Sistema de autenticación biométrica mediante técnicas de aprendizaje profundo en el Colegio Industrial 32 de Puno

• Autores: Phuño Cahuana, Nelson Yoel, Machaca Condori, Daysi Saimira
• Formato: tesis de grado
• Fecha de Publicación: 2024
• Institución: Universidad Nacional del Altiplano
• Repositorio: UNAP-Institucional
• Lenguaje: español
• OAI Identifier: oai:repositorio.unap.edu.pe:20.500.14082/23883
• Enlace del recurso: https://repositorio.unap.edu.pe/handle/20.500.14082/23883
• Nivel de acceso: acceso abierto
• Materia: Autenticación biométrica; Reconocimiento facial; Redes neuronales convolucionales; Seguridad; Aprendizaje profundo; https://purl.org/pe-repo/ocde/ford#2.02.04

La presente investigación tuvo como objetivo desarrollar e implementar un Sistema de Autenticación Biométrica mediante Técnicas de Aprendizaje Profundo en el Colegio Industrial 32 de Puno, con el propósito de mejorar la seguridad y eficiencia en el control de acceso de estudiantes, docentes y personal administrativo. Para ello, se implementaron algoritmos de reconocimiento facial, el uso del modelo Facenet para la generación de encodings faciales y la comparación basada en distancia euclidiana, lo que permitió garantizar una identificación precisa y rápida. Estas técnicas demostraron ser efectivas incluso en condiciones variables, como cambios en la iluminación y variaciones menores en las expresiones faciales. La investigación tuvo un enfoque cuantitativo y utilizó un grupo de pruebas en el que participaron una muestra representativa de los usuarios del colegio. A partir de los resultados se logró identificar que la precisión total del sistema fue del 92.8% y que el tiempo de respuesta promedio por usuario alcanzó los 2.8 segundos. Otros de los resultados encontrados es que el sistema fue capaz de aumentar la seguridad y que el promedio del porcentaje del tiempo de ingreso al campus fue del 25 en comparación a las técnicas viejas utilizadas por el control de las entradas. El sistema fue evaluado en diferentes condiciones, destacando un desempeño robusto ante variaciones en la iluminación y expresiones faciales. Los usuarios expresaron una aceptación positiva del sistema, con un 80% indicando que es fácil de utilizar y un 78% satisfecho con los tiempos de respuesta.