En este trabajo se desarrolla una revisión sistemática de la literatura (RSL) de los estudios originales sobre el reconocimiento facial basado en imágenes a color, de tal manera mostrar la importancia en la seguridad que se obtiene aplicando esta tecnología, así mismo conocer los resultados y avances reportados en el reconocimiento facial en estos años. Para este trabajo de investigación se utilizó la metodología de Barbara Kitchenham et al [1], la cual comprende el siguiente esquema de trabajo: A. Preguntas de investigación, B. Proceso de búsqueda C. Criterios de inclusión y exclusión, D. Evaluación de la calidad. Este tipo de artículo consiste en una síntesis de los mejores estudios científicos sobre el tema especificado en torno a las preguntas de investigación que se plantearon. Además, se pudo contrastar la ventaja en muchos aspectos del reconocimiento facial basado en imágenes a color. Se reflejan los resultados obtenidos en la revisión tanto en tablas y gráficos informativos para una mayor comprensión, llegándose a concluir que para RQ1: En su desarrollo se utilizan mayormente algoritmos de inteligencia artificial, RQ2: Se demostró que el año 2019 fue de mayor evolución respecto al crecimiento en número de publicaciones y RQ3: El país que más investigaciones produjo fue Colombia. Cualquier lector (a) puede sentirse seguro (a) de estar frente a un artículo realizado bajo una metodología bien planteada, con la certeza de que la información redactada fue obtenida de bases de datos con alto reconocimiento y seriedad en sus publicaciones.

El presente trabajo tiene como objetivo principal elaborar una revisión sistemática de la literatura acerca de la inteligencia artificial para el reconocimiento facial en el ámbito de la videovigilancia. Para el desarrollo de esta presente investigación, se empieza con una breve introducción explicando la importancia del reconocimiento facial en la videovigilancia para combatir la inseguridad ciudadana, seguido de ello, se tuvo en cuenta la metodología propuesta por B. Kitchenham [1], planteando las preguntas de investigación. Para continuar con el desarrollo, se realizó el proceso de búsqueda en tres bases de datos, siendo estas ProQuest, ScienceDirect y Google Académico. Seguido de ello, se aplicó los criterios de inclusión y exclusión a los documentos, para después aplicar una evaluación de calidad más rigurosa, lo que nos ayuda a obtener mejores resultados para la buena elaboración del presente documento. En los resultados de la indagación se expresan las herramientas que se utilizan en la inteligencia artificial y las técnicas que utilizan los diferentes autores para el reconocimiento facial en la videovigilancia. Esta revisión finaliza con las conclusiones, que dan respuesta a las preguntas planteadas.

Esta investigación aborda la problemática de una empresa de seguridad que estaba en necesidad de mejorar el proceso operativo de monitoreo de los vigilantes que laboran en las empresas clientes. Ante esto, se llevaron a cabo tareas para determinar qué factores estaban generando ineficiencia en ellos, determinando como factores principales que existían demoras, errores en el envío de fotos y que en algunos casos estos no se reportaban, los cuales principalmente eran causados por la forma y las herramientas que se estaban utilizando. Entendiendo eso, se procedió a realizar un producto acreditable de software que lograra cumplir con las tareas que la organización exige y que fuese seguro y confiable. Para la realización del sistema se utilizó la metodología RUP, pues permitió analizar la situación problemática y diseñar e implementar la solución brindada. Este, estuvo compuesto por un aplicativo web y otro móvil, en el cual se hace uso de reconocimiento facial geolocalizado para poder autenticar y evitar errores en el envío de reportes y de asistencias. El software, fue evaluado de acuerdo a tres criterios de la ISO 25000, adecuación funcional, seguridad y fiabilidad en los cuales se obtuvo un alto grado de cumplimiento. Y, por último, se validó el mismo con los usuarios finales, siguiendo el estándar TAM, obteniendo un alto grado de aceptación de la tecnología, pues los consultados determinaron que el sistema es fácil de usar y muy útil.

La justicia y la búsqueda de la verdad en la investigación criminal requiere del uso de una herramienta fundamental para su éxito, el interrogatorio. En un interrogatorio, un experto hace uso de su experiencia y su juicio para, mediante el cuestionamiento del acusado, obtener una verdad explícita o implícita de parte de este sobre el hecho a investigar. El presente proyecto de investigación apunta a diseñar un modelo de aprendizaje automático que brinde soporte para la detección de mentiras en interrogatorios mediante el análisis de video. Es una contribución a los trabajos de investigación realizados por el grupo IA-PUCP (Grupo de Investigación en Inteligencia Artificial) de la Pontificia Universidad Católica del Perú. Se utilizó un conjunto de datos puesto a disponibilidad por Rada Mihalcea del grupo “Language and Information Technologies” de la Universidad de Michigan. La propuesta de arquitectura para el modelo consiste en una capa de preprocesamiento de datos que utiliza un algoritmo de reconocimiento facial para extraer los rostros del video, limitando el espacio de características. Luego, se utiliza una red convolucional preentrenada para realizar la extracción de características. Finalmente, se utiliza una red recurrente LSTM para procesar las características y luego una red neuronal para clasificar los videos. Se experimentó con cinco redes convolucionales (Resnet, InceptionV3, Xception, VGG16 y VGG19), el mejor fue InceptionV3. Este obtuvo una exactitud de 78.6 %, valor que supera varios de los resultados obtenidos por los modelos, presentados en la publicación “A Multi-View Learning Approach to Deception Detection” de N. Carissimi, que no aplicaron entrenamiento en la extracción convolucional. Esto, utilizando menos información y automatizando la extracción de la misma. / Tesis