1.
Sistema de control de acceso
Según Cheok (2018) los sistemas o métodos de control de acceso deniegan el
ingreso a medios muy importantes o cruciales que delimitan regímenes que manifiestan
la legalidad de los individuos a acceder a los recursos.
También nos dice Stefani y Ferrari (2017) cuya función es constatar la
autenticidad de las personas, esto conlleva por lo general en el estudio de la legalidad y
legitimidad.
En estos sistemas existen 2 tipos:
1.1. Control de acceso autónomo
De acuerdo a USS (2018) son los que trabajan utilizando una contraseña,
credenciales magnéticas o también estructura biométrica, además son aptos para
albergar distintos datos.
1.2. Control de acceso en red
Para la página web Cucorent (2019) son aquellos que se manejan remotamente
debido a que se comunican a través del internet, además los datos se pueden descargar a
través de un aplicativo para PC.
Algunos componentes:
1.3. Cerradura electromagnética
Con respecto a este punto ARQÉ (2019) afirma que son instrumentos actuales
que conceden un significativo aumento de seguridad en las puertas y que son sencillos
de instalar además de ser perdurables y fiables. Estos se instalan en el marco de la
puerta y funcionan debido al electro-imán en su interior.
2. Sistema electrónico de identificación
Citando a Mora Perez et al. (2016) estos sistemas se seleccionan de acuerdo a
las cualidades que presentan:
De acuerdo al tipo de montaje
De acuerdo a la clase de empresa que provee
A la clase de puerta
3. Sistema biométrico
Teniendo en cuenta a Castro (2017) estos sistemas realizan mención a las
tecnologías que se encargan de estudiar los factores distintivos del cuerpo como son, la
iris, retina, huellas dactilares, la voz, etc.
Estos a su vez se diferencian en varios tipos:
3.1. Huella dactilar
Como señala Ghazi Dakhil y Abdulhafidh Ibrahim (2018) este tipo de sistema es
de los más usados. Estas huellas están conformadas por crestas y valles los cuales son
únicas para cada individuo y es donde se basa su sistema de identificación. Este sistema
se compone de 2 modos: en la inscripción se almacenan en una base de datos y el modo
de reconocimiento se toma captura de la huella mediante el sensor para finalmente
verificar con los datos almacenados.
3.2. Geometría de la mano
Con base en H. Hamd y K. Ahmed (2018) nos dice que este sistema implica
tanto la longitud de los dedos, el ancho de estos, diámetro, grosor, etc.
Para esta técnica se emplea una cámara o escáner que captura la imagen de la
mano, a estas se le realizan una cadena de procedimientos y luego se suben a una base
de datos para cada persona. La verificación se realiza cuando la entrada se analiza con la
base de datos determinando si se trata de la misma persona.
3.3. Reconocimiento facial
Como expresa Kaur et al. (2020) esta técnica es una de las más aceptadas como
un nivel de referencia biométrica segura. Se llega a analizar cada patrón o signo del
rostro de una persona, así como sus expresiones generando una plantilla. Luego pasa a
verificar el rostro con la plantilla y si los rasgos son idénticos se verifica a la persona.
3.4. Reconocimiento de iris
De acuerdo con Nyan Phyo et al. (2019) en la consistencia del iris posee
demasiadas características pequeñísimas como son: pecas, surcos, criptas, etc. Estas son
particulares para cada persona, el iris no se puede modificar y es estable. Para su
reconocimiento se realiza la captura del iris, luego un preprocesamiento digital de esa
región. En el preprocesamiento abarca la ubicación, la normalización y aclarado de la
imagen.
3.5. Reconocimiento de voz
Como afirma Gundogdu et al. (2018) existen muchas aplicaciones en este tipo
de reconocimiento, como en sistemas de vehículos y control de silla de ruedas. Los
métodos empleados son las redes neuronales, la lógica difusa y el modo de Márkov. Se
analiza las distintas frecuencias de la voz, como también sus patrones para poder
realizar la identificación.
4. Sensores biométricos
Tal como menciona Wampfler et al. (2019) ofrecen un alcance destinado a la
reacción fisiológica de las personas. Estos dispositivos tienen la capacidad de mejorar al
tipo de investigación a la que se le aplique.
Los sistemas biométricos se clasifican en 2 tipos:
4.1. Biometría fisiológica
Nos dice Quispe (2017) que estas se encuentran vinculado con los rasgos
corporales de las personas, como por ejemplo rasgos faciales, rasgos dactilares, iris, etc.
4.2. Biometría conductual
Hace mención Juyo (2019) que es la que se basa en reunir la información del
comportamiento del sujeto, por ejemplo la forma en que camina o la fuerza con que
presiona el teclado, etc.
5. Procesamiento digital de imágenes
Para Carrión (2020) es la suma de diversas técnicas que se emplean a las
imágenes con el fin de mejorar la calidad de la misma o a través de ella buscar
información relevante. En una imagen digital encontramos 3 componentes los cuales
asociados constituyen una matriz para que de esta manera se pueda utilizar operaciones
matemáticas características del tratamiento de imágenes.
En el área de la visión artificial, contiene las siguientes etapas:
5.1. Adquisición
Según Vargas Quispe (2018) es donde una cámara o la pc obtiene la imagen. El
sistema de iluminación debe ser la adecuada para una correcta toma de la imagen a
procesar.
5.2. Procesamiento
De acuerdo a Viera (2017) es donde la imagen se altera para mejorar su claridad
de ciertos rasgos a evaluar. Esto no quiere decir q aumenta la información solo acentúa
los rasgos de la imagen.
5.3. Segmentación
Cita Suárez (2021) es el procedimiento donde se particiona la imagen en
regiones, donde cada región puede tomar la información de sus contornos o bien de su
misma área y así quedar segmentada.
5.4. Extracción de características
Para Meza y Ramos (2018) considera que es donde se sustrae las partes
importantes que no son necesarias para el trabajo de selección.
5.5. Reconocimiento
Nos mencionan Castaño y Alonso (2019) es la etapa donde se encarga de hacer
la labor de identificar los patrones destinados por la etapa previa, y luego se verifica las
muestras adquiridas con la del sistema
6. Redes neuronales
Afirma Bolcskei et al. (2017) fue producto de la inspiración en cómo funciona el
cerebro humano, lo cual se aplicó un aprendizaje algorítmico con la idea de formar la
teoría de la IA. Una red neuronal se encuentra conformada por neuronas establecidas y
conectadas en capas. Las redes profundas o mejor dicho las que poseen un gran numero
de capas, ahora son la tecnología de punta con las que puede desempeñar un gran
número de aplicaciones.
6.1. Aprendizaje supervisado
De acuerdo a Ordoñez (2020) está orientada en hallar patrones muestras en los
datos que coinciden en una marca que determine el alcance de los datos.
6.2. Aprendizaje no supervisado
Para Sanchez Erazo (2019) se necesita un cierto nivel de reiteración en los patrones
que serán preparados por la red.
