Sistema de reconocimiento de personas que están usando la mascarilla incorrectamente en espacios públicos

• Autor: Gomez Maytahuari, Jose Ernesto
• Formato: tesis de grado
• Fecha de Publicación: 2021
• Institución: Universidad Cesar Vallejo
• Repositorio: UCV-Institucional
• Lenguaje: español
• OAI Identifier: oai:repositorio.ucv.edu.pe:20.500.12692/78326
• Enlace del recurso: https://hdl.handle.net/20.500.12692/78326
• Nivel de acceso: acceso abierto
• Materia: Espacios públicos; Tecnologías de la información y de la comunicación; COVID-19 (Enfermedad); https://purl.org/pe-repo/ocde/ford#2.02.04

La presente investigación incorporó el desarrollo y la implementación de un sistema de reconocimiento de personas que están usando la mascarilla incorrectamente en espacios públicos, debido a que nos encontramos en un momento crucial a causa del nivel de contagio de COVID-19 y al poco respeto por las normas de bioseguridad entre la población lo cual ha generado lamentablemente llegar a un nivel crítico. Se tuvo como objetivo contestar la interrogante: ¿Qué efecto tuvo el uso del sistema de reconocimiento personas que usan la mascarilla incorrectamente en la identificación, tiempo de entrenamiento y uso de recursos de PC? y teniendo como final el desarrollo de un método que permita la mejora en la detección de personas que no estén usando de forma correcta la mascarilla y a su vez tener un control más riguroso. Para la construcción del sistema nos apoyamos en el lenguaje de programación Python. Este estudio según su propósito es aplicado, con un enfoque cuantitativo, y con el diseño pre experimental el cual incluyó 848 imágenes de personas que estaban usando la mascarilla facial tanto de forma correcta e incorrecta para el entrenamiento y para la muestra un conjunto de 135 imágenes de personas en establecimientos públicos. Se utilizó la ficha de registro para recopilar datos en cuanto a precisión y tiempos de reconocimiento. Los resultados fueron beneficiosos para esta investigación, logrando incrementar la precisión en comparación con un modelo tradicional en un 17%. Se recomendó ampliar este estudio mediante el entrenamiento de imágenes en un ordenador con mejores recursos y utilizar una cámara CCTV para poder capturar mejor los datos de imagen.