Abstract
El presente artículo propone una solución informática de bajo coste, que permite realizar análisis de video para la identificación de personas haciendo uso de tecnología open source como Apache Hadoop y las librerías OpenCV y JavaCV. Estas herramientas permitirán el análisis, detección y reconocimiento facial, desde los videos alojados en una base de datos, alimentada no solo por las cámaras del ECU-911, sino también por todas las que se encuentran instaladas en establecimientos públicos y privados del país. La rapidez para procesar este gran volumen de información dependerá de los nodos implementados para ejecutar el MapReduce. Además, se indican los campos de aplicación para este sistema interconectado de video-vigilancia.References
[1] Sistema de reconocimiento facial basado en imágenes con color. PEDRAZA PICO, BEATRIZ OMAIRA, RONDÓN, PAOLA y ARGVELLO, HENRY. 2, Colombia : UIS Ingenierias, 2011, Vol. 10.
[2] Reconocimiento de Facial basado en FPGA. Molina, Julio C. y Risco, Miguel A. . 1, Perú : Revista ECIPerú, 2011, Vol. 8. ISSN 1813-0194.
[3] Intel IT Center. Dialogo TI Intel. [En línea] Junio de 2014. [Citado el:08 de Julio de 2015] http://dialogoti.intel.com/sites/default/files/documents/
e7_big_data_planning-guide_v2d_esp.pdf.
[4] Big data. Un nuevo paradigma de análisis de datos. Jiménez, Carlos Maté. 2, España : anales, 2014, Vol. 1.
[5] An Architecture for Big Data Analytics. Chan, Joseph O. USA: Communications of the IIMA, 2013, Vol. 13.
[6] Framework para la gestión, el almacenamiento y la preparacion de grandes volúmenes de datos. Big Data. Almeida Pazmiño, Marco Antonio, Lara Torralbo, Juan Alfonso y Lizcano Casas, David. 1, España : CEF, 2015.
[7] MapReduce programming with apache Hadoop. Bhandarkar, M. Atlanta : IEEE, 2010. 978-1-4244-6442-5.
[8] ANT, Agencia Nacional de Tránsito. www.ant.gob.ec. Agencia Nacional de Tránsito. [En línea] [Citado el: 10 de Junio de 2016] www.ant.gob.ec.
[9] An overview of the Hadoop/MapReduce/HBase framework and its current applications in bioinformatics. Taylor, Ronald C. 11, EE.UU: BMC Bioinformatics, 2010. 1471-2105-11-S12-S1.
[10] Procesamiento de datos de texto-intensivo con MapReduce. Lin, Jimmy y Dyer, Chris . 1, 2010.
[11] Efficient Parallel Set-Similarity Joins Using MapReduce. Rares, Vernica, Carey, Michael J. Y Li, Chen . EEUU : SIGMOD, 2010. 978-1-4503-0032.
[12] MSV, Janakiram. Your Story. [En línea] 8 de Julio de 2012. [Citado el: 10 de Julio de 2015.] http://yourstory.com/2012/07/what-is-common-between-mumbai-dabbawalas-and-apache-hadoop/.
[13] The Hadoop Distributed File System. Shvachko, Konstantin , y otros. 1, California USA : IEEE, 2010. 978-1-4244-7153-9.
[14] Comparison of SQL with HiveQL. Kumar, Rakesh , y otros. Jaipur, India : IJRTS, 2014, Vol. 1. 2348-1439.
[15] Sakr, Sherif. IMB. [En línea] 14 de Agosto de 2012. [Citado el: 10 de Julio de
2015]
[16] HDFS Space Consolidation. Mehta, Aastha, y otros. 2, India : Birla Institute of Technology and Science, 2011.
[17] AN APPROACH FOR FAST AND PARALLEL VIDEO PROCESSING ON APACHE HADOOP CLUSTERS. Tan, Hanlin y Chen, Lidong . 1, China : s.n., 2015.
[18] A Kind of Video Abstracting System Base on Hadoop. Hongyi, Li, y otros. 2186-2191, Switzerland : Trans Tech Publications, 2014, Vols. 687-691.
[19] Merchan, Ángel, Plaza, Juan y Moreno, Juan . Implementación de un módulo de búsqueda de personas dentro de una base de datos de rostros en un ambiente distribuido usando Hadoop y los Servicios Web de Amazon (AWS). Guayaquil: CENTRO DE INVESTIGACIÓN CIENTÍFICA Y TECNOLÓGICA (ESPOL), 2010.
[20] Dynamic Resource Allocation And Distributed Video Transcoding Using doop Cloud Computing. Shanthi, B.R y Narayanan.C, Prakash. India : JIRCCE, 2014, Vol. 2. 2320-9801.
[21] Face Detection System for Attendance of Class’ Students. Fuzail, uhammad, y otros. 4, Pakistan: INTERNATIONAL JOURNAL OF MULTIDISCIPLINARY SCIENCES AND ENGINEERING, 2014, Vol.5. 2045-7057.
[22] Bracamonte Nole, Teresa J. y Huamán, Liz S. R. Pedro. Aplicación de a Red Neuronal Kohonen al Reconocimiento de Rostros. Trujillo, Perú : Universidad Nacional de Trujillo , 2010.
[23] Pagliery, Jose y CNNMoney. CNN Español. [En línea] 17 de Septiembre de 2014. [Citado el: 09 de Julio de 2015.] http://cnnespanol.cnn.com/2014/09/17/el-fbi-lanza-un-poderoso-sistema-de-reconocimiento-facial/.
[24] Local Directional Pattern (LDP) for Face Recognition. Jabid, Taskeed, Kabir, Hasanul y Chae, Oksam . Corea del Sur : IEEE, 2010, Vol. 10. 78-1-4244-4316-1.
[2] Reconocimiento de Facial basado en FPGA. Molina, Julio C. y Risco, Miguel A. . 1, Perú : Revista ECIPerú, 2011, Vol. 8. ISSN 1813-0194.
[3] Intel IT Center. Dialogo TI Intel. [En línea] Junio de 2014. [Citado el:08 de Julio de 2015] http://dialogoti.intel.com/sites/default/files/documents/
e7_big_data_planning-guide_v2d_esp.pdf.
[4] Big data. Un nuevo paradigma de análisis de datos. Jiménez, Carlos Maté. 2, España : anales, 2014, Vol. 1.
[5] An Architecture for Big Data Analytics. Chan, Joseph O. USA: Communications of the IIMA, 2013, Vol. 13.
[6] Framework para la gestión, el almacenamiento y la preparacion de grandes volúmenes de datos. Big Data. Almeida Pazmiño, Marco Antonio, Lara Torralbo, Juan Alfonso y Lizcano Casas, David. 1, España : CEF, 2015.
[7] MapReduce programming with apache Hadoop. Bhandarkar, M. Atlanta : IEEE, 2010. 978-1-4244-6442-5.
[8] ANT, Agencia Nacional de Tránsito. www.ant.gob.ec. Agencia Nacional de Tránsito. [En línea] [Citado el: 10 de Junio de 2016] www.ant.gob.ec.
[9] An overview of the Hadoop/MapReduce/HBase framework and its current applications in bioinformatics. Taylor, Ronald C. 11, EE.UU: BMC Bioinformatics, 2010. 1471-2105-11-S12-S1.
[10] Procesamiento de datos de texto-intensivo con MapReduce. Lin, Jimmy y Dyer, Chris . 1, 2010.
[11] Efficient Parallel Set-Similarity Joins Using MapReduce. Rares, Vernica, Carey, Michael J. Y Li, Chen . EEUU : SIGMOD, 2010. 978-1-4503-0032.
[12] MSV, Janakiram. Your Story. [En línea] 8 de Julio de 2012. [Citado el: 10 de Julio de 2015.] http://yourstory.com/2012/07/what-is-common-between-mumbai-dabbawalas-and-apache-hadoop/.
[13] The Hadoop Distributed File System. Shvachko, Konstantin , y otros. 1, California USA : IEEE, 2010. 978-1-4244-7153-9.
[14] Comparison of SQL with HiveQL. Kumar, Rakesh , y otros. Jaipur, India : IJRTS, 2014, Vol. 1. 2348-1439.
[15] Sakr, Sherif. IMB. [En línea] 14 de Agosto de 2012. [Citado el: 10 de Julio de
2015]
[16] HDFS Space Consolidation. Mehta, Aastha, y otros. 2, India : Birla Institute of Technology and Science, 2011.
[17] AN APPROACH FOR FAST AND PARALLEL VIDEO PROCESSING ON APACHE HADOOP CLUSTERS. Tan, Hanlin y Chen, Lidong . 1, China : s.n., 2015.
[18] A Kind of Video Abstracting System Base on Hadoop. Hongyi, Li, y otros. 2186-2191, Switzerland : Trans Tech Publications, 2014, Vols. 687-691.
[19] Merchan, Ángel, Plaza, Juan y Moreno, Juan . Implementación de un módulo de búsqueda de personas dentro de una base de datos de rostros en un ambiente distribuido usando Hadoop y los Servicios Web de Amazon (AWS). Guayaquil: CENTRO DE INVESTIGACIÓN CIENTÍFICA Y TECNOLÓGICA (ESPOL), 2010.
[20] Dynamic Resource Allocation And Distributed Video Transcoding Using doop Cloud Computing. Shanthi, B.R y Narayanan.C, Prakash. India : JIRCCE, 2014, Vol. 2. 2320-9801.
[21] Face Detection System for Attendance of Class’ Students. Fuzail, uhammad, y otros. 4, Pakistan: INTERNATIONAL JOURNAL OF MULTIDISCIPLINARY SCIENCES AND ENGINEERING, 2014, Vol.5. 2045-7057.
[22] Bracamonte Nole, Teresa J. y Huamán, Liz S. R. Pedro. Aplicación de a Red Neuronal Kohonen al Reconocimiento de Rostros. Trujillo, Perú : Universidad Nacional de Trujillo , 2010.
[23] Pagliery, Jose y CNNMoney. CNN Español. [En línea] 17 de Septiembre de 2014. [Citado el: 09 de Julio de 2015.] http://cnnespanol.cnn.com/2014/09/17/el-fbi-lanza-un-poderoso-sistema-de-reconocimiento-facial/.
[24] Local Directional Pattern (LDP) for Face Recognition. Jabid, Taskeed, Kabir, Hasanul y Chae, Oksam . Corea del Sur : IEEE, 2010, Vol. 10. 78-1-4244-4316-1.
COPYRIGHT: Los derechos de autor en todas las colaboraciones que sean aceptadas para su publicación permanece con sus autores, y la revista sólo adquiere los derechos de su publicación. Los autores quedan en plena libertad de volver a usar su propio material pero si la totalidad o cualquier parte del material publicado es reproducido en otro sitio, el autor deberá reconocer a INFOCIENCIA como el sitio original de la publicación.
Igualmente, la revista no asume responsabilidad alguna por las posibles violaciones a derechos de terceras personas por el material suministrado por los colaboradores.
Para ello está establecido una declaración de responsabilidad del autor(res), sobre la originalidad del artículo.
POLÍTICA DE ACCESO ABIERTO
La revista provee acceso libre inmediato a su contenido bajo el siguiente principio: Hacer que material de investigación esté disponible gratuitamente al público, apoya a un mayor intercambio del conocimiento global y administrado en línea bajo el sistema Open Journal System (OJS).