logo móvil
Contáctanos

Seguimiento de Acceso No Autorizado Usando Aprendizaje Automático y PCA para Desarrollos de Reconocimiento Facial

Autores: Pvloaia, Vasile-Daniel; Husac, George

Idioma: Inglés

Editor: MDPI

Año: 2022

Descargar PDF

Acceso abierto

Artículo científico
2022

Seguimiento de Acceso No Autorizado Usando Aprendizaje Automático y PCA para Desarrollos de Reconocimiento Facial


Categoría

Gestión y administración

Subcategoría

Gestión de la tecnología y la inovación

Palabras clave

Mejoras tremendas
Inteligencia artificial
Técnicas de detección facial
Algoritmos de aprendizaje automático
Literatura especializada
Foto en tiempo real

Licencia

CC BY-SA – Atribución – Compartir Igual

Consultas: 1

Citaciones: Sin citaciones


Descripción
En las últimas dos décadas se han obtenido enormes mejoras en el campo de la inteligencia artificial (IA), especialmente en el sector del reconocimiento facial. A lo largo de los años, el mundo ha logrado un progreso notable en la tecnología que ha mejorado las técnicas de detección de rostros utilizadas en PCs y smartphones comunes. Además, el avance constante de los lenguajes de programación, bibliotecas, marcos y herramientas, combinado con la gran pasión de desarrolladores e investigadores en todo el mundo, contribuye sustancialmente a los materiales de IA de código abierto que producen algoritmos de aprendizaje automático (ML) disponibles para cualquier académico con la voluntad de construir el software del mañana. El estudio tiene como objetivo analizar la literatura especializada desde el primer prototipo entregado por la Universidad de Cambridge hasta los descubrimientos más recientes en reconocimiento facial. El propósito es identificar los algoritmos más eficientes y la brecha existente en la literatura especializada. La investigación construye una aplicación de reconocimiento facial basada en la simplicidad y eficiencia del código que facilita la detección del rostro de una persona utilizando una foto en tiempo real y valida el acceso consultando una base de datos determinada. El documento aporta al campo a través del análisis de la revisión de la literatura, así como por el código personalizado en Python, utilizando ML con Análisis de Componentes Principales (PCA), AdaBoost y MySQL para una multitud de desarrollos de aplicaciones en una variedad de dominios.

Otros recursos que podrían interesarte

Temas Virtualpro