Los sistemas de seguimiento ocular han surgido como herramientas valiosas en varios campos de investigación, incluyendo la psicología, la medicina, el marketing, la seguridad automovilística y la publicidad. Sin embargo, los altos costos del hardware especializado necesario impiden la adopción generalizada de estos sistemas. Las técnicas de estimación de la mirada basadas en la apariencia ofrecen una alternativa rentable que puede depender únicamente de cámaras RGB, aunque con una precisión reducida. Por lo tanto, el objetivo de nuestro trabajo fue presentar un sistema de seguimiento ocular en tiempo real con hardware de gama baja que aproveche las técnicas basadas en la apariencia mientras supera sus desventajas para hacer que los datos de la mirada sean accesibles a más usuarios. Nuestro sistema emplea algoritmos de aprendizaje automático rápidos y ligeros de una biblioteca externa llamada MediaPipe para identificar puntos de referencia faciales en 3D. Además, utiliza una serie de técnicas de visión por computadora ampliamente reconocidas, como transformaciones morfológicas, para rastrear eficazmente los movimientos oculares. La precisión y exactitud del sistema desarrollado en el reconocimiento de sacadas y fijaciones cuando los movimientos oculares son principalmente horizontales se probaron a través de una comparación cuantitativa con el EyeLink 1000 Plus, un rastreador ocular profesional. Basándonos en los resultados registrados alentadores, creemos que es posible adoptar el sistema presentado como una herramienta para recuperar rápidamente información confiable sobre la mirada.