Saltar a contenido

12. Arquitectura MVP

Objetivo

Definir la arquitectura técnica inicial para un MVP de control de accesos basado en reconocimiento facial y lectura de placas, priorizando validación funcional en un entorno controlado.

Enfoque general

Arquitectura híbrida edge + backend central: - Procesamiento de imagen en el borde (Raspberry + AI HAT) - Lógica de negocio, persistencia y consulta en backend central (Spring Boot)

Componentes

1. Dispositivo de captura (cámara)

  • Ubicación: punto de acceso (peatonal/vehicular)
  • Función: captura de frames (video/imagen)
  • Salida: stream o frames hacia nodo edge

2. Nodo edge (Raspberry Pi + AI HAT)

  • Funciones:
  • detección de rostro
  • extracción de embeddings faciales
  • preprocesamiento de imagen
  • (opcional MVP) apoyo a OCR de placas
  • Salida:
  • embedding facial o resultado OCR
  • metadata del evento
  • Comunicación:
  • envío a backend vía API (HTTP/stream)

3. Motor de comparación vectorial

  • Función: búsqueda de similitud entre embeddings
  • Implementación:
  • índice vectorial local o servicio central (definición abierta)
  • Salida:
  • identidad candidata
  • score de similitud

4. Backend central (API Spring Boot)

  • Funciones:
  • validación de acceso (reglas de negocio)
  • registro de eventos
  • administración de usuarios y vehículos
  • exposición de endpoints de consulta
  • Endpoints típicos:
  • /access/facial
  • /access/vehicle
  • /events
  • /users
  • /vehicles

5. Base de datos transaccional

  • Contenido:
  • usuarios
  • vehículos
  • autorizaciones
  • eventos de acceso
  • configuración

6. Almacenamiento biométrico/vectorial

  • Contenido:
  • embeddings faciales
  • Consideración:
  • separación lógica respecto a datos transaccionales

7. Interfaz de administración (opcional MVP básico)

  • Consulta de eventos
  • Gestión de usuarios/vehículos

Topología general (conceptual)

Cámara → Raspberry (AI HAT) → API Spring Boot → Base de datos

Índice vectorial


Flujo resumido

  1. Captura de imagen en punto de acceso
  2. Procesamiento en Raspberry (detección + embedding / OCR)
  3. Consulta de similitud (vectorial)
  4. Envío de resultado al backend
  5. Validación de reglas de negocio
  6. Registro del evento
  7. Respuesta (permitido / denegado)

Decisiones de diseño clave

  • Procesamiento en borde para reducir latencia
  • Backend central para control y trazabilidad
  • Separación entre biometría y lógica de negocio
  • Arquitectura desacoplada por API

Ventajas esperadas

  • Menor latencia en validación
  • Escalabilidad por puntos de acceso
  • Centralización de control
  • Flexibilidad tecnológica

Limitaciones del MVP

  • Cobertura limitada a uno o pocos accesos
  • Precisión dependiente de condiciones reales
  • Infraestructura mínima (no redundante)
  • Sin alta disponibilidad

Evolución futura

  • múltiples nodos edge
  • balanceo de carga
  • mejora de modelos de reconocimiento
  • integración con sistemas institucionales