Amazon Rekognition: guía de análisis de imagen y video con IA

Si quieres incorporar análisis multimedia a tus aplicaciones, Amazon Rekognition es la solución ideal. Este servicio de análisis de imagen y video basado en deep learning detecta, analiza y compara rostros con precisión, identifica objetos, lee texto impreso y mucho más. Rekognition está construido sobre AWS, por lo que es altamente escalable y puede procesar millones de imágenes o videos en tiempo real.

¿Cómo funciona Amazon Rekognition?

Gracias al deep learning, Amazon Rekognition analiza imágenes y videos mediante redes neuronales convolucionales (CNN) capaces de detectar y reconocer características dentro de los datos visuales. Puedes usar este servicio a través de:

AWS Management Console
AWS SDK
API (con algunos ejemplos útiles)

Entre las funcionalidades principales de Rekognition se encuentran:

Detección de objetos y escenas: reconoce miles de objetos y escenas, desde elementos cotidianos como un auto, un perro o un árbol, hasta categorías más amplias como la playa, un paisaje urbano o un bosque.
Análisis facial: detecta, analiza y compara rostros, y permite determinar atributos como rango de edad, género y emociones.
Reconocimiento facial: busca y compara rostros dentro de una colección para identificar posibles coincidencias o verificar la identidad de un usuario.
Pathing: rastrea el desplazamiento de personas en un video para detectar posibles riesgos de seguridad o analizar el comportamiento del cliente.
Detección de etiquetas: esta función te permite analizar imágenes e identificar automáticamente los objetos, escenas y conceptos presentes en ellas. Por ejemplo, una foto de personas en una playa tropical puede contener etiquetas como palmera (objeto), playa (escena), correr (acción) y exteriores (concepto).
Propiedades de imagen: detecta los colores dominantes y mide el brillo, la nitidez y el contraste de la imagen.
Segmentación de video: Rekognition puede analizar archivos de video y dividirlos en escenas o tomas significativas. Esta función resulta especialmente útil para indexar videos, gestionar contenido y orientar publicidad, ya que ayuda a comprender y organizar mejor el contenido audiovisual.
Detección de texto: Rekognition puede detectar y extraer texto de imágenes y videos. Esto permite identificar información escrita dentro del contenido visual, lo que resulta útil en aplicaciones como el análisis de documentos, el reconocimiento de placas vehiculares y experiencias de realidad aumentada.
Detección de emociones: la plataforma reconoce y analiza las emociones que muestran las personas en imágenes y videos, como alegría, tristeza, enojo o sorpresa. Es una funcionalidad valiosa para aplicaciones de experiencia del cliente, publicidad y entretenimiento, porque permite medir las reacciones de la audiencia o adaptar el contenido para provocar respuestas emocionales específicas.
Moderación de contenido: Rekognition ayuda a identificar y filtrar contenido visual potencialmente inseguro o inapropiado al detectar automáticamente material explícito o sugerente. Es muy útil para empresas y organizaciones que deben mantener un entorno seguro para sus usuarios, como redes sociales, sitios de e-commerce o instituciones educativas.
Reconocimiento de celebridades: Rekognition puede identificar a miles de personalidades famosas de distintos ámbitos, como entretenimiento, deportes y política. Es útil para aplicaciones de análisis de medios, recomendación de contenido y publicidad.

Ejemplo de análisis facial tomado del dashboard de Amazon Rekognition en la consola de AWS

Tutorial: primeros pasos con Amazon Rekognition

Este tutorial te introducirá al concepto de detección de etiquetas de Amazon Rekognition y te guiará en el uso de la AWS Management Console y el AWS SDK para Python (Boto3).

Configura el entorno de la AWS CLI

Inicia sesión en la consola de tu cuenta de AWS si aún no lo has hecho: https://console.aws.amazon.com
Instala la AWS Command Line Interface (CLI) siguiendo estas instrucciones: https://docs.aws.amazon.com/cli/latest/userguide/getting-started-install.html
Configura la AWS CLI con tu access key, secret access key, región predeterminada y formato de salida:

$ aws configure
AWS Access Key ID [****]:
AWS Secret Access Key [****]:
Default region name [us-east-1]:
Default output format [json]:

Crea un bucket de Amazon S3 para almacenar tu imagen

Inicia sesión en la AWS Management Console y abre la consola de Amazon S3: https://s3.console.aws.amazon.com/s3/
Haz clic en "Create bucket" y sigue las instrucciones para crear un nuevo bucket donde guardarás tu imagen.
Sube una imagen al bucket de S3 que acabas de crear.

Configura los permisos

Para crear un rol de IAM con los permisos necesarios para acceder al bucket de S3 y usar Amazon Rekognition, deberás definir un documento de política JSON para ese rol. A continuación verás una política de ejemplo que otorga los permisos requeridos:

{
    "Version": "2012-10-17",
    "Statement": [\
        {\
            "Effect": "Allow",\
            "Action": [\
                "rekognition:DetectLabels"\
            ],\
            "Resource": "*"\
        },\
        {\
            "Effect": "Allow",\
            "Action": [\
                "s3:GetObject",\
                "s3:ListBucket"\
            ],\
            "Resource": [\
                "arn:aws:s3:::your-bucket-name",\
                "arn:aws:s3:::your-bucket-name/*"\
            ]\
        },\
        {\
            "Effect": "Allow",\
            "Action": [\
                "logs:CreateLogGroup",\
                "logs:CreateLogStream",\
                "logs:PutLogEvents"\
            ],\
            "Resource": "arn:aws:logs:*:*:*"\
        }\
    ]
}

Nota: reemplaza "your-bucket-name" con el nombre real de tu bucket de S3.

La política anterior permite que el rol de IAM:

Use la operación DetectLabels en Amazon Rekognition.
Liste el contenido y lea objetos del bucket de S3 indicado.
Cree y escriba en CloudWatch Logs, lo que resulta útil para logging y monitoreo.

Puedes seguir los pasos para crear la política de IAM con el editor JSON de la consola de AWS desde esta guía aquí.

Usa Amazon Rekognition en Python con Boto3

Instala la librería boto3:

$ pip install boto3

2. Crea un nuevo archivo de Python e importa las librerías necesarias:

import boto3

rekognition_client = boto3.client('rekognition')

3. Escribe una función para detectar objetos y escenas en una imagen:

def detect_objects_and_scenes(bucket, key):
    response = rekognition_client.detect_labels(
        Image={
            'S3Object': {
                'Bucket': bucket,
                'Name': key
            }
        },
        MaxLabels=10,
        MinConfidence=80
    )

    for label in response['Labels']:
        print(f"Label: {label['Name']}, Confidence: {label['Confidence']}")

detect_objects_and_scenes('your-bucket-name', 'your-image-key')

4. Ejecuta tu script de Python.

El resultado mostrará los objetos y escenas detectados en la imagen junto con sus puntajes de confianza. En esencia, un puntaje de confianza es un número entre 0 y 100 que indica la probabilidad de que una predicción sea correcta. Por ejemplo, si el análisis de una imagen devuelve un puntaje de 95 para la etiqueta "Sonriendo" y de 20 para "Usando lentes", es muy probable que la persona de la foto esté sonriendo, pero no esté usando lentes. En aplicaciones sensibles a errores, conviene fijar un umbral mínimo de confianza más alto que el predeterminado para descartar falsos positivos y optimizar la experiencia del usuario.

Esto es apenas el comienzo de lo que ofrece Amazon Rekognition: también incluye reconocimiento facial, detección de texto, moderación de contenido inseguro y mucho más. Para profundizar, consulta la documentación oficial de Getting Started with Amazon Rekognition.

Casos de uso reales de Amazon Rekognition

Marketing y publicidad: las empresas pueden usar Rekognition para analizar las preferencias de los clientes y mostrar publicidad dirigida. Rekognition identifica objetos, actividades y escenas populares en imágenes y videos compartidos en redes sociales, lo que ayuda a los equipos de marketing a entender mejor los intereses y preferencias del consumidor. Esta información tan valiosa luego se puede usar para crear campañas personalizadas que realmente conecten con los clientes.

Gestión de redes sociales: para un community manager, Rekognition es una herramienta valiosa al moderar el contenido generado por los usuarios y alinearlo con las normas de la comunidad y los estándares de marca. Su función de moderación detecta automáticamente material explícito o sugerente y evita su publicación. Además, permite analizar el engagement detectando expresiones faciales en respuesta al contenido, lo que ayuda a las empresas a entender cómo se percibe su marca.

Finanzas y banca: las instituciones financieras pueden mejorar la experiencia del cliente y prevenir el fraude con Rekognition. Al integrar el reconocimiento facial en sus apps de banca móvil, los bancos pueden verificar a los usuarios sin la complicación de contraseñas o preguntas de seguridad. Por otro lado, la detección de texto permite extraer información valiosa de documentos como solicitudes de crédito o documentos de identidad, lo que agiliza la captura de datos y reduce el error humano.

Retail y e-commerce: los retailers tienen la oportunidad de aprovechar Rekognition para analizar el comportamiento del comprador y mejorar el diseño de sus tiendas. Al monitorear el movimiento de los clientes dentro del local, Rekognition identifica las áreas y los productos populares, brindando información valiosa para tomar decisiones fundamentadas sobre la ubicación de productos y el layout de la tienda. Las plataformas de e-commerce también se benefician de la detección de objetos y escenas, ya que permite categorizar y etiquetar automáticamente las imágenes de productos y, en última instancia, facilitar la búsqueda al cliente.

Seguridad y vigilancia: Rekognition puede potenciar los sistemas de seguridad al detectar y analizar rostros en tiempo real. Su reconocimiento facial permite identificar a personas de interés, verificar la identidad de empleados en puntos de acceso o monitorear multitudes en busca de comportamientos sospechosos. Además, su capacidad de pathing rastrea el desplazamiento de las personas en un video, lo que permite al personal de seguridad detectar amenazas potenciales y reaccionar a tiempo. Por ejemplo, el atentado en la Maratón de Boston en 2013 desencadenó una de las cacerías humanas más grandes e intensas de la historia de EE. UU. A las agencias de seguridad les tomó tres días identificar a los responsables, lo que les dio tiempo para evadir el arresto inmediatamente después del incidente. Si Amazon Rekognition hubiera estado disponible y en uso en ese momento, habría podido procesar y analizar rápidamente las enormes cantidades de imágenes de vigilancia capturadas desde múltiples fuentes durante la maratón. Al detectar, reconocer y rastrear a los responsables en tiempo real, Rekognition habría acelerado el proceso de identificación, permitiendo a las autoridades capturar a los individuos mucho más rápido.

Beneficios y consideraciones éticas de Amazon Rekognition

Beneficios

Facilidad de uso: está pensado para ser amigable, lo que les permite a los desarrolladores integrar fácilmente el análisis de imagen y video en sus aplicaciones.
Escalabilidad: al estar construido sobre AWS, puede manejar proyectos a gran escala y procesar millones de imágenes o videos en tiempo real.
Precisión: aprovecha algoritmos avanzados de deep learning para entregar resultados precisos y confiables.
Análisis en tiempo real: procesa imágenes y videos en tiempo real, lo que permite a las empresas reaccionar rápido ante eventos u obtener insights de los datos a medida que se generan.
Personalización: permite entrenar modelos personalizados para que el servicio reconozca objetos, escenas o actividades específicas de una industria o caso de uso.
Actualizaciones automáticas: a medida que AWS sigue evolucionando Rekognition, las nuevas funciones y mejoras quedan disponibles automáticamente, asegurando que los usuarios siempre tengan acceso a las últimas capacidades sin esfuerzo adicional.
Documentación y soporte sólidos: AWS ofrece documentación completa, código de ejemplo y tutoriales de Rekognition, lo que permite a los desarrolladores aprender e implementar el servicio rápidamente. Además, AWS brinda diversas opciones de soporte, como foros, webinars y soporte técnico, para acompañar a los usuarios ante cualquier desafío que enfrenten al usar la plataforma.

Consideraciones éticas

Privacidad: el uso de tecnología de reconocimiento facial plantea inquietudes de privacidad, ya que puede habilitar la vigilancia o el rastreo no autorizado de personas sin su consentimiento. Las empresas y organizaciones que usen Rekognition deben asegurarse de cumplir con las regulaciones y lineamientos de privacidad aplicables.
Sesgos: los algoritmos de IA, incluidos los de Rekognition, pueden mostrar sesgos en sus predicciones según los datos con los que fueron entrenados. Esto puede derivar en un trato injusto hacia ciertos grupos demográficos o personas. Es esencial que los desarrolladores y las organizaciones tomen conciencia de los posibles sesgos en los datos de entrenamiento y monitoreen continuamente las predicciones del servicio para mitigar problemas potenciales.
Transparencia: garantizar la transparencia en el uso de tecnología de IA, como Rekognition, es fundamental. Las organizaciones deben ser claras sobre su uso del servicio y comunicar el razonamiento detrás de las decisiones que toman a partir del análisis de la plataforma. Esa transparencia ayuda a generar confianza entre los stakeholders, incluidos clientes, empleados y reguladores.

Precios de Amazon Rekognition

Rekognition utiliza un modelo de precios pay-as-you-go, con costos diferenciados para el análisis de imagen y de video. El servicio cuenta con un free tier que incluye un número limitado de imágenes y minutos de análisis de video al mes, lo que permite a los usuarios probarlo sin costo. Más allá del free tier, los cargos se calculan según la cantidad de imágenes o minutos de video analizados, la cantidad de rostros almacenados en una colección y la cantidad de detecciones de texto realizadas.

Para un desglose detallado, puedes visitar la página de Precios de Amazon Rekognition y la AWS Pricing Calculator, una herramienta de planificación basada en la web con la que puedes generar estimaciones.

Conclusión

Amazon Rekognition se ubica a la vanguardia del análisis de imagen y video con IA, y aporta múltiples beneficios a los clientes de AWS. Aprovechando el poder de los algoritmos de deep learning, Rekognition entrega capacidades de última generación que pueden revolucionar diversas industrias y aplicaciones. Desde el marketing hasta la seguridad y mucho más, este servicio está preparado para brindar a los clientes de AWS insights y automatización sin igual, optimizando sus operaciones y mejorando la toma de decisiones.

Al considerar con cuidado las implicaciones éticas del uso de Rekognition y seguir los lineamientos correspondientes, las organizaciones pueden aprovechar todo el potencial de esta plataforma avanzada y, al mismo tiempo, respetar los derechos individuales y promover la equidad. A medida que la tecnología de IA sigue evolucionando, Amazon Rekognition se mantiene como un recurso invaluable para las empresas que buscan ir un paso adelante y capitalizar los beneficios del análisis de imagen y video con IA.

Con especialización en AWS, trabajo principalmente como Cloud Architect, enfocado en la modernización de infraestructura.

[Cómo resolver el problema "Your current user or role does not have access to Kubernetes objects" en AWS…\ \

18 de junio de 2023

[Cómo construir arquitectura en AWS con MCP Servers y Strands Agents\ \

22 de septiembre de 2025

[Fingerprints JA3 y JA4 en AWS WAF y más allá\ \

10 de abril de 2025

[Convierte tu startup en una historia de éxito con AWS y DoiT\ \

5 de mayo de 2023

[Stanford acaba de matar al Prompt Engineering con 8 palabras (y no puedo creer que haya funcionado)\ \

19 de octubre de 2025

[A clap icon25K\ \

[10 habilidades imprescindibles para Claude (y cualquier coding agent) en 2026\ \

9 de marzo

[A clap icon1K\ \

[Dejé de usar ChatGPT durante 30 días. Lo que le pasó a mi cerebro fue aterrador.\ \

28 de diciembre de 2025

[A clap icon12.1K\ \

[Me levanté a las 4:30 a. m. todos los días durante 30 días: esto es lo que nadie te cuenta\ \

7 de marzo

[A clap icon5K\ \

[Por qué miles de personas están comprando Mac Minis para escapar para siempre de los problemas con las suscripciones de IA de las Big Tech |…\ \

15 de febrero

[A clap icon5.8K\ \

[Como neurocientífico, dejé estos 5 hábitos matutinos que destruyen tu cerebro\