2014年面部识别行业分析精品报告.docVIP

2014年面部识别行业分析报告 2014年8月 目 录 一、面部识别的技术原理 4 1、人体生物特征 4 2、与指纹及虹膜识别的比较 5 3、方法及原理 6 （1）特征脸识别方法 6 （2）基于几何特征的方法 6 （3）神经网络方法 6 4、技术现状 7 二、面部识别的应用领域 8 1、身份核查、人脸布控 8 （1）快速确定人员身份 8 （2）准确定位重点人员 9 2、门禁系统、考勤方案 10 （1）门禁防尾随 10 （2）人脸考勤系统 11 3、出入控制、人数统计 11 4、汽车驾驶监控 12 5、社交娱乐应用 13 三、面部识别的市场规模 14 四、面部识别的相关企业 16 1、国际企业 16 （1）A4 Vision 16 （2）Cognitec System 17 （3）Safran（L-1 Identity） 17 2、国内企业 18 （1）汉王科技（002362） 18 （2）北京海鑫科金（430021） 19 （3）上海银晨 20 （4）北京中科奥森 20 （5）深圳飞瑞斯 20 一、面部识别的技术原理 面部识别是根据人体生物特征进行区分和认知个人的一种方式；除人脸外，还可通过指纹、虹膜等先天特征，以及声纹、签名等后天特性来区分。由于面部识别的隐蔽性及安全性，该技术已经得到了广泛的应用。 1、人体生物特征 人体的生物特征包括生理特征和行为特征两大类；生理特征主要包括人脸、指纹、掌纹、掌形、虹膜、视网膜、静脉、DNA、颅骨等，这些特征是与生俱来的，是先天形成的；行为特征包括声纹、签名、步态、耳形、按键节奏、身体气味等，这些特征是由后天的生活环境和生活习惯决定的。在识别个人时，为准确识别其身份，通常使用先天特征来辨认。 我们简要比较了主流的五种生物特征识别方式，可以看到面部识别的优势体现在：（1）识别准确快速；（2）隐蔽，适合特殊情况使用；（3）非接触使用安全卫生；（4）使用方便无须学习和改变使用习惯；（5）设备成本低，使用寿命长。 2、与指纹及虹膜识别的比较 从 2007 年International Biometric Group 的统计数据来看，AFIS（自动指纹识别系统）与Fingerprint（指纹识别）占整个生物识别市场份额的58.9%；面部识别占比排名第二，为12.9%；虹膜识别第三，占5.1%。面部识别包括热成像技术和视频识别两种，热成像技术主要透过分析人脸血液产生的热辐射来产生面部图像，并且不需要良好的光源，即使黑暗中也能正常使用；但由于先发优势，视频面部识别是最常见的身份识别方式，我们这里所说的面部识别也指视频识别。 虽然面部识别的准确性要低于虹膜、指纹的识别，但由于它的无害性和隐蔽性，使面部识别成为最容易被接受的生物特征识别方式。 3、方法及原理 （1）特征脸识别方法 特征脸方法基于KL 变换，是图像压缩的一种最优正交变换。高维的图像空间经过KL 变换后得到一组新的正交几何特征的面部识别基，保留其中重要的正交基，由这些基可以转成低维线性空间。如果假设人脸在这些低维线性空间的投影具有可分性，就可以将这些投影用作识别的特征矢量，这就是特征脸方法的基本思想。这些方法需要较多的训练样本，而且完全是基于图像灰度的统计特性的。 目前有一些改进型的特征脸方法。特征脸方法是面部识别的主流, 也是目前最好的方法。 （2）基于几何特征的方法 是早期的面部识别方法之一。常采用的几何特征有人脸的五官如眼睛、鼻子、嘴巴等的局部形状特征，脸型特征以及五官在脸上分布的几何特征。提取特征时往往要用到人脸结构的一些先验知识。 识别所采用的几何特征是以人脸器官的形状和几何关系为基础的特征矢量，本质上是特征矢量之间的匹配。 （3）神经网络方法 Gutta 等提出了混合神经网络、Lawrence 等通过一个多级的SOM（自组织映射）实现样本的聚类，将卷积神经网络CNN 用于面部识别、Lin 等采用基于概率决策的神经网络方法；Demers 等提出采用主元神经网络方法提取人脸图像特征，用自相关神经网络进一步压缩特征，最后采用一个MLP（多层感知器）来实现面部识别。 实际上，无论使用何种方法，其基本思想基本类似，都是基于人脸检测后，进行图像处理并获取其特征，再与数据库中资料对比的过程。因此，图像处理、特征提取、对比算法是面部识别技术的核心能力。 4、技术现状 在一项由美国政府资助的研究活动中，自1993 年以来，面部识别的准确率已经得到了明显的提高；识错率从1993 年的0.79 大幅提升到2010 年的0.003。 但是面部识别技术还面临一些不足：如发型变换、摘带眼镜、蓄留胡子等情况就会失去一定效力，另外当光线不足、或有异物遮挡之时也会降低功效。只有依靠其核心算法的改进，识别技术的进步才能进一步拓展应用空间。 二、面部识别的应用领域