La demanda de sistemas de reconocimiento facial está aumentando a gran velocidad, implementándose cada vez sus métodos en un mayor número de aplicaciones e incluso llegando a considerarse normal o imprescindibles dentro de algunas instituciones o ámbitos del mercado. Esto ha impulsado fuertemente el desarrollo en este campo en los últimos años, llegando a alcanzarse resultados muy fiables que han llegado a superar el reconocimiento hecho por los humanos en aquellos escenarios en los que las imágenes analizadas habían sido capturadas en condiciones controladas. De cualquier modo, todavía hay mucho rango de mejora en aquellos casos en los que las imágenes se tomaron en entornos no controlados, en los que se plantean un gran número de desafíos para los algoritmos de detección y reconocimiento. Este caso es especialmente claro en el campo de la videovigilancia en el que además se debe identificar dentro de un gran volumen de datos y la calidad de las imágenes suele ser baja, por lo que se necesita que los algoritmos sean rápidos y robustos. Este TFG se ha dividido en dos partes. En la primera parte se ha desarrollado un demostrador de tecnologías de reconocimiento facial dotado de una interfaz de usuario sobre la que poder evaluar diferentes algoritmos del estado del arte. El sistema desarrollado explota las características extraídas a partir de redes convolucionales entrenadas a partir de grandes bases de datos de caras. A partir del demostrador desarrollado se han creado dos aplicaciones: a) Un buscador de similitudes en el que se toma una imagen, se detecta la cara y, tras comparar su información con la de las imágenes de una base de datos, te devuelve una lista ordenada con las identidades de las personas presentes en la base de datos con las que tiene un mayor parecido y en la que no necesariamente tiene porqué estar la identidad buscada; b) un sistema de identificación facial en el que a diferencia del buscador de similitudes, el objetivo es identificar a los usuarios capturados a partir de imágenes suyas etiquetadas. En la segunda parte del TFG se tratará de mejorar el rendimiento de los algoritmos de reconocimiento para casos de imágenes captadas en entornos no controlados. Para ello, se proponen diferentes hipótesis, todas ellas basadas en la selección de características dependientes del usuario. Mediante la aplicación de estas hipótesis se han conseguido resultados positivos, alcanzando reducción del error de hasta un 31% en el rendimiento en aquellos casos en los que se cuenta con un número muy reducido de imágenes de galería con las cuales comparar.