河南关于成立人脸识别设备生产制造公司可行性报告

河南关于成立人脸识别设备生产制造公司

可行性报告

规划设计/投资方案/产业运营

报告摘要说明

视觉人工智能是中国人工智能市场上最大的组成部分。根据中国信通

院数据，2017年中国人工智能市场中视觉人工智能的占比超过37%。在视

觉人工智能领域，安防影像分析是最大的应用场景，2017年占比约67.9%。其他主要应用包括广告、互联网、云服务、手机等。

xxx公司由xxx实业发展公司（以下简称“A公司”）与xxx公司（以下简称“B公司”）共同出资成立，其中：A公司出资770.0万元，占公司股份71%；B公司出资310.0万元，占公司股份29%。

xxx公司以人脸识别设备产业为核心，依托A公司的渠道资源和B

公司的行业经验，xxx公司将快速形成行业竞争力，通过3-5年的发展，成为区域内行业龙头，带动并促进全行业的发展。

xxx公司计划总投资20453.59万元，其中：固定资产投资

14226.37万元，占总投资的69.55%；流动资金6227.22万元，占总投

资的30.45%。

根据规划，xxx公司正常经营年份可实现营业收入46410.00万元，总成本费用36589.70万元，税金及附加378.25万元，利润总额

9820.30万元，利税总额11553.07万元，税后净利润7365.22万元，

纳税总额4187.84万元，投资利润率48.01%，投资利税率56.48%，投

资回报率36.01%，全部投资回收期4.28年，提供就业职位938个。

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。通常采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。人脸识别系统主要包括四个组成部分，分别为人脸图像采集及检测、人脸识别预处理、人脸图像特征提取以及匹配与识别。

第一章总论

一、拟筹建公司基本信息

（一）公司名称

xxx公司（待定，以工商登记信息为准）

（二）注册资金

公司注册资金：1080.0万元人民币。

（三）股权结构

xxx公司由xxx实业发展公司（以下简称“A公司”）与xxx公司（以下简称“B公司”）共同出资成立，其中：A公司出资770.0万元，占公司股份71%；B公司出资310.0万元，占公司股份29%。

（四）法人代表

李xx

（五）注册地址

xxx高新技术产业示范基地（以工商登记信息为准）

河南省，简称豫，中华人民共和国省级行政区。省会郑州，位于中国

中部，河南省界于北纬31°23'-36°22'，东经110°21'-116°39'之间，

东接安徽、山东，北界河北、山西，西连陕西，南临湖北，总面积16.7万

平方千米。河南素有九州腹地、十省通衢之称，是全国重要的综合交通枢

纽和人流物流信息流中心。河南省地势呈望北向南、承东启西之势，地势

西高东低，由平原和盆地、山地、丘陵、水面构成；地跨海河、黄河、淮河、长江四大水系。大部分地处暖温带，南部跨亚热带，属北亚热带向暖

温带过渡的大陆性季风气候；河南地处沿海开放地区与中西部地区的结合部，是中国经济由东向西梯次推进发展的中间地带。河南省下辖17个地级市，1个省直辖县级市，21个县级市，83个县，53个市辖区。2019年，河南省实现地区生产总值54259.20亿元，同比增长7.0%；总人口10952万人，常住人口9640万人。

（六）主要经营范围

以人脸识别设备行业为核心，及其配套产业。

（七）公司简介

xxx公司由A公司与B公司共同投资组建。公司全面推行“政府、市场、投资、消费、经营、企业”六位一体合作共赢的市场战略，以

高度的社会责任积极响应政府城市发展号召，融入各级城市的建设与

发展，在商业模式思路上领先业界，对服务区域经济与社会发展做出

了突出贡献。

依托A公司的渠道资源和B公司的行业经验，xxx公司将快速形成行业竞争力，通过3-5年的发展，成为区域内行业龙头，带动并促进

全行业的发展。

二、公司主营业务说明

根据规划，依托xxx高新技术产业示范基地良好的产业基础和创新氛围，充分发挥区位优势，全力打造以人脸识别设备为核心的产业示范项目。

生物识别，是指依靠人体的身体特征来进行身份验证的识别技术，目前较为主流的识别技术有：人脸识别、指纹识别、虹膜识别、语音识别等四类。

人脸识别系统可使用的特征通常分为视觉特征、像素统计特征、人脸图像变换系数特征、人脸图像代数特征等。人脸特征提取就是针对人脸的某些特征进行的，也称人脸表征，它是对人脸进行特征建模的过程。主要方法有基于知识的表征方法（主要包括基于几何特征法和模板匹配法）和基于代数特征或统计学习的表征方法。

第二章公司组建背景分析

一、人脸识别设备项目背景分析

人脸识别系统可使用的特征通常分为视觉特征、像素统计特征、

人脸图像变换系数特征、人脸图像代数特征等。人脸特征提取就是针

对人脸的某些特征进行的，也称人脸表征，它是对人脸进行特征建模

的过程。主要方法有基于知识的表征方法（主要包括基于几何特征法

和模板匹配法）和基于代数特征或统计学习的表征方法。

2018年11月16日，美国国家标准与技术研究院（NIST）公布了

全球权威人脸识别比赛（FRVT）最新报告，从前十名企业在千分之一

的误报率下的识别准确率来看，其平均能达到99.69%，在千万分之一

误报下的识别准确率超过99%。

意味着机器几乎可以做到在1000万人的规模下准确识别每一个人，而人脑记忆并辨别100个人的身份都很有可能犯错，相比于去年同期，全球人脸识别性能提升了80%，且中国企业占据榜单前五位，居世界领先水平，为人脸识别的技术落地提供技术面支撑。

从研究学者分布来看，中国占据世界第三的位置，人才储备居优

势地位。2018年，AMiner基于发表于国际期刊会议的学术论文，对人

脸识别领域全TOP1000的学者进行计算分析。

从全球范围来看，美国人脸识别研究学者聚集最多的国家，在人

脸识别领域的研究占有绝对的优势；英国紧随其后，位列第二；中国

位列全球第三，占有一席之地。可以看出，中国的追赶势头不容忽视。

从公开专利数量来看，2007-2017年，我国人脸识别专利公开数量总体呈上升趋势，为人脸识别商业化应用打下基础。

从每年新增数量来看，2007年新增专利尚不足百例，至2015年迎来了爆发，全年新增专利已达到1398例，至2017年，我国人脸识别

专利公开数量2698项，达到近年来最大值；截至2018年7月，专利

公开数量为2163项，技术实力的显著增强也为国内商业化产品的迅速

普及打下了坚实的基础。

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）》，给人脸识别普及打开；其后，《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，2017年人工智能首次写入国家政府报告，作为人工智能的

重要细分领域，国家对人脸识别相关的政策支持力度在不断的加大。2017年12月发布的《促进新一代人工智能产业发展三年行动计划

（2018-2020年）》则具体规划“到2020年，复杂动态场景下人脸识

别有效检出率超过97%，正确识别率超过90%”。

另外，工地场景上，住房和城乡建设部、人力资源社会保障部印

发《建筑工人实名制管理办法(试行)》明确提出：建筑企业应配备实

现建筑工人实名制管理所必须的硬件设施设备，施工现场原则上实施

封闭式管理，设立进出场门禁系统，采用人脸、指纹、虹膜等生物识

别技术进行电子打卡；不具备封闭式管理条件的工程项目，应采用移

动定位、电子围栏等技术实施考勤管理。相关电子考勤和图像、影像

等电子档案保存期限不少于2年。

2017年，全球AI创业公司获得资金支持152亿美元，其中48％

流向中国，38％流向美国，中国在人工智能初创公司的资金支持方面

已超过美国，而中国在人工智能上投入的资金主要专注于人脸识别核

心技术，仅在2017年就突破十亿美元大关，达到16.40亿美元。

此外，政府对人脸识别初创的资金支持已达亿级以上。仅在2017年，就有广州市政府和有国务院国资委背景的中国国有资本风险投资

基金对云从科技、旷视科技投入亿级以上资金。

2017年，全球视觉人工智能市场规模约为70亿美元，同比增长12.36%，而中国视觉人工智能市场规模达到41亿元，同比增长259.6%，

远高于全球市场的增速。随着视觉人工智能技术的逐渐成熟及应用领

域的逐步扩大，预计到2020年中国视觉人工智能市场规模将进一步扩大，达到755.5亿元。

人脸识别系统可使用的特征通常分为视觉特征、像素统计特征、

人脸图像变换系数特征、人脸图像代数特征等。人脸特征提取就是针

对人脸的某些特征进行的，也称人脸表征，它是对人脸进行特征建模

的过程。主要方法有基于知识的表征方法（主要包括基于几何特征法

和模板匹配法）和基于代数特征或统计学习的表征方法。

2018年11月16日，美国国家标准与技术研究院（NIST）公布了

全球权威人脸识别比赛（FRVT）最新报告，从前十名企业在千分之一

的误报率下的识别准确率来看，其平均能达到99.69%，在千万分之一

误报下的识别准确率超过99%。

意味着机器几乎可以做到在1000万人的规模下准确识别每一个人，而人脑记忆并辨别100个人的身份都很有可能犯错，相比于去年同期，全球人脸识别性能提升了80%，且中国企业占据榜单前五位，居世界领先水平，为人脸识别的技术落地提供技术面支撑。

从研究学者分布来看，中国占据世界第三的位置，人才储备居优

势地位。2018年，AMiner基于发表于国际期刊会议的学术论文，对人

脸识别领域全TOP1000的学者进行计算分析。

从全球范围来看，美国人脸识别研究学者聚集最多的国家，在人

脸识别领域的研究占有绝对的优势；英国紧随其后，位列第二；中国

位列全球第三，占有一席之地。可以看出，中国的追赶势头不容忽视。

从公开专利数量来看，2007-2017年，我国人脸识别专利公开数量总体呈上升趋势，为人脸识别商业化应用打下基础。

从每年新增数量来看，2007年新增专利尚不足百例，至2015年迎来了爆发，全年新增专利已达到1398例，至2017年，我国人脸识别

专利公开数量2698项，达到近年来最大值；截至2018年7月，专利

公开数量为2163项，技术实力的显著增强也为国内商业化产品的迅速

普及打下了坚实的基础。

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）》，给人脸识别普及打开；其后，《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，2017年人工智能首次写入国家政府报告，作为人工智能的重要细分领域，国家对人脸识别相关的政策支持力度在不断的加大。2017年12月发布的《促进新一代人工智能产业发展三年行动计划（2018-2020年）》则具体规划“到2020年，复杂动态场景下人脸识别有效检出率超过97%，正确识别率超过90%”。

另外，工地场景上，住房和城乡建设部、人力资源社会保障部印发《建筑工人实名制管理办法(试行)》明确提出：建筑企业应配备实现建筑工人实名制管理所必须的硬件设施设备，施工现场原则上实施封闭式管理，设立进出场门禁系统，采用人脸、指纹、虹膜等生物识别技术进行电子打卡；不具备封闭式管理条件的工程项目，应采用移动定位、电子围栏等技术实施考勤管理。相关电子考勤和图像、影像等电子档案保存期限不少于2年。

2017年，全球AI创业公司获得资金支持152亿美元，其中48％流向中国，38％流向美国，中国在人工智能初创公司的资金支持方面已超过美国，而中国在人工智能上投入的资金主要专注于人脸识别核心技术，仅在2017年就突破十亿美元大关，达到16.40亿美元。

此外，政府对人脸识别初创公司的资金支持已达亿级以上。仅在2017年，就有广州市政府和有国务院国资委背景的中国国有资本风险

投资基金对云从科技、旷视科技投入亿级以上资金。

2017年，全球视觉人工智能市场规模约为70亿美元，同比增长12.36%，而中国视觉人工智能市场规模达到41亿元，同比增长259.6%，远高于全球市场的增速。随着视觉人工智能技术的逐渐成熟及应用领

域的逐步扩大，预计到2020年中国视觉人工智能市场规模将进一步扩大，达到755.5亿元。

二、人脸识别设备项目建设必要性分析

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。通常采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。人脸识别系统主要包括四个组成部分，分别为人脸图像采集及检测、人脸识别预处理、人脸图像特征提取以

及匹配与识别。

人脸识别与其它生物识别技术相比，优势在于非接触性、非侵扰性、硬件基础完善、可拓展性。指纹识别唯一性比较强，采集成本较低，但是指纹可由指纹贴、指纹膜等复制，且接触性、侵扰性较强，

人脸识别与其相比接触性和侵扰性较低；虹膜识别最精准，但是采集

成本非常高，识别效率较低，接触性、侵扰性也较强，人脸识别与其

相比，采集成本低、识别效率高；语音识别采集成本低，但语音具有

可变性，人脸识别与其相比，识别效率高。

人脸图像的采集有两种途径，分别是：人脸图像的批量导入和人

脸图像的实时采集。前者是指将采集好的人脸图像批量导入至人脸识

别系统，系统会自动完成个人脸图像的采集工作；后者是指调用摄像

机或摄像头在设备的可拍摄范围内自动实时抓取人脸图像并完成采集

工作。

人脸图像的预处理是指对系统采集到的人脸图像进行光线、旋转、切割、过滤、降噪、放大缩小等处理来使得该人脸图像符合人脸图像

特征提取的标准要求。

目前主要有三种图像预处理手段，即灰度调整、图像滤波、图像

尺寸归一化。其中灰度调整是对地点、设备、光照等造成的图像质量

差异进行处理，图像滤波是对噪声造成的图像质量差异进行降噪处理，图像尺寸归一化是针对图像像素大小不同进行尺寸处理。

在图像中准确标定出人脸的位置和大小，并把其中有用的信息挑

出来（如直方图特征、颜色特征、模板特征、结构特征及Haar特征等），然后利用信息来达到人脸检测的目的。

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。通常采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。人脸识别系统主要包括四个组成部分，分别为人脸图像采集及检测、人脸识别预处理、人脸图像特征提取以

及匹配与识别。

人脸识别与其它生物识别技术相比，优势在于非接触性、非侵扰性、硬件基础完善、可拓展性。指纹识别唯一性比较强，采集成本较低，但是指纹可由指纹贴、指纹膜等复制，且接触性、侵扰性较强，

人脸识别与其相比接触性和侵扰性较低；虹膜识别最精准，但是采集

成本非常高，识别效率较低，接触性、侵扰性也较强，人脸识别与其

相比，采集成本低、识别效率高；语音识别采集成本低，但语音具有

可变性，人脸识别与其相比，识别效率高。

人脸图像的采集有两种途径，分别是：人脸图像的批量导入和人

脸图像的实时采集。前者是指将采集好的人脸图像批量导入至人脸识

别系统，系统会自动完成个人脸图像的采集工作；后者是指调用摄像

机或摄像头在设备的可拍摄范围内自动实时抓取人脸图像并完成采集

工作。

人脸图像的预处理是指对系统采集到的人脸图像进行光线、旋转、切割、过滤、降噪、放大缩小等处理来使得该人脸图像符合人脸图像

特征提取的标准要求。

目前主要有三种图像预处理手段，即灰度调整、图像滤波、图像

尺寸归一化。其中灰度调整是对地点、设备、光照等造成的图像质量

差异进行处理，图像滤波是对噪声造成的图像质量差异进行降噪处理，图像尺寸归一化是针对图像像素大小不同进行尺寸处理。

在图像中准确标定出人脸的位置和大小，并把其中有用的信息挑

出来（如直方图特征、颜色特征、模板特征、结构特征及Haar特征等），然后利用信息来达到人脸检测的目的。

三、鼓励中小企业发展

民间投资是我国制造业发展的主要力量，约占制造业投资的85%以上，党中央、国务院一直高度重视民间投资的健康发展。为贯彻党的

十九大精神，落实国务院对促进民间投资的一系列工作部署，工业和

信息化部与发展改革委、科技部、财政部等15个相关部门和单位联合

印发了《关于发挥民间投资作用推进实施制造强国战略的指导意见》，围绕《中国制造2025》，明确了促进民营制造业企业健康发展的指导

思想、主要任务和保障措施，旨在释放民间投资活力，引导民营制造

业企业转型升级，加快制造强国建设。中共中央、国务院发布《关于

深化投融资体制改革的意见》，提出建立完善企业自主决策、融资渠

道畅通，职能转变到位、政府行为规范，宏观调控有效、法治保障健

全的新型投融资体制。改善企业投资管理，充分激发社会投资动力和

活力，完善政府投资体制，发挥好政府投资的引导和带动作用，创新

融资机制，畅通投资项目融资渠道。

四、宏观经济形势分析

尽管世界经济出现增速下行迹象，但是除少数经济形势严重恶化

的新兴市场国家外，全球总体上处于失业率相对较低的时期。这种状

况表明世界经济处于从繁荣顶峰刚刚出现回落迹象的阶段。今年以来，面对错综复杂的国际环境和艰巨繁重的国内改革发展稳定任务，按照

十九大作出的战略部署，坚持稳中求进工作总基调，落实高质量发展

要求，有效应对外部环境深刻变化，迎难而上、扎实工作，改革开放

继续深化，各项宏观调控目标可以较好完成，三大攻坚战开局良好，

供给侧结构性改革深入推进，人民群众得到更多实惠，保持了经济持

续健康发展和社会大局稳定，朝着实现第一个百年奋斗目标迈出新的

步伐。

第三章市场营销

一、人脸识别设备行业分析

视觉人工智能是中国人工智能市场上最大的组成部分。根据中国

信通院数据，2017年中国人工智能市场中视觉人工智能的占比超过37%。在视觉人工智能领域，安防影像分析是最大的应用场景，2017年占比约67.9%。其他主要应用包括广告、互联网、云服务、手机等。

最近三年，视觉人工智能技术不仅带来了生产效率的提升，而且

还催生了众多新产业、新商业模式与新应用场景，推动了多行业产业

链的重构。随着视觉人工智能技术的不断发展，市场规模的不断扩大

及行业应用解决方案的建立和完善，视觉人工智能行业的应用场景将

进一步渗透，助力各应用行业解决痛点，实现行业转型和升级，需求

前景广阔。

最近几年机器视觉行业实现快速发展的背景是：2015年基于深度

学习的计算机视觉算法在ImageNet数据库上的识别准确率首次超过人类，同年Google在开源自己的深度学习算法。

这些带动中美两国的科学家把计算机视觉算法运用到安防、金融、互联网、物流、零售、医疗、制造业等不同垂直行业。但在实际的运

用当中，由于数据可得性，算法成熟度，服务的容错率等因素的影响，

落地的速度开始出现分化。移动互联网/安防领跑，零售/物流跟进，

医疗/无人驾驶发展较慢。

移动互联网应用的普及离不开深度摄像头的应用，如面部识别可

以使手机解锁及支付更加安全快捷，手势动作识别可以增强游戏体验，人形及物体建模可以使网络购物更加直观方便快捷。通过与人工智能、虚拟现实等技术有机结合，深度摄像可广泛应用在智能手机、智能汽车、智能安防、智能家居、金融等领域，给消费者带来全新的用户体验，提高生产和生活效率。

因此，深度摄像拥有广阔的市场空间，预计到2021年，全球范围

内深度摄像头市场规模有望达到78.9亿美元，较2017年的22亿美元

增长262.73%。

金融领域中的人脸识别，主要用途分为身份核验和场景规模化应用。身份核验，也称作1:1刷脸，广泛地被应用于互联网金融、银行

的远程开户、远程身份认证、远程支付，通过刷脸的方式进行校验。

场景规模化应用也称作1:N刷脸，多用在刷脸支付、取款等。

由于金融人群庞大，身份核验、场景应用等环节给人脸识别技术

发展提供助力，预计可提供亿级以上的市场体量。以银行为例，人脸

识别在银行领域的业务点主要有私有云部署、智慧网点改造、自助机

具改造、网点VIP。四大业务点市场体量都在百亿元级别，智慧网点改造更是达千亿元级别，人脸识别可发挥的空间巨大。

为满足当下人脸识别等人工智能的发展需求，行业也推出了各种

针对深度学习芯片，如TPU、NPU、DPU、BPU等，但因其受场景限制以

及性能不及GPU等，市场上仍以GPU等通用芯片占主导。

从上游芯片市场看，高端市场均被国外企业垄断。人脸识别芯片

目前均采用人工智能通用芯片，而根据市场研究顾问公司CompassIntelligence在2018年5月发布的关于AI芯片最新调研报告，排名靠前的均是国外企业——英伟达、英特尔、IBM与谷歌。

排行榜中共有七家中国人工智能芯片公司入围榜单Top24，华为排

名12，成中国大陆地区最强芯片厂商，其余六家中国公司分别为：联

发科、Imagination、瑞芯微、芯原、寒武纪、地平线。

二、人脸识别设备市场分析预测

生物识别，是指依靠人体的身体特征来进行身份验证的识别技术，目前较为主流的识别技术有：人脸识别、指纹识别、虹膜识别、语音

识别等四类。

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。通常采用摄像机或摄像头采集含有人脸的图像或视频流，并