人脸识别调研报告2021

行业概况

人脸识别定义

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。
主流的生物识别方式有：指纹识别、虹膜识别、语音识别、静脉识别和人脸识别。
人脸识别主要包括：图像采集、人脸检测、预处理、人脸特征点提取和人脸匹配等流程。
人脸识别的优势：具有非接触性、非侵扰性、硬件基础完善和采集快捷便利、可拓展性好。

人脸识别市场规模

全球人脸识别市场渗透率快速攀升，产业正进入增长快车道，2020年全球市场规模已突破38亿美元；
中国市场复合年增长率超过全球平均水平，有望成为全球最大的人脸识别市场。

人脸识别产业全景图谱

随着人脸识别的快速发展，行业已基础支撑、核心技术和场景应用间建立了初步的链条。
上游为基础层。包括人工智能芯片和传感设备等硬件、以及基础算法和数据集。
中游为技术层。由人脸识别和数据库对比检验等技术层构成，包括人脸检测、人脸识别等。
下游为应用层。直接解决具体应用场景的需求，产品的形式可能是应用系统，也可能是软硬件一体的终端产品或服务等。

上游基础层

包括芯片和传感器设备等硬件支持、算法支持及数据支持。

芯片

目前GPU是人脸识别领域AI芯片的主导者。因DL算法对算例资源需求高，常见芯片有GPU、FPGA、ASIC、DSP，各有利弊，适应不同需求。
视觉传感器主要有CCD、CMOS、红外传感器等。随着3D人脸识别市场的增长，3D人脸识别的产业链正在逐步优化。

算法

CNN是人脸识别方面最常用的一类深度学习方法。DL方法的主要优势是可用大量数据来训练，从而学到对训练数据中出现的人脸表征。

数据

人脸数据库：PubFig、Colorferet、LFW、YouTube Faces、IMDB-WIKI、FDDB、Caltech、CASIA-WebFace及CelebA等

中游技术层

由视频人脸识别、图片人脸识别和数据库对比检验等技术层构成，大体包括人脸检测、人脸预处理、特征提取、比对识别、活体检测五大步骤，是推动下游场景应用拓展的关键所在。

各步骤作用：其中人脸检测、人脸预处理、特征提取可统称为人脸视图解析过程，即从视频和图像中检测出人脸，通过图像质量判断，选取合适的人脸图片，提取人脸特征向量，用于后续比对识别；比对识别处理可以分为人脸验证（1：1）和人脸辨识（1：N）两类；活体检测算法用以判断人脸识别处理中的人脸图像，是否采集自真实人体。

下游应用层

具体的场景应用，即应用方案、终端或服务等。
目前国内人脸识别行业应用的主要场景为：智慧安防与智慧金融，二者市场占比之和超过80%。

技术发展认识

关键技术-人脸活体检测

由于设备与成本的原因，目前市场上采用配合式活体检测为主，但非配合式活体检测具有巨大优势，是未来发展的方向。

配合式活体检测

配合式活体检测是最常见的活体检测方式，通过眨眼、张嘴等组合动作，使用人脸关键点定位和人脸追踪等技术，验证用户是否为真实活体本人操作。
配合式活体检测出现较早，成本低，算法简单，但用户体验差，使用复杂。

非配合式活体检测

无需用户进行额外动作，可直接甄别纸张照片、屏幕成像、人脸面具等伪造人脸攻击。
优势与有点：

1. 速度快：无需动作指令配合，能够在更短的时间内出结果。
2. 自然性好：无论是在有意还是无意的情况下，均不影响检测结果。
3. 简单方便：识别速度快，用户操作简单便捷。
4. 非接触性

主要技术路线包括：红外图像活体检测，3D结构光活体检测，IR双目红外活体，RGB单目活体等

应用热点追踪

行业应用场景分布概况

行业各应用场景中，智慧安防市场份额最大、创新也最为活跃，其次是智慧金融。

热点安防应用-刑侦

典型企业布局：海康威视、大华、云天励飞和依图
深耕安防领域，助力公安刑侦。

智慧金融应用-无人零售

典型企业布局：阿里巴巴、腾讯、旷视和云从

情报成果洞察

总结

• 行业技术发展较为成熟，基本实现了从学术研究到产业实践，目前已大规模商业化普及。国内企业在中下游大量布局，并试图突破海外企业在上游高端芯片等领域的垄断与制约。
• 安防和金融领域应用最热、市场较为饱和，3D人脸识别和活体检测技术引领行业新一轮创新。
• 个人隐私泄露问题成为行业发展的重要隐患，同时，美国市场专利诉讼风险较高，部分NPE伺机而动。