> Por qué Google Imágenes no encuentra personas: la diferencia técnica entre buscar el archivo y buscar el rostro, y cuál usar en cada caso. Subiste la foto a Google Lens y te dijo «no se han encontrado resultados». Eso no significa que la persona que buscas no esté en internet. Le hiciste a Google **una pregunta distinta** — y la respondió correctamente. **La búsqueda inversa de imágenes busca el archivo; la búsqueda facial inversa busca el rostro.** Cuando le das a Google Lens una foto, la pregunta que haces es «¿dónde aparecen estos píxeles en internet?». La pregunta que normalmente quieres hacer es «¿dónde aparece este humano en internet?» — y no son la misma pregunta. Si la persona nunca publicó *esa* foto exacta, pero sí publicó *otras* fotos de sí misma, la búsqueda de imágenes vuelve vacía y la búsqueda facial la encuentra. El segundo motivo es la política: **Google deliberadamente no muestra resultados que conecten un rostro con otras fotos de la misma persona.** Así que «no se encontró nada» suele significar «no busqué eso». ## DOS PREGUNTAS DISTINTAS Empecemos con un ejemplo, porque todo el asunto vive dentro de él. Tienes una foto de perfil de una app de citas. Son posibles dos escenarios: - **Escenario A — la foto fue robada.** Un estafador está usando un encuadre descargado del Instagram de una modelo. El mismo archivo sigue en internet. *La búsqueda de imágenes encuentra esto, y es ideal precisamente para este trabajo.* - **Escenario B — la persona es real pero el encuadre es nuevo.** El humano al otro lado existe de verdad; subió esta foto solo a esa app, pero tiene *otras* fotos en Instagram, LinkedIn y un medio de noticias. *La búsqueda de imágenes no encuentra nada. La búsqueda facial puede encontrar las tres cuentas.* Los dos escenarios se ven idénticos —una foto en mano, cero resultados— pero uno es «aquí no hay nada» y el otro es «hiciste la pregunta equivocada». Sin hacer esa distinción no puedes elegir la herramienta. ## QUÉ HACE REALMENTE LA BÚSQUEDA DE IMÁGENES Los motores de búsqueda inversa de imágenes extraen una **huella** de la imagen en su conjunto: distribución del color, patrones de bordes y textura, composición, y en los sistemas modernos también los vectores de incrustación que produce una red que entiende el contenido de la imagen. Las fortalezas y debilidades se derivan directamente de eso: - **En lo que es muy bueno:** encontrar copias del mismo archivo. También detecta versiones redimensionadas, con compresión leve y ligeramente recortadas. Para encontrar una foto de stock, una imagen de noticias o un portafolio robado, es insuperable. - **Lo que no puede hacer:** encontrar una foto *distinta* de la misma persona. Dos fotos tuyas tomadas ayer y hoy son desconocidas a nivel de píxel. Sus huellas no coinciden, así que para el motor son dos imágenes sin relación. - **Donde pierde:** los filtros intensos, la conversión a blanco y negro, el espejado, los recortes distintos y las capturas de baja resolución corrompen la huella. Merece la pena nombrar una excepción: **TinEye** puede ordenar los resultados por fecha de publicación. No busca rostros, pero para «¿dónde se publicó esta imagen primero?» es más preciso que cualquiera de los demás — lo cual tiene peso probatorio directo en una reclamación por uso no autorizado. ## QUÉ HACE REALMENTE LA BÚSQUEDA FACIAL La búsqueda facial tiene dos etapas, y ambas ignoran el resto de la imagen. **Etapa 1 — detección y alineación.** Un modelo de detección localiza los rostros en una foto, marca los puntos de referencia de ojos, nariz y boca, y rota el rostro a una posición estándar. Esto es lo que hace comparables rostros fotografiados desde ángulos distintos. **Etapa 2 — medición.** Un modelo de reconocimiento convierte el rostro alineado en una serie de números — normalmente un vector de 128 o 512 dimensiones. Ese vector es una compresión aprendida de medidas como la separación entre ojos, la proporción nariz-mentón y la geometría de los pómulos. Dos vectores de dos fotos distintas de la misma persona caen cerca uno del otro; los vectores de personas distintas caen lejos. La comparación se hace mediante **similitud de coseno** entre los dos vectores, escalada a una puntuación. Las consecuencias prácticas: - **Apenas importa:** la ropa, el fondo, la iluminación, el color, el tamaño de la imagen, los filtros. - **Importa mucho:** el ángulo del rostro (una foto de perfil pierde la mitad de la medición), la resolución (por debajo de unos 200 píxeles la medición se debilita), la oclusión (gafas, mascarillas, cabello), y los años transcurridos. El motor de Trace ejecuta estas dos etapas con dos modelos abiertos distintos: YuNet para la detección, SFace para el reconocimiento. Los nombramos porque explica de dónde viene el umbral — el tema de la siguiente sección. ## EL MURO DE LA POLÍTICA DE GOOGLE No es que a Google le falte reconocimiento facial; Google Fotos lleva años agrupando rostros en tu propio archivo. Pero en el lado de la *búsqueda* no expone esto a los usuarios: los resultados que conectan un rostro con otras fotos en la web abierta están sistemáticamente ocultos. Es una elección, y una comprensible: un motor de búsqueda donde cualquiera puede encontrar a cualquiera a partir de una fotografía se convierte en infraestructura para el acoso y el stalking. Pero la elección tiene un efecto secundario que la gente interpreta mal: **un resultado vacío en Google Lens no significa «esta persona no está en internet», significa «no respondo a esa pregunta».** Por el mismo motivo ves rarezas en los resultados: le das a Google un retrato y te señala la camiseta en una página de compras o un conjunto de imágenes de «estilo similar». El motor está ignorando el rostro e interpretando el resto de la imagen. ## QUÉ ES Y QUÉ NO ES UNA PUNTUACIÓN DE SIMILITUD Esta sección existe para corregir el error más común sobre la búsqueda facial. **Una puntuación no es un porcentaje de precisión.** «92» no significa «92% de confianza» ni «92% la misma persona». La puntuación es una distancia escalada entre dos medidas faciales — una expresión de *cuánto se parecen estas dos imágenes*. En Trace el mínimo es 70, y ese número no es arbitrario: corresponde a una similitud de coseno de 0,363, el umbral publicado por el equipo detrás del modelo de reconocimiento que usamos. Por debajo de ese valor, *según la propia definición del modelo*, la respuesta es «no es la misma persona». El significado práctico de los rangos viene de nuestra propia medición en vivo. En dieciséis búsquedas reales encontramos: **las coincidencias genuinas aparecen en el rango 90–100**, mientras que las búsquedas sin coincidencia genuina no superan **86**. Por lo tanto: - **90–100** — el rango donde viven las coincidencias genuinas. - **80–89** — parecido fuerte. No decidas sin confirmar con un segundo encuadre. - **70–79** — posible, pero en la práctica sobre todo son desconocidos que simplemente se parecen. - **Por debajo de 70** — nunca se muestra. El mínimo antes era 50, y el resultado era que los usuarios veían decenas de tarjetas de personas irrelevantes en una búsqueda de pago. Una etiqueta no arregla una lista que en sí misma está mal. Y lo más importante: **ninguna puntuación es prueba de identidad.** Una puntuación te dice cuánto se parecen dos imágenes; no te dice quién es nadie. Los gemelos idénticos, los parientes cercanos, y las personas que simplemente se parecen pueden obtener puntuaciones altas por igual. ## LADO A LADO **Búsqueda de imágenes frente a búsqueda facial** | | Búsqueda inversa de imágenes | Búsqueda facial inversa | |---|---|---| | Qué mide | El archivo: píxeles, color, composición | El rostro: una medida numérica | | Encuentra el mismo archivo | Muy bien | No es su tarea | | Encuentra a la misma persona en otra foto | No puede | Sí, por definición | | Afectado por filtros, recortes, blanco y negro | Mucho | Apenas | | Afectado por ángulo, resolución, oclusión | Poco | Mucho | | Coste | Gratis (Google Lens, Yandex, TinEye) | De pago por búsqueda | | Resultado | Lista de imágenes parecidas | Enlace + puntuación 70–100 | | Mejor para | Detectar una foto robada, encontrar el origen | Encontrar otras cuentas de la misma persona | ## CUÁL USAR PARA QUÉ PREGUNTA - **«¿Esta foto de perfil está robada?»** → Búsqueda de imágenes. Google Lens + Yandex + TinEye. Gratis y mejor para este trabajo. - **«¿Quién publicó esta imagen primero?»** → TinEye. La única herramienta correcta. - **«¿Dónde más tiene cuenta esta persona?»** → Búsqueda facial. La búsqueda de imágenes no puede responder esto. - **«¿Dónde se está usando mi propia foto?»** → Ambas. La búsqueda de imágenes encuentra copias idénticas, la búsqueda facial encuentra tus otras fotos. Paso a paso en [esta guía](https://traceaifacescan.app/es/blog/donde-estan-mis-fotos-en-internet/). - **«¿Esta persona es un estafador?»** → Búsqueda de imágenes primero (una foto robada es el caso más común), búsqueda facial si eso queda vacío, luego las [señales de comportamiento](https://traceaifacescan.app/es/blog/como-saber-si-es-un-estafador/). El método correcto sigue siempre el mismo orden: **prueba primero la gratuita.** La búsqueda de imágenes tarda treinta segundos y responde la pregunta sin rodeos en una parte significativa de los casos. Pasa a la búsqueda facial de pago solo cuando esa vuelva vacía. ## LO QUE NINGUNA DE LAS DOS PUEDE ENCONTRAR Ser honestos aquí es más útil que vender. Hay lugares a los que ninguna búsqueda llega: - **Cuentas privadas.** Las fotos de un perfil privado no se indexan en ningún lugar. Ninguna de las dos puede verlas. - **Contenido que se queda dentro de una app.** Los perfiles de apps de citas y las fotos en apps de mensajería no se publican en la web abierta. - **Imágenes sin rostro.** La búsqueda facial necesita un rostro que medir; no hay nada que hacer con un paisaje o un dibujo como foto de perfil. - **Rostros generados.** Un rostro generado por IA no tiene historial en internet. Ambas vuelven vacías — pero leído correctamente, ese vacío es información en sí mismo. - **Personas que de verdad no dejan rastro.** El motivo más simple y más frecuente. Un resultado vacío puede ser la respuesta, no un fallo de la herramienta. ## FUENTES Y NOTAS 1. El motor de Trace usa YuNet para la detección y SFace para el reconocimiento; el mínimo de 70 puntos corresponde a una similitud de coseno de 0,363, el umbral publicado por el equipo detrás de SFace. 2. El significado de los rangos viene de la medición propia de Trace: en 16 búsquedas reales, las coincidencias genuinas aparecieron en el rango 90–100 mientras que las búsquedas sin coincidencia genuina no superaron 86 (agosto de 2026). El mínimo se elevó de 50 a 70 como resultado. 3. La decisión de Google de no mostrar resultados de coincidencia facial en sus superficies de búsqueda está recogida en la propia política de productos de reconocimiento facial de la empresa. Escrito por Trace Labs · Publicado el 10 de septiembre de 2026 **Uso responsable.** Trace es una herramienta de verificación. Busca solo fotografías sobre las que tengas derecho a hacerlo: las tuyas, o con el consentimiento de la persona. Trace devuelve resultados públicos de la web con una puntuación de similitud; no es una verificación de antecedentes, ni un servicio de identificación, y los resultados no son prueba de identidad. Google, Yandex, TinEye, PimEyes y FaceCheck.ID son marcas registradas de sus respectivos propietarios; Trace no está afiliado a ninguno de ellos. ## PREGUNTAS FRECUENTES ### ¿Cuál es la diferencia entre la búsqueda inversa de imágenes y la búsqueda facial inversa? La búsqueda inversa de imágenes busca **la imagen en sí**: ¿dónde aparecen estos píxeles, o unos muy parecidos, en internet? La búsqueda facial inversa busca **el rostro**: lo convierte en una medida numérica y la compara con las medidas de los rostros de otras fotos. La diferencia práctica es que la búsqueda de imágenes exige que la persona haya publicado *esa* foto exacta, mientras que la búsqueda facial solo exige que haya publicado *alguna* foto de sí misma. ### ¿Google Imágenes hace reconocimiento facial? No de una forma que exponga a los usuarios. Google tiene tecnología de reconocimiento facial —Google Fotos lleva años agrupando rostros en tu propia biblioteca— pero en la búsqueda no muestra resultados que conecten un rostro con otras fotos de la misma persona en la web abierta. Es una decisión de política deliberada, no una limitación técnica, y el razonamiento es comprensible: ese tipo de motor de búsqueda se convierte en infraestructura para el acoso. ### ¿Cómo funciona técnicamente la búsqueda facial? En dos etapas. Primero, un modelo de detección localiza y alinea el rostro. Luego, un modelo de reconocimiento convierte ese rostro alineado en un vector, normalmente de 128 o 512 números, que codifica medidas como la separación entre ojos, la proporción nariz-mentón y la geometría de los pómulos. Se calcula la similitud de coseno entre ese vector y los vectores de los rostros indexados, y se escala a una puntuación. La iluminación, la ropa y el fondo apenas afectan a la medición; el ángulo, la resolución y la oclusión la afectan mucho. ### ¿Una puntuación de similitud significa un porcentaje de precisión? No. La puntuación es una distancia escalada entre dos medidas faciales. En Trace, 70 corresponde a una similitud de coseno de 0,363 —el umbral publicado por el equipo detrás del modelo de reconocimiento que usamos; por debajo de él, la propia definición del modelo dice «no es la misma persona». En nuestra propia medición en vivo, las coincidencias genuinas aparecieron en el rango 90–100 mientras que las búsquedas sin coincidencia genuina no superaron 86. Y ninguna puntuación es prueba de identidad. ### ¿Cuál debería usar? Si tu pregunta es «¿de dónde viene esta imagen, está robada?», usa búsqueda de imágenes — Google Lens y TinEye son gratuitos y mejores para eso, y TinEye además te da la fecha de la primera publicación. Si tu pregunta es «¿dónde más tiene cuenta este rostro?», usa búsqueda facial. El enfoque correcto combina las dos: **búsqueda de imágenes gratuita primero, búsqueda facial cuando esa quede vacía.** ### ¿Puede distinguir a gemelos idénticos? Normalmente no. Los gemelos idénticos producen medidas faciales muy cercanas y ambos obtienen puntuaciones altas; lo mismo pasa con parientes cercanos. Esta es la ilustración más concreta de por qué una puntuación no es prueba de identidad: un resultado siempre hay que leerlo junto con otra información.