Presentación sobre el proyecto de investigación "Desarrollo / Investigación de la Raspberry Pi para aplicaciones biométricas de identificación y seguridad"

1. Desarrollo / investigación de
uso de la Raspberry Pi para
aplicaciones biométricas de
identificación y seguridad.
MISAEL FERNANDO PERILLA BENÍTEZ
DIRECTOR: GUILLERMO BOTELLA JUAN
15-noviembre-2016

2. TEMARIO
 JUSTIFICACIÓN
 OBJETIVOS
 METODOLOGÍA
 ANÁLISIS DE DATOS
 RESULTADOS
 CONCLUSIONES

3. JUSTIFICACIÓN
 Necesidades sobre sistemas tecnológicos de apoyo a la seguridad.
 Utilización de software que permita automatización de procesos.
 Tendencia a utilizar micro-computación (acercamiento al Internet
de las Cosas - IoT).

4. OBJETIVO
GENERAL
 Realizar una investigación sobre los diferentes algoritmos de
reconocimiento facial y su desempeño sobre la placa Raspberry Pi
2 B+.

5. OBJETIVOS
ESPECÍFICOS
 Verificar el estado del arte sobre desarrollos anteriores de
proyectos de reconocimiento utilizando Raspberry Pi 2 B+.
 Investigar sobre los diferentes algoritmos existentes para el
reconocimiento facial.
 Codificar aplicaciones compatibles con Raspberry Pi, basadas en
los algoritmos de reconocimiento anteriormente recolectados.
 Ejecutar las aplicaciones previamente desarrolladas en una
Raspberry Pi 2 B+ y comprobar su correcto funcionamiento.
 Realizar pruebas comparativas entre los diferentes aplicativos de
reconocimiento facial en búsqueda de datos relevantes a estos,
que permita determinar su rendimiento, eficiencia, eficacia y
efectividad.
 Evaluar los resultados de las pruebas, de los cuales poder generar
conclusiones y/o recomendaciones.

6. METODOLOGÍA
CONSULTA DE
ALGORITMOS
ADAPTACIÓN
HARDWAREY
SOFTWARE
RE-CODIFICACIÓN
DE ALGORITMOS
PRUEBAS EN
DISPOSITIVO
COMPARACIÓN
DE RESULTADOS
 INVESTIGACIÓNAPLICADA (I+D)

7. ANÁLISIS DE
DATOS
ALGORITMOS UTILIZADOS
 PCA (PrincipalComponentsAnalysis).
 LDA (Linear DiscriminantAnalysis).
 ICA (Independent Components Analysis).
 EBGM (Elastic Bunch Graph Matching).
 AAM (Active Appareance Models).
 Metodos Kernel.
 TraceTransform.
 Viola-Jones.

8. RESULTADOS
ID´s Positivos
ALGORITMO TIEMPO
(SEG)
RENDIMIENTO
SOBRE RASPI 2
COMPLE-
JIDAD
ID
POSITIVAS
ID
NEGATIVOS
FALSOS
POSITIVOS
FALSOS
NEGATIVOS
PCA 2,34 30% M 165 0 0 0
LDA 2,56 35% M 165 0 0 0
ICA 3,43 35% A 164 1 0 1
EGBM 4 95% A 163 2 0 0
AAM* 10 90% A 165 0 0 0
KERNEL PCA 2 40% A 165 0 0 0
TRACE
TRANSFORM
**
4,67 55% A 165 0 0 0
VIOLA-
JONES
2,74 30% M 165 0 0 0
EIGENFACES
***
1 30% M 154 11 2 0

9. RESULTADOS
KPPS
32,45
29,66
22,14
18,98
7,59
37,97
16,26
27,71
75,94
0,00
10,00
20,00
30,00
40,00
50,00
60,00
70,00
80,00
KPPS

10. RESULTADOS
Efectividad
-
2.000,00
4.000,00
6.000,00
8.000,00
10.000,00
12.000,00
14.000,00
EFECTIVIDAD (KPPS*ACIERTOS)
Efectividad (Kpps*Aciertos)

11. CONCLUSIONES
 PCA y sus derivados optimizados (Kernel PCA y Eigenfaces) son
los que mejores resultados de identificación ofrecen, siendo el
más destacado Eigenfaces por su velocidad en el proceso se
reconocimiento y su poco impacto en el uso de recursos físicos.
 Se recomienda utilizar la librería OpenCV para Python 2.7.X, la
cual ya contiene rutinas con algorimos PCA, incluyendo
Eigenfaces.
 Para conexiones remotas en Raspberry Pi con GUI, se logra una
mejor conexión mediante el uso del protocolo RDP, siendo esta
más estable y segura queVNC.

12. GRACIAS