关于成立年产xx套人脸识别设备公司可行性报告

关于成立年产xx套人脸识别设备公司

可行性报告

规划设计/投资分析/产业运营

报告摘要说明

生物识别，是指依靠人体的身体特征来进行身份验证的识别技术，目

前较为主流的识别技术有：人脸识别、指纹识别、虹膜识别、语音识别等

四类。

xxx有限公司由xxx科技公司（以下简称“A公司”）与xxx科技

发展公司（以下简称“B公司”）共同出资成立，其中：A公司出资910.0万元，占公司股份79%；B公司出资240.0万元，占公司股份21%。

xxx有限公司以人脸识别设备产业为核心，依托A公司的渠道资源

和B公司的行业经验，xxx有限公司将快速形成行业竞争力，通过3-5

年的发展，成为区域内行业龙头，带动并促进全行业的发展。

xxx有限公司计划总投资19334.29万元，其中：固定资产投资15853.31万元，占总投资的82.00%；流动资金3480.98万元，占总投

资的18.00%。

根据规划，xxx有限公司正常经营年份可实现营业收入25562.00

万元，总成本费用19943.96万元，税金及附加311.42万元，利润总

额5618.04万元，利税总额6704.36万元，税后净利润4213.53万元，纳税总额2490.83万元，投资利润率29.06%，投资利税率34.68%，投

资回报率21.79%，全部投资回收期6.09年，提供就业职位485个。

人脸识别系统可使用的特征通常分为视觉特征、像素统计特征、人脸图像变换系数特征、人脸图像代数特征等。人脸特征提取就是针对人脸的某些特征进行的，也称人脸表征，它是对人脸进行特征建模的过程。主要方法有基于知识的表征方法（主要包括基于几何特征法和模板匹配法）和基于代数特征或统计学习的表征方法。

第一章总论

一、拟筹建公司基本信息

（一）公司名称

xxx有限公司（待定，以工商登记信息为准）

（二）注册资金

公司注册资金：1150.0万元人民币。

（三）股权结构

xxx有限公司由xxx科技公司（以下简称“A公司”）与xxx科技发展公司（以下简称“B公司”）共同出资成立，其中：A公司出资910.0万元，占公司股份79%；B公司出资240.0万元，占公司股份21%。

（四）法人代表

余xx

（五）注册地址

xxx高新区（以工商登记信息为准）

（六）主要经营范围

以人脸识别设备行业为核心，及其配套产业。

（七）公司简介

xxx有限公司由A公司与B公司共同投资组建。公司将“以运营服务业带动制造业，以制造业支持运营服务业”经营模式，树立起双向

融合的新格局，全面系统化扩展经营领域。公司为以适应本土化需求

为导向，高度整合全球供应链。

依托A公司的渠道资源和B公司的行业经验，xxx有限公司将快速形成行业竞争力，通过3-5年的发展，成为区域内行业龙头，带动并

促进全行业的发展。

二、公司主营业务说明

根据规划，依托xxx高新区良好的产业基础和创新氛围，充分发

挥区位优势，全力打造以人脸识别设备为核心的产业示范项目。

人脸识别，是基于人的脸部特征信息进行身份识别的一种生物识别技术。通常采用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。人脸识别系统主要包括四个组成部分，分别为人脸

图像采集及检测、人脸识别预处理、人脸图像特征提取以及匹配与识别。

视觉人工智能是中国人工智能市场上最大的组成部分。根据中国信通

院数据，2017年中国人工智能市场中视觉人工智能的占比超过37%。在视

觉人工智能领域，安防影像分析是最大的应用场景，2017年占比约67.9%。其他主要应用包括广告、互联网、云服务、手机等。

第二章公司组建背景分析

一、人脸识别设备项目背景分析

视觉人工智能是中国人工智能市场上最大的组成部分。根据中国

信通院数据，2017年中国人工智能市场中视觉人工智能的占比超过37%。在视觉人工智能领域，安防影像分析是最大的应用场景，2017年占比约67.9%。其他主要应用包括广告、互联网、云服务、手机等。

最近三年，视觉人工智能技术不仅带来了生产效率的提升，而且

还催生了众多新产业、新商业模式与新应用场景，推动了多行业产业

链的重构。随着视觉人工智能技术的不断发展，市场规模的不断扩大

及行业应用解决方案的建立和完善，视觉人工智能行业的应用场景将

进一步渗透，助力各应用行业解决痛点，实现行业转型和升级，需求

前景广阔。

最近几年机器视觉行业实现快速发展的背景是：2015年基于深度

学习的计算机视觉算法在ImageNet数据库上的识别准确率首次超过人类，同年Google在开源自己的深度学习算法。

这些带动中美两国的科学家把计算机视觉算法运用到安防、金融、互联网、物流、零售、医疗、制造业等不同垂直行业。但在实际的运

用当中，由于数据可得性，算法成熟度，服务的容错率等因素的影响，

落地的速度开始出现分化。移动互联网/安防领跑，零售/物流跟进，

医疗/无人驾驶发展较慢。

移动互联网应用的普及离不开深度摄像头的应用，如面部识别可

以使手机解锁及支付更加安全快捷，手势动作识别可以增强游戏体验，人形及物体建模可以使网络购物更加直观方便快捷。通过与人工智能、虚拟现实等技术有机结合，深度摄像可广泛应用在智能手机、智能汽车、智能安防、智能家居、金融等领域，给消费者带来全新的用户体验，提高生产和生活效率。

因此，深度摄像拥有广阔的市场空间，预计到2021年，全球范围

内深度摄像头市场规模有望达到78.9亿美元，较2017年的22亿美元

增长262.73%。

金融领域中的人脸识别，主要用途分为身份核验和场景规模化应用。身份核验，也称作1:1刷脸，广泛地被应用于互联网金融、银行

的远程开户、远程身份认证、远程支付，通过刷脸的方式进行校验。

场景规模化应用也称作1:N刷脸，多用在刷脸支付、取款等。

由于金融人群庞大，身份核验、场景应用等环节给人脸识别技术

发展提供助力，预计可提供亿级以上的市场体量。以银行为例，人脸

识别在银行领域的业务点主要有私有云部署、智慧网点改造、自助机