Desarrollo de un sistema de alarma domiciliaria con reconocimiento facial y alerta temprana. Caso de estudio: vivienda del Barrio Corazón de María, Cantón Cuenca, Provincia del Azuay

Galo Fabián Suárez-Pesántez, Jenny Karina Vizñay-Durán

Resumen


En Ecuador las cifras de robos y hurtos domiciliarios crece exponencialmente cada año, muchos de ellos quedan en la impunidad por falta de evidencia para presentar una denuncia; es por ello que el presente trabajo investigativo demuestra la posibilidad de crear alternativas de seguridad de bajo costo y fácil instalación en una casa modelo. El objetivo de este artículo se centra en: 1). el desarrollo de un sistema de seguridad con reconocimiento facial y alerta temprana con el uso de componentes disponibles en el mercado local, como: placa de desarrollo Rasberry Pi 3, sensores de movimiento PIR y sensor magnético de contacto; y, 2). en base a los requisitos de seguridad especificados para la casa modelo, el desarrollo de un aplicativo móvil que permite al propietario la activación o desactivación del sistema, recepción de alertas en tiempo real de los sensores de la vivienda y la recepción de la fotografía cuando no exista el reconocimiento de la persona, otorgando así al propietario herramientas de protección domiciliaria y en caso de que el delito se cometa, la generación de evidencia fotográfica.


En la etapa de prueba se aplicaron tres métodos de valoración, el sistema respondió de forma óptima a todas las variables de validación establecidas, haciendo un preciso reconocimiento y emitiendo en un tiempo promedio de tres segundos las notificaciones a sus destinatarios. El método LBPHFaceRecognizer es el que mayor confiabilidad presentó con un 96.67% de eficiencia, con un rango de desempeño óptimo considerado entre los 40 a 150 centímetros.


Palabras clave


Reconocimiento Facial; Visión Artificial; Alerta Temprana; Evidencia.

Texto completo:

PDF HTML XML

Referencias


Alarmas, M. P. (s.f.). Movistar Prosegur Alarmas. Recuperado el 7 de Abril de 2021, de https://blog.prosegur.es/niveles-de-seguridad/

Amaya Arcos, A. B. (2015). Sistema alternativo de seguridad vehicular basado en reconocimieto facial. Ambato.

Casteño Saavedra, D. L. (2019). Sistema de reconocimiento facial para el control de acceso a viviendas. Bogota.

Centro de la formación técnica para la industria. (15 de Mayo de 2021). Aula21. Recuperado el 8 de Mayo de 2021, de https://www.cursosaula21.com/que-es-la-vision-artificial/

Developers, Google. (s.f.). Firebase Documentation. Obtenido de https://firebase.google.com/docs/cloud-messaging?hl=es

Developers, Google. (s.f.). Realtime Database. Recuperado el 8 de Mayo de 2021, de https://firebase.google.com/docs/database

Esparza Franco, C. H., Tarazona Ospina, C., Sanabria Cuevas, E. E., & Velazco Capacho, D. A. (17 de 04 de 2015). Reconocimiento facial basado en eigenfaces, lbhp y fisherfaces en la beagleboard-xm. Bucaramanga, Colombia.

Fernández, D. R. (2014). Desarrollode Aplicaciones para Android II. Ministerio de Educación de España.

García, G. (15 de Enero de 2019). Naps Tecnología y educación. Obtenido de https://n9.cl/robak

Iberdrola. (s.f.). Recuperado el 8 de Mayo de 2021, de https://n9.cl/eq8f5

Identification, E. (27 de Julio de 2020). Electronic Identification. Recuperado el 8 de Mayo de 2021, de https://www.electronicid.eu/es/blog/post/como-funciona-reconocimiento-facial/es

López Pérez, N., & Toro Agudelo, J. J. (2017). Diseño y implementación de un sistema de seguridad vehicular mediante reconocimiento facial atraves de vision artificial. Cuenca, Ecuador.

Marini, E. (2012). El Modelo Cliente/Servidor. Obtenido de https://www.linuxito.com/docs/el-modelo-cliente-servidor.pdf

Ochoa, P. (2018). EL TRATAMIENTO DE LA EVIDENCIA DIGITAL, UNA GUÍA PARA SU ADQUISICIÓN. Economia y politica.

Pascual, J. A. (24 de Agosto de 2019). Computer Hoy. Recuperado el 8 de Mayo de 2021, de https://computerhoy.com/reportajes/tecnologia/inteligencia-artificial-469917

Raspberry Pi Documentation . (s.f.). Raspberrypi. Recuperado el 7 de Diciembre de 2021, de https://www.raspberrypi.org/documentation/usage/gpio/

Ruiz, M. (09 de Agosto de 2017). OpenWebinars. Recuperado el 7 de Diciembre de 2020, de https://openwebinars.net/blog/que-es-firebase-de-google/?cv=1

Ruiz, M. E. (2004). Sistemas expertos para realización de diagnóstico parálisis facial con electromiografía: parfac. Lima, Peru.

Solis Calvopiña, L. N., & Puga Torres, L. R. (2016). Control de Seguridad Biométrico de Reconocimiento Facial como Caso de Estudio Implementación en el Área Administrativa de la Facultad de Ingeniería de la Universidad Católica de Santiago de Guayaquil. Guayaquil.

Sommerville, I. (2005). Ingenieria de Software . En Ian. Madrid: PEARSON ADD.

Svitla Team. (12 de Novimbre de 2019). Svitla. Recuperado el 10 de Mayo de 2021, de https://svitla.com/blog/overview-of-modern-computer-vision-tools

Tesillo, C. M. (2016). Análisis comparativo de los algoritmos fisherfaces y lbph para el reconocimiento facial en diferentes condiciones de iluminación y pose, Tacna - 2015. Tacta, Peru.

Verisure . (s.f.). Verisure Smart Alarms.




DOI: https://doi.org/10.23857/pc.v6i7.2900

Enlaces de Referencia

  • Por el momento, no existen enlaces de referencia
';





Polo del Conocimiento              

Revista Científico-Académica Multidisciplinaria

ISSN: 2550-682X

Casa Editora del Polo                                                 

Manta - Ecuador       

Dirección: Ciudadela El Palmar, II Etapa,  Manta - Manabí - Ecuador.

Código Postal: 130801

Teléfonos: 056051775/0991871420

Email: polodelconocimientorevista@gmail.com / director@polodelconocimiento.com

URL: https://www.polodelconocimiento.com/