Descripción del trabajo
La seguridad ciudadana es un tema muy delicado en nuestro país, debido al incremento de la delincuencia muchos ciudadanos no se sienten seguros en nuestro país, muchos de los delincuentes aprovechan la gran afluencia de personas a los diferentes eventos como partidos de futbol o conciertos para cometer delitos, por este motivo se optó por implementar un sistema de reconocimiento facial para identificar a las personas que tienen requisitoria al ingreso de los eventos.
El sistema se desarrolló en lenguaje Python 3.8 utilizado la librería OpenCV

Integrantes:

• Piero Flores Paredes

• Freddy Flores

• Frank Gomez

Video:

Titulo:
Machine learning for internet of things data analysis: a survey

Problema:
Hoy en día las grandes ciudades presentan problemas de planificación en varios aspectos como lo son en energía, trafico, ciudadanía y planificación urbana.

Ciudad Inteligente.- Una ciudad tiene un efecto importante en la sociedad porque la ciudad toca todos los aspectos de la vida humana. Una ciudad inteligente puede ayudar a tener una vida cómoda. Los casos de uso para ciudades inteligentes consisten en energía inteligente, movilidad inteligente, ciudadanos inteligentes y planificación urbana.

• Energía inteligente.- La energía inteligente es una de las áreas de investigación más importantes de IoT porque es esencial para reducir el consumo total de energía

• Movilidad inteligente.- La movilidad es otro aspecto importante de cualquier ciudad. A través de IoT, los funcionarios de la ciudad pueden mejorar la calidad de vida en la ciudad. La movilidad inteligente se puede dividir en los siguientes tres componentes principales:
  • Automóviles autónomos
  • Control del tráfico
  • Transporte público

• Ciudadanos inteligentes.- Este caso de uso para ciudades inteligentes cubre una amplia gama de áreas en la vida humana, como el monitoreo ambiental, la vigilancia del crimen y la salud social.

• Planificación urbana .- Otro aspecto importante en los casos de uso de la ciudad inteligente es la toma de decisiones a largo plazo.

Descripción general de los algoritmos de aprendizaje automático de uso frecuente para el análisis inteligente de datos:

• Clasificación.- K-Nearest Neighbors, Naive Bayes, Support Vector Machine, Classification and Regression Trees, Random Forests, Bagging, Feed Forward Neural Network.

• Regersión.- Linear Regression, Support Vector Regression, Classification and Regression Trees, Random Forests, Bagging, Feed Forward Neural Network.

• Clustering.- K-Means, Density-Based Spatial Clustering of Applications with Noise, Feed Forward Neural Network.

• Extracción de Caracteristicas.- Principal Component Analysis, Canonical Correlation Analysis, Feed Forward Neural Network.

• Detección de Anomalias.- One-class Support Vector Machines.

Descripción general de la aplicación de algoritmos de aprendizaje automático a casos de uso de Internet de las cosas.

• Energía inteligente.- Linear Regression, Support Vector Machine, Naive Bayes, K-Means.

• Movilidad inteligente. - Classification, Clustering, Anomaly Detection, Support Vector Machine, K-Means, Principal Component Analysis, Canonical Correlation Analysis.

• Ciudadanos inteligentes.- Clustering, Classification and Regression Trees, Support Vector Machine, K-Nearest Neighbors, Naive Bayes, K-Means, Density-Based Clustering, Feed Forward Neural Network, Principal Component Analysis, Canonical Correlation Analysis, One-class Support Vector Machines.

• Planificación urbana .- Anomaly Detection, Support Vector Regression, Linear Regression, Support Vector Machine, K-Means, Feed Forward Neural Network, Principal Component Analysis, Canonical Correlation Analysis.

Conclusión:
La ciudad inteligente es una de las aplicaciones mas importes de IOT la cual proporciona varios servicios como energía, movilidad y planificación urbana, para mejorar estos servicios se debe analizar los datos recopilados en estas áreas. Para obtener el conocimiento de los datos obtenidos se puede aplicar varios algoritmos de análisis de datos. Para elegir el algoritmo adecuado se deben considerar 3 hechos, las características de la ciudad, la cantidad de dispositivos y los tipos de datos que generan y la taxonomía del algoritmo.

Referencias

• https://www.researchgate.net/publicatio ... s_A_survey

• https://doi.org/10.1016/j.comcom.2020.02.069

Problema
Debido a la problematica actual en nuestro pais en razon a la delicuencia, muchos ciudadanos estamos a propensos a ser victimas de hurtos, aslatos, extorsiones y diferentes modalidades que los delicuentes emplean en para delinquir, por lo cual es necesario que estos delincuentes sean identifados en cualquier momento y que los ciudadanos puedan reconocerlos en tiempo real y de esa forma poder dar parte a la policia inmediatamente cuando sea necesrio.

Solucion
Se ha optado por implementar un aplicativo movil para el sistema operativo Android, el cual permitira que con tomar una fotografia alguna persona sospechosa, el ciudadano pueda conocer en tiempo real si la persona tiene o no tiene un orden de captura por la policia.
El aplicativo consultará a la base de datos de la Dirincri, en caso la fotografia de la persona sospechosa coincida con la alguna de la base de datos de la Dirincri, el aplicativo mostrará una alerta en la pantalla del telefono y dara la opcion para que el dueño del telefono envie una alerta a la policia con la ubicacion del sospechoso.
Para la implementacion del equipo se utilizaran las siguientes herramientas:

• OpenCV

OpenCV es una biblioteca libre de visión artificial originalmente desarrollada por Intel. OpenCV significa Open Computer Vision (Visión Artificial Abierta). Desde que apareció su primera versión alfa en el mes de enero de 1999, se ha utilizado en una gran cantidad de aplicaciones, y hasta 2020 se la sigue mencionando como la biblioteca más popular de visión artificial.1 Detección de movimiento, reconocimiento de objetos, reconstrucción 3D a partir de imágenes, son sólo algunos ejemplos de aplicaciones de OpenCV.

• Haar

El algoritmo Haar se basa en la extracción de características a partir de lo que se conoce como imágenes integrales mediante las máscaras de Haar. En estas imágenes integrales el objetivo consiste en, considerar regiones rectangulares adyacentes, en una ventana de detección, y sumar la intensidad de los píxeles en cada región, calculando después la diferencia entre estas sumas. Esta suma permite clasificar distintas secciones de la imagen.

• Filtro en cascada

Filtro en cascada El detector de Viola-Jones usa la técnica de Adaboost, pero organiza los clasificadores como una cascada de nodos de rechazo. Este proceso en cascada hace que, para cada nodo, un candidato sea clasificado como “not in class” (“no de esta clase”) termine instantáneamente el cálculo computacional. Tan sólo el candidato que logre atravesar la cascada entera será clasificado como un rostro. De esta manera el coste computacional se reduce significativamente, ya que la mayoría de áreas que no contienen el objeto de interés son rechazadas en alguna de las etapas de nuestra cascada

• PHP/MYSQL

Para la elaboracion de los web service que conecten con la base de datos de la Policía Nacional del Perú y para el almacenaje de las imagenes se utilizara el lenguaje PHP y y la base de datos Mysql.