# Análisis facial -------------------------------------------------------------------------------- title: "Introducción" description: "Face Analytics es un microservicio preconstruido impulsado por Zia AI que realiza detección facial y predice diversos atributos faciales." last_updated: "2026-08-17T13:08:39.188Z" source: "https://docs.catalyst.zoho.com/es/zia-services/help/face-analytics/introduction/" service: "Zia Services" -------------------------------------------------------------------------------- # Face Analytics ## Introducción Face Analytics es un componente de Catalyst Zia Services que realiza detección facial en imágenes e implementa análisis computacional avanzado en los rostros detectados para identificar y predecir los siguientes atributos: * Coordenadas del rostro y las características faciales * Detección de sonrisa * Detección de edad * Detección de género Zia mapea una serie de puntos de interés en un rostro detectado y realiza un análisis en profundidad de sus posiciones relativas para generar los resultados de los atributos. Implementa varios algoritmos de IA para este propósito y compara los puntos de referencia localizados detectados con muestras de conjuntos de datos de machine learning para llegar a predicciones de la detección de sonrisa, edad y género. Face Analytics también proporciona los niveles de confianza de cada predicción de atributo que te permite tomar decisiones informadas. Face Analytics puede detectar hasta 10 rostros en una imagen y proporciona predicciones de los atributos para cada rostro detectado. Catalyst proporciona Face Analytics en los paquetes SDK de Java, Node.js y Python, y puedes integrarlo en tu aplicación web o Android de Catalyst. La consola de Catalyst proporciona acceso fácil a plantillas de código para estos entornos que puedes implementar en el código de tu aplicación. También puedes probar Face Analytics usando imágenes de ejemplo en la consola y obtener las predicciones de los atributos mencionados anteriormente para los rostros detectados. Puedes consultar la documentación del Java SDK, la documentación del Node.js SDK y la documentación del Python SDK para ejemplos de código de Face Analytics. Consulta la documentación de API para conocer la API disponible para Face Analytics. Puedes obtener más información sobre los otros componentes de Catalyst Zia Services en esta página. -------------------------------------------------------------------------------- title: "Conceptos Clave" description: "Face Analytics es un microservicio preintegrado impulsado por Zia AI que realiza detección facial y predice varios atributos faciales." last_updated: "2026-08-17T13:08:39.189Z" source: "https://docs.catalyst.zoho.com/es/zia-services/help/face-analytics/key-concepts/" service: "Zia Services" -------------------------------------------------------------------------------- # Conceptos Clave Antes de aprender sobre los casos de uso y la implementación de Face Analytics, es importante comprender sus conceptos fundamentales en detalle. ### Localización de puntos de referencia faciales La marcación de puntos de referencia faciales es el proceso de detectar y localizar características de puntos clave específicos en el rostro. Puntos clave como las esquinas de los ojos, los extremos de los arcos de las cejas, los extremos y el arco del labio, la punta de la nariz, la posición de los contornos de las mejillas y las fosas nasales se consideran comúnmente al procesar la detección de edad, detección de género y reconocimiento de emociones. Zia Face Analytics primero proporciona las coordenadas generales de la ubicación del rostro en una imagen. Además, las coordenadas de los puntos de referencia localizados también se proporcionan en tres modos de localización de puntos de referencia: * Basic: Este es un detector de puntos de referencia de 0 puntos que solo detecta las coordenadas del rostro \[x1, y1, x2, y2\].<br /> * x1, y1: Punto de la esquina superior izquierda del rostro/atributo facial/objeto * x2, y2: Punto de la esquina inferior derecha del rostro/atributo facial/objeto * Moderate: Este es un detector de puntos de referencia de 5 puntos que detecta lo siguiente: <br /> * Ojos: El centro de ambos ojos * Nariz: Punta de la nariz * Labios: El centro de ambos labios * Advanced: Este es un detector de puntos de referencia de 68 puntos que detecta lo siguiente: <br /> * Línea de la mandíbula: Contorno del rostro * Cejas: Ceja izquierda y derecha * Ojos: Ojo izquierdo y derecho * Puente nasal * Línea de las fosas nasales * Labio superior: Borde superior e inferior * Labio inferior: Borde superior e inferior Estos detalles se proporcionan para cada rostro detectado en la imagen individualmente en la respuesta. Face Analytics también proporciona la puntuación de confianza de las coordenadas del rostro determinadas en la respuesta. ### Detección de emociones faciales La detección de emociones faciales es el proceso de detectar emociones humanas basándose en expresiones faciales. La marcación de puntos de referencia faciales juega un papel importante en la detección de emociones faciales. Puntos clave como las esquinas de los ojos, las esquinas de la boca y las cejas se consideran que juegan un papel principal en comparación con los puntos de referencia secundarios como el mentón o los contornos de las mejillas, en la detección de expresiones faciales y su clasificación en una clase de emoción. La tecnología de detección de emociones faciales está diseñada utilizando métodos de aprendizaje profundo, como las Redes Neuronales Convolucionales (CNN), que analizan imágenes visuales. Zia realiza un análisis profundo en un rostro detectado y determina la presencia de una sonrisa en el rostro. La respuesta contiene las puntuaciones de confianza para los aspectos de smiling y not\_smiling sobre 1\. Basándose en el aspecto con el valor más alto, Face Analytics realiza la predicción de la presencia o ausencia de una sonrisa. ### Detección de edad Face Analytics predice el rango de edad de un rostro detectado en una imagen. La tecnología de detección de edad implementa un enfoque similar de métodos de aprendizaje automático y algoritmos de IA para identificar una serie de puntos de interés en un rostro y analizar los puntos de referencia localizados en busca de señales particulares aplicables a grupos de edad específicos. Face Analytics detecta la edad de un rostro como uno de los siguientes rangos de edad: 0-2, 3-9, 10-19, 20-29, 30-39, 40-49, 50-59, 60-69, más de 70 años. La respuesta contiene las puntuaciones de confianza para cada rango de edad sobre 1\. Basándose en el rango de edad con la puntuación de confianza más alta, Face Analytics realiza la predicción final. ### Detección de género Face Analytics detecta el género de los rostros implementando algoritmos de aprendizaje profundo para identificar características clave asociadas con cada género específico. Ciertos puntos de interés localizados en el rostro juegan un papel crucial en la determinación del género de un humano. Zia compara los resultados analizados con una amplia variedad de conjuntos de datos para llegar a una predicción del género. Similar a los otros atributos, Face Analytics contiene las puntuaciones de confianza para male y female sobre 1\. Basándose en el género identificado con la puntuación de confianza más alta, Face Analytics realiza la predicción final. ### Formato de entrada Zia Face Analytics realiza la detección facial y el reconocimiento de atributos analizando archivos de imagen. Face Analytics soporta los siguientes formatos de archivo de entrada: * ._jpg_/._jpeg_ * ._png_ Puedes codificar la aplicación de Catalyst para usar la cámara del dispositivo del usuario final para capturar fotos y procesar las imágenes como archivos de entrada. También podrías proporcionar un espacio para que los usuarios suban archivos de imagen desde la memoria del dispositivo a la aplicación de Catalyst, para generar los resultados. La entrada proporcionada usando la solicitud de API contiene el archivo de imagen de entrada, el valor para el modo de localización de puntos de referencia y valores booleanos para especificar si la detección de emotion, age y gender necesita realizarse. Si no especificas el modo o los atributos requeridos a detectar, todos los atributos serán detectados y el modo avanzado se implementará por defecto. Puedes consultar el formato de solicitud en la documentación de la API. El usuario debe seguir estas directrices al proporcionar la entrada, para obtener mejores resultados: * Evita proporcionar imágenes borrosas o corruptas. * Asegúrate de que los rostros en la imagen sean claros, visibles y distinguibles. * No subas imágenes que tengan rostros parciales, siluetas, perfiles laterales u otros ángulos irreconocibles de los rostros. El rostro completo debe ser visible en la imagen para mejores predicciones. Face Analytics no puede detectar rostros que estén inclinados u orientados más allá de un cierto nivel. * Asegúrate de que no haya contenido textual o marcas de agua presentes sobre los rostros en la imagen. * El tamaño del archivo no debe exceder 10 MB. <br /> ### Formato de respuesta Zia Face Analytics devuelve la respuesta de las siguientes maneras: * En la consola: Cuando subes una imagen de muestra con rostros en la consola, devolverá los datos decodificados en dos formatos de respuesta:<br /> * Formato textual: La respuesta textual contiene la presencia del rostro, la sonrisa, el género detectado y el rango de edad detectado de cada rostro con sus niveles de confianza como valores porcentuales. * Formato JSON: La respuesta JSON contiene las coordenadas generales de los rostros, las coordenadas de sus puntos de referencia localizados, la puntuación de confianza para cada aspecto de la sonrisa detectada, el rango de edad y el género de los rostros, junto con las predicciones para cada atributo. La puntuación de confianza de 0 a 1 se puede equiparar a valores porcentuales de la siguiente manera:<br /> <table class="content-table"> <thead> <tr> <th>Nivel de confianza en porcentaje</th> <th>Puntuación de confianza con valores entre 0 y 1</th> </tr> </thead> <tbody> <tr> <td>0-9</td> <td>0.0</td> </tr> <tr> <td>3-9</td> <td>0.0</td> </tr> <tr> <td>10-19</td> <td>0.0</td> </tr> <tr> <td>20-29</td> <td>0.0</td> </tr> <tr> <td>30-39</td> <td>0.0</td> </tr> <tr> <td>40-49</td> <td>0.01</td> </tr> <tr> <td>50-59</td> <td>0.12</td> </tr> <tr> <td>60-69</td> <td>0.23</td> </tr> <tr> <td>&lt;70</td> <td>0.63</td> </tr> </tbody> </table> * Usando los SDKs: Cuando envías un archivo de imagen usando una solicitud de API, recibirás solo una respuesta JSON que contiene los resultados en el formato especificado anteriormente. Puedes consultar el formato de respuesta JSON en la documentación de la API. -------------------------------------------------------------------------------- title: "Beneficios" description: "Face Analytics es un microservicio preconstruido impulsado por Zia AI que realiza detección facial y predice diversos atributos faciales." last_updated: "2026-08-17T13:08:39.189Z" source: "https://docs.catalyst.zoho.com/es/zia-services/help/face-analytics/benefits/" service: "Zia Services" -------------------------------------------------------------------------------- # Beneficios 1. Resultados personalizados<br /><br /> Face Analytics te ofrece la capacidad de habilitar o deshabilitar los atributos para los que necesitas predicciones. Puedes habilitar o deshabilitar la detección de sonrisa, detección de edad o detección de género según tus necesidades. También puedes seleccionar un modo de localización de puntos de referencia y habilitar la predicción de coordenadas para las características faciales que necesites. 2. Puntuación de confianza para cada predicción<br /><br /> La puntuación de confianza proporcionada para cada predicción ayuda al usuario a verificar el nivel de precisión de la predicción. El usuario final puede analizar la puntuación de confianza y tomar decisiones informadas basándose en la precisión del resultado. La puntuación de confianza también le ayuda a decidir si proporcionar una entrada de mejor calidad para resultados más precisos. 3. Precisión de resultados<br /><br /> Zia es un asistente impulsado por IA que se somete a entrenamiento sistemático repetido para generar resultados con mayor precisión y un menor margen de error. La IA se entrena utilizando diversas técnicas de machine learning para realizar cálculos y análisis complejos. El modelo de entrenamiento es altamente riguroso, lo que significa que estudia y analiza grandes volúmenes de datos, y esto asegura que los resultados generados sean precisos, exactos y confiables. 4. Rendimiento rápido<br /><br /> Face Analytics genera resultados casi instantáneamente cuando se sube la imagen. Catalyst asegura un alto rendimiento de transmisión de datos y una latencia mínima en la atención de solicitudes. El rápido tiempo de respuesta mejora el rendimiento de tu aplicación y proporciona una experiencia satisfactoria para el usuario final. 5. Integración fluida<br /><br /> Puedes implementar fácilmente Face Analytics en tu aplicación sin tener que aprender el procesamiento complejo de los algoritmos de machine learning o la configuración del backend. Puedes implementar las plantillas de código prediseñadas proporcionadas para las plataformas Java y Node.js en cualquiera de tus aplicaciones de Catalyst que requiera Face Analytics. 6. Pruebas en la consola<br /><br /> La funcionalidad de pruebas en la consola te permite verificar la eficiencia de Face Analytics. Puedes subir imágenes de ejemplo y ver los resultados. Esto te permite tener una idea sobre el formato y la precisión de la respuesta que se generará cuando lo implementes en tu aplicación. -------------------------------------------------------------------------------- title: "Casos de Uso" description: "Face Analytics es un microservicio preintegrado impulsado por Zia AI que realiza detección facial y predice varios atributos faciales." last_updated: "2026-08-17T13:08:39.189Z" source: "https://docs.catalyst.zoho.com/es/zia-services/help/face-analytics/use-cases/" service: "Zia Services" -------------------------------------------------------------------------------- # Casos de Uso Las tecnologías de detección facial, detección de edad, detección de emociones y detección de género se implementan en una amplia gama de aplicaciones y escenarios. Los siguientes son algunos casos de uso para Zia Face Analytics: * Una aplicación de portal de empleo requiere que los solicitantes suban sus propias fotografías para su perfil en línea. La aplicación implementa Face Analytics para determinar el rango de edad y el género del solicitante utilizando la fotografía que suben. Si el rango de edad y el género predichos no coinciden con los detalles de edad y género proporcionados por el solicitante, la aplicación marca la imagen y solicita al solicitante que proporcione una fotografía diferente o envíe una prueba de identidad para verificación. * Una aplicación de seguridad que analiza imágenes capturadas y proporcionadas por una red de cámaras de seguridad en un establecimiento minorista implementa Face Analytics para localizar la presencia humana utilizando coordenadas de detección facial, en caso de intrusiones, robos o hurtos. La aplicación también procesa múltiples imágenes para determinar el género y el rango de edad de los rostros, para identificar mejor la demografía de los perpetradores. Face Analytics también se puede implementar en los siguientes escenarios: * Aplicación de seguridad vinculada a una cámara de vigilancia fuera de un pub o bar-restaurante para detectar y denegar la entrada a menores. * Una aplicación que analiza imágenes de eventos y reuniones para elaborar estadísticas sobre la demografía de los clientes basándose en los asistentes. * Una aplicación de ciberseguridad que monitorea el uso y distribución ilegal de fotografías de menores en plataformas de redes sociales. * Una aplicación que procesa imágenes capturadas por cámaras de seguridad en una tienda minorista para analizar la satisfacción del cliente basándose en la detección de sonrisas. -------------------------------------------------------------------------------- title: "Implementación" description: "Face Analytics es un microservicio preintegrado impulsado por Zia AI que realiza detección facial y predice varios atributos faciales." last_updated: "2026-08-17T13:08:39.189Z" source: "https://docs.catalyst.zoho.com/es/zia-services/help/face-analytics/implementation/" service: "Zia Services" -------------------------------------------------------------------------------- # Implementación Esta sección solo cubre el trabajo con Face Analytics en la consola de Catalyst. Consulta las secciones de documentación del SDK y la API para implementar Face Analytics en el código de tu aplicación. Como se mencionó anteriormente, puedes acceder a las plantillas de código que te permitirán integrar Face Analytics en tu aplicación de Catalyst desde la consola, y también probar la función subiendo imágenes con rostros y obteniendo los resultados. ### Acceder a Face Analytics Para acceder a Face Analytics en tu consola de Catalyst: 1. Navega a Zia Services en el panel izquierdo de la consola de Catalyst y haz clic en Face Analytics. <br /> <br /> 2. Haz clic en Try a Demo y esto abrirá la función Face Analytics.<br /> ### Probar Face Analytics en la consola de Catalyst Puedes probar Face Analytics seleccionando una imagen de muestra de Catalyst o subiendo tu propia imagen. Para escanear una imagen de muestra con un rostro y ver el resultado: 1. Haz clic en Select a Sample Image en el cuadro.<br /> <br /> 2. Selecciona una imagen de las muestras proporcionadas.<br /> <br /> Face Analytics escaneará la imagen en busca de rostros, analizará y predecirá los atributos, y proporcionará un resultado textual del análisis y el nivel de confianza de cada predicción en valores porcentuales, para cada rostro detectado. <br /> <br /> Los colores en las barras de respuesta indican el rango del porcentaje de confianza de una predicción como: rojo: 0-30%, naranja: 30-80%, verde: 80-100%.<br /> Las coordenadas generales y las coordenadas de los puntos de referencia localizados de cada rostro se proporcionan, además de las otras detecciones, en la respuesta JSON en el modo de localización de puntos de referencia avanzado por defecto. Haz clic en View Response para ver la respuesta JSON.<br /> <br /> Puedes consultar la documentación de la API para ver una estructura completa de respuesta JSON de muestra. Para subir tu propia imagen y probar Face Analytics: 1. Haz clic en Upload en la sección _Result_.<br /> <br /> Si estás abriendo Face Analytics después de haberlo cerrado, haz clic en Browse Files en este cuadro.<br /> <br /> 2. Sube un archivo desde tu sistema local. <br /> Nota: El archivo debe estar en formato ._jpg_/._jpeg_ o ._png_. El tamaño del archivo no debe exceder 10 MB. La consola escaneará la imagen en busca de rostros y mostrará el análisis de los cuatro atributos de los rostros detectados.<br /> <br /> Como se mencionó anteriormente, Face Analytics puede detectar y analizar los atributos de hasta 10 rostros en una imagen. Puedes verificar los resultados de cada rostro detectado haciendo clic en las flechas laterales. La respuesta JSON también contiene los resultados de cada rostro detectado.<br /> <br /> ### Acceder a plantillas de código para Face Analytics Puedes implementar Face Analytics en tu aplicación de Catalyst usando las plantillas de código proporcionadas por Catalyst para las plataformas Java, Node.js y Python. Puedes acceder a ellas desde la sección debajo de la ventana de pruebas. Haz clic en la pestaña Java SDK, NodeJS SDK o Python SDK, y copia el código usando el icono de copiar. Puedes pegar este código en el código de tu aplicación web o Android donde lo necesites. Puedes procesar el archivo de entrada como un nuevo File en Java. El módulo ZCFaceAnalyticsOptions te proporciona la opción de habilitar o deshabilitar el análisis de cada atributo. Por ejemplo, si estableces setAgeNeeded como false, Face Analytics no proporcionará los resultados de predicción de edad para los rostros detectados en la imagen. También puedes establecer el modo de localización de puntos de referencia como BASIC, MODERATE o ADVANCED usando setAnalyseMode. En Node.js, el objeto facePromise se usa para contener el archivo de imagen de entrada y las opciones configuradas para él. Puedes especificar el mode como basic, moderate o advanced, y establecer un atributo como true o false para habilitar o deshabilitar el análisis del mismo. En Python, el método analyse_face() acepta la imagen de entrada como su argumento. También puedes especificar el modo de análisis como basic, moderate o advanced. También puedes especificar los atributos age, smile o gender como true para detectar o false para no detectar. Estos valores son opcionales. Todos los atributos se detectan y el modo advanced se procesa por defecto.