Sistema de Reconocimiento de Patrones en La Huella de La Trufa

LA TRUFA CANINA Juan Noguera 2019
Sistema de reconocimiento de patrones en la huella de la trufa

(nariz) delperro
CAPITULO I
ASPECTOS GENERALES
1. Marco Teórico
1.1 Introducción
Las características biométricas como las huellas dactilares, reconocimiento facial
y de voz representan hoy un medio confiable de reconocimiento en diferentes
ambientes son utilizados como medios de seguridad en ambientes laborales, en
actividades diversas y como elementos de control en sistemas y componentes
utilizados en funciones de amplia gama y control.
La huella dactilar es quizás la característica biométrica mayormente utilizada a
nivel mundial para la identificación confiable de las personas pues es la más
confiable y la más difícil de coincidir con otra en todo el sistema mundial por lo que
es la que domina los sistemas de identificación establecidos, debido a que poseen
características únicas e invariantes a lo largo de la vida del ser humano, donde las
crestas y valles no se repiten, el único problema para este sistema lo ha
representado la necesidad de un equipo de impresión nítido y estable.
La presente investigación se sustenta en esos avanzados estudios en la huella
del humano y el establecimiento de algoritmos que permiten establecer patrones
cada vez más confiables en la representación de imágenes de dichas huellas y en
la avanzada tecnología de escáneres para establecer esas determinaciones para
redirigirlos a la construcción de un modelo de escáner que se adecue a la forma

de la trufa o nariz de los canes y elaborar un registro inicial en una muestra
representativa de estos animales que permita determinar la confiabilidad del
sistema en la identificación y registro de los mismos en la localidad de Lima en un
primer momento del estudio.
La nariz de los canes posee huellas únicas y determinantes en cada individuo
como lo presenta la huella dactilar para el humano, por lo que se considera que
ese registro permitirá generar un banco de datos para los canes presentes en la
localidad señalada y así poder identificar al individuo en atención al registro y
dirección de su dueño presentante.
Se presenta como un método más confiable, indoloro y económico en
comparación con el de placas o el de microship y su confiabilidad debería permitir
reducir la presencia de canes abandonados en la localidad en estudio, establecer
responsabilidades de los dueños en atención a las actuaciones de sus mascotas.
Los resultados de los registros generados por el prototipo a desarrollar
conducirán a estudios posteriores e implementación del proyecto a nivel de otras
localidades. El estudio variará al realizado en Estados Unidos y conocido como
Dognose ID, pues este solo se realiza producto de la consulta en clínicas de los
canes por sus dueños y que el planteado estará dirigido a la población con dueños
registrados y los que deambulan en las calles para lograr su control y ubicación.
1.2 Planteamiento
En el área de investigación en nuestra sociedad, no existe un estudio científico y
por tanto con fundamentaciones precisas y sustentadasque este dirigida a la
necesidad de elaborar un método de registro fiable para animales de tipo
doméstico, especialmente de canes que en conjunto con los gatos están
estrechamente relacionados con los seres humanos.
Quizás este hecho este relacionado con el poca conciencia demostrado por el
humano de llevar un registro fidedigno y valedero de su “mascota” donde muy
parecido a su registro de vida se reflejen datos específicos de su identidad y
evolución particular dentro del entorno familiar donde va creciendo y de la
sociedad donde se interrelaciona, quizás también al poco interés de las
autoridades del país por un registro de esa naturaleza. Por esa poca importancia
que se ha dado en el entorno de nuestra sociedad a la valiosa presencia de los
canes es que quizás poco importa y por tanto no se hace seguimiento a las
denuncias de desaparición de los mismos, que generalmente terminan
atropellados por vehículos, maltratados en las calles e incluso sacrificados, aun
cuando tienen dueños.
Con el avance a nivel mundial y el Perú no escapa a este proceso, de los
estudios que en biometría donde el uso de las redes neuronales son
fundamentales para el reconocimiento y mejoramiento de las huellas

dactiloscopias digitalizadas que permiten diseñar y elaborar prototipos mejorados
para minimizar los errores generados por el proceso de digitalización, como puede
notarse en el “mejoramiento de las crestas y valles “ con la aplicación de la TP
(transformación de Poncaire) en el trabajo desarrollado por los investigadores
Herrera y Uribe ( 2005) y más recientes investigaciones en la sociedad científica
peruana a nivel de tesis teórico prácticas donde se han logrado diseñar prototipos
de avanzada para el mejoramiento de las imágenes dactiloscópicas digitalizadas
como lo plantea la investigación a nivel de algoritmos de Carrión (2009) trabajo
realizado para la Policía Nacional de Perú pero en su conjunto aplicada a la huella
dactilar en humanos.
Es notorio entonces que mucho se ha investigado y desarrollado en el campo de
la investigación de la biometría a nivel de la huella dactilar en humanos que
permite ya el diseño de simuladores de laboratorio como el caso de Ortiz (2012) y
más recientemente Chambi (2017) con su prototipo usando el algoritmo de
Kohonen y el software que desarrolló en su diseño usando la herramienta Applet–
JAVA. Pero todos estos avances en Biometría está estrechamente ligada con lo
humano.
La presente investigación está dirigida a la construcción de un sistema de
reconocimiento de patrones en la huella de la trufa (o nariz) de los canes que
permita desarrollar un registro y control de los mismos con sus particularidades
únicas debido a que la huella presente a nivel de la nariz es única e irrepetible en

ellos y no cambia en el transcurso del tiempo, como lo es a nivel de la huella
dactilar en humanos.
Las técnicas de clasificación estarán fundamentadas en las redes neuronales
de donde derivaran diversas arquitecturas que se evaluaran y se medirá el grado
de confiabilidad de las mismas y su aplicabilidad lógica.
Tentativamente tiene un carácter de tipo social y se desarrollará con una
muestra reducida de elementos tentativos, a los que se tomará sus “huellas” y se
almacenará en una base de datos que será generada por la aplicación de un
algoritmo seleccionado en función de la necesidad que se está creando. El
algoritmo resultante se programará en el lenguaje Java y el programa que se
derive será el responsable de comparar las muestras estudiadas.
Existe en Estados Unidos el Dognose ID que permite la identificación de canes y
relacionados directamente con sus dueños. El carácter social del trabajo está
fundamentado en la idea de realizar un registro municipal en un inicio de la
población existente de individuos, extrapolarlo a lo meso regional y macro
nacional y permitiría establecer responsabilidades en caso de agresión por parte
de un can hacia una persona, de facilitar la ubicación del lugar de origen del
mismo sujeto animal en caso de extravió o abandono, esto claro está se plantea
desarrollar si la investigación a desarrollar permite obtener resultados positivos en
el procesamiento y organización de los datos a través de la aplicación de las redes

neuronales y el desarrollo del prototipo generado a través de la aplicación de los
algoritmos a proponer.
1.3 Antecedentes de la Investigación
El desarrollo de sistemas de identificación de individuos es un proceso que viene
tomando fuerza e interés científico desde hace varios años, aunque quizás no
existan documentaciones científicas de fácil accesibilidad por parte del
investigador que, motivado por algún evento particular se da a la tarea de ahondar
en temas específicos.
Es el caso de la llamada trufa canina que no es otra cosa queuna parte
muyimportante del cuerpo del perro, como es la nariz y esconde mucha
información y que es como la huella dactilar para el humano: única e
irrepetible.
No hay dos trufas iguales, por eso se dice que la nariz de un perro es su
equivalente a la huella dactilar humana. Ya hay países en los que se
registran las impresiones de la trufa canina para identificarlos, y se vienen
haciendo estudios serios a nivel de la ingeniería para diseñar equipos y
modelos de seguimiento e identificación de los individuos (canes o perros)
que permitan elaborar archivos de identificación de los mismos, quizás
debido a su importancia social que han marcado en la vida del humano .

Estudios que tanto a nivel internacional como a nivel naciona l se han
relacionado con la construcción de redes neuronales y de inteligencia
artificial.
Investigaciones a nivel de algoritmos a nivel internacional como lo plantea :
D, Zorita (2003) en su trabajo titulado “Reconocimiento automático
mediante patrones biométricos de huella dactilar” de la Universidad
Politécnica de Madrid es un estudio que se basa en la necesidad de
reconocer mediante el estudio minucioso de huellas dactilares, el diseño de
algoritmos para el procesado y mejoramiento de la calidad de la imagen y la
extracción de características. Igualmente dicho trabajo esta direccionado
hacia la descripción en detalle del sistema de reconocimiento de huellas
dactilares desarrollado y las etapas del procesado necesario para generar el
patrón biométrico y la etapa de reconocimiento de patrones, y es así como
la investigación se concentra en el procesado y tratamiento de la imagen
adquirida para que la extracción de las crestas y valles sea lo más fiable
posible y el mejoramiento de los algoritmos generados para el mejoramiento
del sensor construido y sus singularidades finales en detalle. Es el trabajo
minucioso de identificación por huella dactilar que reduce los errores de las
ondulaciones y deformidades que genera la presentación de una huella
dactiloscópica.
Herrera y Uribe (2005) ya planteaban en su tesis “Detección de detalles
en huellas dactilares usando redes neuronales” en la Pontificia Universidad
Javeriana que: buscan mostrar métodos alternativos para mostrar detalles
en las huellas dactilares evitando los métodos tradicionales de binarización
y segmentación. Así aplican la transformación de Poncaire sobre huellas
dactilares aunque presentan el inconveniente de ser muy sensibles al ruido
externo en la orientación de la huella por lo que debe realizarse un buen
filtrado para una resolución de 3x3 pixeles por vector y que al comparar con
el método Araqué este último genera mejores detalles de la huella a
describir, generando un error de 0,64 en relación al anterior de 0,95.
Chacón, G. (2010) presento su tesis de grado titulada “Reconocimiento de
patrones de impresiones nasales en canes usando redes neuronales” en la
Universidad Mayor de San Andrés, Bolivia, la cual tiene como objetivo Desarrollar
e implementar un modelo que le permita la identificación confiable de canes
usando sus impresiones nasales, para lo que evaluara distintos algoritmos
basados en redes neurales.
Para el procedimiento del modelo programó en el lenguaje Java, utilizó una
población reducida (canes), tomo sus muestras (huellas), éstas fueron
almacenadas en una base de datos, para comprobar la fiabilidad del programa
realizo pruebas individuales para una muestra de individuos a los cuales les
extrajo nuevas muestras (huellas) con el objetivo de introducirlas en el programa
para ver la fiabilidad de los resultados.

El estudio concluye que el prototipo desarrollado fue capaz de almacenar las
huellas y la información de los canes para poder realizar una comparación y
posterior identificación de las muestras y mostrar una vista previa al usuario para
ajustar el valor del umbral antes de transformar la imagen de la huella en el
archivo correspondiente a ser identificado o almacenado.
López y Toro (2012), presentan su tesis titulada “Técnicas de Biometría
basadas en patrones faciales del ser humano” en la Universidad
Tecnológica de Pereira, donde dan a conocer las diferentes técnicas de
Biometría, enfatizando en el reconocimiento de personas a través de sus
patrones faciales y ahondando en las más utilizadas para el
reconocimiento de rostros y permitiendo conocimientos para ahondar en los
diseños de nuevos avances en la construcción de nuevos
desarrollos.Señalan particularmente las PCA; ICA; LAD; EP Y EBCM.
Su estudio se desarrolló en el eje cafetero de Colombia, donde lograron
determinar que la identificación con equipos biométricos de reconocimiento
facial son los menos utilizados para la identificación de personas al igual
que el reconocimiento dactilar que al igual que el facial es de gran
efectividad y minimiza la falsificación, por lo que plantean diferentes
procesos para su adecuación y utilización.
En cuanto a las investigaciones nacionales sobre el tema de redes
neuronales y algoritmos de identificación, es bueno resaltar:

La tesis de Carrión R,(2009) desarrollada para optar al título de Ingeniero
en Electrónica en la Pontificia Universidad Católica del Perú planteó el
“Desarrollo de un algoritmo de clasificación de la huella dactilar para la
Policía Nacional de Perú” señala lo irrepetible de una huella dactilar y por
tanto son los datos que permiten identificar acertadamente a una persona o
sujeto y a pesar de los avances es el método biométrico más confiable aún
hoy día.
Las mismas son usadas en la Dirección de Criminalística (DIRCRI) de la
Policía Nacional de Perú y son clasificadas las impresiones de las huellas
según la forma de las crestas papilares característica de cada individuo.
Dado que la realidad de la población país requiere de un instrumento
visual y de almacenamiento de tarjetas dactiloscópicas más eficientes con
nuevos métodos más dinámicos con una clasificación más eficiente,
involucra menos errores en la impresión de las huellas de manera nítida
evitando los errores que pueden generar el tratamiento en el proceso de
grabación y generación de imagen y la aplicación del algoritmo que conduce
a la aplicación de las ideas necesarias y al estudio en si del proceso que
genera el interés del estudio y la idea clasificatoria.
Su importancia está dada por los procesos que genera para un proceso
más eficiente de clasificación de las huellas en sujetos sometidos a
estudio.
En la investigación de Ortiz L, (2010) “Mejora de imágenes de huellas
digitales” desarrollado en la Pontificia Universidad Católica del Perú”
plantea como objetivo la necesidad de mejorar la calidad de la imagen de
las huellas digitales identificadoras de sujetos, lo cual hace que sea difícil
identificar al elemento de procedencia, y explica la aplicación de un
procedimiento que permita el estudio de la biometría de la huella digital y la
construcción de un algoritmo que solucione el problema de orientación, la
etapa de frecuencia y la de filtrado que permita realzar la imagen usando el
entorno de simulación Matlab que va mostrando los avances en cada etapa
del proceso hasta lograr una imagen nítida tanto en sus crestas como las
ondulaciones.
Con las pruebas hechas por los investigadores se concluye que efectivamente
las imágenes de las huellas al ser realzadas, mejoran su calidad, ya que es
posible encontrar más minucias en las imágenes de las huellas mejoradas que
en las imágenes originales
. La importancia de esta investigación es que va a permitir que el tomar
muestras de la trufa de los canes o perros por las características
particulares de la zona de la nariz se van corrigiendo esas imperfecciones
de impresión.
En el trabajo de Ruelas (2017) sobre “Control neuronal aplicado al
reconocimiento de patrones biométricos” desarrollado en la Universidad

Nacional de San Agustín de Arequipa destaca la importancia de la biometría
en el reconocimiento de diversos eventos, especialmente la identif icación y
validación automática de personas y la utilidad real de los sistemas
biométricos para aplicaciones específicas. Se centra la investigación en la
identificación y detección de patrones presentes en las huellas dactilares
por ser una de las características con el menor riesgo de falsificar pues es
una característica muy particular y especifico a cada ser humano. De allí su
importancia en la aplicación en sistemas biométricos.
En el desarrollo de la investigación Chambi diseño y desarrollo un
prototipo de software que tiene como fundamento principal la aplicación de
la inteligencia artificial en cuanto al desarrollo de las redes neuronales y que
va a permitir la identificación de entrada de huellas dactilares a través de la
aplicación específica de uno de los algoritmos desarrollados como es el
algoritmo de Kohonen.
El software se desarrolló usando la herramienta Applet - JAVA dentro de un
entorno visual en el cual se puede apreciar el entorno gráfico compuesto por
comando tipo botones.
Lo interesante de esta investigación es su contenido y desarrollo que va de lo
teórico de las redes neuronales, el desarrollo del algoritmo y que está centrado en
el objetivo de la aplicación del prototipo construido apreciándose su fácil manejo

para los diversos usuarios por la descripción que hace de un comando tipo
botones, con lo que se pretende que este sistema Prototipo, sea a futuro la base
del desarrollo de sistemas biométricos completos.
Lo interesante de esta investigación para el desarrollo de un sistema de
reconocimiento de patrones dactilares presentes en la nariz de los perros es que
ha diseñado un prototipo en un entorno de fácil desarrollo con modelos gráficos
relativamente sencillos y de fácil manejo y aplicación de amplio espectro.
Como se mencionó con anterioridad del modelo de identificación de canes más
reciente lo realizó la empresa ID System Integrators con su Dognose ID que es un
sistema no invasivo, indoloro pero que provee una forma impresa de registro
permanente de cualquier can, pero a solicitud del dueño, donde usando un
dispositivo tipo escáner se toma una muestra de la nariz del can además de
información y fotografías que se va a registrar y escanear que es guardada en la
base de datos de la empresa y que en caso de extravió del sujeto al ser capturado
por un refugio, en base a los datos se notifica a su posible dueño.
Actualmente la técnica más confiable de identificación de canes es la inserción
de un microchip en la parte posterior del cuello que al ser leída con un escáner
genera toda la información necesaria del mismo para su ubicación, como es
nombre, apellidos y dirección del dueño. Es el más seguro, pero su costo de
aplicación quizás no sea el más viable para nuestro país.

1.3 Planteamiento del Problema
Se ha notado y verificado que en nuestra sociedad peruana y específicamente en
la ciudad de Lima no se han desarrollado sistemas de identificación y registro de
los canes que están presente en gran número tanto en la seguridad de la casa de
los que tienen dueños, mucho menos a nivel de municipalidad de los que
deambulan en las calles.
Quizás en las clínicas y consultorios de los veterinarios se lleva un registro físico
de aquellos animales que son atendidos en consulta continua y otros que son
atendidos para servicios de higiene general, como es el servicio de barbería,
peluquería y pedicure. Pero esos registros son muy generales y solo determinan
el nombre del can, su edad, control de vacunas y servicios sanitarios cumplidos
que generalmente están expresados en una tarjeta de identidad.
Las ordenanzas municipales no han ahondado mucho en esas caracterizaciones
y quizás las más avanzadas llegan a plantear la necesidad de obtener un carnet
de identificación del can y la presencia física de una placa en el cuello, como es el
caso de la municipalidad de La Paz en Bolivia (2005), y más avanzado el IDs
presentado por la empresa ID System Integrator en Estados Unidos.

Es quizás a la poca importancia que se ha dado a nivel de ordenanza y para su
protección a un sujeto tan fundamental e importante dentro de nuestra sociedad
como es el can por su papel en la familia de los humanos, tanto en la seguridad,
como acompañante o como mascota complementaria familiar.
Es por esa razón que se plantea la necesidad de diseñar un proyecto de registro
partiendo desde las redes neuronales, desarrollando un prototipo de escáner de
reconocimiento que se adapte a las particularidades de las trufas de los canes que
viene a ser la zona de registro, como ya se señaló con anterioridad, que presenta
características únicas a cada sujeto, y que en atención a los cálculos de precio
mercado seria el sistema de registro más económico y confiable que el de la
inserción de microchip en el cuello del animal, y menos dolorosa que el tatuaje de
los mismos en las orejas.
1.4 Formulación del Problema
Una vez descrito el estado del arte en nuestra sociedad sobre la identificación
efectiva de los canes, es posible formular el problema mediante la siguiente
pregunta:
¿Es posible diseñar un sistema de registro y reconocimiento de patrones
mediante el escaneo de la huella presente en la trufa de los canesa un bajo costo
y por tanto accesible a toda la población?
1.5. Sistematización del Problema
Una vez planteado el problema se puede sistematizar las preguntas generadoras
que esquematizan el mismo:
1.-¿Existen estudios o modelos biométricos registrados que se han hecho para
construir archivos de datos confiables sobre la población canina en Lima?
2.- ¿Es posible la identificación de los canes efectivamente mediante el escaneo
de su nariz?
3.- ¿Se puede diseñar una base de datos especifica mediante el uso de algoritmos
seleccionados para crear un banco de información de los canes en nuestra
sociedad?
4.- ¿Las redes neuronales permitirán efectivamente y evaluar las muestras de
canes seleccionadas?
5.-¿Es posible diseñar un software y prototipo de identificación de canes y en
función de la particularidad física de la trufa del mismo?

1.6 Objetivos
1.6.1. Objetivo General
Diseñar e implementar un sistema de reconocimiento de patrones en la huella
presente en la trufa del can mediante la aplicación de algoritmos basados en las
redes neuronales
1.6.2. Objetivos Específicos
2. Estudio sobre el estado del arte de sistemas de reconocimiento por
biometría y por rasgos dactilares en Perú.
3. Obtener las características identificatorias de las narices de los canes y
como se diferencian una de otra.
4. Desarrollo algorítmico de esquemas de extracción de información
basados en procesos de imagen digital dactilar para aplicar a la
identificación de las trufas de canes.
5. Diseño de un prototipo o escáner sensor para detectar huella de la trufa en
los canes.
6. Diseño y elaboración de una base de datos de huellas dactilares en
relación con el prototipo diseñado: escáner óptico y escáner
semiconductor.
7. Análisis de los resultados obtenidos en función de la base de datos
desarrollada y aplicación práctica de los resultados.

1.7. Diseño de Variables
1.7.1. Independiente:
Identificación de canes
1.7.2. Dependiente:
Reconocimiento de patrones por redes neuronales
1.8. Justificación
Si entendemos la biometría como el estudio de métodos automáticos para el
reconocimiento único de humanos basados en uno o más rasgos conductuales
físicos intrínsecos, en esta idea se determina que cada aparato biométrico mide y
luego identifica una característica particular y única en cada ser humano.
Considerando ese planteamiento el desarrollo de prototipos para realizar
mediciones de rasgos característicos tanto en seres humanos como proyectos de
otro tipo involucra rasgos y registros de almacenaje desarrollados a partir de
muestras.
En la actualidad la biometría con aplicación informática es la aplicación de
técnicas matemáticas y estadísticas sobre los caracteres o rasgos físicos o de
conducta de un individuo, para verificar identidades o identificar individuos.
Rasgos particulares como las presentes en: la retina, iris, huellas dactilares,
patrones de la geometría de la palma de la mano, la distribución de las venas, son
ejemplo de características físicas visibles y detectables; como igualmente existen
rasgos determinantes en atención del comportamiento como. La firma, los rasgos
al escribir, el paso al caminar y la voz que es una combinación de ambos y más
compleja de analizar por lo que necesita equipos más complejos.
La huella digital es quizás el método más común y popular utilizado alrededor
del mundo por la economía de su procesamiento y la fiabilidad de los datos que
arroja, pues la huella es única e irrepetible en cada ser humano, su composición
básica está en la combinación de crestas y valles que constituyen el patrón
fundamental, las crestas son segmentos de curvas de la huella estudiada y los
valles se encuentran en medio de las crestas. La nitidez de la impresión también
determina su confiabilidad y es por eso el proceso más confiable en la
identificación de individuos y la estructuración de patrones archivológicos.
La estructuración de esos procesos a nivel de informática se realiza a través de
la construcción de redes neuronales que no son otra cosa que modelos
computacionales inspirados en redes neuronales biológicas, que son sistemas de
procesamiento de información complejosy que no son otra cosa que neuronas
artificiales interconectadas para procesar información por un gran número de
conexiones (sinapsis) construidos para almacenar y procesar.

Esa RNA va a permitir entonces construir el modelo funcional de
almacenamiento y procesamiento de datos para desarrollar el prototipo ideal que
se propone este proyecto que se direccionará hacia el establecimiento de un
registro confiable y económico, que permita la identificación de los canes a través
de la digitalización de su rastro o huella única presente en su nariz o trufa.
Desde el punto de vista científico tecnológico se diseñara un escáner (machine
learning) que se ajuste a las singularidades de la trufa del can que permita la
digitalización con rasgos confiables de la huella del sujeto para lograr mediante el
muestreo inicial de establecer patrones de singularidades de cada individuo objeto
del estudio que formará parte de la muestra, que no será muy numerosa en un
primer momento.
Desde el punto de vista social el estudio y en función de sus resultados
permitirá desarrollar un proyecto control de identificación confiable en la localidad
de Lima de todos los canes con hogares visibles y los que deambulan por las
calles para a futuro establecer programas de control y resguardo en conjunto con
las autoridades de la municipalidad.
En cuanto a su uso y adecuación en atención a la rentabilidad es quizás
mediante un análisis de costos el método más económico y factible de realizar que
permitirá la identificación del sujeto humano con el proceso de registro pues no es

doloroso, ni invasivo en su aplicación e implementación de acuerdo a las
proyecciones que se plantean.
En función de la masificación del proyecto y en atención de los resultados que
se aspiran lograr, permitirá el control en cuanto a la presencia de canes en las
calles, el establecimiento de responsabilidades en casos de agresión o de
abandono de los canes por parte de dueños inconscientes.
1.9. Hipótesis.
Dado que el reconocimiento por patrones dactilares con el uso de redes
neuronales es aplicable para la identificación de huellas dactilares en humanos,
es probable que su aplicación para el reconocimiento de huellas nasales en canes
sea un método factible debido a su característica de unicidad

CAPITULO II
FUNDAMENTO TEÓRICO
2.1. Marco Teórico
En la actualidad con los avances de los sistemas informáticos y el desarrollo de
nuevas y avanzadas aplicaciones sustentados en esos sistemas, ha permitido la
perfección de los procesos de identificación digital de los individuos, el proceso de
control y registro de unidades de producción con un margen de error muy bajo
bien con procesos simples o de muy avanzada complejidad..
En Perú no se ha desarrollado un proyecto de características similares y de bajo
costo aplicado a la identificación de canes con la aplicación y desarrollo de un
registro y un escáner prototipo que permita mediante la lectura de las huellas
presentes en la trufa o nariz de estos animales que pueda conducir a construir un
banco de información confiable y único de los mismos en un primer momento en la
ciudad de Lima.
Conduce entonces a determinar diferentes contenidos básicos que estarán
presente en el desarrollo de la investigación.

2.1.1. Identificación Automática.
Uno de los requisitos fundamentales de los sistemas informáticos en la
actualidad son los llamados mecanismos de seguridad para identificar a usuarios
que intentan acceder a una determinada área o a un servicio, que pueden darse
por procesos sencillos o muy complejos. Estos sistemas de verificación de
identidad generalmente son utilizados en aplicaciones tanto civiles como militares.
Esos sistemas como lo señala Ruelas (2014) en su tesis, se pueden dividir en:
en lo que tenemos (token-based) lo que podemos recordar como PIN (Personal
IdentificationNumber) password; en lo que sabemos (Knowledge-based), algo que
podemos llevar con nosotros como; tarjetas de banda magnética, pasaportes,
licencias de conducir. Y los sistemas biométricos, donde se realizan mediciones
de los rasgos fisiológicos o de comportamiento del usuario. Resaltando la
importancia para el presente estudio de la Huella Dactilar por su particularidad de
la no repetibilidad en cada elemento o individuo.
2.1.2. Impresiones Digitales
La huella dactilar son el producto de formaciones de curvas cutáneas que están
presente en la epidermis de los dedos tanto en los pies como en la mano, donde
se generan formas de configuraciones de ellas llamadas bifurcaciones, y que van
a estar presentes e inalterables durante toda la vida del individuo sin variar ni sufrir
cambios. Aunque pueden sufrir deterior en algunos momentos producto de
accidentes o quemaduras, cortes profundos o amputaciones.

Señala Ruelas investigador ya citado que, lasIDs de las HDs de las personas se
diferencian en dos criterios principales; primer criterio de grupo que representa
una visión global de la impresión digital, la región en donde se van hallar el
comportamiento de las líneas dactilares, ya sea por su dirección, crestas finales o
bifurcadas.
2.1.3. Dactiloscopia
La palabra dactiloscopia viene de la etimología griega, daktylos = dedos,
skopein = examinar, por lo que se conoce como el estudio de los dedos. Según
Carlos Kehdy la dactiloscopia es un sistema de verificación por medio de las
impresiones digitales; entonces se podría indicar que la dactiloscopia es la ciencia
qué permite la identificación de personas por la comparación de IDs de sus HDs
las cuales son almacenadas en una base de datos y/o impresas en un papel, para
su posterior comparación.
Existen tres tipos de estudios de la dactiloscopia: la civil trata de autentificar
o identificar al individuo para el acceso a recursos como cedula de identificación,
registro de estado civil, entre otros; la criminal utilizada para supuestos individuos
que hayan cometido faltas graves (crímenes) donde se ha de identificar sus IDs; y
la clínica estudia las perturbaciones o malformaciones de los IDs para un estudio
de mejoramiento de dichas HDs.

Parafraseando a Ruelas (2014) plantea que el estudio de la dactiloscopia civil
se debe de considerar los análisis de las características biométricas de las
personas ya sea huella dactilar, retina, iris, entre otros; que pueden ser usadas
como características biométricas que satisfagan las siguientes condiciones como
indicadores:
-Universalidad. Cada persona se clasifica por un conjunto de características.
-Unicidad. O variabilidad, que indica que las personas no poseen las mismas
características.
-Permanencia. O inmutabilidad, las características no pueden ser modificadas.
-Criterio Cuantitativo. Las características pueden ser medidas cuantitativamente
(p. 17).
2.1.4. Huella Dactilar
Según lo que expresa Carrión (2009) en su tesis sobre el Desarrollo de un
algoritmo de clasificación de la huella dactilarLa dactiloscopia es la ciencia que
estudia la impresión o reproducción de losdibujos formados por las crestas
papilares de las yemas de los dedos de las manos.
Dibujo papilar.- Son figuras constituidas por capas de piel en alto relieve
(crestas) y bajo relieve (surcos), que se presentan en:
1.-Yemas de los dedos, 2.-Palmas de las manos y 3.-Plantas de los pies.

2.1.5. Análisis de minucias de impresiones dactilares
Parafraseando a Ruelas el cual señala que para confirmar la identidad de una
ID, deberá de ser coincidido en un mínimo de doce minucias, las que hallar de la
misma forma, por su localización y la misma cantidad de las impresiones para la
comparación. Mientras que Faraniafirma que las minucias o patrones
característicos son resumidamente clasificados dentro de dos categorías: los
aspectos básicos y aspectos compuestos. Donde los aspectos compuestos son
constituidos a partir de aspectos básicos, siendo los aspectos básicos
considerados minucias importantes, ya sean por su cresta bifurcada, cresta final;
como se menciona en los dos siguientes párrafos.
Como se puede observar en la Figura 1 consideraremos dos puntos: la Cresta
Bifurcada (CB) y la Cresta Final (CF); la CF se define como el punto donde la
cresta termina, y la CB es el punto donde la cresta diverge dentro de varias
crestas.
Figura 1. Muestra de los aspectos básicos de las minucias.
Fuente: Ruelas (2014) p 31

Como otro ejemplo se puede muestra la Figura 3 en donde se observan los
aspectos básicos de Crestas, que se derivan en otros aspectos compuestos como:
islas, cruzamientos, esporas, y crestas cortas (CC).
En la Figura 2. Se puede mostrar de manera más concreta de identificación de
una ID en donde se encuentra un Círculo o Núcleo, que es un punto de orientación
local con una tendencia semi circular; y un Triángulo o Delta, que es un punto de
orientación local con una tendencia hiperbólica; los cuales son muy utilizados para
los sistemas de identificación de ID, que en combinación con las bifurcaciones ya
se obtiene la ID.
Figura 2. a) y b) Muestran los núcleos (círculo rojo) y deltas (triángulo azul);

c) y e) Muestra de las minucias que tienen las imágenes de a) y b).
Fuente Ruelas, 2014, p. 32
2.1.6. Consideraciones sobre las impresiones digitales
Según las investigaciones de Carrión citado con anterioridad
Inmutabilidad.- Los dibujos se mantienen invariables desde el sexto mes de su
vida intrauterina y sólo se destruyen después de la muerte a consecuencia de la
putrefacción.
Variedad.- Es de tal magnitud que resulta imposible que dos seres distintos
presenten idénticas particularidades.
Regeneración.- Si por daño en la epidermis se alterara el dibujo irá formándose o
regenerándose otra vez bajo su diseño anterior, pudiendo adquirir particularidades
complementarias como consecuencia del percance
Infalsificabilidad.- Es imposible -hasta ahora- falsificar huellas digitales.
Clasificabilidad.- En virtud de los aportes dados por quienes han desarrollado
esta disciplina, existen varios métodos de clasificación de los dibujos. Cada país o
región del globo tiene adoptado uno en particular, existiendo conexión entre los
diversos métodos lo que permite el intercambio de información. (24)
2.1.6.1. Clasificación de la huella dactilar.
Según cita Carrión, en la actualidad existen 3 sistemas para la clasificación de la
huella dactilar, estos son el sistema Henry, sistema Vucetich y sistema Oloriz, este
último es el que usa la Policía Nacional del Perú.

2.1.6.2. Sistema Henry.
Y variantes es usado comúnmente en países de habla inglesa, reconoce los
siguientes dibujos.
 Arco simple
 Arco con carpa
 Presilla interna
 Presilla externa
 Espiral simple
 Presilla con a/cent.
 Espiral de p/doble.
 Espiral accidental
2.1.6.3. Sistema Vucetich.
Usado en países de habla hispana, reconoce los siguientes dibujos.
 Arco
 Presilla interna
 Presilla externa
Verticillo
2.1.6.4. Sistema Oloriz.
Usado en países de habla hispana, reconoce los siguientes dibujos.
Adelto
Dextrodelto
Siniestrodelto
Bidelto
Tridelto
En algunos países varía el código usado para los dedos pulgares: D en vez de
I; S en vez de E. (25)
Además del dibujo central, se presta atención a la "Línea de Galton"; una línea
imaginaria que se traza desde el centro del núcleo hasta el centro del delta, para
luego establecer el número de surcos y crestas que se interponen.
La Policía Nacional del Peru, según Carrion (2009), usa el sistema Oloriz para la
clasificación de la huella, actualmente no se tiene un registro de la cantidad de
huellas que poseen, una revisión rápida pero poco precisa por la falta de un
registro indica que el 16%de las huellas corresponden al tipo adelto. Entre 30% y
40% son monodeltos(dextrodelto y siniestrodelto), también entre 30% y 40% son
bideltos y un 0.1% trideltos. (p.24)
2.1.7. Identificación Biométrica.
2.1.7.1 Biometría
El concepto de biometría deriva etimológicamente del latín: bio = vida, metría =
medida, por lo que se podría referir que la biometría es el estudio de las
características fisiológicas y de comportamiento que pueden ser utilizadas para
verificar la autenticidad de un individuo en particular. La biometría es una “rama
de la ciencia que estudia las mediciones de los seres vivos”
Existen tres tipos de identificación, como se mencionó con anterioridad en cuanto
a la Identificación Automática, y que existen varios tipos de autentificación: lo que
sabemos, algo que podemos recordar PIN, Password, entre otros; lo que tenemos,
algo que llevamos Tarjetas de Crédito, Pasaportes, entre otros; y el de los
sistemas biométricos. Pero todas ellas presentan un margen de error o
vulnerabilidad, ya que bien podrían no recordar, perder, ser robadas.
Por lo que a diferencia de la biometría que ofrece una confiabilidad mayor a
comparación de los sistemas tradicionales de autenticidad, ya que no puede
autorizar a la persona extraña a realizar algo sin ser autentificado, o sin haber
tenido el permiso respectivo

2.1.7.2. Tipos de Biometría
Como se indica que la biometría se divide en dos tipos:
1) aspecto fisiológico; en donde se describe las características morfológicas del
individuo; en este tipo de biometría se encuentran la: Huella Dactilar, Geometría
de Mano, Reconocimiento Facial, Biometría de Iris, Biometría de Retina.
2) de comportamiento; donde se toman las muestras que tiene el individuo en
ese instante, ya que ha de depender su estado anímico; en acá se encuentra
los tipos de biometría: Reconocimiento de Voz, Reconocimiento de Firma.
2.1.7.3. Sistema Biométrico
También denominados Sistema de reconocimiento de Patrones, son sistemas
automatizados que se basan en las características únicas(físicas o
comportamiento) de cada persona para su respectivo reconocimiento. Un sistema
de reconocimiento se fundamenta en tres etapas tomando el esquema de López y
Toro (2012):
-. La primera consta de adquirir datos sensoriales para obtener una representación
de un objeto al cual se le denomina patrón.
.- En la segunda se extraen características del objeto que después serán
almacenadas en una base de datos.

.- La tercera etapa es la de clasificación donde al patrón se le asigna una clase
específica (p.21).
Fig. 3. Esquema de Sistema Biométrico (Toro y Lopez)
Para la investigación que se desarrolla interesa el esquema básico que surge
de esta descripción:
Objeto sensor extracción de clasificación decisión

características
Representación características
Fig. 4. Esquema básico de un sistema de reconocimiento de patrones
De este esquema se determina que un sistema biométrico se fundamenta en la
medición, comparación, codificación, transmisión, almacenamiento para lograr

elreconocimiento un individuo por medio de sus características únicas, dando un
resultado altamente confiable.
2.1.7.4. Redes Neuronales
El término red neuronal puede hacer mención tanto a las redes neuronales
biológicas como a las redes neuronales artificiales, pero el termino red neuronal
en esta investigación estará referida específicamente al término de red neuronal
artificial.
2.1.7.5. Redes Neuronales Biológicas
Partiendo de la idea que la única referencia que tienen los investigadores para
llevar adelante la construcción de una computadora “con capacidad de pensar
como el humano” es el cerebro humano, aunque este no se toma en su totalidad
debido a su complejidad funcional, por tal razón solo se consideran las células
individuales para realizar el estudio como tal. En el nivel más bajo o simple el
cerebro humano está compuesto por células nerviosas o neuronas.
Una neurona es como el bloque básico con el que se construye el cerebro
humano, esta a su vez posee ramificaciones denominadas dendritas.
En un funcionamiento básico cuando una neurona recibe y acepta una
información, ella puede activarse y trasmitir esa información a través de su
prolongación llamada axón. Finalmente la señal dejara la neurona y “viajara” por

los terminales del axón y es así como esa señal es transmitida a otras células o
neuronas. Así es el funcionamiento básico en una red neuronal biológica.
Fig. 5. Red Neuronal Bilogica. (Ruelas. 2014,57)
2.1.7.5. Redes Neuronales Artificiales
De la investigación realizada por Monge (2008), sobre el “Diseño de una
arquitectura para una red neuronal artificial” se toma el concepto deuna Red
Neuronal Artificial es un paradigma de procesamiento de información quebusca
emular el comportamiento en el cual el sistema nervioso biológico procesa la
información.
Adicionalmente, podemos decir que una red neuronal es un procesador distribuido
paralelamente masivo que posee la tendencia natural de almacenar el

conocimiento experimental y volverlo utilizable. Se asemeja al cerebro en dos
aspectos:
El conocimiento es adquirido por la red neuronal a través de un proceso de
aprendizaje. Las fortalezas de las interconexiones, conocida como “pesos
sinápticos” son usadas para almacenar el conocimiento.
Como ya se mencionó, la unidad de procesamiento de la red es la neurona
artificial, y su adecuado funcionamiento se logra a través del proceso de
entrenamiento o aprendizaje. Según el ordenamiento de las neuronas de la red y
del tipo de aprendizaje utilizado, se encuentran diversas clases de redes
neuronales. Según su arquitectura, pueden ser redes de una sola capa, redes
multicapa y redes recurrentes. Según su método de aprendizaje se tiene dos
tipos:a) según elparadigma usado puede ser supervisado, no supervisado o
híbrido; y b) según el algoritmo de aprendizaje, este puede ser de error-corrección,
Boltzmann, Hebbian, competitivo. Además, las funciones de activación utilizadas
son la identidad, escalón unitario, sigmoide, tangente hiperbólica, de probabilidad
Gaussiana (p. 25)
2.1.7.6.Red Neuronal Artificial KOHONEN.
Este tipo de Red que será de gran importancia en esta investigación, pertenece a
lo que es la Red de Mapas Auto-Organizativos (SOM de la sigla inglesa
SelfOrganizingMap), o RedesCompetitivas no Supervisadas, lo desarrolló
TeuvoKohonen en 1982, en la cual se plantea que dicha red contiene dos modelos:
LVQ (Learning Vector Quantization) y el SOM. Lo que en la investigación ha de
desarrollarse el de tipo SOM.
Los SOM poseen una arquitectura de dos capas (entrada - salida), las funciones
de activaciones lineales y flujo de información es unidireccional (son redes en
cascada). Las unidades de entrada reciben datos continuos normalizados, se
normalizan así mismo los pesos de las conexiones con la capa de salida. Tras el
aprendizaje de la red, cada patrón de entrada activará una única unidad de salida.
Este tipo de red se distingue de la otra ya el trata de clasificar los patrones de
entrada en grupos de características similares de manera que cada grupo activará
siempre la(s) misma(s) salida(s).
Cada grupo de entradas queda representado en los pesos de las conexione de la
unidad de salida ganadora. La unidad de salida ganadora para cada grupo de
entradas no se conoce a priori, ello se sabrá una vez que se entrene la red, tal
como se observa en la Figura 7.
Una de las cualidades de esta red es la incorporación de la regla de aprendizaje
de cierto grado de sensibilidad con respecto a la vecindad que rodea a la capa de
salida. Esto hace que el número de neuronas que no aprenden desaparezca,
aumentando así su capacidad de extraer o mapear característica topológicas de
los datos.
Figura 7. Estructura de la Red Kohonen.(Ruelas, 77)
La red mapea el espacio de entrada hacia un espacio de salida con cierto orden
topológico, Kohonen propone un método para que este orden se conserve al
entrenar la red, la clave está en reducir el tamaño del vecindario de la unidad
ganadora en cada interacción.
2.1.7.7. Redes multicapa
Considerando la investigación de Osorio (2008), la define como aquella red que
posee una capa de entrada, una capa de salida y una o máscapas ocultas. Existen
la red Perceptron Multicapa (Multi-LayerPerceptron, MLP) y la red de Base Radial
(Radial-BasisFunction Networks, RBF).
La red MLP "es una generalización del perceptron y surgió como consecuencia de
las limitaciones de dicha arquitectura en lo referente al problema de la

separabilidad no lineal" ; mientras que la red RBF posee una única capa oculta y
sus neuronas tienen un carácter local; es decir, cada una de ellas se activa en
unaregión diferente del espacio de patrones de entrada, lo cual se debe al uso de
las llamadas funciones de base radial como función de activación.
Estas redes multicapa se utilizan en aplicaciones como reconocimiento de
patrones,aproximación de funciones, predicción, control (13)
2.1.7.8. Modelo Machine Learning
Machine learning en atención a lo que expresa Gisela Garcia (2014), en su
investigación sobre Machine Learning, nos dice que es un conjunto de técnicas
que hacen parte de la inteligenciaartificial, que basadas en algoritmos buscan el
aprendizaje dentro de grandes conjuntos dedatos. Una característica muy
importante de estos algoritmos es la predicción de nuevoscasos basándose en la
experiencia aprendida del conjunto de datos utilizados para suentrenamiento, a
esto se le conoce en la literatura como generalización (Fernández, 2003),(Beltrán,
2008).
Dentro de la literatura que consultó la citada investigadora en su tesis expresa
señalando varios autores que:(García, García, 20017), (Freitas, 2012),( García,
Quintales, García Peñalvo, Martín) que el aprendizaje en Machine Learning se
divide usualmente en dos tipos, el aprendizaje “supervisado” donde cada uno de
las observaciones o muestras del conjunto de datos tiene relacionado una variable
o un dato que indica lo que sucedió, lo que pasó, es decir las entradas están
etiquetadas. Este tipo de aprendizaje se subdivide en clasificación y regresión.
En clasificación las salidas del sistema son finitas y discretas y son interpretadas
como la clase a la que pertenece, ejemplo “0” o “1”, “Falso” o “Verdadero”, “Si” o
”No”, mientras que en la regresión, las salidas son continuas. En esta
investigación nos enfocamos en el tipo de aprendizaje supervisado.
Algunas técnicas de Machine Learning que más resaltan se puede señalar la
regresión logística, el árbol de decisiones, máquinas de soporte vectorial
clasificación linealmente separables, clasificación linealmente no separables.
2.1.7.9. Paradigmas de Aprendizaje
Son las formas en la cuales se realiza el proceso de aprendizaje de la red
neuronal.Monge (2009), hace las determinaciones en tres tipos: supervisado, no
supervisado e híbrido.
.-Es supervisado cuando la información es presentada a la red en forma de
patrones de entrada y los resultados deseados son conocidos previamente. Un
supervisor (profesor) verifica la salida de la red y la compara con la esperada. Por
lo tanto, minimiza esta diferencia mediante la modificación de los pesos sinápticos.
.- Es no supervisado cuando la información es presentada a la red bajo forma de
patrones de entrada y los resultados no son conocidos previamente, pues no
requiere de la salida correcta a cada patrón de entrada. Este método explora la

relación o correlación existente entre los patrones de los datos y los organiza
agrupándolos en diferentes categorías según características en común.
.-El paradigma híbrido combina los aprendizajes supervisado y no supervisado
aplicándolos en distintas capas de la red; es decir, algunos pesos sinápticos son
ajustados a través del aprendizaje supervisado y los otros mediante el aprendizaje
no supervisado (p.23).
2.1.7.10. Aprendizaje Error-Corrección
En este método se genera la señal de error mediante la comparación entre la
salidade la red ante el estímulo de un ejemplo y la señal deseada. Así, el objetivo
es minimizar esta señal de error a través de la "función de costo" (costfunction).
De esta forma, el aprendizaje es estrictamente un problema de optimización
mediante el ajuste de los pesos sinápticos.
Entre los algoritmos de aprendizaje que utilizan este método se encuentran el
algoritmo LMS (Least Mean Square, Mínimo Error Cuadrático Medio):
AdalineBackpropagation, Madaline.
2.1.7.11. Algoritmo Backpropagation
Parafraseando a Monge (2009),consiste en dos procesos, uno hacia adelante
(forward pass) y uno hacia atrás(backwardpass). En el primero, se coloca a la
entrada de la red una señal de entrenamiento, la cualatraviesa la misma

generando una salida que es comparada con la salida deseada,produciéndose
una señal de error por cada neurona de la capa de salida.
En el segundo, dicha señal de error es propagada desde la salida hacia atrás,
donde se realiza la actualización y modificación de los pesos sinápticos en función
de la razón de aprendizaje, el gradiente local y la entrada de la neurona
específica. Este proceso termina según un criterio de parada, el cual permite un
error mínimo en la red
2.1.7.12. Dispositivo Lógico Programable
Tomando el planteamiento de Monge (2008),un Dispositivo Lógico Programable
(ProgrammableLogicDevice, PLD) es un chipde propósito general para la
implementación de circuitos lógicos. Contiene un conjunto de elementos lógicos
agrupados de diversas maneras. Puede ser visto como una “caja negra” que
contiene compuertas lógicas e interruptores programables, los cuales permiten a
las compuertas conectarse entre sí para formar cualquier circuito lógico requerido.
Se clasifican según el grado de complejidad y cantidad de recursos lógicos
presentes en el dispositivo. Así, existen SPLD (Simple PLD), dentro de los
cualesestán los PLA (ProgrammableLogicArray), PAL (ProgrammableArrayLogic),
PLA/PAL Registradas (Registered PLA/PAL), GAL (Generic PAL); CPLD
(ComplexPLD); FPGA (Fiel-ProgrammableGateArray).

Dentro de este contexto, un FPGA (Arreglo de puertas programable en campo) es
un PLD que soporta implementaciones de circuitos lógicos y sistemas digitales
relativamente grandes y son programables en campo, es decir, en el lugar del
diseño, junto al diseñador. Presenta una arquitectura virgen, la cual puede ser
configurada a necesidad, logrando una gran diversidad de aplicaciones.
Elalmacenamiento de estas conexiones se realiza en una SRAM en la mayoría de
los casos, pero también puede realizarse mediante FLASH o antifuse 8. (p.24).
2.1.7.12. La trufa de los canes
Es la parte orgánica del can o perro que normalmente tiene al final y en la parte
superior de su trompa u hocico, que le sirve para respirar y detectar olores, o sea
su nariz, generalmente de color negro o marrón intenso según su raza y en
algunos cambia de tonalidad según la época del año.
No existen dos trufas iguales en los canes, pues sus sinuosidades organizadas
en valles y crestas son para ellos lo que la huella dactilar para el humano.
Es pues el sistema de identificación donde se centrara el proceso y desarrollo del
proyecto que se desarrolla y que mediante el diseño de un sistema de detección o
escaneo de la nariz del can conducirá a la generación de un banco de datos para
registrar a la población canina controlada (con dueños conocidos) y la no
controlada (callejeros) existentes en la ciudad de Lima.

Fig. 8. Imagen de una trufa canina. Fuente:Chacón G(2010,77)

2.2. MARCO METODOLOGICO
2.2.1. Marco Metodológico de la Investigación
2.2.2. Diseño de la Investigación
2.2.3. Método de la Investigación

Sistema de Reconocimiento de Patrones en La Huella de La Trufa

Hochgeladen von

Dokumentinformationen

Copyright

Verfügbare Formate

Dieses Dokument teilen

Dokument teilen oder einbetten

Freigabeoptionen

Stufen Sie dieses Dokument als nützlich ein?

Sind diese Inhalte unangemessen?

Copyright:

Verfügbare Formate

Sistema de Reconocimiento de Patrones en La Huella de La Trufa

Hochgeladen von

Copyright:

Verfügbare Formate

LA TRUFA CANINA Juan Noguera 2019

Sistema de reconocimiento de patrones en la huella de la trufa

Las características biométricas como las huellas dactilares, reconocimiento facial

y de voz representan hoy un medio confiable de reconocimiento en diferentes

ambientes son utilizados como medios de seguridad en ambientes laborales, en

actividades diversas y como elementos de control en sistemas y componentes

utilizados en funciones de amplia gama y control.

La huella dactilar es quizás la característica biométrica mayormente utilizada a

nivel mundial para la identificación confiable de las personas pues es la más

es la que domina los sistemas de identificación establecidos, debido a que poseen

crestas y valles no se repiten, el único problema para este sistema lo ha

representado la necesidad de un equipo de impresión nítido y estable.

La presente investigación se sustenta en esos avanzados estudios en la huella

del humano y el establecimiento de algoritmos que permiten establecer patrones

cada vez más confiables en la representación de imágenes de dichas huellas y en

la avanzada tecnología de escáneres para establecer esas determinaciones para

redirigirlos a la construcción de un modelo de escáner que se adecue a la forma

de la trufa o nariz de los canes y elaborar un registro inicial en una muestra

representativa de estos animales que permita determinar la confiabilidad del

sistema en la identificación y registro de los mismos en la localidad de Lima en un

primer momento del estudio.

La nariz de los canes posee huellas únicas y determinantes en cada individuo

localidad señalada y así poder identificar al individuo en atención al registro y

dirección de su dueño presentante.

Se presenta como un método más confiable, indoloro y económico en

comparación con el de placas o el de microship y su confiabilidad debería permitir

reducir la presencia de canes abandonados en la localidad en estudio, establecer

responsabilidades de los dueños en atención a las actuaciones de sus mascotas.

Los resultados de los registros generados por el prototipo a desarrollar

conducirán a estudios posteriores e implementación del proyecto a nivel de otras

localidades. El estudio variará al realizado en Estados Unidos y conocido como

En el área de investigación en nuestra sociedad, no existe un estudio científico y

por tanto con fundamentaciones precisas y sustentadasque este dirigida a la

necesidad de elaborar un método de registro fiable para animales de tipo

doméstico, especialmente de canes que en conjunto con los gatos están

estrechamente relacionados con los seres humanos.

humano de llevar un registro fidedigno y valedero de su “mascota” donde muy

parecido a su registro de vida se reflejen datos específicos de su identidad y

evolución particular dentro del entorno familiar donde va creciendo y de la

sociedad donde se interrelaciona, quizás también al poco interés de las

que se ha dado en el entorno de nuestra sociedad a la valiosa presencia de los

denuncias de desaparición de los mismos, que generalmente terminan

atropellados por vehículos, maltratados en las calles e incluso sacrificados, aun

cuando tienen dueños.

Con el avance a nivel mundial y el Perú no escapa a este proceso, de los

estudios que en biometría donde el uso de las redes neuronales son

fundamentales para el reconocimiento y mejoramiento de las huellas

dactiloscopias digitalizadas que permiten diseñar y elaborar prototipos mejorados

notarse en el “mejoramiento de las crestas y valles “ con la aplicación de la TP

(transformación de Poncaire) en el trabajo desarrollado por los investigadores

Herrera y Uribe ( 2005) y más recientes investigaciones en la sociedad científica

de avanzada para el mejoramiento de las imágenes dactiloscópicas digitalizadas

como lo plantea la investigación a nivel de algoritmos de Carrión (2009) trabajo

realizado para la Policía Nacional de Perú pero en su conjunto aplicada a la huella

Es notorio entonces que mucho se ha investigado y desarrollado en el campo de

la investigación de la biometría a nivel de la huella dactilar en humanos que

permite ya el diseño de simuladores de laboratorio como el caso de Ortiz (2012) y

más recientemente Chambi (2017) con su prototipo usando el algoritmo de

Kohonen y el software que desarrolló en su diseño usando la herramienta Applet–

La presente investigación está dirigida a la construcción de un sistema de

reconocimiento de patrones en la huella de la trufa (o nariz) de los canes que

permita desarrollar un registro y control de los mismos con sus particularidades

únicas debido a que la huella presente a nivel de la nariz es única e irrepetible en

ellos y no cambia en el transcurso del tiempo, como lo es a nivel de la huella