技术逐渐在智慧城市、公共安全、轨道交通、 政府治理及交通等行业的应用。
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
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。作
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。
为人和智能的连接入口有着巨大的潜力。
在政策支持下，中国人工智能这几年在 国内狂飙突进，科技巨头扎堆布局，越来越
多的产业资本开始关注人脸识别。人脸识别
中国人脸识别行业前景研究报告
前言
Introduction
随着人脸识别技术的不断成熟，人脸识别技术逐渐被人们所熟知，同时， 计算机、光学成像等相关技术的高速发展，人脸识别在各领域的应用不断拓展， 人脸识别行业市场持续增长。 数据显示，2017年中国人脸识别行业市场规模达到21.91亿元，随着人脸 识别技术在各行业应用渗透的不断深入，预计2018年中国人脸识别市场规模将 达到27.6亿元。
目 录
前言 1.人脸识别行业概述
CONTENTS
2.人脸识别行业发展分析
3.人脸识别行业市场现状 4.行业相关上市企业 5. 行业发展前景预测
01
人脸识别行业概述
人脸识别定义及概述
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。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 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
面具有显著的表现。
数据显示，2007至2013年，全球生物识 别市场规模年均增速为21.7%， 2015年生物识
别技术全球市场规模达到130亿美元。随着多
重生物识别技术的融合与多元化应用，形成跨 生物技术、安防、IT等领域的新兴产业，预计
2020年将达到251亿美元，5年内年均增速约
14%。
未来五年复合增长率情况
中国人脸识别行业奠定坚实的基础。
时间 2015年1月7日 2015年4月14日 2015年5月15日 2015年12月25日 政策 《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)》 相关内容 坚持柜台开户为主，远程开户为辅；实施客户身份识别机制的自证
《关于加强社会治安防控体系建设的意见》 提出网络化管理要求，以精确信息做到矛盾化解。未来网络化精细管理 是平安城市和智能交通管理的发展方向
基础层
• 硬件支持：GPU、CPU • 算法支持：人工智能、机器学习、成像技术 • 数据集：真实数据、虚拟数据技术层• 嵌入式来自脸识别软件 • 一站式解决方案
应用层
• 智能应用：美颜贴图、图搜索 • 智能硬件：智能手机、摄像头
行业相关政策
2015年以来，国家持续出台利好政策，推动了人脸识别在金融、安防、医疗等领域的应用，为
中的模式特征，实现人脸检测；在得到人脸检测的结果后，对人脸图像进行光线补偿、灰度变换、直 方图均衡化、归一化、几何校正、滤波以及锐化等预处理；而后通过人脸图像特征点提取出一个人的
眼镜、表情等特征，将人脸特征进行向量化；提取的人脸图像的特征数据与数据库中的特征模板进行
搜索匹配，通过设定一个阈值，当相识度超过阈值时，输出匹配结果。
20世纪60年代， 开启人脸识别 工程化应用的 研究
2013年，微软亚 洲研究院首次尝 试大规模的训练 数据
人脸识别的流程
人脸识别的流程主要包括图像处理、人脸检测、人脸图像预处理、人脸图像他在点提取以及人 脸图像匹配与识别等五个步骤。
图像处理主要通过摄像头采集下来；然后通过人脸检测选取其中有用的信息，并利用人脸图像
技术
指纹识别 人脸识
易用性/便利性
较高 极高
安全级别
中等 高
识别设备成本
中等 中等
可能的干扰
脏物、油腻、皮肤磨损等 光线、遮挡 隐
别
识别
虹膜
语
中等
高 中等
极高
较高 高
高
较低 高
形眼镜 噪音、
感冒 年龄、生 理变化
音识别 静脉识别
PAGE
生物识别市场规模情况
近年来，生物识别技术日趋成熟，应用 场景不断拓展，在各领域的应用中均取得了良 好的表现，在解决安全问题及提高工作效率方
图像采集
人脸检测
人脸图像预处 理
人脸图像特征 点提取
人脸图像匹配 与识别
人脸识别产业链
人脸识别产业链上游为基础层，
包括人工智能芯片、算法技术和数据
集；中游由视频人脸识别、图片人脸 识别和数据库对比检验等技术层构成， 中游企业的主要产品为嵌入式人脸识 别软件以及一站式解决方案的提供， 中游的相关技术大体包括人脸检测、 活体检测、人脸识别、视频对象提取 与分析等技术；下游则是具体的场景 应用，即应用方案、消费类终端或服 务等。