欧美日韩国产在线观看网站_亚洲欧美国产另类_秋霞成人午夜鲁丝一区二区三区_色综合中文字幕

01.

什么是人臉識(shí)別？

人臉識(shí)別 ( Face Recognition) 是一種基于人的面部特征信息進(jìn)行身份識(shí)別的生物特征識(shí)別技術(shù) 。近年來(lái) ， 隨著人工智能 、 計(jì)算機(jī)視覺(jué) 、 大數(shù)據(jù) 、 云計(jì)算 、 芯片等技術(shù)的迅速發(fā)展 ， 人臉識(shí)別技術(shù)取得了長(zhǎng)足的進(jìn)步并且在眾多場(chǎng)景中得以成功應(yīng)用 。

廣義的人臉識(shí)別實(shí)際包括構(gòu)建人臉識(shí)別系統(tǒng)的一系列相關(guān)技術(shù) ， 包括人臉視圖采集 、 人臉定位 、 人臉識(shí)別預(yù)處理 、 身份確認(rèn)以及身份查找等 ；而狹義的人臉識(shí)別特指通過(guò)人臉進(jìn)行身份確認(rèn)或者身份查找的技術(shù)和系統(tǒng) 。此外 ， 部分應(yīng)用場(chǎng)景下還可能涉及質(zhì)量評(píng)價(jià) 、 活體檢測(cè)等算法模塊。

人臉識(shí)別的應(yīng)用模式主要包括三種：

（1）、人臉驗(yàn)證 (Face Verification) : 判定兩張人臉圖像是否屬于同一個(gè)人 ，常用于身份認(rèn)證如人證核驗(yàn) 。

（2）、人臉辨識(shí) ( Face Identification) : 給定一張人臉圖像 ， 判斷是否在注冊(cè)庫(kù)中 ， 若在則返回具體的身份信息 ， 常用于靜態(tài)檢索或動(dòng)態(tài)布控 。

（3）、人臉聚類(lèi) ( Face Clustering) : 給定一批人臉圖像 ， 將相同人的圖像歸類(lèi)到同一個(gè)類(lèi) ， 不同人的劃分為不同的類(lèi) ， 常見(jiàn)的應(yīng)用有智能相冊(cè) 、 一人一檔等。

02.

技術(shù)細(xì)節(jié)

1、 人臉識(shí)別技術(shù)原理

當(dāng)今主流的人臉識(shí)別算法 ， 主要包括人臉檢測(cè) 、 人臉預(yù)處理 、 特征項(xiàng)提取 、比對(duì)識(shí)別 、 活體鑒別五大步驟 。其中人臉檢測(cè) 、 人臉預(yù)處理 、 特征項(xiàng)提取可統(tǒng)稱(chēng)為人臉視圖解析過(guò)程 ， 即從視頻和圖像中檢測(cè)出人臉 ， 通過(guò)圖像質(zhì)量判斷 ，選取合適的人臉圖片 ， 提取人臉特征向量 ， 用于后續(xù)比對(duì)識(shí)別 ；比對(duì)識(shí)別處理可以分為人臉驗(yàn)證 （ 1 ：1 ） 和人臉辨識(shí) （ 1 ：N ） 兩類(lèi) ；活體鑒別算法用以判斷人臉識(shí)別處理中的人臉圖像 ， 是否采集自真實(shí)人體 。

在實(shí)際應(yīng)用中 ， 除了上述人臉識(shí)別算法 ， 前端視圖采集技術(shù) 、 人臉數(shù)據(jù)存儲(chǔ)技術(shù) 、 應(yīng)用軟件管理技術(shù)也是人臉識(shí)別技術(shù)應(yīng)用中重要的技術(shù)部分 。

2、人臉識(shí)別技術(shù)優(yōu)勢(shì)及局限性

技術(shù)優(yōu)勢(shì)。在不同的生物特征識(shí)別方法中 ， 人臉識(shí)別技術(shù)有其自身特殊的優(yōu)勢(shì) ， 因而在生物識(shí)別中有著重要的地位 。

（1）、 非侵?jǐn)_性 ， 人臉識(shí)別無(wú)需干擾人們的正常行為就能較好地達(dá)到識(shí)別效果 ， 只要在攝像機(jī)前自然地停留片刻 ， 用戶(hù)的身份就會(huì)被正確識(shí)別 。

（2）、便捷性 ， 人臉識(shí)別采集設(shè)備簡(jiǎn)單 ， 使用快捷 。一般來(lái)說(shuō) ， 常見(jiàn)的攝像頭就可以用來(lái)進(jìn)行人臉圖像的采集 ， 不需特別復(fù)雜的專(zhuān)用設(shè)備 。圖像采集在數(shù)秒內(nèi)即可完成 。

（3）、友好性 ， 通過(guò)人臉識(shí)別身份的方法與人類(lèi)的習(xí)慣一致 ， 人和機(jī)器都可以使用人臉圖片進(jìn)行識(shí)別 。

（4）、非接觸性 ， 人臉圖像采集 ， 用戶(hù)不需要與設(shè)備直接接觸 。另外 ， 可以在比較遠(yuǎn)的距離進(jìn)行人臉圖像的采集 。裝配了光學(xué)變焦鏡頭的攝像頭 ， 焦距可以提高到 10 倍以上 ， 使景深范圍擴(kuò)展到 50 米以外 ， 實(shí)現(xiàn)對(duì)遠(yuǎn)景清晰拍照 ，有效采集遠(yuǎn)處的人臉圖像 。

（5）、可擴(kuò)展性 ， 在人臉識(shí)別后 ， 通過(guò)對(duì)識(shí)別結(jié)果數(shù)據(jù)進(jìn)行下一步處理和應(yīng)用 ， 可以擴(kuò)展出眾多實(shí)際應(yīng)用方案 ， 如應(yīng)用在出入門(mén)禁控制 、 人臉圖片搜索 、上下班刷卡 、 非法人員識(shí)別等各個(gè)領(lǐng)域 。

（6）、隱蔽性強(qiáng) ， 安全領(lǐng)域?qū)τ谙到y(tǒng)隱蔽性有較強(qiáng)要求 ， 人臉識(shí)別在這方面比指紋等方式更具優(yōu)勢(shì) 。

（7）、強(qiáng)大的事后追蹤能力 ， 系統(tǒng)記錄的人臉信息是非常重要且易于利用的線索 ， 更加有利于進(jìn)行事后追蹤應(yīng)用 。

（8）、準(zhǔn)確度高 ， 相比于人體 、 步態(tài)等其特征 ， 人臉特征具備更強(qiáng)的鑒別性與更低的誤報(bào)率 ， 所能應(yīng)用的底庫(kù)規(guī)模上高出許多 ， 目前超大規(guī)模 （ 十億級(jí)別 ） 的人臉檢索已經(jīng)可以實(shí)用 。

技術(shù)局限。人臉識(shí)別技術(shù)由于相似臉 、 年齡 、 算法偏見(jiàn) 、 面臨的場(chǎng)景多樣化以及人臉圖像更易公開(kāi)獲取等原因 ， 技術(shù)本身也面臨著一定的局限性 。

（1）、相似臉較難解決 。雙胞胎或者長(zhǎng)相很相近的人臉容易識(shí)別錯(cuò)誤 ， 而該問(wèn)題在目前暫時(shí)沒(méi)有新技術(shù)能完全解決 。NIST 分析報(bào)告指出 ， 大部分情況下雙胞胎仍能區(qū)分分?jǐn)?shù)高低 ， 但是往往都在閾值之上 ， 在開(kāi)放環(huán)境下應(yīng)用效果較差 。

（2）、算法偏見(jiàn)問(wèn)題 。由于當(dāng)前人臉識(shí)別算法很大程度依賴(lài)于數(shù)據(jù)樣本 ，但是不同人群的人臉數(shù)據(jù)樣本存在差別 ， 這導(dǎo)致了算法對(duì)不同地域 、 不同年齡人群的識(shí)別能力有差別 。

美國(guó)國(guó)家技術(shù)標(biāo)準(zhǔn)研究院 NIST 的檢查表明 ， 人臉識(shí)別軟件在不同地域 、 種族 、 性別 、 年齡上存在較大差異 。比如 ， 小孩子 ， 老年人以及其他很少出現(xiàn)的人種或者膚色的人臉識(shí)別率相對(duì)較低 ， 該問(wèn)題亟需解決 。

（3）、人臉識(shí)別率易受多種因素影響 ?，F(xiàn)有的人臉識(shí)別系統(tǒng)在用戶(hù)配合 、采集條件比較理想的情況下可以取得令人滿(mǎn)意的結(jié)果 。但是 ， 在用戶(hù)不配合 、采集條件不理想的情況下 ， 會(huì)影響現(xiàn)有系統(tǒng)的識(shí)別率 。例如根據(jù) NIST 的測(cè)試報(bào)告 ， 戴口罩情況下大部分算法的錯(cuò)誤率會(huì)提高 1 個(gè)數(shù)量級(jí)以上 ， 跨年齡 、 大角度等因素也會(huì)造成不同程度的下降 。

（4）、年齡變化的影響 。隨著年齡的變化 ， 面部外觀也會(huì)變化 ， 特別是對(duì)于青少年 ， 這種變化更加明顯 。對(duì)于不同的年齡段 ， 人臉識(shí)別算法的識(shí)別率也不同。

（5）、安全性問(wèn)題 。人臉識(shí)別系統(tǒng)信息存儲(chǔ)同樣會(huì)面臨黑客的攻擊 。所以對(duì)數(shù)據(jù)加密很重要 。隨著技術(shù)的不斷提升 ， 人臉識(shí)別技術(shù)在安全性上需要加強(qiáng) 。

3、 人臉識(shí)別技術(shù)的發(fā)展趨勢(shì)

隨著人臉識(shí)別技術(shù)的廣泛應(yīng)用 ， 也在不斷促進(jìn)技術(shù)本身持續(xù)發(fā)展 ?；A(chǔ)算法研究 、 人臉重建技術(shù) 、 戴口罩人臉識(shí)別 、 3D 人臉識(shí)別技術(shù) 、 新型人臉采集技術(shù) 、人臉聚類(lèi)技術(shù)和低質(zhì)量人臉識(shí)別技術(shù) ， 是產(chǎn)業(yè)界和學(xué)術(shù)界關(guān)注的熱點(diǎn)課題 ，也預(yù)示了人臉識(shí)別技術(shù)的發(fā)展趨勢(shì) 。

基礎(chǔ)算法技術(shù)熱點(diǎn)包括模型結(jié)構(gòu)設(shè)計(jì) 、 損失函數(shù)設(shè)計(jì) 、 無(wú)監(jiān)督 / 半監(jiān)督學(xué)習(xí)算法和分布式自學(xué)習(xí)算法等 。模型結(jié)構(gòu)設(shè)計(jì)目前主要有手工設(shè)計(jì)與網(wǎng)絡(luò)結(jié)構(gòu)搜索 (NAS) 兩種思路 。ICCV 2019 輕量級(jí)人臉識(shí)別 (Lightweight Face Recognition) 競(jìng)賽結(jié)果顯示 ， 雖然對(duì)大模型場(chǎng)景下結(jié)構(gòu)改進(jìn)帶來(lái)的提升則較為有限 ， 但是輕量級(jí)場(chǎng)景下網(wǎng)絡(luò)結(jié)構(gòu)改進(jìn)對(duì)于識(shí)別率提升較為明顯 。

損失函數(shù)設(shè)計(jì)的核心在于學(xué)習(xí)具備鑒別性且足夠魯棒的特征 。近年來(lái)基于度量學(xué)習(xí)與各類(lèi) margin — based 方法逐漸成為主流。在特征提取加速方面 ， 主要的方法有輕量級(jí)網(wǎng)絡(luò) 、 模型蒸惚 、 稀疏量化等 ；在特征比對(duì)加速方面 ， 主要的思路有量化以及各類(lèi)近似最近鄰檢索技術(shù) 。

低質(zhì)量人臉識(shí)別技術(shù)。在實(shí)際的動(dòng)態(tài)應(yīng)用場(chǎng)景下 ， 人臉識(shí)別技術(shù)由于場(chǎng)景的不可控因素 ， 采集到的圖片質(zhì)量與訓(xùn)練圖片的質(zhì)量有很大差異 ， 如人臉偏轉(zhuǎn) ， 大幅度側(cè)臉 ；運(yùn)動(dòng)模糊和失焦模糊 ；遮擋物(例如口罩 ， 墨鏡) ；低的光照強(qiáng)度和對(duì)比度 ；視頻傳輸由于編解碼過(guò)程產(chǎn)生的人臉信息丟失等 ， 這些因素導(dǎo)致準(zhǔn)確率極度下降 。

針對(duì)這些具體問(wèn)題 ， 研究人員提出綜合利用各種圖像增強(qiáng)技術(shù)和圖像生成技術(shù)對(duì)人臉識(shí)別算法準(zhǔn)確率進(jìn)行提升的方法 ， 如采用對(duì)抗式生成網(wǎng)絡(luò)對(duì)攝像頭的風(fēng)格進(jìn)行遷移 ， 采用基于深度學(xué)習(xí)的方法對(duì)小尺寸模糊人臉進(jìn)行超分辨率重建和基于注意力機(jī)制對(duì)人臉圖片進(jìn)行去模糊處理等 。

此外 ， 3D 人臉識(shí)別技術(shù)也可以有效解決復(fù)雜場(chǎng)景下人臉單模態(tài)魯棒性不足問(wèn)題 ， 如大角度 、 遮擋引起的效果下降問(wèn)題 ， 常用的融合策略有相似度融合 、 特征融合 、 決策融合等 。

戴口罩人臉識(shí)別技術(shù)。今年新型冠狀病毒疫情期間戴口罩人臉識(shí)別受到較大關(guān)注 。常用的解決方法有數(shù)據(jù)增強(qiáng) 、 遮擋恢復(fù) 、 多部件模型融合等 ， 可應(yīng)用在人臉布控 、 陌生人檢測(cè) 、 無(wú)感通行中 ， 均不需要摘下口罩 ， 在 30 萬(wàn)人像庫(kù)的規(guī)模下 ， 戴口罩人臉識(shí)別準(zhǔn)確率可大于 90% 。

人臉聚類(lèi)無(wú)論是在個(gè)人領(lǐng)域的相集管理還是在智慧城市治理領(lǐng)域都有較為廣泛的應(yīng)用 。早期主要基于傳統(tǒng)的聚類(lèi)方法如 k-means 等 ， 但效果不佳 。近年來(lái) ， 基于 GCN 的人臉聚類(lèi)方法嶄露頭角 。實(shí)際業(yè)務(wù)中 ， 時(shí)空信息的挖掘也是研究的熱點(diǎn) 。

特定群體識(shí)別技術(shù)。針對(duì)兒童/老人 、 不同膚色群體的人臉識(shí)別 ， 有標(biāo)簽的數(shù)據(jù)較少 ， 而無(wú)標(biāo)簽的數(shù)據(jù)更多些 。研究人員提出可以利用半監(jiān)督/無(wú)監(jiān)督學(xué)習(xí)方法帶來(lái)性能的進(jìn)一步提升 。同時(shí) ， 對(duì)抗 、 域適應(yīng)等方法也是研究人員較為關(guān)注的方法 。在特定群體識(shí)別中 ， 應(yīng)考慮如何方便老年人使用人臉識(shí)別系統(tǒng) 。

為了防范照片 、 視頻 、 頭模等假體對(duì)人臉識(shí)別系統(tǒng)的攻擊 ， 呈現(xiàn)攻擊檢測(cè)算法也是研究的熱點(diǎn) ， 主要檢測(cè)原理包括 ：

a ） 離散圖像檢測(cè)方式 ， 即利用一幅或多幅圖像進(jìn)行判斷 ；

b ） 連續(xù)圖像檢測(cè)方式 ， 即采用連續(xù)圖像序列進(jìn)行判斷，如檢測(cè)顯示器邊緣 、 邊框 、 屏幕反光 、 像素點(diǎn) 、 條紋分析等進(jìn)行判斷 ；

c ） 用戶(hù)主動(dòng)配合檢測(cè)方式 ， 即通過(guò)指令要求用戶(hù)完成相應(yīng)動(dòng)作如點(diǎn)頭 、 抬頭 、左右轉(zhuǎn)頭 、 張嘴 、 眨眼 、 跟讀屏顯提示信息等進(jìn)行判斷 ；

d ） 基于輔助硬件設(shè)備的檢測(cè)方式 ， 即利用輔助硬件設(shè)備獲取更多判斷依據(jù)輔助進(jìn)行判斷 ， 如利用深度攝像頭采集人臉深度信息或利用特定波長(zhǎng)光源投射并檢測(cè)在皮膚或非皮膚材質(zhì)上產(chǎn)生的發(fā)射率差異等 ；

e ） 用戶(hù)被動(dòng)配合檢測(cè)方式 ， 如 ：利用靜脈血管 、 肌肉 、骨骼 、 靜脈血液中脫氧血色素對(duì)紅外線的吸收特性 ， 判斷其是否來(lái)自活體 ；通過(guò)特定指令引導(dǎo)用戶(hù)眼球運(yùn)動(dòng) ， 并通過(guò)跟蹤眼球運(yùn)動(dòng)以判斷是否為真實(shí)活體 。

多模態(tài)融合識(shí)別技術(shù)。多模態(tài)融合識(shí)別技術(shù)可以有效解決復(fù)雜場(chǎng)景下人臉單模態(tài)魯棒性不足問(wèn)題 。如大角度 、 遮擋 、 像素過(guò)低引起的效果下降問(wèn)題或應(yīng)用場(chǎng)景對(duì)于安全性可靠性要求很高的場(chǎng)景 ， 多模態(tài)可以增強(qiáng)識(shí)別的可信度 。

多模態(tài)識(shí)別有兩個(gè)發(fā)展方向 ， 一個(gè)方向是在臉部圖像特征識(shí)別的基礎(chǔ)上 ， 增加頭肩和形體的識(shí)別 ， 這種技術(shù)的好處是可以不必增加額外的采集單元 ；另外一個(gè)方向是 ， 融合其他生物識(shí)別模態(tài) ， 如靜脈紋理 ， 聲紋信息等 ， 這種技術(shù)除了能夠提高算法的魯棒性之外 ， 還可以提高活體驗(yàn)證的可信度 ， 在行業(yè)里受到了較為廣泛的關(guān)注 。

03.

行業(yè)發(fā)展

1、行業(yè)發(fā)展概述

隨著云計(jì)算 、 大數(shù)據(jù) 、 物聯(lián)網(wǎng) 、 人工智能等計(jì)算機(jī)科學(xué)技術(shù)的飛速發(fā)展以及人臉識(shí)別技術(shù)在實(shí)際應(yīng)用中的不斷成熟 ， 人臉識(shí)別技術(shù)在智慧安防 、 智慧城市 、 智能家居 、 移動(dòng)支付等領(lǐng)域繼續(xù)大放異彩 ， 并且人臉識(shí)別的一些新應(yīng)用場(chǎng)景也不斷地被挖掘出來(lái) 。

全球人臉識(shí)別行業(yè)規(guī)模依然在以非常高的速度進(jìn)行增長(zhǎng) 。根據(jù)MarketsandMarkets 發(fā)布的全球人臉識(shí)別市場(chǎng)相關(guān)報(bào)告 ， 預(yù)計(jì)全球人臉識(shí)別市場(chǎng)規(guī)模將從 2019 的 32 億美元增長(zhǎng)到 2024 年的 79 億美元 ， 在預(yù)測(cè)期內(nèi)（ 201 9-2024 年 ） 將以 16.6% 的復(fù)合年增長(zhǎng)率進(jìn)行增長(zhǎng) 。

國(guó)內(nèi)方面 ， 中國(guó)人臉識(shí)別技術(shù)投入在 2017-2018 年達(dá)到巔峰 ， 根據(jù) IHSMarkit 的數(shù)據(jù) ， 2018 年 ， 中國(guó)在全球人臉識(shí)別市場(chǎng)的業(yè)務(wù)占據(jù)了將近一半的份額 。2019 至 2020 年 ， 人臉識(shí)別技術(shù)發(fā)展趨于平緩 ， 進(jìn)入理智期 。依據(jù) IT 桔子數(shù)據(jù)統(tǒng)計(jì) ， 截至目前 ， 中國(guó)人臉識(shí)別技術(shù)總投資額達(dá)到 406 億元 。前瞻產(chǎn)業(yè)研究院預(yù)計(jì) ， 未來(lái)五年人臉識(shí)別市場(chǎng)規(guī)模將保持 23% 的平均復(fù)合增長(zhǎng)速度 ，到 2024 年市場(chǎng)規(guī)模將突破 100 億元 。

2、典型應(yīng)用領(lǐng)域

科技金融。人臉識(shí)別在金融領(lǐng)域的應(yīng)用已經(jīng)相當(dāng)普遍，如遠(yuǎn)程銀行開(kāi)戶(hù) 、 身份核驗(yàn) 、保險(xiǎn)理賠和刷臉支付等 。人臉識(shí)別技術(shù)的接入，能有效提高資金交易安全的保障 ， 也提高了金融業(yè)務(wù)中的便捷性。

2013 年芬蘭公司 Uniqul 成為首批吃螃蟹的公司 ， 面向全球首次推出人臉識(shí)別支付這一創(chuàng)新支付技術(shù) 。2015 年在德國(guó)漢諾威 CeBIT 展會(huì)上馬云第一次向德國(guó)總理默克爾展示了支付寶的人臉識(shí)別支付技術(shù) 。同年 ， 招商銀行在一些支行柜面和ATM業(yè)務(wù)也開(kāi)始應(yīng)用人臉識(shí)別 ， 隨后包括建設(shè)銀行 、 農(nóng)業(yè)銀行等四大行在內(nèi)的數(shù)十家銀行都紛紛將人臉識(shí)別產(chǎn)品引入ATM 、 STM 、 柜面 、 網(wǎng)點(diǎn) 、手機(jī)銀行等各個(gè)業(yè)務(wù)環(huán)節(jié) ， 并逐漸全客戶(hù)覆蓋 。

時(shí)至今日 ， 人臉識(shí)別技術(shù)在國(guó)內(nèi)金融領(lǐng)域已經(jīng)得到了非常廣泛的部署和應(yīng)用 ， 消費(fèi)者在各個(gè)渠道中都可以利用人臉識(shí)別技術(shù)使用金融服務(wù) ，中國(guó)在人臉識(shí)別技術(shù)的應(yīng)用上已經(jīng)大幅度領(lǐng)先國(guó)外市場(chǎng)。

智慧安防。安防是人臉識(shí)別市場(chǎng)最早滲透 、 應(yīng)用最廣泛的領(lǐng)域 。根據(jù)億歐研究 ， 2018年 ， 安防行業(yè)在中國(guó)人臉識(shí)別市場(chǎng)占比 61.2% 。當(dāng)前人臉識(shí)別技術(shù)主要為視頻結(jié)構(gòu)化 、 人臉檢索 、 人臉布控 、 人群統(tǒng)計(jì)等軟硬件一體形態(tài)產(chǎn)品提供基礎(chǔ)支撐,重點(diǎn)應(yīng)用于犯罪人員的識(shí)別追蹤 、 失蹤兒童尋找 、 反恐行動(dòng)助力等場(chǎng)景 。

視頻監(jiān)控系統(tǒng)通過(guò)龐大的監(jiān)控網(wǎng)絡(luò)進(jìn)行圖像采集 、 自動(dòng)分析 、 人臉比對(duì) ， 基于視頻幀的 1 ：1 及 1 ：N 人臉比對(duì) ， 可分析人員軌跡 、 出行規(guī)律等 ， 實(shí)現(xiàn)重點(diǎn)人員的識(shí)別及跟蹤 ， 在公安應(yīng)用場(chǎng)景中達(dá)到事前預(yù)警 、 事中跟蹤 、 事后快速處置的目的 。在雪亮工程 、 天網(wǎng)工程 、智慧社區(qū) 、反恐及重大活動(dòng)安保等公安項(xiàng)目發(fā)揮了重要的作用 。

此外 ， 在企業(yè)樓宇 、 社區(qū)住宅的人員管理和安全防范需求場(chǎng)景下 ， 人臉識(shí)別技術(shù)應(yīng)用非常廣泛 ， 通過(guò)人臉的黑白名單錄入 ， 可有效管控區(qū)域人員出入 ，機(jī)器識(shí)別的高效率也大幅節(jié)省了人力資源。

智慧交通。國(guó)外的公共交通領(lǐng)域?qū)θ四樧R(shí)別技術(shù)的應(yīng)用主要集中在機(jī)場(chǎng)安檢以及入境管理等特別強(qiáng)調(diào)安全的場(chǎng)景 。加拿大渥太華國(guó)際機(jī)場(chǎng) 、 澳大利亞當(dāng)?shù)匾泼窦斑吘潮Ｗo(hù)局與美國(guó)海關(guān)與邊境保護(hù)局皆已嘗試部署人臉識(shí)別出入境系統(tǒng)。

國(guó)內(nèi)交通領(lǐng)域的人臉識(shí)別應(yīng)用主要包括 1 ：1 人臉驗(yàn)證和 1 : N 人臉辨識(shí) 。目前利用人臉核驗(yàn)證技術(shù)的刷臉安檢已進(jìn)入普遍應(yīng)用階段 ， 在高鐵站 、 普通火車(chē)站和機(jī)場(chǎng)皆已大面積推廣 。而應(yīng)用 1 ：N 人臉比對(duì)技術(shù)的刷臉支付主要落地在地鐵公交等市內(nèi)交通 ， 這種技術(shù)能夠極大提高通勤人員的出行效率 ， 釋放大量的人力資源 ， 提升出行體驗(yàn) 。同時(shí) ， 人臉識(shí)別可以對(duì)交通站點(diǎn)進(jìn)行人流監(jiān)測(cè) ，根據(jù)人員出行規(guī)律預(yù)測(cè)交通人流高峰 ， 提前做好疏導(dǎo)預(yù)案 。

除此之外 ， 在交通違規(guī)管控方面 ， 人臉識(shí)別技術(shù)可以幫助執(zhí)法人員更快速高效地找到違規(guī)人員身份信息 ， 并結(jié)合車(chē)輛識(shí)別等技術(shù)進(jìn)行跟蹤攔截。

民生政務(wù)。政務(wù)互聯(lián)網(wǎng)平臺(tái)、 公積金 、 社保 、 稅務(wù) 、 網(wǎng)證 、 交通管理 、 行人闖紅燈 、繳交交通罰款 、 住建等民生政務(wù)系統(tǒng) ， 已經(jīng)使用或正在使用人臉識(shí)別系統(tǒng) 。政務(wù)服務(wù)領(lǐng)域的業(yè)務(wù)點(diǎn)主要有私有云平臺(tái)搭建 、 政務(wù)服務(wù)自助終端 、 便民服務(wù)平臺(tái) 。 

人臉識(shí)別在政務(wù)系統(tǒng)的落地 ， 提升了民眾的辦事效率 ， 公民可以不用窗口排隊(duì) ， 實(shí)現(xiàn)自助辦事 ， 節(jié)省了因人工效率低下產(chǎn)生的耗時(shí) 。部分政務(wù)還可以通過(guò)在線人臉識(shí)別認(rèn)證 ， 在移動(dòng)端線上辦理 ， 減輕了 “ 辦事來(lái)回跑 、 辦事地點(diǎn)遠(yuǎn) 、辦事點(diǎn)分散 ” 的困擾 。

教育考試。智慧教育在高速發(fā)展的同時(shí) ， 不斷深入采用物聯(lián)網(wǎng) 、 云計(jì)算 、 大數(shù)據(jù)等先進(jìn)信息技術(shù)手段 ， 實(shí)現(xiàn)各種教育管理與教學(xué)過(guò)程數(shù)據(jù)的全面采集 、 存儲(chǔ)與分析，并通過(guò)可視化技術(shù)進(jìn)行直觀的呈現(xiàn) 。

在這個(gè)過(guò)程中 ， 相關(guān)科技企業(yè)基于自身在人工智能 、 視頻可視化技術(shù) 、 出入口門(mén)禁管理 、 大數(shù)據(jù) 、 云計(jì)算等領(lǐng)域積累的技術(shù)產(chǎn)品經(jīng)驗(yàn) ， 致力于推動(dòng)智慧教育的行業(yè)發(fā)展 ， 打造升級(jí)智慧校園 、 智慧教室 、 智慧宿舍 、 智慧圖書(shū)館 、 智慧食堂 、 智慧超市等教育相關(guān)的安全管控 、 課堂考勤 、 刷臉消費(fèi)和智能化體驗(yàn) 。同時(shí) ， 人臉識(shí)別技術(shù)也應(yīng)用在考生身份確認(rèn) 。

智能家居。人臉識(shí)別在智能家居中主要應(yīng)用在安全解鎖和個(gè)性化家居服務(wù)兩個(gè)場(chǎng)景 。在安全防范方面 ， 人臉識(shí)別可以提供相對(duì)安全和便捷的入戶(hù)解鎖技術(shù) ， 將可能逐步替代傳統(tǒng)密碼或指紋門(mén)鎖 。智能門(mén)鈴可以通過(guò)人臉識(shí)別對(duì)訪客身份進(jìn)行識(shí)別 。另外家中的監(jiān)控?cái)z像頭可以實(shí)時(shí)監(jiān)測(cè) ， 如發(fā)現(xiàn)陌生人臉立即提醒住戶(hù)并報(bào)警 。

在個(gè)性化家居服務(wù)方面 ， 智能電視可以采用人臉信息錄入的方式創(chuàng)建賬號(hào) ，機(jī)器通過(guò)人臉識(shí)別認(rèn)證 ， 有針對(duì)性的進(jìn)行內(nèi)容推送 ， 實(shí)現(xiàn)個(gè)性化定制 ；智能冰箱可通過(guò)人臉識(shí)別技術(shù) ， 針對(duì)不同的用戶(hù)愛(ài)好 、 人臉狀態(tài) ， 推送菜譜及營(yíng)養(yǎng)建議 。人臉識(shí)別技術(shù)在智能家居行業(yè)的應(yīng)用 ， 為市民帶來(lái)了更便捷 、 舒適的生活方式 。

3、 行業(yè)發(fā)展趨勢(shì)

應(yīng)用場(chǎng)景向各行業(yè)滲透 ， 市場(chǎng)規(guī)模增長(zhǎng)趨勢(shì)出現(xiàn)分化。隨著技術(shù)發(fā)展和安全性要求的提高 ， 人臉識(shí)別技術(shù)在行業(yè)應(yīng)用中發(fā)生巨大變化 ， 從安全性可靠性要求較低的行業(yè)上升到金融社保 、 證券 、 銀行 、 互聯(lián)網(wǎng)金融等安全可靠性要求較高的行業(yè) 。我國(guó)人臉識(shí)別技術(shù)目前主要運(yùn)用在公共安防 、 門(mén)禁考勤 、 金融支付三大領(lǐng)域 。

區(qū)分不同的應(yīng)用領(lǐng)域來(lái)看 ， 其趨勢(shì)逐漸出現(xiàn)分化 。從 2019 年看 ， 安防作為人臉識(shí)別最早應(yīng)用的領(lǐng)域之一 ， 其市場(chǎng)份額占比在 30% 左右 。隨著雪亮工程 、 智慧城市建設(shè)的逐步完成 ， 人臉識(shí)別在安防領(lǐng)域逐漸從增量市場(chǎng)轉(zhuǎn)變?yōu)榇媪渴袌?chǎng) 。 

人臉識(shí)別在門(mén)禁考勤領(lǐng)域的應(yīng)用最為成熟 ， 約占行業(yè)市場(chǎng)的 42% 左右 ， 隨著智慧樓宇 、 智慧社區(qū) 、智慧家居的進(jìn)一步發(fā)展 ， 人臉識(shí)別門(mén)禁考勤市場(chǎng)也將隨之增長(zhǎng) 。金融作為人臉識(shí)別未來(lái)重要的應(yīng)用領(lǐng)域之一 ， 目前約占行業(yè)的 20%, 并且市場(chǎng)規(guī)模在逐步擴(kuò)大 。

全球公共衛(wèi)生環(huán)境變化，人臉識(shí)別迎來(lái)應(yīng)用新需求。新冠肺炎疫情的爆發(fā)并在全世界流行 ， 威脅人類(lèi)生命安全與健康 ， 引發(fā)了一場(chǎng)全球公共衛(wèi)生危機(jī) 。相對(duì)于指紋 、 刷卡等接觸式身份識(shí)別模式 ， 人臉識(shí)別等非接觸式識(shí)別模式更適用于當(dāng)前受新冠病毒影響的全球公共衛(wèi)生環(huán)境 ， 減少病毒通過(guò)接觸感染人群 。

一方面 ， 人臉識(shí)別技術(shù)結(jié)合紅外體溫監(jiān)測(cè)技術(shù) ， 獲取人員身體健康狀況信息 ， 能及時(shí)反饋并控制疫情源頭 ；另一方面 ， 監(jiān)控系統(tǒng)的全面布控 ， 可檢測(cè)獲取重點(diǎn)人員流動(dòng)信息 ， 幫助政府防控管制措施做到有的放矢。

目前全球公共衛(wèi)生環(huán)境形式依舊嚴(yán)峻 ， 根據(jù)智源發(fā)布的 《 人臉識(shí)別與公共衛(wèi)生調(diào)研報(bào)告 》 顯示 ， 受訪者普遍贊同加強(qiáng)人臉識(shí)別技術(shù)的能力 ， 81.9% 的人同意增強(qiáng)對(duì)戴有口罩的人的面部識(shí)別 。為完善疫情防控體系 ， 進(jìn)一步阻斷傳播源 ， 戴口罩人臉識(shí)別技術(shù)的新需求浮出水面 。

近年來(lái) ， 信息量的爆炸式增長(zhǎng)給數(shù)據(jù)傳輸存儲(chǔ)及中心計(jì)算帶來(lái)了巨大的壓力 ， 邊緣計(jì)算應(yīng)運(yùn)而生 。隨著 AI 芯片技術(shù)的飛速發(fā)展 ， 邊緣計(jì)算設(shè)備的算力不斷提高 ， 越來(lái)越多的計(jì)算由邊緣側(cè)承擔(dān) 。一方面 ， 邊緣計(jì)算能有效緩解帶寬承載 ， 提高計(jì)算傳輸效率 ， 滿(mǎn)足實(shí)時(shí)響應(yīng)需求 ， 增強(qiáng)數(shù)據(jù)安全性 ；另一方面 ，模型壓縮及加速技術(shù)以及適合人臉識(shí)別算法運(yùn)算的專(zhuān)用 AI 芯片不斷完善 ， 邊緣設(shè)備的人臉識(shí)別算法精度持續(xù)提升 ， 目前基于 AI 芯片的邊緣設(shè)備應(yīng)用基本覆蓋社區(qū) 、 學(xué)校 、 醫(yī)院 、 園區(qū) 、 交通等場(chǎng)景 ， 支撐人臉識(shí)別的大規(guī)模應(yīng)用 。

云邊端協(xié)同部署 ， 人臉識(shí)別應(yīng)用迎來(lái)新場(chǎng)景新模式。云邊端的協(xié)同部署模式將人臉識(shí)別應(yīng)用模塊分?jǐn)偟礁鞑糠?， 通過(guò)前端邊緣計(jì)算實(shí)現(xiàn)布控報(bào)警 ， 邊端對(duì)人臉特征做聚類(lèi)分析 ， 云端匯聚有效信息 ， 進(jìn)行大數(shù)據(jù)對(duì)比分析 ， 開(kāi)展調(diào)度工作。

云邊端協(xié)同部署方式緩解了云端壓力 ， 支持業(yè)務(wù)分級(jí)響應(yīng) ， 云邊結(jié)合人臉識(shí)別系統(tǒng)通過(guò)對(duì)云端和邊緣端資源的統(tǒng)一配置 、 管理 、 調(diào)度 ， 融合了邊緣計(jì)算敏捷性和云端大數(shù)據(jù)全局性的優(yōu)勢(shì) ， 使人臉識(shí)別系統(tǒng)在帶寬 、 并發(fā)數(shù) 、 響應(yīng)速度等維度性能全面提升。

在未來(lái) ， 邊緣端設(shè)備的視頻編碼能力和視頻特征抽取能力將進(jìn)一步加強(qiáng) ，AI 應(yīng)用也會(huì)將越來(lái)越多的計(jì)算承載分?jǐn)偟角岸?。云端則由人像系統(tǒng) 、 視頻結(jié)構(gòu)化系統(tǒng) 、 人臉人體聚類(lèi)分析等服務(wù)組成 ， 通過(guò)分析 、 聚類(lèi) 、 歸檔形成各種主題庫(kù) ， 跟各種業(yè)務(wù)應(yīng)用打通 ， 滿(mǎn)足更多復(fù)雜場(chǎng)景下的智能化應(yīng)用需要。

國(guó)內(nèi)市場(chǎng)競(jìng)爭(zhēng)激烈一方面體現(xiàn)在競(jìng)爭(zhēng)廠商多 ， 包括傳統(tǒng)安防企業(yè) 、 AI 初創(chuàng)企業(yè)和平臺(tái)生態(tài)企業(yè) 。傳統(tǒng)安防企業(yè)從安防市場(chǎng)出發(fā) ， 對(duì)安防視頻行業(yè)的痛點(diǎn)和客戶(hù)需求理解較深 ， 擁有產(chǎn)品+集成的優(yōu)勢(shì) ， 已構(gòu)建起很強(qiáng)的規(guī)模效應(yīng)壁壘 。

AI 初創(chuàng)企業(yè)主要是一些新興的專(zhuān)注于做算法的計(jì)算機(jī)視覺(jué) （ CV ） 初創(chuàng)企業(yè) ，以 AI 算法為核心優(yōu)勢(shì) ， 同時(shí)兼顧 “ 硬件落地 ” 及 “ 產(chǎn)品化 ”。平臺(tái)生態(tài)企業(yè) ，依托其強(qiáng)大的云平臺(tái)以及云計(jì)算能力 ， 以云平臺(tái)為核心橫向切入 ， 整合合作伙伴的應(yīng)用方案 ， 構(gòu)建統(tǒng)一的生態(tài)體系 ， 并形成差異化競(jìng)爭(zhēng)。

國(guó)內(nèi)市場(chǎng)競(jìng)爭(zhēng)激烈另一方面體現(xiàn)在全產(chǎn)業(yè)鏈競(jìng)爭(zhēng) ， 從算法競(jìng)爭(zhēng)延伸到芯片和平臺(tái)競(jìng)爭(zhēng) 。主要市場(chǎng)參與者都已經(jīng)加入 AI 芯片競(jìng)爭(zhēng)中 ， 安防企業(yè)注重邊緣側(cè)和端側(cè)的推理芯片 ， 初創(chuàng)公司更注重邊緣側(cè)推理芯片 ， 而平臺(tái)生態(tài)企業(yè)則注重端 / 云一體 ， 構(gòu)建從訓(xùn)練到推理的全棧 AI 生態(tài) 。下游的競(jìng)爭(zhēng)主要是應(yīng)用層的競(jìng)爭(zhēng) ， 是生態(tài)的競(jìng)爭(zhēng) ， 是深耕行業(yè)的競(jìng)爭(zhēng) 。

總體來(lái)看，當(dāng)前我國(guó)的人臉識(shí)別技術(shù)與應(yīng)用在國(guó)際上處于領(lǐng)先地位 ，在科技金融 、 智慧安防 、 智慧交通 、 民生政務(wù) 、 教育考試 、 智能家居等多個(gè)領(lǐng)域得到了廣泛應(yīng)用。但是，近一年人臉識(shí)別技術(shù)也出現(xiàn)了很多不良影響，“售樓處暗藏人臉識(shí)別”、人臉信息泄露等問(wèn)題屢見(jiàn)不鮮。隨著技術(shù)門(mén)檻的逐步降低，加強(qiáng)安全技術(shù)的研發(fā)和應(yīng)用，完善相關(guān)的法律法規(guī)變得尤為重要。