Hoy en día, existen muchas métricas para la Calidad de Experiencia (QoE) en general, tanto aquellas con Referencia Completa (FR), como la Relación de Señal a Ruido Pico (PSNR) o la Similitud Estructural (SSIM), como aquellas sin Referencia (NR), como los Indicadores de Calidad de Video (VQI), que se utilizan con éxito en sistemas de procesamiento de video para evaluar videos cuya calidad se ve degradada por diferentes escenarios de procesamiento. Sin embargo, no son adecuados para secuencias de video utilizadas para tareas de reconocimiento (Videos de Reconocimiento de Objetivos, TRV). Por lo tanto, estimar correctamente el rendimiento del proceso de procesamiento de video en tareas de reconocimiento manuales y de Visión por Computadora (CV) sigue siendo un desafío importante en la investigación. Existe la necesidad de métodos objetivos para evaluar la calidad del video en tareas de reconocimiento. En respuesta a esta necesidad, mostramos en este documento que es posible desarrollar el nuevo concepto de un modelo objetivo para evaluar la calidad del video en tareas de reconocimiento facial. El modelo se entrena, prueba y valida en un conjunto representativo de secuencias de imágenes. El conjunto de escenarios de degradación se basa en el modelo de una cámara digital y en cómo el flujo luminoso reflejado desde la escena eventualmente se convierte en una imagen digital. Las imágenes degradadas resultantes se evalúan utilizando una biblioteca de CV para reconocimiento facial, así como VQI. La precisión medida de un modelo, expresada como el valor del parámetro de F-measure, es 0.87.