ÍNDICE

I. INTRODUCCIÓN.................................................................................................... 3
Antecedentes........................................................................................................................5
➢ Nacional.............................................................................................................................5
➢ Internacional...................................................................................................................... 7
Glosario de términos......................................................................................................... 10
II. DESCRIPCIÓN DEL PRODUCTO...................................................................................10
Propósito del producto................................................................................................... 10
Requisitos funcionales de alto nivel del producto...........................................................11
Requisitos no funcionales de alto nivel del producto..................................................... 12
III. Alcance y limitaciones..................................................................................................13
Alcance funcionalidad del producto................................................................................13
I. Módulo de Reconocimiento Facial y de Movimiento............................................. 13
IV. ESTRUCTURA DE DESCOMPOSICIÓN DEL TRABAJO................................ 14
V. ENTREGABLES.............................................................................................................. 15
VI. CRONOGRAMA............................................................................................................. 16
VII. ANÁLISIS...................................................................................................................... 16
Modelo de casos de usos del sistema........................................................................... 16
Diagrama de casos de uso del sistema......................................................................... 18
Especificaciones de los casos de uso del sistema.........................................................20
VIII. DISEÑO........................................................................................................................ 33
Modelo Físico................................................................................................................. 33
DICCIONARIO DE DATOS............................................................................................ 34
BASE DE DATOS...........................................................................................................36
PROTOTIPOS................................................................................................................ 40
Requisitos de software................................................................................................... 45
Requisitos de hardware..................................................................................................45
REFERENCIAS....................................................................................................................46
I. INTRODUCCIÓN
Actualmente, en un mundo en el que las personas están cada vez más
conectadas, es importante la seguridad y bienestar de nuestros seres queridos. La
implementación de un sistema de reconocimiento facial y reconocimiento de
movimiento para la seguridad del hogar cumple con las necesidades de las familias al
momento de querer seguridad en el hogar, por ello es que nuestro objetivo es que
cada vez las familias estén más interesadas en este sistema y puedan seguir
avanzando a la par en sus hogares con la tecnología que tenemos hoy en día. Por lo
tanto, nuestro plan está principalmente enfocado para los hogares en el que los
padres salen a trabajar hasta tarde y prácticamente dejan sus hogares solamente con
sus hijos.

Eduardo (2020, p.14) argumenta que el reconocimiento facial ha sido crucial para
la identificación de las personas. Con el avance tecnológico, se han desarrollado
algoritmos más precisos, mejorando significativamente la exactitud del
reconocimiento. Inicialmente, los algoritmos eran simples y propensos a errores, pero
con los avances actuales, se han minimizado las fallas, permitiendo una identificación
más precisa y confiable de cada rostro.

De acuerdo a Jiménez y Mina (2024, pp. 24-25) el reconocimiento facial se

presenta como una alternativa segura a los métodos tradicionales de control de
acceso. A través de una revisión exhaustiva de las metodologías disponibles, se
busca desarrollar un sistema integral y confiable que minimice vulnerabilidades y
optimice la seguridad en diversos espacios.

Ambos estudios resaltan la evolución significativa del reconocimiento facial y su

papel fundamental en la identificación de personas. Mientras que Eduardo destaca
cómo el avance tecnológico ha permitido el desarrollo de algoritmos más precisos,
Jiménez y Mina exploran cómo esta tecnología se ha convertido en una alternativa
segura a los métodos tradicionales de control de acceso.
 Por otro lado Anumol, Ashokan y Sainudeen (2023) nos dicen que el
reconocimiento de movimiento representa un avance significativo en la seguridad del
hogar y la vigilancia. Este tipo de tecnología permite detectar cambios en el entorno
físico, lo que resulta fundamental para la identificación y seguimiento de personas,
animales u objetos en tiempo real.

Aunque hay una amplia gama de programas automatizados para la vigilancia, a

menudo no logran cumplir completamente con los requisitos de las organizaciones
empresariales o de investigación y desarrollo, principalmente debido a los desafíos
asociados con el manejo de múltiples fuentes de información. Esto ha llevado a la
necesidad de utilizar metadatos para describir los elementos, facilitando la búsqueda
y la clasificación. (P, Rojas.2018).

Los sistemas biométricos suelen incluir dispositivos que capturan datos en

formato digital, algoritmos encargados de procesar estos datos y garantizar su
calidad, así como de crear plantillas biométricas. Estas plantillas se guardan en una
base de datos, la cual se utiliza para comparar con los datos ingresados durante
procesos posteriores de verificación (G, Etchart. 2011).

El reconocimiento biométrico facial se destaca por su método no intrusivo, lo que

significa que los datos pueden ser adquiridos sin necesidad de contacto directo con el
individuo. Esta característica lo hace especialmente relevante en sistemas de
seguridad ciudadana, ya que facilita la identificación de personas sospechosas sin
interferir en su privacidad.(E, Briones. 2020)

En este sentido, el presente proyecto tiene como objetivo desarrollar un software

de reconocimiento facial y de movimiento para la seguridad del hogar, aprovechando
las ventajas de estas tecnologías para proporcionar a los usuarios un sistema integral
y confiable que garantice la protección de sus viviendas y la tranquilidad de sus
familias. A través de la implementación de algoritmos avanzados y métodos eficaces
de detección, se busca ofrecer una solución innovadora que responda a las
necesidades actuales dEl desarrollo de la Inteligencia Artificial (IA) basada en el
Reconocimiento de la Acción Humana (HAR) sienta las bases de una amplia gama de
aplicaciones. HAR tiene como objetivo reconocer el comportamiento humano y
clasificar cada acción. El reconocimiento automático de una acción humana es un
requisito en muchos ámbitos de aplicación: industrial, médico, vigilancia, asistencia
personal, doméstico, robótica, educación, etc. Los gestos se consideran una
expresión natural del cuerpo humano. Además, un gesto podría clasificarse en:
gestos corporales, gestos con la cabeza o faciales (incluidos sacudir la cabeza, guiñar
un ojo, mirar fijamente, asentir...) y gestos de tercera clase con los brazos o las
manos (reconocimiento de la posición de la mano). El reconocimiento automático de
los gestos de las manos es uno de los temas de investigación más interesantes en la
búsqueda de una interacción hombre-computadora en materia de seguridad
residencial.(Chaudari,2024) Los sistemas inteligentes se desarrollarán con
transparencia y capacidad de ampliación, lo que implica la integración de una IA
explicable. El estudio abarca modelos recientes de análisis del movimiento humano y
modelos de aprendizaje profundo basados en XAI (Inteligencia Artificial Explicable).
En los próximos años, esta investigación contribuirá a nuevos estudios y futuros
modelos de investigación. El análisis del movimiento humano con IA explicable tiene
una gran demanda debido a sus aplicaciones de última generación y se está
convirtiendo en el área de investigación más popular y desafiante(Almaused,2023).
La literatura ha cubierto el rápido desarrollo de estrategias de diseño de
características, desde características hechas a mano hasta características profundas,
para que secuencias de video respalden un marco de reconocimiento de actividad
humana anormal en tiempo real, robusto y computacionalmente eficiente
dependiendo del contexto de aplicación, como la detección de caídas. Ambient
Assisted Living (AAL), seguridad nacional, vigilancia o análisis de
multitudes(Dhiman,2019).
Según un estudio realizado por Baéz Buelvas (2019) nos menciona que buscó
implementar un sistema de videovigilancia para los laboratorios de la universidad, así
logrando servir de guía para nuevos sistemas que se refieran a videovigilancia, por
eso al final llegó a la conclusión de que podía obtener un resultado óptimo con la
correcta ubicación de las cámaras, teniendo en cuenta los factores del cableado, los
tipos de cámaras, distancia de enfoque y determinar el objeto o persona que quieres
enfocar.
 En la investigación de Montesdeoca Suárez (2024) se examina el uso de software
de reconocimiento facial para el control de la jornada laboral y su impacto en los
derechos fundamentales de los trabajadores, destacando la necesidad de equilibrar la
tecnología con la protección de datos personales y derechos laborales.

Vásquez Bohórquez y Cortes Martínez (2021) desarrollan un sistema de detección,

extracción y reconocimiento de rostros en escenas con hasta 4 personas, destinado a
aplicaciones de videovigilancia residencial. El proyecto busca aprovechar el avance
tecnológico en el campo de la seguridad electrónica, específicamente en el
reconocimiento facial, para proporcionar un medio más efectivo y eficiente de
proteger a las personas y sus bienes.

Antecedentes

➢ Nacional
En el informe presentado por Arroyo (2019), titulado "DIAGNÓSTICO DE SENSORES
DE DETECCIÓN DE MOVIMIENTO CON AYUDA DE LA TECNOLOGÍA ARDUINO
EN EL AA. HH VILLA MARIA – CHIMBOTE; 2019., se centra en implementación y
diagnóstico de sistemas de seguridad para mejorar la protección de viviendas,
específicamente en el contexto del AA. HH. Villa Maria. Se identifica una clara
necesidad de utilizar tecnología avanzada, como sensores de detección de
movimiento con tecnología Arduino, para abordar el problema de la inseguridad en la
región. El enfoque metodológico utilizado es no experimental y de corte transversal, lo
que implica un análisis exhaustivo de las necesidades de seguridad y la aceptación
de tecnologías innovadoras por parte de los residentes, según los resultados
logrados, los encuetados de A.H Villa María están de acuerdo con la implementación
de los sensores de movimiento en su hogar para la seguridad de su hogar.

Morales (2023), en la seguridad se menciona la intención de internet en los hogares y

uno de los propósitos es que en esta investigación enriquecerá una vivienda mediante
la implementación de diferentes tipos de enfoques que nos permiten reconocer que
empleando la tecnología nos beneficia en el ámbito de la seguridad.
Un estudio realizado por Cabrera y Nacimiento (2022), quienes exploraron la
viabilidad de un sistema de reconocimiento facial preventivo para detectar
sospechosos de posibles robos en hogares de la capital. La investigación se centró
en el desarrollo de un modelo que integra algoritmos avanzados de inteligencia
artificial con cámaras de seguridad existentes, con el objetivo de identificar individuos
con antecedentes penales o comportamientos sospechosos cerca de las residencias.
El estudio adoptó un enfoque cualitativo y exploratorio, utilizando entrevistas y
encuestas para recoger la percepción y la aceptación de los residentes hacia esta
tecnología. Los resultados preliminares sugieren una influencia positiva del sistema
en la prevención de delitos, reflejando una disminución en la tasa de robos en los
distritos donde se implementó el piloto. Además, se reportó un incremento en la
sensación de seguridad entre los habitantes, quienes expresaron un mayor grado de
confianza en las medidas de protección domiciliaria.

La investigación de Reyes y Nehemías (2022) marcó un hito en la aplicación de

tecnologías de reconocimiento facial en Perú, con un sistema automatizado para la
empresa Spirella. Este sistema buscaba mejorar la seguridad y eficiencia en el control
de acceso, utilizando Python, OpenCV y el algoritmo Viola-Jones. Los resultados
mostraron una notable mejora en la seguridad y gestión de personal, reduciendo los
accesos no autorizados y aumentando la precisión en la toma de asistencia.

La investigación de Capcha Alejandro y Huaman (2021) abordó el impacto del uso de

sistemas de reconocimiento facial con algoritmos Haar Cascade, DeepFace y Luxand
FaceSDK. El estudio aplicado y cuantitativo evaluó la eficacia de estos sistemas en
términos de tiempo, precisión y uso de recursos en una muestra de 20 personas. Los
resultados mostraron mejoras significativas en los indicadores de seguridad, con un
coeficiente de significancia de 0.01, lo que sugiere una alta efectividad de la
tecnología. Además, se recomendó la incorporación de sensores de movimiento para
optimizar la seguridad en entornos virtuales.

En el estudio de Franco Cabrera y Huaynasi Jaramillo (2023), se destaca el desarrollo

de un aplicativo móvil para la empresa Pigati, utilizando la metodología SCRUM. El
objetivo fue automatizar los registros de asistencia y mejorar la gestión de datos
personales. Se emplearon herramientas como Android Studio, PHP, MySQL y
tecnología de reconocimiento facial. La investigación, de tipo cuantitativo y diseño
pre-experimental, involucró a 60 empleados, con una muestra efectiva de 52. Los
resultados indicaron una mejora significativa en la eficiencia administrativa y en la
seguridad de los datos de los empleados.

El estudio de Castro Fernández y Eche Gamero (2023), representa un avance

significativo en la mejora de los procesos de asistencia laboral mediante la integración
de geolocalización y reconocimiento facial. Realizado en la empresa TEXTIL de Piura,
este enfoque cuantitativo pre-experimental demostró que la combinación de estas
tecnologías no solo incrementa la precisión y confiabilidad en el registro de asistencia,
sino que también optimiza el tiempo y minimiza errores. Con un 95% de confianza en
los resultados, el estudio subraya la eficacia de un sistema híbrido en la verificación
segura del personal.

En su trabajo de suficiencia profesional, Amaro Proa (2021) describe el desarrollo de

un proyecto de migración de infraestructura del chatbot con el objetivo de mitigar los
riesgos asociados con una infraestructura compartida y una arquitectura obsoleta en
una entidad financiera. Este proyecto incluyó el despliegue de un nuevo módulo de
COVID-19 debido a la coyuntura de la pandemia. La ejecución del proyecto se llevó a
cabo siguiendo la metodología indicada por la entidad financiera del Perú, lo que
permitió un desarrollo, pruebas y pase a producción sin contratiempos. Además, la
aplicación cumple con todos los lineamientos de seguridad exigidos por la entidad
financiera, incluyendo la realización de ethical hacking en la etapa de certificación.

Martinez Ojeda y Morocho Febres (2022) demostraron la efectividad de un

diagnóstico del estado emocional de los trabajadores de una institución pública a
través del reconocimiento facial. La investigación, aplicada en base a un diseño
preexperimental con un enfoque mixto, utilizó Scrum como marco de trabajo, Python
para el aprendizaje automático y JavaScript (NodeJS) para la creación de un ApiRest.
Los resultados mostraron que el sistema de reconocimiento facial logró un análisis
preciso de las emociones en un 75% de los casos, con un margen de error pequeño
que puede mejorarse en futuras versiones. La implementación de sistemas basados
en machine learning fue recomendada como una solución superior a los enfoques
tradicionales.

➢ Internacional
Según un estudio realizado en Madrid por Sanz (2019) tuvo como objetivo el análisis
de las actividades diarias de una persona de edad avanzada, teniendo en cuenta la
introducción de un patrón de conducta, para que al momento de que se registre
alguna anomalía les pueda llegar un aviso a algún profesional que esté a cargo de la
persona de edad avanzada. Se utilizarán dispositivos domóticos, para llevar a cabo el
análisis de forma pasiva y lograr así que el individuo no se sienta vigilado.
Finalmente, se obtuvo que la implementación del sistema si cumplió con el objetivo
esperado.

Así mismo, un estudio realizado en Bogotá en el año 2019, trata sobre la

implementación de reconocimiento facial para controlar el acceso a los hogares. Se
tuvo en cuenta como problemática el hurto en viviendas, por lo que esto genera varias
demandas al día y preocupación por su integridad. Por ello, se desea impulsar la
tecnología para la protección del hogar y así los ciudadanos puedan estar más
tranquilos (Castaño y Sierra, 2019).

Por otro lado, en México también se ve afectado con la inseguridad ciudadana, ya

que se vió notado por una encuesta realizada a nivel nacional. Además, se pudo
concluir que gracias a la aplicación de este sistema, se tiene una seguridad mayor y
con una confiabilidad del 87.23% (Morales-Alva et al., 2023).

Barragan (2023) nos comenta en su estudio que según los últimos informes de la
comisión de prevención del delito y justicia penal, se señala que la violencia y los
delitos están generando un continuo desorden y caos, ya que se registra un aumento
constante en la incidencia delictiva de diversas categorías. Frente a esta situación,
algunos países como el Reino Unido, Francia y España han optado por implementar
algoritmos de inteligencia artificial como medida para mitigar la actividad delictiva.
Estos algoritmos se centran en la predicción y detección de áreas críticas de
criminalidad en función del espacio y el tiempo. Este enfoque tiene como objetivo
brindar un respaldo temporal a las labores de vigilancia policial e identificar áreas
críticas donde se concentran los intentos delictivos y los patrones de comportamiento
delictivo más comunes.

El trabajo de Molloccuaquira Puña (2020), se enmarca en un escenario global donde

el reconocimiento facial ha ganado terreno como herramienta de seguridad.
Instituciones de todo el mundo han adoptado esta tecnología para mejorar el control
de accesos y la gestión de personal, a pesar de los desafíos éticos y de privacidad
que conlleva.
A nivel internacional, la inversión en investigación y desarrollo de sistemas de
reconocimiento facial refleja la importancia dada a la seguridad institucional. El
estudio de Puña contribuye a este campo, mostrando cómo la tecnología puede
fortalecer la seguridad y la eficiencia operativa.

Según un estudio realizado por Bulla y Largo (2020) nos mencionan que a principios
de los años 2019 y 2020 se había reducido la inseguridad que había por la cantidad
de casos de hurto en ese tiempo, pero al momento de compararlos a finales, sucedió
que otra vez hubo un aumento de la inseguridad, por lo que se decidió implementar
un sistema de monitoreo para el hogar teniendo el enfoque del internet de las cosas,
que en otras palabras sería IoT. Finalmente, al momento de realizar el prototipo la
gente se interesó más por el sistemas y así recomendando que se debe de realizar
con requerimientos específicos para cada caso.

A la vez, Lozano Martinez (2018) nos comenta que en su experiencia noto que la
grabación en vídeo del proceso de monitoreo de los sistemas tecnológicos simplificó
considerablemente las tareas del personal de seguridad, liberándonos de la necesidad
de estar constantemente frente a las pantallas de CCTV(circuito cerrado de
televisión). Además, esta práctica ofrecía la ventaja de contar con registros visuales
de posibles actividades delictivas, que podrían ser utilizados como evidencia en
juicios o para identificar a los responsables de los delitos cometidos
En el trabajo de fin de grado (TFG) de Fernandez, E. (2022) se centra en el diseño y
desarrollo de un sistema de seguridad basado en Internet de las Cosas (IoT)
utilizando Raspberry Pi. El sistema incluye sensores de presencia y cámaras,
actuadores como cerraduras automáticas y luces, y un bot de Telegram para la
gestión remota. Además, incorpora inteligencia artificial para el reconocimiento facial.
La implementación del IoT permite una mayor interactividad y eficiencia en la
seguridad del hogar, con potencial de aplicación en diversas áreas gracias a su
crecimiento en popularidad y accesibilidad en los últimos años.

Según un estudio realizado por Baéz Buelvas (2019) nos menciona que buscó
implementar un sistema de videovigilancia para los laboratorios de la universidad, así
logrando servir de guía para nuevos sistemas que se refieran a videovigilancia, por eso
al final llegó a la conclusión de que podía obtener un resultado óptimo con la correcta
ubicación de las cámaras, teniendo en cuenta los factores del cableado, los tipos de
cámaras, distancia de enfoque y determinar el objeto o persona que quieres enfocar.
Este trabajo se enfoca en realizar una revisión sistemática sobre el uso de la
inteligencia artificial en el reconocimiento facial para la videovigilancia. Comenzamos
con una introducción sobre la importancia de esta tecnología en la seguridad
ciudadana. Luego, seguimos la metodología propuesta por B. Kitchenham,
planteando preguntas de investigación. Realizamos búsquedas en bases de datos
como ProQuest, ScienceDirect y Google Académico, aplicando criterios de inclusión y
exclusión. Posteriormente, evaluamos la calidad de los documentos seleccionados.
En los resultados, analizamos las herramientas y técnicas utilizadas por diferentes
autores en este campo. Concluimos proporcionando respuestas a las preguntas
planteadas.(Huertas More 2023).

En su proyecto de investigación, Sorto López y Márquez Bueso (2020) desarrollan un

sistema de reconocimiento facial y monitoreo de temperatura para pacientes con
COVID-19 en Honduras. El trabajo está dividido en varios capítulos clave. El Capítulo
II aborda el planteamiento del problema, destacando el impacto global del COVID-19
desde su origen en Wuhan, China, y su rápida expansión. El Capítulo III establece el
marco teórico, enfatizando la importancia de la Inteligencia Artificial en la medicina
para el análisis y la creación de soluciones rápidas. En el Capítulo IV, se describe la
metodología incremental utilizada, permitiendo resultados progresivos y verificaciones
de funcionalidad en cada incremento. El Capítulo V presenta el análisis y resultados
del sistema desarrollado, el cual combina IA y reconocimiento facial para el censo de
temperatura corporal de los pacientes. Finalmente, el Capítulo VI concluye que la
implementación de este sistema en Honduras podría ayudar a controlar la
enfermedad y reducir el contagio entre el personal médico.

En su investigación, Almonacid Díaz (2020) aborda el uso del reconocimiento facial

para controlar la población durante la pandemia de COVID-19. Este trabajo examina
cómo la captura de micro expresiones faciales puede medir y evaluar emociones, lo
que facilita la vigilancia de movimientos, la predicción de comportamientos y la
anticipación de intenciones de compra y voto. El estudio también revisa los enfoques
teóricos que sustentan esta tecnología y plantea reflexiones éticas sobre su
implementación.

Romero Castro y Garcia Lucio (2024) desarrollaron e implementaron un software de

reconocimiento facial para el control de asistencia en la Carrera de Tecnologías de la
Información en la Facultad de Ciencias Técnicas de Jipijapa-Unesum. Este proyecto
mejoró significativamente el proceso de registro de asistencia, automatizando y
haciéndolo más eficiente.

Lauck-Zuluaga (2021) presenta el desarrollo de una aplicación web con

reconocimiento facial para el control de asistencia a capacitaciones, mejorando la
precisión y accesibilidad de los registros en comparación con los métodos manuales
tradicionales

El proyecto se enfoca en establecer un sistema de control de acceso a un entorno

utilizando reconocimiento facial, empleando el Raspberry Pi 3 B+ en conjunto con la
librería OpenCV y extensiones XML de clasificadores. El dispositivo es capaz de
reconocer rostros previamente entrenados y configurados mediante el clasificador Haar
Cascade. Una vez detectado el rostro con un nivel aceptable de confiabilidad, se envía
una señal al relé para activar la apertura de la chapa eléctrica. La metodología se basa en
el intento del clasificador y el programa por reconocer el rostro, determinando si
corresponde o no a la persona previamente registrada en la base de datos, la cual consta
de una cantidad N de fotos capturadas por la misma cámara utilizada en el proceso.
(Moreano Rojas & Maldonado Lezama, 2019).

La tesis "Prototipo de un Sistema de Reconocimiento Facial para el Control Biométrico en

el Colegio Aplicación de la Universidad Nacional del Altiplano Puno - 2019", presentada
por Bach. Angel Beto Mamani Aquino y Bach. Rhoan Christian Canahui Quispe (2019),
para optar al título profesional de Ingeniero Electrónico en Puno, Perú, en 2022, describe
el desarrollo de un sistema de reconocimiento facial utilizando Python y Microsoft Azure.
La investigación demuestra la eficiencia del sistema en el control de acceso, destacando
la integración de tecnologías biométricas y la creación de una interfaz de usuario
prototípica. Se concluye que el sistema logra un adecuado control de tiempo y registro de
participantes.

El estudio "Diseño y Desarrollo de un Sistema de Prototipo de Reconocimiento Facial

sobre Infraestructura Fog Computing en una Arquitectura de Microservicios Montada en
Contenedores Docker Ejecutadas en una Instancia de Infraestructura de Nube Distribuida
en OpenNebula, Aplicación Móvil Android a los Medios de Transporte Público", realizado
por Anita Melania Sichique Pillacela y Maicoly Emanuel Guerrero Zhunio, bajo la
supervisión del tutor Pablo Leonidas Gallegos Segovia, PhD., en Cuenca, Ecuador, en
2020, describe el desarrollo de una aplicación móvil y una aplicación web para el
reconocimiento facial de criminales, secuestradores y personas desaparecidas en
Cuenca, Ecuador. La investigación se enfocó en la implementación de Fog Computing y
microservicios para optimizar el procesamiento de inteligencia artificial, alojados en el
servidor OpenNebula. La aplicación móvil permitió la denuncia de casos, notificaciones e
información de casos, mientras que la aplicación web contó con módulos de dashboard,
administración y mantenimiento. La adopción de microservicios mejoró la eficiencia del
procesamiento de inteligencia artificial, garantizando un mejor rendimiento y velocidad de
respuesta.

La tesis "Diseño e Implementación de un Asistente Virtual (Chatbot) para Ofrecer

Atención a los Clientes de una Aerolínea Mexicana por Medio de sus Canales
Conversacionales" fue presentada por Fabricio Andrei Garibay Ornelas para obtener el
grado de Maestro en Gestión de Innovación de las Tecnologías de Información y
Comunicación, bajo la dirección de Maestro Rodrigo Armando Guerrero Castro, en
Ciudad de México, en mayo de 2020. El proyecto se enfoca en el diseño e
implementación de un chatbot para brindar atención a los clientes de Club Premier,
utilizando canales conversacionales en Facebook, WhatsApp y web. Se destaca el
cambio en la comunicación, impulsado por la digitalización, y la creciente demanda de
personalización y respuestas instantáneas por parte de los usuarios. Se investiga cómo la
inteligencia artificial puede satisfacer estas demandas, y se plantea un plan para
desarrollar el chatbot utilizando la tecnología proporcionada por Aivo. El objetivo es
mejorar la calidad del servicio al cliente y aumentar la afiliación al programa Club Premier,
agilizando el tiempo de respuesta y automatizando procesos. La investigación contribuye
a evaluar la eficacia de los asistentes virtuales en la satisfacción del cliente y enriquecer
los canales de comunicación de la empresa.

El proyecto de Garibay Ornelas (2020) se centra en el diseño e implementación de un

chatbot para brindar atención a los clientes de Club Premier a través de canales
conversacionales en Facebook, WhatsApp y la web. Destaca el cambio en la
comunicación impulsado por la digitalización, así como la creciente demanda de
personalización y respuestas instantáneas por parte de los usuarios. La investigación
explora cómo la inteligencia artificial puede satisfacer estas necesidades y propone un
plan para desarrollar el chatbot utilizando la tecnología proporcionada por Aivo. El
objetivo es mejorar la calidad del servicio al cliente y aumentar la afiliación al programa
Club Premier mediante la agilización del tiempo de respuesta y la automatización de
procesos. Esta investigación contribuye a evaluar la eficacia de los asistentes virtuales en
la satisfacción del cliente y enriquecer los canales de comunicación de la empresa.

La investigación de Saavedra Rivera (2023) se centra en el desarrollo de un sistema de

reconocimiento facial para el control de acceso a las instalaciones de FUDEC Perú. Se
destaca la problemática del crecimiento de la delincuencia en el país y las limitaciones de
los sistemas de seguridad existentes. El sistema desarrollado combina un software de
reconocimiento facial con un circuito de control de acceso para proporcionar un
funcionamiento seguro y automático. Se implementó un algoritmo de redes neuronales
siamesas para el reconocimiento facial, logrando una precisión del 94% en las pruebas
de campo. Además, el sistema incluye una detección facial que mejora la calidad de las
imágenes capturadas y un proceso de verificación de vida mediante el conteo de
parpadeos, con una precisión del 98%. El objetivo del proyecto es mitigar y prevenir actos
delictivos en las instalaciones de FUDEC Perú mediante el uso de la inteligencia artificial.
La tesis de Penagos Silva (2021) se centra en el desarrollo de un software de ingreso de
personas mediante reconocimiento facial y detección de cubrebocas. El proyecto fue
sustentado el 16 de junio del 2021 frente al jurado, compuesto por el asesor Fredy
Enrique Segura Quijano y los coasesores Fernando A Escobar y Nicolas Rocha Pacheco,
así como los jurados Carolina Higuera Arias. El documento aborda la necesidad de
agilizar los procesos de ingreso en entornos laborales y la detección de personas con
cubrebocas debido a la pandemia de COVID-19. Se menciona la ineficiencia de los
sistemas manuales de acceso y se propone el desarrollo de un software que implemente
algoritmos de detección y reconocimiento facial en menos de 3 segundos para hasta 15
personas, con el fin de crear un prototipo de sistema de seguridad de bajo costo.

Nguyen (2021) explica que los asistentes virtuales o chatbots son programas informáticos
diseñados para interactuar con usuarios a través de conversaciones en lenguaje natural.
En los últimos tiempos, estos chatbots han trascendido el ámbito comercial y se han
vuelto útiles en una variedad de campos, incluyendo la educación, los negocios, el
comercio electrónico, la salud y el entretenimiento. Diversas investigaciones han
demostrado que los chatbots pueden proporcionar entretenimiento, ofrecer
retroalimentación instantánea, mejorar las habilidades de comunicación entre pares y
aumentar la eficiencia del aprendizaje de los estudiantes. En el ámbito educativo, se
destaca la necesidad de un chatbot capaz de responder automáticamente a todas las
preguntas relacionadas con una universidad específica, sin requerir intervención humana.

Gawade (2020) ofrece una definición de los chatbots, describiéndolos como aplicaciones
de software diseñadas para sostener conversaciones en línea, ya sea mediante texto o
voz sintetizada, sin requerir la intervención directa de un humano. Estos programas están
concebidos para emular de manera convincente el comportamiento humano en una
conversación. Por lo general, se crean utilizando lenguajes específicos como AIML, un
lenguaje basado en XML que permite a los desarrolladores establecer reglas para guiar la
interacción del bot. Sin embargo, un desafío importante radica en que la redacción de
reglas para diferentes situaciones es laboriosa y es imposible anticipar todas las posibles
circunstancias.
Glosario de términos

Término Descripción

Reconocimiento Tecnología que identifica a las personas mediante el análisis

facial de sus características faciales únicas, como la forma de los
ojos, la nariz y la boca.

Reconocimiento La capacidad del sistema para detectar y registrar

de movimiento movimientos en el entorno, como el desplazamiento de
personas u objetos dentro del área de vigilancia.

Base de datos Almacena las características faciales de las personas

de identificación autorizadas para acceder al hogar. Estas características se
facial utilizan para compararlas con las imágenes capturadas por
las cámaras de vigilancia y así verificar la identidad de las
personas

Algoritmo de Conjunto de reglas y procedimientos matemáticos que

reconocimiento permiten identificar y comparar características faciales en
facial imágenes digitales. Estos algoritmos son la base del
funcionamiento del sistema de reconocimiento facial

II. DESCRIPCIÓN DEL PRODUCTO

Propósito del producto

El propósito de este proyecto es poder tener un seguimiento de las diferentes
actividades del hogar de los integrantes de la familia, logrando estar pendiente del
hogar sin estar en ella. Especialmente está dirigido para la seguridad de los niños en
la casa, ya que son los más propensos a llegar a ocasionar un accidente donde
puede poner en riesgo su vida y la de los demás.
Los requerimientos requeridos por el cliente serían:
- Reconocimiento Facial:
 - Detección de movimientos inusuales
- Notificaciones a dispositivos móviles
- Sensores de Movimiento
- Reconocimiento de género y edad
- Detección de Sonidos Anormales
- Chatbot de resumen o seguimiento de la casa:
- Pre-registrar rostros
- Control Parental Avanzado
- Respaldo de energía
- Propósito del producto

Requisitos funcionales de alto nivel del producto

En la siguiente tabla se presentan los requisitos funcionales de alto nivel del producto.

Id Descripción
RF01 El sistema de reconocimiento facial que identifica a los miembros de la
familia y visitantes basándose en características faciales.
RF02 Detección de movimientos inusuales y registro de alertas al detectar
patrones de movimiento poco comunes.

RF03 Envío de alertas instantáneas a los teléfonos móviles de los padres

cuando ocurren eventos importantes

RF04 Sensores de Movimiento que detectan movimientos inusuales en áreas

estratégicas del hogar.

RF05 Reconocimiento de género y edad para proporcionar información sobre

las personas detectadas.

RF06 Detección de Sonidos Anormales mediante micrófonos para detectar

sonidos inusuales o alarmantes.

RF07 Implementación de un chatbot para obtener resúmenes de la actividad en

la casa y seguimiento de eventos relevantes.

RF08 Permitir el pre-registro de rostros conocidos para facilitar la identificación.

RF09 Control Parental Avanzado con perfiles personalizables, zonas de

seguridad infantil, horarios de vigilancia, bloqueo de contenidos y registro
detallado de actividad

RF10 Respaldo de energía para mantener la seguridad activa durante cortes de

 luz.

Requisitos no funcionales de alto nivel del producto

Id Descripción

RNF 01 Operación continua y precisa, minimizando errores y falsas

alarmas.
RNF 02 Optimización del uso de recursos del sistema para un
funcionamiento fluido.
RNF 03 Seguridad robusta para proteger la información personal y las
imágenes capturadas.
RNF 04 Capacidad de integrarse con otros sistemas de seguridad y
dispositivos inteligentes.
RNF 05 Diseño que permita actualizaciones y mantenimiento sencillos.
RNF 06 Adaptabilidad para funcionar en diferentes plataformas y
dispositivos.
RNF 07 Interfaces de usuario intuitivas y guías claras para usuarios no
técnicos.
RNF 08 Accesibilidad para personas con diversas capacidades.
RNF 09 Cumplimiento con las leyes de vigilancia y privacidad.
RNF10 Asistencia técnica y soporte al cliente eficiente.
III. Alcance y limitaciones

Alcance funcionalidad del producto

I. Módulo de Reconocimiento Facial y de Movimiento

Submódulo de Identificación de Usuarios:

● Registro de Usuarios: Capacidad para registrar y almacenar perfiles faciales

de los miembros de la familia y visitantes autorizados.
● Autenticación de Usuarios: Verificación de la identidad de las personas que
acceden al hogar.
● Historial de Accesos: Registro de fechas y horas de entrada y salida de
personas reconocidas.

Submódulo de Detección de Movimiento:

● Monitoreo en Tiempo Real: Vigilancia continua de áreas designadas dentro

del hogar.
● Análisis de Patrones de Movimiento: Identificación de movimientos atípicos y
generación de alertas.

Submódulo de Notificaciones y Alertas:

● Gestión de Alertas: Configuración de notificaciones para eventos

específicos.
● Comunicación con Dispositivos Móviles: Envío de alertas a smartphones o
tablets.

II. Módulo de Interacción y Control

Submódulo de Interfaz de Usuario:

● Panel de Control: Interfaz centralizada para la gestión del sistema.

● Configuración de Preferencias: Personalización de ajustes según las
necesidades del usuario.

Submódulo de Chatbot y Resumen de Actividades:

● Chatbot de Seguridad: Asistente virtual para consultas y resúmenes de

actividades.
● Reportes de Eventos: Generación de informes sobre incidentes y alertas.
 Submódulo de Control Parental:

● Gestión de Perfiles de Seguridad Infantil: Configuración de parámetros de

seguridad para niños.
● Monitoreo de Actividades: Seguimiento de las acciones de los menores en el
hogar.

Limitaciones:

● Cobertura de Reconocimiento: El sistema puede tener limitaciones en la

identificación con baja iluminación o ángulos de cámara adversos.
● Dependencia de Conectividad: Requiere una conexión a internet estable
para el envío de alertas y actualizaciones de software.
● Privacidad y Legalidad: El sistema debe cumplir con las regulaciones de
privacidad y protección de datos aplicables.
● Interoperabilidad: Puede haber limitaciones en la integración con
dispositivos de terceros o sistemas de seguridad preexistentes.

IV. ESTRUCTURA DE DESCOMPOSICIÓN DEL

TRABAJO
1. Desarrollo del Software de Seguridad del Hogar
1.1. Investigación y Planificación
1.1.1. Análisis de requisitos
1.1.2. Definición de objetivos
1.1.3. Planificación del proyecto
1.2. Desarrollo del Sistema
1.2.1. Diseño de la arquitectura del software
1.2.2. Desarrollo de la interfaz de usuario
1.2.3. Implementación del reconocimiento facial
1.2.4. Integración de sensores de movimiento
1.3. Pruebas y Validación
1.3.1. Pruebas de funcionalidad
1.3.2. Pruebas de integración
1.3.3. Pruebas de rendimiento
V. ENTREGABLES

ID Descripción

E01 Interfaz de usuario completa y

operativa: 22 de Abril

E02 Funcionalidad de notificaciones y

alertas a dispositivos móviles: 20
Junio

E03 Chatbot de seguridad y resumen

de actividades: 10 de Julio

E04 Módulo de control parental con

configuraciones personalizables:
27 de Mayo

E05 Módulo de Identificación de

usuario: 20 de Mayo

E06 Módulo de detección y análisis

de movimiento: 01 Julio
VI. CRONOGRAMA
VII. ANÁLISIS

Modelo de casos de usos del sistema

Diagrama de casos de uso del sistema
Especificaciones de los casos de uso del sistema
Nombre del C.U.S: Identificación de Miembros de la Familia y Visitantes
Descripción: Este caso de uso describe el proceso mediante el cual el sistema de
reconocimiento facial identifica a los miembros de la familia y a los visitantes
basándose en sus características faciales únicas.
Actores: Sistema de reconocimiento facial, Miembros de la Familia, Visitantes.
Pre-condición: El sistema de reconocimiento facial está activo y las cámaras están
funcionando correctamente.
Flujo Normal:
1. El sistema detecta la presencia de una persona frente a las cámaras.
2. El sistema analiza las características faciales de la persona.
3. Si las características faciales coinciden con las de un miembro de la familia
registrado:
a. El sistema muestra una notificación al miembro de la familia identificado.
b. El miembro de la familia puede acceder al hogar sin problemas.
c. Fin del caso de uso.
4. Si las características faciales no coinciden con las de ningún miembro de la familia
registrado:
a. El sistema muestra una notificación al visitante, indicando que su identidad no ha
sido reconocida.
b. Se ofrece al visitante la opción de llamar a un miembro de la familia para confirmar
su identidad o esperar a que alguien autorizado le abra la puerta.
c. Fin del caso de uso.
Flujo Alternativo:
Si el sistema no puede detectar la cara de la persona debido a problemas de
iluminación o cualquier otra razón técnica:
a. Se muestra un mensaje de error al actor.
b. El sistema solicita al actor que intente nuevamente posicionarse frente a la cámara.
Post-condición: La persona es identificada como un miembro de la familia o un
visitante, según corresponda, y se le permite o deniega el acceso al hogar. Se registra
la interacción en el sistema para futuras referencias.

Nombre del CUS: Detección de Movimientos Inusuales con Registro de Alertas

Descripción: Este caso de uso describe cómo el sistema detecta movimientos
inusuales en el entorno del hogar y registra alertas cuando se detectan patrones de
movimiento poco comunes.
Actores:
Sistema de Seguridad del Hogar
Usuario (opcionalmente, para revisar las alertas)
Precondición: El sistema de seguridad del hogar está activado y las cámaras de
vigilancia están funcionando correctamente.
Flujo Normal:
1. El sistema monitorea constantemente las cámaras de vigilancia del hogar.
2. Cuando se detecta un movimiento, el sistema analiza el patrón de movimiento.
3. Si el patrón de movimiento se considera usual o esperado (por ejemplo, una
persona caminando por una habitación):
a. El sistema no registra ninguna alerta.
4. Si el patrón de movimiento se considera inusual o poco común (por ejemplo,
movimientos erráticos o fuera de horas normales):
a. El sistema registra una alerta en el registro de eventos.
b. El sistema envía una notificación al usuario, informando sobre el movimiento
inusual detectado.
5. El usuario puede revisar la alerta a través de la aplicación móvil o el panel de
control del sistema de seguridad.
6. El usuario puede tomar medidas apropiadas según la situación, como contactar a
las autoridades o verificar el hogar visualmente mediante las cámaras de vigilancia.
Flujo Alternativo:
- Si el sistema no puede analizar el patrón de movimiento debido a problemas
técnicos o fallos en las cámaras de vigilancia:
a. El sistema registra un evento de error.
b. El sistema notifica al usuario sobre la falla técnica.
c. El usuario puede intentar solucionar el problema técnicamente o contactar al
soporte técnico para obtener asistencia.
Postcondición: Se registra una alerta en el sistema y el usuario es notificado sobre
el movimiento inusual detectado en el hogar.

Nombre del CUS: Envío de Alertas Instantáneas a los Teléfonos Móviles

Descripción: Este caso de uso describe cómo el sistema envía alertas instantáneas
a los teléfonos móviles de los padres cuando ocurren eventos importantes en el
hogar.
Actores:
Sistema de Seguridad del Hogar
Padres (Usuarios)
Precondición: El sistema de seguridad del hogar está activado y configurado para
enviar alertas a los teléfonos móviles de los padres.
Flujo Normal:
1. El sistema monitorea constantemente las cámaras de vigilancia y otros dispositivos
de seguridad del hogar.
2. Cuando ocurre un evento importante, como la detección de movimientos inusuales,
intrusiones, o activación de alarmas de humo, el sistema identifica automáticamente
la situación.
3. El sistema genera una alerta instantánea y la envía a los teléfonos móviles de los
padres registrados en el sistema.
4. Los padres reciben la alerta en sus teléfonos móviles a través de una notificación
push o un mensaje de texto.
5. Los padres pueden revisar la alerta de inmediato y tomar las medidas necesarias,
como llamar a las autoridades, verificar visualmente el hogar a través de la aplicación
móvil, o desactivar la alarma si se trata de una falsa alarma.
Flujo Alternativo:
Si el sistema no puede enviar la alerta debido a problemas técnicos con la red o los
servidores:
a. El sistema registra un evento de error.
b. Los padres no reciben la alerta de inmediato.
c. Los padres pueden verificar el estado del sistema a través de la aplicación móvil o
el panel de control en línea y tomar medidas manualmente según sea necesario.
Postcondición: Se envía una alerta instantánea a los teléfonos móviles de los padres
cuando ocurre un evento importante en el hogar, permitiéndoles tomar medidas
rápidas y apropiadas para garantizar la seguridad del hogar y de sus familiares.

Nombre del CUS: Detección de Movimientos Inusuales por Sensores de Movimiento

Descripción: Este caso de uso describe cómo los sensores de movimiento detectan
movimientos inusuales en áreas estratégicas del hogar y generan alertas en el
sistema de seguridad.
Actores:
Sistema de Seguridad del Hogar, Sensores de Movimiento
Precondición: Los sensores de movimiento están instalados y configurados en áreas
estratégicas del hogar, y el sistema de seguridad del hogar está activado.
Flujo Normal:
1. Los sensores de movimiento monitorean constantemente las áreas asignadas del
hogar.
2. Cuando se detecta un movimiento inusual, el sensor de movimiento envía una
señal al sistema de seguridad.
3. El sistema de seguridad identifica la alerta de movimiento y determina la ubicación
exacta del sensor activado.
4. El sistema genera una alerta y la muestra en el panel de control del sistema,
indicando la ubicación del movimiento inusual.
5. El sistema también puede activar otras medidas de seguridad, como encender
luces, activar alarmas audibles, o enviar notificaciones a los teléfonos móviles de los
padres.
6. Los padres o usuarios pueden verificar la alerta a través de la aplicación móvil o el
panel de control en línea y tomar las medidas necesarias según sea necesario.
Flujo Alternativo:
Si el sensor de movimiento falla al detectar un movimiento inusual debido a
problemas técnicos o de calibración:
a. El sensor registra un evento de error.
b. El sistema puede generar una alerta de error o mostrar un mensaje indicando que
el sensor está fuera de línea o necesita mantenimiento.
c. Los padres o usuarios pueden ser notificados sobre la falla del sensor y tomar
medidas manuales para verificar la seguridad del hogar.
Postcondición: Los sensores de movimiento detectan movimientos inusuales en
áreas estratégicas del hogar, permitiendo al sistema de seguridad generar alertas y
tomar medidas para garantizar la seguridad del hogar y de sus residentes.
Nombre del CUS: Reconocimiento de Género y Edad para Identificación de
Personas
Descripción: Este caso de uso describe cómo el sistema de reconocimiento facial
identifica el género y la edad de las personas detectadas para proporcionar
información adicional sobre ellas.
Actores:
Sistema de Seguridad del Hogar, Cámaras de Reconocimiento Facial
Precondición: El sistema de reconocimiento facial está activado y las cámaras están
instaladas y configuradas para capturar imágenes de las personas presentes en el
área vigilada del hogar.
Flujo Normal:
1. Las cámaras de reconocimiento facial capturan imágenes de las personas
presentes en el área vigilada del hogar.
2. El sistema de seguridad analiza las imágenes capturadas y utiliza algoritmos de
reconocimiento facial para identificar el género y estimar la edad de las personas
detectadas.
3. El sistema registra la información de género y edad asociada a cada persona
detectada.
4. Si se detecta una persona desconocida, el sistema puede almacenar
temporalmente la información de género y edad para futuras referencias.
5. El sistema proporciona información sobre el género y la edad de las personas
detectadas en el área vigilada, que puede ser visualizada a través del panel de
control del sistema o la aplicación móvil.
6. Los padres o usuarios pueden acceder a esta información para realizar un
seguimiento de las personas presentes en el hogar y tomar decisiones según sea
necesario.
Flujo Alternativo:
Si el sistema no puede determinar con precisión el género o la edad de una persona
debido a problemas de iluminación, obstrucciones faciales o condiciones adversas:
a. El sistema registra un evento de error.
b. Puede mostrar un mensaje indicando que la identificación del género o la edad no
fue posible en ese momento.
c. Los padres o usuarios pueden ser notificados sobre la dificultad en la identificación
y tomar medidas manuales para verificar la presencia de la persona en el hogar.
Postcondición: El sistema de reconocimiento facial identifica el género y la edad de
las personas detectadas en el área vigilada del hogar, permitiendo a los padres o
usuarios realizar un seguimiento de las personas presentes y tomar decisiones
basadas en la información proporcionada.
Nombre del CUS: Detección de Sonidos Anormales
Descripción: Este caso de uso describe cómo el sistema de seguridad del hogar
detecta sonidos anormales o alarmantes mediante micrófonos para alertar a los
usuarios sobre posibles situaciones de riesgo.
Actores:
Sistema de Seguridad del Hogar
Micrófonos de Detección de Sonidos
Precondición: El sistema de seguridad del hogar está activado y los micrófonos de
detección de sonidos están instalados y funcionando correctamente.
Flujo Normal:
1. Los micrófonos de detección de sonidos captaron sonidos ambientales en el área
vigilada del hogar.
2. El sistema de seguridad analiza los sonidos capturados y utiliza algoritmos para
identificar patrones de sonidos anormales o alarmantes.
3. Si se detecta un sonido inusual o alarmante, el sistema registra el evento y activa
una alerta.
4. El sistema notifica a los usuarios a través de dispositivos móviles u otros medios de
comunicación sobre la detección del sonido anormal.
5. Los usuarios reciben la notificación y pueden tomar medidas apropiadas, como
verificar la situación a través de las cámaras de vigilancia o contactar a las
autoridades pertinentes.
Flujo Alternativo:
Si el sistema no puede determinar con precisión la naturaleza del sonido debido a
interferencias o condiciones ambientales adversas:
a. El sistema registra un evento de error.
b. Puede mostrar un mensaje indicando que la detección de sonidos anormales no
fue posible en ese momento.
c. Los usuarios pueden ser notificados sobre la dificultad en la detección y tomar
medidas manuales para verificar la situación en el hogar.
Postcondición: El sistema de seguridad del hogar detecta y alerta a los usuarios sobre
sonidos anormales o alarmantes en el área vigilada, permitiéndoles tomar medidas
apropiadas para garantizar la seguridad del hogar.
Nombre del CUS: Implementación de un Chatbot para Obtener Resúmenes de la
Actividad en la Casa y Seguimiento de Eventos Relevantes
Descripción: Este caso de uso describe cómo el sistema de seguridad del hogar
implementa un chatbot para permitir a los usuarios obtener resúmenes de la actividad
en la casa y seguir eventos relevantes de manera interactiva.
Actores:
Sistema de Seguridad del Hogar
Usuarios (Padres u otros residentes)
Precondición: El sistema de seguridad del hogar está activo y el chatbot está
correctamente implementado y disponible para su uso.
Flujo Normal:
1. El usuario inicia una conversación con el chatbot a través de un dispositivo móvil u
otro medio de comunicación compatible.
2. El chatbot saluda al usuario y ofrece opciones de consulta, como "Obtener
resumen de actividad" o "Seguir eventos relevantes".
3. El usuario selecciona la opción "Obtener resumen de actividad".
4. El chatbot solicita al usuario detalles específicos sobre el período de tiempo o los
eventos que le gustaría revisar.
5. El usuario proporciona la información solicitada al chatbot.
6. El chatbot procesa la solicitud y recopila datos relevantes sobre la actividad en la
casa durante el período de tiempo especificado.
7. El chatbot presenta al usuario un resumen detallado de la actividad en la casa, que
puede incluir eventos como detecciones de movimiento, reconocimientos faciales,
alertas de sonidos anormales, etc.
8. El usuario revisa el resumen proporcionado por el chatbot y puede realizar
consultas adicionales si es necesario.
9. El usuario finaliza la interacción con el chatbot.
Flujo Alternativo:
Si el usuario selecciona la opción "Seguir eventos relevantes" en lugar de "Obtener
resumen de actividad":
a. El chatbot proporciona al usuario una lista de eventos relevantes que pueden ser
seguidos, como la llegada de visitantes, la detección de movimientos inusuales, etc.
b. El usuario elige los eventos que desea seguir.
c. El chatbot confirma la selección del usuario y comienza a enviar notificaciones
sobre los eventos seleccionados en tiempo real.
Postcondición: El usuario ha interactuado con el chatbot para obtener un resumen
de la actividad en la casa o seguir eventos relevantes, lo que le permite mantenerse
informado sobre lo que está sucediendo en su hogar en todo momento.

Según Garibay (2020) nos menciona que el chatbot es una herramienta muy
poderosa al momento de querer aplicarlo en una empresa, ya que en su estudio
confirma que la implementación de este mismo es un éxito entre los clientes. Por otro
lado, también nos comentan que tienen posibles ventajas dependiendo de cómo está
desarrollado la IA, ya que puede ser de manera que puede aprender con el tiempo o
una IA que se centra en un objetivo que no permite poder desarrollar su vocabulario,
por consiguiente lleva a decir que una de las limitaciones que tiene es su lenguaje
poco natural,
Nombre del CUS: Pre-registro de Rostros Conocidos para Facilitar la Identificación
Descripción: Este caso de uso describe cómo el sistema de seguridad del hogar
permite el pre-registro de rostros conocidos para facilitar la identificación de miembros
de la familia y visitantes autorizados.
Actores:
Sistema de Seguridad del Hogar
Usuarios (Padres u otros residentes)
Precondición: El sistema de seguridad del hogar está activo y el usuario tiene
acceso a la funcionalidad de pre-registro de rostros.
Flujo Normal:
1. El usuario accede a la configuración del sistema de seguridad del hogar a través de
una interfaz de usuario dedicada.
2. El usuario selecciona la opción de "Pre-registro de Rostros" dentro del menú de
configuración.
3. El sistema solicita al usuario que proporcione imágenes de los rostros que desea
registrar.
4. El usuario carga las imágenes de los rostros conocidos desde su dispositivo o
desde una ubicación externa.
5. El sistema procesa las imágenes proporcionadas y extrae características faciales
para crear perfiles de rostros.
6. El usuario revisa y confirma los perfiles de rostros creados por el sistema.
7. El sistema almacena los perfiles de rostros en la base de datos de identificación
facial para su uso futuro en el reconocimiento facial.
Flujo Alternativo:
Si el usuario encuentra dificultades al cargar las imágenes de los rostros conocidos:
a. El sistema proporciona asistencia y orientación sobre cómo cargar las imágenes de
manera adecuada.
b. El usuario sigue las instrucciones proporcionadas por el sistema para completar el
proceso de carga de imágenes.
Postcondición: Los rostros conocidos han sido pre-registrados con éxito en el sistema
de seguridad del hogar, lo que facilita la identificación y reconocimiento de miembros
de la familia y visitantes autorizados en futuras interacciones con el sistema.
Nombre del CUS: Control Parental Avanzado
Descripción: Este caso de uso describe cómo el sistema de seguridad del hogar
proporciona funciones avanzadas de control parental, incluyendo perfiles
personalizables, zonas de seguridad infantil, horarios de vigilancia, bloqueo de
contenidos y registro detallado de actividad.
Actores:
Sistema de Seguridad del Hogar
Padres o tutores
Precondición: El sistema de seguridad del hogar está activo y el usuario tiene
acceso a las funcionalidades de control parental.
Flujo Normal:
1. Los padres acceden al panel de control parental a través de una interfaz de usuario
dedicada.
2. Los padres seleccionan la opción para crear un nuevo perfil de usuario para un
niño.
3. El sistema solicita información para personalizar el perfil, como el nombre del niño,
la edad y las restricciones de contenido.
4. Los padres establecen las zonas de seguridad infantil dentro del hogar, delimitando
áreas donde el niño puede o no puede acceder.
5. Los padres configuran los horarios de vigilancia, especificando períodos de tiempo
durante los cuales el niño puede utilizar dispositivos o acceder a ciertos contenidos.
6. Los padres seleccionan las categorías de contenido que desean bloquear o
restringir, como sitios web inapropiados, aplicaciones o programas de televisión.
7. Los padres revisan y confirman la configuración del perfil de control parental.
8. El sistema guarda la configuración del perfil de control parental y la aplica a los
dispositivos y áreas del hogar según las especificaciones establecidas.
Flujo Alternativo:
Si los padres desean modificar la configuración de un perfil existente:
a. Los padres acceden al panel de control parental y seleccionan el perfil que desean
modificar.
b. Los padres ajustan las configuraciones según sea necesario, como agregar nuevas
restricciones de contenido o modificar los horarios de vigilancia.
c. El sistema guarda los cambios y actualiza la configuración del perfil de control
parental.
Postcondición: Se han creado perfiles de control parental personalizables con éxito,
lo que permite a los padres gestionar y supervisar el uso de dispositivos y contenido
por parte de sus hijos dentro del hogar.
Nombre del CUS: Respaldo de Energía para Mantener la Seguridad Activa durante
Cortes de Luz
Descripción: Este caso de uso describe cómo el sistema de seguridad del hogar
utiliza un respaldo de energía para mantener sus funciones activas durante cortes de
luz, garantizando la continuidad de la seguridad en el hogar.
Actores:
Sistema de Seguridad del Hogar
Proveedor de Energía Eléctrica
Precondición: El sistema de seguridad del hogar está conectado a un respaldo de
energía y configurado para activarse automáticamente en caso de cortes de luz.
Flujo Normal:
1. El sistema de seguridad detecta un corte de luz en el suministro eléctrico.
2. El sistema de seguridad activa automáticamente el respaldo de energía.
3. Los dispositivos de seguridad, como cámaras, sensores y alarmas, continúan
funcionando con la energía del respaldo.
4. El sistema de seguridad sigue monitoreando y protegiendo el hogar, realizando las
funciones habituales como detección de movimientos, reconocimiento facial, etc.
5. Cuando se restaura el suministro eléctrico, el sistema de seguridad vuelve a la
alimentación principal y desactiva el respaldo de energía.
6. El sistema de seguridad notifica a los usuarios sobre el corte y la restauración de la
energía eléctrica.
Flujo Alternativo:
Si el respaldo de energía falla al activarse:
a. El sistema de seguridad emite una alerta al usuario sobre el fallo del respaldo de
energía.
b. El usuario puede intentar restablecer el respaldo de energía manualmente, si es
posible.
c. Si no se restablece el respaldo de energía, el usuario puede tomar medidas
alternativas para garantizar la seguridad del hogar, como activar manualmente las
alarmas o contactar al proveedor de energía eléctrica para solucionar el problema.
Postcondición: El sistema de seguridad del hogar ha utilizado con éxito el respaldo
de energía para mantener sus funciones activas durante un corte de luz, garantizando
la continuidad de la seguridad en el hogar hasta que se restaure el suministro
eléctrico.
VIII. DISEÑO

Modelo Físico
DICCIONARIO DE DATOS
BASE DE DATOS
PROTOTIPOS
Requisitos de software
Se requiere un gestor de base de datos, el cual se utilizará el MySQL Server
para el almacenamiento de los datos, además, se utilizará el Apache
Netbeans 18 para la creación de los mó[Link] utilizará el lenguaje de java
para realizar la programación del sistema.

Requisitos de hardware
Se requiere una buena conexión de red, es decir, un buen router con cables
para la realización de las consultas a chatbot, por otro lado, se necesitará
cámaras IP para las grabaciones y sensores para la detección de
movimiento, sonido, etc.
CODIFICACIÓN INICIAL
REFERENCIAS
CABRERA, Jhordy y Nacimiento, Edwin. Sistema de reconocimiento facial
preventivo para detectar sospechosos de posibles robos domiciliarios en
Lima . Bm: Universidad César Vallejo, 2022.
[Link]
91002968263107001

FLORES REYES, Nehemías David. Reconocimiento facial para la gestión de

control de acceso de la empresa Spirella . Bm: Universidad César Vallejo,
 2022.
[Link]
91002948004107001

CAPCHA, Alejandro y Huaman, José Luis. Sistema de reconocimiento facial

basado en los algoritmos Haar Cascade, DeepFace y Luxand FaceSDK .
Bm: Universidad César Vallejo, 2021.
[Link]
91002909690807001

FRANCO, Ashley y Huaynasi, Yaneth. Aplicativo móvil con reconocimiento facial

para el control de asistencia de empleados en la empresa Pigati SA Bm:
Universidad César Vallejo, 2023.
[Link]
91002973562107001

CASTRO, Eder y Eche, Óscar. Reconocimiento facial y geolocalización para el

control de asistencias en una empresa de textiles - Piura 2023 . Bm:
Universidad César Vallejo, 2023.
[Link]
91002970040307001

Mollocuaquira, Veronica. Desarrollo De Un Sistema Domótico Con Reconocimiento

Facial. 2020. [Link]

ALONSO-SIERRA, Juan David; CASTAÑO-SAAVEDRA, David Leonardo. Sistema

de reconocimiento facial para control de acceso a viviendas. 2019.
[Link]
-4dc8-b552-736c318cae4c/content

ROJAS, Paulina Arellano. Funciones del Software Libre para la Vigilancia

Tecnológica. Palabra Clave (La Plata), 2018, vol. 8, no 1, p. 2.

[Link]

SANZ PASTRANA, Álvaro. Sistema de detección de patrones para una plataforma

de teleasistencia en el hogar digital. 2019. [Link]
MORALES-NAVA, Renato et al. Implementación de un control de acceso en
cerradura eléctrica con base en reconocimiento facial y huella dactilar para
elevar el nivel de seguridad en los hogares. Ciencia Latina Revista Científica
Multidisciplinar [en línea]. 2023, 7(3), 5976–5991 [consultado el 23 de abril
de 2024]. ISSN 2707-2215. Disponible en:
doi:[Link]

JIMÉNEZ, Andrés y MINA, Duvan. Prototipo de reconocimiento facial para control

de acceso. [en línea]. Santiago de Cali : Institución Universitaria Antonio
José Camacho, 2024. Recuperado de
[Link]

ANUMOL, K. B., et al. Hybrid Motion and Face Recognition with Detection for
Criminal Identifications. Recuperado de:
[Link]

Briones, Eduardo. Sistema web de reconocimiento facial para control de acceso

biométrico, utilizando inteligencia artificial [Tesis de Maestría, ESPOL],
2024.
Recuperado de [Link]

ARROYO, Henrry. Diagnóstico de sensores de detección de movimiento con ayuda

de la tecnología Arduino en el AA. HH Villa Maria–Chimbote; 2019.
Recuperado de [Link]

Bulla, Maria y Largo, Bryan. Prototipo de un sistema de monitoreo y videovigilancia

para el hogar con el enfoque de internet de las cosas (IoT). Universidad
Piloto de Colombia.
[Link]
OTOTIPO%20DE%20UN%20SISTEMA%20DE%20MONITOREO%20Y%2
0VIDEOVIGILANCIA%20PARA%20EL%20HOGAR%20CON%20EL%20E
NFOQUE%20DE%[Link]?sequence=1

LOZANO JIMÉNEZ, José Luis. Cámaras de reconocimiento facial en el arte

contemporáneo: La obra del colectivo SVEN. 2018.
 [Link]
pdf?sequence=1&isAllowed=y

ETCHART, Graciela, et al. Sistemas de reconocimiento biométricos,

importancia del uso de estándares en entes estatales. En XIII
Workshop de Investigadores en Ciencias de la Computación. 2011.

[Link]

BARRAGÁN-HUAMÁN, Hernán Yonathan, et al. La inteligencia artificial y la videovigilancia en la

predicción y detección de delitos en espacio-tiempo: una revisión sistemática. Revista
Criminalidad, 2023, vol. 65, no 1, p. 11-25.

[Link] & script=sci_arttext

FÚNEZ-FERNANDEZ, Eduardo. Diseño de un sistema de seguridad en el hogar

basado en IoT y creación de prototipo. 2022. Recuperado de:
[Link]

BÁEZ BUELVAS, Daniel Mauricio. Implementación de un sistema de video vigilancia a

través de cámaras de seguridad para los laboratorios de la facultad de
ingeniería electrónica. 2019. Tesis Doctoral. Universidad Santo
Tomá[Link]://[Link]/bitstream/handle/11634/20953/2019daniel
[Link]

FATIMA, Saman, et al. Home security and automation based on internet of things: a
comprehensive review. En IOP Conference Series: Materials Science and
Engineering. IOP Publishing, 2020. p.
[Link]://[Link]/document?repid=rep1&type=pdf&doi=f
07fd4d666c9fe05e49501884054f6041d554ad5

PAL, Shantanu; MUKHOPADHYAY, Subhas; SURYADEVARA, Nagender.

Development and progress in sensors and technologies for human emotion
recognition. Sensors, 2021, vol. 21, no 16, p. 5554.
[Link]
RANASINGHE, Suneth; AL MACHOT, Fadi; MAYR, Heinrich C. A review on
applications of activity recognition systems with regard to performance and
evaluation. International Journal of Distributed Sensor Networks, 2016, vol.
12, no 8, p. 1550147716665520. [Link]

DHIMAN, Chhavi; VISHWAKARMA, Dinesh Kumar. A review of state-of-the-art

techniques for abnormal human activity recognition. Engineering
Applications of Artificial Intelligence, 2019, vol. 77, p. 21-45.
[Link]

CHAUDHARI, Priyanka; KALE, Geetanjali. XAI in human motion recognition and

analysis for envisioning society: A systematic review. XAI Based Intelligent
Systems for Society 5.0, 2024, p. 203-222.
[Link]
073

ALMUSAED, Amjad; YITMEN, Ibrahim; ALMSSAD, Asaad. Enhancing smart home

design with AI models: A case study of living spaces implementation
review. Energies, 2023, vol. 16, no 6, p. 2636.
[Link]

Kawaguchi, T., Ono, K., & Hikawa, H. (2024). Electroencephalogram-Based Facial

Gesture Recognition Using Self-Organizing Map. Sensors, 24(9), Article
No. 2741. DOI: 10.3390/s24092741
[Link]
0.3390%2fs24092741&partnerID=40&md5=a8ecac1

Liu, H., Zhang, Y., Li, Y., & Kong, X. (2021). Review on Emotion Recognition Based
on Electroencephalography. Frontiers in Computational Neuroscience, 15,
Article No. 758212. DOI: 10.3389/fncom.2021.758212
.[Link]
0.3389%2ffncom.2021.758212&partnerID=40&md5=

BHIRI, Nahla Majdoub, et al. Hand gesture recognition with focus on leap motion:
An overview, real world challenges and future directions. Expert Systems
with Applications, 2023, p. 120125.
[Link]
DARGAN, Shaveta; KUMAR, Munish. A comprehensive survey on the biometric
recognition systems based on physiological and behavioral modalities.
Expert Systems with Applications, 2020, vol. 143, p. 113114.
[Link]

DE INGENIERÍA ELECTRÓNICA, Carrera, [no date]. UNIVERSIDAD

POLITÉCNICA SALESIANA SEDE CUENCA. [Link]. Online. Available
from:
[Link]
df

DE SEGURIDAD CON RECONOCIMIENTO FACIAL APLICADO, Sistema y DE

APARTAMENTOS, al Acceso a. un Bloque, [no date]. Trabajo Fin de
Grado. [Link]. Online. Available from:
[Link]

DE SISTEMAS, Carrera D. E. Ingeniería, [no date]. UNIVERSIDAD POLITÉCNICA

SALESIANA SEDE CUENCA. [Link]. Online. Available from:
[Link]
df

DE SISTEMAS, Escuela Profesional D. E. Ingeniería, [no date]. FACULTAD DE

INGENIERÍA, ARQUITECTURA Y URBANISMO. [Link]. Online. Available
from:
[Link]
%20Ancajima%20Jhenson%[Link]?isAllowed=y&sequence=1

EL CONTROL BIOMÉTRICO EN EL, Prototipo D. E. U. N. Sistema D. E.

Reconocimiento Facial Para, [no date]. ESCUELA PROFESIONAL DE
INGENIERÍA ELECTRÓNICA. [Link]. Online. Available from:
[Link]
gel_Canahuire_Rhoan.pdf?isAllowed=y&sequence=1
CORTÉS MARTÍNEZ, Cristian Steven, et al. Sistema de detección, extracción y
reconocimiento de rostros en escenas de máximo 4 personas, para
aplicaciones de videovigilancia residencial utilizando herramientas de
software libre, en lugares cerrados.

[Link]
[Link]?sequence=1&isAllowed=y

PALLETT, Scott JC, et al. National action plans for antimicrobial resistance and
variations in surveillance data platforms. Bulletin of the World Health
Organization, 2023, vol. 101, no 8, p. 501.

[Link]

GARIBAY ORNELAS, Fabricio Andrei. DISEÑO E IMPLEMENTACIÓN DE UN

ASISTENTE VIRTUAL (CHATBOT) PARA OFRECER ATENCIÓN A LOS
CLIENTES DE UNA AEROLÍNEA MEXICANA POR MEDIO DE SUS
CANALES CONVERSACIONALES. [ MAESTRO EN GESTIÓN DE
INNOVACIÓN DE LAS TECNOLOGÍAS DE INFORMACIÓN Y
COMUNICACIÓN], MÉXICO: INFOTEC CENTRO DE INVESTIGACIÓN E
INNOVACIÓN EN TECNOLOGÍAS DE LA INFORMACIÓN Y
COMUNICACIÓN, 2020, 11-14 pp.
[Link]
EC_MGITIC_FAGO_27082020.pdf

HUERTAS MORE, V.M., 2023. La inteligencia artificial para el reconocimiento facial

en la videovigilancia: una revisión sistemática de la literatura. En:
Accepted: 2024-01-05T15:17:39Z [en línea], [consulta: 29 mayo 2024].
Disponible en:[Link]

FINAL, Informe Técnico, [no date]. TALLER DE ELECTRÓNICA III. [Link]. Online.
Available from:
[Link]
imiento-facial
AMARO PROA, Shirley Judith. Migración de infraestructura del chatbot para mitigar
el riesgo de seguridad y obsolescencia en una entidad financiera en el
2021. 2021. [Link]

BUESO, Tania Carolina Márquez; LÓPEZ, Andrea Nicole Sorto. Integración de

software de reconocimiento facial y temperatura para pacientes con Covid-19
en Honduras. 2023. [Link]

ALMONACID DÍAZ, Cristhian. Consideraciones teóricas y éticas del reconocimiento

facial de las emociones en contexto de pandemia. Veritas, 2020, no 46, p.
55-75.
[Link]
rttext&tlng=en

MARTINEZ OJEDA, Brayan Smith; MOROCHO FEBRES, Luis Enrique. Diagnóstico

del estado emocional, a través de reconocimiento facial para una empresa del
sector público Piura 2021. 2022.
[Link]

BAIZA LOVATO, Cristian Patricio. Sistema de detección y alerta del estado de

somnolencia de conductores mediante visión artificial. 2020. Tesis de
Licenciatura. Quito. [Link]

QUINAYÁS BURGOS, César Augusto, et al. Sistema de detección de caídas en

personas utilizando vídeo vigilancia. Ingeniare. Revista chilena de ingeniería,
2020, vol. 28, no 4, p. 684-693.
[Link]
rttext&tlng=pt

MONTESDEOCA SUÁREZ, Arturo. El software de reconocimiento facial como

instrumento de control de la jornada laboral: la incidencia de la tecnología en
los derechos fundamentales de las personas trabajadoras. Red-Revista
Electrónica De Direito, 2024. [Link]

ZARATE SUAREZ, Javier Alejandro, et al. Desarrollo de software de reconocimiento

facial, como segundo factor de autenticación que permite realizar inicio de
sesión en un computador y generar un reporte de personas no autorizadas.
 2024. Tesis de Licenciatura. Ingeniería de Sistemas.
[Link]

SAAVEDRA RIVERA, Andrei. Reconocimiento facial para el control de acceso a las

instalaciones de FUDEC Perú, 2022. 2023.
[Link]

PENAGOS SILVA, Anderson Esteban. Software de ingreso de persona por medio de

reconocimiento facial y detección de cubre bocas. 2021.
[Link]
eece2a5c/download

GAWADE, Harshala, et al. Sistema de chatbot de consulta universitaria. Revista

Internacional de Investigación y Tecnología en Ingeniería (IJERT) , 2020, vol.
9, núm. 09, pág. 741
[Link]
[Link]

NGUYEN, Trung Thanh y cols. NEU-chatbot: Chatbot para ingreso a la Universidad

Nacional de Economía. Computadoras y Educación: Inteligencia Artificial ,
2021, vol. 2, pág. 100036.
[Link]