Resumen:
La Universidad Estatal Península de Santa Elena (UPSE) al igual que todos los centros educativos del país, se vieron obligados a cerrar sus puertas debido a la declaratoria de pandemia por aparición del SARS-Cov-2. El Gobierno Central del Ecuador mediante Resolución del Comité de Operaciones de Emergencia decreta el uso de mascarillas con carácter de obligatorio como medida de bioseguridad a fin de contrarrestar el contagio masivo. El control del uso de la mascarilla es una tarea muy importante sobre todo en lugares de concurrencia y por lo general está a cargo del personal de seguridad. En ocasiones resulta difícil detectar la totalidad de los infractores debido al rango de visibilidad del personal a cargo. El propósito de este proyecto es desarrollar un sistema capaz de detectar rostros sin mascarillas mediante la captura de fotogramas de video con OpenCV y el posterior análisis con un modelo de inteligencia artificial entrenado y basado en la arquitectura MobilenetV2. El modelo contiene una red de 128 neuronas de análisis desarrolladas con Tensorflow y Keras, y, el entrenamiento se realiza con un conjunto de imágenes de rostros con y sin mascarillas. Posteriormente el modelo entrenado es cargado en un script Python en el cual, primero se ejecuta la detección de rostros en cada fotograma mediante ResNet50 y luego la clasificación de rostros sin mascarillas. Para el desarrollo de la aplicación de escritorio que contendrá la ejecución del sistema se utiliza PyQt5. La aplicación posee una vista principal que renderiza el video en tiempo real y tres tipos de reportes estadísticos. Los resultados obtenidos son: un modelo entrenado con nivel de confianza superior al 80%, y, una aplicación para entornos de escritorios Linux que detecta rostros sin mascarillas, enmarca en rojo su posición dentro del fotograma guardando un registro en una base de datos SQLite.
Excepto si se señala otra cosa, la licencia del ítem se describe como openAccess