Implementación de un prototipo de software de características selectas de Face Tracking para la identificación y ubicación de personas mediante procesamiento digital de imágenes utilizando Python y OpenCV

Abstract

Este proyecto se centró en desarrollar un Sistema de Registro e Identificación Facial de Usuarios para controlar el acceso de personas en tiempo real, utilizando Python y OpenCV. A lo largo del proceso, se siguió una metodología exploratoria cuantitativa, probando diferentes algoritmos de reconocimiento facial para determinar cuál ofrecía la mejor precisión y eficiencia. El desarrollo se organizó en varias fases. Primero, se estableció un entorno experimental controlado, utilizando la cámara de un portátil HP Pavilion con resolución de 1080p. Después de una revisión exhaustiva, se seleccionaron tres algoritmos de reconocimiento facial: Eigenfaces, LBPH y Facenet. Cada uno de estos algoritmos fue sometido a pruebas rigurosas, utilizando bases de datos de imágenes con distintas cantidades y tipos de muestras, para garantizar la diversidad en los resultados. Luego, se procedió a implementar los algoritmos, entrenando los modelos y evaluando su rendimiento mediante métricas como las matrices de confusión, que permitieron analizar la precisión y los errores en las predicciones. Después de estas pruebas, se determinó que Facenet era el algoritmo más eficiente, por lo que se seleccionó para la fase final del proyecto. Finalmente, se implementó Facenet en un servidor local con capacidad para detectar múltiples rostros simultáneamente. Este trabajo culminó en el desarrollo de un prototipo de software de características selectas completamente funcional, capaz de identificar personas de manera precisa en un entorno controlado, abriendo la puerta a futuras investigaciones en el campo del reconocimiento facial y su aplicación en sistemas de seguridad.