人臉識別簡介

　　生物識別是指通過計算機與光學、聲學、生物傳感器和生物統計學原理等高科技手段密切結合，利用人體固有的生理特性來進行個人身份鑒定技術。與傳統的密碼檢驗方式相比，生物識別技術基于人的生物特性，具有易測量、排他性以及終身不變的特點，擁有檢驗快速、結果更準確的優勢。目前主流的生物識別方式分別為指紋識別、虹膜識別、語音識別、靜脈識別和人臉識別。

　　人臉識別與其他生物識別方式相比，優勢在于自然性、不被察覺性等特點。自然性即該識別方式同人類進行個體識別時所利用的生物特征相同。指紋識別、虹膜識別等均不具有自然性。不被察覺的特點使該識別方法不易使人抵觸，而指紋識別或虹膜識別需利用電子壓力傳感器或紅外線采集指紋、虹膜圖像，在采集過程中體驗感不佳。目前人臉識別需要解決的難題是在不同場景、臉部遮擋等應用時如何保證識別率。此外，隱私性和安全性也是值得考慮的問題。

　　圖表1：五種生物識別技術性能對比

　　人臉識別優勢明顯，未來將成為識別主導技術。相比指紋識別、虹膜識別等傳統的生物識別方式，優點主要還集中在四點：非接觸性、非侵擾性、硬件基礎完善和采集快捷便利，可拓展性好。在復雜環境下，人臉識別精度問題得到解決后，我們預計人臉識別有望快速替代指紋識別成為市場大規模應用的主流識別技術。

　　圖表2：人臉識別的優勢

　　人臉識別按照識別方式應用的不同主要分為1:1、1：N和M：N三種模式：

　　圖表3：人臉識別三種不同的識別模式

　　中國人臉識別行業發展歷程

　　人臉識別技術在中國的發展起步于上世紀九十年代末，經歷了技術引進-專業市場導入-技術完善-技術應用-各行業領域使用等五個階段。其中，2014年是深度學習應用于人臉識別的關鍵一年，該年FaceBook發表一篇名為“DeepFace系統：達到肉眼級別的人臉識別系統”(翻譯名)，之后Face++創始人印奇團隊以及香港中文大學湯曉鷗團隊均在深度學習結合人臉識別領域取得優異效果，兩者在LFW數據集上識別準確度均超過了99%，而肉眼在該數據集上的識別準確度僅為97.52%，可以說深度學習技術讓計算機人臉識別能力超越人類的識別程度。

　　目前，國內的人臉識別技術已經相對發展成熟，該技術越來越多的被推廣到安防領域，延伸出考勤機、門禁機等多種產品，產品系列達20多種類型，可以全面覆蓋煤礦、樓宇、銀行、軍隊、社會福利保障、電子商務及安全防務等領域，人臉識別的全面應用時代已經到來。

　　圖表4：中國人臉識別行業發展歷程

　　中國人臉識別行業市場現狀

　　前瞻產業研究院根據人臉識別行業發展現狀，估算我國人臉識別市場規模約占全球市場的10%左右。2010-2016年，我國人臉識別市場規模逐年增長，年均復合增長率達27%。2016年，我國人臉識別行業市場規模約為17.25億元，同比增長28.0%。

　　圖表5：2010-2017年中國人臉識別行業市場規模(單位：億元)

　　以上數據及分析均來自于前瞻產業研究院《2018-2023年中國人臉識別行業市場前瞻與投資戰略規劃分析報告》。