人脸识别群雄逐鹿 巨头和创业公司谁能问鼎？

　　随着人类与机器共享的“秘密”越来越多(十年前丢手机就是换一张卡那么简单，现在意味着整个数字世界的重构)，安全系数越来越大，基于密码的识别方式已日趋无力——如今，学术界也已达成共识，身份识别的下一幕，来自每个人的生物体征。

　　2017年苹果新品手机iPhone X采用Face ID人脸识别解锁，此前小米Note3、Vivo V7+也推出具备人脸识别功能的智能手机。这标志着人脸识别技术加速迈入消费级领域。

　　手机设备以外的众多领域也同样在发生重大变革。武汉火车站宣布全面刷脸进站;百度宣布与首都国际机场签署战略合作协议打造刷脸登机的智慧机场;支付宝宣布商用刷脸支付;杭州大量宾馆免身份证，刷脸即可入住;京东苏宁开启刷脸支付;农业银行总行在自动取款机试点“刷脸取款”，目前已下发通知要求全国推广刷脸取款，将为全国24064家分支机构、30089台柜员机、10万个ATM机安装人脸识别系统;招商银行也已于近期在全国重点城市的ATM取款机系统上线了“刷脸取款”选项，用户可不带银行卡、身份证，不用输入银行账户，靠“刷脸”就能取款。由此可见，人脸识别技术加速渗透进入安防、银行、支付等众多领域，并且已经从政府级别应用、商业级别应用开始进入到消费级别的爆发时期，验证了人脸识别技术巨大的市场需求与广阔的应用前景。

　　据Yole数据显示，全球人脸识别市场规模预计将从2017年的40.5亿美元增长至2022年的77.6亿美元，这期间的复合年增长率可达13.9%。推动市场增长的主要因素包括：iPhone X带动更多智能手机集成3D人脸识别，公共场所日益增长的监控需求，以及政府部门等各个产业对人脸识别技术的应用增长。

　　人脸识别技术的优势

　　人脸识别的工程应用始于20世纪60年代，经过50多年的发展，人脸识别技术已经取得了重大突破，很多经典算法和人脸库相继出现。目前人脸识别系统最高的正确率可以达到99.5%，而人眼在同等条件下识别的正确率仅为97.52%，人脸识别的准确率已经做到了比肉眼更精准。

　　人脸识别大致分为两种应用模式四步流程。两种模式包括1：1比对和1： N识别，1：1是比对两个人脸的相似度，只需要确定是否授权人;1：N是识别对象是否在人脸数据库中。四部流程依次是人脸检测、活体检测、人脸特征提取和人脸匹配识别。

　　与其他生物特征识别技术相比，人脸识别技术在实用性方面具有独到的技术优势，主要体现在以下方面：

　　1、非接触：人脸图像的采集不同于指纹、掌纹需要接触指掌纹专用采集设备，指掌纹的采集除了对设备有一定的磨损外，也不卫生，容易引起被采集者的反感，而人脸图像采集的设备是摄像头，无须接触。

　　2、非侵扰：人脸照片的采集可使用摄像头自动拍照，无须工作人员干预，也无 须被采集者配合，只需以正常状态经过摄像头前即可。

　　3、友好：人脸是一个人出生之后暴露在外的生物特征，因此它的隐私性并不像指掌纹、虹膜那样强，因此人脸的采集并不像指掌纹采集那样难以让人接受。

　　4、直观：我们判断一个人是谁，通过看这个人的脸就是最直观的方式，不像指掌纹、虹膜等需要相关领域专家才可以判别。

　　5、快速：从摄像头监控区域进行人脸的采集是非常快速的，因为它的非干预性和非接触性，让人脸采集的时间大大缩短。

　　6、简便：人脸采集前端设备——摄像头随处可见，它不是专用设备，因此简单易操作。

　　7、可扩展性好：它的采集端完全可以采用现有视频监控系统的摄像设备，后端应用的扩展性决定了人脸识别可以应用在出入控制、黑名单监控、人脸照片搜索等多领域。

　　深度学习和3D视觉助推人脸识别发展

　　长久以来，技术创新不足、应用推广有限、价格成本高是制约人脸识别发展的三大因素。研究人脸识别算法优化、轻量化的团队较少，算法的优化尚未完成，在功耗小的情况下保持一定的速度和精度是人脸识别应用发展的难点。因此最近几年人脸识别虽然被广泛应用到出入境通关、机场安检等政府部门中，但一直没能真正进入到更广泛的商业化应用领域中。

　　第一，在技术层面上，人脸识别的精准度和核心算法的原始创新不足、技术标准 制定还不完善，快速准确完成人脸识别需要解决很多技术上的难点。

　　自身生理变化。在人脸比对的过程中，如果自身与数据库里面存储的人脸发生了较大的生理变化，例如经历剃须、换发型、戴眼镜遮挡等变化。即使外貌并没有发生太多变化，人通过脸部的变化产生很多表情，都有可能会引起 比对失败。

　　外部环境影响。人脸受到很多外部因素的影响：在不同的角度进行拍摄，人脸的视觉图像相差很大;容易受到光照条件影响，比如白天和黑夜、室内和室外的光照存在较大差异。

　　除了这两种情况，还有人为的整容行为、双胞胎等极端情况存在。如何规避这些外因对于人脸识别速度和识别效果的影响，一直都是科研的重点研究方向。

　　人脸识别技术难点

　　第二，应用方面上，人脸识别基本局限在公安部门出入境管理等政府部门中，未能渗透到大规模商业级别应用和个人消费级别当中。在应用层面上，尽管在实验室等科研条件下，许多人脸识别技术的精准度已经达到99%、甚至99.5%以上的水平，但是这些技术和方案很难落地到实际应用层面上。人脸识别技术落地的过程中，需要考虑到不同的场景运用。在实际落地过程中，指纹识别等其他生物识别由于技术成熟，不易受到外界因素影响，早已经运用到考勤认证、智能手机账号登录中，可替代物的成熟发展也制约了人脸识别产业化的进程。

　　第三，价格方面，市场竞争不足和技术不成熟导致价格处于高位。由于技术不成熟，人脸识别技术并未应用到商业场景和消费级领域，大部分被运用到政府和公安部门，且采用系统集成的方式交付，一套系统的成本和价格非常高昂。

　　但近几年来，这一情形开始转向，三大问题正在逐渐得到解决。

　　技术方面，深度学习算法的成熟，使得人脸的准确率得到大幅提升。以深度学习算法为基础的计算机技术的进步，为人脸识别提供了强大的计算和分析工具。反过来，巨量的生物特征数据也为机器训练提供了丰富的素材，“大数据成为人工智能的燃料”。人脸识别方面，Face++团队创造了世界上最高的人脸识别正确率，曾在人脸检测FDDB评测、人脸关键点定位300-W评测和人脸识别LFW评测上，接连拿下了三项世界第一。

　　应用方面，目前，生物识别的应用场景已经极大地拓宽。银行在客户身份核验场景下应用生物识别，覆盖了弱实名电子账户开户、结算账户开户和存取款等不同风险层级的场景。第三方支付和手机银行等移动支付应用开始使用生物识别方案。公安部门在视频监控和多类场所的人员进出管理中大力引入人脸识别技术。在政策推动下，人脸识别也已入驻社保、教育、医疗系统。近几年，国内智能手机消费剧增，手机用户的移动支付习惯逐渐养成，智能家居渐受青睐，三方面个人消费需求的增长推动手机端的消费级人脸识别开始爆发。

　　价格方面，人脸识别设备近两年不断下降。近年来，技术的进步和算法的改善让人脸识别技术迈上一个新的台阶，在国家政府推动和政策支持下，我国人脸识别技术和应用都取得了非常大的进步。

　　目前3D感应有3种主流方案：结构光，飞行时间(TOF)以及双目测距

　　结构光(Structured Light)：结构光投射特定的光信息到物体表面后，由摄像 头采集，这些光斑打在物体上后，因为与摄像头距离不同，被摄像头捕捉到的位臵也不尽相同。根据物体造成的光信号的变化来计算物体的位臵 和深度等信息，进而复原整个三维空间。苹果iPhone X人脸识别技术即是采用了3D结构光技术。

　　飞行时间TOF(Time Of Flight)：通过专有传感器，捕捉近红外光从发射到接收的飞行时间，判断物体距离。TOF的硬件实现方式和结构光类似，区别只是在于算法上，结构光采用编码过的光信息进行投射，而TOF直接计算光往返各像素点的相位差。此技术被微软用在了第二代的Kinct上。

　　双目测距(Stereo System)：原理类似人的双眼，在自然光下通过两个摄像头抓取图像，通过三角形原理来计算并获得深度信息，目前的双摄像头就是双目测距的典型应用。在移动设备上的应用较少，多用在户外机器人。

　　由于双目测距技术受限条件较多，不能在黑夜中使用，所以商用的3D深度视觉包括飞行时间和结构光两种技术。

　　受益于三大技术难点的逐步解决，国内人脸识别产业正迎来前所未有的发展机会，其应用范围和市场规模有望实现快速扩张。近红外人脸识别与可见光技术的结合、3D结构光、深度摄像头的发展都给人脸识别技术带来了技术革新。深度学习算法的突破则大大促进了人工智能和人脸识别技术的发展，提高了识别的效率和精确度。

　　消费级应用即将爆发，人脸识别场景日趋多元

　　互联网+：人脸识别技术在互联网领域得到了广泛应用。商汤科技通过深度学习算法，在新浪微博“面孔专辑”功能实现人脸检测并且分类;旷视为美图旗下的美图秀秀App、美颜相机、美颜手机等一系列软硬件产品提供了人脸识别技术支持。其中美图秀秀和美颜相机App通过旷视(Face++)的人脸检测和关键点检测技术，可以在图像中精准定位人脸和五官位置，从而进行人像美白、五官美化等处理，快速完成精准修容。

　　新零售&支付：人脸识别技术也被应用在新零售领域，推动着无人零售的发展与实现。2017年9月KFC与蚂蚁金服合作在其第一家升级店K PRO采用人脸识别系统等技术，消费者微笑就可通过人脸识别系统完成支付。店内没有设臵点餐台和收银员，消费者到店点餐不仅可以通过设臵在门口的自助点餐机点餐，也能通过手机扫描餐桌上的二维码自助点餐、支付。在未来，人脸识别技术还可用于客流统计、消费者心理和行为分析。通过客流统计数据，分析不同区域、通道的客流和顾客滞留时间，与销售业绩报表结合，可以分析顾客购买行为，顾客性别年龄组成。

　　智能手机：人脸检测和分类技术早已经被运用到智能手机应用中，例如OPPO、小米等手机中，应用了商汤的人脸聚类功能，云端存储照片将被自动分类，避免了手动分类 照片的繁琐操作，优化了用户体验。

　　2017年苹果、小米、Vivo等智能手机厂商不约而同地在新上线的新机型中搭配人 脸解锁功能。除了可以应用到解锁功能，苹果FaceID人脸识别还可以取代以往TouchID指纹识别的功能，包括身份验证、支付等。在安全性方面，根据苹果消息，被相同指纹破解Touch ID的概率是五万分之一，而遭遇相同的面部能破解Face ID的概率则是一百万分之一，安全性提升20倍。众多手机厂商在人脸识别的布局，有望引爆人脸识别消费级领域的爆发。

　　总而言之，除了政府、安防、公安、金融之外，互联网 、消费电子、汽车电子、 零售、医疗、教育等诸多领域都 在逐步引入人脸识别，人脸识别正在逐步渗透进消费级领域方方面面。

　　人脸识别群雄逐鹿，巨头和创业公司谁能问鼎?

　　目前从事人脸识别技术的公司包含三类：工业巨头、互联网巨头和创业公司，都已相继开始布局。Google、Facebook、百度等互联网巨头都在人脸识别产业链不同领域布局，传统垂直领域厂商如苹果、海康、大华、华为都在研发技术巩固自身原有业务。巨头发展的方式为外延和内生并行，例如Facebook收购Face.com，苹果收购PrimeSense。同时也可以看到有旷视、商汤、依图、云从等创业公司已经发展壮大成独角兽。

　　从终端厂商来看，苹果、三星、华为、Facebook、谷歌的多项专利显示，各大终端巨头都在纷纷布局人脸识别技术。各家科技巨头主要是采用自研为主，并购为辅的发展战略。外延并购的例如苹果、Facebook等。苹果在人脸识别的应用专注于手机端，先后收购PolarRose，PrimeSense，Perceptio，Faceshift，Emotient，Turi等人脸识别相关技术公司;Facebook 2012年收购了以色列脸部识别公司Face.com。以下表格总结了国外巨头公司 近几年在人脸识别领域及其上下游发生的外延并购。

　　近几年在人脸识别领域及其上下游发生的外延并购

　　自研技术方面，谷歌在2012年获得人脸识别解锁手机的专利;苹果获得相应专利的时间为2015年。在国内市场，BAT也在人工智能领域奋力竞争。资本方面，把深度学习算法运用到人脸识别上目前走在最前列的是百度等互联网公司。同时，很多创业型企业技术也不弱，比如商汤科技(Sense Time)、旷视科技、依图科技、云从科技四家独角兽公司。这些公司无论是从技术上还是从应用能力上都 相对成熟，获得了资本市场的高度重视。下面对比四家人脸识别独角兽公司的技术和应用场景。

　　人脸识别在众多领域遍地开花已经是大势所趋，四家独角兽公司在应用方面的布局也有所侧重，他们各自凭借先进的技术，在各自擅长的领域进行深度布局，积累了丰富的客户资源。商汤科技侧重在金融、安防、移动互联网和手机领域;依图科技侧重在金融、安防、医疗和交通领域;旷视科技侧重在金融、安防、零售、出行等领域;云从科技侧重在金融、安防、酒店，以及其他创新领域。

　　盈利模式从传统的硬件销售、软件按量或按时收费 (SaaS模式/PaaS模式)、软件技术支持、软硬件一体化解决方案再到未来可能会 实现的大数据变现，变现模式多样。当一个企业能够在某个场景中沉淀大量优质数据，并且有足够的能力挖掘这些数据的价值，就拥有了数据变现的能力。Google搜索引擎就是其中的例子。图像和视频比文字的数据量更为庞大，未来拥有数据源的公司在数据变现方面会有良好的商业前景。人工智能数据源也将会是争夺热点。