Desarrollo de un Sistema de Reconocimiento Facial Basado en Liveness Detection para la Gestión de Accesos de un Entorno Universitario

• Autores: Ayala Galarza, Luis Angel, Garcia Aiquipa, Monica Guadalupe
• Formato: tesis de grado
• Fecha de Publicación: 2025
• Institución: Universidad Peruana de Ciencias Aplicadas
• Repositorio: UPC-Institucional
• Lenguaje: español
• OAI Identifier: oai:repositorioacademico.upc.edu.pe:10757/686131
• Enlace del recurso: http://hdl.handle.net/10757/686131
• Nivel de acceso: acceso embargado
• Materia: Detección de Liveness; Identificación Facial; Embeddings de FaceNet; Prevención de Suplantación de Identidad; Visión por Computadora; Liveness Detection; Facial Identification; FaceNet Embeddings; Identity Spoofing Prevention; Computer Vision; https://purl.org/pe-repo/ocde/ford#2.00.00; https://purl.org/pe-repo/ocde/ford#2.02.01

En este trabajo se presenta el desarrollo de un sistema de identificación facial en tiempo real que integra un mecanismo de liveness detection basado en retos dinámicos de parpadeos y sonrisas con un clasificador supervisado sobre embeddings generados por FaceNet. Para asegurar la autenticidad del usuario, se calculan el Eye Aspect Ratio y el Mouth Aspect Ratio a partir de landmarks faciales extraídos con MediaPipe para su correcta contabilización. En la parte de identificación facial del usuario, se aplicó a los frames unsharp masking para realzar detalles faciales, detección y recorte de MediaPipe con padding del 10 %, normalización a 160×160 píxeles, generación de embeddings con FaceNet y la predicción de la identificación del usuario con el modelo entrenado. En validaciones contra ataques de suplantación de identidad con fotografía y reproducción de video, se evaluó con 50 ataques de foto y 50 ataques con video y el sistema obtuvo una tasa de detección de ataque con foto y video del 100 % en ambos casos. Además, se realizó la validación de la identificación del usuario con 50 usuarios autorizados y 50 no autorizados, alcanzando una tasa de éxito del 99%. Los resultados obtenidos demuestran la robustez y fiabilidad del sistema frente a intentos de suplantación, así como su capacidad para realizar identificaciones precisas en entornos de acceso restringido.