Desarrollo de un sistema para el control de asistencia estudiantil mediante el uso de algoritmos de reconocimiento facial basado en visión artificial

Abstract

El reconocimiento facial ha captado gran interés en diversas industrias debido a sus múltiples aplicaciones y beneficios. En el ámbito educativo, su implementación simplifica significativamente la toma de asistencia en comparación con los métodos tradicionales. Este trabajo se enfoca en desarrollar un sistema de asistencia basado en reconocimiento facial que se adapte a las necesidades específicas de docentes y estudiantes. El proyecto utiliza modelos preentrenados de Deep Learning como VGGFace, Facenet y ArcFace, siendo Facenet el que presento los mejores resultados. Para reconocer a los estudiantes con un mínimo de imágenes por persona, para lo cual se emplearon Redes Siamesas, lo que permitió identificar nuevos usuarios sin tener que recurrir a un reentrenamiento de dicho modelo. La creación y despliegue del sistema implicaron el uso de bases de datos, gestores de usuarios y el desarrollo de una aplicación de escritorio con la librería de Python QtDesigner, permitiendo su uso tanto por docentes como por estudiantes. Los resultados del sistema en un entorno real muestran una exactitud global del 87.1%, lo que destaca la eficacia del modelo seleccionado a pesar de los desafíos inherentes. Este trabajo no solo aborda la aplicación práctica del reconocimiento facial en entornos educativos, sino que también subraya la importancia de considerar aspectos éticos y legales para asegurar la correcta implementación y aceptación de la tecnología. Palabras Clave: Reconocimiento facial, control de asistencia, visión artificial, Python