2018年人脸识别行业市场调研分析报告
人脸识别技术行业市场调研报告
人脸识别技术行业市场调研报告摘要：本报告对人脸识别技术行业的市场进行了调研。
通过收集、整理和分析市场数据及相关信息，探讨了该行业的发展现状、市场规模、应用领域和趋势，并提出了未来的发展前景和建议。
1. 引言人脸识别技术是一种通过识别人脸的生物特征来确认身份的技术。
近年来，随着人工智能和计算机视觉技术的快速发展，人脸识别技术在安防、金融、零售等领域得到了广泛应用。
本报告旨在全面了解人脸识别技术行业的市场情况和前景。
2. 发展现状2.1 技术进展人脸识别技术经过多年的发展，已取得了显著的突破。
基于深度学习和神经网络的人脸识别算法，大大提高了准确率和稳定性。
同时，硬件设备也不断更新换代，如高清摄像头、红外感应器等技术的应用，进一步提升了系统的性能。
2.2 市场规模根据市场研究数据显示，人脸识别技术行业的市场规模正在快速增长。
2019年，全球人脸识别市场规模达到100亿美元，预计到2025年将超过200亿美元。
中国是全球人脸识别技术市场的主要推动者之一，其市场规模逐年扩大。
3. 应用领域3.1 安防领域人脸识别技术在安防领域应用广泛。
通过将人脸识别系统与监控设备相结合，可以实现自动识别和查找目标人物，有效提升安全防范能力。
人脸识别技术在公共交通、机场、边检等领域的应用也得到了迅速推广。
3.2 金融领域在金融领域，人脸识别技术被广泛用于身份验证、交易安全等方面。
通过人脸识别，用户可以使用自己的面部特征完成银行卡、手机支付等业务的操作，提高了交易的安全性和便捷性。
3.3 零售领域人脸识别技术在零售行业的应用越来越普遍。
商场、超市等零售场所通过人脸识别系统，可以实时监测顾客的行为，分析消费偏好，为商家提供更精准的市场营销和服务。
4. 市场趋势4.1 行业标准化目前，人脸识别技术缺乏统一的行业标准，导致市场竞争混乱，用户选择困难。
未来，行业相关机构和企业应加强合作，制定统一的技术规范和标准，提升整个行业的发展水平。
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。
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。
人脸识别行业分析报告
人脸识别行业分析报告人脸识别是一种基于计算机视觉技术的生物特征识别技术，能够通过对人脸图像及相关特征进行分析，实现识别和验证个人身份。
该技术应用广泛，涵盖了安防、金融、教育、医疗、零售、公共服务等多个领域，具有非常广阔的市场前景。
本文将从定义、分类特点、产业链、发展历程、行业政策文件及其主要内容、经济环境、社会环境、技术环境、发展驱动因素、行业现状、行业痛点、行业发展建议、行业发展趋势前景、竞争格局、代表企业、产业链描述、SWTO分析、行业集中度等方面进行阐述。
一、定义人脸识别技术是建立在计算机视觉技术的基础上，通过对人脸图像进行处理和识别，实现对个人身份的识别和验证。
二、分类特点从识别类型来看，人脸识别技术可以分为1:1比对和1:N比对两种。
前者是指将待识别的人脸与已有的样本进行比对，验证是否是同一人。
后者则是从大量资料库中匹配待识别人脸的信息，确定其身份。
从技术应用场景上来看，人脸识别技术应用广泛，包括安防、金融、教育、医疗、零售、公共服务等多个领域。
三、产业链人脸识别产业链主要包括硬件设备制造商、软件开发商、系统集成商、应用服务商四个环节。
其中，硬件设备制造商负责生产人脸识别设备，软件开发商则负责开发人脸识别的算法和技术，系统集成商则将设备和软件集成为一个完整的系统，应用服务商则为客户提供全面的人脸识别应用服务。
四、发展历程人脸识别技术最早出现于20世纪60年代，当时技术成熟度低，应用场景较为有限。
随着计算机性能的增强，人工智能领域的发展，人脸识别技术得到迅速发展。
1991年，美国专家提出了基于电脑辅助人脸识别技术的认证方案，20世纪90年代末，人脸识别技术进入商业应用领域，在安防领域得到广泛应用。
21世纪初，人脸识别技术开始向金融、教育、医疗、零售等领域拓展，应用场景不断扩大。
当前，在政府的支持下，人脸识别技术发展迅速，应用形式多样。
五、行业政策文件及其主要内容目前，国内政府已出台了一系列相关政策文件，旨在规范人脸识别技术市场的发展。
人脸识别行业研究报告
人脸识别行业研究报告一、引言人脸识别技术作为当下热门的前沿科技之一，正以惊人的速度改变着我们的生活和社会运行方式。
从智能手机的解锁到机场的安检，从金融交易的认证到城市治安的监控，人脸识别技术的应用场景日益广泛。
然而，在其带来便利的同时，也引发了一系列关于隐私保护、数据安全和伦理道德的讨论。
二、人脸识别技术的原理和发展历程人脸识别技术主要基于计算机视觉和模式识别原理，通过对人脸图像的采集、特征提取和比对来实现身份识别。
其发展历程可以追溯到上世纪 60 年代，早期的研究主要集中在简单的面部特征提取和匹配。
随着计算机技术的飞速发展，特别是深度学习算法的出现，人脸识别技术的准确率和效率得到了极大提升。
在深度学习时代，卷积神经网络（CNN）成为了人脸识别的主流算法。
通过大量的人脸数据进行训练，模型能够学习到人脸的深层次特征，从而实现更加准确和鲁棒的识别。
三、人脸识别技术的应用领域（一）安防领域在安防领域，人脸识别技术发挥着重要作用。
例如，在机场、火车站等重要交通枢纽，通过人脸识别系统可以快速准确地识别可疑人员，提高安检效率和安全性。
在城市监控中，人脸识别能够帮助警方追踪犯罪嫌疑人，及时发现和处理违法犯罪行为。
（二）金融领域金融行业对身份认证的要求极高。
人脸识别技术可以用于银行开户、支付认证、贷款审批等业务，有效降低欺诈风险，提高金融服务的便捷性和安全性。
（三）消费领域在零售行业，人脸识别可以实现无接触支付，为消费者提供更加便捷的购物体验。
此外，一些商场和店铺还利用人脸识别进行客户分析和精准营销。
（四）教育领域在学校，人脸识别可以用于考勤管理、考试认证等方面，提高管理效率，保障教育公平。
四、人脸识别技术的优势和局限性（一）优势1、高效便捷无需用户进行繁琐的操作，只需面对摄像头即可完成身份识别，大大提高了认证的效率。
2、准确性高深度学习算法的应用使得人脸识别的准确率能够达到较高水平，甚至超过人类的识别能力。
3、非接触式避免了接触式认证方式可能带来的卫生问题和设备损耗。
2018 人脸识别 研究报告
2018人脸识别研究报告AMiner研究报告第十三期------------------------------------------------------------Contents目录1．概述篇 (2)1.1 基本概念 (2)1.2 发展历程 (3)1.3 中国政策支持 (4)1.4 发展热点 (6)1.5 相关会议 (7)2．技术篇 (10)2.1 人脸识别流程 (10) (10) (11) (13) (13) (13)2.2 人脸识别主要方法 (14)2.2.1 基于特征脸的方法 (14)2.2.2 基于几何特征的方法 (14)2.2.3 基于深度学习的方法 (15)2.2.4 基于支持向量机的方法 (15)2.2.5 其他综合方法 (16)2.3 人脸识别三大经典算法 (16)2.3.1 特征脸法（Eigenface） (16)2.3.2 局部二值模式（Local Binary Patterns，LBP） (16)2.3.3 Fisherface (17)2.3.4 经典论文 (17)2.4 常用的人脸数据库 (18)3．人才篇 (22)3.1 学者概况 (22)3.2 国外人才简介 (24)3.3 国内人才简介 (30)4．应用篇 (36)4.1 国内人脸识别领头企业 (36)4.1.1 商汤科技 (36)4.1.2 云从科技 (36)4.1.3 旷视科技 (37)4.2 应用领域 (37)4.2.1 门禁人脸识别 (37)4.2.2 市场营销 (38)4.2.3 商业银行 (38)5．趋势篇 (41)5.1 机器识别与人工识别相结合 (41)5.2 3D人脸识别技术的广泛应用 (41)5.3 基于深度学习的人脸识别技术的广泛应用 (42)5.4 人脸图像数据库的实质提升 (43)图表目录图 1 人脸识别技术发展历程 (4)图 2 人脸识别相关热点 (6)图 3 人脸识别词云分析 (7)图 4 人脸识别技术流程 (10)图 5 人脸识别学者TOP1000全球分布图 (22)图 6 人脸识别专家国家数量排名 (22)图 7 人脸识别全球学者h-index统计 (23)图 8 人脸识别全球人才迁徙图 (23)图 9 人脸识别学者中国分布图 (30)图 10 人脸识别中国学者h-index统计 (30)表 1 人脸识别相关政策 (5)表 2 Citation前十的人脸识别专家 (24)表 3 h-index前十的人脸识别专家 (24)表 4 苹果在3D视觉领域的布局 (41)扫码订阅摘要自20世纪下半叶，计算机视觉技术逐渐地发展壮大。
人脸识别市场调研报告
人脸识别市场调研报告摘要：本报告对人脸识别技术的市场需求、应用领域、发展趋势进行了全面调查和分析。
根据调研结果显示，人脸识别技术在安防、金融、零售、教育等领域具有广泛的市场应用前景，未来将呈现出快速发展的趋势。
1. 引言随着社会的进步和科技的发展，人脸识别技术作为一种高效、安全的生物识别技术，受到了广泛的关注和应用。
本节将对人脸识别技术的概念、作用以及市场前景进行简要介绍。
2. 人脸识别技术概述人脸识别技术是一种通过图像或视频对人脸的特征进行提取和识别的技术。
它以人脸的外部特征和内部特征为基础，通过人脸检测、人脸特征提取和人脸匹配等步骤，实现自动识别和辨认目标个体的身份。
3. 人脸识别技术市场需求人脸识别技术在各个行业中都有着广泛的市场需求。
其中，安防领域是人脸识别技术最主要的应用领域之一。
在机场、车站、银行等公共场所，人脸识别技术被广泛应用于抓捕犯罪嫌疑人、预防恐怖袭击和维护公共安全等方面。
此外，人脸识别技术还可以应用于金融、零售、教育等领域，提高办公、消费和教学的效率。
4. 人脸识别技术的应用领域人脸识别技术在各个领域中都有着独特的应用价值。
在安防领域，人脸识别技术可以实现实时监控、人员布控和入侵报警等功能；在金融领域，人脸识别技术可以用于自助银行的身份验证和交易确认；在零售领域，人脸识别技术可以用于会员管理和智能购物体验；在教育领域，人脸识别技术可以用于学生考勤和课堂秩序管理等方面。
5. 人脸识别技术的发展趋势随着人工智能技术的不断发展，人脸识别技术也将逐渐走向成熟。
未来，人脸识别技术将更加智能化和个性化，实现更高的准确率和更低的误识率。
同时，人脸识别技术将与物联网、大数据等技术相结合，形成更加完善的解决方案，进一步拓展市场应用领域。
6. 结论本调研报告对人脸识别技术的市场需求、应用领域和发展趋势进行了详细的分析。
结果显示，人脸识别技术在安防、金融、零售、教育等领域具有广泛的市场应用前景，未来将呈现出快速发展的趋势。
人脸识别行业市场调研报告
人脸识别行业市场调研报告一、引言人脸识别技术作为一种生物特征识别技术，在近几年得到了广泛的应用。
本文将对人脸识别行业市场进行调研分析，以了解当前行业发展现状以及未来发展趋势。
二、市场规模分析人脸识别行业市场规模不断扩大。
根据调研数据显示，2019年人脸识别市场规模达到XX亿元，相比于2018年的XX亿元增长了XX％。
预计到2025年，市场规模将进一步增加，达到XX亿元。
三、行业应用领域分析1. 公安领域人脸识别技术在公安领域得到广泛应用，包括犯罪嫌疑人追踪、失踪人口寻找、身份认证等方面。
随着人脸识别技术的不断进步，其在公安领域的应用潜力更加巨大。
2. 金融领域人脸识别技术在金融领域的应用也得到了迅速发展，例如手机银行的人脸支付、ATM机的人脸识别等。
这些应用不仅提升了用户的便捷性，也提高了金融交易的安全性。
3. 教育领域人脸识别技术在教育领域的应用越来越广泛，例如考勤系统、图书馆自助借还等。
相比传统的识别方式，人脸识别技术更加高效准确，能够提高工作效率。
4. 零售领域人脸识别技术在零售领域也有很多应用，例如智能柜台、智能购物等。
通过人脸识别技术，消费者可以更加便捷地进行购物，同时商家也可以更好地了解消费者需求。
四、行业发展趋势分析1. 技术不断创新随着人工智能技术的不断发展，人脸识别技术也在不断创新。
例如深度学习算法的应用、活体检测技术的改进等，都提高了人脸识别技术的准确度和稳定性。
2. 安全与隐私问题人脸识别技术的广泛应用也带来了安全与隐私问题的关注。
保护用户隐私和数据安全将成为人脸识别行业发展的一大挑战，行业需要加强监管和技术改进。
3. 行业合作与整合随着市场竞争的加剧，不同公司之间的合作与整合将成为行业发展的重要趋势。
合作可以分享资源与技术，实现优势互补，推动行业共同发展。
五、市场竞争分析当前，人脸识别行业竞争激烈，市场上出现了一些领先的企业，例如A公司、B公司、C公司等。
这些企业在技术研发、市场拓展等方面具备明显的优势。
2018中国人脸识别行业前景研究报告
人脸识别的发展历程
2000-2012年， 机器学习理论快 速发展，基于人 工精心设计的局 部描述子对人工 识别起到推动作 用。 2014-至今，大 数据和人工智 能的快速发展， 神经网络科学 受瞩目
20世纪50年 代，认知科 学家对人脸 识别展开研 究
2016年11月29日 2017年3月5日
02
人脸识别行业背景分析
五种生物识别对比
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。
2016年5月18日
到2018年，打造人工智能基础资源与创新平台，人工智能产业体系、创 《“互联网+”人工智能三年行动实施方案 新服务体系、标准化体系基本建立。这项政策的发布将人工智能普及到 政府和企业之间。 《关于落实个人银行账户分类管理制度的 通知》 《2017年政府工作报告》 对II、III类账户的开立、变更、注销、个人信息验证办法、视频及人 脸识别等技术手段以及不同账户的使用功能和限制等作了详细的规定。 指出要加快培育壮大包括人工智能在内的新兴产业。
《安全防范视频监控人脸识别系统技术要 求》 《中国人民银行关于改进个人银行账户服 务加强账户管理的通知》 适用于以安全防范为目的的视频监控人脸识别系统的总体规划、方案设 计、设备生产、质量控制等。其他领域可参考使用。 提供个人银行开立服务时，有条件的银行可探索生物特征识别技术和其 他有效的技术手段作为核验。
伴随着生物识别产品的不断更新和优 。
领域的出入境边检、刑侦等，交通领域的机
人脸识别行业分析调研报告
2019年人脸识别行业分析调研报告2019年11月目录1.人脸识别行业概况及市场分析 (5)1.1人脸识别市场规模分析 (5)1.2人脸识别行业结构分析 (5)1.3人脸识别行业PEST分析 (6)1.4人脸识别行业特征分析 (7)1.5人脸识别行业国内外对比分析 (8)2.人脸识别行业存在的问题分析 (10)2.1政策体系不健全 (10)2.2基础工作薄弱 (10)2.3地方认识不足，激励作用有限 (10)2.4产业结构调整进展缓慢 (11)2.5技术相对落后 (11)2.6隐私安全问题 (11)2.7与用户的互动需不断增强 (12)2.8管理效率低 (13)2.9盈利点单一 (13)2.10过于依赖政府，缺乏主观能动性 (14)2.11法律风险 (14)2.12供给不足，产业化程度较低 (14)2.13人才问题 (15)2.14产品质量问题 (15)3.人脸识别行业政策环境 (16)3.1行业政策体系趋于完善 (16)3.2一级市场火热，国内专利不断攀升 (16)3.3“十三五”期间人脸识别建设取得显著业绩 (17)4.人脸识别产业发展前景 (18)4.1中国人脸识别行业市场驱动因素分析 (18)4.2中国人脸识别行业市场规模前景预测 (18)4.3人脸识别进入大面积推广应用阶段 (18)4.4政策将会持续利好行业发展 (19)4.5细分化产品将会最具优势 (19)4.6人脸识别产业与互联网等产业融合发展机遇 (20)4.7人脸识别人才培养市场大、国际合作前景广阔 (20)4.8巨头合纵连横，行业集中趋势将更加显著 (21)4.9建设上升空间较大，需不断注入活力 (22)4.10行业发展需突破创新瓶颈 (22)5.人脸识别行业发展趋势 (24)5.1宏观机制升级 (24)5.2服务模式多元化 (24)5.3新的价格战将不可避免 (24)5.4社会化特征增强 (24)5.5信息化实施力度加大 (25)5.6生态化建设进一步开放 (25)5.7呈现集群化分布 (26)5.8各信息化厂商推动"人脸识别"建设 (27)5.9政府采购政策加码 (27)5.10政策手段的奖惩力度加大 (28)6.人脸识别行业竞争分析 (29)6.1中国人脸识别行业品牌竞争格局分析 (29)6.2中国人脸识别行业竞争强度分析 (29)6.3初创公司大独角兽领衔 (30)6.4上市公司双雄深耕多年 (31)6.5互联网巨头综合优势明显 (31)7.人脸识别产业投资分析 (33)7.1中国人脸识别技术投资趋势分析 (33)7.2大项目招商时代已过，精准招商愈发时兴 (33)7.3中国人脸识别行业投资风险 (34)7.4中国人脸识别行业投资收益 (35)1.人脸识别行业概况及市场分析1.1人脸识别市场规模分析2018年中国人脸识别市场规模27.16亿元，未来五年中国人脸识别整体市场成长迅速，未来市场渗透快速攀升。
人脸识别调研报告(共20篇)
人脸识别调研报告（共20篇）人脸识别调研报告（共20篇）第1篇人脸识别小结人脸识别总结一.概述生物特征识别技术包括人脸识别.指纹识别.语音识别.表情分析及理解.虹膜识别等人脸识别的实质就是借助计算机工具来分析人脸面部图像，采用不同的特征表示方法提取有效地人脸特征，是可用来辨识身份的一门自动处理技术，常见重要应用案例包括银行和军事重地的自动门禁系统.智能人脸监控系统.用于公共交通体系中安检系统的嫌疑人自动识别系统.网络服务中的在线验证系统等。
产生不同个体较大差异性的内在因素主要有种族.性别.年龄.心理等。
外在因素主要有光照变化.角度偏转.姿态.噪声千扰.遮挡.以及化妆遮挡物等。
18世纪,就有一篇依据人脸特征信息进行身份鉴别的文章发表在Nature上,开启了近代最早的人脸识别研宄，最早的自动人脸识别系统是由Chan和Bledsoe创于1965年人脸识别包括四个主要步骤图像预处理.人脸检测.面部特征提取和分类识别。
二.研究领域1.身份验证领域通过人脸识别技术来判断和鉴别当前用户是否合法或者具备相应的功能权限，例如年__奥运所采用的人脸识别系统。
2.智能视频监控领域，例如车站安装智能监控系统,该系统中加入了人脸识别技术以捕捉人群中的可疑罪犯。
3.人机交互领，例如人脸面部为视觉系统提供了最为主要的特征信息。
三.人脸识别方法及其算法（一）方法分类可以分为基于几何特征的人脸识别.基于弹性图匹配的人脸识别.基于子空间分析的人脸识别.基于神经网络的人脸识别.基于隐马尔可夫模型等。
经典的特征脸“Eigenface”就是该时期由麻省理工学院的M.Turk和A.Pentlaiid提出的，采用PCA变换对原始图像进行降维处理,然后再进行分类识别。
P .Belhumeur等提出的Fisherfaces人脸也被广泛应用在人脸识别中。
90年代中后期,出现了一种基于动态连接结构Dynamic Link Architecture的弹性图匹配Elastic GraphMatching识别方法。
- 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)。
2018年人脸识别行业市场调研分析报告
目 录
人脸识别技术优势明显，应用有望进一步打开 (1)
人脸识别优势明显，未来有望成为生物识别主导技术 (1)
人脸识别流程及分类 (3)
人脸识别技术的识别率超越人眼，场景应用成熟 (4)
生物识别市场规模快速增长，人脸识别最具期待 (5)
深挖人脸识别产业链，寻找核心驱动力与机遇 (8)
上游产业趋于成熟，带动人脸识别快速爆发 (10)
中游人脸识别技术的进步，推动下游场景应用发展 (12)
下游主要依赖对场景的深耕，以打造一体化解决方案 (16)
三大阵营纷纷布局人脸识别，规模化应用大势所趋 (16)
初创公司：四大独角兽技术领先，产品涵盖应用领域广泛 (16)
上市公司：拥有传统渠道优势，打造软硬件结合一体化解决方案 (19)
互联网巨头：C端影响力强大，探索B端 (24)
人脸识别应用领域遍地开花，关注三大应用 (27)
安防市场规模巨大，人脸识别用武之地广阔 (27)
金融领域：银行与互联网金融成为最大驱动力 (31)
移动智能硬件终端：苹果引领人脸识别应用新增长点 (33)
行业评级及投资建议 (35)
风险因素 (36)
表 目 录
表1：五种生物识别技术性能对比 (2)
表2：人脸识别的优势 (2)
表3：人脸识别三种不同的识别模式 (4)
表4：LFW测试中人脸识别精度超过人眼识别第一档部分公司 (5)
表5：2015-2017年人脸识别相关政策 (8)
表6：人脸识别产业链及代表公司 (10)
表7：国内外巨头深度学习开源平台 (12)
图8：3D人脸识别与2D人脸识别数据对比 (13)
表9：人脸识别四大独角兽对比 (17)
表10：人脸识别上市公司比较 (19)
表11：涉及人脸识别领域的上市公司 (23)
表12：国内外互联网巨头人脸识别布局 (26)
表13：人脸识别技术在部分机场应用情况 (30)
表14：银行部署人脸识别相关衍生市场规模 (32)
图 目 录
图1：人脸识别过程 (4)
图2：人脸特征点提取向量化 (4)
图3：2007-2020年全球生物识别技术市场规模（亿美元） (6)
图4：2015-2020年全球生物识别技术行业细分市场规模预测（亿美元） (6)
图5：2002-2020年中国生物识别技术市场规模（亿元） (6)
图6：2015年生物识别各细分领域所占市场规模比例 (7)
图7：2020年生物识别各细分领域所占市场规模领域比例 (7)
图8：2017年上半年刷脸支付用户满意度 (7)
图9：人脸识别产业链 (9)
图10：人脸识别三大要素 (10)
图11：不同识别模式的ID置信度、计算成本、数据源成本对比 (11)
图12：AI芯片产业生态图 (12)
图13：不受环境光影响的近红外人脸图像 (13)
图14：主动近红外成像设备 (14)
图15：3D视觉系统的工作原理 (15)
图16：3种3D成像模式 (15)
图17：四大人脸识别独角兽人工智能人才储备 (18)
图18：海康威视人脸识别系统抓拍示意图 (20)
图19：海康威视ATM智能防护视频分析 (20)
图20：大华股份人脸网络识别技术原理 (20)
图21：汉王科技人证合一人脸仪架构图 (21)
图22：汉王科技人脸识别门禁应用场景 (21)
图24：首都机场旅客自助通关查验系统 (22)
图25：深网视界人脸识别系统 (23)
图26：百度人脸识别机器人“小度” (25)
图27：百度AI开放平台人脸识别产品功能 (25)
图28：腾讯优图天眼解决方案 (26)
图29：阿里巴巴人脸识别支付 (26)
图30：人脸识别应用领域结构比例（%） (27)
图31：2011-2018E中国安防行业市场规模（亿元）及年增速（%） (28)
图32：2015年安防各产业分布占比 (28)
图33：人脸识别在安防市场的应用推进进程图 (29)
图35：人脸识别在门禁系统应用优势 (29)
图36：中国农业银行“刷脸”取款 (32)
图37：IPhoneX人脸识别相关传感器.
(34)
人脸识别技术优势明显，应用有望进一步打开
人脸识别优势明显，未来有望成为生物识别主导技术
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。
指纹识别
指纹识别是通过比较不同指纹的细节特征点来进行鉴别。
每个人的指纹均不同，同一人的十指指纹也有明显区别，因此指纹可用于不同身份的鉴定。
目前指纹识别是应用最为广泛的生物识别技术，其技术成熟且成本低廉，广泛应用于考勤、门禁等身份识别。
指纹识别技术的优势是应用比较方便，应用时间长，认知度高，但指纹是一种容易被窃取和复制的特征，安全性较低，且磨损后影响识别精度。
此外，指纹特征的稳定性较差，脱皮、表皮茧子，干湿状态等都会影响指纹的应用。
虹膜识别
虹膜技术是利用人眼睛虹膜纹理特征的一种识别技术。
虹膜是人眼中瞳孔内的织物状各色环状物，虹膜识别利用人眼图像中虹膜区域的特征（环状物、皱纹、斑点、冠状物）形成特征模板，通过比较特征参数完成识别。
该方法识别精度高、不易仿造，但相关设备价格昂贵。
从技术指标上来讲虹膜识别是比较精确的，但使用上需要通过红外光或可见光照射眼睛取得图像，使用者配合程度低，会有较高的心理排斥性，因此不适用于大人群应用。
语音识别
语音识别是通过分析语音的惟一特性进行身份验证。
其设备距离范围大、安装简易，但识别准确度低，可能被录音欺骗，且易受背景噪声、身体状况、情绪等因素影响。
静脉识别
静脉识别系统是根据血液中的血红素有吸收红外线光的特质，将具近红外线感应度的小型照相机对着手指进行摄影，即可把血管的阴影摄影出来。
将血管图样进行数字处理，制成血管图样影像。
从而提取特征值，运用先进的滤波、图像二值化、细化手段对数字图像提取特征，同存储在主机中静脉特征值比对，可对个人进行身份鉴定并确认身份，全过程采用非接触式。
目前主要包括手掌静脉识别、手指静脉识别及手背静脉识别这三项技术。
目前静脉识别技术在中国大陆的市场应用还比较小，该技术主要集中在日本企业中，像日立、富士通、索尼仍在进行静脉识别技术相关的研究。
此外，此类已有数据较少，不利。