DruBot: prototipo robótico para autenticación por comparación de proporciones faciales para el control de asistencia y detectar la suplantación en evaluaciones

Abstract

The work ‘DruBot: Robotic prototype for authentication and comparison of facial proportions for assistance control and impersonation detection in evaluations’ describes the development of the robotic prototype called DruBot that seeks to recognize the faces of the persons who join to a classroom specific, a private area or an examination, comparing them with a database for eachcase (to distinguish them from the characteristics extracted from the photo of the university identification and the frames obtained of the video of welcome of every student) and to determine if the image of the person which camera is capturing has or hasn’t access to the area, issuing a different sign if his or her access is allowed or not. We apply technologies of artificial vision (Haar cascade for the detection of faces in the whole image captured by camera in real time and Face Landmarks to find the key points of human detected face, to calculate his proportions with Euclidean distances and to compare for the recognition of every person in specific) and serial communication with electronic devices so that the presents notice when there is an intruder or when the student has been recognized well and register his or her assistance.

Este trabajo describe el desarrollo del prototipo robótico llamado DruBot que busca reconocer los rostros de las personas que ingresan a un aula en específico, un área privada o un examen, comparándolos con una base de datos para cada caso (para distinguirlos a partir de las características extraídas de la foto del carnet universitario y los frames obtenidos del video de bienvenida de cada estudiante) y determinar si la persona que se ve a través de la cámara tiene o no acceso al área, emitiendo una señal distinta si se le permite el ingreso o no. Aplicamos técnicas de visión artificial (Haar cascade para la detección de rostros en toda la imagen capturada por la cámara en tiempo real y Face Landmarks para encontrar los puntos clave del rostro humano detectado, calcular sus proporciones a partir de distancias euclidianas y comparar para el reconocimiento de cada persona en específico) y comunicación serial con dispositivos electrónicos a fin de que los presentes noten cuándo hay un intruso o cuándo ha reconocido bien a alguien para tomarle asistencia.