Puntos clave
- La detección de rostros marca con un cuadro si hay una cara, cuántas hay y dónde está, en una foto o un video.
- El resultado es la posición y el tamaño del cuadro, más un número de cuánto se confía en el hallazgo. No averigua quién es.
- Puntúa en cada lugar de la imagen cuánto parece una cara. Hoy se calcula toda la imagen de una vez y se da una respuesta por lugar. Para encontrar tanto las caras lejanas y pequeñas como las cercanas y grandes, se mira con distintos tamaños.
- Cuando varios cuadros caen encima del mismo sitio, deja solo el de mayor confianza y descarta el resto.
- Es el punto de partida de casi todo lo que viene después: enfoque automático, detección de sonrisas, desenfoque de fondo.
La analogía
Al hacer ropa, la tela no se corta a lo loco. Primero se apoya el patrón de papel sobre la tela y se lo mueve de un lado a otro hasta encontrar dónde encaja con la trama. Cuando el sitio es el correcto, se marca el contorno con tiza, y recién después se corta.
El patrón no es uno solo. Para la misma prenda hay varios tamaños: uno grande para las piezas grandes, uno chico para piezas como la manga. Como de una sola tela salen varias piezas, las marcas de tiza terminan apareciendo en más de un lugar.
Eso, la marca de tiza, es lo que hace la detección de rostros. Recorre la foto poco a poco buscando dónde encaja el molde de una cara, y en cada sitio que encaja dibuja un cuadro. Todavía no pregunta quién es la persona que hay adentro.
En detalle
Juzga en cada lugar de la pantalla si hay una cara
El método anterior no entendía la foto de un vistazo. Ponía una ventanita en la esquina superior izquierda, preguntaba "¿esto se parece a una cara?", movía un poco la ventana y volvía a preguntar, así hasta cubrir toda la imagen. Cuanto más chico era el paso, más fino era el barrido, pero también tardaba más.
Los métodos actuales, en lugar de mover una ventana de a una, dividen la pantalla en una cuadrícula y cada casilla responde de una sola vez. Cada casilla entrega junto "la probabilidad de que aquí haya una cara" y, si la hay, "dónde empieza y dónde termina el cuadro". Como toda la imagen se calcula en una sola pasada, es mucho más rápido.
Terminado el barrido salen cientos de cuadros candidatos. La mayoría tiene una confianza tan baja que se descarta enseguida, y solo unos pocos que superan el umbral pasan a la siguiente etapa.
Mira varias veces cambiando el tamaño
La misma cara ocupa muy poco espacio en pantalla si está lejos de la cámara, y mucho si está cerca. Si el tamaño de la ventana queda fijo, solo se encuentra uno de los dos casos. Por eso se reduce la foto a varios tamaños y se repite el mismo barrido, o se dejan varios cuadros de referencia de distinto tamaño y se puntúan todos a la vez.
Este punto es lo que marca la velocidad de la detección. Cuantos más tamaños se prueben, mejor se atrapan las caras pequeñas, pero el cálculo se multiplica. Las herramientas que deben correr en tiempo real desde una webcam a veces eligen probar pocos tamaños y resignarse a perder las caras muy pequeñas.
En una herramienta de prueba se nota bien: al alejarse de la cámara llega un punto en que el cuadro desaparece de golpe, justo cuando la cara se ve tan chica que su puntaje de parecerse a una cara cae por debajo del umbral. Pasa sobre todo cuando queda más chica que el tamaño más pequeño que se prueba.
Ordena los cuadros superpuestos en uno solo
Es raro que sobre una sola cara aparezca un único cuadro. Suelen caer varios a la vez, con posiciones y tamaños apenas distintos. Para el ojo humano es la misma cara, pero para el cálculo son candidatos diferentes.
Por eso hay una etapa final de limpieza. Se deja primero el cuadro de mayor confianza, y todo cuadro que se superponga mucho con él se considera el mismo objetivo y se borra. Repitiendo esto —tomar el más confiable entre los que quedan— al final sobrevive un cuadro por cara.
Cuánta superposición se tolera se puede ajustar. Si el umbral es demasiado estricto, dos personas paradas una junto a la otra se funden en una sola; si es demasiado laxo, a una misma cara le quedan dos o tres cuadros encima.
Solo hasta "hay una cara", quién es viene después
Lo que entrega la detección es sobre todo posición, tamaño y confianza; algunas herramientas agregan unos pocos puntos de ojos, nariz y boca. Quién es la persona que está adentro no es asunto suyo. Averiguar el nombre le toca a la etapa siguiente, el reconocimiento facial.
Esta separación importa. El enfoque automático de la cámara, el desenfoque de fondo en una videollamada, el mosaico sobre caras en un video: casi todas las funciones que usamos a diario solo necesitan saber dónde está la cara. La etapa de detección no calcula quién es la persona. Eso sí, una foto con una cara es en sí misma información que permite identificar a alguien, y si un servicio la guarda o la envía varía de uno a otro.
La detección también es el primer paso de casi todo procesamiento facial posterior. Marcar puntos de referencia como las comisuras de los ojos y la boca, o estimar la expresión o la edad, empieza siempre después de recortar el cuadro que contiene la cara.
Con más precisión
La detección de rostros es una rama de la detección de objetos. El objetivo está fijo en un solo tipo, la cara, pero a cambio muchas herramientas entregan también unos pocos puntos —ojos, nariz, boca— o cuánto está girada la cara. El cuadro de salida se expresa como la esquina superior izquierda más ancho y alto, o como dos esquinas. Algunas herramientas lo entregan como proporción del tamaño de la imagen para que sirva sin importar el tamaño de la foto.
El rendimiento se cuenta con dos tipos de error: no encontrar una cara que sí está, y marcar como cara algo que no lo es. Bajar el umbral de confianza reduce el primer error y aumenta el segundo. Cuál de los dos molesta más depende del uso, así que cada servicio fija el umbral a su manera.
También hay un punto donde la analogía se queda corta. El patrón de costura es un papel con forma fija: encaja o no encaja. La detección no funciona probando un molde fijo: aprende a puntuar "cuánto parece una cara" a partir de miles de ejemplos vistos en el entrenamiento, y por eso a veces marca un cuadro sobre un empapelado con dibujos o un tomacorriente con una disposición parecida. Al revés, puede perder caras muy giradas de perfil, tapadas con un barbijo o en poca luz, porque esos casos fueron poco frecuentes en el entrenamiento. Si en los datos de entrenamiento faltó cierto tono de piel o cierta edad, aparece un sesgo que hace que ese grupo se pierda con más frecuencia.
Pruébalo
Malentendidos comunes
Es fácil pensar que si se encontró la cara ya se sabe quién es, pero en realidad solo se obtiene la posición y el tamaño; averiguar la identidad es una etapa aparte, el reconocimiento facial.
Es fácil creer que si no hay cuadro es porque no hay cara, pero en realidad el ángulo, la luz o el tamaño hacen que a menudo se pase por alto una cara que sí está.
Es fácil suponer que el cuadro solo se dibuja sobre caras humanas, pero en realidad también aparece sobre personas en un afiche, muñecos u objetos con un patrón parecido.
Resumen en una línea
La detección de rostros evalúa cada lugar de la imagen, en distintos tamaños, para ver si parece una cara y dibuja un cuadro donde la hay, sin preguntar quién es.
¿Has visto un error o tienes una analogía mejor? Sugerir una corrección · Última actualización 2026-10-17