2019年我国人脸识别技术发展情况和发展趋势综合分析报告.docx

2019 年我国人脸识别技术发展情况及发展趋势综合分析 2019 年 2 月 14 日 一、全球生物识别细行业市场占比情况分析 生物识别指的是通过计算机与光学、声学、生物传感器和生物统计学原理等高科技手段相结合.利用人体固有的生理特性来进行个人身份鉴定技术。按不同的识别方式.生物识别可分为指纹识别、虹膜识别、语音识别、静脉识别和人脸识别。 伴随着生物识别产品逐渐从单一的PC 处理转变为分布式计算。用独立的前端独立设备来完成生物特征的采集、预处理、特征提取和比对.通过中心PC 或服务器完成与业务相关的处理。随着生物特征识别技术的不断发展和提高.生物特征识别技术的应用场景不断拓展. 预计 2015-2020 年全球生物识别细分行业复合增长率分别为：人脸识别复合增长率为 167%；语音识别为 100%；虹膜识别为 100%；指纹识别复合增长率为 73%。 全球生物识别细行业市场占比情况 二、中国人脸识别技术发展情况分析 1、中国人脸识别行业发展历程 人脸识别技术在中国的发展起步于上世纪九十年代末.经历了技术引进-专业市场导入-技术完善-技术应用-各行业领域使用等五个阶段。其中.2014 年是深度学习应用于人脸识别的关键一年.该年FaceBook 发表一篇名为“DeepFace 系统：达到肉眼级别的人脸识别系统”（翻译名）.之后 Face++创始人印奇团队以及香港中文大学汤晓鸥团队均在深度学习结合人脸识别领域取得优异效果.两者在 LFW 数据集上识别准确度均超过了 99%.而肉眼在该数据集上的识别准确度仅为97.52%.可以说深度学习技术让计算机人脸识别能力超越人类的识别程度。 人脸识别与其他生物识别方式相比.优势在于自然性、不被察觉性等特点。自然性即该识别方式同人类进行个体识别时所利用的生物特征相同。指纹识别、虹膜识别等均不具有自然性。不被察觉的特点使该识别方法不易使人抵触.而指纹识别或虹膜识别需利用电子压力传感器或红外线采集指纹、虹膜图像.在采集过程中体验感不佳。目前人脸识别需要解决的难题是在不同场景、脸部遮挡等应用时如何保证识别率。此外.隐私性和安全性也是值得考虑的问题。 2、3D 人脸识别与 2D 人脸识别数据对比 目前.国内的人脸识别技术已经相对发展成熟.该技术越来越多的被推广到安防领域.延伸出考勤机、门禁机等多种产品.产品系列达20 多种类型.可以全面覆盖煤矿、楼宇、银行、军队、社会福利保障、电子商务及安全防务等领域.人脸识别的全面应用时代已经到来。 中游人脸识别技术的进步.是推动下游场景应用拓展的关键所在。目前.人脸识别市场的解决方案主要包括 2D 识别、3D 识别技术。市场上主流的识别方案是采用摄像头的 2D 方案.但由于人的脸部并非 平坦.因此 2D 识别在将 3D 人脸信息平面化投影的过程中存在特征信息损失。3D 识别使用三维人脸立体建模方法.可最大程度保留有效信息.因此 3D 人脸识别技术的算法比 2D 算法更合理并拥有更高精度。 3D 人脸识别与 2D 人脸识别数据对比 人脸识别对场境要求非常强.产品能否达到实际使用要求.核心 并不只在于算法本身.还在于对场景的深耕。算法水平对于识别率的有力证明.也仅仅是停留在训练集与测试集之间.存在于实验室的“理论数值”。而现实生活中人脸的获取过程有大量不可控因素.光的方向、强度.是否有胡须、发型的变化.是否有表情都会影响识别效果。多种因素叠加后.真实环境下测得的准确率可能只有75%左右.甚至更 低。因此.需要针对场景的不同特点收集大量场景数据.不断调试参数、组合算法、方法.甚至使用外围硬件辅助以提升效果.不断迭代以实现 产品化。除此之外.还要在工程上满足计算量、延迟、可维护性等需 求。 3、我国人脸识别技术应用现状分析 如果说 2014 年是我国人脸识别技术的转折点.使人脸识别技术从理论走向了应用.那么 2018 年就是人脸识别技术全面应用的重要节点.“刷脸”时代正式到来。 从目前我国人脸识别技术的应用来看.主要集中在三大领域：金融、安防以及考勤/门禁。 我国人脸识别技术应用占比统计情况 4、中国人脸识别技术专利申请数量及国人脸识别专利公开数量情况分析 随着人脸识别技术的不断成熟.人脸识别技术逐渐被人们所熟知. 同时.计算机、光学成像等相关技术的高速发展.人脸识别在各领域的应用不断拓展.人脸识别行业市场持续增长。数据显示.2017 年中国人脸识别行业市场规模达到 21.91 亿元.随着人脸识别技术在各行业应用渗透的不断深入.预计 2018 年中国人脸识别市场规模将达到 27.61 亿元。 2015 年以来.国家持续出台利好政策.为人脸识别技术在安防、医疗、金融等领域的应用打下了将坚实的基础。在政策支持力度明显加大的背景下.人脸识别技术热度不断提升.资本纷纷入局.一批明星企