¿Qué es un face template / faceprint (plantilla facial)?

Face template / faceprint (plantilla facial): definición

Un face template, también llamado faceprint o plantilla facial, es una representación digital de los rasgos del rostro calculada por un algoritmo de reconocimiento facial a partir de una imagen o de un fotograma de vídeo. No se trata de una simple fotografía. En la práctica, consiste en un vector de características, un mapa de puntos distintivos u otro registro matemático que permite comparar un rostro con otro. Esta plantilla se genera tras la detección facial, la alineación de la imagen y la extracción de características por parte de un modelo de aprendizaje automático, normalmente basado en deep learning.

En el contexto de la protección de datos, la plantilla facial tiene una relevancia especial. Si se trata con el fin de identificar de forma unívoca a una persona física, por regla general entra dentro del ámbito de los datos biométricos. Así se desprende del art. 4.14 del RGPD, que define los datos biométricos como los datos personales obtenidos a partir de un tratamiento técnico específico relativo a las características físicas, fisiológicas o conductuales de una persona física, que permitan o confirmen la identificación única de dicha persona, como la imagen facial o los datos dactiloscópicos. La mera imagen del rostro no siempre constituye un dato biométrico, pero un face template utilizado para identificación o verificación normalmente se considerará como tal.

Para los responsables del tratamiento de grabaciones y fotografías, esta distinción es práctica. Un sistema que únicamente detecta un rostro para difuminarlo no tiene por qué crear una plantilla facial persistente asociada a una persona. Sin embargo, si la solución genera y almacena faceprints para seguir a la misma persona entre distintas tomas, compararla con una base de referencia o permitir búsquedas por rostro, el alcance del riesgo jurídico y técnico aumenta de forma significativa.

Cómo se genera una plantilla facial en el tratamiento de fotos y vídeo

En el procesamiento de imágenes, el face template no aparece en la fase de simple captura del material. Lo crea una canalización analítica (pipeline). Esto es importante porque en los sistemas de anonimización de fotos y vídeos puede separarse la detección facial simple del reconocimiento biométrico de personas.

El proceso técnico típico incluye las siguientes etapas:

• detección facial en el encuadre: localización del área que contiene el rostro,
• landmark detection: determinación de puntos característicos, por ejemplo, ojos, nariz y comisuras de los labios,
• alignment: normalización de la posición, la escala y la rotación del rostro,
• feature extraction: cálculo del vector de características mediante una red neuronal,
• matching: comparación de una plantilla con otra mediante una medida de similitud.

En los sistemas modernos, el vector de características suele tener entre 128 y 1024 dimensiones, según la arquitectura del modelo. La comparación se realiza habitualmente mediante cosine similarity o distancia euclidiana. Cuanto menor sea la distancia o mayor la similitud coseno, mayor será la probabilidad de que se trate de la misma persona. No obstante, no se trata de una identidad cierta, sino de un resultado que depende del umbral de decisión y de las características del modelo.

En la práctica de la anonimización de imágenes y vídeo, el deep learning es importante por otro motivo. Hoy en día, los modelos de aprendizaje profundo son el estándar para una detección facial eficaz en condiciones variables: con oclusiones parciales, cambios de iluminación, distintos ángulos de visión o baja calidad de grabación. Este tipo de modelo puede utilizarse exclusivamente para detectar el rostro y aplicar una máscara de desenfoque, sin crear una base de faceprints.

Situación jurídica del face template en el RGPD y en la práctica de compliance

Desde la perspectiva del compliance, la pregunta clave es la finalidad del tratamiento. El RGPD no prohíbe cualquier operación técnica sobre la imagen del rostro, pero trata con especial rigor los datos biométricos utilizados para la identificación unívoca. Esto es relevante en sistemas de vídeo, videovigilancia, archivo de materiales y cesión de grabaciones.

Las principales consecuencias jurídicas son las siguientes:

• si el face template sirve para identificar a una persona, en principio puede constituir una categoría especial de datos personales en el sentido del art. 9.1 del RGPD,
• el responsable del tratamiento debe acreditar una base jurídica del art. 6 del RGPD y, cuando resulte aplicable el art. 9, también una excepción del art. 9.2 del RGPD,
• es necesaria una evaluación de la necesidad, la proporcionalidad y la finalidad del tratamiento,
• en muchos casos será obligatorio realizar una EIPD conforme al art. 35 del RGPD, especialmente en casos de supervisión sistemática a gran escala o uso de nuevas tecnologías,
• deben aplicarse los principios de privacy by design y privacy by default de acuerdo con el art. 25 del RGPD.

Las directrices del Comité Europeo de Protección de Datos indican que el tratamiento biométrico exige analizar el contexto, la finalidad y el impacto sobre la persona afectada. Del mismo modo, la jurisprudencia y los criterios de las autoridades de control distinguen entre la mera captación de la imagen y su tratamiento con fines identificativos. Para el responsable del tratamiento de materiales de vídeo, esto significa que la simple presencia de un rostro en el encuadre no equivale a la creación de un faceprint, pero la implantación de funciones de reconocimiento de personas modifica de forma sustancial la calificación jurídica de la operación.

Importancia de la plantilla facial para la anonimización de rostros

En los sistemas de anonimización de materiales visuales, el modelo más seguro es aquel que se limita a detectar los objetos que deben ocultarse, y no al reconocimiento biométrico de personas. Esta distinción también es importante a nivel organizativo, porque influye en el alcance de los datos, la conservación y el riesgo de incumplimientos.

En la práctica, conviene distinguir tres supuestos:

• detección facial: el sistema detecta dónde se encuentra el rostro en el encuadre para difuminarlo, pero no crea un identificador persistente de la persona,
• seguimiento facial: el sistema sigue el mismo objeto entre fotogramas para mantener un difuminado estable; esto aún no tiene por qué implicar identificación biométrica en sentido estricto, pero requiere una evaluación técnica prudente,
• reconocimiento facial: el sistema crea y compara faceprints para determinar si se trata de una persona concreta o si el rostro ya había aparecido antes.

En soluciones como Gallio PRO, la automatización de la anonimización se aplica a rostros y matrículas en fotos y grabaciones ya almacenadas, y no a la anonimización del flujo de vídeo en tiempo real. Desde la perspectiva del compliance, es esencial limitar el tratamiento a la finalidad de difuminar y no generar datos biométricos innecesarios. Además, el software no debería recopilar registros que contengan datos personales o categorías especiales de datos, salvo que ello sea necesario y esté debidamente justificado, lo que refuerza el principio de minimización de datos del art. 5.1.c del RGPD.

Parámetros y métricas clave del face template

La evaluación de un sistema que utiliza plantillas faciales no puede basarse únicamente en la declaración del fabricante. Se necesitan parámetros medibles, preferiblemente comunicados conforme a métodos de ensayo reconocidos. En el entorno regulatorio, tiene especial importancia la relación entre la eficacia y el riesgo de identificación errónea.

En los estándares biométricos también son importantes los conceptos de presentation attack detection y quality score, ya que una baja calidad de entrada reduce la fiabilidad de las comparaciones. Para el responsable de materiales de vídeo, esto tiene relevancia probatoria y de auditoría. El resultado del modelo depende de la calidad de la grabación, la compresión, el ángulo del rostro, la oclusión y la iluminación.

Referencias normativas y estándares

Al describir una plantilla facial, conviene remitirse a normas jurídicas y estándares técnicos que ordenan la terminología y la forma de evaluar los sistemas. No todos regulan directamente la anonimización, pero sí fijan el marco de la biometría y del tratamiento de la imagen facial.

• RGPD - Reglamento (UE) 2016/679, en particular el art. 4.14, art. 5, art. 9, art. 25 y art. 35,
• ISO/IEC 2382-37:2022 - terminología biométrica,
• ISO/IEC 19795-1:2021 - Biometric performance testing and reporting - Part 1: Principles and framework,
• ISO/IEC 30107-1:2023 e ISO/IEC 30107-3:2023 - marco y pruebas de resistencia frente a presentation attacks,
• ISO/IEC 39794-5:2019 - formato de intercambio de datos biométricos faciales,
• NIST Face Recognition Vendor Test - programa de evaluación continua de la precisión de algoritmos de reconocimiento facial en escenarios 1:1 y 1:N.

Debe señalarse una divergencia interpretativa frecuente en la práctica. Algunas operaciones técnicas sobre el rostro pueden calificarse como simple tratamiento de imagen si no conducen a la identificación de la persona. Sin embargo, cuando se genera y utiliza un face template para distinguir o confirmar la identidad, el enfoque regulatorio predominante lleva a considerar ese conjunto de datos como datos biométricos.

Riesgos y buenas prácticas para responsables del tratamiento de materiales de vídeo

La plantilla facial contiene datos con una alta sensibilidad operativa. A diferencia de una contraseña, no puede “cambiarse” eficazmente tras una filtración. Por ello, la decisión de crearla debería ir precedida de una evaluación sobre si este elemento es realmente necesario para la finalidad del tratamiento.

En la práctica, se recomiendan las siguientes medidas:

• evitar la creación y conservación de faceprints si la finalidad es únicamente difuminar el rostro en una foto o grabación,
• limitar la conservación de datos intermedios y eliminar artefactos analíticos temporales,
• documentar la arquitectura del modelo, los umbrales de coincidencia y el alcance de los datos de entrada,
• probar la eficacia de la detección y el nivel de errores con datos próximos al entorno real de funcionamiento,
• separar las funciones de anonimización de las funciones de identificación si la organización utiliza ambas clases de herramientas,
• aplicar control de acceso, cifrado y trazabilidad de las operaciones administrativas.

En el contexto de fotos y vídeos publicados o compartidos con terceros, la finalidad suele ser reducir la posibilidad de identificar a las personas. Desde este punto de vista, el face template es un concepto fronterizo. Puede apoyar el reconocimiento facial, pero no es necesario para el simple difuminado del rostro. Para cumplir con el principio de minimización de datos, es más seguro un modelo en el que el sistema detecta el área del rostro y aplica una máscara, sin crear una plantilla biométrica persistente de la persona.