Prototipo de aplicación móvil de identificación y conteo de personas por medio de reconocimiento de imágenes

Vista sencilla de ítem
dc.contributor.advisorCardenas Arenas, Juan Sebastián
dc.contributor.advisorTalero Sarmiento, Leonardo Hernán
dc.contributor.apolounabTalero Sarmiento, Leonardo Hernán [leonardo-talero]spa
dc.contributor.authorVelásquez Manzano, Juan Sebastián
dc.contributor.cvlacTalero Sarmiento, Leonardo Hernán [0000031387]spa
dc.contributor.cvlacCárdenas Arenas, Juan Sebastián [0001387212]spa
dc.contributor.cvlacCárdenas Arenas, Juan Sebastián [0001387212]
dc.contributor.linkedinCárdenas Arenas, Juan Sebastián [juan-sebastián-cárdenas-arenas-58904a186]
dc.contributor.orcidTalero Sarmiento, Leonardo Hernán [0000-0002-4129-9163]spa
dc.contributor.researchgateTalero Sarmiento, Leonardo Hernán [Leonardo-Talero]spa
dc.coverage.campusUNAB Campus Bucaramangaspa
dc.coverage.spatialColombiaspa
dc.date.accessioned2023-04-14T15:21:35Z
dc.date.available2023-04-14T15:21:35Z
dc.date.issued2021-12-06
dc.degree.nameIngeniero de Sistemasspa
dc.description.abstractLa situación actual generada por la expansión del covid-19 requiere que los establecimientos como: bancos, restaurantes, tiendas, hoteles, etc, tomen soluciones que garanticen el control de aforo en tiempo real y la seguridad de los usuarios. Controlar el aforo se convierte así en una necesidad primordial para los establecimientos que puedan congregar un gran número de personas, ya que según las normativas del gobierno nacional deben disminuir su capacidad total en un 40%. Por esta razón el desarrollo de una aplicación para dispositivos móviles que junto con la incorporación del reconocimiento de imágenes e inteligencia artificial ayudará a determinar el número máximo de personas que puede acceder a una determinada zona y de esta forma controlar el acceso de nuevas personas a dicho espacio, cuando el aforo de este se haya completado. Durante el desarrollo del aplicativo móvil se realizó la recopilación de información y análisis de requerimientos, y se diseñó cada una de las interfaces que conforman la aplicación y los diagramas de modelamiento correspondientes. Además, se llevó a cabo la implementación del proyecto en Android Studio que dio como resultado una aplicación que ofrece al usuario de manera muy intuitiva la posibilidad de controlar el aforo por medio de unas imágenes de entrada tomadas desde la cámara del dispositivo. Dicha imagen puede ser tomadas automática o manualmente y a partir de cada imagen se segmentan para el respectivo reconocimiento del rostro utilizando el módulo reconocimiento en cascada de OpenCv y de esta manera identificar y contar las personas en la imagen. Para validar el correcto funcionamiento de sistema se realizaron las respectivas pruebas, tomando como base diferentes escenarios se determinó que la capacidad de la aplicación es excepcional, si la cámara está en una buena posición (frontal) e iluminación se logra captar y contar, en la mayoría de los casos, todas las personas que están al margen de la cámara.spa
dc.description.abstractenglishThe current situation generated by the expansion of covid-19 requires that establishments such as: banks, stores, hotels, etc., adopt solutions that guarantee capacity control in real time and the safety of users. Controlling the capacity thus becomes a primary need for establishments that can gather a large number of people, since according to national government regulations they must reduce their total capacity by 40%. For this reason, the development of an application for mobile devices that, together with the incorporation of image recognition and artificial intelligence, will help determine the maximum number of people that can access a certain area and thus control the access of new people to said area. space, when its capacity is complete. During the development of the mobile application, the collection of information and analysis of requirements was carried out, and each of the interfaces that make up the application and the corresponding modeling diagrams were designed. In addition, the implementation of the project was carried out in Android Studio, which resulted in an application that offers the user, in a very intuitive way, the possibility of controlling the capacity through input images taken from the device's camera. Said image can be taken automatically or manually and from each image they are segmented for the respective recognition of the face using the OpenCv cascade recognition module and in this way identify and count the people in the image. To validate the correct operation of the system, the respective tests were carried out, based on different scenarios, it is limited that the application's capacity is exceptional, if the camera is in a good position (frontal) and lighting, it is possible to capture and count, in the most of the cases, all the people who are on the fringes of the camera.spa
dc.description.degreelevelPregradospa
dc.description.learningmodalityModalidad Presencialspa
dc.description.tableofcontentsLISTA DE TABLAS ..........................................................................................................................7 LISTA DE FIGURAS ........................................................................................................................8 LISTA DE ANEXOS ...................................................................................................................... 10 RESUMEN....................................................................................................................................... 11 INTRODUCCIÓN ........................................................................................................................... 12 1. PLANTEAMIENTO DE LA PROBLEMÁTICA .................................................................. 13 2. JUSTIFICACIÓN .................................................................................................................... 14 1. OBJETIVOS............................................................................................................................ 15 1.1. Objetivo general ........................................................................................................... 15 2. ESTADO DEL ARTE ............................................................................................................. 16 3. MARCO REFERENCIAL ...................................................................................................... 20 3.1. Aforo ................................................................................................................................ 20 3.2. Covid-19.......................................................................................................................... 20 3.3. Inteligencia Artificial ................................................................................................... 21 3.4. Redes neuronales Artificiales................................................................................... 21 3.5. Rede Neuronal Convolucional (CNN) ..................................................................... 22 3.6. Reconocimiento de imágenes .................................................................................. 23 3.7. Machine learning .......................................................................................................... 23 3.8. Algoritmo AdaBoost .................................................................................................... 24 3.9. Características Haar .................................................................................................... 25 3.10. Clasificador Haar en cascada ............................................................................... 25 3.11. OpenCv ....................................................................................................................... 27 3.12. JAVA ............................................................................................................................ 27 3.13. Programación orientada a objetos (POO) ......................................................... 28 3.14. Apps móviles............................................................................................................. 29 3.14.1. Tipos de Apps ................................................................................................... 29 3.15. Android ....................................................................................................................... 30 3.16. IDE Android Studio .................................................................................................. 31 3.17. Base de datos ........................................................................................................... 32 3.18. Sqlite............................................................................................................................ 33 3.19. Android JetPack ....................................................................................................... 33 3.19.1. Room Database .................................................................................................... 33 4. DESARROLLO DE LA SOLUCIÓN ................................................................................... 35 4.1. Análisis de requerimientos........................................................................................ 35 4.1.1. Investigación de tecnologías ................................................................................ 35 4.1.2. Encuestas................................................................................................................... 36 4.1.3. Entrevistas ................................................................................................................. 37 4.1.4. Requerimientos del sistema.................................................................................. 38 4.2. Diseño ............................................................................................................................. 40 4.2.1. Interfaces .................................................................................................................... 40 4.2.3. Diagrama de casos de uso .................................................................................... 42 4.2.4. Diagrama de arquitectura MVP ............................................................................. 43 4.3. Implementación ............................................................................................................ 45 4.3.1. Arquitectura de desarrollo ..................................................................................... 45 4.3.2. Base de datos ........................................................................................................... 46 4.3.2.1. Implementación de dependencias ............................................................... 46 4.3.2.2. Entidades ........................................................................................................... 46 4.3.2.3. Dao ....................................................................................................................... 47 4.3.2.4. Base de datos (Room) .................................................................................... 48 4.3.3. Opencv ........................................................................................................................ 48 4.3.3.1. Implementación de la librería........................................................................ 48 4.3.3.2. Camera fragment OpenCv ............................................................................. 52 4.3.4. Detección de rostros ............................................................................................... 53 4.3.4.1. Clasificador en cascada ................................................................................. 53 4.3.4.2. Obtener Imagen ................................................................................................ 54 4.3.4.3. Identificación de personas y conteo ........................................................... 54 4.3.5. Almacenamiento de las imágenes ....................................................................... 56 4.3.6. Funcionalidad de toma automática de las fotos .............................................. 57 4.3.7. Registro de usuario ................................................................................................. 59 4.3.8. Login ............................................................................................................................ 59 4.3.9. Lista de los registros diarios ................................................................................ 60 4.3.10. Listado de detalles............................................................................................... 61 4.3.11. Filtro......................................................................................................................... 62 4.3.12. Perfil......................................................................................................................... 63 4.4. Pruebas ........................................................................................................................... 64 CONCLUSIONES .......................................................................................................................... 68 RECOMENDACIONES O TRABAJOS FUTUROS ................................................................. 69 REFERENCIAS BIBLIOGRÁFICAS ............................................................................................. 70 ANEXOS.......................................................................................................................................... 73spa
dc.format.mimetypeapplication/pdfspa
dc.identifier.instnameinstname:Universidad Autónoma de Bucaramanga - UNABspa
dc.identifier.reponamereponame:Repositorio Institucional UNABspa
dc.identifier.repourlrepourl:https://repository.unab.edu.cospa
dc.identifier.urihttp://hdl.handle.net/20.500.12749/19479
dc.language.isospaspa
dc.publisher.facultyFacultad Ingenieríaspa
dc.publisher.grantorUniversidad Autónoma de Bucaramanga UNABspa
dc.publisher.programPregrado Ingeniería de Sistemasspa
dc.relation.references¿Qué entendemos cuando hablamos del concepto aforo? (2020). https://www.geovictoria.com/cl/que-es-aforospa
dc.relation.references¿Qué es la base de datos NoSQL? Guía completa de la base de datos NoSQL. (2019). https://www.educba.com/what-is-nosql-database/spa
dc.relation.referencesAndroid Jetpack | Desarrolladores de Android | Android Developers. (n.d.). Retrieved November 23, 2021, from https://developer.android.com/jetpack?gclid=EAIaIQobChMI0NLO4a6v9AIV0c qGCh0a9gaCEAAYASAAEgJgnfD_BwE&gclsrc=aw.dsspa
dc.relation.referencesAndroid. (2020). Arquitectura de la plataforma | Desarrolladores de Android. https://developer.android.com/guide/platform?hl=es-419spa
dc.relation.referencesBasogain Olabe, X. (2005). Redes Neuronales Artificiales Y Sus Aplicaciones. In Medicina Intensiva (Vol. 29, Issue 1). http://linkinghub.elsevier.com/retrieve/pii/S021056910574198Xspa
dc.relation.referencesBenkaddour, M. K., Lahlali, S., & Trabelsi, M. (2021). Human Age and Gender Classification using Convolutional Neural Network. 2020 2nd International Workshop on Human-Centric Smart Environments for Health and Well-Being, IHSH 2020, 215–220. https://doi.org/10.1109/IHSH51661.2021.9378708spa
dc.relation.referencesBergamini, M. L., & Kamlofsky, J. A. (2015). Representación de formas digitales para reconocimiento y clasificación de objetos. Revista Colombiana de Computación, 16(1), 28–47. https://doi.org/10.29375/25392115.2492spa
dc.relation.referencesCadenas, R. (2019). ¿Que necesito? ¿Web Apps, App Nativa o App Híbrida? - GSoft. https://www.gsoft.es/articulos/que-necesito-web-apps-app-nativa-o app-hibridaspa
dc.relation.referencesCapítulo 3 Clasificadores Débiles-AdaBoost. (n.d.).spa
dc.relation.referencesCarin, A.A. & Sund, R. . (2018). Prototipo Para El Control De Ingreso De Personal Por Reconocimiento Facial (Issue 1) [UNIVERSIDAD DISTRITAL FRANCISCO JOSÉ DE CALDAS]. https://repository.udistrital.edu.co/bitstream/handle/11349/13637/C%E1ceresP arraEdinson2018.pdf?sequence=1spa
dc.relation.referencesCascadas de Haar, explicado. Una breve introducción a Haar… | de Aditya Mittal | Analytics Vidhya | Medio. (n.d.). Retrieved December 1, 2021, from https://medium.com/analytics-vidhya/haar-cascades-explained-38210e57970dspa
dc.relation.referencesCobo Ceballos, E. (2013). Diseño e integración en Android de un sistema de realidad aumentada y reconocimiento de imágenes para un sistema de domótica asistencial. http://e-archivo.uc3m.es/handle/10016/17659spa
dc.relation.referencesCómo guardar contenido en una base de datos local con Room. (n.d.). Retrieved November 23, 2021, from https://developer.android.com/training/data storage/roomspa
dc.relation.referencesDong, E., Du, H., & Gardner, L. (2020). An interactive web-based dashboard to track COVID-19 in real time. In The Lancet Infectious Diseases (Vol. 20, Issue 5, pp. 533–534). Lancet Publishing Group. https://doi.org/10.1016/S1473- 3099(20)30120-1spa
dc.relation.referencesGarcía, A. (2012). INTELIGENCIA ARTIFICIAL. Fundamentos, práctica y aplicaciones. RC Libros. https://books.google.com.co/books?id=WDuqquRP70UCspa
dc.relation.referencesHome - OpenCV. (n.d.). Retrieved November 14, 2021, from https://opencv.org/spa
dc.relation.referencesIsmael Pineda Palencia. (2019). Aplicación de recomendaciones de moda basada en redes de aprendizaje profundo. https://riuma.uma.es/xmlui/bitstream/handle/10630/18993/Pinedapalenciaisma elMemoria.pdf?sequence=1&isAllowed=yspa
dc.relation.referencesJose Luis Villaluenga Morán. (2019). OpenStreetCam: reconocimiento automático de objetos en imágenes mediante machine learning. http://openaccess.uoc.edu/webapps/o2/bitstream/10609/88287/6/jvillaluengaT FG0119memoria.pdfspa
dc.relation.referencesJurado García, M. E., & Padilla Porras, A. F. (2018). Sistema de reconocimiento facial con redes neuronales para la toma de asistencia en aulas de clase. 22.spa
dc.relation.referencesJVM Explained | Java Tutorial Network. (2021). https://javatutorial.net/jvm-explainedspa
dc.relation.referencesMartínez Gandia, J. A. (2020). Propuesta de diseño de prototipo para el control de aforo y el distanciamiento social en Institución Educativa de Educación Superior Tecnológica en la ciudad de Barranquilla. https://bonga.unisimon.edu.co/handle/20.500.12442/6905spa
dc.relation.referencesMéndez, D. (2015). Introducción a Android Studio | Desarrolladores de Android. Developers. https://developer.android.com/studio/intro?hl=es-419spa
dc.relation.referencesMontiel, H. (2015). Uso de redes neuronales para el reconocimiento de rostros en ambientes controlados. Tecnura, 19(0), 67–77. https://doi.org/10.14483/22487638.10373spa
dc.relation.referencesOpenCV: Clasificador en cascada. (n.d.). Retrieved November 14, 2021, from https://docs.opencv.org/3.4/db/d28/tutorial_cascade_classifier.htmlspa
dc.relation.referencesOracle. (2010). Lesson: Object-Oriented Programming Concepts (The JavaTM Tutorials > Learning the Java Language). http://docs.oracle.com/javase/tutorial/java/concepts/spa
dc.relation.referencesRogé, J., El Zufari, V., Vienne, F., Ndiaye, D., Zhang, H., Lu, Y., Gupta, S., Zhao, L., 72 Bustamante, J. C., Salgado, S. S., Holyoak, K. J., Thagard, P., Es, L. O. S. E. D. E. E., García García, P. P., Gonzalez, J. C., Varela, J. A., De, T., & Electrónico, D. I. (2013). Reconocimiento de imágenes utilizando redes neuronales artificiales. Estudios Gerenciales, 13(3), 1017–1030. http://doi.wiley.com/10.1016/0364-0213(89)90016- 5%5Cnhttp://linkinghub.elsevier.com/retrieve/pii/S0123592315000327%5Cnhtt p://dx.doi.org/10.1016/j.im.2014.07.005%5Cnhttp://linkinghub.elsevier.com/retr ieve/pii/S092575351500123Xspa
dc.relation.referencesRouhiainen, L. (2018). INTELIGENCIA ARTIFICIAL 101 COSAS QUE DEBES SABER HOY SOBRE NUESTRO FUTURO INTELIGENCIA ARTIFICIAL. www.planetadelibros.comspa
dc.relation.referencessqlite. (2018). Página de inicio de Matt. http://chrome.ws.dei.polimi.it/index.php?title=Matt%27s_Home_Pagespa
dc.relation.referencesTeigens, V. (2020). Inteligencia Artificial General. Cambridge Stanford Books. https://books.google.com.pe/books?id=4R3NDwAAQBAJspa
dc.relation.referencestowardsdatascience. (2018). A Comprehensive Guide to Convolutional Neural Networks — the ELI5 way | by Sumit Saha | Towards Data Science. Towards Data Science. https://towardsdatascience.com/a-comprehensive-guide-to convolutional-neural-networks-the-eli5-way-3bd2b1164a53spa
dc.relation.referencesWeb, A., Software, U., Carlos, L., & Andrade, G. N. (2012). Autenticación Por Reconocimiento Facial Para. Instname:Universidad Pontificia Bolivariana. https://repository.upb.edu.co/handle/20.500.11912/2063%0Ahttps://repository. upb.edu.co/bitstream/handle/20.500.11912/2063/digital_24318.pdf?sequence =1&isAllowed=yspa
dc.rights.accessrightsinfo:eu-repo/semantics/openAccessspa
dc.rights.creativecommonsAtribución-NoComercial-SinDerivadas 2.5 Colombia*
dc.rights.localAbierto (Texto Completo)spa
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/2.5/co/*
dc.subject.keywordsSystems engineerspa
dc.subject.keywordsTechnological innovationsspa
dc.subject.keywordsAndroidspa
dc.subject.keywordsCapacityspa
dc.subject.keywordsArtificial intelligencespa
dc.subject.keywordsImage recognitionspa
dc.subject.keywordsDevelopment of prototypesspa
dc.subject.keywordsAlgorithmsspa
dc.subject.keywordsMachine theoryspa
dc.subject.keywordsMathematical modelsspa
dc.subject.lembIngeniería de sistemasspa
dc.subject.lembInnovaciones tecnológicasspa
dc.subject.lembDesarrollo de prototiposspa
dc.subject.lembAlgoritmosspa
dc.subject.lembTeoría de las máquinasspa
dc.subject.lembModelos matemáticosspa
dc.subject.proposalAforospa
dc.subject.proposalReconocimiento de imágenesspa
dc.subject.proposalOpenCvspa
dc.subject.proposalAndroidspa
dc.subject.proposalInteligencia artificialspa
dc.titlePrototipo de aplicación móvil de identificación y conteo de personas por medio de reconocimiento de imágenesspa
dc.title.translatedPrototype of a mobile application for the identification and counting of people by means of image recognitionspa
dc.type.coarhttp://purl.org/coar/resource_type/c_7a1f
dc.type.coarversionhttp://purl.org/coar/version/c_ab4af688f83e57aaspa
dc.type.driverinfo:eu-repo/semantics/bachelorThesis
dc.type.hasversioninfo:eu-repo/semantics/acceptedVersion
dc.type.localTrabajo de Gradospa
dc.type.redcolhttp://purl.org/redcol/resource_type/TP

Archivos

Bloque original

Mostrando 1 - 2 de 2
Miniatura
Nombre:
2021_Tesis_Juan_Sebastian_Velasquez.pdf
Tamaño:
1.47 MB
Formato:
Adobe Portable Document Format
Descripción:
Tesis
Descargar
Miniatura
Nombre:
2021_Licencia_Juan_Sebastian_Velasquez.pdf
Tamaño:
588.4 KB
Formato:
Adobe Portable Document Format
Descripción:
Licencia
Descargar

Bloque de licencias

Mostrando 1 - 1 de 1
Miniatura
Nombre:
license.txt
Tamaño:
829 B
Formato:
Item-specific license agreed upon to submission
Descripción:
Descargar

Colecciones

Pregrado Ingeniería de Sistemas