人脸识别分析.docVIP

中软高科分析 行业分析 行业定义 中软高科属于人脸识别行业，人脸识别，是基于人的脸部特征信息进行身份识别的一种生物识别技术。用摄像机或摄像头采集含有人脸的图像或视频流，并自动在图像中检测和跟踪人脸，进而对检测到的人脸进行脸部的一系列相关技术，通常也叫做人像识别、面部识别。 2、行业特点 从表1中，我们可以看出指纹和虹膜生物特征识别技术各个方面都比较好，与指纹、虹膜相比，它们的稳定性包括性能都比较好，但指纹、虹膜识别技术需要被识别者在设备前停留、触摸，而人脸识别只要人经过摄像头，摄像头就会将人脸拍摄下来，这种识别方式适合在公共场合、特别是人群聚集处使用。 与传统的身份鉴定手段相比，基于人脸生物特征信息的身份鉴定技术具有以下优点： ①用户易接受：简单易用，对用户无特殊要求。②防伪性能好：不易伪造或被盗。③“随身携带”：不用担心遗漏或丢失，随时随地可用。 此外，人脸识别还有精度较高等优点。鉴于人脸识别技术在个人身份鉴定方面的众多优点，这项技术可以在很多领域得到应用。 3、行业规模 诞生之初，人脸识别技术就受到人们的普遍关注，随着计算机、光学成像等相关技术的高速发展，人脸识别技术得到越来越多的应用，市场规模持续提升。《2015 全球安防设备市场报告》显示，我国人脸识别市场规模从 2012 年的 16.7亿元,上升至 2015 年的 75 亿元，未来五年之内，国内人脸识别的市场规模可能将达到 1000 亿元。人脸识别主要应用领域市场规模，公安领域 16 亿以上、交通领域 50 亿以上、金融领域百亿级别、教育领域百亿级别，在不考虑大安防硬件存量市场的前提下，整体市场规模就达到数百亿。马云在 2015 年的 Cebit 展会展示“刷脸支付”后，人脸识别技术在大众中的认知度快速提升，在各行业应用渗透持续加速。人脸识别作为人工智能模式识别中应用领域最为广泛的细分行业，伴随安防、交通等新增市场的打开，预计整体市场规模有望呈现爆发式增长。 4、行业政策 自2015 年以来，国家密集出台了《关于银行业金融机构远程开立人民币账户的指导意见（征求意见稿）》、《安全防范视频监控人脸识别系统技术要求》、《信息安全技术网络人脸识别认证系统安全技术要求》等法律法规，为人脸识别在金融、安防、医疗等领域的普及打下了坚实的基础，扫清了政策障碍。同时，国务院正式印发了《新一代人工智能发展规划》（以下简称《规划》）。根据《规划》，到2020年，中国人工智能总体技术和应用与世界先进水平同步，人工智能产业成为新的重要经济增长点；《规划》描绘了未来十几年我国人工智能发展的宏伟蓝图，确立了“三步走”目标：到2020年人工智能总体技术和应用与世界先进水平同步；到2025年人工智能基础理论实现重大突破、技术与应用部分达到世界领先水平；到2030年人工智能理论、技术与应用总体达到世界领先水平，成为世界主要人工智能创新中心。作为人工智能的重要细分领域，可以预见人脸识别相关政策支持力度将不断增强。 5、行业发展及应用 人脸识别最初在 20 世纪 60 年代已经有研究人员开始研究，真正进入初级的应用阶段是在 90 年代后期，发展至今其技术成熟度已经达到较高的程度。整个发展过程可以分为机械识别、半自动化识别、非接触式识别、及互联网应用阶段。 人脸识别的基本流程： 人脸识别的算法： 近十余年来，随着高速度高性能计算机的发展，人脸模式识别技术有了较大的突破，提出了多种机器全自动识别系统。根据人脸表征方式的不同，我们通常将人脸正面自动模式识别技术分成三类：基于几何特征的识别方法、基于代数特征的识别方法和基于连接机制的识别方法。当然，还有一种常见的观点是将人脸识技术分为基于整体人脸特征的识别技术（特征脸方法和神经网络方法）和基于人脸组成部件（眼睛等）特征的识别技术。 人脸识别的应用： 人脸识别算法的应用分类派系： 在应用上，人脸识别也分很多层级，目前在我国应用最多还是1：1等级，也就是人脸识别中最初级的“证明你是你”。 人脸识别对应解决方案方向： 人脸识别最难的部分是有充分适应各大光线环境的人脸预处理算法，需要在各种复杂的光线环境中提取到人脸信息，特别是移动互联网时代，摄像头拍照的地方可以在斑驳的树影下，也可以在昏暗的街灯下，以及深夜出租车内，这对算法的鲁棒性考验极大。同时还要考虑照片和视频欺诈，二次成像的光线污染等问题。在光线复杂的场景下，目前识别身份证和现场照片里的人脸准确率只有约75%，仍低于人类整体的识别水平。 二：同行分析 目前国内做人脸识别的公司很多，集成应用的有数百家，比较具有实力的有百度，腾讯的优图，阿里巴巴，商汤科技（Sense Time），云从科技，旷视科技(Face++)，依图科技，格灵深瞳，图普科技、中科视拓、中科奥森、ULSee、海鑫智圣、商周锐视、飞搜科技、阅