Detección de Vida (Liveness)
La detección de liveness es la tecnología que determina si un rostro presentado a la cámara pertenece a una persona real y físicamente presente — en lugar de una fotografía, repetición de video, máscara 3D o deepfake. Es la capa de defensa que hace confiable el reconocimiento facial para control de acceso y autenticación.
Cómo Funciona
Los sistemas de liveness se dividen en dos categorías principales:
- Liveness activo — pide al usuario realizar una acción (parpadear, sonreír, girar la cabeza). Efectivo pero añade fricción y falla a distancia o con sujetos no cooperativos.
- Liveness pasivo — analiza un solo cuadro o clip corto sin acción del usuario, buscando pistas de textura, reflexión, profundidad y micro-movimiento que distingan piel real de imágenes impresas o en pantalla.
Los motores modernos combinan múltiples señales: profundidad 3D (estéreo o luz estructurada), infrarrojo, análisis del espacio de color y clasificadores de aprendizaje profundo entrenados contra ataques de suplantación.
Por Qué Importa
Sin liveness, el reconocimiento facial es trivialmente evadido:
- Una foto impresa puede abrir una puerta.
- Una pantalla de teléfono mostrando una foto de redes sociales puede fichar la asistencia por un empleado ausente.
- Un video de alta resolución puede suplantar a un VIP o empleado.
El liveness cierra esta brecha y es un requisito para cualquier despliegue crítico de identidad. El módulo de reconocimiento facial de IncoreSoft integra liveness directamente en su pipeline de enrolamiento y coincidencia para rechazar automáticamente intentos de suplantación.
Casos de Uso
- Control de acceso — puertas, torniquetes, centros de datos, áreas seguras
- Asistencia — evitar «buddy-punching» con fotos de trabajadores ausentes
- Onboarding remoto — KYC para servicios financieros y telecomunicaciones
- Control fronterizo y aeropuertos — verificación de identidad de pasajeros
- Autorización de pagos — aprobación facial para transacciones de alto valor
Preguntas Frecuentes
¿Cuál es la diferencia entre liveness activo y pasivo?
El liveness activo requiere que el usuario realice una acción; el pasivo funciona desde una captura normal sin cooperación requerida. El pasivo es más fluido para los usuarios pero técnicamente más difícil.
¿Puede el liveness detectar deepfakes?
Los sistemas pasivos de alta calidad detectan la mayoría de deepfakes analizando inconsistencias en textura, profundidad y movimiento temporal. La detección dedicada de deepfakes es un área activa de investigación, y los modelos SOTA se actualizan continuamente.
¿Requiere el liveness hardware especial?
No necesariamente. El liveness pasivo 2D corre en cámaras RGB estándar. Los despliegues de mayor seguridad usan profundidad 3D (estéreo o luz estructurada) o sensores IR para derrotar máscaras sofisticadas.
Lea también
Ciudad Inteligente
Una ciudad inteligente usa sensores conectados, cámaras y analítica de datos — cada vez más impulsada por IA — para mejorar servicios urbanos: seguridad pública, flujo de tráfico, gestión de residuos, energía y participación ciudadana. La analítica de video con IA está en el centro porque casi todo programa de ciudad inteligente ya tiene cámaras desplegadas.
Edge Computing
El edge computing procesa datos en el dispositivo que los generó o cerca de él — para analítica de video, eso significa correr inferencia de IA en la cámara misma o en un servidor local en lugar de enviar flujos a la nube.
Detección de Objetos
La detección de objetos es una tarea de visión por computadora que tanto localiza como clasifica objetos dentro de una imagen o cuadro de video — produciendo cajas delimitadoras alrededor de cada objeto junto con una etiqueta de clase y puntuación de confianza.
¿Listo para comenzar?
Complete el formulario y nuestro equipo se pondrá en contacto pronto.