En este trabajo se presenta el desarrollo de un sistema de identificación facial en tiempo real que integra un mecanismo de liveness detection basado en retos dinámicos de parpadeos y sonrisas con un clasificador supervisado sobre embeddings generados por FaceNet. Para asegurar la autenticidad del usuario, se calculan el Eye Aspect Ratio y el Mouth Aspect Ratio a partir de landmarks faciales extraídos con MediaPipe para su correcta contabilización. En la parte de identificación facial del usuario, se aplicó a los frames unsharp masking para realzar detalles faciales, detección y recorte de MediaPipe con padding del 10 %, normalización a 160×160 píxeles, generación de embeddings con FaceNet y la predicción de la identificación del usuario con el modelo entrenado. En validaciones contra ataques de suplantación de identidad con fotografía y reproducción de video, se evaluó ...