Sistema de reconocimiento facial para el control de asistencia de la I.E. “juan pablo ii” basado en visión computacional, 2019

Abstract

El control de asistencia es un proceso muy importante ya que permite que dar seguimiento constante a las horas de permanencia personal y contabilizar las jornadas laborales para cada miembro de una institución, sin embargo, casi todas las instituciones en su totalidad poseen un control de asistencia automatizado a través de diversos dispositivos biométricos como: lector de huellas dactilares, lector de iris, sistemas de reconocimiento de voz, sistemas de control de acceso por radio frecuencia, control de acceso con credenciales o códigos de barras, estas soluciones son generalmente para controlar al personal que labora en ellos, en la actualidad el control de asistencia en instituciones educativas esta solo automatizado casi en su totalidad para los docentes y personal administrativo ya que el control de asistencia masivo para los estudiantes se sigue levando de forma manual a través del uso de registros de asistencia y cuadernos de control que no permiten tener estadísticas ni información en tiempo real, por otro lado en el Perú la educación ha entrado a la utilización de TIC para la mejora de aprendizaje, pero no ha entrado en sistematizar información más relevante como es la asistencia verídica de la comunidad educativa, en el presente trabajo de investigación se desarrolló un sistema de control de asistencia que incorpora como sistema biométrico fundamental el reconocimiento facial y que integra tecnologías de hardware libre y software libre como son: plataforma RaspBerry pi, lenguajes de programación JAVA, Python, gestores de base de datos MariaDB, el objetivo fundamental del desarrollo de la presente investigación fue el de evaluar el índice de error en el reconocimiento facial para la asistencia en los estudiantes de la institución educativa Juan Pablo II de la ciudad de talavera, Provincia de Andahuaylas y departamento de Apurímac. Los resultados a los cuales se llegaron fueron de que el índice de error es de 6.95% para los casos en los cuales el sistema con visión computacional falla por cuestiones de semejanza de rostros, así como posición y manejo de la iluminación del ambiente, sin embargo, estos resultados permiten automatizar el control de asistencia masivo para las instituciones educativas.