AWS Primeros Pasos
IdiomaEspañol

Amazon Rekognition

Servicio de análisis visual basado en aprendizaje automático que realiza detección de objetos, análisis facial, detección de texto, moderación de contenido y detección de etiquetas personalizadas en imágenes y videos

Unos 7 min de lectura

Descripción general

Amazon Rekognition es un servicio de aprendizaje automático que ofrece análisis visual de imágenes y videos a través de API. Sus modelos preentrenados permiten la detección de objetos / escenas, la detección / comparación / búsqueda de rostros, la detección de texto (reconocimiento de caracteres en la imagen), la detección de contenido inapropiado, el reconocimiento de famosos y la detección de PPE (equipo de protección individual). Con la función Custom Labels se pueden entrenar modelos propios de clasificación de imágenes / detección de objetos a partir de una pequeña cantidad de datos de entrenamiento etiquetados, y aplicarlos a la inspección visual en la industria manufacturera o al reconocimiento de productos en el comercio minorista.

Selección de las API de análisis de imágenes y sus características de precisión

Las API de análisis de imágenes de Rekognition están divididas por finalidad, y en la página de precios el precio unitario se divide por grupos de API. DetectLabels detecta objetos, escenas y actividades en la imagen, y devuelve etiquetas como «perro», «playa» o «surf» junto con una puntuación de confianza. La lista más reciente de etiquetas compatibles se distribuye en la guía para desarrolladores, y estas etiquetas se pueden usar para el etiquetado automático de imágenes o para crear índices de búsqueda. DetectFaces devuelve la posición del rostro, los puntos de referencia (coordenadas de ojos, nariz y boca) y los atributos (rango de edad, género, emociones, presencia de gafas y ojos abiertos o cerrados). Los valores de Emotion de la referencia de la API incluyen HAPPY, SAD, ANGRY, CONFUSED, DISGUSTED, SURPRISED, CALM, FEAR y UNKNOWN, entre otros, y cada uno lleva una puntuación de confianza. DetectModerationLabels detecta contenido inapropiado (violencia, desnudos, drogas, etc.) y se utiliza para la moderación de contenido en plataformas de UGC (contenido generado por los usuarios). DetectText detecta / reconoce el texto de la imagen y lee los caracteres de carteles, matrículas y capturas de pantalla. Según la página de cuotas, DetectText detecta como máximo 100 palabras en una imagen (a fecha de octubre de 2026).

Diseño de colecciones de rostros y búsqueda de rostros

La función de colecciones de rostros de Rekognition almacena vectores de características faciales y los usa para la búsqueda de rostros. Al registrar una imagen de un rostro en una colección con la API IndexFaces, se extraen las características del rostro y se almacenan como un vector. Al introducir una nueva imagen de un rostro en la API SearchFacesByImage, la API busca los rostros coincidentes en la colección. La página de cuotas fija en 20 millones el límite de vectores de rostros que se almacenan en una colección (a fecha de octubre de 2026). Se aplica al control de entrada y salida, la autenticación de asistentes a eventos y la agrupación de personas en aplicaciones de fotos, entre otros usos. Un aspecto a tener en cuenta en el diseño es que la colección de rostros solo almacena los vectores de características y no conserva las imágenes originales. También existe un diseño en el que las imágenes originales se guardan por separado en S3 y se vinculan mediante ExternalImageId. La página de recomendaciones sobre las imágenes de entrada para la comparación de rostros recomienda imágenes luminosas y nítidas, con el ángulo del rostro dentro del rango recomendado y una iluminación uniforme con pocas sombras. La misma página indica que, con resoluciones de hasta 1920 x 1080, Rekognition reconoce incluso rostros pequeños de 50 x 50 píxeles. Desde el punto de vista de la privacidad, como la regulación sobre el uso de la tecnología de reconocimiento facial varía según el país, es necesario diseñar de antemano los procesos para indicar la finalidad del uso y obtener el consentimiento.

Análisis de video y procesamiento en streaming

Rekognition Video ofrece dos modos: el análisis asíncrono de archivos de video almacenados en S3 y el análisis en streaming en tiempo real desde Kinesis Video Streams. En el análisis asíncrono, se inicia un trabajo de análisis con API como StartLabelDetection o StartFaceDetection, se detecta su finalización mediante una notificación de SNS y se obtienen los resultados. Los resultados de la detección de etiquetas o de rostros se devuelven con marcas de tiempo. Según el aviso de fin de soporte de la guía para desarrolladores, People Pathing (StartPersonTracking), que sigue la trayectoria de las personas, no se puede usar después del 31 de octubre de 2025. En el análisis en streaming, se puede ejecutar la búsqueda de rostros en tiempo real sobre el video en directo que se envía a Kinesis Video Streams. Otro uso es buscar a una persona concreta en las grabaciones de cámaras de vigilancia. Sin embargo, la guía para desarrolladores anuncia que el análisis de video en streaming y el análisis de imágenes por lotes no se ofrecen a clientes nuevos desde el 30 de abril de 2026 (a fecha de octubre de 2026). Según la misma guía, las cuentas que los usaron en los últimos 12 meses pueden seguir utilizándolos (a fecha de octubre de 2026). La guía de Custom Labels incluye un ejemplo que usa DetectCustomLabels con fotogramas extraídos de un video. Según la página de precios, el precio unitario del análisis de imágenes varía según el grupo de API y el tramo de imágenes procesadas al mes (a fecha de octubre de 2026). En los ejemplos de precios, DetectLabels cuesta 0.001 USD por imagen en el primer tramo y la detección de etiquetas en videos almacenados cuesta 0.10 USD por minuto (ejemplo de us-east-1) (a fecha de octubre de 2026). Si se usan varias API en una misma imagen, se cobra como el procesamiento de varias imágenes.

Referencias (recursos oficiales de AWS)

Las fuentes primarias de esta página son el sitio web y la documentación oficiales de AWS. Consulta las páginas oficiales siguientes para conocer las especificaciones y los precios más recientes.

Si esta página y la documentación oficial difieren, prevalece la documentación oficial.

Compartir

Términos relacionados

Amazon BedrockAmazon SageMakerAmazon ComprehendAmazon Textract

Servicios relacionados

Amazon SageMakerAmazon KinesisAmazon S3AWS Lambda

Artículos relacionados

Construcción de un pipeline de datos en tiempo real con Amazon Kinesis - Cómo elegir entre Data Streams y Data FirehoseLos datos en tiempo real se ingieren con Data Streams y se entregan automáticamente a S3 / Redshift / OpenSearch con Data Firehose. Este artículo explica cómo construir un pipeline de streaming mediante el diseño de shards y la elección de cuándo usar el modo bajo demanda.Diseño del procesamiento de datos en streaming - Construcción de pipelines de datos en tiempo real con KinesisSe explican las técnicas de diseño del procesamiento de datos en streaming que aprovecha Amazon Kinesis Data Streams y Amazon Data Firehose (antes Kinesis Data Firehose), y se presenta cómo construir pipelines de datos en tiempo real mediante la integración con Lambda.Leyendo el futuro de AWS a 3 años desde los anuncios de re:Invent - El ciclo de vida de los servicios y las leyes de la discontinuaciónEnfrentamos el hecho de que los servicios de AWS también tienen vida útil, como la suspensión de nuevas inscripciones de CodeCommit y el fin de facto de SimpleDB, proporcionando una perspectiva de selección tecnológica para analizar el ciclo de vida de los servicios e identificar los servicios que no desaparecerán.El origen de los nombres de servicios AWS y las reglas de nomenclatura - Por qué S3 tiene 3 SProfundizamos en el origen de los nombres de servicios principales como S3, EC2, Lambda y Aurora, explicando de forma anecdótica los patrones ocultos en las reglas de nomenclatura de AWS, los ejemplos de nombres fallidos y la historia de rebranding.Uso de Claude en Amazon Bedrock - Selección de modelos, diseño de prompts y optimización de costosComparamos los modelos Anthropic Claude disponibles en Amazon Bedrock, proporcionamos directrices de selección de modelos por caso de uso y cubrimos mejores prácticas de diseño de prompts y optimización de costos.

Términos y artículos similares

Implementación de análisis de imágenes y video con Amazon Rekognition - Desde detección de etiquetas hasta modelos personalizadosPresentamos cómo implementar detección de etiquetas, análisis facial y detección de texto con APIs preentrenadas, y cómo construir modelos de reconocimiento de imágenes específicos del dominio con Custom Labels.Amazon RekognitionServicio de reconocimiento de imágenes basado en ML que facilita el análisis de imágenes y video a través de APIModeración de contenido de vídeo construida con Amazon Rekognition - Garantizar la seguridad de las plataformas UGCModera automáticamente los vídeos de plataformas UGC y automatiza los flujos de trabajo multimedia con la búsqueda de rostros y la detección de segmentos. Presenta un pipeline basado en eventos con S3 / Lambda.Amazon ECRServicio de registro de contenedores completamente administrado para almacenar, gestionar y distribuir imágenes de contenedores Docker de forma seguraGestión de imágenes de contenedor con Amazon ECR - Políticas de ciclo de vida y escaneo de imágenesPresentamos patrones operativos para eliminar automáticamente imágenes antiguas con políticas de ciclo de vida en repositorios privados y detectar vulnerabilidades con escaneo de imágenes.