Revista Polo del Conocimiento


Polo del Conocimiento

 

Desarrollo de un sistema de alarma domiciliaria con reconocimiento facial y alerta temprana. Caso de estudio: vivienda del Barrio Corazn de Mara, Cantn Cuenca, Provincia del Azuay

 

Development of a home alarm system with facial recognition and early warning. Case study: house in the Corazn de Mara neighborhood, Cuenca city, Azuay

 

Desenvolvimento de um sistema de alarme domiciliar com reconhecimento facial e aviso antecipado. Estudo de caso: Habitao do corao de Mary Bairro, Canton Cuenca, Provncia de Azuay

 

Galo Fabin Surez-Pesntez I

[email protected]

https://orcid.org/0000-0003-1384-8791

 

Jenny Karina Vizay-Durn II

[email protected]

https://orcid.org/0000-0001-7557-5034

 

 

Correspondencia: [email protected]

Ciencias tcnicas y aplicadas

Articulo de revisin

 

*Recibido: 22 de mayo de 2021 *Aceptado: 20 de junio de 2021 * Publicado: 05 de julio de 2021

                               I.            Estudiante de la carrera de Ingeniera en Sistemas, Universidad Catlica de Cuenca, Cuenca, Ecuador.

                            II.            Ingeniera de Sistemas, Docente de la Unidad Acadmica de Tecnologas de la Informacin y Comunicacin (TIC), Unidad Acadmica de Tecnologas de la Informacin y Comunicacin Universidad Catlica de Cuenca Grupo de Investigacin Simulacin, Modelado, Anlisis y Accesibilidad (SMA^2), Universidad Catlica de Cuenca, Cuenca, Ecuador.


Resumen

En Ecuador las cifras de robos y hurtos domiciliarios crece exponencialmente cada ao, 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 fcil instalacin en una casa modelo. El objetivo de este artculo 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 magntico de contacto; y, 2). en base a los requisitos de seguridad especificados para la casa modelo, el desarrollo de un aplicativo mvil que permite al propietario la activacin o desactivacin del sistema, recepcin de alertas en tiempo real de los sensores de la vivienda y la recepcin de la fotografa cuando no exista el reconocimiento de la persona, otorgando as al propietario herramientas de proteccin domiciliaria y en caso de que el delito se cometa, la generacin de evidencia fotogrfica.

En la etapa de prueba se aplicaron tres mtodos de valoracin, el sistema respondi de forma ptima a todas las variables de validacin establecidas, haciendo un preciso reconocimiento y emitiendo en un tiempo promedio de tres segundos las notificaciones a sus destinatarios. El mtodo LBPHFaceRecognizer es el que mayor confiabilidad present con un 96.67% de eficiencia, con un rango de desempeo ptimo considerado entre los 40 a 150 centmetros.

Palabras claves: Reconocimiento Facial; Visin Artificial; Alerta Temprana; Evidencia.

 

Abstract

In Ecuador, the number of robberies and home thefts grow exponentially every year, many of them remain in impunity due to lack of evidence to file a complaint; That is why this research work demonstrates the possibility of creating low-cost and easy-to-install security alternatives in a model house. The objective of this article focuses on: 1). the development of a security system with facial recognition and early warning with the use of components available in the local market, such as: Rasberry Pi 3 development board, PIR motion sensors and magnetic contact sensor; and, 2). Based on the security requirements specified for the model house, the development of a mobile application that allows the owner to activate or deactivate the system, receive alerts in real time from the house's sensors and receive photographs when not there is recognition of the person, thus granting the owner tools for home protection and, in the event that the crime is committed, the generation of photographic evidence. In the test stage, three evaluation methods were applied, the system responded optimally to all the validation variables established, making a precise recognition and issuing the notifications to its recipients in an average time of three seconds. The LBPHFaceRecognizer method is the one with the highest reliability with 96.67% efficiency, with an optimal performance range considered between 40 to 150 centimeters.

Keywords: Facial Recognition; Computer Vision; Early Warning; Evidence.

 

Resumo

No Equador, as figuras de roubo de casa e roubos crescem exponencialmente todos os anos, muitos deles continuam a impunidade por falta de evidncias para apresentar uma queixa; por isso que o presente trabalho investigativo demonstra a possibilidade de criar alternativas de segurana de baixo custo e fcil instalao em uma casa modelo. O objetivo deste artigo se concentra em: 1). O desenvolvimento de um sistema de segurana com reconhecimento facial e aviso antecipado com o uso de componentes disponveis no mercado local, como: placa de desenvolvimento de Rasberry Pi 3, sensores de movimento pir e sensor de contato magntico; e 2). Com base nos requisitos de segurana especificados para a casa do modelo, o desenvolvimento de uma aplicao mvel que permite ao proprietrio a ativao ou desativao do sistema, recepo de alertas em tempo real dos sensores de habitao e a recepo da fotografia quando no h o Reconhecimento da pessoa, concedendo assim as ferramentas de proteo residencial do proprietrio e, caso o crime seja cometido, a gerao de evidncias fotogrficas.

Trs mtodos de avaliao foram aplicados no estgio de teste, o sistema respondeu otimamente a todas as variveis ​​de validao estabelecidas, fazendo um reconhecimento preciso e emitindo notificaes para seus destinatrios em um tempo mdio. O mtodo LBPHfacerecognizer a maior confiabilidade apresentada com eficincia de 96,67%, com uma faixa de desempenho ideal entre 40 a 150 centmetros.

Palavras-chave: reconhecimento facial; Viso artificial; Aviso prvio; Evidncia.

 

Introduccin

En toda sociedad se presentan fenmenos de violencia y delincuencia, en Amrica Latina, los ms destacados son los robos y hurtos. El nmero de personas afectadas por este tipo de delitos es alto, los dueos de los inmuebles no solo pierden sus bienes materiales, sino tambin la tranquilidad de sentirse a salvo. Adems, en muchos de los casos no se presenta la denuncia correspondiente por no disponer de evidencias y as el proceso investigativo es entorpecido.

Si bien es cierto, en el mercado actual existen soluciones dirigidas hacia la seguridad del inmueble, pero la mayora son costosas y su instalacin requiere la intervencin de personal capacitado, por esta razn la mayora de propietarios no cuentan con sistemas de seguridad, es as que en el presente proyecto se ha desarrollado un sistema de seguridad de bajo costo, basado en software y hardware libre.

Se inicia con el diseo y construccin de un sistema de seguridad con reconocimiento facial y alerta en tiempo real, que proporcione al propietario de herramientas para proteger su domicilio, ya que cuando una persona no sea reconocida por el sistema enviar una notificacin al propietario, quien podr activar una sirena de forma disuasiva, o comunicar del particular a familiares, autoridades o personas de su inters, adems quedar registrada la fotografa del intruso que podra servir para una investigacin de carcter legal.

El desarrollo del proyecto se ha divido en tres etapas: 1). Levantamiento de requisitos funcionales y no funcionales, 2). Codificacin del software para la deteccin de movimientos, apertura de puertas y reconocimiento facial, desarrollados con Python versin 3.7 y utilizando la librera OpenCV para determinar el mtodo ms fiable para el reconocimiento; el aplicativo mvil orientado a dispositivos Android ha basado su desarrollo en Java en el Ide Android Studio, 3). Construccin e implementacin del sistema de seguridad en la casa modelo teniendo en cuenta los requisitos expresados por el propietario; los dispositivos utilizados se adquieren fcilmente en el mercado local, stos son la placa de desarrollo Raspberry Pi 3 (cerebro del sistema) que recibe la informacin entregada por los sensores de apertura y por los sensores de movimiento PIR (Passive Infrared).

 

Desarrollo

Conceptos relacionados

Sistemas de seguridad .- Son grupos de dispositivos instalados e interconectados entre s que su principal funcin es de prevenir, detectar o actuar ante intrusiones, intentos de robos, tradicionalmente se asocia a los Sistemas de seguridad con alarmas antirrobo, sin embargo, stos se han convertido en las soluciones modernas que las personas han implementado como medidas de proteccin (Verisure , s.f.).

Dependiendo del grado de seguridad que se desee obtener se pueden clasificar en: grado uno es de bajo riego y solo emite seales acsticas, el grado dos es de riesgo medio y se encuentran conectadas a una central y permiten un control remoto; el grado tres es de riego alto, son complejas y se encuentran conectadas a centrales de gestin (Alarmas, s.f.).

Inteligencia Artificial (IA).- Es la composicin de algoritmos creados con el fin de disear mquinas que imiten las destrezas que el ser humano realiza como el pensar y razonar (Identification, 2020). Los expertos Stuart Russell y Peter Norvig identifican varios tipos de IA como son: (Iberdrola)

Sistemas que piensan como humanos: Realizan actividades mediante la automatizacin, como la resolucin de problemas y la toma de decisiones, podemos tener como ejemplo las redes neuronales.

         Sistemas que actan como humanos: Son ordenadores que realizan tareas repetitivas de forma similar como lo hacen los humanos, como son los robots.

         Sistemas que piensan racionalmente: Pretenden simular el pensamiento lgico racional de las personas, por ende, que sean capaces de percibir, razonar y actuar (Sistemas Expertos).

         Sistemas que actan racionalmente: Son aquellos que tratan de imitar de forma racional el comportamiento humano, como un software que simula ser un jugador en un juego de computadora.

Sistemas Expertos (SE).- Se puede considerar un sistema que maneja el conocimiento humano capturado en una computadora para solucionar situaciones que requieren de expertos humanos. Son programas que capturan el conocimiento de un experto y trata de imitar su razonamiento cuando resuelven los determinados problemas que pertenece a su rea de conocimiento (Ruiz M. E., 2004).

 

Componentes de un Sistema Experto

         Base de hechos: Es una memoria auxiliar que contiene las experiencias del usuario, es decir que compone la memoria de trabajo del sistema.

         Proceso lgico de Carga de Hechos. - Se detectan los hechos y se incorporan a la base de hechos (Ilustracin 1).

 

 

 


Ilustracin 1: Proceso Lgico de Carga de la Base de Hechos

Fuente: Autora Propia

 

         If <premisa > then <conclusin >Base de conocimiento: Contiene las experiencias introducidas por el experto, se representa mediante reglas.

 

Las reglas componen la base de conocimiento, las mismas que se relacionan proporcionando lugar a nuevos hechos.

         Motor de Inferencia: Es el encargado de manejar, controlar y utilizar los conocimientos adquiridos en la base, el paradigma del motor de inferencia es la estrategia utilizada para la produccin del conocimiento demandado.

Visin Artificial.- Se puede definir la Visin Artificial como parte de la Inteligencia Artificial (IA) que, por medio de la utilizacin de tcnicas, permiten a las maquinas ver, identificar y procesar las imgenes de la misma manera que lo hiciera un ser humano, en la actualidad se est utilizando esta tecnologa en vehculos autnomos, reconocimiento facial, atencin sanitaria, pues las ventajas que presentan son muy superiores a otras tecnologas (Centro de la formacin tcnica para la industria, 2021).

Sus principales usos dentro de la seguridad:

         Videovigilancia: Se lo aplica la visin artificial en la vigilancia de espacios, tanto abiertos como cerrados, lo que nos permite tener sistemas de video vigilancia inteligentes los cuales son capaces de detectar y alertar comportamientos anormales.

         Control de acceso: Es la capacidad de reconocer a las personas para permitir o no el ingreso a un determinado lugar, para esto se encuentra tcnicas como el reconocimiento facial y el reconocimiento de iris.

Reconocimiento facial.- Es la capacidad de identificar o verificar a una persona por medio de una imagen, video o cualquier medio audiovisual de su rostro, es una forma de identificacin biomtrica se lo puede utilizar en: desbloqueo de telfonos celulares, acceso a servicios online, acceso a inmuebles, etc. (Pascual, 2019).

Mtodos de reconocimiento facial.- Uno de los factores prioritarios para la identificacin de los rostros es la calidad de la imagen, lo que permitir que el algoritmo funcione de mejor manera, el algoritmo tiene que tener en cuenta otros factores con los cuales se dificulta el proceso de deteccin como son: estado anmico de la persona, ubicacin del rostro, accesorios (lentes, barba, gorros, mascarillas, etc.), condiciones lumnicas y cantidad desconocida de caras en la imagen (Lpez Prez & Toro Agudelo, 2017).

En la actualidad existen varios mtodos para la deteccin de rostros como son:

         Mtodos basados en rasgos faciales: Para la identificacin la imagen se procesa y se extrae los rasgos faciales como los ojos, boca o nariz, se calcula las relaciones geomtricas entre los puntos faciales para la obtencin de un vector (Garca, 2019).

         Mtodos basados en la imagen: En este mtodo se aplica diversos algoritmos para de reconocimiento de patrones para la generacin de un modelo a partir de un grupo de fotografas de entrenamiento, se trabaja con las fotografas de forma completa o parcial, en la cual no se buscan rasgos faciales de forma localizada.

OpenCV (Open Source Computer Vision Library).- Es una biblioteca de cdigo abierto que brinda funciones y algoritmos para la utilizacin de visin artificial, procesamiento de imgenes y algoritmos numricos, proporciona herramientas para el procesamiento de imgenes incluyendo el reconociendo de objetos en fotografas y videos (caras, figuras de personas, textos, etc.) (Svitla Team, 2019), esta biblioteca incorpora 3 mtodos con los que se puede realizar reconocimiento facial como son:

         EigenFaces. Es una tcnica que determina, mediante la ortogonalidad dimensional, identifica que vectores brindan ms informacin a un grupo de datos de dimensin N, el reconocimiento se realiza proyectando la imagen del rostro en el subespacio formado por eigenface y comparando la posicin con los rostros conocidos (Esparza Franco, Tarazona Ospina, Sanabria Cuevas, & Velazco Capacho, 2015).

         FisherFaces. Es un mtodo que se encarga del reconocimiento de rostros, teniendo en cuenta como refleja la luz y las expresiones faciales (Tesillo, 2016)

         Local Binary Patterns Histograms (LBPH). Se basa en la comparacin directa de imgenes, extrayendo caractersticas importantes de cada imagen. (Tesillo, 2016)

Rasberry Pi .- Es un ordenador de bajo costo y de reducido tamao de porte de una tarjeta de crdito, que puede ser conectado a un monitor o un televisor, se puede utilizar con perifricos estndar (ratn y teclado). Es un ordenador capaz de correr sistemas operativos de distribuciones de Linux (Raspberry Pi Documentation , s.f.).

FireBase .- Segn Miguh Ruiz (Ruiz M. , 2017) define como un conjunto de herramientas orientadas a la creacin de aplicaciones de alta calidad. Se describe la plataforma como una suite de diferentes aplicaciones que harn ms fcil el desarrollo de las aplicaciones. Firebase permite programar aplicaciones compatibles con Android, iOS, Java Script, Node JS.

Firebase Cloud Messaging.- Es una herramienta multiplataforma de mensajera que permite enviar mensajes de forma segura, con la que se puede reemitir mensajes de notificaciones (Developers, Google, s.f.).

Firebase Realtime Database .- Se define como una base de datos NoSql alojada en la nube, los datos se encentran almacenados en formato JSON y se sincronizan en tiempo real (Developers, Google, s.f.).

Evidencia digital.- Es un registro de informacin almacenado o distribuido a travs de sistemas informticos que pueden ser utilizados como pruebas en un proceso legal. Es cualquier tipo de informacin digital que puede relacionarse con un delito con su vctima o el autor del mismo. Para que una evidencia sea vlida debe cumplir con varios principios como son: admisible, autntica, completa, confiable y creble (Ochoa, 2018).

 

Trabajos Relacionados

En el ao 2015, se realiz una investigacin que tuvo como objetivo el desarrollar un prototipo de un sistema de seguridad para los automviles, el mismo que se basa en la identificacin facial del dueo del vehculo y de quienes estn autorizados para su uso, para el reconocimiento emplearon la tcnica de Anlisis de Componentes Principales (PCA), el cual obtiene e identifica las caractersticas faciales ms importantes de la imagen capturada, que posteriormente ser comparada con las caractersticas de los usuarios autorizados y determinar si la persona est registrada para la utilizacin del vehculo, al finalizar, se concluy que el nivel de confiabilidad del sistema se ve comprometido ya que la iluminacin afecta los resultados pues estos durante el da tiene una confiabilidad del 71,45 % y durante la noche tiene 65,84% (Amaya Arcos, 2015).

En el ao 2016, se aplic una investigacin que tuvo como objetivo principal el desarrollo de un sistema control de seguridad biomtrico de reconocimiento facial para el ingreso y egreso a la rea Administrativa de la Facultad de Ingeniera de la UCSG, el mismo que utiliz dos herramientas y una librera OpenCV que permite la deteccin de rostros bajo la aplicacin de la tcnica Haar y el uso del API Kairos. Se obtuvo como conclusin que la utilizacin que del sistema de deteccin es ventajoso debido a la veracidad de un registro detallado, de igual forma se pudo visualizar que se solvent situaciones tales como robos, hurtos, infiltraciones, etc.; llevando un control de registros de personas que frecuentan el lugar (Solis Calvopia & Puga Torres, 2016).

En el ao de 2019, una investigacin realizada tuvo como finalidad el desarrollo de un sistema de reconocimiento facial el cual permiti el control de acceso a los domicilios, con la utilizacin de una innovadora metodologa de reconocimiento facial-Eigen-faces junto al PCA, ya que presentaba una baja complejidad computacional y su poca utilizacin de recursos de la imagen lo que presenta una respuesta ptima, se realizaron pruebas en diversos escenarios tanto con luz artificial como con luz natural tambin lo realizaron con accesorio: gafas, gorras, aretes y paoletas. El reconocimiento fue de un 97% preciso (Casteo Saavedra, 2019).

 

Metodologa

La presente investigacin se ha fundamentado en los siguientes pasos:

         Levantamiento de requerimientos: Determinacin de los requerimientos funcionales y no funcionales del sistema de seguridad domiciliaria con reconocimiento facial.

         Diseo: En base los requerimientos funcionales y no funcionales se determinan las caractersticas del sistema, acorde a las capacidades y caractersticas del hardware. El diseo considera: deteccin de movimiento y apertura de puertas, reconocimiento facial, interface de usuario, base datos alojada en la nube con sincronizacin y envo de notificaciones en tiempo real, con arquitectura de hardware centralizada y software cliente servidor.

         Codificacin: El sistema de seguridad se encuentra dividido en 2 componentes:

         Software para deteccin de movimientos, apertura de puertas y reconocimiento facial, perteneciente a la placa de desarrollo Rasberry Pi 3.

         Aplicativo mvil (Android) para el control del sistema de seguridad.

         Pruebas: Aplicacin de pruebas simultaneas a nivel de software y hardware, comprobando la operatividad del proyecto y tomando en consideracin el tiempo de respuesta ante las aperturas de las puertas y su notificacin a los dispositivos, para la deteccin de los movimientos se consideran diversos ambientes para medicin de la eficiencia en la deteccin, el reconocimiento facial toma en cuenta la distancia y la identificacin mediante la utilizacin de 3 mtodos; y, por ltimo la validacin del aplicativo mvil, instalando en los diversos dispositivos Android de los residentes de la vivienda, midiendo la facilidad de uso de la aplicacin.

 

Resultados

Etapa de requerimientos

Para la recopilacin de los requerimientos se ha tomado como modelo una vivienda tradicional estndar ubicada en el Barrio Corazn de Mara, Provincia del Azuay, Cantn Cuenca, posee dos plantas de construccin, acceso de puerta de garaje en la que se incluye un ingreso peatonal, es as que el portn de ingreso de la vivienda contiene dos puertas adicionales de acceso.

Por ser una zona residencial antigua principalmente sus residentes son adultos mayores que generalmente se encuentran solos en sus residencias, lo cual los convierte en un grupo de riesgo.

Para determinar los requerimientos del sistema se inicia con el diseo de un diagrama de caso de uso que muestra el rol del propietario frente al sistema de seguridad, ver ilustracin 2.

 


Ilustracin 2: Caso de uso del propietario

Fuente: Autora Propia

 

Propietario de la vivienda. El responsable de implementar, configurar, registrar el sistema de seguridad.

A continuacin, la ilustracin 3, expone mediante un diagrama de casos de uso el rol del usuario frente al sistema de seguridad.


Ilustracin 3: Caso de uso del usuario

Fuente: Autora Propia

 

Usuario: Puede activar o desactivar el sistema, constatar el estado de los sensores y la recepcion de notificaciones en tiempo real.

Requerimientos funcionales.- Son declaraciones de los servicios que debe proporcionar el sistema, de la manera en que ste debe reaccionar a entradas particulares y de cmo se debe comportar en situaciones particulares (Sommerville, 2005).

 

Tabla 1: Requerimiento de seguridad

Nombre

Alerta de seguridad.

Descripcin

Detectar la apertura de puertas y movimientos en las reas protegidas.

Entrada

Sensores de puertas y detectores de movimiento.

Salida

Notificaciones en tiempo real.

Fuente: Autora Propia

 

Tabla 2: Identificacin de personas

Nombre

Reconocimiento facial.

Descripcin

Se identificar a las personas que ingrese a la vivienda.

Entrada

Rasberry Pi 3

Salida

Notificaciones en tiempo real de ingreso de persona no identificada.

Fuente: Autora Propia

 

Tabla 3: Interface de Usuario

Nombre

Aplicativo mvil.

Descripcin

Los usuarios podrn acceder a la informacin del domicilio mediante la aplicacin mvil (Android).

Entrada

Proporcionar una aplicacin mvil acorde a la casa modelo.

Salida

Acceder a la informacin a travs de la aplicacin.

Fuente: Autora Propia

 

Requerimientos no funcionales.- Como indica su nombre, son requerimientos que no se relacionan directamente con los servicios especficos que el sistema entrega a sus usuarios. Pueden relacionarse con propiedades emergentes del sistema, como fiabilidad, tiempo de respuesta y uso de almacenamiento (Sommerville, 2005). Estos aspectos estn relacionados con factores externos sobre los que no se tiene control directo.

 

Tabla 4: Compatibilidad

Nombre

Versin del sistema operativo Android

Descripcin

El Aplicativo mvil se encuentra desarrollado para dispositivos Android, que cuenten con versin 5.0 (Lollipop) o superior.

Tipo

Compatibilidad.

Prioridad

Alta.

Fuente: Autora Propia

 

Etapa de diseo

Teniendo en cuenta los requerimientos establecidos para la deteccin a travs de los sensores se ha procedido a elaborar un diseo bajo las caractersticas mencionadas a continuacin:

         Caractersticas del sistema.- El proyecto consiste en el diseo de un Sistema de Seguridad Domiciliario de bajo costo basado en:

         Deteccin de movimiento y apertura de puertas.

         Reconocimiento facial.

         Interface de usuario (Aplicativo mvil) desarrollada en Android Studio.

         Una base datos alojada en la nube con sincronizacin en tiempo real.

         Envi de notificaciones en tiempo real.

Arquitectura del hardware. Arquitectura centralizada, que es un sistema que consta de un controlador, en va la informacin a los actuadores e interfaces, de igual forma recibe la informacin de los sensores como se puede observar en la ilustracin 4.

 


Ilustracin 4: Arquitectura de hardware

Fuente: Autora Propia

 

Descripcin de bloques funcionales hardware.- Para un correcto funcionamiento del sistema, el hardware se encuentra dividido en varios bloques, como muestra la ilustracin 5, en el primer bloque se encuentran los sensores de movimiento, apertura de puertas, cmara web y actuadores (sirena) instalados en lugares estratgicos dentro de la vivienda y conectados con el segundo bloque que corresponde a la placa de desarrollo Rasberry Pi 3, siendo sta la encargada de procesar las seales recibidas, enviar las notificaciones y realizar la actualizacin del estado de los sensores, atreves de la tercera seccin.

En el ltimo bloque se ubica la interface de usuario (Aplicativo Mvil ) en el que se ve reflejado el estatus de los sensores, la recepcin de las notificaciones y la visualizacin de las fotografas captadas.


Ilustracin 5: Bloques funcionales

Fuente: Autora Propia

 

Arquitectura del Software.- Arquitectura Cliente Servidor, que es un modelo de aplicacin distribuida en el que las tareas se reparten entre los proveedores de recursos o servicios, llamados servidores y los demandantes, llamados clientes. Las aplicaciones Clientes realizan peticiones al Servidor. (Marini, 2012).

Las aplicaciones se han desarrollado bajo esta arquitectura, las tareas que realiza el sistema se reparten entre los diversos recursos provistos por Firebase, como se puede observar en la ilustracin 6.

 


Ilustracin 6: Arquitectura Cliente- Servidor

Fuente: Autora Propia

 

Etapa de codificacin

El sistema de seguridad es encuentra dividido en 2 componentes: el software que recopila la informacin del reconocimiento facial, deteccin de apertura de puertas, movimientos y el aplicativo mvil .

Desarrollo de aplicacin para la deteccin de movimiento, apertura de puertas y reconocimiento facial.- Su desarrollo considera dos etapas: La primera etapa es la Interface para el ingreso de nuevos reconocimientos faciales (Ilustracin 7) en la cual se fotografa a la persona autorizada para el ingreso, el mismo que fue desarrollado en Python en su versin 3.7.3. y la utilizacin de la librera OpenCv, que se encarga de la captura de las fotografas y el reconocimiento.

 


Ilustracin 7: Agregar rostros autorizados

Fuente: Autora Propia

 

En la segunda etapa se consideran 3 bloques, en el primer bloque como se puede observar en la ilustracin 8 se encuentra la deteccin de la apertura de las puertas y actualizacin del estado de puertas (Firebase Realtime Database), el sistema comprueba la informacin entregada por los sensores, siendo 0 que la puerta se encuentra cerrada y un 1 si la puerta se encuentra abierta, en el segundo bloque se encuentran los detectores de movimiento (sensor PIR) que al detectar movimiento darn un pulso en alto 1 actualizando el estado. Si en los bloques 1 o 2 se activan los sensores magnticos (apertura de puertas), o detectan movimiento estando el sistema activo, ste enva las notificaciones de alerta pertinentes por medio de Firebase Cloud Messaging; en el tercer bloque, se encuentra el reconocimiento facial, cuando una persona ingresa a la vivienda y no es reconocida, se almacena la fotografa en Firebase Storage e inmediatamente enva la notificacin y fotografa a los dispositivos mviles.

 


Ilustracin 8: Diagrama de procesos detencin y reconocimiento

Fuente: Autora Propia

 

Desarrollo de aplicacin Mvil.- Aplicativo mvil que permite al usuario interactuar con el sistema, es decir activar o desactivar el sistema, acceso a ver el status de las puertas o si existe algn movimiento dentro de la vivienda como se puede observar en la ilustracin 9, siempre y cuando el usuario este autentificado. Para esta etapa se ha utilizado el servicio de Firebase Realtime Database que corresponde a la informacin subida por los sensores (Hardware).

 


Ilustracin 9: Estado de alarma desactivado y activado

Fuente: Autora Propia

 

Cuando el aplicativo mvil este corriendo en segundo plano mostrar las notificaciones como se observa en la ilustracin 10, cuando exista la apertura de puertas o deteccin movimiento.

 


Ilustracin 10: Notificaciones

Fuente: Autora Propia

 

Los usuarios pueden acceder a las fotografas de las personas no identificadas por el sistema en el apartado de fotografas (Ilustracin 11), pueden ser descargadas y usadas como evidencia en caso de denuncia de un delito, como se puede observar en la ilustracin 12.

 


Ilustracin 11: Fotografas

Fuente: Autora Propia


Ilustracin 12: Fotografa de evidencia

Fuente: Autora Propia

 

Etapa de pruebas

La toma de informacin se realiz por medio de la observacin en tres reas, la primera de ellas en un periodo de tiempo de 72 horas se tom el tiempo de reaccin entre la apertura de la puerta y la llegada de la notificacin, la segunda se realiz con los sensores de movimientos se tom 25 muestras en cada locacin y la tercera se realiz en forma controlada, pues la toma del reconocimiento facial se realiza en tiempo real. El primer estadstico se obtuvo al registrar el nmero de aperturas de puertas y su registro, su deteccin y envo de notificaciones, la certeza fue alta debido a la simplicidad de sensor, para el segundo se registraron las detecciones de movimiento al circular por el domicilio y al igual que en el caso anterior, la certeza es alta, pese que hay puntos ciegos, pero que por la ubicacin de los detectores de movimiento en algn momento los registraron hasta llegar a esa ubicacin. La tercera toma de informacin se la realiz de forma controlada, pues se tena que determinar las distancias a las que la cmara lograba un reconocimiento. Las tcnicas usadas fueron tres LBPHFaceRecognizer, Eigenfaces y FisherFace. Pertenecientes a la librera utilizada (OpenCV).

Apertura de puertas.- En la apertura de puertas por tratarse de un sensor magntico de contacto de alta confiablidad la prueba demostr un resultado del 100% de confiabilidad con un tiempo mximo de 3.3 segundos como tiempo de reaccin entre la apertura de la puerta y la llegada de la notificacin al dispositivo.

 

 

Tabla 5: Resultado de apertura de puertas

Puertas

Dia 1

Da 2

Da 3

Tiempo de reaccin

Notificaciones

recibidas

Porcentaje de fallo

Falsos positivos

Principal

18

22

17

3.3 segundos

57

0%

0

Medio

1

3

2

2.3 segundos

6

0%

0

Calle

18

22

16

2.7 segundos

56

0%

0

Garaje

2

4

2

3.2 segundos

8

0%

0

Fuente: Autora Propia

 

Deteccin de movimiento.- La observacin se realiz en una secuencia de 25 muestras en cada espacio fsico, con resultados superiores al 80% y en alguna zona siendo el 100% dando un promedio del 90.4%. Este porcentaje permite certificar con un grado de certeza aceptable. Podemos aadir a esta informacin que la observacin se realiz con los sensores por separado, pero por tratarse de reas cercanas muchos puntos son cubiertos por sensores aledaos lo que maximiza la eficiencia del sistema.

 

Tabla 6: Resultado de deteccin de movimientos

Deteccin de movimiento

Lugar

Numero de movimientos

Movimientos detectados

Movimientos no detectados

Porcentaje de certeza

Sala

25

23

2

92%

Estancia

25

20

5

80%

Cocina

25

24

1

96%

Comedor

25

21

4

84%

Lavandera

25

25

0

100%

Porcentaje de xito

90.4%

Fuente: Autora Propia

 

Reconocimiento Facial.- Tuvo un comportamiento bastante claro, utilizando los tres mtodos con los que se realizaron las mediciones, dieron una ineficiencia del 100 % cuando las distancias eran inferiores a los 30 centmetros, una certeza del 100% a partir de los 40 cm hasta aproximadamente los 100 cm, siendo este el rango que ms confiabilidad entrega, siendo el mtodo LBPHFaceRecognizer el que mejores resultados present, pero las tres reflejan un promedio de confiabilidad de 90.00% con un rango de seguridad entre 81.67 a 96,67%

 

Tabla 7: Reconocimiento facial

 

Distancia

Nmero de intentos

Vlidos

No vlidos

Porcentaje de fallo

Porcentaje de aciertos

LBPHFaceRecognizer

40 - 60 cm

20

20

0

0%

100%

61-100 cm

20

20

0

0%

100%

101-150 cm

20

18

2

10%

90%

Promedio

96.67%

EigenFaces

40 - 60 cm

20

20

0

0%

100%

60-100 cm

20

20

0

0%

100%

100-150 cm

20

15

5

25%

75%

Promedio

91.67%

FisherFace

40 - 60 cm

20

18

2

10%

90%

61-100 cm

20

18

2

10%

90%

101-150 cm

20

13

7

35%

65%

Promedio

81.67%

Fuente: Autora Propia

 

Aplicativo mvil.- Por tratarse de un prototipo, se envi va WhatsApp a los usuarios un APK (instalador) y un manual de usuario (PDF) como instructivo para la instalacin, su lenguaje sencillo facilita la compresin del mismo, permitiendo a los participantes la instalacin sin dificultad y creando un ambiente amigable para el uso de la aplicacin.

Existe una absoluta concordancia en el nmero de notificaciones emitidas y las recibidas en los dispositivos que disponen la aplicacin, teniendo una eficiencia total y las personas que probaron la app e interactuaron con ella, expresaron que lo hicieron sin ninguna dificultad y satisfactoriamente, movindose entre las diversas opciones del sistema.

 

Tabla 8: Aplicativo mvil

Aplicativo mvil

 

Login

Activacin / Desactivacin

Descargar fotografas

Ajustes

Persona 1

   

   

   

   

Persona 2

   

   

   

   

Persona 3

   

   

   

   

Persona 4

   

   

   

   

Fuente: Autora Propia

 

 

 

Conclusiones

Al terminar la investigacin y haber realizado la implementacin y prueba del sistema, se concluye que:

         El rpido crecimiento de robos y hurtos a nivel pas crea una necesidad de proteccin domiciliaria que parten desde alarmas sencillas de apertura y sensores de movimiento, hasta el uso de alarmas ms completas.

         Las alarmas disponibles en el mercado no proporcionan evidencia probatoria en el caso del cometimiento de un delito, razn por la cual muchos hechos delictivos quedan en la impunidad.

         Es posible construir eficientes sistemas de seguridad domiciliaria de bajo costo, fcil instalacin y que permitan emitir evidencia fotogrfica que cumpla los requisitos de la cadena de custodia para procesos legales de denuncia, con un valor de construccin de 105.10 dlares (Mercado libre) .

         Las alarmas domiciliarias de bajo costo construidas en el proyecto proporcionan un grado de eficiencia del 96.67% en reconocimiento facial en un rango de entre 40 a 150 cm., el uso de los sensores magnticos presenta un 100 % de confiabilidad, los detectores de movimiento una eficiencia del 90.40%, el sistema presenta una eficacia promedio del 97.2%. y proveyeron la informacin pertinente para el envo de las notificaciones cuando el caso era pertinente.

         La fotografa captada con una resolucin 640*360, podr ser utilizada como ante el presunto delito, ya que cumple con las caractersticas de evidencia digital: admisible, autntica, completa, confiable y creble .

         La experiencia de realizar este trabajo se traduce haber descubierto un amplio campo de oportunidades de innovacin en el campo de la inteligencia artificial pudiendo renovar productos viejos o crear nuevos. La aplicacin de los conocimientos del aula ms la experimentacin e investigacin propia se convierten en la herramienta para un futuro emprendimiento.

 

Agradecimiento

Quiero agradecer a mis padres Galo y Ana, por el apoyo y los consejos que me han brindado durante toda mi vida, a mis hermanas Andrea y Mnica gracias a sus locuras y ocurrencias me ayudaron a salir adelante.

 

Referencias

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

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

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

4.              Centro de la formacin tcnica 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/

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

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

7.              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.

8.              Fernndez, D. R. (2014). Desarrollode Aplicaciones para Android II. Ministerio de Educacin de Espaa.

9.              Garca, G. (15 de Enero de 2019). Naps Tecnologa y educacin. Obtenido de https://n9.cl/robak

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

11.          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

12.          Lpez Prez, N., & Toro Agudelo, J. J. (2017). Diseo y implementacin de un sistema de seguridad vehicular mediante reconocimiento facial atraves de vision artificial. Cuenca, Ecuador.

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

14.          Ochoa, P. (2018). EL TRATAMIENTO DE LA EVIDENCIA DIGITAL, UNA GUA PARA SU ADQUISICIN. Economia y politica.

15.          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

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

17.          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

18.          Ruiz, M. E. (2004). Sistemas expertos para realizacin de diagnstico parlisis facial con electromiografa: parfac. Lima, Peru.

19.          Solis Calvopia, L. N., & Puga Torres, L. R. (2016). Control de Seguridad Biomtrico de Reconocimiento Facial como Caso de Estudio Implementacin en el rea Administrativa de la Facultad de Ingeniera de la Universidad Catlica de Santiago de Guayaquil. Guayaquil.

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

21.          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

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

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

 

 

2020 por los autores. Este artculo es de acceso abierto y distribuido segn los trminos y condiciones de la licencia Creative Commons Atribucin-NoComercial-CompartirIgual 4.0 Internacional (CC BY-NC-SA 4.0)

(https://creativecommons.org/licenses/by-nc-sa/4.0/)

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: [email protected][email protected]

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

 

 

            



Top