Asto Rodríguez, Emerson MáximoTerrones Escobedo, Ángel Omar2023-07-042023-07-042023-07https://hdl.handle.net/20.500.14414/18242Among the numerous conventional biometric identification systems, these have certain limitations, which can be overcome using alternative methods. For this reason, this research develops a Biometric Identification system through deep learning from spectral images of the back of the hand. In the first instance, the design requirements for the image acquisition device were made. Subsequently, the image acquisition device was implemented, capable of capturing images of the back of the hand of different people. Then a previously selected camera with different criteria was modified, in order to extract the infrared cut filter. Next, an infrared LED circuit was implemented, accompanied by the insertion of an optical filter. All these components together with the image acquisition device, together allowed a better visualization of the veins on the back of the hand. Once the complete acquisition device was designed, the database of the 15 classes to be classified was taken, of which 200 photos were taken per person. For the development of the database socket onwards, the language used was Python. Therefore, the pre-processing and processing of the images taken were then executed, where mainly the types of ROI extraction were highlighted, through coordinate location and the centroid method. Subsequently, the classification system was carried out, of which 4 convolutional network architectures were used. Using as training, validation and testing data, in a relationship of 70-20-10 respectively. Obtaining as a result an accuracy of 100% for the 15 classes using the VGG16 network architecture. Finally, the quality control of the implemented system was carried out through a previously defined checklist, determining that the designed system complies with 12/12, achieving an "Outstanding" rating.Entre los numerosos sistemas de identificación biométrica convencionales, estos tienen ciertas limitaciones, las cuales se pueden subsanar utilizando métodos alternativos. Por esta razón, la presente investigación desarrolla un sistema de Identificación Biométrica mediante el aprendizaje profundo a partir de imágenes espectrales del dorso de la mano. En primera instancia, se realizó los requerimientos de diseño para el dispositivo de adquisición de imágenes. Posteriormente, se implementó el dispositivo de adquisición de imágenes, capaz de capturar imágenes del dorso de la mano de diferentes personas. Luego se modificó una cámara previamente seleccionada con diferentes criterios, para así extraer el filtro de corte infrarrojo. Seguidamente se implementó un circuito de LED’s Infrarrojos, acompañado de la inserción de un filtro óptico. Todos estos componentes unidos con el dispositivo de adquisición de imágenes, permitió en conjunto visualizar mejor las venas del dorso de la mano. Una vez diseñado el dispositivo de adquisición completo, se procedió a realizar la toma de base de datos de las 15 clases a clasificar, de las cuales se tomaron 200 fotos por personas. Para el desarrollo de la toma de base de datos en adelante, el lenguaje utilizado fue Python. Por lo cual, seguidamente se ejecutó el preprocesamiento y el procesamiento de las imágenes tomadas, donde principalmente destacada los tipos de extracción del ROI, mediante localización de coordenadas y el método del centroide. Posteriormente, se realizó el sistema de clasificación, del cual se utilizaron 4 arquitecturas de redes convolucionales. Utilizando como datos de entrenamiento, validación y pruebas, en una relación de 70-20-10 respectivamente. Obteniendo como resultado una precisión del 100% para las 15 clases utilizando la arquitectura de red VGG16. Finalmente, se realizó el control de calidad del sistema implementado mediante una lista de cotejo definida previamente logrando determinar que el sistema diseñado cumple con 12/12, logrando una calificación “Destacada”.spainfo:eu-repo/semantics/openAccessDiseño de un sistema de identificación biométricainfo:eu-repo/semantics/bachelorThesis