《人脸识别行业问题和政策分析》由会员分享，可在线阅读，更多相关《人脸识别行业问题和政策分析（31页珍藏版）》请在金锄头文库上搜索。
1、2019年人脸识别行业问题和政策分析2019年10月目录1.人脸识别行业存在的问题分析51.1隐私安全问题51.2遮挡问题61.3准确率无法保证61.4相似性过高61.5受制于设备和环境的动态识别71.6背景环境的复杂多样71.7人脸表情的多样性81.8采集人脸的角度多样性82.人脸识别行业政策环境92.1政策支持力度大，人工智能重要部分92.2政策支持力度不断加强102.3一级市场火热，国内专利不断攀升102.4人脸识别场景落地，运营服务生态丰富113.人脸识别行业概况及现状133.1人脸识别基本概况133.23D人脸识别技术被广泛应用133.3人脸识别进入大面积推广应用阶段133.4我国人
2、脸识别技术优势明显144.人脸识别行业市场分析164.1人脸识别市场需求分析164.2人脸识别市场未来可期174.32021年我国人脸识别市场预计突破50亿184.4人脸识别技术在金融领域的市场前景185.人脸识别行业发展趋势205.1大数据与人脸识别技术的融合趋势分析205.22D人脸识别技术产品市场展趋势分析205.33D人脸识别技术产品市场展趋势分析205.4智慧城市建设对人脸识别技术的需求趋势205.5基于大数据的大规模人脸搜索是人脸识别技术未来发展的重要方向。215.6深度学习将人脸识别的准确度提升至肉眼级别215.73D技术将有很大发展空间215.8人脸识别促进安防行业发展225.
3、9人脸识别加速智能家居发展226.人脸识别行业竞争分析236.1中国人脸识别行业品牌竞争格局分析236.2中国人脸识别行业技术竞争格局分析236.3中国人脸识别行业竞争强度分析236.4初创公司：四大独角兽领衔246.5上市公司：安防双雄深耕多年256.6互联网巨头：综合优势明显267.人脸识别产业发展前景287.1中国人脸识别行业市场驱动因素分析297.2中国人脸识别行业市场规模前景预测298.人脸识别产业投资分析308.12018年我国人脸识别技术领域投资现状308.22019年中国人脸识别技术投资趋势分析311. 人脸识别行业存在的问题分析1.1 隐私安全问题信息泄露的可能性必然存在。无
4、论是线上数据库被破解或是线下获取人脸、指纹等生物特征信息，都可能导致信息泄露。不过业内人士表示，就目前而言，窃取他人人脸、指纹等生物特征信息，用来破解人脸识别系统，破解成本过大。就未来发展趋势而言，人脸识别技术将会不断成熟，攻击人脸识别系统越加困难。技术本身的“双刃剑”属性不可避免地让“刷脸”存在隐私泄漏风险。在即将进入的“靠脸吃饭”的年代，便利与风险总是并存的，用户要牢记“刷脸有风险，应用需谨慎”，个人要采取有效措施有效保护自身脸部信息才是王道。1.2 遮挡问题即使是非人为故意遮挡，在实际应用时检测到的人脸图像也经常会出现如帽子、眼镜等遮挡物，除了这些，胡子以及刘海的变化也直接影响人脸的特征
5、提取，图4举例给出了出现遮挡的部分人脸图像。当人脸图像发生遮挡时，人脸的很多信息会丢失，导致人脸识别算法出错或失效。1.3 准确率无法保证之前微软发现，商用人脸识别识别肤色较浅的男性准确率最高，而失误率最严重的是肤色较深的女性。不仅如此，人脸识别还受光照条件(例如白天和夜晚，室内和室外等)、人脸的很多遮盖物(例如口罩、墨镜、头发、胡须等)、年龄等多方面因素的影响。1.4 相似性过高所有的人脸的结构都相似，甚至人脸器官的结构外形都很相似，这样的特点对于利用人脸进行定位是有利的，但是对于利用人脸区分人类个体是不利的。尤其是当时iphone x的人脸识别系统刚出，便频繁被曝出双胞胎就能解锁的事件。识
6、别存在以下问题：1.人脸表情复杂，人脸具有多样的变化能力，人的脸上分布着五十多块面部肌肉，这些肌肉的运动导致不同面部表情的出现，会造成人脸特征的显著改变；2.人脸随年龄而改变，随着年龄的增长，皱纹的出现和面部肌肉的松弛使得人脸的结构和纹理都将发生改变；3.人脸有易变化的附加物，例如改变发型，蓄留胡须或者佩戴帽子和眼镜等饰物；4.人脸特征遮掩，人脸全部、部分遮掩将会造成错误识别。5.人脸图像畸变，由于光照、视角、摄取角度不同，可能会造成图像的灰度畸变、角度旋转等，降低了图像质量，增大了识别难度。1.5 受制于设备和环境的动态识别 人脸识别总体上不成熟的三大应用：第一，在高可靠人脸验证系统上，如支
7、付、社保和门禁，视频或3d模型存在欺骗问题，错误拒绝率(far)在小于0.01%的条件下，拒识率可能高达30%以上;第二，安防用“认证一致性”的验证系统在far小于0.01%时，拒识率可能高达40%以上，身份证卡内人脸图像质量差，常小于1kb，现场用户配合程度不高，且环境也呈现不可控因素;第三，安防用黑名单监控类应用远未解决，在虚警率为0.01%时，识别率可能低于10%，视频质量差，表现出低分辨率、大角度拍摄、光照差的特点，而最大的障碍在于缺少可用的训练和测试数据。1.6 背景环境的复杂多样在进行人脸识别前需要先对监控场景中的人脸进行定位，即人脸检测。人脸检测的正确与否直接影响人脸识别性能。当
8、监控场景的背景较为复杂时，人脸检测率也会随之降低，因此能够适应复杂背景环境的人脸检测算法是人脸识别技术的难点之一。1.7 人脸表情的多样性在实际应用过程中，人脸的表情随时都可能发生变化。图2给出了部分表情变化的人脸图像。从图2可以看出，当人的表情发生变化时，可能会引起人脸轮廓以及纹理的变化，同时由于面部肌肉的牵引，面部的特征点的位置也会随之改变。不同的表情引起面部的变化都不同，此外，不同的人的相同表情影响也不相同，因此很难用统一的标准来精确划分各种表情对不同人的影响。图2人脸表情变化多样性示意图1.8 采集人脸的角度多样性人脸的角度多样性主要是指由于拍摄角度的不同导致检测到的人脸图像的旋转，包
9、括平面旋转和深度旋转。图3列出了部分不同角度拍摄的人脸图像。从图3可以看出，与表情变化对人脸图像的影响相同，拍摄角度的变化同样会导致人脸轮廓的变化，除此之外，由于角度的变化，可能会导致人脸的部分特征无法被正确提取，进一步导致人脸的错误识别。2. 人脸识别行业政策环境2.1 政策支持力度大，人工智能重要部分近两年，人脸识别产业爆发式增长，主要得利于国家高度重视人脸识别产业落地的发展，出台多项政策助推产业发展。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
10、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%”。党的十九大报告提出,要推进互联网、大数据、人工智能与实体经济的深度融合。2018年，国家工信部公布了人工智能与实体经济深度融合创新项目名单。入选的项目包括地平线、寒武纪、深鉴科技、云从科技、云天励飞、驭势科技
11、、商汤科技、思必驰、科大讯飞、旷视科技等企业在内。涉及的领域有人工智能、芯片、操作系统等，其中云从入选的是“基于自研Soc芯片的高准确度人脸识别产业化应用”，商汤科技入选的是“深度学习与智慧城市融合的超大规模视频图像识别系统研发及产业化”，都与人脸识别技术紧密相关。2.2 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），给人脸识别普及打开了门缝；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
12、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）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%”。2.3 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。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
13、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。2.4 人脸识别场景落地，运营服务生态丰富脸识别试点加速，助力轨道交通智能化升级。随着人工智能、深度学习等技术和算法发展，人脸识别技术的识别速度和准确率实现快速提升，逐渐商业落地。佳都科技加强自主研发能力，逐渐推动人脸识别技术在机场和城市轨道交通领域应用落地。人脸识别技术具备识别速度迅速、误认率低的特点与公司轨道交通业务具备极大协同性，应用人脸识别技术能够实现游客身份的快速确认，提高检票售票以及安防布控
14、的效率。佳都科技在宁波、厦门地铁监控系统已经实现了人脸识别、模糊图像处理、热力图人数统计、行为分析等技术功能。3. 人脸识别行业概况及现状3.1 人脸识别基本概况人脸识别，是基于人的脸部特征信息进行身份识别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，进而对检测到的人脸进行脸部的一系列相关技术，通常也叫做人像识别、面部识别。人脸识别技术是人工智能的典型应用。人脸识别在一些行业已经有所应用，如公安领域的出入境边检、刑侦等，交通领域的机场、火车站、汽车站等场景，教育行业的人脸考勤、宿舍出入管理、幼儿园接送等。显然，随着人工智能的进一步发展，人脸识别作为人和智能的连接入口有
15、着巨大的潜力。3.2 3D人脸识别技术被广泛应用目前，人脸识别技术广泛应用于金融、安防反恐、教育、社交娱乐、设备、门禁/考勤、交通、智能商业等领域。而3D人脸识别技术得益于其优异的性能情况，逐渐在下游市场广泛应用。3.3 人脸识别进入大面积推广应用阶段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“Deep Face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
