Dispositivo inteligente basado en reconocimiento facial para el registro de asistencia

Abstract

El presente proyecto de investigación tecnológica tiene como objetivo implementar un dispositivo inteligente basado en reconocimiento facial para el registro automatizado de asistencia. La problemática identificada se centra en las deficiencias de los sistemas manuales de control de asistencia, los cuales generan pérdidas de tiempo, errores frecuentes y riesgos de suplantación de identidad en diversas instituciones educativas y empresariales. La investigación es de tipo aplicada, de enfoque cuantitativo, y con diseño experimental; así mismo la metodología se estructura en cinco etapas: la identificación y selección de

herramientas de reconocimiento facial, donde se evaluaron mobilefaceNet, edgeface- s(gamma_05) y edgeface-xs(gamma_06); el desarrollo del software de reconocimiento

facial, implementado mediante Python y estructurado en tres módulos (base de datos SQLite, backend para el procesamiento de reconocimiento, y frontend para la interfaz de usuario); el diseño de la arquitectura del dispositivo inteligente integrando hardware (Raspberry Pi 4B, cámara, pantalla LCD) y software; construcción del dispositivo inteligente; y la evaluación del rendimiento de dicho dispositivo. Los resultados muestran que la combinación de estas tecnologías permite la detección y reconocimiento facial en tiempo real, con un procesamiento eficiente de las imágenes capturadas, logrando una exactitud de 99.00%, una precisión de 99.01%, una sensibilidad de 99.01%, y un 98.99% de especificidad. Se concluye que el dispositivo inteligente es eficiente en el registro de control de asistencia.

This technological research project aims to implement an intelligent device based on facial recognition for automated attendance registration. The identified problem focuses on the deficiencies of manual attendance control systems, which lead to time loss, frequent errors, and risks of identity impersonation in various educational and business institutions. The research is applied in nature, with a quantitative approach and an experimental design; likewise, the methodology is structured into five stages: the identification and selection of

facial recognition tools, where MobileFaceNet, EdgeFace-S (gamma_05), and EdgeFace- XS (gamma_06) were evaluated; the development of the facial recognition software,

implemented in Python and structured into three modules (SQLite database, backend for recognition processing, and frontend for the user interface); the design of the intelligent device architecture integrating hardware (Raspberry Pi 4B, camera, LCD screen) and software; the construction of the intelligent device; and the performance evaluation of the device. The results show that the combination of these technologies enables real-time facial detection and recognition, with efficient processing of captured images, achieving an accuracy of 99.00%, precision of 99.01%, sensitivity of 99.01%, and specificity of 98.99%. It is concluded that the intelligent device is efficient for attendance control registration.