人脸识别简介

　　生物识别是指通过计算机与光学、声学、生物传感器和生物统计学原理等高科技手段密切结合，利用人体固有的生理特性来进行个人身份鉴定技术。与传统的密码检验方式相比，生物识别技术基于人的生物特性，具有易测量、排他性以及终身不变的特点，拥有检验快速、结果更准确的优势。目前主流的生物识别方式分别为指纹识别、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。

　　图表1：五种生物识别技术性能对比

　　资料来源：前瞻产业研究院整理

　　人脸识别优势明显，未来将成为识别主导技术。相比指纹识别、虹膜识别等传统的生物识别方式，优点主要还集中在四点：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。在复杂环境下，人脸识别精度问题得到解决后，我们预计人脸识别有望快速替代指纹识别成为市场大规模应用的主流识别技术。

　　图表2：人脸识别的优势

　　资料来源：前瞻产业研究院整理

　　人脸识别按照识别方式应用的不同主要分为1:1、1：N和M：N三种模式：

　　图表3：人脸识别三种不同的识别模式

　　资料来源：前瞻产业研究院整理

　　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。

　　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。

　　图表4：中国人脸识别行业发展历程

　　资料来源：前瞻产业研究院整理

　　中国人脸识别行业市场现状

　　前瞻产业研究院根据人脸识别行业发展现状，估算我国人脸识别市场规模约占全球市场的10%左右。2010-2016年，我国人脸识别市场规模逐年增长，年均复合增长率达27%。2016年，我国人脸识别行业市场规模约为17.25亿元，同比增长28.0%。

　　图表5：2010-2017年中国人脸识别行业市场规模（单位：亿元）

　　资料来源：前瞻产业研究院整理

　　以上数据及分析均来自于前瞻产业研究院《2018-2023年中国人脸识别行业市场前瞻与投资战略规划分析报告》。