Reconocimiento facial en circuito cerrado de video vigilancia.

Abstract

El presente proyecto de investigación desarrolló un sistema de reconocimiento facial integrado al circuito cerrado de videovigilancia de la Carrera de Computación de la Universidad Politécnica Estatal del Carchi, con el objetivo de mejorar la seguridad mediante identificación automatizada en tiempo real. Se analizaron y seleccionaron tecnologías de reconocimiento facial, determinando que FaceNet representa la solución más adecuada por su capacidad de generar embeddings robustos de 128 dimensiones mediante redes neuronales convolucionales. Se aplicaron exitosamente algoritmos de reconocimiento facial sobre el servidor HPE ProLiant DL360 Gen10 existente, demostrando capacidad de escalabilidad de usuarios. Se propuso e implementó un sistema completo basado en el modelo FaceNet integrado con cámaras IP Hikvision, operando con Ubuntu 22.04.3 LTS y procesando video mediante protocolo RTSP. Se utilizó la metodología Top-Down basada en redes, que permitió una planificación estructurada desde el diseño lógico hasta la configuración física del sistema. La implementación empleó tecnologías de software libre como OpenCV, TensorFlow y Dlib para procesamiento de imágenes y extracción de características faciales. Las pruebas realizadas con cuatro usuarios registrados alcanzaron un accuracy del 63.6% con umbral de confianza de 0.6 en similitud coseno, identificando como principal limitación la ausencia de GPU dedicada para aceleración del procesamiento. Los resultados de las encuestas aplicadas a 177 estudiantes mostraron alta aceptación del sistema (77% a favor), destacando mejoras percibidas en precisión del control de acceso y confianza en la seguridad. Se proponen tres alternativas de mejora: implementación de GPU NVIDIA RTX A2000 (inversión $750, mejora proyectada 85-88% accuracy), actualización de infraestructura completa ($2,100, accuracy 90-92%), y actualización de cámaras a 8MP con IA integrada más GPU ($3,900, accuracy proyectado 93-95%). El proyecto demuestra la viabilidad técnica y aceptación social del reconocimiento facial en entornos académicos.