Marco de trabajo de rasgos biométricos en queiloscopía mediante el uso de machine learning

Autores
Sabelli, Agustín; Chatterjee, Parag; Pollo Cattaneo, María Florencia
Año de publicación
2022
Idioma
español castellano
Tipo de recurso
documento de conferencia
Estado
versión publicada
Descripción
La Queiloscopía es el estudio de las impresiones labiales que se producen a través del análisis de las líneas, fisuras, arrugas y estrías presentes en el labio. “Queilos” proviene del griego que significa labio y “scopia” examinar. Según Cardoso [3], fue el antropólogo R. Fischer el pionero en esta área. Éste describió los surcos en 1902, pero no fue hasta 1932 que Edmond Locard, reconocido criminalista francés, recomendó su uso para la identificación. No obstante, tuvieron que pasar veintiocho años para que en 1950 LeMonyne Snyder los utilice en un caso real. Aunque la Queiloscopía es un campo relativamente nuevo entre la gran cantidad de herramientas de identificación disponible para expertos forenses, de ésta se obtiene información sumamente útil como la identidad de una persona. Esto se debe a que permanecen relativamente estables y muestran diferencias en cuanto al género La Queiloscopía es un procedimiento manual donde se utilizan herramientas como lupas y escalas para analizar las huellas labiales. Esto lo convierte en una metodología propensa a errores humanos Para evitar esto y automatizarla, se precisa de un algoritmo. Por otro lado, Machine Learning (ML) es un subcampo de la Inteligencia Artificial (IA). Esta última se define como la inteligencia exhibida por una entidad artificial para resolver problemas complejos. Tal sistema generalmente supone ser una computadora o máquina . Dicho de otra forma, se puede decir que la IA es la habilidad que tiene dicha entidad de utilizar algoritmos para aprender de los datos y usar este conocimiento para tomar decisiones como lo haría un ser humano. A diferencia de este último, las máquinas que cuentan con IA corren con la ventaja de no precisar de descansos, analizar enormes cantidades de datos de forma simultánea y contar con una baja tasa de error . Si bien la IA y ML han estado presentes desde hace mucho tiempo, es solamente ahora que se cuenta con el poder computacional para efectivamente desarrollar Redes Neuronales Artificiales (RNA) lo suficientemente poderosas en un lapso de tiempo razonable . En el campo de la biometría, ML resalta por su capacidad de aumentar la precisión en el proceso de identificación. Las características biométricas tomadas en primera instancia no son siempre iguales a las tomadas una segunda vez. En consecuencia, el uso de técnicas de aprendizaje automático como neuronales, lógica difusa, informática evolutiva, etc., ha incrementado su demanda. En este contexto, el objetivo del proyecto es definir un marco de trabajo, utilizando ML, para determinar rasgos biométricos suaves de una persona, como el sexo y edad, a través de sus impresiones labiales.
Red de Universidades con Carreras en Informática
Materia
Ciencias Informáticas
Queiloscopía
Machine learning
Inteligencia artificial
Nivel de accesibilidad
acceso abierto
Condiciones de uso
http://creativecommons.org/licenses/by-nc-sa/4.0/
Repositorio
SEDICI (UNLP)
Institución
Universidad Nacional de La Plata
OAI Identificador
oai:sedici.unlp.edu.ar:10915/143348

id SEDICI_f4ddb3db450f438008eed6b7d32e1e75
oai_identifier_str oai:sedici.unlp.edu.ar:10915/143348
network_acronym_str SEDICI
repository_id_str 1329
network_name_str SEDICI (UNLP)
spelling Marco de trabajo de rasgos biométricos en queiloscopía mediante el uso de machine learningSabelli, AgustínChatterjee, ParagPollo Cattaneo, María FlorenciaCiencias InformáticasQueiloscopíaMachine learningInteligencia artificialLa Queiloscopía es el estudio de las impresiones labiales que se producen a través del análisis de las líneas, fisuras, arrugas y estrías presentes en el labio. “Queilos” proviene del griego que significa labio y “scopia” examinar. Según Cardoso [3], fue el antropólogo R. Fischer el pionero en esta área. Éste describió los surcos en 1902, pero no fue hasta 1932 que Edmond Locard, reconocido criminalista francés, recomendó su uso para la identificación. No obstante, tuvieron que pasar veintiocho años para que en 1950 LeMonyne Snyder los utilice en un caso real. Aunque la Queiloscopía es un campo relativamente nuevo entre la gran cantidad de herramientas de identificación disponible para expertos forenses, de ésta se obtiene información sumamente útil como la identidad de una persona. Esto se debe a que permanecen relativamente estables y muestran diferencias en cuanto al género La Queiloscopía es un procedimiento manual donde se utilizan herramientas como lupas y escalas para analizar las huellas labiales. Esto lo convierte en una metodología propensa a errores humanos Para evitar esto y automatizarla, se precisa de un algoritmo. Por otro lado, Machine Learning (ML) es un subcampo de la Inteligencia Artificial (IA). Esta última se define como la inteligencia exhibida por una entidad artificial para resolver problemas complejos. Tal sistema generalmente supone ser una computadora o máquina . Dicho de otra forma, se puede decir que la IA es la habilidad que tiene dicha entidad de utilizar algoritmos para aprender de los datos y usar este conocimiento para tomar decisiones como lo haría un ser humano. A diferencia de este último, las máquinas que cuentan con IA corren con la ventaja de no precisar de descansos, analizar enormes cantidades de datos de forma simultánea y contar con una baja tasa de error . Si bien la IA y ML han estado presentes desde hace mucho tiempo, es solamente ahora que se cuenta con el poder computacional para efectivamente desarrollar Redes Neuronales Artificiales (RNA) lo suficientemente poderosas en un lapso de tiempo razonable . En el campo de la biometría, ML resalta por su capacidad de aumentar la precisión en el proceso de identificación. Las características biométricas tomadas en primera instancia no son siempre iguales a las tomadas una segunda vez. En consecuencia, el uso de técnicas de aprendizaje automático como neuronales, lógica difusa, informática evolutiva, etc., ha incrementado su demanda. En este contexto, el objetivo del proyecto es definir un marco de trabajo, utilizando ML, para determinar rasgos biométricos suaves de una persona, como el sexo y edad, a través de sus impresiones labiales.Red de Universidades con Carreras en Informática2022-04info:eu-repo/semantics/conferenceObjectinfo:eu-repo/semantics/publishedVersionObjeto de conferenciahttp://purl.org/coar/resource_type/c_5794info:ar-repo/semantics/documentoDeConferenciaapplication/pdf103-107http://sedici.unlp.edu.ar/handle/10915/143348spainfo:eu-repo/semantics/altIdentifier/isbn/978-987-48222-3-9info:eu-repo/semantics/reference/hdl/10915/142555info:eu-repo/semantics/openAccesshttp://creativecommons.org/licenses/by-nc-sa/4.0/Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)reponame:SEDICI (UNLP)instname:Universidad Nacional de La Platainstacron:UNLP2025-09-29T11:36:38Zoai:sedici.unlp.edu.ar:10915/143348Institucionalhttp://sedici.unlp.edu.ar/Universidad públicaNo correspondehttp://sedici.unlp.edu.ar/oai/snrdalira@sedici.unlp.edu.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:13292025-09-29 11:36:38.394SEDICI (UNLP) - Universidad Nacional de La Platafalse
dc.title.none.fl_str_mv Marco de trabajo de rasgos biométricos en queiloscopía mediante el uso de machine learning
title Marco de trabajo de rasgos biométricos en queiloscopía mediante el uso de machine learning
spellingShingle Marco de trabajo de rasgos biométricos en queiloscopía mediante el uso de machine learning
Sabelli, Agustín
Ciencias Informáticas
Queiloscopía
Machine learning
Inteligencia artificial
title_short Marco de trabajo de rasgos biométricos en queiloscopía mediante el uso de machine learning
title_full Marco de trabajo de rasgos biométricos en queiloscopía mediante el uso de machine learning
title_fullStr Marco de trabajo de rasgos biométricos en queiloscopía mediante el uso de machine learning
title_full_unstemmed Marco de trabajo de rasgos biométricos en queiloscopía mediante el uso de machine learning
title_sort Marco de trabajo de rasgos biométricos en queiloscopía mediante el uso de machine learning
dc.creator.none.fl_str_mv Sabelli, Agustín
Chatterjee, Parag
Pollo Cattaneo, María Florencia
author Sabelli, Agustín
author_facet Sabelli, Agustín
Chatterjee, Parag
Pollo Cattaneo, María Florencia
author_role author
author2 Chatterjee, Parag
Pollo Cattaneo, María Florencia
author2_role author
author
dc.subject.none.fl_str_mv Ciencias Informáticas
Queiloscopía
Machine learning
Inteligencia artificial
topic Ciencias Informáticas
Queiloscopía
Machine learning
Inteligencia artificial
dc.description.none.fl_txt_mv La Queiloscopía es el estudio de las impresiones labiales que se producen a través del análisis de las líneas, fisuras, arrugas y estrías presentes en el labio. “Queilos” proviene del griego que significa labio y “scopia” examinar. Según Cardoso [3], fue el antropólogo R. Fischer el pionero en esta área. Éste describió los surcos en 1902, pero no fue hasta 1932 que Edmond Locard, reconocido criminalista francés, recomendó su uso para la identificación. No obstante, tuvieron que pasar veintiocho años para que en 1950 LeMonyne Snyder los utilice en un caso real. Aunque la Queiloscopía es un campo relativamente nuevo entre la gran cantidad de herramientas de identificación disponible para expertos forenses, de ésta se obtiene información sumamente útil como la identidad de una persona. Esto se debe a que permanecen relativamente estables y muestran diferencias en cuanto al género La Queiloscopía es un procedimiento manual donde se utilizan herramientas como lupas y escalas para analizar las huellas labiales. Esto lo convierte en una metodología propensa a errores humanos Para evitar esto y automatizarla, se precisa de un algoritmo. Por otro lado, Machine Learning (ML) es un subcampo de la Inteligencia Artificial (IA). Esta última se define como la inteligencia exhibida por una entidad artificial para resolver problemas complejos. Tal sistema generalmente supone ser una computadora o máquina . Dicho de otra forma, se puede decir que la IA es la habilidad que tiene dicha entidad de utilizar algoritmos para aprender de los datos y usar este conocimiento para tomar decisiones como lo haría un ser humano. A diferencia de este último, las máquinas que cuentan con IA corren con la ventaja de no precisar de descansos, analizar enormes cantidades de datos de forma simultánea y contar con una baja tasa de error . Si bien la IA y ML han estado presentes desde hace mucho tiempo, es solamente ahora que se cuenta con el poder computacional para efectivamente desarrollar Redes Neuronales Artificiales (RNA) lo suficientemente poderosas en un lapso de tiempo razonable . En el campo de la biometría, ML resalta por su capacidad de aumentar la precisión en el proceso de identificación. Las características biométricas tomadas en primera instancia no son siempre iguales a las tomadas una segunda vez. En consecuencia, el uso de técnicas de aprendizaje automático como neuronales, lógica difusa, informática evolutiva, etc., ha incrementado su demanda. En este contexto, el objetivo del proyecto es definir un marco de trabajo, utilizando ML, para determinar rasgos biométricos suaves de una persona, como el sexo y edad, a través de sus impresiones labiales.
Red de Universidades con Carreras en Informática
description La Queiloscopía es el estudio de las impresiones labiales que se producen a través del análisis de las líneas, fisuras, arrugas y estrías presentes en el labio. “Queilos” proviene del griego que significa labio y “scopia” examinar. Según Cardoso [3], fue el antropólogo R. Fischer el pionero en esta área. Éste describió los surcos en 1902, pero no fue hasta 1932 que Edmond Locard, reconocido criminalista francés, recomendó su uso para la identificación. No obstante, tuvieron que pasar veintiocho años para que en 1950 LeMonyne Snyder los utilice en un caso real. Aunque la Queiloscopía es un campo relativamente nuevo entre la gran cantidad de herramientas de identificación disponible para expertos forenses, de ésta se obtiene información sumamente útil como la identidad de una persona. Esto se debe a que permanecen relativamente estables y muestran diferencias en cuanto al género La Queiloscopía es un procedimiento manual donde se utilizan herramientas como lupas y escalas para analizar las huellas labiales. Esto lo convierte en una metodología propensa a errores humanos Para evitar esto y automatizarla, se precisa de un algoritmo. Por otro lado, Machine Learning (ML) es un subcampo de la Inteligencia Artificial (IA). Esta última se define como la inteligencia exhibida por una entidad artificial para resolver problemas complejos. Tal sistema generalmente supone ser una computadora o máquina . Dicho de otra forma, se puede decir que la IA es la habilidad que tiene dicha entidad de utilizar algoritmos para aprender de los datos y usar este conocimiento para tomar decisiones como lo haría un ser humano. A diferencia de este último, las máquinas que cuentan con IA corren con la ventaja de no precisar de descansos, analizar enormes cantidades de datos de forma simultánea y contar con una baja tasa de error . Si bien la IA y ML han estado presentes desde hace mucho tiempo, es solamente ahora que se cuenta con el poder computacional para efectivamente desarrollar Redes Neuronales Artificiales (RNA) lo suficientemente poderosas en un lapso de tiempo razonable . En el campo de la biometría, ML resalta por su capacidad de aumentar la precisión en el proceso de identificación. Las características biométricas tomadas en primera instancia no son siempre iguales a las tomadas una segunda vez. En consecuencia, el uso de técnicas de aprendizaje automático como neuronales, lógica difusa, informática evolutiva, etc., ha incrementado su demanda. En este contexto, el objetivo del proyecto es definir un marco de trabajo, utilizando ML, para determinar rasgos biométricos suaves de una persona, como el sexo y edad, a través de sus impresiones labiales.
publishDate 2022
dc.date.none.fl_str_mv 2022-04
dc.type.none.fl_str_mv info:eu-repo/semantics/conferenceObject
info:eu-repo/semantics/publishedVersion
Objeto de conferencia
http://purl.org/coar/resource_type/c_5794
info:ar-repo/semantics/documentoDeConferencia
format conferenceObject
status_str publishedVersion
dc.identifier.none.fl_str_mv http://sedici.unlp.edu.ar/handle/10915/143348
url http://sedici.unlp.edu.ar/handle/10915/143348
dc.language.none.fl_str_mv spa
language spa
dc.relation.none.fl_str_mv info:eu-repo/semantics/altIdentifier/isbn/978-987-48222-3-9
info:eu-repo/semantics/reference/hdl/10915/142555
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
http://creativecommons.org/licenses/by-nc-sa/4.0/
Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)
eu_rights_str_mv openAccess
rights_invalid_str_mv http://creativecommons.org/licenses/by-nc-sa/4.0/
Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)
dc.format.none.fl_str_mv application/pdf
103-107
dc.source.none.fl_str_mv reponame:SEDICI (UNLP)
instname:Universidad Nacional de La Plata
instacron:UNLP
reponame_str SEDICI (UNLP)
collection SEDICI (UNLP)
instname_str Universidad Nacional de La Plata
instacron_str UNLP
institution UNLP
repository.name.fl_str_mv SEDICI (UNLP) - Universidad Nacional de La Plata
repository.mail.fl_str_mv alira@sedici.unlp.edu.ar
_version_ 1844616243982630912
score 13.070432