desarrollo del prototipo y el módulo web se aplicó la metodología SCRUM, que permitió planificar la entrega de los requerimientos de acuerdo a una prioridad, usando el método de estimación T-Shirt y en los tiempos establecidos por el cliente. Para las pruebas realizadas con el prototipo móvil se utilizó tres bases de datos: ORL face, Normalized Yale Face y una propia, tomando en cuenta la variación de luz, la distancia, accesorios y expresiones faciales. Con la aplicación del algoritmo se obtuvo un porcentaje de aceptación entre el 25% y 50% entre las tres bases de datos, aplicando un total de 46 pruebas con imágenes en formato jpg, escalas rgb o a gris con los enfoques detallados anteriormente. En cuanto al comportamiento en el tiempo y la utilización de recursos que son parte de la eficiencia, el primero mejoró en un 70% dado que se puede realizar mayor cantidad de pruebas de reconocimiento de una persona en un intervalo de tiempo, la segunda toma en cuenta la cantidad de imágenes y de dispositivos que se utilizan para realizar el proceso de reconocimiento mejorando en 4 y 8 veces respectivamente dicho proceso. El prototipo se encuentra funcional en un 92%, se recomienda tener en cuenta los enfoques mencionados debido a que aplicados correctamente permitirá obtener resultados de calidad y de manera más eficiente. |
|---|