En esta charla presentaré cómo Python se convirtió en la pieza clave para lograr la implementación de un sistema de reconocimiento facial con antispoofing dentro de una aplicación de escritorio construida con tecnologías web. Aunque el proyecto empezó como una solución basada únicamente en herramientas del ecosistema JavaScript, pronto surgieron límites importantes: las librerías disponibles no ofrecían mecanismos de detección de falsificación confiables y resultaban vulnerables a fotos y videos.
La solución llegó gracias a la gran cantidad de librerías y documentación disponible en Python. Al integrar un backend local Python, empaquetado dentro del ejecutable, fue posible utilizar librerías como DeepFace y herramientas clásicas de procesamiento de imágenes para reforzar la detección. Esta combinación permitió implementar validaciones adicionales, incluyendo el cálculo de la similitud estructural (SSIM) entre imágenes capturadas en diferentes momentos, reduciendo drásticamente las falsas aceptaciones en intentos de suplantación.
Durante la charla explicaré los principales retos enfrentados, tales como la forma de comunicación entre la aplicación de escritorio y el backend en Python, el empaquetado de ambos componentes, el manejo de imágenes y tiempos de procesamiento, y las pruebas realizadas para identificar intentos de falsificación. También hablaré sobre los aprendizajes extraídos del proceso, incluyendo decisiones de arquitectura, descubrimientos sobre ataques con fotos impresas, errores comunes, y mejoras obtenidas al combinar técnicas de aprendizaje profundo con métodos tradicionales.
La charla está orientada a desarrolladores interesados en integrar capacidades avanzadas dentro de aplicaciones locales, especialmente cuando Python es la herramienta adecuada para potenciar proyectos basados en tecnologías web.