Opinión

En el dinámico panorama actual de la seguridad en América Latina, el reconocimiento facial se ha convertido en un término de moda que a menudo genera preocupaciones sobre la privacidad y la protección de datos. Sin embargo, muchos profesionales de la seguridad pueden no ser conscientes de que el ‘reconocimiento facial’ es un término general que abarca diversas tecnologías, cada una con aplicaciones específicas e implicaciones en materia de privacidad.

Veamos qué significan realmente estas tecnologías para los distribuidores, integradores y usuarios finales de sistemas de seguridad.

En esencia, la tecnología de reconocimiento facial re-identifica o verifica a las personas en función de sus rasgos faciales, que en este caso se utilizan como datos biométricos. Sin embargo, no todos los sistemas biométricos se basan en características únicas de identificación, algunos analizan atributos generales, como el estilo de vello facial o marcas distintivas; estos rasgos, conocidos como biometría blanda, pueden contribuir a la identificación, pero no son lo suficientemente específicos como para verificar de manera única la identidad de una persona por sí solos.

Si bien las aplicaciones del reconocimiento facial van desde el control de acceso hasta la prevención del crimen y la investigación, su implementación varía ampliamente según las necesidades específicas. Los sistemas modernos incorporan sólidas medidas de seguridad, como el cifrado de datos y estrictas políticas de retención, para garantizar el manejo responsable de cualquier información personal identificable (PII).

De acuerdo con un estudio de Informes de Expertos, el mercado de la biometría en América Latina experimentará un crecimiento anual compuesto del 12,30 % entre 2024 y 2032 y, ahora, con el apoyo de la inteligencia artificial, se espera que avance aún más.

Comprensión de las tecnologías clave y sus aplicaciones
El mundo del reconocimiento facial abarca diversas tecnologías, cada una con propósitos específicos. A continuación, se presenta un desglose detallado de estas tecnologías y sus aplicaciones en el mundo real.

Tecnologías clave:
Verificación facial (1:1): se trata de una comparación uno a uno, en la que una persona declara una identidad (por ejemplo, mostrando una tarjeta de identificación) y el sistema verifica si su rostro coincide con la identidad proporcionada.

Ejemplo: en aeropuertos, la verificación facial se emplea en el control automatizado de pasaportes. Cuando un viajero se acerca a una puerta de embarque, su rostro es escaneado y comparado con la foto almacenada en la base de datos gubernamental y si hay coincidencia, puede pasar sin necesidad de una revisión manual.

Identificación facial (1 to many): en esta comparación uno contra muchos, un rostro capturado por el sistema se compara con una base de datos que contiene múltiples rostros y características faciales para identificar a la persona. Este proceso se usa con frecuencia en seguridad y vigilancia.

Ejemplo: si un niño desaparece en un aeropuerto, el sistema puede escanear los rostros de todos los pasajeros que pasan por los puntos de control y compararlos con la foto del niño en la base de datos y si encuentra una coincidencia, se genera una alerta.

Re-identificación facial (Many to Many): se trata de comparaciones muchos a muchos, donde múltiples rostros se cotejan con otros en distintas ubicaciones; generalmente, se usa para rastrear de manera anónima el movimiento de una persona a través de diferentes áreas sin conocer su identidad.

Ejemplo: en un entorno minorista, puede emplearse para analizar cuánto tiempo pasa una persona anónima en diferentes secciones de una tienda, reconociendo su rostro cuando entra y sale del campo de visión de distintas cámaras y puede aplicarse tanto en tiempo real como en análisis retrospectivo.

Reconocimiento facial en tiempo real: esta tecnología procesa de inmediato la señal de video en vivo, comparando rostros con una base de datos para generar alertas instantáneas cuando se detecta una coincidencia.

Ejemplo: en eventos públicos masivos, como estadios, el reconocimiento facial en tiempo real identifica a personas vetadas (por ejemplo, hinchas violentos) que intenten ingresar.

Reconocimiento facial posterior al evento (grabado): se refiere al análisis de grabaciones de video después de que un evento ha ocurrido, en lugar de en tiempo real. El reconocimiento facial se aplica a estos datos grabados para identificar o rastrear individuos.

Ejemplo: después de un delito, los investigadores pueden utilizar software de reconocimiento facial en videos grabados por cámaras de seguridad para identificar sospechosos comparando sus rostros con bases de datos conocidas. Estas definiciones abarcan distintos aspectos de la tecnología de reconocimiento facial, sus diversas aplicaciones y la manera en que la biometría se emplea para la identificación y el seguimiento de personas.

Biometría: las tecnologías biométricas utilizan las características físicas distintivas de una persona, como el rostro, la huella dactilar o el iris, para identificarla.
Ejemplo: el escaneo de huellas dactilares o reconocimiento facial para desbloquear un teléfono, o el uso de reconocimiento de iris para el acceso seguro en edificios de alta seguridad, como los centros de datos.

Biometría dura: se refiere a características físicas suficientemente únicas como para identificar de manera inequívoca a una persona, como el rostro, la huella dactilar o el iris.
Ejemplo: uso del reconocimiento de iris en los controles de seguridad aeroportuarios para verificar la identidad de los viajeros.

Biometría blanda: incluye atributos generales, como la altura o la complexión corporal, que por sí solos no pueden identificar a una persona, pero pueden contribuir a la re-identificación cuando se combinan con otros datos.

Ejemplo: empleo de la altura y la complexión para ayudar a identificar a un sospechoso en una escena captada por cámaras cuando los rasgos faciales no son suficientemente claros.
Similitud de apariencia: distingue a las personas según su vestimenta o accesorios en lugar de sus características biométricas. Se utiliza principalmente para acelerar investigaciones y realizar análisis estadísticos, no para identificación individual.

Ejemplo: una tienda minorista puede rastrear clientes en función de la ropa que llevan puesta para analizar cuánto tiempo permanecen en el establecimiento, sin necesidad de registrar sus rostros o datos personales.

Detección de prueba de vida: técnica que determina si la persona frente a un sistema de reconocimiento facial es un ser humano real y no una imagen o grabación.
Ejemplo: algunos sistemas de pago móvil requieren que el usuario parpadee o mueva ligeramente la cabeza para verificar que es una persona real y no una foto utilizada para suplantación de identidad.

Representación matemática: las representaciones matemáticas no reversibles son listas de números generadas a partir de la imagen facial de una persona o de su apariencia, como la vestimenta. Estos valores numéricos describen características, pero no permiten reconstruir fácilmente el rostro original.

Ejemplo: cuando una organización almacena únicamente representaciones matemáticas en lugar de imágenes faciales reales, incluso si los datos son robados, es casi imposible recrear el rostro de la persona o utilizarlos en otro sistema.

Consideraciones de privacidad y seguridad
Los sistemas modernos de reconocimiento facial priorizan la privacidad mediante diversas medidas de protección, superando ampliamente los protocolos de seguridad tradicionales. Las soluciones actuales integran múltiples capas de seguridad diseñadas para proteger los datos personales sin comprometer la efectividad del sistema. Estos sofisticados controles de privacidad trabajan en conjunto para garantizar un manejo responsable de los datos y cumplir con los estándares de seguridad en constante evolución.

● Aislamiento de plantillas biométricas que mantiene las plantillas de reconocimiento facial separadas de otros datos personales, con entornos de almacenamiento seguros dedicados.

● Marcos de cifrado de plantillas específicamente diseñados para datos biométricos, utilizando protocolos estándar de la industria que protegen los rasgos faciales durante el procesamiento y almacenamiento.

● Anonimización de datos biométricos que convierte los rasgos faciales en representaciones matemáticas no reversibles (números), evitando la reconstrucción de las imágenes faciales originales.

● Protocolos de eliminación en cascada que eliminan automáticamente tanto los datos faciales en bruto como las plantillas biométricas derivadas después de su período de uso autorizado.

● Controles de acceso segmentados que separan las funciones administrativas de reconocimiento facial (como el registro y la gestión de plantillas) de la operación regular del sistema.

La industria de la seguridad en América Latina sigue evolucionando, encontrando formas innovadoras de equilibrar la vigilancia efectiva con la protección de la privacidad. Al comprender este amplio espectro de tecnologías, los profesionales de la seguridad pueden ofrecer mejores soluciones a sus clientes, abordando necesidades específicas mientras mantienen estándares adecuados de privacidad. La clave está en seleccionar la herramienta adecuada para cada aplicación, asegurando que los datos personales se recojan solo cuando sea necesario y se protejan en todo momento.

La variedad de aplicaciones del reconocimiento facial demuestra que no todos los sistemas requieren almacenar información personal. Muchas soluciones modernas se centran en el análisis estadístico y el reconocimiento de patrones, en lugar de la identificación individual, ofreciendo poderosos beneficios de seguridad mientras respetan las preocupaciones sobre la privacidad. Este equilibrio entre capacidad y responsabilidad define el futuro de la tecnología de video para la seguridad.

Barry Norton, vicepresidente de IA centrada en el ser humano para Milestone Systems