Identificación Humana Mediante Inteligencia Artificial: Usando Aprendizaje no Supervisado

Palabras clave: Aprendizaje no supervisado, Agrupamiento de datos,, identificación humana, Características humanas

Resumen

En México existen miles de personas desaparecidas. Si una persona no aparece después de 24 o 72 horas se denuncia ante las autoridades. Las las autoridades solicitan datos como su nombre, edad, género, vestimenta y rasgos físicos, así como una fotografía. La autoridad emite alguna publicación para iniciar la búsqueda. El problema surge cuando después de varias, semanas o meses la persona no aparece. Por otra parte, las autoridades encuentran a personas muertas sin identificación. Las autoridades generan una Ficha de identificación y resguardan el cadáver hasta encontrar a los familiares. Cuando los familiares no aparecen, el cadáver es sepultado en una fosa común. En este trabajo, se pretende identificar a personas sin identificación. Para lo anterior, se usa un Perfil de características físicas. Las características van desde lunares, cicatrices, tatuajes, accesorios, ropa, y otros. Con 156 imágenes de Pinterest, y una matriz con 257 características. Las Autoridades, también deben generen el Perfil de característcas. Con los perfiles se buscaron similitudes con la aplicación de Orange. Usando aprendizaje no supervisado se busca el clúster dónde se agrupa la persona sin identificación. En este trabajo, se probó el método en dos casos. Los resultados muestran que se generó un clúster con dos elementos para cada caso. Se concluye que el método y herramientas usadas han logrado encontrar a las personas buscadas

Descargas

La descarga de datos todavía no está disponible.

Biografía del autor/a

Edmundo Daniel Bonne Montero, Universidad Autónoma del Estado de México

Estudiante graduado

Citas

J. Demsar, T. Curk, A. Erjavec, C. Gorup, M. Milutinovic, M. Mozina, M. Polajnar, M. Toplak, A. Staric, M. Stajdohar, L. Umek, L. Zagar, J. Zbontar, M. Zitnik y B. Zupan, Orange: Data Mining Toolbox in Python, Journal of machine learning Research, vol. 14, pp. 2349-2353 (2013)

R.-E. Pedroza M.: Diseño e implementación de un sistema de biometría facial para la búsqueda de personas desaparecidas en Colombia, Universidad de Cartagena, Cartagena, Colombia (2019)

C.-R. Pedroza: Investigación antropológica forense y memoria en la búsqueda de personas desaparecidas en contextos de violaciones de derechos humanos en el Perú, Memorias, nº 1, pp. 69-85 (2017)

P. Sferrazza: La búsqueda de personas desparecidas en chile: ¿Necesidad de un complemento humanitario? Revista Mexicana de Ciencias Políticas y Sociales, nº 243, pp. 79-108 (2021)

Z. Jindan y A.-M. Mohamed: A content- based system for human identification based on bitewing dental X-ray images, Pattern Recognition, nº 38, pp. 2132-2142 (2005)

N. Kaushal y P. Kaushal: Human identification and fingerprints: a Review, Journal of biometrics and biostatistics, vol. 2, nº 4, pp. 2-4 (2011)

Z. Kaiwei, N. Munan, W. Yaohua y G. Yang: Hierarchical clustering with hard-batch triplet loss for person re-identification, 2020 IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR), pp. 13654-13662 (2020)

K. Sinaga y M.-S. Yang: Unsupervised k-means clustering algorithm, IEEE Access, vol. 8, pp. 80716-80727 (2020)

R.-J. Rimachi-Costillas: Detección de patrones de personas desaparecidas mediante técnicas de aprendizaje no supervisado, Cusco, Perú: Universidad Andina del Cusco (2022)

A. L. Ruiz Rizzo y J. González Veloza: Factores de predicción de la aparición de personas mayores reportadas como desaparecidas, a partir de modelos de aprendizaje automático supervisado, Bogotá, Colombia: Universidad Los libertadores (2021)

G. Jing: Clustering Lecture 3: Hierarchical Methods. Obtenido de: https://cse.buffalo.edu/~jing/cse601/fa12/materials/clustering_hierarchical.pdf

Publicado
2024-07-05
Cómo citar
Bonne Montero, E. D., Ruiz Castilla, J. S., & Martínez-Medina, B.-S. (2024). Identificación Humana Mediante Inteligencia Artificial: Usando Aprendizaje no Supervisado. XIKUA Boletín Científico De La Escuela Superior De Tlahuelilpan, 12(Especial), 40-45. https://doi.org/10.29057/xikua.v12iEspecial.12728