Sistemas de reconocimiento facial: Descubre cómo lo desarrollamos

Sistemas de reconocimiento facial: Descubre cómo lo desarrollamos

Hace poco más de un año nació nuestro laboratorio de innovación Idiwork. Hemos hecho cosas muy chulas y muchos experimentos. Uno de los experimentos que más nos ha gustado y que nos gustaría contaros trata sobre un mecanismo de reconocimiento facial para acceder a espacios o sitios.

Luego de la crisis COVID19 el mundo va a cambiar. Una de las principales medidas tomadas para prevenir los contagios y proveer seguridad a las personas es el uso de máscaras.

Luego de haber creado este experimento de reconocimiento fácil con inteligencia artificial. Estamos trabajando ahora uno que reconozca y contabilice a las personas que usan y que no usan mascaras. Esperemos poder contaros dentro de poco el experimento y mostraros el paso a paso de cómo lo hemos hecho.

Sin embargo, para que podáis ir conociendo cómo funcionan estos mecanismos y pensar el crear el vuestros os dejamos los paso a paso que publicamos en la web de Idiwork.

¿Cómo nace la idea?

El proyecto intenta simular un sistema de control de acceso automático con reconocimiento facial. La aplicación le dirá al visitante si él / ella está o no en una lista para abrir y darle la bienvenida o para mantener la puerta cerrada a los extraños. La idea se basa en un antiguo proyecto de huckster.io creado por Ethan Kusters y Masato Sudo y publicado en 2016.

Proceso

Primero, vamos a crear una aplicación de Plataforma Universal de Windows con C Sharp y .Net Core. Esta aplicación será nuestra interfaz de usuario. Después de eso, conectaremos una cámara web para interactuar con la API de Cognitive Service Vision Face. Luego, ensamblaremos todas las partes electrónicas: una luz LED, un botón y un servomotor. Instalaremos Windows 10 IoT Core en un dispositivo GPIO modelo B de Raspberry Pi 2 para ejecutar la aplicación en él.

Además, construiremos nuestra caja inteligente impresa en 3D para contener todo el proyecto y la electrónica. Finalmente, conectaremos un altavoz para escuchar a la máquina hablar gracias a la API Cognitive Service Text to Speech.

Ventajas de usar servicios cognitivos

La principal ventaja de utilizar los servicios cognitivos en esta simulación es la posibilidad de identificar a las personas de forma rápida y precisa. La Inteligencia Artificial puede trabajar para nosotros las 24 horas del día, los 7 días de la semana sin ninguna interrupción. De esta manera, una empresa ahorrará dinero y recursos y será mucho más eficiente controlando los accesos a un edificio, por ejemplo. Además, con la capacidad de hablar podemos darle a la máquina una apariencia más humana.

Paso a paso

  1. ¿Cómo trabajar con Face Cognitive Service?

Primero, vamos a crear el recurso Face desde nuestro portal de Azure en el grupo de servicios cognitivos

Podéis ver todo el proceso aquí

Paso a paso

  1. Cómo configurar el hardware del dispositivo IoT

Utilizaremos un Raspberry Pi 2 Modelo B para ejecutar nuestro proyecto IoT. Además, debemos conectarle algunos periféricos como: Adaptador Wi-Fi Nano USB, Juego de altavoces compactos USB y Microsoft LifeCam HD-3000.

Podéis ver todo el proceso aquí

Paso a paso

  1. Cómo empacar y lanzar el proyecto IoT

El modelo 3D del cuadro del proyecto se creó en SketchUp. Dentro de las seis caras, hay espacios individuales para cada componente.

Luego, utilizamos un software Slicer para convertir los archivos STL 3D en G-Code que nuestra impresora 3D puede entender e imprimir.

Finalmente, imprimimos las piezas 3D en una impresora Prusa i3 MK2S con filamentos negro, rojo y blanco de Smart Materials.

Podéis ver todo el proceso aquí

Paso a paso

  1. Architectural Diagram

Contacta con nosotros

2020-05-08T15:03:51+00:008 mayo, 2020|Categories: Bravent|Tags: , , |0 Comments
Translate »