Estimar la frecuencia cardíaca es importante para monitorear a los usuarios en diversas situaciones. Las estimaciones basadas en videos faciales están siendo cada vez más investigadas porque permiten el monitoreo de la información cardíaca de manera no invasiva y porque los dispositivos son más simples, ya que solo requieren cámaras que capturen el rostro del usuario. A partir de estos videos del rostro del usuario, el aprendizaje automático puede estimar la frecuencia cardíaca. Este estudio investiga los beneficios y desafíos de utilizar modelos de aprendizaje automático para estimar la frecuencia cardíaca a partir de videos faciales a través de patentes, conjuntos de datos y revisión de artículos. Hemos buscado en las bases de conocimiento de Derwent Innovation, IEEE Xplore, Scopus y Web of Science y hemos identificado siete solicitudes de patentes, once conjuntos de datos y veinte artículos sobre frecuencia cardíaca, fotopletismografía o datos de electrocardiograma. En cuanto a las patentes, notamos las ventajas de invenciones relacionadas con la estimación de la frecuencia cardíaca, tal como lo describen los autores. En cuanto a los conjuntos de datos, hemos descubierto que la mayoría de ellos son para fines académicos y con diferentes signos y anotaciones que permiten la cobertura para sujetos distintos a la estimación de la frecuencia cardíaca. En cuanto a los artículos, hemos descubierto técnicas, como la extracción de regiones de interés para la lectura de la frecuencia cardíaca y el uso de amplificación de video para la extracción de pequeños movimientos, y modelos, como EVM-CNN y VGG-16, que extraen la frecuencia cardíaca del individuo observado, las mejores regiones de interés para la extracción de señales y formas de procesarlas.