The purpose of this article is a proposal for a facial recognition system with liveness techniques for access control using neural networks. The main focus has been aimed at improving the security of access to a system through the application of artificial intelligence in biometrics, avoiding any type of fraud and impersonation. Python was used along with the following libraries like Tkinter, Cv2, Numpy, PIL, Imutils, Mediapipe, Os, Math, Dlib, Face-recognition, Csv, Tkcalendar and Bcrypt. The results obtained by carrying out 40 tests with a real person were a similarity accuracy of 82,11%, on the other hand, to verify that the person is carrying out a live recognition, 20 tests were carried out with the photograph of that person, in this case, the system did not allow entry since the liveness verification was not met, thus concluding that the recognition system is effective and guarante...

El aumento de exámenes en línea para selección de laboral ha generado desafíos como la suplantación de identidad y uso de dispositivos no autorizados. Para abordar esto, nos planteamos la siguiente pregunta: ¿Cómo puede un sistema de control basado en técnicas de reconocimiento facial, control de gestos, control de movimientos y detección de objetos mejorar la integridad y seguridad en los exámenes en línea para procesos de selección de personal? Para ello presentamos un sistema que emplea inteligencia artificial que integra una cámara frontal y lateral para detectar gestos sospechosos y asegurar que el entorno del examen esté controlado. Este se desarrolló con Python 3.12.6 y Django 3.0.6, y utilizando SQL Server 2019 para la gestión de datos, además herramientas de inteligencia artificial como Face-Recognition 1.3.0, MediaPipe 0.10.4, y TensorFlow 4.22.0. Las pruebas r...