API de estimación de edad con selfie

La estimación de edad de Didit predice la edad de una persona a partir de un selfie, con prueba de vida pasiva incluida, para que puedas restringir por edad tus servicios sin pedir un documento de identidad a cada usuario. El modelo es más preciso justo donde se decide el control de edad: su error absoluto medio es de 1.0 año para personas de 13 a 17 años y de 1.8 años para las de 18 a 20 (consulta Rendimiento del modelo).

​

Métodos de estimación de edad

Nuestra plataforma implementa la estimación de edad junto con distintas tecnologías de verificación de prueba de vida:

Método	Descripción	Nivel de seguridad	Ideal para
3D Action & Flash	• Combina una verificación biométrica multifactor con una secuencia de acciones aleatoria y un análisis dinámico de patrones de luz. • Al comenzar, se pide al usuario una acción sencilla, como parpadear o asentir, lo que asegura la interacción en tiempo real. • A la vez, el sistema proyecta una secuencia de patrones de luz sobre el rostro y analiza los reflejos para confirmar la estructura tridimensional de la cara. • Los algoritmos de aprendizaje profundo examinan las microexpresiones y las respuestas a los reflejos de luz para verificar la presencia de una persona real. • Ofrece la máxima seguridad al integrar señales de comportamiento (acción) y físicas (profundidad basada en luz), lo que hace casi imposible suplantarlo con imágenes estáticas, vídeos o incluso máscaras avanzadas.	Máximo	Aplicaciones bancarias, sanitarias y gubernamentales
3D Flash	• Usa un análisis dinámico de patrones de luz para validar la topología facial sin requerir interacción del usuario. • Proyecta una serie de patrones de luz sobre el rostro a más de 30 fotogramas por segundo y analiza los reflejos para crear un mapa de profundidad. • Este mapa de profundidad confirma la estructura tridimensional del rostro y lo distingue de imágenes planas o suplantaciones 2D. • Ofrece una experiencia fluida y mantiene una alta seguridad frente a ataques de presentación como fotos o pantallas.	Alto	Servicios financieros, acceso a cuentas, verificación de identidad
Passive Liveness	• Se basa en un análisis de aprendizaje profundo de un solo fotograma para detectar indicios de vida. • Por privacidad, el rostro del usuario aparece borroso en la interfaz, lo que le asegura que su imagen se analiza solo para estimar la edad y no para identificarlo. • Examina la imagen en busca de artefactos, patrones de textura y otros indicadores sutiles que diferencian un rostro real de una suplantación. • Una red neuronal convolucional (CNN) valida los rasgos faciales e identifica anomalías, como las de fotos impresas o pantallas digitales. • Ofrece una verificación rápida y cómoda, pero con una seguridad estándar, adecuada para casos de uso de bajo riesgo.	Estándar	Escenarios de baja fricción, aplicaciones de consumo

Cada método genera una estimación de edad precisa junto con puntuaciones de confianza y datos complementarios de estimación de género.

​

Umbrales configurables

Puedes personalizar los niveles de seguridad definiendo distintos umbrales para la estimación de edad. Por ejemplo:

​

Restricciones de edad por país

Las restricciones de edad se pueden configurar por país, ya que la mayoría de edad legal varía entre jurisdicciones. En lugar de fijar una única edad mínima o máxima global, puedes definir límites de edad específicos para cada país, e incluso para estados o regiones concretos dentro de un país.

​

Cómo funciona

• Configuración a nivel de país: define una edad mínima y/o máxima para cada país (identificado por el estado emisor del documento). Por ejemplo, puedes exigir una edad mínima de 18 años en Estados Unidos, 19 en Corea del Sur y 21 en los Emiratos Árabes Unidos.
• Excepciones por estado o región: para países con variaciones subnacionales (como Estados Unidos o México), puedes configurar excepciones por estado. Por ejemplo, Misisipi puede exigir una edad mínima de 21 años mientras que el valor predeterminado de EE. UU. es 18. El sistema identifica el estado a partir de la región que el OCR extrae del documento.
• Valores predeterminados de mayoría de edad: la consola ofrece un botón de un clic, “Aplicar mayoría de edad”, que rellena automáticamente la edad mínima de cada país según la mayoría de edad legal conocida en todo el mundo. Después puedes personalizar países o estados concretos según necesites.
• Acciones configurables: cuando la edad de un usuario es inferior al mínimo o superior al máximo del país de su documento, puedes elegir la acción: Rechazar o Revisar.

​

Ejemplo de configuración

​

Cómo funciona

​

Estimación de edad adaptativa

Para los escenarios en los que la verificación precisa de la edad es crítica, nuestra plataforma ofrece una estimación de edad adaptativa con respaldo de verificación de identidad. Este enfoque equilibra la comodidad del usuario y el cumplimiento normativo.

​

Cómo funciona la estimación de edad adaptativa

​

Qué devuelve el respaldo

La coincidencia facial de respaldo se ejecuta sin un nodo de coincidencia facial en el flujo, por lo que aparece en la decisión de la sesión de una forma que es fácil confundir con una comprobación que nunca configuraste:

• features incluye FACE_MATCH además de AGE_ESTIMATION y ID_VERIFICATION una vez que se ha ejecutado el respaldo.
• face_matches[] contiene una entrada con el score, el source_image (retrato del documento) y el target_image (selfie de la estimación de edad). Su node_id es el nodo de estimación de edad (feature_age_estimation en un flujo nativo) porque la coincidencia pertenece a ese paso y no a un paso de coincidencia facial.
• Una puntuación baja genera las advertencias habituales de coincidencia facial y puede enviar la sesión a revisión o rechazo, igual que lo haría un nodo de coincidencia facial configurado.
• No se factura como coincidencia facial: la sesión se cobra solo por la estimación de edad y por la verificación de identidad.

Las sesiones que se aprueban o rechazan solo con el selfie nunca ejecutan el respaldo, por lo que devuelven face_matches: null. Para mantener las imágenes fuera del payload de la decisión, limita los campos de face_matches con los atributos de respuesta del flujo.

​

Ventajas de la estimación de edad adaptativa

• Menos fricción: la mayoría de los usuarios completan la verificación solo con un selfie
• Mayor cumplimiento: los casos inciertos reciben una verificación documental completa con reglas de edad específicas de cada país
• Eficiencia de costes: la verificación de identidad solo se usa cuando es necesaria
• Tolerancia al riesgo personalizable: ajusta los umbrales según tus requisitos normativos
• Atención a la jurisdicción: aplica automáticamente la mayoría de edad correcta según el país y la región emisores del documento del usuario

Este enfoque es especialmente valioso para servicios con restricción de edad, como los juegos en línea, la entrega de alcohol y las plataformas de contenido para adultos, donde es esencial equilibrar la experiencia de usuario con el cumplimiento normativo.

​

Rendimiento del modelo y estadísticas

Las cifras siguientes proceden de una evaluación con 51,655 selfies de personas de 13 años o más, con la edad de cada persona tomada de su documento de identidad verificado. Cada estimación la produjo un modelo que nunca había visto ese selfie, ni a esa persona, durante el entrenamiento. Las cifras globales están ponderadas según una mezcla de evaluación con un 10% de menores de 18 años y adultos con la distribución de edad del tráfico real; cada rango de edad se indica por separado más abajo.

​

Métricas de precisión

Métrica	Valor	Descripción
Error absoluto medio (MAE)	2.8 años	Diferencia media entre la edad estimada y la del documento
Desviación estándar	3.0 años	Dispersión del error absoluto de una estimación a otra
Precisión dentro de ±5 años	84%	Porcentaje de estimaciones a menos de 5 años de la edad del documento
Precisión dentro de ±3 años	65%	Porcentaje de estimaciones a menos de 3 años de la edad del documento

​

Rendimiento por rangos de edad

El error es menor en torno a las edades en las que se decide el control de edad, y crece con la edad.

Rango de edad	Selfies	MAE (años)	Desviación estándar (años)
13-15	5,003	1.24	1.14
16-17	10,933	0.90	1.05
18-20	5,436	1.81	1.79
21-25	8,640	2.29	1.90
26-40	15,182	2.95	2.39
41-60	5,830	3.62	3.27
Más de 60	631	6.53	8.64