2018年人脸识别行业市场研究报告

表 1：人脸识别三种应用模式的对比
人脸识别类型
特点
1: 1
静态对比
1:N
动态对比
M:N
动态对比
优势 识别精准度高 应用场景丰富
识别速度快 受硬件设施与环境因素影响小 识别过程高效性与非强制性
识别范围较广 识别速度快
应用场景丰富 识别方式多样化 数据产量丰富 设备自动化程度高
识别范围广 应用场景丰富
使用频率高 识别方式多样化 数据产量丰富，商业落地完善
1000
2%
0
0%
2011 2012 2013 2014 2015 2016 2017
中国安防行业市场规模（亿元）
增长率
我国部分城市摄像头渗透率（个 /千人）
120 100
80 60 40 20 5
0
96
59 43
39 46
24
20
2
视频监控智能化迫在眉睫。随着摄像头数量的急速增加与摄像头网络化进程持续推进，产生 海量的视频数据并已远远超出监控者的管理范围，视频监控智能化越来越急迫。智能化管理 则是将人工智能引入视频监控中，使其具备自动整理与分类的功能，将数据结构化处理，并 使处理后的结构性数据能大规模被用于检索，分析与统计中，最终通过针对性深度挖掘使其 成为有意义的情报数据。
图 1：移动端人脸识别支付
图 2：火车站人票合一认证
1.2. 人脸识别的 1:N 模式
1:N 则是在海量的人像数据库中找出当前用户的人脸数据并进行匹配。1:N 具有动态比对与 非配合的特点，动态对比是指通过对动态视频流的截取来获得人脸数据并进一步比对的过程， 而非配合性是识别过程非强制性与高效性的表现，识别对象无需到特定位臵便能完成识别工 作。由于这两个特性使 1:N 身份认证模式能迅速落地于公共安全管理与 VIP 客户人脸识别等 场景，但其难度要远高于静态 1:1，因为机器面临着曝光过度、逆光、侧脸、远距离等挑战。
图 9：视频智能化分析的趋势
在深度学习技术推动下，人脸识别技术可以同时具备识别人物属性和身份的能力。在深度学 习推动下，人脸识别可以实现任意脸部遮挡及视角下的实时检测，一次性克服了人脸检测中 的几项难题：侧脸、半遮挡、模糊人脸，极大提升了各种现实情况中的人脸检出效果。同时 可以识别性别、年龄、表情及多种脸部生理特征，不仅可以准确识别照片中人物的性别和年
劣势 识别过程局限性高
识别方式单一化 数据产量低
受到硬件设施与环境因 素影响较大
识别错误率较高
受到硬件设施与环境因 素影响大
识别错误率高
2. 人脸识别的主要商业应用场景
2.1. 安防行业
安防行业应用空间广阔。我国安防行业规模由“十一五”末的 2300 亿元增长至”十二五“末 的 5000 亿元，增速高达 18%。国内安防市场增速远高于全球，预计 2017 年将达到 6540 万元，其中视频监控作为平安城市建设的重要环节，将是人脸识别最具价值的应用场景之一。
龄，也提供表情、颜值（美貌指数）、戴眼镜、化浓妆、涂口红、戴帽子、头发颜色、胡须样 式等超过 40 种属性，平均准确率超过 90%，年龄预测平均误差小于 3 岁。
图 10：实现任意脸部遮挡及视角下的实时检测
图 11：人ห้องสมุดไป่ตู้特征识别
图 12：行人检测
视频监控领域可以实现多个场景人的行为以及车辆识别。基于深度学习的行人检测算法能够 在各类遮挡的情况下精确找出行人位臵，并能够进一步分析行人姿态和动作，可应用于交通 监控、辅助驾驶、无人驾驶等。可以在行车场景、交通监控场景、卡口场景中检测多种不同 角度的车辆，并同时给出车牌号码、汽车品牌、型号、颜色等物理特征。
人脸识别行业市场研究报告
1. 人脸识别的三种应用模式
1.1. 人脸识别的 1:1 模式
1:1 身份验证模式本质上是计算机对当前人脸与人像数据库进行快速比对并得出是否匹配的 过程，可以简单理解为证明你就是你。1:1 作为一种静态比对，在泛金融的核身、信息安全 领域中潜在的商用价值巨大。例如在机场安检中持卡人样貌与身份证信息匹配的过程就是典 型的 1:1 场景。然而人眼辨别率只达到 95%左右，并会受到外部环境影响，所以机场安检人 员通过换班来保证识别的准确率。人脸识别技术的出现解决了人工识别的弊端，并能充分应 用于考试考生身份的审核、酒店入住办理，火车站人票合一认证，移动端支付等任何需要实 名制等场景。
图 3: VIP 客户人脸识别
图 4：人脸黑名单
1.3.人脸识别的 M:N 模式
M:N 是通过计算机对场景内所有人进行面部识别并与人像数据库进行比对的过程。M:N 作为 一种动态人脸比对，其使用率非常高，能充分应用于多种场景，例如公共安防，迎宾，机器 人应用等。但是 M:N 模式仍存在很大的弊端，因为其必须依靠海量的人脸数据库才能运行， 并且由于识别基数过大，设备分辨率不足等因素，使 M:N 模式会产生很高的错误率从而影响 识别结果。
图 13：车辆检测
随着智能安防概念的深入，不同场景的新需求逐渐产生从而促使摄像设备也向智能化发展。 摄像设备大致分为前端摄像头与后端处理器这两大部分，而这两部分智能化各有优劣。
表 2：安防领域前端智能化和后台处理智能化的对比
智能化区域
优势
对于数据传输速度要求降低，并节
前端智能化
省宽带 节约后台使用率
图 5: M:N 人脸识别（动态人脸对比）
图 6:人脸识别在公共安防场景应用
人脸识别技术的成熟虽然能代替一部分劳动力，但仍不能作为唯一的验证方式，其更需要与 人工识别相结合从而进行精准判断。例如，在受到外部环境干扰下，人脸识别技术会产生错 误数据，这时就需要人工协助，共同完成识别确认过程；又或者在企业应用中，具有较高机 密需求的场所可以采用人脸识别和刷卡的双重认证来进一步确保安全性。
对于后台设施要求降低
识别精准度提高
后台处理智能化
安全性强 利于数据采集与整合
利于维护
劣势 前端存储量有限 容易受到外部环境影响
安全性弱 不利于维护
图 7：中国安防行业市场规模（亿元）
图 8：我国部分城市摄像头渗透率（个/千人）
中国安防行业市场规模（亿元）
7000
6540 20%
6000
17%
567818%
18%
4860
16%
5000
14%4300 3883
13%
4000
3240
11%
3000 2773
14% 12% 10% 8%
2000
6%
4%