������������������������������������������������������������������������������������������������������������������������������������������������������������

���������������������������������������������������������������������������������

���������������������������������������������������������������������������������

Desarrollo de un sistema de alarma domiciliaria con reconocimiento facial y alerta temprana. Caso de estudio: vivienda del Barrio Coraz�n de Mar�a, Cant�n Cuenca, Provincia del Azuay

 

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

 

Desenvolvimento de um sistema de alarme domiciliar com reconhecimento facial e aviso antecipado. Estudo de caso: Habita��o do cora��o de Mary Bairro, Canton Cuenca, Prov�ncia de Azuay

 

Galo Fabi�n Su�rez-Pes�ntez ^I

gfsuarezp97@est.ucacue.edu.ec

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

 

Jenny Karina Viz�ay-Dur�n ^II

jviznay@ucacue.edu.ec

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

 

 

Correspondencia: gfsuarezp97@est.ucacue.edu.ec

Ciencias t�cnicas y aplicadas

Articulo de revisi�n

 

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

                               I.            Estudiante de la carrera de Ingenier�a en Sistemas, Universidad Cat�lica de Cuenca, Cuenca, Ecuador.

                            II.            Ingeniera de Sistemas, Docente de la Unidad Acad�mica de Tecnolog�as de la Informaci�n y Comunicaci�n (TIC), Unidad Acad�mica de Tecnolog�as de la Informaci�n y Comunicaci�n Universidad Cat�lica de Cuenca Grupo de Investigaci�n Simulaci�n, Modelado, An�lisis y Accesibilidad (〖SMA〗^2), Universidad Cat�lica de Cuenca, Cuenca, Ecuador.

Resumen

En Ecuador las cifras de robos y hurtos domiciliarios crece exponencialmente cada a�o, 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 f�cil instalaci�n en una casa modelo. El objetivo de este art�culo 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 magn�tico de contacto; y, 2). en base a los requisitos de seguridad especificados para la casa modelo, el desarrollo de un aplicativo m�vil que permite al propietario la activaci�n o desactivaci�n del sistema, recepci�n de alertas en tiempo real de los sensores de la vivienda y la recepci�n de la fotograf�a cuando no exista el reconocimiento de la persona, otorgando as� al propietario herramientas de protecci�n domiciliaria y en caso de que el delito se cometa, la generaci�n de evidencia fotogr�fica.

En la etapa de prueba se aplicaron tres m�todos de valoraci�n, el sistema respondi� de forma �ptima a todas las variables de validaci�n establecidas, haciendo un preciso reconocimiento y emitiendo en un tiempo promedio de tres segundos las notificaciones a sus destinatarios. El m�todo LBPHFaceRecognizer es el que mayor confiabilidad present� con un 96.67% de eficiencia, con un rango de desempe�o �ptimo considerado entre los 40 a 150 cent�metros.

Palabras claves: Reconocimiento Facial; Visi�n 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 evid�ncias para apresentar uma queixa; � por isso que o presente trabalho investigativo demonstra a possibilidade de criar alternativas de seguran�a de baixo custo e f�cil instala��o em uma casa modelo. O objetivo deste artigo se concentra em: 1). O desenvolvimento de um sistema de seguran�a com reconhecimento facial e aviso antecipado com o uso de componentes dispon�veis no mercado local, como: placa de desenvolvimento de Rasberry Pi 3, sensores de movimento pir e sensor de contato magn�tico; e 2). Com base nos requisitos de seguran�a especificados para a casa do modelo, o desenvolvimento de uma aplica��o m�vel que permite ao propriet�rio a ativa��o ou desativa��o do sistema, recep��o de alertas em tempo real dos sensores de habita��o e a recep��o da fotografia quando n�o h� o Reconhecimento da pessoa, concedendo assim as ferramentas de prote��o residencial do propriet�rio e, caso o crime seja cometido, a gera��o de evid�ncias fotogr�ficas.

Tr�s m�todos de avalia��o foram aplicados no est�gio de teste, o sistema respondeu otimamente a todas as vari�veis ​​de valida��o estabelecidas, fazendo um reconhecimento preciso e emitindo notifica��es para seus destinat�rios em um tempo m�dio. O m�todo LBPHfacerecognizer � a maior confiabilidade apresentada com efici�ncia de 96,67%, com uma faixa de desempenho ideal entre 40 a 150 cent�metros.

Palavras-chave: reconhecimento facial; Vis�o artificial; Aviso pr�vio; Evid�ncia.

 

Introducci�n

En toda sociedad se presentan fen�menos de violencia y delincuencia, en Am�rica Latina, los m�s destacados son los robos y hurtos. El n�mero de personas afectadas por este tipo de delitos es alto, los due�os de los inmuebles no solo pierden sus bienes materiales, sino tambi�n la tranquilidad de sentirse a salvo. Adem�s, 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 mayor�a son costosas y su instalaci�n requiere la intervenci�n de personal capacitado, por esta raz�n la mayor�a 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 dise�o y construcci�n 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 notificaci�n al propietario, quien podr� activar una sirena de forma disuasiva, o comunicar del particular a familiares, autoridades o personas de su inter�s, adem�s quedar� registrada la fotograf�a del intruso que podr�a servir para una investigaci�n de car�cter legal.

El desarrollo del proyecto se ha divido en tres etapas: 1). Levantamiento de requisitos funcionales y no funcionales, 2). Codificaci�n del software para la detecci�n de movimientos, apertura de puertas y reconocimiento facial, desarrollados con Python versi�n 3.7 y utilizando la librer�a OpenCV para determinar el m�todo m�s fiable para el reconocimiento; el aplicativo m�vil orientado a dispositivos Android ha basado su desarrollo en Java en el Ide Android Studio, 3). Construcci�n e implementaci�n del sistema de seguridad en la casa modelo teniendo en cuenta los requisitos expresados por el propietario; los dispositivos utilizados se adquieren f�cilmente en el mercado local, �stos son la placa de desarrollo Raspberry Pi 3 (cerebro del sistema) que recibe la informaci�n 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 funci�n 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 protecci�n (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 se�ales ac�sticas, 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 gesti�n (Alarmas, s.f.).�

Inteligencia Artificial (IA).- Es la composici�n de algoritmos creados con el fin de dise�ar m�quinas 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 automatizaci�n, como la resoluci�n de problemas y la toma de decisiones, podemos tener como ejemplo las redes neuronales.

�         Sistemas que act�an 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 l�gico racional de las personas, por ende, que sean capaces de percibir, razonar y actuar (Sistemas Expertos).

�         Sistemas que act�an 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 l�gico de Carga de Hechos. - Se detectan los hechos y se incorporan a la base de hechos (Ilustraci�n 1).

 

 

 

Ilustraci�n 1: Proceso L�gico de Carga de la Base de Hechos

Fuente: Autor�a Propia

 

�         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 producci�n del conocimiento demandado.

Visi�n Artificial.- Se puede definir la �Visi�n Artificial� como parte de la �Inteligencia Artificial� (IA) que, por medio de la utilizaci�n de t�cnicas, permiten a las maquinas ver, identificar y procesar las im�genes de la misma manera que lo hiciera un ser humano, en la actualidad se est� utilizando esta tecnolog�a en veh�culos aut�nomos, reconocimiento facial, atenci�n sanitaria, pues las ventajas que presentan son muy superiores a otras tecnolog�as (Centro de la formaci�n t�cnica para la industria, 2021).

Sus principales usos dentro de la seguridad:

�         Videovigilancia: Se lo aplica la visi�n 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 t�cnicas 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 identificaci�n biom�trica se lo puede utilizar en: desbloqueo de tel�fonos celulares, acceso a servicios online, acceso a inmuebles, etc. (Pascual, 2019).

M�todos de reconocimiento facial.- Uno de los factores prioritarios para la identificaci�n 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 detecci�n como son: estado an�mico de la persona, ubicaci�n del rostro, accesorios (lentes, barba, gorros, mascarillas, etc.), condiciones lum�nicas y cantidad desconocida de caras en la imagen (L�pez P�rez & Toro Agudelo, 2017).

En la actualidad existen varios m�todos para la detecci�n de rostros como son:

�         M�todos basados en rasgos faciales: Para la identificaci�n la imagen se procesa y se extrae los rasgos faciales como los ojos, boca o nariz, se calcula las relaciones geom�tricas entre los puntos faciales para la obtenci�n de un vector (Garc�a, 2019).

�         M�todos basados en la imagen: En este m�todo se aplica diversos algoritmos para de reconocimiento de patrones para la generaci�n de un modelo a partir de un grupo de fotograf�as de entrenamiento, se trabaja con las fotograf�as 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 c�digo abierto que brinda funciones y algoritmos para la utilizaci�n de visi�n artificial, procesamiento de im�genes y algoritmos num�ricos, proporciona herramientas para el procesamiento de im�genes incluyendo el reconociendo de objetos en fotograf�as y videos (caras, figuras de personas, textos, etc.) (Svitla Team, 2019), esta biblioteca incorpora 3 m�todos con los que se puede realizar reconocimiento facial como son:

�         EigenFaces. Es una t�cnica que determina, mediante la ortogonalidad dimensional, identifica que vectores brindan m�s informaci�n a un grupo de datos de dimensi�n N, el reconocimiento se realiza proyectando la imagen del rostro en el subespacio formado por eigenface y comparando la posici�n con los rostros conocidos (Esparza Franco, Tarazona Ospina, Sanabria Cuevas, & Velazco Capacho, 2015).

�         FisherFaces. Es un m�todo 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 comparaci�n directa de im�genes, extrayendo caracter�sticas importantes de cada imagen. (Tesillo, 2016)

Rasberry Pi .- Es un ordenador de bajo costo y de reducido tama�o de porte de una tarjeta de cr�dito, que puede ser conectado a un monitor o un televisor, se puede utilizar con perif�ricos est�ndar (rat�n y teclado). Es un ordenador capaz de correr sistemas operativos de distribuciones de Linux (Raspberry Pi Documentation , s.f.).

FireBase .- Seg�n Miguh Ruiz (Ruiz M. , 2017) define como un conjunto de herramientas orientadas a la creaci�n de aplicaciones de alta calidad. Se describe la plataforma como una suite de diferentes aplicaciones que har�n m�s f�cil 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 mensajer�a 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 informaci�n almacenado o distribuido a trav�s de sistemas inform�ticos que pueden ser utilizados como pruebas en un proceso legal. Es cualquier tipo de informaci�n digital que puede relacionarse con un delito con su v�ctima o el autor del mismo. Para que una evidencia sea v�lida debe cumplir con varios principios como son: admisible, aut�ntica, completa, confiable y cre�ble (Ochoa, 2018).

 

Trabajos Relacionados

En el a�o 2015, se realiz� una investigaci�n que tuvo como objetivo el desarrollar un prototipo de un sistema de seguridad para los autom�viles, el mismo que se basa en la identificaci�n facial del due�o del veh�culo y de quienes est�n autorizados para su uso, para el reconocimiento emplearon la t�cnica de An�lisis de Componentes Principales (PCA), el cual obtiene e identifica las caracter�sticas faciales m�s importantes de la imagen capturada, que posteriormente ser� comparada con las caracter�sticas de los usuarios autorizados y determinar si la persona est� registrada para la utilizaci�n del veh�culo, al finalizar, se concluy� que el nivel de confiabilidad del sistema se ve comprometido ya que la iluminaci�n afecta los resultados pues estos durante el d�a tiene una confiabilidad del 71,45 % y durante la noche tiene 65,84% (Amaya Arcos, 2015).

�En el a�o 2016, se aplic� una investigaci�n que tuvo como objetivo principal el desarrollo de un sistema control de seguridad biom�trico de reconocimiento facial para el ingreso y egreso a la �rea Administrativa de la Facultad de Ingenier�a de la UCSG, el mismo que utiliz� dos herramientas y una librer�a OpenCV que permite la detecci�n de rostros bajo la aplicaci�n de la t�cnica Haar y el uso del API Kairos. Se obtuvo como conclusi�n que la utilizaci�n que del sistema de detecci�n 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 Calvopi�a & Puga Torres, 2016).

� En el a�o de 2019, una investigaci�n realizada tuvo como finalidad el desarrollo de un sistema de reconocimiento facial el cual permiti� el control de acceso a los domicilios, con la utilizaci�n de una innovadora metodolog�a de reconocimiento facial-Eigen-faces junto al PCA, ya que presentaba una baja complejidad computacional y su poca utilizaci�n 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 tambi�n lo realizaron con accesorio: gafas, gorras, aretes y pa�oletas. El reconocimiento fue de un 97% preciso (Caste�o Saavedra, 2019).

 

Metodolog�a

La presente investigaci�n se ha fundamentado en los siguientes pasos:

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

�         Dise�o: En base los requerimientos funcionales y no funcionales se determinan las caracter�sticas del sistema, acorde a las capacidades y caracter�sticas del hardware. El dise�o considera: detecci�n de movimiento y apertura de puertas, reconocimiento facial, interface de usuario, base datos alojada en la nube con sincronizaci�n y env�o de notificaciones en tiempo real, con arquitectura de hardware centralizada y software cliente � servidor.

�         Codificaci�n: El sistema de seguridad se encuentra dividido en 2 componentes:

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

�         Aplicativo m�vil (Android) para el control del sistema de seguridad.

�         Pruebas: Aplicaci�n de pruebas simultaneas a nivel de software y hardware, comprobando la operatividad del proyecto y tomando en consideraci�n el tiempo de respuesta ante las aperturas de las puertas y su notificaci�n a los dispositivos, para la detecci�n de los movimientos se consideran diversos ambientes para medici�n de la eficiencia en la detecci�n, el reconocimiento facial toma en cuenta la distancia y la identificaci�n mediante la utilizaci�n de 3 m�todos; y, por �ltimo la validaci�n del aplicativo m�vil, instalando en los diversos dispositivos Android de los residentes de la vivienda, midiendo la facilidad de uso de la aplicaci�n.

 

Resultados

Etapa de requerimientos

Para la recopilaci�n de los requerimientos se ha tomado como modelo una vivienda tradicional est�ndar ubicada en el Barrio Coraz�n de Mar�a, Provincia del Azuay, Cant�n Cuenca, posee dos plantas de construcci�n, acceso de puerta de garaje en la que se incluye un ingreso peatonal, es as� que el port�n 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 dise�o de un diagrama de caso de uso que muestra el rol del propietario frente al sistema de seguridad, ver ilustraci�n 2.

 

Ilustraci�n 2: Caso de uso del propietario

Fuente: Autor�a Propia

 

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

A continuaci�n, la ilustraci�n 3, expone mediante un diagrama de casos de uso el rol del usuario frente al sistema de seguridad.

Ilustraci�n 3: Caso de uso del usuario

Fuente: Autor�a 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 c�mo se debe comportar en situaciones particulares� (Sommerville, 2005).

 

Tabla 1: Requerimiento de seguridad

Fuente: Autor�a Propia

 

Tabla 2: Identificaci�n de personas

Fuente: Autor�a Propia

 

Tabla 3: Interface de Usuario

Fuente: Autor�a Propia

 

Requerimientos no funcionales.- �Como indica su nombre, son requerimientos que no se relacionan directamente con los servicios espec�ficos 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 est�n relacionados con factores externos sobre los que no se tiene control directo. ���������

 

Tabla 4: Compatibilidad

Fuente: Autor�a Propia

 

Etapa de dise�o

Teniendo en cuenta los requerimientos establecidos para la detecci�n a trav�s de los sensores se ha procedido a elaborar un dise�o bajo las caracter�sticas mencionadas a continuaci�n:

�         Caracter�sticas del sistema.- El proyecto consiste en el dise�o de un Sistema de Seguridad Domiciliario de bajo costo basado en:

�         Detecci�n de movimiento y apertura de puertas.

�         Reconocimiento facial.

�         Interface de usuario (Aplicativo m�vil) desarrollada en Android Studio.

�         Una base datos alojada en la nube con sincronizaci�n en tiempo real.

�         Envi� de notificaciones en tiempo real.

Arquitectura del hardware. Arquitectura centralizada, que es un sistema que consta de un controlador, en v�a la informaci�n a los actuadores e interfaces, de igual forma recibe la informaci�n de los sensores como se puede observar en la ilustraci�n 4.

 

Ilustraci�n 4: Arquitectura de hardware

Fuente: Autor�a Propia

 

Descripci�n de bloques funcionales hardware.- Para un correcto funcionamiento del sistema, el hardware se encuentra dividido en varios bloques, como muestra la ilustraci�n 5, en el primer bloque se encuentran los sensores de movimiento, apertura de puertas, c�mara web y actuadores (sirena) instalados en lugares estrat�gicos 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 se�ales recibidas, enviar las notificaciones y realizar la actualizaci�n del estado de los sensores, atreves de la tercera secci�n.

En el �ltimo bloque se ubica la interface de usuario (Aplicativo M�vil ) en el que se ve reflejado el estatus de los sensores, la recepci�n de las notificaciones y la visualizaci�n de las fotograf�as captadas.

Ilustraci�n 5: Bloques funcionales

Fuente: Autor�a Propia

 

Arquitectura del Software.- Arquitectura Cliente � Servidor, que es un modelo de aplicaci�n 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 ilustraci�n 6.

 

Ilustraci�n 6: Arquitectura Cliente- Servidor

Fuente: Autor�a Propia

 

Etapa de codificaci�n

El sistema de seguridad es encuentra dividido en 2 componentes: el software que recopila la informaci�n del reconocimiento facial, detecci�n de apertura de puertas, movimientos y el aplicativo m�vil .

Desarrollo de aplicaci�n para la detecci�n 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 (Ilustraci�n 7) en la cual se fotograf�a a la persona autorizada para el ingreso, el mismo que fue desarrollado en Python en su versi�n 3.7.3. y la utilizaci�n de la librer�a OpenCv, que se encarga de la captura de las fotograf�as y el reconocimiento.

 

Ilustraci�n 7: Agregar rostros autorizados

Fuente: Autor�a Propia

 

En la segunda etapa se consideran 3 bloques, en el primer bloque como se puede observar en la ilustraci�n 8 se encuentra la detecci�n de la apertura de las puertas y actualizaci�n del estado de puertas (Firebase Realtime Database), el sistema comprueba la informaci�n 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 dar�n un pulso en alto �1� actualizando el estado. Si en los bloques 1 o 2 se activan los sensores magn�ticos (apertura de puertas), o detectan movimiento estando el sistema activo, �ste env�a 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 fotograf�a en Firebase Storage e inmediatamente env�a la notificaci�n y fotograf�a a los dispositivos m�viles.

 

Ilustraci�n 8: Diagrama de procesos detenci�n y reconocimiento

Fuente: Autor�a Propia

 

Desarrollo de aplicaci�n M�vil.- Aplicativo m�vil 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 alg�n movimiento dentro de la vivienda como se puede observar en la ilustraci�n 9, siempre y cuando el usuario este autentificado. Para esta etapa se ha utilizado el servicio de Firebase Realtime Database que corresponde a la informaci�n subida por los sensores (Hardware).

 

Ilustraci�n 9: Estado de alarma desactivado y activado

Fuente: Autor�a Propia

 

Cuando el aplicativo m�vil este corriendo en segundo plano mostrar� las notificaciones como se observa en la ilustraci�n 10, cuando exista la apertura de puertas o detecci�n movimiento.

 

Ilustraci�n 10: Notificaciones

Fuente: Autor�a Propia

 

Los usuarios pueden acceder a las fotograf�as de las personas no identificadas por el sistema en el apartado de fotograf�as (Ilustraci�n 11), pueden ser descargadas y usadas como evidencia en caso de denuncia de un delito, como se puede observar en la ilustraci�n 12.

 

Ilustraci�n 11: Fotograf�as

Fuente: Autor�a Propia

Ilustraci�n 12: Fotograf�a de evidencia

Fuente: Autor�a Propia

 

Etapa de pruebas

La toma de informaci�n se realiz� por medio de la observaci�n en tres �reas, la primera de ellas en un periodo de tiempo de 72 horas se tom� el tiempo de reacci�n entre la apertura de la puerta y la llegada de la notificaci�n, la segunda se realiz� con los sensores de movimientos se tom� 25 muestras en cada locaci�n y la tercera se realiz� en forma controlada, pues la toma del reconocimiento facial se realiza en tiempo real. El primer estad�stico se obtuvo al registrar el n�mero de aperturas de puertas y su registro, su detecci�n y env�o 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 ubicaci�n de los detectores de movimiento en alg�n momento los registraron hasta llegar a esa ubicaci�n. La tercera toma de informaci�n se la realiz� de forma controlada, pues se ten�a que determinar las distancias a las que la c�mara lograba un reconocimiento. Las t�cnicas usadas fueron tres LBPHFaceRecognizer, Eigenfaces y FisherFace. Pertenecientes a la librer�a utilizada (OpenCV).

Apertura de puertas.- En la apertura de puertas por tratarse de un sensor magn�tico de contacto de alta confiablidad la prueba demostr� un resultado del 100% de confiabilidad con un tiempo m�ximo de 3.3 segundos como tiempo de reacci�n entre la apertura de la puerta y la llegada de la notificaci�n al dispositivo.

 

 

Tabla 5: Resultado de apertura de puertas

Fuente: Autor�a Propia

 

Detecci�n de movimiento.- La observaci�n se realiz� en una secuencia de 25 muestras en cada espacio f�sico, 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 a�adir a esta informaci�n que la observaci�n se realiz� con los sensores por separado, pero por tratarse de �reas cercanas muchos puntos son cubiertos por sensores aleda�os lo que maximiza la eficiencia del sistema.

 

Tabla 6: Resultado de detecci�n de movimientos

Fuente: Autor�a Propia

 

Reconocimiento Facial.- Tuvo un comportamiento bastante claro, utilizando los tres m�todos con los que se realizaron las mediciones, dieron una ineficiencia del 100 % cuando las distancias eran inferiores a los 30 cent�metros, una certeza del 100% a partir de los 40 cm hasta aproximadamente los 100 cm, siendo este el rango que m�s confiabilidad entrega, siendo el m�todo 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	N�mero de intentos	V�lidos	No v�lidos	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: Autor�a Propia

 

Aplicativo m�vil.- Por tratarse de un prototipo, se envi� v�a WhatsApp a los usuarios un APK (instalador) y un manual de usuario (PDF) como instructivo para la instalaci�n, su lenguaje sencillo facilita la compresi�n del mismo, permitiendo a los participantes la instalaci�n sin dificultad y creando un ambiente amigable para el uso de la aplicaci�n.

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

 

Tabla 8: Aplicativo m�vil

Fuente: Autor�a Propia

 

 

 

Conclusiones

Al terminar la investigaci�n y haber realizado la implementaci�n y prueba del sistema, se concluye que:

�         El r�pido crecimiento de robos y hurtos a nivel pa�s crea una necesidad de protecci�n domiciliaria que parten desde alarmas sencillas de apertura y sensores de movimiento, hasta el uso de alarmas m�s completas.

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

�         Es posible construir eficientes sistemas de seguridad domiciliaria de bajo costo, f�cil instalaci�n y que permitan emitir evidencia fotogr�fica que cumpla los requisitos de la cadena de custodia para procesos legales de denuncia, con un valor de construcci�n de 105.10 d�lares (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 magn�ticos 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 informaci�n pertinente para el env�o de las notificaciones cuando el caso era pertinente.

�         La fotograf�a captada con una resoluci�n 640*360, podr� ser utilizada como ante el presunto delito, ya que cumple con las caracter�sticas de evidencia digital: admisible, aut�ntica, completa, confiable y cre�ble .

�         La experiencia de realizar este trabajo se traduce haber descubierto un amplio campo de oportunidades de innovaci�n en el campo de la inteligencia artificial pudiendo renovar productos viejos o crear nuevos. La aplicaci�n de los conocimientos del aula m�s la experimentaci�n e investigaci�n 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 M�nica 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.              Caste�o Saavedra, D. L. (2019). Sistema de reconocimiento facial para el control de acceso a viviendas. Bogota.

4.              Centro de la formaci�n t�cnica 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.              Fern�ndez, D. R. (2014). Desarrollode Aplicaciones para Android II. Ministerio de Educaci�n de Espa�a.

9.              Garc�a, G. (15 de Enero de 2019). Naps Tecnolog�a y educaci�n. 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.          L�pez P�rez, N., & Toro Agudelo, J. J. (2017). Dise�o y implementaci�n 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 GU�A PARA SU ADQUISICI�N. 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 realizaci�n de diagn�stico par�lisis facial con electromiograf�a: parfac. Lima, Peru.

19.          Solis Calvopi�a, L. N., & Puga Torres, L. R. (2016). Control de Seguridad Biom�trico de Reconocimiento Facial como Caso de Estudio Implementaci�n en el �rea Administrativa de la Facultad de Ingenier�a de la Universidad Cat�lica 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). An�lisis comparativo de los algoritmos fisherfaces y lbph para el reconocimiento facial en diferentes condiciones de iluminaci�n y pose, Tacna - 2015. Tacta, Peru.

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

 

 

� 2020 por los autores. Este art�culo es de acceso abierto y distribuido seg�n los t�rminos y condiciones de la licencia Creative Commons Atribuci�n-NoComercial-CompartirIgual 4.0 Internacional (CC BY-NC-SA 4.0)

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