vasquez manrique cesar
TRANSCRIPT
-
7/22/2019 Vasquez Manrique Cesar
1/61
-
7/22/2019 Vasquez Manrique Cesar
2/61
2
RESUMEN
El presente trabajo de Proyecto de tesis Implementacin de un sistema de informacin
basado en la deteccin biomtrica facial y su aplicacin en los negocios utilizandosoftware libre, es realzado porque he observado que hoy en da los negocios son ms
competitivos, por lo que se necesita aprovechar todas las tecnologas existentes para
mantenerse y liderar el mercado, por lo cual es de vital importancia conocer y tener la
informacin de los clientes en tiempo real para ofrecer efectivamente productos o servicios
obteniendo as su preferencia y fidelidad aumentando las ventas y por tanto las utilidades del
negocio en este caso implementaremos este sistema en la empresa Negociaciones Pool s.a.
La cual se dedica a la fabricacin y compra de prendas de vestir para distribuir y vender en sus
4 tiendas minoristas ubicadas en las ciudad de Huaral(2) y Chancay(2).
Para ello se ha utilizado como herramienta metodolgica UML y como herramienta de
sistematizacin a RUP para la elaboracin de diagramas por otro lado, las herramientas que se
utilizaran sern: SharpDevelop 4.3, Base de Datos en Mysql adems del framework de
reconocimiento biomtrico EMGUCV para el desarrollo del sistema, de tal forma que el sistemapermita identificacin , segmentacin, historial y comportamiento de compras de los clientes,
para que se apliquen tcnicas ms efectivas de ventas y marketing.
En busca de este propsito, se ha desarrollado el presente trabajo de tesis que se encuentraorganizado en los siguientes captulos:
CAPTULO I: PROBLEMTICA DE LA INVESTIGACIN.
Aqu se describe la situacin actual de la empresa Negociaciones POOL s.a. cuyoprincipales problemas son : la constante prdida de clientes, aumento de quejas de clientes ascomo las devoluciones , generando esto disminucin de las ventas y por lo tanto reduccin delas utilidades, necesitando una herramienta tecnolgica que le ayude a implantar planes demarketing personalizados , con lo cual se hace el planteamiento del problema, yestablecindose el objetivo general y especficos para dar solucin al problema, tambinincluye aspectos que justifican la investigacin.
CAPTULO II: MARCO TEORICO
-
7/22/2019 Vasquez Manrique Cesar
3/61
3
En esta parte se incluyen las distintas investigaciones que han servido de referencia para llevara cabo el desarrollo de este proyecto, tambin se incluye la descripcin de cada una de lasherramientas tecnolgicas que nos servirn para el desarrollo e implementacin del Sistemade Informacin.
CAPTULO III: MARCO METODOLGICO
En este captulo, se establece el tipo y diseo de investigacin, incluyendo su poblacin ymuestra para el desarrollo del Proyecto, para luego plantear la solucin con la descripcin dela Hiptesis, refrendada en la operacionalizacin de las variables.
Tambin se establece el mtodo y tcnica para llevar a cabo esta investigacin, describiendolos instrumentos a utilizar, para luego llevar a cabo el anlisis de los datos recopilados.
CAPTULO IV: MARCO ADMINNISTRATIVO
Para este captulo se ha tomado en cuenta los tiempos que estimados que se necesitara parahacer el proyecto tabulndolos en el cronograma de actividades, tambin se calculara elpresupuesto y se propondr el financiamiento respectivo del proyecto.
-
7/22/2019 Vasquez Manrique Cesar
4/61
4
1.0 DATOS INFORMATIVOS
1.1 Titulo
Implementacin de un sistema de informacin basado en la deteccin biomtrica facial y
su aplicacin en los negocios utilizando software libre
1.2 Personal Investigador
1.2.1 Autor
Cesar Edward Vsquez Manrique
1.2.2. Asesor
JUAN CARLOS GUITIERREZ CACERES
1.3 Tipo de Investigacin
Tecnolgica - Cuasi experimental
1.4 Facultad y Escuela Profesional
Facultad de Ingeniera, Arquitectura y Urbanismo
Escuela Acadmico Profesional de Ingeniera de Sistemas.
1.5 Localidad e institucin donde se desarrollar el proyecto
Empresa LSSUPPORT SAC. Av. Batalln callao sur #627 Surco -Lima
1.6 Duracin estimada del Proyecto
11 meses.
1.7 Fecha de Inicio
05 mayo 2013
-
7/22/2019 Vasquez Manrique Cesar
5/61
5
1.8 Presentado por
___________________________________________________
CESAR EDWARD VASQUEZ MANRIQUE
AUTOR
____________________________________________________
JUAN CARLOS GUITIERREZ CACERESAsesor
Aprobado por
_______________________________ ___________________________
RAMOS MOSCOL MARIO FERNANDO MEJIA CABRERA IVAN HEBERPresidente Secretario
______________________________JAIME ARTURO BRAVO RUIZ
Vocal
-
7/22/2019 Vasquez Manrique Cesar
6/61
6
INDICE DE CONTENIDOS
CAPITULO I: PROBLEMATICA DE LA INVESTIGACION
1.1. Realidad Problemtica.
1.2. Planteamiento del problema
1.3 Formulacin del Problema
1.4 Justificacin e Importancia de la Investigacin
1.5 Objetivos
1.5.1 Objetivo General
1.5.2 Objetivos Especficos
CAPITULO Il: Marco Terico
2.1 Antecedentes de la Investigacin
2.2 Base Terica
2.2.1 Mtodo de Deteccin de Rostros de Viola Jones
2.2.2 Pre procesamiento de la imagen
2.2.2.1 Transformacin de la imagen a escala de grises
2.2.2.2. Escalado por Interpolacin
2.2.2.3. Ecualizacin del Histograma
2.2.3. Deteccin del borde Mediante el Algoritmo de Canny]
2.2.4 Extraccin de Descriptores[4]
-
7/22/2019 Vasquez Manrique Cesar
7/61
7
2.2.5. Block de decisin
2.2.6 Descriptores de Harr
2.3 Biblioteca y programas de reconocimiento facial
2.3.1 Biblioteca Opencv
2.3.2 Emgucv
2.3.3 Entrenamiento usando Haartraining.
2.3.4 Recursos para el desarrollo del proyecto
2.3.4.1 Instrumentos
2.3.1.5. StarUml
2.3 Hiptesis
2.4 Variables
2.4.1 Variable independiente
2.4.2 Variable dependiente
CAPITULO III: MARCO METODOLOGICO
3.1 Tipo de Estudio
3.2.1 Poblacin
3.2.2 Muestra
3.3 Mtodos, Tcnicas e instrumentos de recoleccin de datos
3.3.1. Mtodos
3.3.2 Instrumentos
-
7/22/2019 Vasquez Manrique Cesar
8/61
8
3.3.3 Mtodos
3.4 Plan de anlisis estadstico de datos
CAPITULO IV: MARCO ADMINISTRATIVO
4.1 PRESUPUESTO
4.2 Costo de Inversin
4.2.1 Recursos Humanos
4.2.2 Recursos Materiales
4.2.3 Costos de software
4.2.4 Recursos Financieros
4.3 Presupuesto y financiamiento
4.4 cronograma de construccin del proyecto
4.5 Calendarizacin del proyecto
CAPITULO V: REFERENCIAS BIBLIOGRAFICAS
-
7/22/2019 Vasquez Manrique Cesar
9/61
9
CAPITULO I:
PROBLEMATICA DE LA INVESTIGACIN
-
7/22/2019 Vasquez Manrique Cesar
10/61
10
CAPITULO I: PROBLEMATICA DE LA INVESTIGACIN
1.1 Realidad Problemtica:
Hoy en da con la globalizacin y apertura de mercados, la competitividad ente las
empresas es muy alta, por lo tanto los negocios dependen mucho de los gustos,
preferencias y precepcin de los clientes hacia la empresa o sus productos, por
ende las empresas ahora tratan de acercarse y conocer a los clientes,
aprovechando todas las tecnologas existentes como por ejemplo las redes
sociales.
Es as que disean nuevas estrategias de marketing y productos, adems compran
y generan base de datos de clientes para analizar gustos, preferencias,
necesidades, hbitos, nivel socio econmico, impulsividad, intereses y decisiones
de compra etc. para ser analizados por sus sistemas de informacin.
Es en este mbito donde nos movemos actualmente, en donde debemos destacar
con nuestras habilidades como futuros ingenieros de sistemas obteniendo y
procesando la informacin inteligentemente para ayudar a lograr los objetivos
estratgicos del negocio, mejorando su posicin en el mercado, encontrando
nuevos nichos de mercado, o haciendo perfiles de consumo y compras de clientes
para adelantarnos as a sus necesidades con nuestras propuestas o productos.
Cabe resaltar que el cliente es la razn principal del negocio ya que si no existen
clientes el negocio y las empresas no tendran sentido.
El estado por su parte hace muy poco o casi nada por capacitarlos o darles herramientas que
ayuden a mantener sus negocios y a crecer, entendiendo que una empresa que crece genera
ms impuestos y ms trabajo a muchas personas mejorando as la calidad de vida de la
poblacin.
-
7/22/2019 Vasquez Manrique Cesar
11/61
11
Por lo expuesto nosotros como futuros ingenieros estamos llamados a cambiar la realidad
investigando y desarrollando sistemas que impacten en las empresas aumentando su
rentabilidad y ayuden a cumplir sus objetivos estratgicos.
Teniendo claro la importancia del cliente en la cadena del negocio existen tecnologas que
pueden proporcionar datos importantes para ser aprovechados en el conocimiento y
fidelizacin del cliente, esta es la biometra y el reconocimiento facial
-
7/22/2019 Vasquez Manrique Cesar
12/61
12
La Biometra
La biometra se remonta siglos atrs cuando los antiguos Egipcios median a las personas para
identificarlas (antropometra). Esta manera rudimentaria de identificacin se basaba en lasmedidas de algunas partes del cuerpo y sigue siendo utilizada desde entonces.
La biomtrica no se puso en prctica en las culturas occidentales hasta finales del siglo XIX,
pero era utilizada en China desde al menos el siglo XIV, un explorador y escritor que responda
al nombre de Joao de Barros escribi que los comerciantes chinos estampaban las impresiones
y las huellas de la palma de las manos de los nios en papel con tinta, como mtodo para
distinguir entre los nios y jvenes.
En Occidente, la identificacin confiaba simplemente en la memoria fotogrfica hasta queAlphonse Bertillon, jefe del departamento fotogrfico de la Polica de Pars, desarroll el
sistema antropomtrico en 1883, este era el primer sistema preciso, ampliamente utilizado
cientficamente para identificar a criminales y convirti a la biomtrica en un campo de estudio.
Funcionaba midiendo de forma precisa ciertas longitudes y anchuras de la cabeza y del cuerpo,
as como registrando marcas individuales como tatuajes y cicatrices.
El sistema de Bertillon fue adoptado extensamente en occidente hasta que aparecieron
defectos en el sistema principalmente problemas con mtodos distintos de medidas y
cambios de medida.
Despus de esto, las fuerzas policiales occidentales comenzaron a usar la huella dactilar
esencialmente el mismo sistema visto en China cientos de aos antes.
La identificacin basada en la huella dactilar se viene utilizando en los Estados Unidos y
Europa Occidental desde hace ms de cien (100) aos.
Los grandes avances comerciales en los dispositivos biomtricos se dieron en los aos setenta
con un sistema llamado Identimat, que meda la forma de la mano y la longitud de los dedos
como parte de un reloj, siendo utilizado para el acceso a sitios restringidos en Western Electric,
el departamento de inteligencia de la Naval de los EEUU, el departamento de energa y otras
empresas.
El desarrollo de los sistemas de identificacin de la huella dactilar se dio en las dcadas de los
sesentas y setentas cuando varias empresas desarrollaron productos para automatizar la
identificacin de las huellas dactilares para fines legales, finalizando los aos sesenta el FBI
comenz a verificar automticamente las huellas dactilares y a mediados de los aos setenta
ya se haba instalado un gran nmero de sistemas automticos para la huella dactilar en todos
-
7/22/2019 Vasquez Manrique Cesar
13/61
13
los EE.UU, los sistemas automatizados para la identificacin de la huella dactilar (AFIS por sus
siglas en ingls) son utilizados en la actualidad por las fuerzas policiales en todo el mundo.
Los sistemas automticos para la medida de otras caractersticas biomtricas se desarrollaronsimilarmente al de la huella dactilar. El primer sistema para la medicin de la retina fue
introducido en los aos ochenta, el trabajo del
doctor John Daughman de la Universidad de Cambridge condujo a la primera tecnologa para
la medicin de la retina.
Ya en el siglo veinte, la mayora de los pases del mundo utiliza las huellas digitales como
sistema prctico y seguro de identificacin. Con el avance tecnolgico nuevos instrumentos
aparecen para la obtencin y verificacin de huellas digitales, tambin se comienzan a utilizarotros rasgos morfolgicos como variantes de identificacin, por ejemplo el iris del ojo, facial o
la voz.
Distribucin de los mtodos biomtricos ms usados
Sealo algunos ejemplos de aplicaciones empresariales de la biometra
a) Acceso a cajas de seguridad bancarias
b) Acceso a home banking y/o cualquier intranet corporativa
c) Sistemas de fidelizacin
-
7/22/2019 Vasquez Manrique Cesar
14/61
14
d) Accesos a socios
e) Monedero
f) Login a sistemas
g) Aprobacin transaccional en sistemas de gestinEstas no son las nicas aplicaciones, pero s las ms populares.
Sistemas Biomtricos de Reconocimiento Facial
El reconocimiento facial automatizado es relativamente un concepto nuevo, desarrollado en los
aos 60, el primer sistema semiautomtico para reconocimiento facial requera del
administrador para localizar rasgos (como ojos, orejas, nariz y boca) en las fotografas antes de
que este calculara distancias a puntos de referencia en comn, los cuales eran comparadosluego con datos de referencia.
En los aos 70 Goldstein, Harmon, & Lesk, usaron 21 marcadores subjetivos especficos tales
como el color del cabello y grosor de labios para automatizar el reconocimiento facial, el
problema con estas soluciones previas era que se computaban manualmente en 1988 Kirby &
Sirobich aplicaron anlisis de componentes principales, una tcnica estndar del lgebra lineal
al problema del reconocimiento facial. Esto fue considerado algo as como un hito al mostrar
que eran requeridos menos de 100 valores para cifrar acertadamente la imagen de una cara
convenientemente alineada y normalizada .
En 1991 Turk & Pentland utilizando las tcnicas Eigenfaces, noto que el error residual poda
ser utilizado para detectar caras en las imgenes este descubrimiento permiti desarrollar
sistemas automatizados de reconocimiento facial en tiempo real y fidedignos. Si bien la
aproximacin era un tanto forzada por factores ambientales, cre sin embargo un inters
significativo en posteriores desarrollos de stos sistemas la tecnologa inicialmente captur la
atencin del pblico a partir de la reaccin de los medios a una prueba de implementacin en el
Super Bowl de la NFL en enero de 2001, la cual captur imgenes de vigilancia y las compar
con una base de datos de fotoarchivos digitales.
Esta demostracin inici un muy requerido anlisis sobre cmo usar la tecnologa para
satisfacer necesidades nacionales y empresariales, mientras se tomaban en consideracin las
preocupaciones sociales y de privacidad del pblico, hoy la tecnologa de reconocimiento facial
-
7/22/2019 Vasquez Manrique Cesar
15/61
15
est siendo utilizada para combatir el fraude de pasaportes, soporte al orden pblico,
identificacin de nios extraviados y minimizar el fraude en las identificaciones etc.
Los Sistemas Biomtricos de Reconocimiento Facial y su aplicacin en los negocios
En estos momentos esta herramienta est siendo utilizada en lo que respecta a la seguridad en
los establecimientos o negocios, sin embargo se debe tener en cuenta que esta tecnologa es
una herramienta muy til para las empresas de produccin, distribuidores , tiendas de retal o a
grandes almacenes, ya que a pesar de todos los esfuerzos publicitarios que realizan las
empresas de produccin por conseguir que su marca sea elegida entre los consumidores,
stos reconocen que la influencia que ejerce el entorno dentro del establecimiento es muy
importante en la decisin final de compra.
Las influencias que operan dentro del establecimiento obligan al consumidor a procesar la
informacin adicional de los estmulos que recibe en el propio establecimiento.
Por este motivo, tanto los fabricantes como los minoristas estn interesados en conocer la
naturaleza de este tipo de comportamiento.
Para los minoristas resulta determinante conocer cmo es la compra dentro del establecimiento
a fin de planificar el diseo del mix de marketing dentro de la tienda, la distribucin del surtido
en los productos (agrupamiento en categoras), as como la ubicacin de las marcas en las
gndolas.
Para los fabricantes resulta muy importante conocer cmo es este comportamiento, pues a
partir de este conocimiento podrn determinar cunta informacin habrn de ofrecer al pblico
sobre sus productos o junto con ellos.
Es importante para los negocios identificar a los clientes para segmentarlos y atenderlos de
acuerdo a sus caractersticas y as aumentar las probabilidades de compra y satisfaccin.
El Planificador:
Es aquel comprador que tiene una intencin previa de comprar una categora de producto
determinada ,considerando una marca especfica, da lugar a lo que se conoce como compra
-
7/22/2019 Vasquez Manrique Cesar
16/61
16
planificada normalmente ingresa al punto de venta ve directamente al producto luego puede o
no mirar otros productos y se va, el tiempo de compra es rpido , aqu el sistema de
reconocimiento facial identificara al cliente(cliente planificador) y guardara la hora y fecha de
entrada as como de salida adems de los productos comprados y la comparacin con sus
anteriores compras buscando productos y fechas repetitivas (tal vez se podra hacer un plan demarketing y de atencin para que el cliente compre rpidamente lo que necesita ya que este
valora su tiempo as como tambin hacer la publicidad adecuada para el).
El Planificador parcial:
Tiene planificado comprar una categora de producto, pero no ha decidido qu marca va a
comprar. Evidentemente este tipo de compra est planificada en cuanto a la categora de
producto, pero no en cuanto a la marca es decir, es una compra de impulso parcial, aqu elsistema de reconocimiento facial identificara al cliente(cliente planificador parcial) y guardara la
hora y fecha de entrada as como de salida adems de los productos comprados y la
comparacin con sus anteriores compras buscando productos y fechas repetitivas (tal vez es
un cliente que le gustan las ofertas o productos de una caracterstica o insumo especial) para lo
cual el vendedor sabr guiarlo y ofrecer los productos ms adecuados aumentando as la
probabilidad de venta y la satisfaccin del cliente.
El comprador impulsivo:
No ha planificado ni la compra de un producto genrico ni la compra de una marca especfica,
pero, sin embargo, compra un producto, dando lugar a lo que se denomina compra por impulso,
generando ms utilidades a la empresa, aqu el sistema de reconocimiento facial identificara al
cliente(cliente comprador impulsivo) y guardara la hora y fecha de entrada as como de salida
adems de los productos comprados y la comparacin con sus anteriores compras buscando
productos y fechas repetitivas (tal vez es un cliente que est pendiente de productos
tecnolgicos y deseara lo ms nuevo, o est pendiente de la moda en ropa, etc.) para lo cual el
vendedor lo guiara y ofrecer los productos ms actuales incidiendo y llevndolo a comprar
teniendo en cuenta que siempre compra, tendr un trato especial y amable generando la venta
y su satisfaccin.
-
7/22/2019 Vasquez Manrique Cesar
17/61
17
Cliente de cuidado
Es el cliente que ha cometido alguna falta o delito dentro del negocio, el sistema lo reconocer
y mostrara un mensaje de alerta para que el personal de seguridad o los empleados del
negocio puedan estar atentos a cualquier acto delictivo y se ponga en marcha el procedimientoadecuado.
Los sistemas de reconocimiento facial nos darn datos especficos de cada cliente en cada
instante guardndolas en una base de datos para luego hacer un anlisis del cliente, su
segmentacin y as llegar afectivamente a cada tipo de cliente para tener un mayor
acercamiento y ventaja en la venta.
Un sistema de reconocimiento facial nos proporcionara la siguiente informacin:
a) Hora de entrada del cliente
b) Numero de acompaantes
c) Productos que busca
d) Tiempo que se demora en tomar su decisin
e) Zonas dentro de la tienda que recorre
f) Que llama su atencin del producto
g) Inters en la descripcin del producto
h) Monto de compra
i) Hora de salida del local
Al procesar la informacin en tiempo real esta nos dar como resultado
a) Cul es su estilo
b) Cules son sus preferencias y gustos
c) Regularidad con la que compra
d) Cuanto de rentabilidad genera a la empresa
e) Cules son los productos que podemos sugerir
f) Medir el impacto de los productos nuevos o en oferta
g) Qu estrategia de venta utilizar.
h) Faltas cometidas
-
7/22/2019 Vasquez Manrique Cesar
18/61
18
Este tipo de tecnologa tambin nos permitir
i) Saber el segmento al que pertenece el cliente y accionar el plan de marketing adecuado
justo en el momento de la compra, esta es una ventaja ya que actualmente se reconoceal cliente cuando paga (en otras palabras, cuando ya compro) y recin ah se le puede
reconocer, pero que tal si el cliente entra y solo se va, tal vez pudo comprar pero nadie
le ofreci adecuadamente nada y por lo tanto perdimos una venta.
j) Detectar a personas con antecedentes delictivos en el negocio, esta es una
preocupacin para los dueos, por las prdidas que ocasiona.
Cabe resaltar que el sistema de reconocimiento facial no es intrusivo eso quiere decir que no
invadimos ni incomodamos al cliente para la toma de esta informacin valiosa, eso nos da
mucha ventaja con respecto a otros mtodos de reconocimiento biomtrico.
Tambin es verdad que en EEUU Google tiene problemas legales con respecto a la
informacin de los clientes y datos personales, pero nuestro argumento del sistema es que este
no registrara datos personales de los clientes solo su rostro y sus datos de compras, bajo este
punto no existe ninguna ley en el mundo que lo prohba
1.2 Planteamiento del Problema:
En la actualidad es dispensable para cualquier empresa que desee sobrevivir en unmundo tan competitivo como el nuestro, conocer y personalizar el servicio producto oatencin hacia los clientes.
Es as que vemos que da a da los sectores industriales, empresas que prestan serviciosy otras, ven como sus mrgenes se tornan ms estrechos, producto del incremento en losniveles de competitividad y que cada vez son ms los nuevos productos que salen yproductos que sustituyen a los anteriores debido a la competencia.
Adems los proveedores y consumidores han mejorado su poder de negociacin y losactuales empresarios de la industria su capacidad de competir.
http://www.monografias.com/trabajos11/empre/empre.shtmlhttp://www.monografias.com/trabajos11/empre/empre.shtmlhttp://www.monografias.com/trabajos14/verific-servicios/verific-servicios.shtmlhttp://www.monografias.com/trabajos12/elproduc/elproduc.shtmlhttp://www.monografias.com/trabajos29/vision-y-estrategia/vision-y-estrategia.shtmlhttp://www.monografias.com/trabajos12/elproduc/elproduc.shtmlhttp://www.monografias.com/trabajos7/compro/compro.shtmlhttp://www.monografias.com/trabajos6/lacali/lacali.shtml#influenciahttp://www.monografias.com/trabajos35/el-poder/el-poder.shtmlhttp://www.monografias.com/trabajos10/bane/bane.shtmlhttp://www.monografias.com/trabajos16/industria-ingenieria/industria-ingenieria.shtmlhttp://www.monografias.com/trabajos16/industria-ingenieria/industria-ingenieria.shtmlhttp://www.monografias.com/trabajos10/bane/bane.shtmlhttp://www.monografias.com/trabajos35/el-poder/el-poder.shtmlhttp://www.monografias.com/trabajos6/lacali/lacali.shtml#influenciahttp://www.monografias.com/trabajos7/compro/compro.shtmlhttp://www.monografias.com/trabajos12/elproduc/elproduc.shtmlhttp://www.monografias.com/trabajos29/vision-y-estrategia/vision-y-estrategia.shtmlhttp://www.monografias.com/trabajos12/elproduc/elproduc.shtmlhttp://www.monografias.com/trabajos14/verific-servicios/verific-servicios.shtmlhttp://www.monografias.com/trabajos11/empre/empre.shtmlhttp://www.monografias.com/trabajos11/empre/empre.shtml -
7/22/2019 Vasquez Manrique Cesar
19/61
19
Las empresas en el mundo estn convencidas de que si se logra conocer y satisfacer alos consumidores, ganaran su lealtad, tendr buena imagen, que se trasmitir a nuevosclientes potenciales gracias a lo cual conseguir alcanzar sus objetivos por eso en laactualidad la mayora de las empresas reconocen que si tienen malas ganancias outilidades , saben que es necesario nuevas estrategias y herramientas para poder revertiresta situacin
Por lo que en cualquier negocio es importante que el personal sepa y atiendacorrectamente a cada uno de los clientes que ingresa al establecimiento de ventateniendo en cuenta que somos seres humanos y necesitamos una atencinpersonalizada, pero por lo general el personal de ventas es muy variable(es derenovacin rpida) y nuestra capacidad humana no es lo suficientemente rpida paraidentificar a un cliente y obtener todos los movimientos(comprasventas,devoluciones,estadsticas) que el cliente efectu en el negocio por lo que esto esun impedimento para aplicar correctamente las tcnicas de marketing y ventas adecuadas
para asegurar y aproximarnos ms efectivamente a realizar una venta cabe recordar queen estos tiempos donde existe una brutal competencia por captar y llamar la atencin delos clientes, es necesario aprovechar todas las herramientas tecnolgicas paraincrementar de manera objetiva el conocimiento sobre el comprador y el proceso decompra, dentro de los negocios
El sistema se implantara en las tiendas de la empresa Negociaciones Pool s.a. en la cual el
dueo refiere que tiene los siguientes problemas
k) Prdida de clientes
En sus 4 tiendas de ventas por menor de sus prendas existe una base de datos en
Access con los nombres y direccin de los clientes (datos que son tomados de sus
boletas de venta) con lo cual sustenta que los clientes han disminuido, aseverando que
la agresiva competencia tambin le afecta .
http://www.monografias.com/trabajos7/imco/imco.shtmlhttp://www.monografias.com/trabajos11/sercli/sercli.shtmlhttp://www.monografias.com/trabajos16/objetivos-educacion/objetivos-educacion.shtmlhttp://www.monografias.com/trabajos16/objetivos-educacion/objetivos-educacion.shtmlhttp://www.monografias.com/trabajos11/sercli/sercli.shtmlhttp://www.monografias.com/trabajos7/imco/imco.shtml -
7/22/2019 Vasquez Manrique Cesar
20/61
20
Total de clientes por tienda aproximadamente al mes
Fuente: Registro de las boletas emitidas
Nmero de quejas aproximadas recibidas mensualmente por tienda
Fuente: Registrado en cuadernos de control de la empresa
0
100
200
300
400
500
600
700
Tienda 1(Chancay)
Tienda 2(Chancay)2
Tienda 1(Huaral)
Tienda 2(Huaral)
0
5
10
15
20
25
30
35
Tda
Chancay 1
Tda
Chancay 2
Tda
Huaral 1
Tda
Huaral 2
Atencion no adecuada
Productos
Servicios
-
7/22/2019 Vasquez Manrique Cesar
21/61
21
Cantidad de devoluciones registradas por tienda
Fuente: Registrado en cuadernos de control de la empresa
Cuadro comparativo de Ventas anuales por tienda
Fuente: Registro de las boletas emitidas
Analizando la informacin se observa que la prdida de clientes generado por la falta de
atencin adecuada, quejas, devoluciones, insatisfaccin y el desconocimiento de los gustos y
preferencias as como tambin la falta de un plan de marketing personalizado repercute en las
ventas y productividad, ocasionando falta de liquidez, problemas de rotacin de inventarios,
aumento de costos, rotacin de personal de ventas y mal clima laboral.
0
5
10
15
20
25
30
35
Tda
Chancay
1
Tda
Chancay
2
Tda
Huaral 1
Tda
Huaral 2
Por falla del producto
Insatisfaccion del cliente
0
20000
40000
60000
80000
100000
120000
140000
160000
180000
200000
Tda Chancay 1 Tda Chancay 2 Tda Huaral 1 Tda Huaral 2
2010
2011
2012
-
7/22/2019 Vasquez Manrique Cesar
22/61
22
1.3 Formulacin del Problema
La implementacin de un sistema biomtrico de reconocimiento facial permitir
personalizar su atencin y llegar efectivamente a los clientes para aumentar sus ventas y la
satisfaccin de los clientes?
1.4 Justificacin e Importancia de la Investigacin
En este mundo globalizado y muy competitivo en donde el factor primordial es el clientese debe tener en cuenta que la satisfaccin de este es el crecimiento y el sustento de laempresa por lo tanto herramientas que ayuden a cumplir este objetivo(satisfaccin del
cliente) deben ser implementadas para dar una mayor competitividad a la empresaaplicando ms efectivamente tcnicas de marketing, as como tambin la constanterenovacin del personal no repercutir mucho en la atencin a los clientes.
Por lo que este proyecto de tesis se centra en desarrollar un sistema de informacin
basado en la deteccin biomtrica facial y su aplicacin en los negocios, capturando
informacin especfica de los clientes almacenndola en una base de datos para luego
hacer la clasificacin y un perfil de compra del cliente y sugerir una estrategia de venta
adecuada.
Este tipo de sistemas biomtricos se espera que ayude a la empresa Negociaciones Pools.a. aumentar sus ventas para que pueda sobrevivir y seguir generando puestos de
trabajo
1.5 Objetivos
1.5.1 Objetivo General
Implementar un sistema de informacin basado en la deteccin biometral aplicado a
los negocios.1.5.2 Objetivos Especficos
a) Recopilar, evaluar e utilizar las tcnicas y algoritmos ms eficaces de reconocimientobiomtrico facial y su implementacin en software libre.
b) Analizar la informacin necesaria para el desarrollo del sistema de deteccinbiomtrico facial.
c) Desarrollar un perfil de compras y clasificacin de clientes.d) Disear e implementar una base de datos donde se guardaran y consultaran
los datos capturados de los clientes.
-
7/22/2019 Vasquez Manrique Cesar
23/61
-
7/22/2019 Vasquez Manrique Cesar
24/61
24
CAPITULO II
Marco Terico
-
7/22/2019 Vasquez Manrique Cesar
25/61
25
2. Marco Terico
2.1 Antecedentes de la Investigacin
2.1.1 Crecemype, Conoce Bien a tu Cliente. Revista Electrnica Producida por elMinisterio de la produccin (1).Este Material nos da una visin de qu, cmo, cundo, adnde y por quConsume un cliente, para saber cules son sus necesidades, cmo satisfacerlas y cmosuperar sus expectativas, ofrecindole lo que realmente necesita, adems nos muestraCmo podemos conocer sus preferencias yExpectativas, tambin describe las herramientas ms efectivas para conocer a losclientes, pero las ms efectivas para as intentar predecir su comportamiento de compra
y por ultimo brinda unos principios bsicos para alcanzar el xito en los negocios. Todaesta informacin es importante para mi proyecto porque sabr que datos sonimportantes para disear mi base de datos as como cules son los datos que necesito yla manera de procesar la informacin obtenida.
2.1.2 Tamara Herrero Vez, Sistema automtico de deteccin y etiquetado de caras enimgenes. Proyecto Fin de Carrera Ingeniera de Telecomunicacin EspecialidadSonido e Imagen, UNIVERSIDAD CARLOS III DE MADRID. (2)
Detectar rostros en fotografas es un problema en pleno auge en el campo de la visinpor ordenador y son muchas las aplicaciones prcticas que se tienen en la actualidad,
videoconferencia, vigilancia, control de acceso, etc. Adems el etiquetado de fotos es unrecurso muy necesitado en Internet, donde la cantidad de imgenes creceexponencialmente y es una necesidad cada vez mayor el poder clasificarlas de algunamanera.El objetivo de este proyecto es capturar a partir de una imagen detectar todas las caras yetiquetarlas de acuerdo a sus caractersticas (barba, color de ojos, sexo) el sistemautiliza las funciones que dispone Matlab para logar su objetivo, con este proyectoentend ms como es el proceso de reconocimiento facial (pre procesamiento,procesamiento, segmentacin, reconocimiento y deteccin de imgenes)
Fuente (1):www.crecemype.pe (2):www.UClll.edu.es
2.1.3 Jorge Rafael Valvert Gamboa, Mtodos y tcnicas de reconocimiento de rostros enimgenes digitales bidimensionales. Trabajo de graduacin, UNIVERSIDAD DeSan Carlos de Guatemala. (3)
En este documento se trata todo lo concerniente a las diferentes tcnicas que existepara el reconocimiento de rostros en imgenes como son (descriptores de contorno,
descriptores de regin, reconocimiento de rasgos) as como la preparacin de imgenes
-
7/22/2019 Vasquez Manrique Cesar
26/61
26
para el reconocimiento de rostros y construccin del espacio facial de eigen para elentrenamiento para el posterior reconocimiento.Tambin muestra los diferentes mtodos que se utiliza para la clasificacin y aprendizajede cars como son las redes neuronales y los algoritmos genticos.
Fuente (3):www.UDSCG.EDU.GT
-
7/22/2019 Vasquez Manrique Cesar
27/61
27
2.1.4 El reconocimiento facial, la nueva arma de las marcas para desnudar
Al consumidor en el punto de venta (4)
NeoFace es una tecnologa de deteccin y comparacin de informacin que proporciona alos puntos de venta datos adicionales sobre los hbitos de compra del consumidor. Los
datos generados mediante el reconocimiento facial sumados a las fechas y a las horas en
que el consumidor visita los puntos de venta permiten analizar tendencias y hbitos de
compra, informa PSFK.
Este nuevo servicio, destinado fundamentalmente a cadenas de tiendas y a grandes centros
comerciales, podra ayudar a redefinir sus estrategias de marketing, pues puede detectar a
los consumidores que repiten y a aquellos que gastan considerables sumas de dinero en
puntos de venta diferentes. Para poner en marcha este servicio, se necesita simplemente
un ordenador, una cmara de vdeo y costes mensuales de alrededor de 880 dlares por
tienda
Captura de pantalla del sistema NEOFACE
Fuente(4): http://www.marketingdirecto.com/actualidad/marketing-directo/el-reconocimiento-facial-la-nueva-arma-de-las-marcas-para-desnudar-
al-consumidor-en-el-punto-de-venta/
http://www.marketingdirecto.com/actualidad/marketing-directo/el-reconocimiento-facial-la-nueva-arma-de-las-marcas-para-desnudar-al-consumidor-en-el-punto-de-venta/http://www.marketingdirecto.com/actualidad/marketing-directo/el-reconocimiento-facial-la-nueva-arma-de-las-marcas-para-desnudar-al-consumidor-en-el-punto-de-venta/http://www.marketingdirecto.com/actualidad/marketing-directo/el-reconocimiento-facial-la-nueva-arma-de-las-marcas-para-desnudar-al-consumidor-en-el-punto-de-venta/http://www.marketingdirecto.com/actualidad/marketing-directo/el-reconocimiento-facial-la-nueva-arma-de-las-marcas-para-desnudar-al-consumidor-en-el-punto-de-venta/ -
7/22/2019 Vasquez Manrique Cesar
28/61
28
2.1.5 Reconocimiento facial y el marketing (5)
El reconocimiento facial es una tecnologa que permite distinguir e identificar caras, enfuncin de la captura de una imagen digital y su comparacin con una base de datos (decaras obviamente) preexistente. Esta tecnologa permite as identificar rostros ypersonas.
El Marketing ha captado esta tecnologa, para utilizarlo en acciones concretas con susclientes. Y a veces en forma muy creativa.Vean este ejemplo. Para el lanzamiento de una nueva lnea de productos (gelatina) paraadultos, la marca Jell-o Temptations desarroll un dispositivo de muestras gratis solopara gente adulta. Y gracias a la tecnologa, la misma puede distinguir si el consumidorpotencial es un adulto o no, y si es demasiado joven, denegarle el postre.
Este dispositivo se incluy estratgicamente en el Shedd Aquarium de Chicago con el finprimario de llamar la atencin de los nios. Es as, son ellos los ms proclives a
probar e interactuar con la tecnologa, y el hecho de denegarles el premio, una excusa
magnfica para que llamen a sus padres y prueben ellos.
Capturas de pantalla, exponiendo el funcionamiento del sistema
Fuente(5): http://www.marketingyestrategia.com/noticia/266/reconocimiento-facial-y-el-marketing
http://es.wikipedia.org/wiki/Sistema_de_reconocimiento_facialhttp://www.kraftbrands.com/jello/http://www.sheddaquarium.org/http://www.sheddaquarium.org/http://www.kraftbrands.com/jello/http://es.wikipedia.org/wiki/Sistema_de_reconocimiento_facial -
7/22/2019 Vasquez Manrique Cesar
29/61
29
2.1.6El reconocimiento facial y su utilizacin en el marketing(6)
La technologies de reconocimiento facial que bsicamente consiste en la capacidad de
reconocer una persona a travs de puntos definidos de su cara, es una tcnica que se
basa especialmente en algoritmos y que ha despertado en los ltimos tiempos un
especial inters en los especialistas de marketing al observar un gran potencial para ser
empleada en la vinculacin de productos con los perfiles del usuario.
No solo la gente del mundo de la venta ha observado el potencial que presenta esta
herramienta sino que un destacado profesor de la Universidad Estatal de Iowa con una
base sumamente racional considera que con la tecnologa del reconocimiento facial se
pueden crear lo que l llama mavatares que tiene su origen en la frase avatares de
marketing. Estos mavatares seran utilizados en forma eficiente en lograr una focalizada
comercializacin de productos y adems para tener una base de datos que sirva de
soporte tcnico que sirva de herramienta para los tcnicos de marketing.
El plan imaginado por los especialistas en marketing y este profesor de Iowa integran de
forma importante la participacin de las redes sociales como Facebook y Google +,
como grandes proveedores de datos de los potenciales clientes al enlazar un perfil del
mismo en materia de gustos, aficiones, tendencias con su imgen y de esta manera
asociar las caractersticas del producto o servicio con los mismos para dirigir en formams eficiente la publicidad y las oferta de los mismos. Brian Mennecke dice que el
programa que escanea de imagen que recibe desde una pantalla los rostros de las
personas que observan un anuncio por ejemplo, y reflejan inters en el mismo por el
tiempo que pasa observando, se puede utilizar para construir un perfil robusto que
incluya datos demogrficos y otros atributos de los usuarios que presentan un inters
especial por el producto o servicio. De esta manera se puede configurar un nicho destino
con mayor precisin y eficiencia.Las demandas de este tipo de aplicacin sern cada
vez ms populares, con un creciente nmero de personas que toman fotos a travs de
los dispositivos mviles y las suben a las redes sociales. A medida que los usuarios
optan para aplicaciones como las Sugerencias de etiquetas de Facebook, los usuarios
pueden ayudar a construir una importante base de datos de reconocimiento facial que
ms tarde podran ser vendidos a los comerciantes de negocios como herramienta de
marketing.
Fuente(6): http://www.ticweb.es/el-reconocimiento-facial-y-su-utilizacion-en-el-marketing/
http://www.ticweb.es/el-reconocimiento-facial-y-su-utilizacion-en-el-marketing/http://www.ticweb.es/el-reconocimiento-facial-y-su-utilizacion-en-el-marketing/http://www.ticweb.es/el-reconocimiento-facial-y-su-utilizacion-en-el-marketing/http://www.ticweb.es/el-reconocimiento-facial-y-su-utilizacion-en-el-marketing/http://www.ticweb.es/el-reconocimiento-facial-y-su-utilizacion-en-el-marketing/http://www.ticweb.es/el-reconocimiento-facial-y-su-utilizacion-en-el-marketing/ -
7/22/2019 Vasquez Manrique Cesar
30/61
30
2.1.7. Maniques equipados con cmaras para analizar a la clientela (7)
El fabricante de maniques italiano Almax y Kee Square, una compaa de tecnologa de
reconocimiento facial afiliada al Politcnico de Miln, han llevado la investigacin de
mercado a un nuevo nivel con el modelo EyeSee. Este nuevo maniqu parece normal,
pero incluye una cmara incorporada en un ojo, capacidades de grabacin de audio,
software de reconocimiento facial y un mdem para enviar los datos a un servidor.
El software registra la edad, el gnero y la etnia de los compradores que pasan delante
del maniqu.
Este sistema de reconocimiento facial, proyectado y realizado por Kee Square en
colaboracin con Selea (sociedad de investigacin y desarrollo de sistemas avanzadosde videovigilancia), permite analizar las caractersticas somticas de las personas que
transitan por delante del maniqu y provee datos estadsticos y contextuales, tiles para
elaborar especficas estrategias de marketing. El software incorporado provee an otros
datos significativos, como el nmero de personas que transitan por delante del
escaparate en determinados momentos del da. Por lo tanto, de ahora en adelante, los
retailers pueden saber cuntas personas entran en la tienda, registrar en qu horas hay
mayor afluencia de clientes (y de que tipologa), adems de entender si algunas zonasarriesgan la aglomeracin.
Las informaciones recogidas por los maniques permiten evaluar la eficacia de la
exposicin de los escaparates y al mismo tiempo, mejorar, por ejemplo, el servicio
suministrado por el personal de la tienda que, en base a la afluencia y a la parada de la
clientela en determinadas reas, puede desplazarse para ofrecer un soporte mayor a la
venta o hacer circular mejor la clientela.
Asimismo, estos datos mostrarn si un determinado producto ha llamado la atencin del
usuario, permitirn evaluar la atraccin y la eficacia del escaparate e incluso descubrir
nuevos target de referencia. Y todo esto, con el respeto total de la privacidad, tutelada
por un sofisticado mix tecnolgico hardware-software, que elabora los datos cmara a
bordo, o bien, sin el auxilio de un ordenador y sin tener que transmitir y registrar
informaciones sensibles (imgenes datos biomtricos), sin dejar ningn rastro de los
rostros analizados.
Anlisis de datos
-
7/22/2019 Vasquez Manrique Cesar
31/61
31
Max Catanese, director general de Almax, ha indicado: El EyeSee puede saber si un
comprador es hombre o mujer, su edad, la cantidad de tiempo que pasa mirando al
maniqu y a su atuendo. El EyeSee tambin puede indicar la etnia de los compradores.
El objetivo, como se puede suponer, es que las tiendas puedan saber ms acerca dequin est comprando y mirando la ropa expuesta.
El potencial es enorme. Una tienda puede realmente saber quin es su cliente. Digamos
que uno tiene ocho plantas de tienda y seis de ellas son para mujeres y dos para
hombres, pero te encuentras con que el 80 por ciento de los compradores son hombres.
Entonces, obviamente, desear cambiar esa proporcin, ha sealado Catanese. El
ordenador en el interior del maniqu captura los datos de cada uno de los compradores
que ve y luego los carga en un portal, por lo que la tienda puede ver las estadsticas.Sinembargo, aunque puede parecer una especie de espionaje y una invasin de la
privacidad, no es as, segn Catanese. El EyeSee no almacena imgenes ni graba
vdeos ni audio, aunque tendr la capacidad de escuchar para captar posibles
tendencias. Pronto podra capturar palabras clave entre las personas. Por ejemplo, si
alguien est delante de un maniqu con un vestido azul, y le dice a su acompaante:
Sera maravilloso tenerlo en rojo, el sistema captar y analizar las palabras, pero no
las grabar, concluye Catanese.
-
7/22/2019 Vasquez Manrique Cesar
32/61
32
Captura de pantalla del funcionamiento del sistema dentro de un maniqui
Fuente(7):http://www.burbuja.info/inmobiliaria/burbuja-inmobiliaria/401825-maniquies-equipados-camaras-analizar-a-clientela.html
http://www.burbuja.info/inmobiliaria/burbuja-inmobiliaria/401825-maniquies-equipados-camaras-analizar-a-clientela.htmlhttp://www.burbuja.info/inmobiliaria/burbuja-inmobiliaria/401825-maniquies-equipados-camaras-analizar-a-clientela.htmlhttp://www.burbuja.info/inmobiliaria/burbuja-inmobiliaria/401825-maniquies-equipados-camaras-analizar-a-clientela.htmlhttp://www.burbuja.info/inmobiliaria/burbuja-inmobiliaria/401825-maniquies-equipados-camaras-analizar-a-clientela.html -
7/22/2019 Vasquez Manrique Cesar
33/61
33
2.2 Base Terica
2.2.1 Mtodo de Deteccin de Rostros de Viola Jones[1]
Segn los autores Li y Jain [5], en sus comparaciones de los diversos mtodos dedeteccin del rostro, el mtodo de Viola y Jones basado en Adaboost ha sido el ms
eficaz de todos los trabajos desarrollados. En trminos de relacin deteccin y falsos
positivos, este mtodo es comparable al de la red neuronal [32]pero se realiza varias
veces mucho ms rpidamente. Su sistema se considera el primer detector de rostro en
tiempo real es por este motivo que realizare este proyecto con la tcnica de Viola y
Jones
Viola y Jones presentaron un mtodo rpido de deteccin de objeto basado en un
algoritmo en cascada usando descriptores simples llamados los descriptores de "Haar"
que pueden ser calculados de modo eficaz utilizando una representacin intermediaria
de la imagen llamada imagen integral.
Propusieron tambin un procedimiento de clasificacin a varias etapas el cual reduce
considerablemente el tiempo de ejecucin y obteniendo una alta exactitud.
Cuando queremos detectar y seguir un rostro artificialmente debemos tomar en cuenta
varios factores estos son: iluminacin, postura y escala, la variacin de cualquiera de
estos factores influir considerablemente en el resultado final.
El mtodo de Viola Jones requiere de una fase de aprendizaje en la cual de robustecer
la funcin del clasificador, el cual explorara mediante el algoritmo de deteccin de rostro
y as podr separar e identificar los rostros de los no rostros a travs de rboles de
decisin, previamente el mtodo aplica escala de grises a la imagen.
Para esto es necesaria las siguientes 3 etapas
- Procesamiento o tratamiento previo de a imagen
- Extraccin de caractersticas
-
7/22/2019 Vasquez Manrique Cesar
34/61
34
- Toma de decisin
Se muestra el flujo grama para la deteccin de rostros
Fuente: Proyecto de fin de carrera. SISTEMA AUTOMTICO DE DETECCINY ETIQUETADO DE CARAS EN IMGENES, pag, 23, figura34
2.2.2 Reprocesamiento de la imagen [2]
2.2.2.1 Transformacin de la imagen a escala de grises
Este mtodo est basado en los descriptores de Haar, en la mayora de casos, la
imagen est representada en el espacio de los colores YUV, en ese caso la imagen en
nivel de gris correspondiente se deduce directamente de la imagen original considerando
nicamente la luminancia de cada pixel (Y). El modelo YUV es un espacio de color en
trminos de una componente de luminancia y dos componentes de crominancia. Es el
modelo usado en los sistemas PAL y NTSC de difusin de televisin, el cual es el
estndar en la mayora del mundo. El modelo YUV est ms prximo al modelo humano
de percepcin que el estndar RGB usado en el hardware de grficos por computadora.
-
7/22/2019 Vasquez Manrique Cesar
35/61
35
Diferentes formatos en los que se pueden representar las imgenes
Fuente: Proyecto de fin de carrera. SISTEMA AUTOMTICO DE DETECCINY ETIQUETADO DE CARAS EN IMGENES, pag, 78, figura49
2.2.2.2. Escalado por Interpolacin
Otro procesamiento, que resulta til, consiste en cambiar el tamao de la imagen para
controlar mejor el tiempo de clculo y el espacio memoria, esto se realiza mediante la
interpolacin que puede considerarse como el clculo del valor de intensidad de un pixel,
en una posicin cualquiera, como una funcin de los pixeles que lo rodea.
Existen diferentes tcnicas de interpolacin, entre los cuales los ms utilizados en el
procesamiento geomtrico de imgenes son: bilineal, cbica y vecino ms cercano
En la interpolacin cbica se requiere del valor de los 16 puntos para calcular el valor de
punto central.
-
7/22/2019 Vasquez Manrique Cesar
36/61
36
Fuente: Diapositiva, Eliminacin del ruido en imgenes, Universidad de Crdova. Da. 23, fig. 7
2.2.2.3. Ecualizacin del Histograma
Es una transformacin que pretende obtener, para una imagen, un histograma con
distribucin uniforme. Es decir, que exista el mismo nmero de pixeles para cada nivel
de gris del histograma.
En la transformacin, todos los pixeles de un mismo nivel de gris se transformarn a otro
nivel de gris, y el histograma se distribuir en todo el rango disponible separando en lo
posible las ocupaciones de cada nivel.
Se puede aplicar diferentes tipos de ecualizacin: uniforme, exponencial, de Rayleigh
-
7/22/2019 Vasquez Manrique Cesar
37/61
37
2.2.3. Deteccin del borde Mediante el Algoritmo de Canny [3]
El detector del borde de Canny se usa para rechazar algunas regiones de la imagen que
contengan demasiados o pocos contornos, regiones que no puede contener el objetobuscado, el objetivo de este procedimiento es acelerar el proceso de deteccin.
El algoritmo de Canny se considera uno de los mejores detectores del borde en
procesamiento de imgenes. Este algoritmo se fundamenta en la teora de operadores
de la primera derivada, debido a que toma el valor de cero en todas las regiones donde
no vara la intensidad y tiene un valor constante en toda la transicin de intensidad, por
lo tanto un cambio de intensidad se manifiesta como un cambio brusco en la primeraderivada, caracterstica que es usada para detectar un borde. El detector de Canny
resulta particularmente interesante porque extrae bordes y cierra los contornos evitando
posible rupturas de los mismos durante su extraccin, este es desglosado en tres
Mdulos .
1Obtencin del gradiente: en este paso se calcula la magnitud y orientacin del vector
gradiente en cada pxel.
2Supresin no mxima: en este paso se logra el adelgazamiento del ancho de los
bordes, obtenidos con el gradiente, hasta lograr bordes de un pxel de ancho.
3Histresis de umbral: en este paso se aplica una funcin de histresis basada en dos
umbrales; con este proceso se pretende reducir la posibilidad de aparicin de contornos
falsos.
-
7/22/2019 Vasquez Manrique Cesar
38/61
38
En la figura se muestra la deteccin del borde Mediante el Algoritmo de Canny
2.2.4 Extraccin de Descriptores [4]
A partir de la imagen transformada en nivel de gris, redimensionada y con una
regulacin ptima y automtica del contraste, se realiza la extraccin de caractersticas o
descriptores que van a constituir la entrada del sistema de reconocimiento.
Los descriptores son extrados a partir de la imagen en nivel de gris mediante la imagen
integral, se calcula la imagen integral de los cuadrados el valor de la imagen integral de
los cuadrados al punto (x; y) es la suma de todos los valores de pxeles al cuadrado
situados encima y a la izquierda.
La imagen integral permite reducir considerablemente el tiempo de clculo de losdescriptores, lo mismo la imagen integral de los cuadrados es una representacin de la
imagen que permite calcular la covariancia en una ventana muy rpidamente a partir de
cuatro referencias solamente.
-
7/22/2019 Vasquez Manrique Cesar
39/61
39
2.2.5. Block de decisinLa imagen integral y la funcin de clasificacin son las entradas de un bucle, a cada
iteracin la ventana de barrido ser redimensionada; siendo ms precisos, ser
aumentada por un factor bien escogido de escala. Por consecuencia, los datos de la
funcin de clasificacin deben ser adaptados a este cambio.
La adaptacin principalmente consiste en redimensionar los rectngulos de Haar
proporcionalmente al tamao de la ventana, este bucle garantiza la deteccin de rostro atoda escala, pues su parmetro principal es el factor de escala este parmetro
generalmente es entre 1.1 y 1.4. a fin de poder localizar los rostros en todo
emplazamiento de la imagen esta ventana debe recorrer toda la imagen.
2.2.6 Descriptores de Harr[4]
El valor de un punto de la imagen solo nos informa sobre el color en este punto una
tcnica ms elaborada es encontrar detectores basados en caractersticas ms globales
del objeto, es el caso de los descriptores de Haar.
Estos descriptores son funciones que permiten acentuar la diferencia de contraste entre
diferentes regiones rectangulares adyacente en una imagen es una manera de codificar
los contrastes existentes entre un rostro y las relaciones espaciales.
Un descriptor es representado por un rectngulo definido por su vrtice, su altura, su
longitud y sus pesos (negativo o positivo, de cada rectngulo).
-
7/22/2019 Vasquez Manrique Cesar
40/61
40
Hay muchas motivaciones para el uso de los descriptores ms bien que los pxeles
directamente ya que son ms precisos y por ende ms rpidos a comparacin de los
pixeles.
Representacin grafica de un descriptor
El algoritmo de Viola y Jones utiliza tres tipos de descriptores
- Un descriptor a dos rectngulos es la diferencia entra la suma de los pxeles de ambas
regiones rectangulares las regiones tienen el mismo tamao, forma y estn
horizontalmente o verticalmente adyacentes.
- Un descriptor a tres rectngulos, es la suma de los pxeles en ambos rectngulos
exteriores sustrados por la suma en el rectngulo central.
- Un descriptor a cuatro rectngulos es la diferencia entre los pares diagonales de los
rectngulos.
-
7/22/2019 Vasquez Manrique Cesar
41/61
41
Descriptores utilizados en el mtodo de Viola Jones
Importancia de los descriptores de Haar
Los descriptores rectngulos son atributos simples en comparacin con otros medios de
anlisis pero a pesar de la sencillez son sensibles a la presencia de los contornos, las
barras y otras estructuras simples en la imagen, adems tiene la propiedad de ser
evaluado en cualquier escala y cualquier lugar mediante muy pocas operaciones.
Como demostraron Viola y Jones los algoritmos de deteccin con resultados aceptables
podan ser construidos con solamente dos descriptores.
Algoritmos de aprendizaje
En los trabajos de Viola y Jones una versin de algoritmo de aprendizaje conocido bajo
el nombre de AdaBoost, que significa adaptative boosting , se emple para elegir los
descriptores y formar la funcin de clasificacin, es uno de los algoritmos ms utilizados
en aprendizaje automtico.
Bajo su forma original, el algoritmo de aprendizaje de AdaBoost se emple para mejorar
un algoritmo de aprendizaje simple su principio consiste en combinar un conjunto de
funciones sencillas o dbiles de clasificacin para formar una funcin de la clasificacinfuerte, La funcin de clasificacin es dbil si es solamente capaz de reconocer dos
clases al menos.
Por ejemplo para caracterizar bien el rostro, los descriptores rectngulos iniciales
elegidos por AdaBoost son significativos y fcilmente interpretados la eleccin del
primer descriptor se basa en la propiedad que la regin de los ojos es a menudo ms
oscura que la regin de la nariz y las mejillas. El segundo descriptor elegido se basa en
-
7/22/2019 Vasquez Manrique Cesar
42/61
42
la propiedad que los ojos son ms oscuros que el puente de la nariz y as se da forma al
reconocimiento.
Descriptores de Haar mas discriminante seleccionados por Adaboost
Las Funciones de clasificacin (decisin) en cascada
El algoritmo de Viola-Jones utiliza un rbol binario de clasificadores para decidir si una
regin se trata de una cara o no. Esta cascada est formada por nodos en los que se
analizan las diferentes caractersticas de las diferentes regiones de la imagen. Cada
nodo representa un clasificador obtenido con el algo-ritmo AdaBoost.
Representacin de un rbol de decisiones para el reconocimiento de rostro
El proceso de aprendizaje que utiliza el algoritmo de Viola-Jones permite como valor de
entrada un error que permitiremos en la clasificacin en el primer nodo del rbol.
-
7/22/2019 Vasquez Manrique Cesar
43/61
43
Utilizando ese valor lo que intenta el algoritmo es crear un clasificador que en el primer
nodo permite el error mximo que hemos permitido en la deteccin y segn el rbol se
vuelve ms profundo el criterio con el que descartamos es mucho ms estricto, de esta
manera cuando una muestra llega al ltimo nivel del rbol sabemos que ha pasado portodos los niveles de deteccin.
Adems, esta forma de organizar el rbol de decisin nos permite descartar en un primer
momento las muestras ms sencillas de detectar y aplicar un mayor esfuerzo a aquellas
cuya clasificacin sea ms dudosa.
2.3 Biblioteca y programas de reconocimiento facial
En la actualidad podemos procesar imgenes en Matlab o en Opencv pero por motivos
que voy a utilizar software libre para desarrollar el proyecto de tesis usare Open cv de la
cual describir a continuacin:
2.3.1 Biblioteca Opencv [6]
OpenCV es una biblioteca libre de visin artificial originalmente desarrollada por Intel.
Desde que apareci su primera versin alfa en el mes de enero de 1999, se ha utilizado
en infinidad de aplicaciones. Desde sistemas de seguridad con deteccin de movimiento,
hasta aplicativos de control de procesos donde se requiere reconocimiento de objetos.
Esto se debe a que su publicacin se da bajo licencia BSD, que permite que sea usada
libremente para propsitos comerciales y de investigacin con las condiciones en ella
expresadas.
Open CV es multiplataforma, existiendo versiones para GNU/Linux, Mac OS X yWindows. Contiene ms de 500 funciones que abarcan una gran gama de reas en elproceso de visin, como reconocimiento de objetos (reconocimiento facial), calibracinde cmaras, visin estreo y visin robtica.
El proyecto pretende proporcionar un entorno de desarrollo fcil de utilizar y altamenteeficiente. Esto se ha logrado, realizando su programacin en cdigo C y C++optimizados, aprovechando adems las capacidades que proveen los procesadoresmulti ncleo. OpenCV puede adems utilizar el sistema de primitivas de rendimiento
http://es.wikipedia.org/wiki/Biblioteca_(programaci%C3%B3n)http://es.wikipedia.org/wiki/Intel_Corporationhttp://es.wikipedia.org/wiki/BSDhttp://es.wikipedia.org/wiki/GNU/Linuxhttp://es.wikipedia.org/wiki/Mac_OS_Xhttp://es.wikipedia.org/wiki/Microsoft_Windowshttp://es.wikipedia.org/w/index.php?title=Reconocimiento_facial&action=edit&redlink=1http://es.wikipedia.org/w/index.php?title=Reconocimiento_facial&action=edit&redlink=1http://es.wikipedia.org/wiki/Microsoft_Windowshttp://es.wikipedia.org/wiki/Mac_OS_Xhttp://es.wikipedia.org/wiki/GNU/Linuxhttp://es.wikipedia.org/wiki/BSDhttp://es.wikipedia.org/wiki/Intel_Corporationhttp://es.wikipedia.org/wiki/Biblioteca_(programaci%C3%B3n) -
7/22/2019 Vasquez Manrique Cesar
44/61
44
integradas de Intel, un conjunto de rutinas de bajo nivel especficas para procesadoresIntel.
Opencv contiene cerca de 500 funciones, esta librera proporciona un alto nivel de
funciones para el procesado de imgenes, ofrece varios tipos de datos de alto nivelcomo juegos, arboles, grficos, matrices, etc.
Algunas de las caractersticas que permite Open CV, son operaciones bsicas,procesamiento de imgenes y anlisis. Anlisis estructural, anlisis de movimiento,reconocimiento del modelo, reconstruccin 3D y calibracin de la cmara etc.
Open CV implementa una gran variedad de herramientas para la interpretacin de laimagen, es compatible con la librera de procesamiento de imgenes de Intel (IntelImage Processing Library (IPL)) la cual implementa algunas operaciones en imgenesdigitales, a pesar de primitivas como binarizacin, filtrado, estadsticas de la imagen,
pirmides, Open CV es principalmente una librera que implementa algoritmos para lastcnicas de la calibracin (Calibracin de la Cmara), deteccin de rasgos, para rastrear(Flujo ptico), anlisis de la forma (Geometra, Contorno que Procesa), anlisis delmovimiento (Plantillas del Movimiento, Estimadores), reconstruccin 3D (Transformacinde vistas), segmentacin de objetos y reconocimiento (Histograma, etc.).
El rasgo esencial de la librera junto con funcionalidad y la calidad es su desempeo. Losalgoritmos estn basados en estructuras de datos muy flexibles, acoplados conestructuras IPL; ms de la mitad de las funciones ha sido optimizada provechndose dela Arquitectura de Intel.
2.3.2 Emgucv [7]
Emgu CV es una plataforma cruzada .Net ligada a la librera de Intel Open CV deprocesamiento de imgenes, permitiendo que las funciones de Open CV sean llamadasdesde .NET, compatible con lenguajes como C#, VB, VC ++ etc. Emgu CV est escritoen C#, pude ser compilado en forma Mono (Monodevelop) por lo cual puede correr encualquier plataforma que contenga la forma Mono, incluyendo Linux/Solaris y mac.
Es necesario bajar todos los dlls que vienen incluidos en Emgu CV en la carpeta dondese ejecuta el cdigo. Para que el cdigo pueda correr sin ningn problema adems demanejar la plataforma a 32 bits.
-
7/22/2019 Vasquez Manrique Cesar
45/61
45
Estructura interna del Framework Emgucv
2.3.3 Entrenamiento usando Haartraining.
La librera de Open CV, provee programas o comandos los cuales son usados paraentrenar clasificadores llamado HaarTraining por lo tanto es posible crear clasificadorespropios haciendo uso de stas. Estos comandos son: createsamples.exe,haaartraining.exe y performance.exe.
Por otro lado, OpenCV viene con unos clasificadores ya entrenadosPara deteccin facial frontal y otros objetos en uno archivos con extensin xml(apartado4.3.3). El objeto de inters puede ser cualquier objeto como rbol, fruta, coche,etc., no solamente el rostro.
Para el logro de este clasificador es preciso completar los siguientes pasos
-
7/22/2019 Vasquez Manrique Cesar
46/61
46
Imgenes de muestra
La parte ms importante del proceso de entrenamiento del clasificador es la derecoleccin de una gran cantidad de muestras positivas y negativas, de forma que deellas se puedan extraer las mejores reglas posibles que formen un detector de objetospotente.El conjunto de imgenes se dividen en dos grupos:
(1) las muestras positivas son en imgenes que contienen mltiples ejemplos de la claseobjeto de inters
(2) la muestras negativas con una coleccin de imgenes donde no se encuentrendichos objetos que se pretende detectar.
En realidad cuatro muestras son necesarias:
a) Muestras positivas para el entrenamiento (generacin del clasificador)b) Muestras negativas para la prueba de clasificadorc) Muestras positivas para el entrenamiento
d) Muestras negativas para la prueba de clasificador
Preparacin de muestra
Las muestras positivas necesarias para construir el clasificador se crean con la utilidadCreatesamples. Tras su ejecucin, se crea un archivo de extensin vec que servir alclasificador para su entrenamiento.
El Createsamples puede tomar como base para la creacin del archivo de entrenamiento
una nica imagen del objeto o una coleccin de imgenes con las coordenadas exactas
-
7/22/2019 Vasquez Manrique Cesar
47/61
47
donde se encuentre el objeto en cada una (archivo ndice). El programa es capaz de, apartir de rotaciones aleatorias, cambios en el color, as como colocacin sobre diversosfondos, generar un gran conjunto de muestras positivas que sirvan para elentrenamiento.
Por ello es necesario crear un archivo de ndices con informacin sobre el conjunto demuestras. Este archivo de ndices (de extensin txt o idx) tendr la siguiente estructura:
nombre_archivo1 nmero_muestras x11 y11 w11 h11 x12 y12...nombre_archivo2 nmero_muestras x21 y21 w21 h21 x22 y22.....
Siendo nombre_archivo el nombre de la imagen donde se encuentran los objetos abuscar.
Debemos destacar que el nombre del archivo debe ir acompaado de su direccindentro del sistema de archivos.nmero_muestras el nmero de objetos positivos que se encuentran en la imagen.
La llamada al programa para crear el archivo de extensin vec tiene los siguientesargumentos:
vec: tras este flag se escribe el nombre del archivo vec que crear el Createsamples apartir de las muestras proporcionadas.
info: preceder al nombre del archivo lista que contendr todas las imgenes de losobjetos que constituyen las muestras positivas.
bg: nombre del archivo con la lista de las imgenes que servirn de fondos (muestrasnegativas).
num: indica al Createsamples el nmero de muestras que contiene el archivo lista yque por tanto aadir en el formato adecuado en el archivo vec.
w: indica el ancho deseado para las muestras creadas en la ejecucin delCreatesamples. Su valor por defecto es de 24 pxeles.
h: indica el valor para el alto de las muestras. Su valor por defecto es 24 pxeles.
Adems de stas, el programa tambin dispone de otras opciones cuyo objetivo esindicar los ngulos mximos en cada direccin para realizar las rotaciones o para hacerla inversin de los colores de la muestra.Cabe resaltar que para que sea una buena muestra para crear nuestro clasificador Harren xml debemos tener por lo menos unas 5000 imgenes negativas y 3000 positivas(esta es la parte mas difcil)Por ejemplo si queremos entrenar y generar un xml para detectar una bolita de pingpong tendremos que tomar imgenes negativas
-
7/22/2019 Vasquez Manrique Cesar
48/61
48
Imgenes Negativas
Imgenes positivas
Para estas imgenestambin debe generarse un archivo ndice, pero que contienen algo ms de informacin:
positivas/img1.bmp 100 100 25 25positivas/img1.bmp 120 110 27 28positivas/img1.bmp 130 900 30 31positivas/img1.bmp 140 105 22 23
En este archivo se especifica donde se encuentra el objeto dentro de la imagen positiva.Siendo las 2 primeras coordenadas x e y (respectivamente) y las siguientes 2 ancho ylargo.Para generar este archivo se cuenta con una herramienta que trae OpenCV
llamada objectmarker.
Opencv contiene todas las herramientas para hacer los entrenamientos dereconocimiento que podemos aprovechar en .net y hacer muchas aplicaciones en estecaso la deteccin facial y otros rasgos.
2.3.4 Recursos para el desarrollo del proyecto
2.3.4.1 Instrumentos Tecnolgicos Software
-
7/22/2019 Vasquez Manrique Cesar
49/61
49
2. 3.4.1Sharp Develop 4.3
Es un entorno de desarrollo integrado libre para los lenguajes de programacin C#,
Visual Basic .NET, Python, F#, Ruby y Boo, puede importar proyectos de Visual Studio
.NET. La versin 4.0 es capaz de editarlos directamente e integra soporte para loslenguajes de programacin Python , F# y Ruby.
Adems puede efectuar la conversin entre c# a vb y al revs., no es tan pesado, hasta
hay versiones portables, est en constante desarrollo y actualizaciones.
2.3.4.2.Open CV
OpenCV viene de las siglas Open Source Computer Vision Library [7], es una libreraabierta desarrollada por Intel en el ao de 1999, contiene cerca de 500 funciones, esta
librera proporciona un alto nivel de funciones para el procesado de imgenespermitiendo a los programadores crear aplicaciones poderosas.Open CV ofrece varios tipos de datos de alto nivel como juegos, arboles, grficos,matrices, etc. adems funciona en muchas plataformas como son (Windows,Linux,android,os)
Algunas de las caractersticas que permite Open CV son:Operaciones bsicas, procesamiento de imgenes y anlisis. Anlisis estructural,anlisis de movimiento, reconocimiento del modelo, reconstruccin 3D y calibracin de lacmara etc.
Open CV implementa una gran variedad de herramientas para la interpretacin de laimagen. Es compatible con la librera de procesamiento de imgenes de Intel (IntelImage Processing Library (IPL)) la cual implementa algunas operaciones en imgenesdigitales. A pesar de primitivas como binarizacin, filtrado, estadsticas de la imagen,pirmides, Open CV es principalmente una librera que implementa algoritmos para lastcnicas de la calibracin (Calibracin de la Cmara), deteccin de rasgos, para rastrear(Flujo ptico), anlisis de la forma (Geometra, Contorno que Procesa), anlisis delmovimiento (Plantillas del Movimiento, Estimadores), reconstruccin 3D (Transformacinde vistas),segmentacin de objetos y reconocimiento (Histograma, etc.).
2. 3.4.3 EmguCVEmgu CV es una plataforma cruzada .Net ligada a la librera de Intel Open CV deprocesamiento de imgenes, permitiendo que las funciones de Open CV sean llamadasdesde .NET, compatible con lenguajes como C#, VB, VC ++ etc. Emgu CV est escritoen C#, pude ser compilado en forma Mono (Monodevelop) por lo cual puede correr encualquier plataforma que contenga la forma Mono, incluyendo Linux/Solaris y mac.
Es necesario bajar todos los descargar que vienen incluidos en Emgu CV en la carpetadonde se ejecuta el cdigo para que el cdigo pueda correr sin ningn problema.
-
7/22/2019 Vasquez Manrique Cesar
50/61
50
2.3.4.4 Base de Datos My SQL
Es un sistema de gestin de bases de datos relacional, fue creada por la empresa suecaMySQL AB, la cual tiene el copyright del cdigo fuente del servidor SQL, as comotambin de la marca.
MySQL es un software de cdigo abierto, licenciado bajo la GPL de la GNU, aunqueMySQL AB distribuye una versin comercial, en lo nico que se diferencia de la versinlibre, es en el soporte tcnico que se ofrece, y la posibilidad de integrar este gestor en unsoftware propietario, ya que de otra manera, se vulnerara la licencia GPL.
El lenguaje de programacin que utiliza MySQL es Structured Query Language (SQL)que fue desarrollado por IBM en 1981 y desde entonces es utilizado de forma
generalizada en las bases de datos relacionales.
Caractersticas principales
Inicialmente, MySQL careca de algunos elementos esenciales en las bases de datosrelacionales, tales como integridad referencial y transacciones. A pesar de esto, atrajo alos desarrolladores de pginas web con contenido dinmico, debido a su simplicidad, detal manera que los elementos faltantes fueron complementados por la va de lasaplicaciones que la utilizan. Poco a poco estos elementos faltantes, estn siendoincorporados tanto por desarrolladores internos, como por desarrolladores de softwarelibre.
Ventajase) Velocidad al realizar las operaciones, lo que le hace uno de los gestores con
mejor rendimientof) Bajo costo en requerimientos para la elaboracin de bases de datos, ya que
debido a su bajo consumo puede ser ejecutado en una mquina con escasosrecursos sin ningn problema.
g) Facilidad de configuracin e instalacin.h) Soporta gran variedad de Sistemas Operativos.i) Baja probabilidad de corromper datos, incluso si los errores no se producen en el
propio gestor, sino en el sistema en el que est.j) Conectividad y seguridad.
Desventajasa) Un gran porcentaje de las utilidades de MySQL no estn documentadas.b) No es intuitivo, como otros programas (ACCESS).
-
7/22/2019 Vasquez Manrique Cesar
51/61
51
2.3.4.5. StarUml
StarUml, es una herramienta UML de licencia gratuita para el modelamiento desoftware, basndose en estndares UML y DMA, es muy fcil de usar e intuitiva,debido a la simplicidad y rpida percepcin de sus objetos, funciones y caractersticas,
otra caracterstica fundamental es que su cdigo es compatible con lenguajes comoC++ y Java.
Algunas de sus caractersticas son:
a) Diagrama de casos de usob) Diagrama de clasec) Diagrama de secuenciad) Diagrama de colaboracin.e) Diagrama de estadosf) Diagrama de actividad.
g) Diagrama de componentesh) Diagrama de despliegue.i) Diagrama de composicin estructural (UML 2.0)
La capacidad de generar cdigo a partir de los diagramas y viceversa, actualmentefuncionando para los lenguajes c++, c# y java
Capacidad para generar documentacin en formatos Word, Excel y PowerPoint sobrelos diagramas.
2.3 Hiptesis
Con la implementacin de un sistema biometrico de reconocimiento facial se
identificara y generara el perfil de compra de los clientes personalizando su atencin
logrando una mayor satisfaccin y rentabilidad al negocio
2.4 Variables
2.4.1 Variable independiente
Sistema de Identificacin facial de clientes
2.4.2 Variable dependiente
Rentabilidad del negocio
3.0 MARCO METODOLOGICO
-
7/22/2019 Vasquez Manrique Cesar
52/61
52
3.1 Tipo de Estudio
En este proyecto utilizare el tipo de investigacin Tecnolgica - Cuasi experimental
3.2 Poblacin y Muestra
3.2.1 Poblacin
La poblacin est determinada por la cantidad de personas que visitan el negocio Pool
Jeans en este caso se implementara en la tienda Huaral (1) donde la cantidad
aproximada de clientes es de 621 mensual
3.2.2 Muestra
La muestra est determinada en funcin a la poblacin, para ello se ha utilizado lapresente formula:
Dnde:
n = Tamao de la muestra
N = Total de la Poblacin
Z = Nivel de confianza que se da a la investigacin (95%).
e = Margen de error muestras (Se sugiere valores en torno al 5%).
p = Proporcin de xito (cuando no se conoce este valor es 60%).
q = Proporcin de fracaso (cuando no se conoce este valor es 40%).
Por lo tanto la muestra es de n=134.78
-
7/22/2019 Vasquez Manrique Cesar
53/61
53
3.3 Mtodos, Tcnicas e instrumentos de recoleccin de datos
3.3.1. Mtodos
Para llevar a cabo este proyecto de investigacin se ha tomado en cuenta las siguientestcnicas:
c) Encuestas:
Son herramientas, sofisticadas, cientficas y necesarias en el mundo moderno. Nadieque quiera hacer una inversin, ya sea publicitaria o para importar o exportar unproducto o servicio, debera olvidar el recurrir a ellas para lograr resultados mejoresen la misma.
d) Anlisis Documental:
Se realizar consultas bibliogrficas relacionadas con el tema investigado, revistas,publicaciones, tesis aplicadas y otros documentos que se encuentren vinculados a lainvestigacin.
e) Observacin Directa:A travs de esta tcnica se tomaran todos los datos necesarios para el sistema.
3.3.2 Instrumentos
a) Unidades de almacenamiento externo.b) Computadora personal (mnimo core 2 duo, 1 giga ram)
c) Cmara web (VGA, resolucin mnima de 640 x480)
d) Base de datos Mysql
e) IDE Sharpdevelop
3.3.3 Mtodos
El mtodo para la recoleccin de datos consistir en una encuesta realizada al personaly dueo de la empresa.
La encuesta nos permitir obtener datos reales que nos ayudar a conseguir la
informacin necesaria y as clasificarla de acuerdo al proyecto realizado y al problema
de la investigacin.
-
7/22/2019 Vasquez Manrique Cesar
54/61
54
3.4 Plan de anlisis estadstico de datos
Los datos que se obtendrn mediante la aplicacin de las tcnicas, sern luego
procesados y analizados y obtener los respectivos resultados.
Esto se har utilizando como herramienta para la elaboracin de un perfil de compras de
los clientes los cuales sern representarlos en cuadros, grficos para ser analizadas por
los dueos del negocio.
Los datos que se lograrn mediante el mtodo indicado anteriormente sern tratados,utilizando herramientas de anlisis estadsticos como Excel, para ordenarlos, tabularlosy presentarlos en cuadros grficos para sus interpretaciones.
4.0 Cronograma de actividades y Presupuesto
4.1 PRESUPUESTO
4.2 Costo de Inversin
Los costos de inversin son costos necesarios para poder llevar a cabo nuestro
proyecto, los costos de inversin a los cuales incurriremos sern tales como:
4.2.1 Recursos Humanos
Es aquella inversin que se incurrir para poder contratar a las personas que
formarn el equipo de proyecto y llevar a cabo el sistema ofrecido de los cuales
estarn conformados por los siguientes:
Jefe de Proyecto (1)
Es la persona responsable de lograr que los objetivos del proyecto se cumplan en
la fecha pactada y en los costos estimados; su participacin en el proyecto es
desde el inicio del proyecto hasta el final por tanto el clculo para el costos de la
mano de obra se considera como el tiempo que dura todo el proyecto a realizar.
Costo de un jefe de proyecto x hora = $ 12
-
7/22/2019 Vasquez Manrique Cesar
55/61
55
Analista (1)
Son las personas que se encargarn de analizar la empresa, sus procesos y
definir los problemas que tiene la empresa y analizar las necesidades que tienelos usuarios.
Se encargar tambin del modelamiento de la base de datos y de la migracin de
la data necesaria para el sistema a desarrollar.
Costo de un analista x hora = $10.00
Programadores (1)
Son los encargados de introducir, ordenar y establecer los controles necesarios
para el desarrollo del sistema de informacin.
Otras de las funciones que tienen ser de corregir deficiencias o errores que
puedan ocurrir en el desarrollo del sistema.
Costo de un Programador x hora = $6.00
Supervisor de sistemas Analista QA
Es la persona que se encargar de la revisin y evaluacin de los controles,
sistemas y procedimientos de informtica; de los equipos de cmputo, su
utilizacin, eficiencia y seguridad, a fin de que por medio de este logre una
utilizacin ms eficiente y segura de la informacin para una adecuada toma de
decisiones.
Su participacin en el proyecto debe ser todo el tiempo en que se realizar el
proyecto ya que debe auditar todo los procesos para llevar a cabo el desarrollo de
sistema.
Tambin se encargar de llegar la informacin documentada del anlisis y diseo
del sistema para que se encargue de entregarla de tal forma que presente los
-
7/22/2019 Vasquez Manrique Cesar
56/61
56
manuales tcnicos de usuario y de instalacin, completos y ordenados como
productos finales.
Costo de un supervisor de sistema x hora = $12.00
Capacitaciones
El especialista analista QA realizara el proceso de capacitacin al personal para el
uso del sistema implementados.
Capacitara a los usuarios administradores para la utilizacin de los equipos en los
procesos de reconocimiento facial, mediante los registros de usuarios con
determinados perfiles.
Costo de un capacitador de sistema x hora = $10.00
Cuadro con totales de costo de mano de obra
Concepto Cant Tiempo(meses) Costo
x
Hora(s)
Costos(S/MES)
a 20 das x
mes
Importe
Jefe de
proyecto
1 6 12 1920 11520
Analista 1 2 10 1600 4800
Programador 1 3 6 960 8640
Supervisor
de sistemas
1 1 12 1920 11520
Capacitador 1 2 das 10 20 2036500
-
7/22/2019 Vasquez Manrique Cesar
57/61
57
4.2.2 Recursos Materiales
El costo de equipo por unidad, para la implementacin del sistema estara
conformado por una cmara web y la PC administradora de la BD.
Nombre de equipo:
Logitech HD Web Cam C270 Costo = S/80.00
Dispositivo USB 4 gigas costo= S/16.00
2 pcs costo = S/. 3000
4.2.3 Costos de software
Todos los software a utilizar son libres lo cual no representa ningn costo para el
proyecto.
4.2.4 Recursos Financieros
El financiamiento del proyecto estar a cargo de la empresa Negociaciones Pool
s.a.
Distribucion de Costo de personal
Jefe de Proyecto
Analista
Programador
Supervisor Sist
-
7/22/2019 Vasquez Manrique Cesar
58/61
58
4.3 Presupuesto
Materiales Presupuesto
Internet S/. 300
Computadoras S/. 3000Copias S/. 350
Transportes S/. 2000
Tinta Impresin S/. 180
Papel bon(2000) S/. 22
Material didctico S/. 400
Imprevistos S/. 3000
Total S/. 6552
-
7/22/2019 Vasquez Manrique Cesar
59/61
59
4.4 Calendarizacin del proyecto
A continuacin se presenta un calendario de las principales tareas del proyecto
incluyendo solo las fases de inicio y elaboracin, ya que el proceso interactivoincremental de rup est caracterizado por la realizacin en paralelo de todas las
disciplinas de desarrollo a lo largo del proyecto, con lo cual la mayora de los
artefactos son generados en el inicio del proyecto pero van desarrollndose en
mayor o menor grado de acuerdo a la fase e iteracin del proyecto
Calendarizacon del proyecto
-
7/22/2019 Vasquez Manrique Cesar
60/61
60
Referencias Bibliogrficas
[1] Paul Viola and Michael J. Jones. Robust real-time face detection.International Journal of Computer Vision, May 2004.
[2] LIC. MARA ESTHER GARCA CHANG. Diseo e implementacin de unaherramienta de deteccin facial. Instituto Politcnico NacionalCentro de Innovacin y Desarrollo Tecnolgico enCmputo, Junio 2009.
[3] Tamara Herrero Vez. Sistema Automatico de deteccin y etiquetado decaras en imgenes.Universidad Carlos III de Madrid,Marzo 2010.
[4] Miguel Delgado Rodriguez.Extraccin automtica de caras en imgenes captadascon mviles Android.Universidad Publica de Catalua.noviembre 2012.
[5] Modesto Fernando Castrilln Santana. Tutorial Viola-Jones. Octubre 2009.
[6] Ral Igual Carlos Medrano. Tutorial de OpenCV,Computer vision lab,Abril 2008.
[7] Pagina Web Oficial de Emgucv, disponible en :http:/www.emgu.com
[8] H. Rowley, S. Baluja and T. Kanade, Neural networkbased facedetection, IEEE Transactions on Pattern Analysis and Machine Intelligence, vol. 20, no.1, pp. 2338, 1998.
[9] P. Viola and M. Jones., Robust real time object detection, In IEEE ICCVWorkshop on Statistical and Computational Theories of Vision, Vancouver, 2001.
[10] G. R. Bradski, A. Kaehler, Learning OpenCV Computer Vision with theOpenCV Library, OREILLY., September 2008.P. Viola and M. Jones, "Rapid object detection using boosted cascade of simplefeatures," in Proceedings IEEE Computer Society Conference on Computer Vision andPattern Recognition, vol. 1, pp. 511 518, Kauai, Hawaii 2001,
[10] G. R. Bradski, A. Kaehler, Learning OpenCV Computer Vision with theOpenCV Library,OREILLY., September 2008.
[11] Canny, A Computational Approach to Edge Detection, IEEE Trans. onPattern Analysis and Machine Intelligence, vol. 8, no. 6, pp. 679698, 1986.
-
7/22/2019 Vasquez Manrique Cesar
61/61
[12] Cristina Conde Villa, Biometria: reconocimientofacial mediante fusin 2D
y 3D,1ra edicin.Dykinson, SL- LIBROS, 2007
[13] Sotomayor, C, Desarrollo de un Equipo Autnomo Biomtrico para laIdentificacin de Personas. Chile Universidad Mayor, 2007.
[14] Rendn, A., "Desarrollo de Sistemas Informticos Usando UML y RUP.Una Visin General". Universidad del Cauca. Agosto de 2004
[15] Conallen, J., "Building Web Applications with UML". Addison-Wesley.2000.