¿Adiós cimarra? Ingenieros de la PUC crearon sistema de reconocimiento facial para pasar lista en clases

FaceNet, un método basado en funciones de aprendizaje profundo, logró un 95% de precisión en el control de asistencia

¿Adiós cimarra? Ingenieros de la PUC crearon sistema de reconocimiento facial para pasar lista en clases

Ingenieros de la Pontificia Universidad Católica (PUC) desarrollaron un sistema capaz de pasar la asistencia en clases utilizando la tecnología del reconocimiento facial y la calidad de las imágenes registradas por cámaras de smartphones.

Según lo que informó la universidad en un comunicado, la aplicación fue testeada en 25 clases con hasta 70 estudiantes, y que gracias al uso de diez sistemas de algoritmos de reconocimiento facial, permitieron llevar un registro digital de los rostros, además de identificar quiénes asistieron a clases.

“Seguir la asistencia de los alumnos, resulta una gestión importante en muchas instituciones de educación. Sin embargo, la tarea de pasar lista y de verificar manualmente toma tiempo”, explicó el profesor del Departamento de Ciencia de la Computación de Ingeniería UC, Domingo Mery.

El docente explicó que, pasar la lista a 70 alumnos a mano alzada puede tardar 4 minutos aproximadamente, la suma llega a 80 minutos durante un semestre, lo que da como resultado dos clases perdidas por año

“Creemos que nuestro sistema, basado en el reconocimiento facial de las imágenes digitales, puede contribuir a la gestión de este tipo de tareas, porque permite ahorrar tiempo a los profesores y estudiantes. También evita las falsas asistencias a clases”, sostuvo Mery.

El desarrollo del software está cargo de la empresa BiometryPass en conjunto con los ingenieros, y detecta el rostro de los estudiantes del salón para luego almacenar a los presentes y quiénes no asistieron.

El registro visual de los estudiantes se logra través de una foto que se toma con un Smartphone para los estudiantes que estén inscritos en el sistema con su respectiva fotografía para ser reconocidos.

Las pruebas realizadas determinaron que FaceNet, un método basado en funciones de aprendizaje profundo, logró un 95% de precisión en el control de asistencia, con sólo una imagen en el Smartphone.

 

 


Comentarios