“DESARROLLO DE UN ALGORITMO DE VISIÓN ARTIFICIAL PARA ÁREAS

SENSIBLES EN LAS INDUSTRIAS”

Bocanegra Samanamud Allison Nicole

Universidad César Vallejo-Chimbote

Gil Aguilar Shayna Michelle

Universidad César Vallejo-Chimbote

Ryam Abraham León León

Universidad César Vallejo-Chimbote

Vega Sánchez Jesús

Universidad César Vallejo-Chimbote

RESUMEN agigantados dando paso a lo que hoy se conoce

como visión artificial, lo cual permite que se
En el presente trabajo de investigación se aplicó la desarrollen programas para el área de seguridad,
visión artificial para la detección de movimientos las cuales sean cada mes más sofisticadas y
y rostros, logrando así un mayor control de áreas eficientes. La visión artificial es una disciplina
sensibles en las industrias. Todo ello mediante el cuyo principal objetivo es procesar y analizar
desarrollo de algoritmos, el uso del programa imágenes del mundo real, con la finalidad de que
Python, carpetas como NumPy, Tkinter y de una estas puedan ser entendidas y tratadas por un
cámara, ya que lo que se buscó fue detectar a las ordenador. [1] Asimismo, este campo de estudio
personas cuando estén en movimientos, captar los es interdisciplinario ya que comprende
rostros de aquellos y almacenarlos mediante toma conocimientos tanto de informática, matemáticas
de fotos. y neurociencia, capaces de interpretar y
La visión artificial permite tener una alta comprender información. [2] La visión artificial
eficiencia ya que permite trabajar con el análisis está presente y revolucionando campos como los
de imágenes de personas en diversas áreas de la robótica ya la seguridad hasta la medicina y
sensibles de las industrias, puesto que siempre hay el reconocimiento facial. [3] Por ende, se trata de
lugares en el que el acceso es restringido o una tecnología que combina ordenadores con
necesitan de una vigilancia constante. cámaras de vídeo para adquirir, analizar e
Ante ello nace la necesidad de aumentar la interpretar imágenes de forma comparable a la
eficiencia y precisión de los sistemas de control y inspección visual humana. [4] Empleando las
vigilancia, la cual trabaja de manera continua para redes neuronales convolucionales, se logra la
mayor seguridad. clasificación de imágenes de manera sorprendente,
Con esta investigación se pretende beneficiar a las superando la capacidad de los seres humanos. [5]
industrias en lugares que requieren supervisión La visión artificial consiste en construir un
constante, brindando una solución accesible y con cerebro para las máquinas, con la ayuda y empleo
una eficiencia de 94.60%. de algoritmos. [6] El algoritmo es una abstracción
matemática que describe cómo resolver un
Palabras Claves: Visión artificial, algoritmos, problema de manera precisa y detallada; y ejecutar
Python, reconocimiento facial, detección de diversas tareas de manera eficiente, sistemática y
movimiento. estructurada. [7] Asimismo, es un lenguaje de la
tecnología, que permite la transformación de
1. INTRODUCCIÓN problemas a soluciones mediante un conjunto de
La inseguridad en el país cada vez va en aumento, reglas y procedimientos. [8] Esta herramienta es
no solo en las calles sino también en muchas fundamental para la ciencia y tecnología
empresas, como son los casos de robos. Todo ello permitiendo la automatización de tareas y la toma
se produce por la mala supervisión o vigilancia ya de decisiones de manera inteligente. [9] Del
que hay lugares donde las empresas guardan y mismo modo, los algoritmos de visión artificial
almacenan elementos valiosos, siendo áreas para los sistemas de seguridad permiten la
sensibles que necesitan de supervisión constante. detección, seguimiento e identificación de
La tecnología hoy en día está avanzando a pasos amenazas potenciales. [10] Los algoritmos

1
3rd LACCEI International Multiconference on Entrepreneurship, Innovation and Regional Development - LEIRD 2023
Virtual Edition, Agosto 17 – 8, 2023
empleados para realizar reconocimiento facial, de visión artificial de manera eficaz y rápida. [26]
son muy efectivos para la identificación de La abundancia de bibliotecas de Python centradas
individuos en entornos de seguridad detectando en la inteligencia artificial, ha permitido crear
sospechosos o personas no autorizadas. [11] Esto algoritmos sofisticados y construir sistemas de
mediante la segmentación de imágenes es visión artificial precisos y eficientes. [27] Con un
fundamental para analizar videos e imágenes en lenguaje de programación ideal para la
tiempo real, logrando una detección y seguimiento inteligencia artificial con la disponibilidad de
de objetos en movimiento de manera precisa. [12] recursos e integración de tecnologías como la IoT.
El reconocimiento facial es un sistema basado en [28] La facilidad y versatilidad de Python lo hace
el análisis facial digitalizado en 3D, que se apoya ideal para crear prototipos y desarrollar algoritmos
en áreas como el reconocimiento de patrones, la y aplicaciones de visión artificial. [29] Las
óptica y la visión artificial. [13] Esto, combinado bibliotecas de Python, como NumPy, SciPy y
con la visión artificial, se ha logrado implementar scikit-learn, proporcionan potentes herramientas
en el sistema de vigilancia inteligente capaz de para el procesamiento de imágenes y la extracción
detectar y alertar la presencia de sospechosos. [14] de características en tareas de visión por
La integración de RF y VA en sistemas de ordenador. [30] Con respecto a los objetivos del
seguridad ha permitido un aumento de eficiencia y presente trabajo de investigación, se tiene como
precisión en la identificación de personas objetivo general desarrollar un algoritmo que
sospechosas ante situaciones críticas. [15] Este permita la detección de movimiento y el rostro
tema ha surgido como una tecnología prometedora para áreas sensibles de la industria. Asimismo, se
con respecto a la seguridad, ya que brinda de tiene como objetivos específicos, emplear la
forma eficiente y precisa la identificación visión artificial para mejorar la seguridad en áreas
biométrica en tiempo real. [16] El reconocimiento sensibles de la industria, emplear el programa
facial aplicada en la visión artificial es de gran Python y carpetas como NumPy y Tkinter para el
utilidad en la detección y seguimiento de personas desarrollo de los algoritmos.[31]
en entornos de seguridad. [17] El reconocimiento
facial ha revolucionado la tecnología de visión
artificial, logrando resultados impresionantes 2. Adquisición y adecuación de las
identificando individuos a través de imágenes y imágenes
videos de vigilancia. [18] La detección de
movimientos en visión artificial, ha demostrado En la actualidad existen algoritmos que reducen la
ser muy eficaz en aplicaciones de seguridad, ya resolución de la imagen, ya que hay redes
que permite detectar con precisión y rapidez neuronales para el reconocimiento de objetos
objetos en movimiento en escenas complejas. [19] mediante el análisis de varias resoluciones de una
El uso de técnicas de procesamiento informático y misma imagen.
algoritmos de detección de objetos ha mejorado la Estas técnicas se basan en un objeto previo
precisión y la eficacia de las aplicaciones de comparando la imagen en diferentes resoluciones,
seguridad. [20] Esto permite seguir y analizar para esto se utiliza las redes neuronales las cuales
objetos en movimiento para diversas aplicaciones, se relacionan unas con otras. Estos algoritmos
como la videovigilancia, la robótica y el obtienen una imagen MxN pixels donde se han
reconocimiento de acciones humanas. [21] Este reducido sus resoluciones a ½,1/4, etc.
sistema está diseñado para automatizar varias Para la resolución de este trabajo se calculó la
tareas que ejecuta el sistema visual humano, media de estas e igualamos todos los resultados.
reemplazando la supervisión humana. [22] Las Asimismo, la librería OpenCV está dirigida
redes convolucionales profundas han generado fundamentalmente a la visión por computador en
avances en el procesamiento de imágenes, video, tiempo real. Entre sus muchas áreas de aplicación
permitiendo la detección de movimiento. [23] destacaría: interacción hombre-máquina (HCI4) ;
Proporcionando algoritmos y técnicas de segmentación y reconocimiento de objetos;
extracción de características relevantes de reconocimiento de gestos; seguimiento del
secuencias de imágenes y el rastreo de objetos en movimiento; estructura del movimiento (SFM5); y
movimientos. [24] Todo esto es posible gracias al robots móviles.
Python, que proporciona una interfaz fácil de usar
para trabajar con redes convolucionales y otros
modelos de aprendizaje profundo. [25]. El cual,
combinado con bibliotecas como OpenCV permite
que los desarrolladores implementen algoritmos

2
3rd LACCEI International Multiconference on Entrepreneurship, Innovation and Regional Development - LEIRD 2023
Virtual Edition, Agosto 17 – 8, 2023
 • Calibración de la cámara: morphing, geometría
epipolar, estimación de la pose (i.e. POSIT), etc.
• Reconstrucción tridimensional (funcionalidad
experimental): detección de objetos, seguimiento
de objetos tridimensionales, etc.
• Interfaces gráficos de usuarios y adquisición de
video.

Figura 1: Diagrama de Open CV

La librería OpenCV proporciona numerosos
elementos de alto nivel, como veremos en
secciones posteriores, que facilitan sobremanera el
trabajo al usuario como, por ejemplo:

Figura 3: Captura de detección facial

Una de las primeras extensiones que se
programaron para Python, quizás por ser una de
las más necesarias, fue la que proporcionaba la
clase de array n-dimensional. Un array es un tipo
que puede describirse mediante dos
características: Sus dimensiones, el tipo de sus
elementos; esto implica que un array, a diferencia
Figura 2: Reconocimiento facial de las listas o los tuples, es homogéneo en
memoria. Un array es gracias al módulo Numpy
También los entornos de scripting hacen uso de
otra clase de Python. (Figura 4)
estas funciones para implementar su
funcionalidad. La librería OpenCV proporciona
una gran diversidad de entornos. En la sección 2.2
detallamos de forma pormenorizada algunos de
los más utilizados.
Todas estas herramientas de alto nivel hacen uso
de un paquete de clases C++ y funciones C de alto
nivel que utilizan a su vez funciones muy
eficientes escritas en C. Concretamente, el
conjunto de funciones suministradas por la librería
OpenCV se agrupan en los siguientes bloques:
• Estructuras y operaciones básicas: matrices,
grafos, árboles, etc.
• Procesamiento y análisis de imágenes: filtros,
momentos, histogramas, etc.
Figura 4: Empleo del programa NUMPY
• Análisis estructural: geometría, procesamiento
del contorno, etc. Tkinter es un paquete de desarrollo de
aplicaciones de escritorio para Python que se
• Análisis del movimiento y seguimiento de utiliza para crear programas de escritorio.
objetos: plantillas de movimiento, seguidores (i.e. La colocación y creación de una interfaz gráfica
Lucas-Kanade), flujo óptico, etc. de escritorio utilizando Python se facilita con este
• Reconocimiento de objetos: objetos propios paquete, es la típica librería GUI de Python.
(eigen objects), modelos HMM, etc. Python y Tkinter juntos ofrecen una solución

3
3rd LACCEI International Multiconference on Entrepreneurship, Innovation and Regional Development - LEIRD 2023
Virtual Edition, Agosto 17 – 8, 2023
rápida y sencilla para crear aplicaciones GUI. Al digitar los códigos en los programas
Tkinter proporciona una interfaz orientada a anteriormente mencionados se logró la detección
objetos eficaz para el conjunto de herramientas de movimiento como se muestra.
N° DE NO FALLA EFECTIV EXPLICA
MUES FALLA RON IDAD CIÓN DE
TRA RON FALLAS

10 5 5 70.38% Fallas de Tabla 1: N° de pruebas que reflejan la

detención efectividad de 94.60
en % en 50 pruebas
movimient
o

20 14 6 77.89% Fallas de
movimient
os faciales

30 25 5 85.65% Fallas de
capturas

40 36 4 88.54% Fallas en
movimient
o

50 45 5 94.60% Fallas en Figura 6: Funcionamiento del programa al

tiempo de detectar movimiento
captura
Asimismo, con la implementación de más
60 55 5 94.65% Fallas en códigos en los programas, se logró la detección
tiempo de de rostro y reconocimiento facial.
captura

GUI Tk.
Es sencillo crear una aplicación GUI utilizando
Tkinter. Todo lo que se tiene que hacer es llevar a
cabo las acciones que se enumeran a continuación:

3. Resultados
Del proceso de programación de visión artificial
para la detección de movimiento y reconocimiento Figura 7: Funcionamiento del programa al detectar
facial se presentan los siguientes resultados. rostros

Al realizar estas tareas, el programa se configuró

para que al detectar tanto los movimientos como
el rostro, esto tome captura de pantallas (5 fotos
por segundo) y eso se almacena en una carpeta en
el mismo dispositivo, es decir, en la laptop.
También se realizaron un número de 60 pruebas
donde podemos ver que nuestra efectividad es de
94.60%, esto gracias al sistema completo de
Python.
Figura 5: Empleo de Python y la codificación

4
3rd LACCEI International Multiconference on Entrepreneurship, Innovation and Regional Development - LEIRD 2023
Virtual Edition, Agosto 17 – 8, 2023
 4. Discusión eficiencia en la seguridad ya sea en empresas u
Según los autores León Reynaldo Sucari, Yolanda hogares.
Aroquipa Durán, Edgardo Quispe Yapo,Anibal
Sucari León, Luz Delia Quina Quina, Fredy Abel 6. Referencias
Huanca Torres, los cuales desarrollaron “Visión
artificial en reconocimiento de patrones para [1] B. Borrella (2022, Septiembre) Introducción a
clasificación de frutas en agronegocios”(2020) la visión artificial: procesos y aplicaciones. [En
donde el objetivo del experimento fue determinar
la efectividad de aplicar visión artificial en el línea]. Available:
reconocimiento de patrones para la clasificación https://docta.ucm.es/entities/publication/072ca3fb-
de frutas en la agroindustria. 540f-4dc9-8a16-0241cb5cd986
De igual forma, utilizaron la técnica de
reconocimiento automático de patrones mediante [2] R. Szeliski, Computer vision: algotithms and
el uso del clasificador Bayesiano implementado applications. Springer Science & Business Media,
en Octave, con un 93.33% de efectividad. 2ª ed.The University of Washington,2022.
Para identificar esta tecnología puede utilizarse en
diversos programas, pero el que resultó de manera [3] D. Forsyth y J. Ponce, Computer vision: a
efectiva para aplicarlo en esta investigación fue la modern approach. Pearson . 2ª ed,2008
de Python, donde el número de muestra fue de 50
dando un 94.60% de efectividad gracias a la [4] M. Cajas y P. Viri, (2017, Marzo). Diseño e
función que Python brinda como la biblioteca implementación de un sistema de seguridad
OPENCV, la cual es una librería que está dirigida vehicular mediante reconocimiento facial a traves
fundamentalmente a la visión por computador en
tiempo real. También se aprecia que las muestras de vision artificial. [En línea]. Recuperado de:
son 6 en ambos trabajos, a diferencia que los https://dspace.ups.edu.ec/bitstream/123456789/13
autores trabajaron en el Octove mientras el 566/1/UPS-CT006920.pdf
nuestro en Python. [5] A. Krizhevsky, I. Sutskever y G. Hinton.
(2012). ImageNet classification with deep
convolutional neural entworks. [En línea].
Recuperado de:
https://proceedings.neurips.cc/paper_files/paper/2
012/file/c399862d3b9d6b76c8436e924a68c45b-
Paper.pdf

5. Conclusiones [6] A. Torralba. (2022, Diciembre 30).

Visión artificial. [En línea].
En la presente investigación se logró desarrollar Recuperado de:
los algoritmos necesarios para la detección de https://www.farodevigo.es/sociedad/2016/12/04/a
movimiento y de rosto para áreas sensibles de la ntonio-torralba-robots-supera ran-vision-
industria. 16446763.html
También logró emplear la visión artificial para la
mejora de la seguridad en áreas sensibles de la [7] S. Skiena. (2008, Enero 15). The Algorithm
industria, permitiendo guardar un registro de Desing Manual. [En línea]. Recuperado de:
imágenes mediante la toma de fotos. https://mimoza.marmara.edu.tr/~msakalli/cse706_
Se empleó el programa Python y las carpetas 12/SkienaTheAlgorithmDesi gnManual.pdf
como NumPy y Tkinter para el desarrollo de los
algoritmos y su funcionamiento con éxito, [8] Anay. Levitin. (2012). Introduction to the
detectando los movimientos y rostros de las Desing and Analysis of Algorithms. Pearson. 3ª
personas que eran captadas por la cámara. ed.[En línea]. Recuperado de:
https://doc.lagout.org/science/0_Computer
Se concluye que para el área de seguridad es %20Science/2_Algorithms/Introduction%20to
necesario un resguardo y vigilancia constante, no %20the%20Design%20and%20Analysis%20of
solo basta con colocar personal en cada turno. %20Algorithms%20%283rd%20ed.
Es por ello que se debe optar por la inteligencia %29%20%5BLevitin%202011-10-09%5D.pdf
artificial y el desarrollo del algoritmo planteado en
esta investigación, pues permiten una mayor

5
3rd LACCEI International Multiconference on Entrepreneurship, Innovation and Regional Development - LEIRD 2023
Virtual Edition, Agosto 17 – 8, 2023
[9] D. Dasgupta, C. Papadimitriou. y U. Vazirani. IIT integrando tecnología RFID y cámaras IP. [En
(2006, Julio 18). Algorithms. McGraw-Hill línea]. Recuperado de:
Education. [En línea]. Recuperado de: http://erecursos.uacj.mx/handle/20.500.11961/307
http://algorithmics.lsi.upc.edu/docs/Dasgupta- 6
Papadimitriou-Vazirani.pdf

[10] J. Liu, X. Li, J. Zhang y M. Zhou. (2015 [17] Z. Stan. (2011, Agosto 22) Manual de
Septiembre 11). Deep Learning for Visual Reconocimiento Facial. Springer Londres (2nd
Understanding: A Review. Neurocomputing. [En ed.) [En línea]. Recuperado
línea]. Recuperado de: https://deeplearning.ir/wp- de:https://link.springer.com/book/10.1007/978-0-
content/uploads/2016/07/Deep-learning-for- 85729-932-1
visual-understanding_-A-review.pdf
[18] F. Morcillo. (2020, Diciembre 10).
[11] B. Chacua. (2019, Diciembre 14).Diseño de Desarrollo de un sistema de reconocimiento facial
un Sistema Prototipo De Reconocimiento facial utilizando Deep Learning con OpenCV. [En
para la identificación de personas en la facultad de línea]. Recuperado de:
Ingeniería en Ciencias Aplicadas (FICA) de la https://riunet.upv.es/handle/10251/156694
universidad Técnica del Norte utilizando técnicas [19] J. Redmon. (2018, Abril 8). Una mejora
de inteligencia artificial. [En línea]. Recuperado Incremental. [En línea]. Recuperado de:
de: https://arxiv.org/abs/1804.02767
http://repositorio.utn.edu.ec/handle/123456789/95
72 [20] J. Córdova. (2021, Agosto 12). Aplicación de
Inteligencia Artificial para monitorear el uso de
[12] H. Perez. (2011, Mayo 24). Detección y mascarillas de protección. [En línea]. Recuperado
Seguimiento de Personas Basado en Vectores de de: http://www.scielo.org.co/scielo.php?
Movimiento. [En línea]. Recuperado pid=S1900-
de:https://www.repositoriodigital.ipn.mx/handle/1 65862021000100205&script=sci_arttext
23456789/8051
[21] A. Yilma. (2006, Diciembre). Object
tracking: a survey. ACM Comput Surv. [En línea].
[13] M. Vásquez. (2014, Mayo). Sistema de
Recuperado de:
reconocimiento facial mediante técnicas de visión
https://www.researchgate.net/publication/2205660
tridimensional. [En línea]. Recuperado
62_Object_tracking_a_survey_ACM_Comput_Su
de
rv
:http://cio.repositorioinstitucional.mx/jspui/handle
/1002/436 [22] R. Devashree. (2022, Marzo 29). Detección
de anomalías utilizando edge computing en
[14] Z. Zhang. (2014, Septiembre). Detección de sistemas de videovigilancia: revisión. [En línea].
puntos de referencia faciales mediante aprendizaje Recuperado de:
multitarea profundo. [En línea]. Recuperado https://link.springer.com/article/10.1007/s13735-
de:https://www.researchgate.net/publication/2647 022-00227-8
86906_Facial_Landmark_Detection_by_Deep_M
ulti-task_Learning [23] Y. LeCun. (2015, Mayo 27).Aprendizaje
profundo. [En línea]. Recuperado de:
[15] A. Roca. (2021, Noviembre 18). Sistema de https://www.nature.com/articles/nature14539
detección de personas y cálculo de distancias
euclidianas mediante el uso de redes neuronales [24] R. Szeliski. (2022, Enero 3). Visión
convolucionales integrando OpenCV y CUDA artificial : algoritmos y aplicaciones. [En línea].
para medir el índice de cumplimiento del Recuperado
distanciamiento social de los estudiantes de la de:https://books.google.com.pe/books?
EEB Lcda. Angélica Villón Lindao. [En línea]. id=QptXEAAAQBAJ&lpg=PR9&ots=BMCjv5X
Recuperado ztp&dq=Szeliski%2C%20R.%20(2010).
dee:https://repositorio.upse.edu.ec/handle/46000/6 %20Computer%20vision%3A%20Algorithms
484 %20and%20applications.%20Springer
%20Science%20%26%20Business
[16] L. Fierro. (2011, mayo)Prototipo de un %20Media.&lr&hl=es&pg=PR5#v=onepage&q&f
sistema de seguridad para la estancia infantil del =false
6
3rd LACCEI International Multiconference on Entrepreneurship, Innovation and Regional Development - LEIRD 2023
Virtual Edition, Agosto 17 – 8, 2023
[25] F. Chollet. (2017, Julio 17). Deep Learning
with Python. [En línea]. Recuperado de:
https://deeplearning.lipingyang.org/wp-content/up
loads/2016/12/The-limitations-of-deep-
learning_part1.pdf
[26] G. Bradski. (2008, Julio 12). Learning
OpenCV: Computer Vision with the OpenCV
Library [En línea]. Recuperado de:
https://books.google.com.pe/books?
id=seAgiOfu2EIC&printsec=frontcover&hl=es&s
ource=gbs_ge_summary_r&cad=0#v=onepage&q
&f=false
[27] A. Géron. (2019 Septiembre). Aprendizaje
automático práctico con Scikit-Learn, Keras y
Tensor Flow. [En línea]. Recuperado de:
https://www.oreilly.com/library/view/hands-on-
machine-learning/9781492032632/
[28] R. RosebrocK. (2017, Agosto). Aprendizaje
profundo para visión artificial con Python:
paquete de inicio[En línea]. Recuperado de:
https://dokumen.pub/deep-learning-for-computer-
vision-with-python-starter-bundle.html
[29]J. Solem. (2012, Marzo 18). Programando
visión artificial con Python. [En línea].
Recuperado de:
http://programmingcomputervision.com/
[30] A. Pérez. (2018, Febrero 01).Sistema de
visión industrial para piezas en procesos con
dispositivo móvil o single board computer:
Revisión de literatura [En línea]. Recuperado de:
https://jakevdp.github.io/PythonDataScienceHand
book/
[31] L. Sucari, Y. Durán, E. Quispe, A. León, L.
Quina y F. Huanca. (2020, Abril 26).Visión
artificial en reconocimiento de patrones para
clasificación de frutas en agronegocios. [En línea].
Recuperado de: https://shs.hal.science/halshs-
02554550/

7
3rd LACCEI International Multiconference on Entrepreneurship, Innovation and Regional Development - LEIRD 2023
Virtual Edition, Agosto 17 – 8, 2023