Detección automática de rostro con mascarilla para evitar contagio por COVID, mediante algoritmo LBP embebido en Rasp-Berry Pi y uso de alerta audible

La detección de rostros de personas en sistemas de autoacceso, es una tarea retadora ya que la pandemia del coronavirus (SARS-CoV2) ha cambiado nuestra forma de vivir, sobre todo porque las empresas y algunas entidades gubernamentales como los hospitales necesitan otorgar permiso para acceder a sus instalaciones sobre todo si la persona no trae el cubrebocas, y aunque muchas instalaciones ya no permiten su uso, ya que las entidades antes mencionadas si justifican su uso sobre todo si en sus instalaciones hay personas con enfermedades crónicas que necesitan y justifican el uso del cubrebocas. En este trabajo, mencionamos un sistema de acceso que consta de un software embebido en un dispositivo Rasp-berry PI, el cual contiene una aplicación formada por el uso de una red neuronal Multi-task cascade convolutional networks (MTCNN), con la cual se hace el entrenamiento de las imágenes de rostros que traen y no traen cubrebocas, posteriormente y para una mejor identificación de los rostros se utiliza un algoritmo basado en Histograma de Patrones Binarios Locales (LBPH), con el cual se obtienen las características del rostro y posteriormente se puede clasificar si la persona a identificar tiene o no cubrebocas. Al final, nuestro sistema propuesto tiene una precisión promedio del 93% en la detección de rostros con mascarillas. The detection of the faces of people in self-access systems, is a challenging task since the pandemic of the coronavirus (SARS-CoV2) has changed our way of living, especially because companies and some government entities such as hospitals need to grant permission to access their facilities especially if the person does not bring the mask, and although many facilities no longer allow its use, since the above mentioned entities if they justify its use especially if their facilities there are people with chronic diseases that need and justify the use of the mask. In this work, we mention an access system that consists of software embedded in a Rasp-berry PI device, which contains an application formed by the use of a neural network Multi-task cascade convolutional networks (MTCNN), with which the training of the images of faces that bring and do not bring mouthguards is done, Later, and for a better identification of the faces, an algorithm based on Local Binary Patterns Histogram (LBPH) is used, with which the characteristics of the face are obtained and later it is possible to classify if the person to be identified has or does not have a fac