GADIELA DIAZ DIAZ 20700214
WENDY NAYELI MORALES GONZALES
3
ESTRUCTURA DE LA MEMORIA TÉCNICA
1.
Resumen:
Una
cámara de reconocimiento facial en inteligencia artificial es un dispositivo
que utiliza algoritmos y tecnologías de visión por computadora para identificar
y autenticar a personas mediante el análisis de características faciales
únicas. Estas cámaras pueden ser parte de sistemas de seguridad, control de
accesos, sistemas de vigilancia, entre otros.
2.
Introducción:
En
la era digital actual, la convergencia entre la inteligencia artificial y la
visión por computadora ha dado lugar a avances significativos en la forma en
que percibimos y comprendemos nuestro entorno. Uno de los desarrollos más
destacados en este campo es la cámara de reconocimiento en inteligencia
artificial, un dispositivo que no solo captura imágenes, sino que también tiene
la capacidad de comprender y procesar la información visual de manera similar,
e incluso en algunos casos superior, a la capacidad humana.
Estas
cámaras están equipadas con algoritmos sofisticados que les permiten
identificar y clasificar objetos, personas y patrones en tiempo real, abriendo
una amplia gama de aplicaciones en diversas industrias, desde la seguridad y
vigilancia hasta la salud y la automoción. Al aprovechar el poder del
aprendizaje automático y las redes neuronales, estas cámaras pueden tomar
decisiones autónomas, mejorar la eficiencia operativa y proporcionar análisis
de datos visuales con una precisión y velocidad sin precedentes.
Sin
embargo, junto con el potencial transformador de estas tecnologías emergentes,
también surgen interrogantes éticas y de privacidad. El uso generalizado de
cámaras de reconocimiento en inteligencia artificial plantea cuestiones sobre
la recopilación, almacenamiento y uso de datos personales, así como
preocupaciones sobre el sesgo algorítmico y la equidad en su aplicación.
En
esta introducción, exploraremos en detalle el funcionamiento, las aplicaciones
y las implicaciones éticas de las cámaras de reconocimiento en inteligencia
artificial, así como los desafíos y oportunidades que presentan en nuestro
mundo cada vez más interconectado y digitalizado.
Introduction:
In
today's digital age, the convergence between artificial intelligence and
computer vision has led to significant advances in the way we perceive and
understand our environment. One of the most notable developments in this field
is the recognition camera in artificial intelligence, a device that not only
captures images, but also has the ability to understand and process visual
information in a similar way, and even in some cases superior, to human
capacity.
These
cameras are equipped with desirable algorithms that allow them to identify and
classify objects, people and patterns in real time, opening up a wide range of
applications in various industries, from security and surveillance to
healthcare and automotive. By harnessing the power of machine learning and
neural networks, these cameras can make autonomous decisions, improve
operational efficiency, and provide visual data analysis with unprecedented
accuracy and speed.
However,
along with the transformative potential of these emerging technologies, ethical
and privacy questions also arise. The widespread use of recognition cameras in
artificial intelligence raises questions about the collection, storage and use
of personal data, as well as concerns about the algorithmic system and the
fairness in its application.
In
this introduction, we will explore in detail the operation, applications and
ethical implications of recognition cameras in artificial intelligence, as well
as the challenges and opportunities presented in our increasingly
interconnected and digitalized world.
3.
Objetivos:
Mejorar la seguridad y la vigilancia:
Uno de los principales objetivos de utilizar una cámara de reconocimiento en
inteligencia artificial es fortalecer la seguridad y la vigilancia en diversos
entornos, como edificios, espacios públicos o áreas de alta seguridad. Esto
implica la detección y reconocimiento de personas sospechosas, objetos prohibidos
o comportamientos anómalos en tiempo real para prevenir incidentes y responder
de manera efectiva en caso de emergencia.
Optimizar el control de accesos: Otra
meta clave es mejorar la gestión de accesos y la autenticación de identidades.
Las cámaras de reconocimiento facial, por ejemplo, pueden utilizarse para
permitir el acceso autorizado a áreas restringidas o para identificar a
individuos en entornos donde se requiere una verificación de identidad segura y
eficiente.
Facilitar la automatización y la
eficiencia operativa: El objetivo de aumentar la eficiencia operativa es
fundamental en muchos contextos empresariales y de producción. Las cámaras de
reconocimiento en inteligencia artificial pueden integrarse en sistemas
automatizados para realizar tareas como el seguimiento de inventario, el
control de calidad en la producción, la monitorización de procesos
industriales, entre otros, contribuyendo así a optimizar los flujos de trabajo
y reducir los errores humanos.
4.
Metodología:
ü Definición
del problema: El primer paso es definir claramente el
problema que se quiere abordar con la cámara de reconocimiento facial. Por
ejemplo, puede ser mejorar la seguridad en un edificio, autenticar usuarios en
un sistema de control de acceso, o identificar clientes para ofrecerles
servicios personalizados en un entorno comercial.
ü Recopilación
de datos: Se recopilan conjuntos de datos de imágenes
faciales para entrenar el algoritmo de reconocimiento facial. Estos conjuntos
de datos deben ser representativos de las condiciones reales en las que se
utilizará la cámara, incluyendo variaciones en la iluminación, expresiones
faciales, ángulos de visión, etc.
ü Preprocesamiento
de datos: Antes de entrenar el modelo, es necesario
preprocesar los datos para mejorar su calidad y facilitar el aprendizaje del
algoritmo. Esto puede incluir tareas como el ajuste del contraste, la
normalización de las imágenes, la detección y recorte de rostros, entre otros.
ü Entrenamiento
del modelo: Se utiliza un algoritmo de
aprendizaje automático, como una red neuronal convolucional (CNN), para
entrenar el modelo de reconocimiento facial con los datos recopilados. Durante
el entrenamiento, el modelo aprende a identificar características distintivas
de los rostros y a asociarlas con identidades específicas.
ü Validación
del modelo: Una vez entrenado, el modelo se
valida utilizando un conjunto de datos separado que no se utilizó durante el
entrenamiento. Esto ayuda a verificar la precisión y la eficacia del modelo
para reconocer rostros en situaciones nuevas.
ü Ajuste
del modelo: Si es necesario, se ajusta el modelo para
mejorar su rendimiento, ya sea modificando los parámetros del algoritmo,
recopilando más datos de entrenamiento o realizando otras técnicas de
optimización.
5.
Otras secciones:
Se
aprendió a programar un 30% de Python, así
como para el código del arduino
6.
Resultado(s):
1.
se elaboró y estructuro el código desde visual studio para poder ejecutar la
cámara y realizar la detección de rostro.
2.
se estructuro el código en Arduino para poder tener la funcionalidad del
servomotor junto con la cámara
3.
se ejecutaron los códigos y se realizo la prueba para valorar que funciona
Al
finalizar esta práctica, hemos logrado implementar un sistema funcional de
detección de rostros que es capaz de identificar y delinear las caras presentes
en el flujo de vídeo de la cámara web en tiempo real. Sin embargo, es
importante tener en cuenta que este sistema puede no ser perfecto y puede haber
casos en los que no detecte correctamente los rostros debido a variaciones en
la iluminación, el ángulo de visión, la oclusión parcial del rostro, entre
otros factores.
7.
Conclusiones:
En
conclusión, una cámara de reconocimiento facial en inteligencia artificial
representa una herramienta poderosa con un potencial significativo en una
variedad de aplicaciones. A lo largo de este análisis, hemos explorado cómo
estas cámaras pueden mejorar la seguridad, optimizar los procesos de
identificación y proporcionar experiencias personalizadas en entornos
comerciales y de servicios. Sin embargo, también hemos destacado las
preocupaciones éticas y de privacidad asociadas con su implementación. Esta práctica
nos ha proporcionado una introducción valiosa al emocionante campo de la visión
por computadora y la detección de rostros, y nos ha brindado una base sólida
para explorar y desarrollar aplicaciones más avanzadas en el futuro.
Conclusions:
In
conclusion, a facial recognition camera in artificial intelligence represents a
powerful tool with significant potential in a variety of applications.
Throughout this analysis, we have explored how these cameras can improve
security, optimize identification processes, and provide personalized
experiences in commercial and service environments. However, we have also
highlighted the ethical and privacy concerns associated with its
implementation. This practice has provided us with a valuable introduction to
the exciting field of computer vision and face detection, and has given us a
solid foundation to explore and develop more advanced applications in the
future.
8.
Bibliografía:
EFFECTS, A. A. (2023). Efecto
de rastreador de cámara 3D. Obtenido de
https://helpx.adobe.com/mx/after-effects/using/tracking-3d-camera-movement.html
