Reconocimiento facial en un sistema IoT
Rubio Perez, Alberto
Antens, Coen Jacobus, dir. (Universitat Autònoma de Barcelona. Departament de Ciències de la Computació)
Universitat Autònoma de Barcelona. Escola d'Enginyeria

Títol variant:	Face recognition in an IoT system
Títol variant:	Reconeixement facial en un sistema IoT
Data:	2021
Resum:	En este proyecto se desarrolla un sistema de reconocimiento facial con aprendizaje profundo en una NVIDIA Jetson Nano, la cual obtiene imágenes a través de una cámara y las procesa en tiempo real, para enviar una salida al identificar a un individuo. El programa ubica un rostro en el plano con una red basada en Single-Shot Detector (SSD) y utiliza FaceNet para transformarlo en un vector de características y determinar su similitud con las caras almacenadas. El sistema proporciona robustez frente a cambios en el aspecto de las personas y distorsiones en las imágenes, y una precisión igual o superior a 0. 95 en los experimentos realizados con una base de datos creada durante el transcurso del proyecto. El funcionamiento está basado en One-Shot Learning, técnica que permite reconocer a cada persona con una única imagen. Los procedimientos utilizados se seleccionan mediante la previa investigación, desarrollo y comparación de distintos métodos. El trabajo se complementa con un sistema de reconocimiento por voz, basado en una red neuronal que predice una identidad a través de las características de un audio en tiempo real. Se emplea la iluminación de LEDs para el envío de salidas cuando se produce un reconocimiento.
Resum:	This project develops a deep-learning face recognition system on an NVIDIA Jetson Nano, which acquires images from a camera and processes them in real time to send an output when an individual is identified. The software locates a face in the plane with a Single-Shot Detector (SSD)-based network and uses FaceNet to transform it into a feature vector and determine its similarity to stored faces. The system provides robustness against changes in people's appearance and distortions in the images, and an accuracy equal to or better than 0. 95 in the experiments carried out with a dataset created during the course of the project. The operation is based on One-Shot Learning, a technique that allows each person to be recognised with a single image. The procedures used are selected through prior research, development and comparison of different methods. The work is complemented by a speaker recognition system, based on a neural network that predicts an identity through the characteristics of audio in real time. LED illumination is used to send outputs when recognition occurs.
Resum:	En aquest projecte es desenvolupa un sistema de reconeixement facial amb aprenentatge profund en una NVIDIA Jetson Nano, que obté imatges a través d'una càmera i les processa en temps real, per enviar una sortida en identificar un individu. El programa ubica una cara al pla amb una xarxa basada en Single-Shot Detector (SSD) i utilitza FaceNet per transformar-lo en un vector de característiques i determinar-ne la similitud amb les cares emmagatzemades. El sistema proporciona robustesa davant de canvis en l'aspecte de les persones i distorsions a les imatges, i una precisió igual o superior a 0, 95 en els experiments realitzats amb una base de dades creada durant el transcurs del projecte. El funcionament està basat en One-Shot Learning, tècnica que permet reconèixer cada persona amb una única imatge. Els procediments utilitzats se seleccionen mitjançant la prèvia investigació, desenvolupament i comparació de diferents mètodes. El treball es complementa amb un sistema de reconeixement per veu basat en una xarxa neuronal que prediu una identitat a través de les característiques d'un àudio en temps real. Es fa servir la il·luminació de LEDs per a l'enviament de sortides quan es produeix un reconeixement.
Drets:	Aquest document està subjecte a una llicència d'ús Creative Commons. Es permet la reproducció total o parcial, la distribució, i la comunicació pública de l'obra, sempre que no sigui amb finalitats comercials, i sempre que es reconegui l'autoria de l'obra original. No es permet la creació d'obres derivades.
Llengua:	Castellà
Titulació:	Grau en Enginyeria Informàtica [2502441]
Pla d'estudis:	Enginyeria Informàtica [958]
Document:	Treball final de grau ; Text
Àrea temàtica:	Menció Computació
Matèria:	Aprendizaje profundo ; Deep Learning ; Aprenentatge profund ; Detección facial ; Face detection ; Detecció facial ; FaceNet ; Internet de las cosas ; Internet of Things ; Internet de les coses ; NVIDIA Jetson Nano ; One-Shot Learning ; Single-Shot Detector (SSD) ; Reconocimiento facial ; Face recognition ; Reconeixement facial ; Reconocimiento por voz ; Speaker recognition ; Reconeixement per veu

13 p, 1.2 MB

El registre apareix a les col·leccions:
Documents de recerca > Treballs de Fi de Grau > Escola d'Enginyeria. TFG