2017年人脸识别行业现状及发展前景分析报告
人脸识别技术行业分析报告
人脸识别技术行业分析报告人脸识别技术，是指通过计算机技术将人脸特征进行分析、提取、比对和识别，从而实现身份验证和信息采集的一种先进技术。
随着经济和社会的发展，人脸识别技术在金融、公安、安防、智慧城市等领域得到了广泛应用。
本文将从行业分析角度出发，对人脸识别技术行业进行全面深入的分析和研究。
一、定义人脸识别技术是指应用计算机视觉技术和模式识别技术，采用数学统计方法，通过数字图像信号处理、特征提取、分类识别等方法来识别人脸或对相应的亚像素进行检测，获得人脸识别信息，实现身份认证的一种智能识别技术。
二、分类特点根据应用场景和技术需求的不同，人脸识别技术可分为以下几类：1、人脸识别比对技术：通过对录入库中人脸图像进行特征提取，对比发现相似度高的特定个体。
2、人脸属性分析识别：通过针对人脸属性（如性别、年龄、表情、眼神等）的数据分析，实现人脸属性识别。
3、人脸情感识别：基于深度学习算法，可进行面部情感分析和情感识别。
4、环境适应人脸识别技术：可适应不同的光线条件、角度、距离等，提高识别准确度和速度。
三、产业链人脸识别技术产业链主要包括核心技术（算法、芯片）、硬件设备（相机、传感器、识别终端）和应用软件（身份认证软件、大数据分析软件等）等组成。
其中，核心技术处于产业链的核心地位。
四、发展历程人脸识别技术的发展可以追溯到20世纪80年代末期，但直到近十年，由于硬件、软件、算法的快速发展，人脸识别技术才得到了飞速的发展。
在中国，人脸识别技术也逐渐成熟，应用领域不断扩展，呈现出快速增长趋势。
2015年，国务院印发了《国家大数据战略纲要》，提出了“互联网+、大数据、人工智能”等发展方向，为人脸识别技术的快速发展提供了技术支撑和政策保障。
五、行业政策文件2017年7月，工信部、公安部、财政部联合印发了《人工智能产业发展行动计划》（2018-2020年），将智能安防等作为人工智能行业的重点领域进行推广和发展，预计到2020年，人脸识别等智能安防技术成为主流。
中国人脸识别设备行业市场现状及未来发展前景预测分析报告
中国人脸识别设备行业市场现状及未来发展前景预测分析报告博研咨询&市场调研在线网中国人脸识别设备行业市场现状及未来发展前景预测分析报告正文目录第一章、人脸识别设备行业定义 (3)第二章、中国人脸识别设备行业综述 (4)第三章、中国人脸识别设备行业产业链分析 (5)第四章、中国人脸识别设备行业发展现状 (7)第五章、中国人脸识别设备行业重点企业分析 (8)第六章、中国人脸识别设备行业发展趋势分析 (10)第七章、中国人脸识别设备行业发展规划建议 (11)第八章、中国人脸识别设备行业发展前景预测分析 (12)第九章、中国人脸识别设备行业分析结论 (14)第一章、人脸识别设备行业定义人脸识别技术是一种生物识别技术，通过分析人脸特征来验证个人身份。
随着计算机视觉和人工智能的发展，人脸识别系统已广泛应用于安全监控、门禁控制、移动支付等多个领域。
本章将详细探讨人脸识别设备行业的定义及其市场现状。
1.1 行业概述人脸识别设备行业主要包括硬件制造、软件开发及相关服务。
硬件部分涵盖了摄像头、传感器等用于采集面部图像的设备；软件则负责图像处理、特征提取及匹配算法等核心功能。
还涉及系统集成与维护服务，确保技术方案的有效实施。
1.2 市场规模与增长趋势2022年全球人脸识别市场规模达到65亿美元，预计到2027年将增长至120亿美元，复合年增长率约为13%。
这一快速增长主要得益于政府加大公共安全投入、企业强化访问控制措施以及消费者对于便捷支付方式的需求增加。
1.3 主要参与者市场上活跃着众多知名厂商，如海康威视、大华股份、商汤科技等。
海康威视作为全球领先的安防产品供应商，在人脸识别领域占据重要地位，市场份额超过20%；而商汤科技凭借其强大的AI研发实力，在算法精度方面处于行业领先地位，特别是在智慧城市解决方案中表现突出。
1.4 应用场景分析公共安全：城市监控系统广泛采用人脸识别技术进行人群管理和犯罪预防。
例如，上海市公安局通过部署智能摄像头网络，成功降低了犯罪率，并提高了紧急事件响应速度。
人脸识别技术发展现状与趋势分析
人脸识别技术发展现状与趋势分析随着科技的发展，人脸识别技术已经成为了一种非常常见的智能化技术，它的应用涉及到了交通、安防、金融等多个领域，提高了安全性和便利性。
本文将对人脸识别技术的发展现状和趋势进行探讨。
一、人脸识别技术的发展现状（一）技术原理人脸识别技术是通过摄像机和计算机等设备采集人脸图像，对图像进行处理和分析提取特征信息，将提取出的特征信息与已经建立起来的人脸库进行比对匹配，以实现识别的过程。
不同的人脸识别技术之间具有一定的差异，但是其整个过程都是基于计算机视觉、模式识别和机器学习等技术实现的。
（二）应用场景目前，人脸识别技术已经广泛应用于多个领域。
在交通领域，它被用于智能公交、停车场等场景；在金融领域，银行、证券、保险等机构也纷纷引入人脸识别技术提升服务水平，强化风险控制；在教育领域，高校、培训机构都在借助人脸识别技术来提高管理效率等。
（三）技术难点虽然人脸识别技术的应用已经非常广泛，但是目前仍然存在着一些技术难点。
首先，是解决光照、角度、表情等因素对识别准确度的影响；其次，是提高复杂环境下的识别准确度；还有，是加强对黑科技、欺诈等恶劣情况的应对能力。
二、人脸识别技术的未来趋势（一）技术发展趋势未来人脸识别技术的发展将有以下几个趋势：一、技术推广到更多领域。
人脸识别技术将应用到生活的各个领域，例如：医疗、金融、教育等。
二、技术结合AI等前沿技术。
随着人工智能技术的加速发展，未来人脸识别技术将结合其它前沿技术，建立起更加智能的人脸识别系统。
三、技术应用范围更广。
未来的人脸识别技术将可以更好地满足人们多样化的需求，例如：防盗、验证身份、社交等。
（二）应用场景趋势未来人脸识别技术的应用场景也将有以下几个趋势：一、安全领域将成为主流市场。
房地产、安防、刑侦、边防、机场等行业将成为主流市场。
二、现实场景中的应用将增加。
未来人脸识别技术将逐渐普及和应用到各种生活场景中，例如：购物、教育、医疗、游戏等。
人脸识别行业分析报告
人脸识别行业分析报告
一、人脸识别技术行业的发展历程
人脸识别技术被人们熟知已经有不少年头了。
它可以追溯到上个世纪20年代，当时已经有机器学习技术了。
而到了20世纪80年代末，随着计算机技术的进步和发展，人脸识别技术发展迅猛。
90年代以来，数字图像处理及数字深度学习等多种技术的发展，人脸识别技术也随之迅速发展。
自21世纪初以来，随着深度学习、神经网络等技术的发展，人脸识别技术已经取得了长足进步。
近年来，随着移动智能硬件的普及，以及诸如抗攻击、自动化、数据分析等技术的不断优化和发展，人脸识别技术应用已经越来越广泛，社会管理、安全监控、智能医疗等领域也采用了人脸识别技术。
二、人脸识别行业前景分析
随着技术的发展，人脸识别技术在众多行业中的应用越来越广泛，在法律管理、交通管理、安全防范领域都得到了广泛应用。
鉴于人脸识别技术应用越来越广，其市场前景也变得非常前景。
根据市场分析，人脸识别技术的市场前景包括但不限于人口管理、安全系统、政府监管、交通安全、无进出认证、支付安全等。
此外，随着三维人脸识别技术的不断发展。
人脸识别技术的应用现状与未来发展趋势
人脸识别技术的应用现状与未来发展趋势从支付宝到公安监控，从公司考勤到机场安检，人脸识别技术已经深入到我们日常生活的方方面面。
这让我们不得不开始思考，人脸识别技术到底有哪些应用现状，未来又将朝着哪些方向发展呢？一、人脸识别技术的应用现状1. 金融领域支付宝、银联等金融机构早已将人脸识别技术引入到了支付场景中。
用户只需将脸部对准相机，就能完成支付。
这样的支付方式不仅快捷便利，而且还大大增强了支付的安全性。
2. 公共安全领域人脸识别技术在公共安全领域的应用就更为广泛。
例如，公安机关利用该技术可以精确识别犯罪嫌疑人以追踪犯罪线索，还能在机场、火车站等重要场所进行抓捕。
此外，也可以在疫情防控上起到重要作用，帮助追踪密切接触者。
3. 商业领域人脸识别技术在商业领域有非常广泛的应用。
例如，某些商铺利用该技术识别用户身份和购买记录来提供个性化服务，丰富用户的消费体验。
4. 教育领域一些学校利用人脸识别技术来管理学生的考勤和进出校门的记录，减轻教师的工作量，也让学生们更加自觉地遵守规章制度。
5. 医疗领域人脸识别技术还可以在医疗领域中得到应用。
例如，可以通过该技术对患者进行识别，管理患者档案，提高医疗工作的效率。
二、人脸识别技术的未来发展趋势1. 技术集成未来，人脸识别技术有望会和其他智能技术进行集成，以实现更加高效的信息处理和应用。
例如，将该技术与物联网、大数据等技术相结合，可以更准确地预测市场趋势、消费者需求等，实现更精细化的产品设计和生产。
2. 行业融合人脸识别技术的广泛应用也将会带来各行各业之间的融合。
例如，金融、医疗、教育等领域将会与科技领域更加密切地合作，创造更多新型的智能产品和解决方案。
3. 更高的安全性随着深度学习、人工智能等技术的不断发展，人脸识别技术的识别能力将越来越精准，误差率将会越来越低。
这将为公共安全、金融、医疗等行业的应用提供更加可靠的保障。
4. 面向全球市场中国的人脸识别技术表现出了强劲的发展势头，在全球市场上占据了一席之地。
中国3D人脸识别行业市场现状及未来发展前景预测分析报告
中国3D人脸识别行业市场现状及未来发展前景预测分析报告博研咨询&市场调研在线网中国3D人脸识别行业市场现状及未来发展前景预测分析报告正文目录第一章、3D人脸识别行业定义 (3)第二章、中国3D人脸识别行业综述 (4)第三章、中国3D人脸识别行业产业链分析 (5)第四章、中国3D人脸识别行业发展现状 (6)第五章、中国3D人脸识别行业重点企业分析 (8)第六章、中国3D人脸识别行业发展趋势分析 (9)第七章、中国3D人脸识别行业发展规划建议 (10)第八章、中国3D人脸识别行业发展前景预测分析 (12)第九章、中国3D人脸识别行业分析结论 (13)第一章、3D人脸识别行业定义3D人脸识别技术是一种通过三维空间信息来识别个体身份的方法，它利用高精度传感器获取人脸表面的深度数据，并结合面部特征点进行比对分析，从而实现更加安全可靠的认证过程。
相较于传统的2D图像识别技术，3D人脸识别能够有效防止使用照片或视频欺骗系统的情况发生，安全性更高，在金融支付、智能安防、移动设备解锁等多个领域展现出广阔的应用前景。
1.1 行业概况随着人工智能技术的飞速发展及市场需求的增长，全球3D人脸识别市场规模持续扩大。
2022年全球3D人脸识别市场规模达到约15亿美元，预计到2027年这一数字将增长至40亿美元左右，复合年增长率超过20%。
北美地区由于技术创新能力强、用户接受度高等因素，占据着最大市场份额；而亚太地区则凭借庞大人口基数和快速经济增长成为最具潜力的新兴市场之一。
1.2 关键技术与应用领域3D人脸识别技术主要包括结构光（Structured Light）、飞行时间（Time of Flight, ToF）以及双目立体视觉（Binocular Stereo Vision）三种主流方案。
结构光技术因其精度高、成本适中而被广泛应用于智能手机、平板电脑等消费电子产品；ToF技术则以其远距离检测优势，在工业自动化、汽车安全等领域得到青睐；双目立体视觉方案虽然复杂度较高，但在特定场景下如机器人导航、虚拟现实交互中仍具有不可替代的作用。
中国人脸识别技术行业市场现状及未来发展前景预测分析报告
中国人脸识别技术行业市场现状及未来发展前景预测分析报告博研咨询&市场调研在线网中国人脸识别技术行业市场现状及未来发展前景预测分析报告正文目录第一章、人脸识别技术行业定义 (3)第二章、中国人脸识别技术行业综述 (4)第三章、中国人脸识别技术行业产业链分析 (5)第四章、中国人脸识别技术行业发展现状 (7)第五章、中国人脸识别技术行业重点企业分析 (8)第六章、中国人脸识别技术行业发展趋势分析 (9)第七章、中国人脸识别技术行业发展规划建议 (10)第八章、中国人脸识别技术行业发展前景预测分析 (12)第九章、中国人脸识别技术行业分析结论 (13)第一章、人脸识别技术行业定义人脸识别技术是一种通过分析个体面部特征来识别或验证个人身份的技术。
随着计算机视觉算法的进步和大数据处理能力的增强，这一技术已经从实验室研究走向了广泛应用，并在多个领域展现出巨大潜力。
本章将深入探讨人脸识别技术的基本概念、发展历程、市场规模及其应用现状。
1.1 技术概述人脸识别通常包括人脸检测、特征提取和匹配识别三个主要步骤。
系统使用图像处理技术从输入图像中定位并分离出人脸区域；算法提取该区域内的关键特征点（如眼睛间距、鼻梁形状等）；这些特征被用来与数据库中的已知模板进行比对，从而实现身份确认或验证目的。
1.2 发展历程自20世纪60年代首次提出以来，人脸识别技术经历了数次重大革新。
特别是进入21世纪后，随着深度学习模型的应用，准确率大幅提升。
2010年至2020年间，全球人脸识别系统的误识率从0.05%降低到了0.001%，而通过率则由97%提升至99.8%，标志着该技术进入了成熟商用阶段。
1.3 市场规模受益于安全需求增长和技术成本下降，人脸识别市场呈现出爆发式增长态势。
根据博研咨询&市场调研在线网分析，2021年全球人脸识别市场规模达到40亿美元，预计到2025年将突破100亿美元大关，复合年均增长率超过25%。
人脸识别技术的现状与发展趋势
人脸识别技术的现状与发展趋势随着科技的进步，人脸识别技术越来越普遍地应用于各种场合。
它的出现提高了生活和工作的效率，也让我们看到了一个更加智能的未来。
但与此同时，一些问题也随之而来。
本文将分析人脸识别技术的现状与未来发展趋势，并探讨其中的风险和挑战。
一、人脸识别技术的现状在过去的几年中，人脸识别技术已经有了很大的进步。
不仅在安全领域广泛应用，例如公共安全领域、平安城市建设等。
还在大数据领域、互联网金融领域、智能手机解锁等领域得到了广泛应用。
解锁手机时使用人脸识别功能节省了时间和精力，大大提高了使用体验。
早期的人脸识别技术主要是利用2D图像进行人脸识别。
现在，随着技术的进步和算法的不断改进，3D人脸识别技术已经成为了可以迅速地判断一个人是否为本人的最佳方式。
二、人脸识别技术的发展趋势1.技术的进一步提升未来，人脸识别技术将不断提升自身的智能。
人脸识别技术将实现更快速的人脸检测技术，无论是在低光情况下还是光照充足的情况下都能够更加迅速地判断人脸。
这样的技术可以广泛应用于公共场所的安防，大大提高安全级别。
2.发展方向的多元化未来，人脸识别技术不仅专注于安全领域，还将趋于普及化。
例如，在酒店餐饮行业，通过识别来店的顾客可以更加及时地提供优质服务。
而在医疗领域，可以利用人脸识别技术完成患者登记、身份证明等操作，保障患者权益。
在教育行业，人脸识别技术可以控制教育系统里的考试诚信监控等场合应用。
综上，未来人脸识别技术的应用场景将越来越广泛，不仅在安防领域会有更多的应用。
3.追求更高的安全性人脸识别技术的发展方向也是追求更高的安全性。
比如，通过在人脸识别技术中引入活体检测技术，来判断人脸模型是否来自活体样本，可有效防范伪造和攻击。
三、人脸识别技术的挑战尽管人脸识别技术取得了很好的发展，但在应用过程中还面临着一些挑战和风险。
其中至关重要的问题是涉及到个人隐私保护的问题。
在非法使用人脸识别技术中，有可能未经授权收集和使用个人信息，触犯民事、刑事法律。
人脸识别技术的发展现状与前景
人脸识别技术的发展现状与前景一、人脸识别技术的背景与发展历程人脸识别技术是指根据人体颜面的生物特征，通过数学算法对其进行识别鉴别，并进行个体判别、身份验证等相关应用。
自20世纪50年代美国研究人员对人脸进行了传统模式的方式进行物理问卷和统计分析，到上世纪70年代出现了数字图像处理技术，人脸识别技术在一定程度上得到了发展。
而人脸识别技术在1991年，由MIT Professor Turk 和Pentland提出，成为了现代科技的热门前沿技术之一，其成熟的应用和推广，为安全管理、金融交易、公共服务等众多领域提供了更好的解决方案。
在现代的科技条件下，该技术比传统的物理过程方式更加快速、有效，迅速得到了商业应用、教育领域、政府应用以及监控安全管理等多个领域所接受和应用。
二、人脸识别技术的技术原理和分类人脸识别技术的原理是利用数字图像处理技术对人脸特征进行分析、测量、比较或拟合，核心是将人脸的图形特征以一种能为计算机所识别的方式，进行记录、存储和比较。
主要分为：基于特征匹配的方法、基于神经网络的方法、基于支持向量机的方法、基于深度学习的方法。
1.基于特征匹配的方法：该方法是通过图像处理进行特征提取，通过模板匹配的方式进行识别。
主要采用矩阵代数、概率统计及图像处理技术，对人脸进行建模。
典型的基于特征匹配的方法为PCA(主成分分析法)，主要原理是将人脸图像转成一组特征向量，来表示用户的信息。
2.基于神经网络的方法：其基本原理是通过人工神经网络对人脸特征进行识别。
该方法通过归一化处理后，提取出相关特征进行训练，通过网络进行判断，层次结构简单，分类效果较好。
采用神经网络进行训练所需数据量，与特征匹配方法的数据量相比，大大减少。
3.基于支持向量机的方法: 支持向量机(SVMs)是一种二分类模型；即输入数据被归为两个类别或类型，是一种比较成熟的计算机识别方案。
该方法通过计算不同类数据之间的间隔，将数据间分割成不同的区域，对新数据给出分类标签。
中国人脸识别系统行业市场现状及未来发展前景预测分析报告
中国人脸识别系统行业市场现状及未来发展前景预测分析报告博研咨询&市场调研在线网中国人脸识别系统行业市场现状及未来发展前景预测分析报告正文目录第一章、人脸识别系统行业定义 (3)第二章、中国人脸识别系统行业综述 (4)第三章、中国人脸识别系统行业产业链分析 (5)第四章、中国人脸识别系统行业发展现状 (7)第五章、中国人脸识别系统行业重点企业分析 (8)第六章、中国人脸识别系统行业发展趋势分析 (9)第七章、中国人脸识别系统行业发展规划建议 (11)第八章、中国人脸识别系统行业发展前景预测分析 (12)第九章、中国人脸识别系统行业分析结论 (13)第一章、人脸识别系统行业定义人脸识别技术是一种基于人类面部特征信息进行身份识别的生物识别技术。
它通过采集图像或视频流，自动检测和跟踪人脸，并从中提取面部特征，进而与数据库中存储的人脸信息进行比对，实现快速准确的身份验证。
随着计算机视觉技术的发展，人脸识别系统已经广泛应用于安全监控、支付验证、门禁控制等多个领域，极大地提升了社会生活的便捷性和安全性。
行业规模与发展历程截至2022年底，全球人脸识别市场规模达到了约70亿美元，预计到2027这一数字将增长至超过150亿美元，复合年增长率（CAGR）约为16%。
中国作为世界上最大的人脸识别市场之一，占据了全球市场份额的近40%，并持续领跑行业发展。
自2010年以来，中国政府大力推动智慧城市建设，促进了人脸识别技术在公共安全领域的广泛应用；阿里巴巴、腾讯等科技巨头也纷纷加大研发投入，推动了该技术在商业场景中的落地应用。
关键技术组件一个完整的人脸识别系统通常包括以下几个关键技术组件：1. 图像采集：使用摄像头或其他成像设备获取目标对象的面部图像。
2. 人脸检测：从采集到的图像中定位出人脸的位置，并将其从背景中分离出来。
3. 特征提取：采用深度学习算法从人脸图像中提取出具有区分性的特征向量。
4. 匹配与识别：将提取出的特征向量与数据库中存储的人脸模板进行比较，判断是否匹配。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
(此文档为word格式，可任意修改编辑！）2017年4月正文目录1、市场规模不断提升，政策支持力度加强 (4)1.1、市场规模不断提升 (4)1.2、政策支持力度不断加强 (5)1.3、一级市场火热，国内专利不断攀升 (6)2、CNN算法解决识别精度，人脸识别优势明显 (8)2.1、发展历史悠久，CNN算法助力识别率大幅提升 (8)2.2、2D人脸识别为主，3D人脸识别还未成熟 (10)2.3、生物识别技术中人脸识别优势明显 (11)3、行业发展迅速，B端百亿市场有望率先爆发 (12)3.1、B端增量市场核心动力在于构建大安防体系 (13)3.2、C端市场还未充分打开 (16)4、多方逐鹿，综合能力至关重要 (17)4.1、创业公司：基于技术优势切入市场 (17)4.2、上市公司：技术+资金+渠道、综合实力强劲 (19)4.3、互联网巨头：C端影响力强大，探索B端落地 (21)5、行业评级及投资策略 (22)6、主要公司分析 (23)工大高新 (23)汉王科技 (23)佳都科技 (24)川大智胜 (24)东方网力 (25)7、风险提示 (25)图目录图1：生物识别领域未来五年复合增长率 (5)图2：全球生物识别市场规模（亿美元） (5)图3：2007-2015年人脸识别新增专利主要国家分布 (7)图4：人脸识别专利总量主要国家分布 (8)图5：人脸识别发展阶段 (9)图6：人脸识别算法流程 (10)图7：移动人脸识别系统 (14)图8：How-old-do-i-look (16)图9：ibaby婴儿监视器 (17)图10：云从科技部分金融案例 (19)表目录表1：人脸识别相关政策 (6)表2：人脸识别部分企业融资情况 (7)表3：2D、3D人脸识别对比实验结果 (11)表4：模式识别对比 (12)表5：典型应用场景 (13)表6：人脸识别相关创业公司 (18)表7：人脸识别相关上市公司 (20)表8：互联网巨头人脸识别相关布局 (21)1、市场规模不断提升，政策支持力度加强人脸识别技术指的是通过比较人脸的视觉特征信息从而进行身份鉴别的技术，属于人工智能模式识别中的一种典型应用。
1.1、市场规模不断提升自诞生之初，人脸识别技术就受到人们的普遍关注，随着计算机、光学成像等相关技术的高速发展，人脸识别技术得到越来越多的应用，市场规模持续提升。
《2015全球安防设备市场报告》显示，我国人脸识别市场规模从2012年的16.7 亿元,上升至2015年的75亿元。
云从科技创始人周曦预测，“未来五年之内，国内人脸识别的市场规模可能将达到1000亿元。
”同时根据我们测算，人脸识别主要应用领域市场规模，公安领域16亿以上、交通领域50亿以上、金融领域百亿级别、教育领域百亿级别，在不考虑大安防硬件存量市场的前提下，整体市场规模就达到数百亿。
马云在2015年的Cebit展会（汉诺威消费电子、信息及通信博览会）展示“刷脸支付”后，人脸识别技术在大众中的认知度快速提升，在各行业应用渗透持续加速。
人脸识别作为人工智能模式识别中应用领域最为广泛的细分行业，伴随安防、交通等新增市场的打开，预计整体市场规模有望呈现爆发式增长。
图1：生物识别领域未来五年复合增长率图2：全球生物识别市场规模（亿美元）1.2、政策支持力度不断加强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）》、《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，可以预计人脸识别相关政策支持力度将不断增强。
表1：人脸识别相关政策1.3、一级市场火热，国内专利不断攀升在市场规模保持快速增长，政策支持力度明显加大的背景下，其一级市场的热度也不断提升，值得注意的是一批明星创业公司于2016年底集中完成了大额融资，超亿元人民币的创业公司就有深醒科技、商汤科技、Face++等数家，从某种层面上也代表了一级市场对人脸识别行业2017年的发展前景一致看好。
表2：人脸识别部分企业融资情况同时伴随一批明星企业的迅速崛起及国内对人脸识别领域的大力投入，国内人脸识别技术专利数量也不断攀升，从每年新增数量来看，2007年新增专利尚不足百例，2015年迎来了爆发，至2015年全年新增专利已达到1398例，在全球处于领先地位。
从目前累计专利数量来看，我国人脸识别公开专利已达4000多例，明显多于其他国家和地区。
技术实力的显著增强也为国内市场打开，商业化产品的迅速普及打下了坚实的基础。
图3：2007-2015年人脸识别新增专利主要国家分布图4：人脸识别专利总量主要国家分布2、CNN算法解决识别精度，人脸识别优势明显2.1、发展历史悠久，CNN算法助力识别率大幅提升人脸识别最初在20世纪60年代已经有研究人员开始研究，真正进入初级的应用阶段是在90 年代后期，发展至今其技术成熟度已经达到较高的程度。
整个发展过程可以分为机械识别、半自动化识别、非接触式识别、及互联网应用阶段。
图5：人脸识别发展阶段人脸识别算法流程主要分为人脸检测，人脸特征提取和人脸匹配三个过程：1、人脸检测：监测图像中是否有人脸存在。
如果存在，给出人脸的位置、大小等状态信息。
而在可见光下人脸检测容易受到光照等因素的影响。
为了解决光照问题，行业内部分企业采用主动近红外设备获取人脸图像信息，用于后续人脸识别。
2、人脸特征提取：提取图像中关键人脸特征信息，用于映射到机器空间进行判断。
人脸特征通常包括几何特征，代数特征等。
几何特征以人脸器官形状及几何关系为基础，包括眼睛、嘴巴等器官的位置及相对位置等信息。
代数特征指通过一定变换，将人脸图像信息投影在降维子空间，以少量的代数信息表征整个人脸信息。
3、人脸匹配：将待识别的人脸与已知人脸进行匹配，得出相似程度的相关信息。
人脸识别又分为两类：一类是确认，通过一对一的图像比对来确认识别人脸是不是目标人脸。
另一类是辨认，通过一对多图像比对，确定输入人脸是谁。
人脸辨认相比人脸确认要复杂，涉及到大批量数据的比对，对人脸表征方式和匹配策略具有较高要求。
自2014年以来，人脸识别算法取得了较大突破。
卷积神经网络算法（CNN）在人脸识别领域得到了广泛应用，通过CNN算法可以更加有效的提取人脸特征信息进行识别，因此人脸识别精度得到大幅提升。
在2014年之前，学术界在FDDB 人脸数据集上取得的最好检测精度是在100个误检时达到84%的检测率。
2015年之后众多基于CNN算法的人脸检测器在相同条件下均取得了90%以上的检测率，目前人脸识别系统最高的正确率可以达到99%以上，而人眼在同等条件下识别的正确率仅为97.52%，人脸识别精度已经超越人眼。
同时基于CNN算法，众多研究人员通过优化，设计出了更适合商用的算法，从而解决了人脸识别产品的识别精度问题，为人脸识别在多领域的大规模应用打下了良好的基础。
此外单张人脸图像的三维人脸重建及低分辨率人脸图像的重建和识别技术均取得了一定的进展。
图6：人脸识别算法流程2.2、2D人脸识别为主，3D人脸识别还未成熟从人脸识别的技术路线来讲，目前人脸识别技术主要分为2D人脸识别和3D 人脸识别。
伴随2D人脸识别的逐渐成熟，其优势及劣势日益明显，3D人脸识别的研究也逐渐深入。
2D人脸识别是基于图像的识别方法，主要优势在于检测数据获取方式便捷，照片等均可做为人脸对比库。
同时目前算法相对成熟，在无遮挡等理想条件下的识别率接近100%。
但是由于3D人脸在2D维度的投影，使得部分有效信息缺失，因此在遮挡、角度旋转等场景下识别率不够理想。
3D人脸识别方法是基于人脸3D立体模型进行识别，充分利用立体空间信息，有效解决2D识别的遮挡以及角度旋转等识别难点，识别精度较高。
比如3D技术在双胞胎识别准确率上大幅领先与2D技术。
但是其问题在于数据采集相对困难，采集数据量十分巨大，对计算机计算存储能力要求较高，当前可商业化的算法还不成熟。
因此，2D人脸识别目前仍是主流应用技术方向，后续伴随芯片技术及算法的突破，3D人脸识别技术有望兴起。
表3：2D、3D人脸识别对比实验结果2.3、生物识别技术中人脸识别优势明显相比指纹识别、虹膜识别、DNA识别等传统的生物识别方式，人脸识别优势明显。
主要集中在以下几点：1、非接触性：人脸识别可以不接触人体，直接通过摄像头在一定距离内识别人的面部特征，达到辨别的目的。
从而可以实现更大范围，更多方位的信息采集。
2、非侵扰性：人脸识别的非接触性也为被采集者带来了非侵扰性的体验。
一方面对人脸的采集无需被采集者配合也无需工作人员干预。
另一方面人脸属于暴露在外的生物特征，对人脸的识别采集更容易被大众接受。
3.硬件基础完善：人脸识别对硬件的需求主要体现在摄像头上，当前普及的智能手机均带有高像素的摄像头，同时伴随国内视频监控体系建立的逐渐完善，城市中高清晰度摄像头的密度逐渐增加，因此相比需要特定采集芯片的指纹识别等识别方式，人脸识别的硬件基础优势明显。
4.采集快捷简便，可扩展性好：对基础设施的低要求及非接触的采集方式很明显缩短了信息采集时间，提供了方便的采集方式。
同时也为人脸识别后台系统的拓展性带来了明显优势，基于现有的视频监控体系，可以再后台系统加入出入控制，人脸搜索等多种丰富功能。
基于以上优势，在人脸识别精度问题得到解决后，我们预计人脸识别有望迅速替代指纹识别成为被社会大规模使用的主流模式识别技术。
表4：模式识别对比3、行业发展迅速，B端百亿市场有望率先爆发人脸识别技术近两年的的迅速发展，识别精度及速度的有效提升为人脸识别在众多领域的应用提供了基础，自2015年起人脸识别的应用领域开始逐渐增多，从前期以门禁考勤为主，朝公安、交通、金融、教育、房地产、移动支付等多领域拓展。
尤其从2016年下半年开始各类应用案例落地速度明显加快，截至目前，公安领域人脸识别结合反恐的案例在北京、深圳、广州等多地已有落地案例，交通方面，C端市场滴滴已经开始使用刷脸，2017年春运返程多个高铁站都有应用，金融领域包括四大行在内的数十家银行在2016年下半年至今均纷纷将人脸识别产品引入各个业务环节，教育领域2016年高考，北京、四川、湖北、广东、辽宁、内蒙古等多个省份采用了“人脸识别＋指纹识别”的生物识别技术确认考生身份。
伴随试点区域及各领域案例的拓展及运营模式的成熟，我们预计2017年人脸识别有望迎来大规模普及。
表5：典型应用场景3.1、B端增量市场核心动力在于构建大安防体系B端市场覆盖领域众多，传统市场主要集中在门禁考勤，从公安、交通、教育到医疗等众多行业市场属于增量市场，均对人脸识别产品有一定需求。