Sistema de identificación de personas prófugas de la justicia en terminales de transporte terrestre de Lima usando Reconocimiento Facial a través de una Red Neuronal Convolucional

• Autores: Alcedo Cruz, Lily Elva, Murillo Escalante, Fernando Augusto
• Formato: tesis de grado
• Fecha de Publicación: 2024
• Institución: Universidad Peruana de Ciencias Aplicadas
• Repositorio: UPC-Institucional
• Lenguaje: español
• OAI Identifier: oai:repositorioacademico.upc.edu.pe:10757/673264
• Enlace del recurso: http://doi.org/10.19083/tesis/673264; http://hdl.handle.net/10757/673264
• Nivel de acceso: acceso abierto
• Materia: Inteligencia artificial; Identificación de prófugos; Red neuronal convolucional; Reconocimiento facial; Identificación de rostros; Artificial intelligence; Identification of fugitives; Convolutional neural network; Facial recognition; Identification of faces; https://purl.org/pe-repo/ocde/ford#2.02.04; https://purl.org/pe-repo/ocde/ford#2.00.00

En la actualidad, la justicia ha procesado a personas por diversos delitos. Sin embargo, muchos de ellos logran escapar, pasando a calidad de prófugos. Generando la participación de efectivos policiales en el proceso de búsqueda a través de operativos vehiculares y peatonales. Por ello, en este trabajo se propone la elaboración de un modelo de Reconocimiento Facial con Inteligencia Artificial de tipo Red Neuronal Convolucional, con el propósito de ayudar a fortalecer la seguridad ciudadana del Perú en la identificación de prófugos de la justicia. Este trabajo de investigación cuenta con 3 fases: análisis, diseño y validación. La primera fase se comparó diversos algoritmos de reconocimiento facial como CNN, LPP, entre otros. La segunda fase se realizó el diseño de la solución y el modelo de reconocimiento facial. Y, en la tercera fase, se simuló la solución en un entorno real. Para la elaboración de la solución se aplicó el Marco SCRUM y PMBOK para gestionar las actividades durante todo el proceso del proyecto. Los resultados de la ejecución de pruebas evidenciaron una coincidencia de reconocimiento facial superior al promedio de 70%, este proceso se realizó a través de la comparación de cada imagen obtenida y su posterior identificación con el uso de cámaras móviles.