Sistema de control de acceso por medio de detección de rostros con mascarillas basado en visión artificial

Resumen

La pandemia del virus Covid-19 ha marcado precedentes en cuanto a la bioseguridad de la población, reflejando que la prevención es una herramienta adecuada para evitar la transmisión de enfermedades. El presente trabajo muestra el desarrollo de un prototipo de sistema de detección de uso de mascarillas y escaneo de temperatura corporal para el control de acceso a locales comerciales basado en algoritmos de visión artificial. Este sistema utiliza una metodología de investigación de campo cuantitativa en un nivel descriptivo por medio de un modelo construido en Tensorflow que trabaja sobre el video obtenido utilizando en el programa OpenCV2. La implementación consta de tres módulos: detección de temperatura corporal por medio del sensor Mlx90614; detección del correcto uso de la mascarilla por medio de una cámara frontal analizada con redes neuronales convolucionales; y el control de acceso utilizando componentes electrónicos. En las pruebas de funcionamiento se analizan las métricas de rendimiento de la red neuronal con diferentes tasas de aprendizaje y número de iteraciones como: precisión, exactitud y sensibilidad, en cinco casos de clasificación: temperatura alta o normal, rostros sin mascarilla, rostros con mascarilla mal colocada y con mascarilla colocada correctamente. Los resultados presentan una tasa de aprendizaje 87,5%, mostrando identificadores para detectar si un cliente usa mascarilla correctamente y emitiendo alertas sonoras cuando no se cumplen con las medidas de bioseguridad. En relación al control de acceso una eficacia del 100% después de la detección.