(完整word版)人脸识别相关技术分析报告汇总

人脸识别相关技术

分析报告

2015年10月

第一章分析概述 (3)

一、背景调研 (3)

二、检索及分析内容 (3)

第二章人脸识别专利态势及技术研发分析 (5)

一、专利态势及技术研发分析 (5)

（1）人脸识别专利申请趋势分析 (5)

（2）技术生命周期 (6)

（3）人脸识别技术构成 (7)

（4）人脸识别竞争对手分析 (8)

二、技术路线分析 (9)

（1）人脸定位技术路线 (9)

（2）图像获取技术路线 (10)

（3）人脸跟踪技术路线 (11)

第一章分析概述

一、背景调研

人脸检测识别技术是基于人脸特征来进行身份识别的技术。与其他识别方式相比，由于人脸始终暴露在外面，采集人脸特征有直接、友好、方便的特点。现在，国际银行组织、国际民航组织的生物特征识别护照的标准中明文规定必选的特征是人脸，可选的特征是指纹、虹膜或者在其它特征中任何一种。目前我国公民的第二代身份证有嵌入可机读的人脸图像信息，这也为下一步人脸识别广泛应用打下有利的基础。

上世纪九十年代以来，人脸检测识别技术研究达到了高潮时期，一批具有代表性的论文和算法产生，自动人脸识别技术也得到了长足的发展，相关机构组织了如人脸手势识别等专门的国际学术会议。另外，现在很多的研究型理工大学和兀公司都在着手人脸检测识别研究。领域内最著名的国际研究机构包括：美国麻省理工学院媒体实验室及人工智能实验室、南加州大学、马里兰大学、卡内基一梅隆大学机器人研究及交互系统实验室等。在我国，清华大学计算机系、电子系瞻嘲、中科院自动化所阳吲、南京理工大学、南京航空航天大学、哈尔滨工业大学等进行了许多很有意义的尝试，积累了经验。国内的研究工作主要是集中在三大类方法的研究：基于几何特征的人脸识别方法、基于代数特征的人脸识别方法和基于连接机制的人脸识别方法。人脸识别由于具有直接、友好、方便的特点，使用者无任何心理障碍，易于被用户所接受，从而得到了广泛的应用。主要在以下几个方面：(1)档案管理系统(2)安全验证系统(3)信用卡验证(4)公安系统的罪犯身份识别(5)银行和海关的监控(6)人机交互等。

人脸识别系统包括：(1)人脸图像的获取(2)人脸的检测(3)特征提取(4)基于人脸图像比对的身份识别(5)基于人脸图像比对的身份验证

二、检索及分析内容

本分析对人脸识别相关专利进行了中国专利检索，检索采用国家知识产权局专利数据库，以该专利数据为基础对其相关技术进行了分析，以期能从战略层面为汉柏的技术研发、专利布局和专利风险预防提供借鉴参考。

具体分析项如下：（1）专利申请趋势分析（2）技术构成

（3）竞争对手分析（4）技术路线图分析

第二章人脸识别专利态势及技术研发分析截至报告检索完成日期，共检索得到人脸识别公司专利3516件。我们以此3516件专利作为基础进行人脸识别技术专利态势技术及研发分析，包括专利申请趋势分析、技术生命周期、技术构成、发明人分析、竞争对手分析等，由此获取人脸识别技术发展情况，为汉柏的科研和决策提供参考。

一、专利态势及技术研发分析

（1）人脸识别专利申请趋势分析

图表 1 人脸识别专利申请趋势

图表1显示了人脸识别专利申请趋势。如上图所示，自1995年起首次出现人脸识别相关专利申请，1995-2004年期间专利申请量发展平稳，增长率不大，自2005年起该领域专利申请量呈快速增长，2010年后呈爆发式增长。

应注意的是，受到报告截止的统计时间的影响，2015年的数据必然不是最终数据，仅起到一定参考作用，以下情况相同，不做另述。

（2）技术生命周期

分析人脸识别相关技术的申请人数量及专利申请数量随时间分布，可分析该技术生命周期发展情况。

图表 2 人脸识别专利申请趋势

1995-2005年为该技术发展起步阶段，申请人及申请量都较少，2005-2014年为该技术发展的成长阶段，申请人数量及申请量均迅猛增长，2015年之后，将陆续有专利超过保护期限而失效，行业壁垒逐渐减少，可能竞争会更加激烈。

（3）人脸识别技术构成

分析人脸识别相关技术的技术构成，可以看出该的技术发展的热点。

图表 3 人脸识别重点技术随时间分布图

图表2显示了人脸识别技术构成前10位技术领域的IPC和专利量。

人脸识别的技术构成主要集中于：G06K 数据识别；数据表示

（4）人脸识别竞争对手分析

通过对该技术申请人统计分析，可以找到掌握该技术最重要的竞争对手。

图表4 人脸识别技术重要竞争对手

图表4显示出掌握该技术专利数量最大的几个申请人，主要以应用类产品研发的公司及研究型大学为主。

二、技术路线分析（1）人脸定位技术路线

（2）图像获取技术路线

（3）人脸跟踪技术路线

人脸识别技术概述

计算机光盘软件与应用 2012年第5期 Computer CD Software and Applications 工程技术 — 49 — 人脸识别技术概述杨万振（东北大学，沈阳 110819）摘要：作为多学科领域的具有挑战性的难题，人脸识别技术覆盖了模式识别、神经网络、生理学、计算机视觉、心理学、数字图像处理、数学等诸多学科的内容。关键词：人脸识别；算法中图分类号：TP391.41 文献标识码：A 文章编号：1007-9599(2012)05-0049-01 一、引言人脸识别特指利用分析比较人脸视觉特征信息进行身份鉴别的计算机技术。人脸识别是一项热门的计算机技术研究领域，它属于生物特征识别技术，是对生物体（一般特指人）本身的生物特征来区分生物体个体。国内外的人脸识别的方法多种多样，并且不断有新的研究成果出现。但是，由于人脸识别问题巨大的复杂性，要建立一个能够完全自动完成人脸识别任务的计算机系统难度是相当大的，这不仅涉及到数字图像处理，而且还涉及到计算机视觉，人工智能和计算机网络及通讯等的多个学科领域的广泛知识。目前生物识别技术已广泛用于政府、军队、银行、社会福利保障、电子商务、安全防务等领域等[1,2]。随着技术的进一步成熟和社会认同度的提高，人脸识别技术将应用在更多的领域：1.公安、司法和刑侦。2.自助服务。3、.企业、住宅安全和管理。4.电子护照及身份证。5.信息安全。综上所述，人脸识别技术对于打击各类犯罪活动、维护国家安全和社会稳定等具有十分重大的意义。随着各种技术手段的综合应用和科学技术的发展，相信人脸识别技术会不断向前发展，应用更加广泛。二、人脸识别系统的基本框架人脸识别过程包括两个主要环节：一是人脸的检测和定位，即从输入图像中找到人脸及其位置，并将人脸从中分割出来；二是对标准化的人脸图像进行特征提取与识别。人脸识别系统基本框架图如图所示，人脸识别系统各部分的功能和作用：（一）图像获取：用图像获取设备（数码相机、扫描仪、摄像机）获取图像，也可以在人脸图像库中获取图像，然后使用相应程序将图像转换成可处理的格式。（二）检测定位：人脸检测是指在输入图像中确定所有人脸的大小、姿态和位置的过程。近年来，由于生物特征识别的发展和人际交互方式的发展，人脸检测定位的发展很迅速，但是其难点是容易受到亮度变化、人的头部姿势及图像背景等因素的影响。（三）人脸图像预处理：对获取的图像进行适当的处理，使其具有的特征能在图像中表现的明显。该模块主要由灰度变化、光线补偿、对比度增强、高斯平滑处理、直方图均衡和图像二值化处理等子模块构成。（四）特征提取部分：将预处理后得到的正规人脸图像按照相应的算法提取出用来识别的特征向量，将原始的人脸空间中的数据映射到特征空间中去。通常把原始人脸空间叫测量空间，把用以进行分类识别的空间叫特征空间，较高维数的测量空间的模式表示可以经过变换变为在较低维数的特征空间中模式的表示。（五）分类器设计：部分分类器的设计是在后台完成的，就是所谓训练过程，该过程结束后可生成分类器用于分类识别。模式识别问题事实上可以看做是一个分类问题，即把待识别的对象归于某一类之中。在人脸识别问题上就是把不同输入的人脸图像归于某个人这一类。其基本的做法就是在样本训练集的基础上确定某种判决规则，然后使按这种判决规则对待识别的对象进行分类所引起的损失最小或造成的错误识别率最小。（六）分类决策：就是运用已经设计好的分类器进行分类识别，得出最后的识别结果，并给出相应的判断。三、人脸识别的常用方法 1.主分量分析法 2.线性判别分析法 3.独立分量分析法 4.隐马尔可夫模型法 5.弹性束图匹配法四、人脸识别的技术优势虽然目前人脸识别系统不是很成熟，但与虹膜识别、指纹识别等其它生物特征识别技术相比，人脸识别的技术优势主要有以下几点：（一）非接触式操作，适用于隐蔽监控。由于人脸识别系统不需要接触，可以秘密开展，因此特别适用于网上抓逃、隐蔽监控等应用。这是虹膜、指纹等其他生物特征识别技术所不具备。（二）无侵犯性，容易被接受。人脸识别系统一般为远距离采集数据，减小了对用户造成生理上伤害几率，用户容易接受。（三）图像采集设备成本低。目前，USBCCD/CMOS 摄像头非常低廉的价格，已成为计算机的标准配置，极大地扩展了人脸识别实用范围；此外，数码摄像机、数码相机和照片扫描仪等图像采集设备在普通家庭的日益普及进一步增加了其可用性。（四）更符合人类的识别习惯，可交互性强。人脸识别更符合人识别人的习惯，故若与用户交互配合可以大大提高系统的可靠性和可用性；但是指纹、虹膜识别却不具备如此优点。（五）识别精确度较高、速度快。与其它生物识别技术相比，人脸识别的精度处于较高的水平，拒识率、误识率较低。五、人脸识别研究的难点人脸识别通常是通过对采集得到的人脸图像的分析计算来确定其身份的。人脸是具有复杂结构的三位可变形生物体，影响人脸识别效果的因素主要有以下几个：姿态：人脸图像的变化，例如在三维人脸到二维人脸的成像过程中，由于相关的照相机-脸姿（正面的、45度、侧面、颠倒的）导致的不同，而一些脸部特征如眼睛或鼻子可能部分地或全部被遮挡。组件的影响：面部的特征如胡须和眼镜等可能存在也可能不存在，这些组件包括形状、颜色和大小。面部表情：人脸为可变形物体，人脸表情的变化直接影响人脸图像的模式。图像的方向：照相机光轴的旋转不同可直接引起人脸图像的变化。图像的条件：当图像产生时，一些因素如光(光谱、光源分布和强度)和照相机的特性(传感器的响应、透镜)影响人脸的外观。参考文献： [1]Yin L.Basu A.Generating realistic facial expressions with wrinkles for model-based coding [J]．Computer Vision and Image Understanding,2001,84(2):201-240 [2]李云峰,杨益,田俊香.人脸识别的研究进展与发展方向[J].科技资讯,2008(5):23-32

2021人脸识别行业市场调研报告

2021年人脸识别行业市场调研报告

目录 1.人脸识别行业现状 (5) 1.1人脸识别行业定义及产业链分析 (5) 1.2人脸识别市场规模分析 (7) 2.人脸识别行业前景趋势 (8) 2.1应用范围逐渐扩大 (8) 2.2由2D向3D转变 (8) 2.3大数据与人脸识别技术的融合趋势分析 (9) 2.42D人脸识别技术产品市场展趋势分析 (9) 2.53D人脸识别技术产品市场展趋势分析 (9) 2.6智慧城市建设对人脸识别技术的需求趋势 (10) 2.7政策频发，助推产业发展 (10) 2.8中国人脸识别市场规模逐步扩大 (10) 2.9延伸产业链 (11) 2.10行业协同整合成为趋势 (11) 2.11服务模式多元化 (11) 2.12呈现集群化分布 (12) 2.13需求开拓 (13) 2.14行业发展需突破创新瓶颈 (13) 3.人脸识别行业存在的问题 (15) 3.1识别技术应用尚未成熟 (15)

3.2网络安全防护能力不足 (15) 3.3个人影像数据疏于管理 (15) 3.4行业服务无序化 (16) 3.5供应链整合度低 (16) 3.6基础工作薄弱 (16) 3.7产业结构调整进展缓慢 (16) 3.8供给不足，产业化程度较低 (17) 4.人脸识别行业政策环境分析 (18) 4.1人脸识别行业政策环境分析 (18) 4.2人脸识别行业经济环境分析 (18) 4.3人脸识别行业社会环境分析 (18) 4.4人脸识别行业技术环境分析 (19) 5.人脸识别行业竞争分析 (20) 5.1人脸识别行业竞争分析 (20) 5.1.1对上游议价能力分析 (20) 5.1.2对下游议价能力分析 (20) 5.1.3潜在进入者分析 (21) 5.1.4替代品或替代服务分析 (21) 5.2中国人脸识别行业品牌竞争格局分析 (22) 5.3中国人脸识别行业竞争强度分析 (22) 6.人脸识别产业投资分析 (23)

人脸识别技术综述论文

本科生毕业论文（设计）题目人脸识别技术综述学院计算机学院专业计算机科学与技术学生姓名陶健学号 0643041077 年级 2006 指导教师周欣教务处制表二Ο年月日

人脸识别技术综述计算机科学与技术学生陶健老师周欣 [摘要]随着社会信息化，网络化得不断发展，个人身份趋于数字化，隐性化，如何准确的鉴定，确保信息安全得到越来越多的重视。人脸识别，一种应用比较广泛的生物识别方法，在基于人脸固有的生物特征信息，利用模式识别和图行图像处理技术来对个人身份进行鉴定，在国家安全，计算机交互，家庭娱乐等其他很多领域发挥着举足轻重的作用，能提高办事效率，防止社会犯罪等，有着重大的经济和社会意义。本文主要研究了人脸识别在图像检测识别方面的一些常用的方法。由于图像处理的好坏直接影响着定位和识别的准确率，因此本文对图像的一些识别算法做了着重的介绍，例如基于二维Gabor小波矩阵表征人脸的识别算法，基于模型匹配人脸识别算法等。此外，本文还提及了一般人脸识别系统的设计，并着重介绍了图像预处理环节的光线补偿，图像灰度化等技术，使图像预处理模块在图像处理过程中能取到良好的作用，提高图像识别和定位的准确率。 [主题词]：人脸识别；特征提取；图像预处理；光线补偿

Face Recognition Overview Computer Science Student：TAO Jian Adviser: ZHOU Xin [Abstract] With the information society, network was growing, personal identity tends to digital, hidden, how to accurately identify, to ensure that information security is more and more attention. Face recognition, an application of biometric identification methods more widely, based on biometric facial information inherent in the use of pattern recognition and image processing techniques to map line of personal identity ,play a great role in the national security, computer interaction, family entertainment and many other areas. Face recognition can improve efficiency, prevent social crime, of course it has significant economic and social significance. This paper studies aspects of face recognition in image detection and some common methods of identification. As the image processing directly impact on the accuracy of location and identification, so some of image recognition algorithm will be focused presentation, such as Gabor wavelet-based two-dimensional matrix representation of face recognition algorithms, model-based matching face recognition algorithm. In addition, the article also mentioned a general recognition system design, and highlights the image preprocessing part of the light compensation, gray image techniques, the image preprocessing module in the image processing to get to the good , and improve image recognition and positioning accuracy. [Key Words] Face recognition; feature extraction; image preprocessing; light compensation

人脸识别发展趋势及应用领域分析

人脸识别发展趋势及应用领域分析人脸识别技术是一种高精度、易于使用、稳定性高、难仿冒的生物识别技术，具有极其广阔的市场应用前景。在公安、国防、海关、交通、金融、社保、医疗及其他民用安全控制等行业和部门存在着广泛的需求。一、人脸识别何以瞬间爆发？其实对于整个生物识别领域来说，由于指纹识别应用时间早，价格低廉，而且使用便利，因此早早地便占据了国内的大部分市场，在顶峰时期，甚至可以达到90%左右。但是，又是什么力量，使人脸识别在短短五六年的时间里，就实现了如此迅猛的腾飞呢？（一）政策因素：抛开技术因素，国家政策的支持可以说是人脸识别崛起的重要因素之一。尤其随着近些年来，平安城市等技术的大力推广，我国安防市场的需求也随之迅速升温，各领域安保的等级也就随之实现明显的提升。甚至在部分地区的部分领域，人脸识别已经开始被列为使用过程中的强制标准。这种情况的出现，对于人脸识别的推广无疑是一种非常有力的推动。因此，虽然政策的角色只是一种诱导的作用，但是这种诱导对于人脸识别的爆发，却又是不可或缺的。（二）社会需求：在我国，随着城镇化的进程加快，流动人口比例大大增加，面临的突发事件和异常事件越来越复杂。因此这也就给城市的安保工作，以及视频监控带来了更大的压力。传统依靠人工来“盯”的方式难免会因疲劳或精神不集中等原因影响监视效果，难以胜任对庞大数据库的分析与理解，从而影响事后查找证据，更难以满足时代的需求，于是，人们对于具有智能分析的视频监控应用的呼声越来越高。二、人脸识别发展趋势（一）与视频监控相结合：随着人脸识别技术的进一步发展，将人脸识别技术将实现与数字监控系统的进一步融合，将成为人脸识别技术的另外一大应用领域。据统计数据显示，仅在中国大陆，在未来三年内有望形成年销售额过百亿，并在未来十年内则有望形成年销售额过千亿的市场规模。（二）逐步取代指纹考勤：人脸识别考勤，通过对人脸一些独一无二的特征识别对验进行考

人脸识别技术的应用背景及研究现状

人脸识别技术的应用背景及研究现状 1．人脸识别技术的应用随着社会的不断进步以及各方面对于快速有效的自动身份验证的迫切要求，生物特征识别技术在近几十年中得到了飞速的发展。作为人的一种内在属性，并且具有很强的自身稳定性及个体差异性，生物特征成为了自动身份验证的最理想依据。当前的生物特征识别技术主要包括有：指纹识别，视网膜识别，虹膜识别，步态识别，静脉识别，人脸识别等。与其他识别方法相比，人脸识别由于具有直接，友好，方便的特点，使用者无任何心理障碍，易于为用户所接受，从而得到了广泛的研究与应用。除此之外，我们还能够对人脸识别的结果作进一步的分析，得到有关人的性别，表情，年龄等诸多额外的丰富信息，扩展了人脸识别的应用前景。当前的人脸识别技术主要被应用到了以下几个方面：（1）刑侦破案公安部门在档案系统里存储有嫌疑犯的照片，当作案现场或通过其他途径获得某一嫌疑犯的照片或其面部特征的描述之后，可以从数据库中迅速查找确认，大大提高了刑侦破案的准确性和效率。（2）证件验证在许多场合（如海口，机场，机密部门等）证件验证是检验某人身份的一种常用手段，而身份证，驾驶证等很多其他证件上都有照片，使用人脸识别技术，就可以由机器完成验证识别工作，从而实现自动化智能管理。（3）视频监控在许多银行，公司，公共场所等处都设有24小时的视频监控。当有异常情况或有陌生人闯入时，需要实时跟踪，监控，识别和报警等。这需要对采集到的图像进行具体分析，且要用到人脸的检测，跟踪和识别技术。（4）入口控制入口控制的范围很广，既包括了在楼宇，住宅等入口处的安全检查，也包括了在进入计算机系统或情报系统前的身份验证。（5）表情分析根据人脸图像中的面部变化特征，识别和分析人的情感状态，如高兴，生气等。此外，人脸识别技术还在医学，档案管理，人脸动画，人脸建模，视频会议等方面也有着巨大的应用前景。 2．人脸识别技术在国外的研究现状当前很多国家展开了有关人脸识别的研究，主要有美国，欧洲国家，日本等，著名的研究机构有美国MIT的Media lab,AI lab,CMU的Human-Computer I nterface Institute，Microsoft Research,英国的Department of Engineerin g in University of Cambridge等。综合有关文献，目前的方法主要集中在以下几个方面：

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。

人脸识别技术综述

人脸识别研究综述摘要：论文首先介绍了人脸识别技术概念与发展历史，解释人脸识别技术的过程与优缺点；随后对近几年人脸识别技术的研究情况与一些经典的方法进行详细的阐述，最后提出人脸识别技术在生活中的应用与展望。关键词：人脸识别研究现状应用与展望一、概念人脸识别技术是基于人的脸部特征，对输入的人脸图像或者视频流。首先判断其是否存在人脸，如果存在人脸，则进一步的给出每个脸的位置、大小和各个主要面部器官的位置信息。并依据这些信息，进一步提取每个人脸中所蕴涵的身份特征，并将其与已知的人脸进行对比，从而识别每个人脸的身份。广义的人脸识别实际包括构建人脸识别系统的一系列相关技术，包括人脸图像采集、人脸定位、人脸识别预处理、身份确认以及身份查找等；而狭义的人脸识别特指通过人脸进行身份确认或者身份查找的技术或系统。二、发展历史人脸识别的研究历史比较悠久。高尔顿(Galton)早在1888 年和1910 年就分别在《Nature》杂志发表了两篇关于利用人脸进行身份识别的文章，对人类自身的人脸识别能力进行了分析。但当时还不可能涉及到人脸的自动识别问题。最早的AFR1的研究论文见于1965 年陈（Chan）和布莱索（Bledsoe）在Panoramic Research Inc.发表的技术报告，至今已有四十年的历史。近年来，人脸识别研究得到了诸多研究人员的青睐，涌现出了诸多技术方法。三、过程与优缺点人脸的识别过程： (1)首先建立人脸的面像档案。即用摄像机采集单位人员的人脸的面像文件或取他们的照片形成面像文件，并将这些面像文件生成面纹(Faceprint)编码贮存起来。 (2)获取当前的人体面像。即用摄像机捕捉的当前出入人员的面像，或取照片输入，并将当前的面像文件生成面纹编码。 (3)用当前的面纹编码与档案库存的比对。即将当前的面像的面纹编码与档案库

2017年光学行业分析报告

目录 1、千亿级市场的升级，双摄及3D 承载创新周期.......................................... - 4 - 2、双摄：打开摄像头产业链新空间.............................................................. - 5 - 2.1、国产品牌迅速崛起，产品差异化推动双摄......................................... - 5 - 2.2、双摄的核心在于算法，方案与工艺呈现多样化.................................. - 8 - 2.3、双摄的渗透如火如荼，镜头和芯片龙头优势最大..............................- 11 - 3、3D Sensing 掀起下一波风潮................................................................... - 15 - 3.1、3D 感知方案成熟成本可控，东风已至............................................. - 15 - 3.2、发射端是光学模组主要增量，海外厂商优势大................................ - 19 - 3.3、人脸识别：新一代人机交互方式..................................................... - 24 - 3.4、模组生产壁垒有限，布局方案提升竞争力....................................... - 27 - 4、AR：移动端下一波光学创新................................................................. - 28 - 4.1、光学价值将在AR 发展的中长期持续发力........................................ - 28 - 4.2、利用现存的硬件，打开AR 体验的大门........................................... - 29 - 5、汽车市场快速爆发，智能硬件培育新空间.............................................. - 30 - 6、投资建议............................................................................................... - 32 - 图1、手机摄像头的五轮创新....................................................................... - 4 - 图2、未来10 年的光学创新之路.................................................................. - 4 - 图3、全球智能手机出货量按品牌分（亿台）............................................... - 6 - 图4、智能手机销售均价（美元）................................................................ - 6 - 图5、智能手机出货量（亿台）.................................................................... - 6 - 图6、国内手机销售Top 5 市占率格局.......................................................... - 6 - 图 7、高端机型并没有一味追求像素升级...................................................... - 6 - 图 8、手持设备CIS 出货量按像素分布（亿个）........................................... - 6 - 图 9、摄像头占iPhone 比重.......................................................................... - 7 - 图10、摄像头占Galaxy S 比重..................................................................... - 7 - 图11、双摄方案设计和制造流程.................................................................. - 8 - 图12、彩色CIS 成像说明............................................................................ - 9 - 图13、数码相机光学变焦通过镜片组的移动................................................ - 9 - 图14、双摄模组支架与基板....................................................................... - 10 - 图15、Oppo 潜望式双摄方案..................................................................... - 10 - 图16、2017Q1 国内后臵双摄手机保有率Top15 .......................................... - 12 - 图17、2017Q1 国内主流后臵双摄手机销量（万台）.................................. - 12 - 图18、结构光方案描述.............................................................................. - 16 - 图19、TOF 方案描述................................................................................. - 16 - 图20、结构光方案产业链分析................................................................... - 16 - 图21、PS1080 景深算法芯片介绍............................................................... - 17 - 图22、发射端和接收端结构示意图............................................................ - 17 - 图23、指纹识别导入智能手机价格与出货量分析....................................... - 17 - 图24、人脸识别方案成本构成................................................................... - 18 - 图25、3D 感知接收端模组结构示意图....................................................... - 19 - 图26、VCSEL 结构示意图......................................................................... - 20 - 图27、三种激光源光形对比....................................................................... - 20 - 图28、VCSEL 产业链................................................................................ - 20 -

人脸自动识别方法综述_周杰

人脸自动识别方法综述周杰,卢春雨,张长水,李衍达 (清华大学自动化系,北京100084) 摘要: 人脸自动识别是模式识别、图像处理等学科的一大研究热点,近几年来关于人脸识别的研究取得了很大进展.本文重点对近三、四年来人脸识别的研究进行综述并对各种方法加以评论. 关键词: 人脸自动识别;人脸检测;人脸定位中图分类号: TP39114 文献标识码: A 文章编号: 0372-2112(2000)04-0102-05 A Su rvey of Automa tic Human Face Recognition ZHOU Jie,LU Chun -yu,ZHANG Chang -shui,LI Yan -da (De partment o f Automation ,Tsinghua Unive rsit y ,Be ijing 100084,China) Abstract: Automatic human face recogni tion is attractive in pattern recogniti on and i mage processing.In this paper we gave a survey of automatic human face recogni tion,mainly ai ming at the latest progress. Key words: automatic hu man face recognition;face detection;face localization 1 引言随着社会的发展,各个方面对快速有效的自动身份验证的要求日益迫切.由于生物特征是人的内在属性,具有很强的自身稳定性和个体差异性,因此是身份验证的最理想依据.这其中,利用人脸特征进行身份验证又是最自然直接的手段,相比其它人体生物特征它具有直接、友好、方便的特点,易于为用户所接受[1]. 人脸识别是人类视觉最杰出的能力之一,它的研究涉及模式识别、图像处理、生理学、心理学、认知科学,与基于其它生物特征的身份鉴别方法以及计算机人机感知交互领域都有密切联系,因此早在六七十年代即引起了研究者的强烈兴趣.进入九十年代,由于各方面对人脸识别系统的迫切需求,人脸识别的研究重新变得非常热门.目前美国等国有许多研究组在从事人脸识别的研究,这些研究受到军方、警方及大公司的高度重视和资助,美国军方每年还专门组织人脸识别比赛以促进这一领域的发展.在国内,也开始有一些学校从事人脸识别相关的研究.近几年来关于人脸识别的研究取得了很大进步,国际上发表有关论文的数量大幅增长,IEEE 的PAM I 汇刊还于1997年7月出版了人脸识别专辑,每年的国际会议上关于人脸识别的专题也屡屡可见.而目前人脸识别综述的文章还是截止到1994年,因此我们认为非常有必要对近几年的研究工作进行一下总结.在本文中我们将对人脸识别方法进行综述,其中主要介绍近三、四年的研究工作,之前的研究工作请参看文[2,3]. 2 人脸自动识别系统人脸自动识别系统包括两个主要技术环节(如图1所示):首先是人脸检测和定位,即从输入图像中找到人脸及人脸存在的位置,并将人脸从背景中分割出来,然后才是对归一化的人脸图像进行特征提取与识别 . 图1 人脸自动识别系统构成这两个环节的研究独立性很强.由于在很多特定情况下人脸检测与定位的工作比较简单,因此/特征提取与识别0环节得到了更为广泛和深入的研究;而近几年来随着人们越来越关心各种复杂情形下的人脸自动识别系统,人脸检测与定位才得到了较多的重视. 评价一个人脸自动识别系统的标准,一个是误识率即将某人错识别为其他人,另一个是虚警率即将其他人识别为这个人.这二者之间是存在矛盾的,所以在实际问题中往往需要进行某种折衷.如,在安全性要求较高的计算机登录系统中,必须要求虚警率要尽可能低,而误识率则可以高一些,这样只是增加合法用户的等录时间,并不会降低计算机系统的安全性.这一点同样适用于特征提取与识别环节,但是对于人脸检测与定位,我们一般则要求误识率要尽可能低,因为这样才可以保证所要识别的人不会在这一步就丢失. 收稿日期:1999-03-15;修订日期:1999-07-06基金项目:自然科学基金(No.69775009)资助课题第4期2000年4月电子学报ACTA ELECTRONICA SINICA Vol.28 No.4 April 2000

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。

基于深度学习的人脸识别技术综述

基于深度学习的人脸识别技术综述简介：人脸识别是计算机视觉研究领域的一个热点，同时人脸识别的研究领域非常广泛。因此，本技术综述限定于：一，在LFW数据集上（Labeled Faces in the Wild）获得优秀结果的方法; 二，是采用深度学习的方法。前言 LFW数据集（Labeled Faces in the Wild）是目前用得最多的人脸图像数据库。该数据库共13，233幅图像，其中5749个人，其中1680人有两幅及以上的图像，4069人只有一幅图像。图像为250*250大小的JPEG格式。绝大多数为彩色图，少数为灰度图。该数据库采集的是自然条件下人脸图片，目的是提高自然条件下人脸识别的精度。该数据集有6中评价标准：一，Unsupervised；二，Image-restricted with no outside data；三，Unrestricted with no outside data；四，Image-restricted with label-free outside data；五，Unrestricted with label-free outside data；六，Unrestricted with labeled outside data。目前，人工在该数据集上的准确率在0.9427~0.9920。在该数据集的第六种评价标准下（无限制，可以使用外部标注的数据），许多方法已经赶上（超过）人工识别精度，比

如face++,DeepID3，FaceNet等。图一/表一：人类在LFW数据集上的识别精度

表二：第六种标准下，部分模型的识别准确率（详情参见lfw结果）续上表

(完整版)2019年我国人脸识别技术发展情况及发展趋势综合分析.doc

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。

人工智能行业人脸识别报告：“刷脸”时代到来,看好掌握核心技术与应用场景深耕的企业--广证恒生

人脸识别报告：“刷脸”时代到来，看好掌握核心技术与应用场景深耕的企业 ?【人脸识别，生物识别的翘楚】人脸识别以其非侵扰性、便捷性、友好性、非接触性、可扩展性等优点成为生物生物识别的翘楚。 ?【应用广泛，刷脸时代到来】从供给角度看，三大因素推动人脸识别落地应用。中国人脸识别算法精确率居全球领先水平、人脸识别相关专利的逐年递增以及人脸识别相关的人才储备居世界第三对人脸识别产业形成技术面支撑；从2015年支持银行业的远程开户到2017年12月明确提出到“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%”对人脸识别产业形成政策支撑；中国对人脸识别初创公司的资金支持突破十亿美元形成资金面支撑。从需求角度看，人脸识别主要应用领域金融和安防对人脸识别需求广阔，我国有望成为全球最大人脸识别市场。2018年我国人脸识别技术72%应用在安防领域，20%应用在金融领域，未来两大市场对人脸识别技术需求旺盛。我国人脸识别市场规模将在2021年达到53.16亿元，成全球最大的人脸识别市场。 ?【上中游技术是关键竞争力，下游关键在于应用场景深耕】上游芯片和中游技术是短期产业核心驱动，技术是投资上游芯片及中游的关键考量要素。影响人脸识别产业链上游发展的三大要素是芯片、算法和数据集，目前上游芯片领域亟待突破，数据集需扩大以加强算法在实际的正确率；中游 3D人脸识别技术成未来发展趋势，但仍有成本难关和技术难关；我国基本缺席上游芯片的开发，部分在中游有所布局；目前产业仍处于方兴未艾阶段，新技术驱动行业螺旋上升发展，因此技术是上游芯片及中游企业的关键竞争要素。下游场景应用决定未来人脸识别行业竞争格局，市场能力是关键所在。目前我国下游市场，云从科技占据银行领域的第一供应商位置，海康威视在安防领域的龙头位置仍未动摇，以海康威视为例可以看出渠道优势是率先占据细分市场的关键因素。 ?【从人脸识别设备商领头羊——云从科技验证人脸识别企业优质因素】云从科技是人脸识别设备行业的领头羊，也是一家覆盖产业链上下游的优质人工智能企业，Gen Market Insights数据显示云从科技在全球人脸识别设备市场占据12.88％的份额，处于行业领先地位。分析领军企业云从科技，我们认为作为覆盖产业链上下游的企业，云从科技在技术及下游场景应用深耕上的优势是企业脱颖而出的关键所在。 ?【投资策略】考虑技术和渠道两大维度，建议关注佳都科技（600728.SH）、大华股份（002236.SZ）、川大智胜（002253.SZ）、像素数据（832682.OC）等人脸识别相关企业。 ?【风险提示】人脸识别尚处于起步阶段，上游有待突破，B端市场有望国家大力推进，政策落地可能不达预期；C端市场参与对技术要求较高，行业发展可能不达预期。