人脸识别技术公司TOP50
人脸识别技术公司TOP50
2018-10-04eNet&Ciweek/拾影
2018人脸识别技术公司排行排名公司名称优势特点1商汤科技支持动静态对比及活体检测，主要面向安防、道路监控、身份验证等众多场景2旷视科技支持动静态人脸识别及活体检测，主要面向楼宇、商超、社区、校园等场景3云从科技支持动静态人脸识别及活体检测，主要应用于身份认证、动态布控等场景4海康威视应用于安防、交通、金融、楼宇等多场景5中科视拓主要应用于考勤、门禁及身份认证等6汉王科技主要应用于考勤、门禁及身份认证等7格灵深瞳主要应用于认证比对、监控、门禁等场景8阿里云打造ET大脑，主要应用于金融、安防、电子商务、智能手机等场景9腾讯云主要应用于安防、金融领域等场景10汉柏科技主要应用于安防、门禁、教育等场景11依图科技主要应用于安防、金融领域等场景12平安科技主要应用于金融、安防、教育等场景13云天励飞主要应用于安防、园区、校园、商超等场景14中科奥森主要应用于安防、金融、楼宇、教育、零售等场景15百度云支持人脸检测、对比及活体检测，可应用于安防、门禁、支付等场景16阅面科技应用于教育、零售等场景17佳都科技致力于智能安防、智能轨道交通建设18瑞为技术应用于安防、商超、家电、车载智能等场景19智慧眼支持活体检测，应用于公安、司法、金融、人社领域20飞搜科技提供目标与场景识别服务，可应用于门禁、金融、美颜、安防等场景21微模式图像识别22川大智胜应用于门禁、监控、人证查验以及相机产品23科大讯飞支持活体检测，应用于考勤、门禁、远程认证等场景24像素数据应用于身份验证、识别对比、视频监控识别25安威士应用于考勤门禁系统26铂亚适用于军民多领域27脸云科技基于人工智能识别人脸的照片分发平台28赛为智能应用于无人机、智能机器人以及智慧城市建设29凯泽科技应用于安防、医疗、教育、布控等场景30图普科技应用于照片处理、身份认证、门禁、安防、金融等场景31盛世华安主要应用于安防、社区等场景32视觉伟业主要应用于智能安防及智慧城市建设33人人智能主要应用于安防、教育、金融、税务等场景34银晨科技应用于安防布控及信息采集35中安未来提供人脸识别、人证识别、人证比对服务36猎户星空应用于接待、售卖、儿童陪伴等场景37飞瑞斯科技主要应用于视频分析、零售、智能办公、安防等场景38泽成科技应用于门禁系统39骏聿科技支持活体检测技术，应用于公共安全及互联网身份认证等场景40中德宏泰主要应用于安防、金融、政务等场景41瑞奥风软件科技主要应用于门禁、考勤、安防场景42可信科技支持人脸检测、对比、搜索及活体检测43科葩信息技术应用于金融、园区、办公等场景44苏慧信息技术主要应用于门禁、人群分析、场馆管理等场景45远钧科技涵盖军事、工业、民用领域46帕米科技可应用于迎宾、物业安防、布控、教育等场景47千搜科技应用于互联网身份认证及智能安防48威富视界支持活体检测，应用于园区、金融领域等场景49荆棘鸟科技适用于门禁、考勤、安防等场景50昊畅达科技支持人脸识别、对比、检测，主应用于安防领域2018《互联网周刊》&eNet研究院选择排行世界上没有两张完全一样的面孔，就像世界上没有两片完全相同的叶子一样，基于或多或少的差异性，人类才能在庞大的人类群体中分辨彼此。人脸识别将这一能力赋予计算机，利用其强大的存储和运算能力，并依托大数据和人工智能算法，在计算机“大脑”中存储多人的影像资料特征，根据差异性来辨别眼前的人是“张三”还是“李四”，是兴奋还是疲倦……
鉴于技术的日趋成熟，现阶段的人脸识别技术已经在具体场景落地尝试，如会议人脸签到、人脸识别智能门禁、安防监控人脸识别报警功能，还有最接近大众群体的智能手机人脸解锁功能……人脸识别的应用覆盖了安防、门禁、金融、园区等多领域下的各类不同场景，备受大众和资本的追捧。但在人脸识别技术高歌猛进的背后，还存在一些潜在的隐患理应被重视。
不均衡的产业链现阶段的人脸识别技术在整个人工智能技术范畴内是占比较重、发展较快的一大领域。根据前瞻产业研究院发布的《人脸识别行业市场前瞻与投资战略规划分析报告》数据显示，2016年，全球人脸识别行业市场规模约为26.53亿美元，其中我国人脸识别行业市场规模约为17.25亿元，占到全球人脸识别行业市场规模的10%左右。根据表层数据显示，我国在这一行业领域的发展势头是较为强劲的，但深挖我国人脸识别产业链，会发现，市场上的企业多集中于下游，即具体的场景应用，而少有企业在中上游发力，这是很危险的。
上游基础层主要包括人工智能芯片、算法技术和数据集。首先，在人工智能芯片的研发上，国内企业略显乏力，缺少像英伟达以及AMDVision这样的公司，最主要的原因在于国内芯片制造行业起步较晚，而人工智能芯片的设计又要求将算法、计算能力、大规模数据等内容全部整合到一起。面对这样的难度，需要在技术层面进行长期探索，才有望追赶上国际芯片巨头，而这需要足够的耐心以及庞大的资本支持，中小企业没有足够的资本支持，即便有心也是无力，大企业则需要足够的魄力承担背后的风险，亦是艰难。
在算法领域，国内领先的人工智能企业，如商汤科技、BAT都在研究并构建人工神经网络，在深度神经网络、卷积神经网络、循环神经网络的不断搭建、优化过程中，构建更强大的深度学习算法。这些算法的研究成果对于企业而言属于商业机密，秘不外宣是最符合商业竞争法则的方式。但美国的谷歌、Facebook、微软都推出了深度学习算法开源平台，将自己研发的算法技术进行开源，降低了很多企业在人工智能基础技术研发上的投入。与之对比，国内只有百度的PaddlePaddle一个深度学习算法开源平台，在研发力、竞争力上自然会稍逊一筹。
相较之下，在真实数据以及模拟数据的收集上，国内行业巨头与国际人脸识别行业巨头的差距倒不是十分明显。但从整体来看，在人脸识别的产业链上游，国内企业与国际巨头的差距还是十分明显的。
中游是由视频人脸识别、图片人脸识别和数据库对比检验等技术层构成，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。虽然处于中游的企业占比不大，但远优于产业链的上游现状。商汤科技、旷视科技、海康威视等一批企业在人脸识别的具体技术层面相继发力，已经取得了较为不俗的成绩。
下游则是国内人脸识别企业最集中的区域，这也取决于国内拥有庞大且复杂的应用场景的支持。如远超各国的移动支付技术和市场给了“刷脸支付”难得的尝试机会；高度集中式的住宅小区对智能安防提出了更高的要求……广泛且复杂的场景领域，让下游得以容下诸多企业。
产业链的不均衡，是目前国内人脸识别行业面临的最大问题，没有基础技术的长足发展，就犹如无根之萍、无源之水，终究不是行业发展的长久之策。
可能存在的缺陷人脸识别最主要的目的在于身份认证。例如智能手机采用的人脸解锁，其目的在于确认使用者是否是被认可的手机用户；人脸识别智能门禁的目的在于只允许有权限的人进入特定区域……这就要求人脸识别的精度必须保持在一个极高的水准，且不能被技术手段所欺骗。但以现阶段的实际应用效果来看，还不能完全避免错误的发生。
首先在精度方面。关键点定位技术是快速识别一个人的核心技术，用于定位的关键点越多，识别的精准度就越高。以商汤科技为例，采用眼、口、鼻轮廓等人脸21、106、240三个不同数量级的定位点，可支持不同场景的需求，并能够适应大角度侧脸、大表情变化、遮挡、模糊、明暗变化等各种实际环境。但能达到利用240个定位点的研发企业并不多，且现实环境的复杂性会令部分定位点失效，其精度难免受到影响。
在智能手机人脸解锁等简单或主动需求的场景下，现阶段人脸识别的精度已足够完成相应任务，因为用户可选择去除遮挡物，避免干扰，弱光条件下智能手机可以提供屏幕补光功能。而在交通及安防领域，对精度的考验则大大提升，在侧脸、遮挡、模糊、明暗变化等各种复杂环境下，有效的定位点就会大幅缩减，精度自然随之下降。如何让有效定位点更好发挥作用，精度达到更高，是人脸识别企业要深究的问题。
其次在于活体检测技术。指纹识别可以通过指纹模型等手段骗过机器，人脸识别则会受到照片、视频等手段的欺骗，人脸识别不仅要保证人脸的正确性，同时要保证这张脸是不是活体的人脸，因此有了活体检测技术。静态活体检测可以通过检测人脸微表情得出结果，动态活体检测会让用户根据随机给出的指令做出动作，大大降低了人脸“伪造”的可能性，但如果用硅胶、乳胶、3D打印做的立体面具来攻击系统，并不能完全排除识别失误可能性。
再者，市场上多数采用的2D识别技术缺陷明显。人脸是以3D立体的形式存在，2D并不能展现人脸的全貌，且容易受到姿态、光照、表情等因素影响，识别率较差。不过，目前部分人脸识别企业已经开始转向利用3D识别技术，利用三维人脸立体建模方法，最大程度保留人脸有效信息，实现更精准识别。
此外，还有人专门研究了可以破坏人脸识别率的产品。就在今年，多伦多大学教授ParhamAarabi和他的研究生AvishekBose还开发了一种算法，通过对图像进行“光转换”，能够动态地破坏人脸识别系统，将识别成功率降至0.5%。
这些缺陷和破坏对人脸识别技术的应用而言，是极具威胁的。如何令人脸识别技术不畏惧这些威胁，是国内企业发展的重要方向。
去除隐患，保证行业的健康发展在2018世界人工智能大会开幕当天，国家主席习近平致信祝贺大会的召开，并指出：“新一代人工智能正在全球范围内蓬勃兴起，为经济社会发展注入了新动能，正在深刻改变人们的生产生活方式。”而人脸识别技术作为人工智能的一部分，也在改变人们的生产生活方式。但我们理应认清现实，正确认知人脸识别技术存在的缺陷，不盲目乐观。
同时，针对目前所暴露的隐患，众企业需要逐个消除，优化人脸识别行业产业链，打好行业基础，并努力提升识别精度，降低活体检测失误率，整体由2D识别技术向3D识别技术迈进，适应各类复杂环境、复杂场景，在保障国内人脸识别行业高速发展的同时，做到不“生病”、不“畸形”，保持健康的姿态。
相关频道：eNews排行
您对本文或本站有任何意见，请在下方提交，谢谢！
投稿信箱：tougao@enet16.com2023识别技术公司分类排行
2020识别技术公司分类排行
2020-10-16eNet&Ciweek/弘毅
2020语音识别技术公司TOP25RK企业1科大讯飞2搜狗3云知声4腾讯5百度6思必驰7捷通华声8快商通9出门问问10SpeakIn11普强信息12平安科技13声扬科技14远鉴科技15驰声科技16声智科技17造极声音科技18声希科技19中科信利20国音智能21先声互联22声瀚科技23厦门天聪24中科昊音25标贝科技2020.10德本咨询/eNet研究院/互联网周刊选择排行2020人脸识别技术公司排行TOP25RK企业1依图科技2海康威视3商汤科技4旷视科技5瑞为技术6云从科技7阿里云8百度云9云天励飞10达闼科技11眼神科技12腾讯云13汉王科技14大华股份15铂亚信息16汉柏科技17佳都科技18川大智胜19平安科技20像素数据21科大讯飞22三六零23盛世华安24阜时科技25智慧眼2020.10德本咨询/eNet研究院/互联网周刊选择排行2020指纹识别技术公司TOP20RK企业1汇顶科技2思立微3神盾4欧菲科技5硕贝德6中控科技7贝尔赛克8迈瑞微9鸿达集团10北大高科11中天一维12指安科技13晟元芯片14亚略特15印象认知Vkansee16爱迪尔17中正智能科技18芯启航19维尔科技20微正智能2020.10德本咨询/eNet研究院/互联网周刊选择排行2020图像识别技术公司排行TOP15RK企业1旷视科技2瑞为技术3陌上花科技4微模式5速感科技6图普科技7商汤科技8朗镜科技9依图科技10云从科技11诺亦腾科技12东华宏泰13码隆科技14合合信息15金惠科技2020.10德本咨询/eNet研究院/互联网周刊选择排行2020虹膜识别技术公司TOP10RK企业1中科虹霸2聚虹光电3眼神科技4虹识技术5看看智能6释码大华7兴芯微8虹星科技9虹慧达科技10星云虹贝2020.10德本咨询/eNet研究院/互联网周刊选择排行关于今年疫情以来最大的一次集体活动7月7日，2020年的高考大幕正式开启，全国1071万名考生走入考场，成为今年疫情以来最大的一次集体活动。同时也给考场人员管理和疫情防控带来了巨大压力。
为了确保考生身份真实有效，教育部门提供了一套完整的AI多模态生物识别身份特征采集及核验解决方案。在报名现场，老师使用手持式或桌面式考务终端设备，读取考生身份证信息，进行人证核验(指纹及人脸比对)。核验通过后，将现场采集的考生特征信息上报考试中心网报系统，为后续考生报名照片核对、考试入场验证提供基础数据。原本十分复杂的验证环节，在先进识别系统的帮助下轻松化解。
关于高速增长的生物识别市场生物识别技术（biometrics）是一种利用数理统计方法对生物特征进行分析，来对生物个体进行区分的计算机技术。早在16世纪，科学家们便发现指纹具备唯一性及不变性两大特征，之后广泛应用于刑侦领域。经过多年发展，生物识别技术已经延伸到声音、面部、虹膜、体形等领域。
作为目前最方便与安全的识别技术，生物识别技术广泛应用于金融、电信、信息安全、电子政务等领域，且仍在不断扩张。根据美国咨询机构TransparencyMarketResearch发布的报告显示，全球生物识别技术市场规模从2015年的112.4亿美元到2020年的233亿美元，复合年均增速为15.7%，正处于快速增长期。其中指纹识别占比为58%，排名第一，人脸识别占比为18%、虹膜识别占比7%，此外还包括掌纹识别以及声音识别等。
关于随智能手机而兴起的指纹识别每个人的指纹都有许多独一无二的特性，指纹识别技术通过分析指纹可测量的特征点进行身份认证。由于指纹识别仪器操作简单快捷，在生物认证领域被广泛使用，主要用于公司考勤、安防、银行金库系统等，手机、电脑等消费电子产品也都有大范围地使用。但由于这次疫情传播的广泛性，指纹识别这种接触式识别受到了很大限制。
光学指纹技术是出现最早的指纹识别技术，只需要通过光线照射获取手指表面纹路，将反射光作为数据通过传感器即可进行识别，曾大量应用于公司的门禁系统。但真正掀起指纹识别浪潮的，是2013年采用电容式按压指纹技术的iPhone5s，指纹识别技术也由此进入了快速发展期。
随着智能手机全面屏技术的普及，屏下指纹识别技术成为了最新的发展方向。根据CINNOResearch统计报告，2019年全球屏下指纹手机出货量约为2亿台，同比大幅增长614%。预估至2024年，整体屏下指纹手机出货量将达11.8亿台，年均复合增长率CAGR达42.5%。其中光学屏下指纹占据整体出货量的75%，是最为主流的技术方案，汇顶、神盾、思立微等企业都是主流的国内厂商。而超声波指纹识别市场则主要由高通占领。
关于最易受关注的人脸识别人脸与人体的其它生物特征一样与生俱来，它的唯一性和不易被复制的良好特性为身份鉴别提供了必要的前提。人脸识别技术就是一种通过识别人脸部特征信息进行身份辨别的生物识别技术。
针对2D人脸识别的研究时间相对较长，方法流程相对较为成熟，被广泛的应用与安防、监控、门禁、金融以及考勤等多种场景，但是由于2D信息天生在深度数据方便的缺失，没有办法完整记录真实人脸的数据，在实际应用中存识别准确率不高、活体检测准确度不高等问题。
而3D人脸识别技术比2D多了一个信息维度，不管在识别准确度上还是活体检测准确度上都更有优势。目前根据摄像头成像原理可以将3D人脸识别技术分为3D结构光、TOF镜头以及双目立体视觉三种。其中双目立体视觉常用于工业领域，后两者被大量应用于智能手机。苹果于2017年推出的FaceID就是采用3D结构光的典型代表。通过FaceID，用户可以解锁苹果设备，并在苹果数字媒体商店以及ApplePay进行支付验证。而安卓阵营则普遍通过TOF镜头来实现3D面部识别。三者之间各有优劣。
受益于我国人脸识别广阔的市场空间，我国涌现出旷世科技、商汤科技、云从科技等一大批优秀的人脸识别公司。根据前瞻产业研究院统计数据，2019年全球人脸识别市场规模308.04亿元，我国人脸识别市场规模约占全球市场的10%，仍在保持较高的速度增长。
关于适合远距离认证的声纹、步态识别顾名思义，声纹识别就是通过每个人与众不同的声音特性进行身份认证。与其他生物特征相比，声纹识别具有提取方便、获取成本低廉、适合远程身份确认、算法复杂度低等优点，广受开发者与用户青睐。
但相较于其他人体特征，更加容易受到年龄、情绪等身体状况的影响，对环境噪音的要求也较高。所以声纹识别目前还是主要应用于一些智能家电等安全性不太高的场景，主要有科大讯飞、思必驰、云之声等厂家参与研究。
还记得碟中谍中的步态识别系统吗？就连飞天遁地的阿汤哥也只能依靠黑客来修改数据，无法从正面直接通过，可见其严密程度。近年来，越来越多的研究者开始关注步态识别这种新型的生物认证技术，它是通过走路的方式来识别人的身份的方法。
步态识别是一种非接触的生物特征识别技术。因为它不需要人的行为配合，特别适合于远距离的身份识别，这是任何生物特征识别所无法比拟的。在刑侦领域，它不仅可以分析嫌疑犯的行动情况，还可以同嫌疑犯的走路姿态进行比较，不用看到面目就能确定嫌疑犯。配合遍布各处的摄像装置，能够让犯罪分子无处可逃。当前国内步态识别领域的企业，最出名的是银河水滴。
关于加速市场洗牌今年突如其来的疫情，给许多生物识别系统造成了不小的影响。首当其冲的就是当前应用范围最广的指纹识别。当面对着一张张带着口罩的人脸，近年来风生水起的人脸识别也差强人意。
指纹识别无法满足卫生安全需求；人脸识别易受光线等因素影响；虹膜识别能成像距离很窄；声纹和步态识别采集难度较大。从这次疫情防控的需求来看，不论是指纹识别、人脸识，还是声纹、虹膜、步态等非接触式识别技术，单一的生物识别技术已经无法应对复杂多变的实际环境。针对这一问题，混合多种生物识别技术的多模态生物识别应运而生。
多模态生物识别可以实现将人脸、指纹、指静脉、虹膜、声纹等多种生物识别功能相结合，从而进行更精确的身份认证以及集中、统一的系统管理。在后疫情时代，多种生物识别技术进行融合应用的多模态生物识别，将变得更加灵活，成为新一代身份识别与认证领域的发展趋势。
结论：多模态生物识别将成为主流趋势。
相关频道：eNews排行
您对本文或本站有任何意见，请在下方提交，谢谢！
投稿信箱：tougao@enet16.com人脸识别行业发展报告
第1章：人脸识别行业综述及数据来源说明1.1人脸识别行业界定
1.1.1人脸识别的界定
1.1.2人脸识别相似概念辨析
1.1.3人脸识别的分类
1.1.4《国民经济行业分类与代码》中人脸识别行业归属
1.2人脸识别专业术语说明
1.3本报告研究范围界定说明
1.4本报告数据来源及统计标准说明
1.4.1本报告权威数据来源
1.4.2本报告研究方法及统计标准说明
第2章：中国人脸识别行业宏观环境分析（PEST）2.1中国人脸识别行业政策（Policy）环境分析
2.1.1中国人脸识别行业监管体系及机构介绍
（1）中国人脸识别行业主管部门
（2）中国人脸识别行业自律组织
2.1.2中国人脸识别行业标准体系建设现状
（1）中国人脸识别标准体系建设
（2）中国人脸识别现行标准汇总
（3）中国人脸识别即将实施标准
（4）中国人脸识别重点标准解读
2.1.3中国人脸识别行业发展相关政策规划汇总及解读
（1）中国人脸识别行业发展相关政策汇总
（2）中国人脸识别行业发展相关规划汇总
2.1.4国家“十四五”规划对人脸识别行业的影响分析
2.1.5政策环境对人脸识别行业发展的影响总结
2.2中国人脸识别行业经济（Economy）环境分析
2.2.1中国宏观经济发展现状
2.2.2中国宏观经济发展展望
2.2.3中国人脸识别行业发展与宏观经济相关性分析
2.3中国人脸识别行业社会（Society）环境分析
2.3.1中国人脸识别行业社会环境分析
2.3.2社会环境对人脸识别行业发展的影响总结
2.4中国人脸识别行业技术（Technology）环境分析
2.4.1中国人脸识别行业科研投入状况
2.4.2中国人脸识别行业科研创新成果
（1）中国人脸识别行业专利申请
（2）中国人脸识别行业专利公开
（3）中国人脸识别行业热门申请人
（4）中国人脸识别行业热门技术
2.4.3技术环境对人脸识别行业发展的影响总结
第3章：全球人脸识别行业发展现状调研及市场趋势洞察3.1全球人脸识别行业发展历程介绍
3.2全球人脸识别行业宏观环境背景
3.2.1全球人脸识别行业经济环境概况
3.2.2全球人脸识别行业政法环境概况
3.2.3全球人脸识别行业技术环境概况
3.2.4新冠疫情对全球人脸识别行业的影响分析
3.3全球人脸识别行业发展现状及市场规模体量分析
3.4全球人脸识别行业区域发展格局及重点区域市场研究
3.4.1全球人脸识别行业区域发展格局
3.4.2全球人脸识别行业重点区域分析
3.5全球人脸识别行业市场竞争格局及重点企业案例研究
3.5.1全球人脸识别行业市场竞争格局
3.5.2全球人脸识别企业兼并重组状况
3.5.3全球人脸识别行业重点企业案例（可定制）
3.6全球人脸识别行业发展趋势预判及市场前景预测
3.6.1全球人脸识别行业发展趋势预判
3.6.2全球人脸识别行业市场前景预测
3.7全球人脸识别行业发展经验借鉴
第4章：中国人脸识别行业市场供需状况及发展痛点分析4.1中国人脸识别行业发展历程
4.2中国人脸识别行业市场主体类型及入场方式
4.3中国人脸识别行业市场主体规模及特征
4.3.1中国人脸识别行业市场主体规模
4.3.2中国人脸识别行业注册企业特征
（1）中国人脸识别行业注册企业注册资本分布
（2）中国人脸识别行业注册企业类型分布
4.4中国人脸识别行业市场供给状况
4.4.1中国人脸识别行业市场供给能力分析
4.4.2中国人脸识别行业市场供给水平分析
4.5中国人脸识别行业招投标市场解读
4.5.1中国人脸识别行业招投标信息汇总
4.5.2中国人脸识别行业招投标信息解读
4.6中国人脸识别行业市场需求状况
4.6.1中国人脸识别行业需求特征分析
4.6.2中国人脸识别行业需求现状分析
4.7中国人脸识别行业市场规模体量测算
4.8中国人脸识别行业市场痛点分析
第5章：中国人脸识别行业市场竞争状况及融资并购分析5.1中国人脸识别行业市场竞争布局状况
5.1.1中国人脸识别行业竞争者入场进程
5.1.2中国人脸识别行业竞争者区域分布热力图
5.1.3中国人脸识别行业竞争者发展战略布局状况
5.2中国人脸识别行业市场竞争格局
5.2.1中国人脸识别行业企业战略集群状况
5.2.2中国人脸识别行业企业竞争格局分析
5.3中国人脸识别行业市场集中度分析
5.4中国人脸识别行业波特五力模型分析
5.4.1中国人脸识别行业供应商的议价能力
5.4.2中国人脸识别行业消费者的议价能力
5.4.3中国人脸识别行业新进入者威胁
5.4.4中国人脸识别行业替代品威胁
5.4.5中国人脸识别行业现有企业竞争
5.4.6中国人脸识别行业竞争状态总结
5.5中国人脸识别行业投融资、兼并与重组状况
5.5.1中国人脸识别行业投融资发展状况
（1）中国人脸识别行业资金来源
（2）中国人脸识别行业投融资主体
（3）中国人脸识别行业投融资方式
（4）中国人脸识别行业投融资事件汇总
（5）中国人脸识别行业投融资信息汇总
（6）中国人脸识别行业投融资趋势预测
5.5.2中国人脸识别行业兼并与重组状况
（1）中国人脸识别行业兼并与重组事件汇总
（2）中国人脸识别行业兼并与重组动因分析
（3）中国人脸识别行业兼并与重组案例分析
（4）中国人脸识别行业兼并与重组趋势预判
第6章：中国人脸识别产业链结构及全产业链布局状况研究6.1中国人脸识别产业结构属性（产业链）分析
6.1.1中国人脸识别产业链结构梳理
6.1.2中国人脸识别产业链生态图谱
6.2中国人脸识别产业价值属性（价值链）分析
6.3中国人脸识别行业上游市场分析
6.4中国人脸识别行业中游技术及解决方案市场分析
6.4.1中国人脸识别行业技术及解决方案市场分布
6.4.2中国人脸识别行业中游技术构成分析
（1）视频人脸识别
（2）图片人脸识别
（3）数据库对比检验
6.4.3中国人脸识别行业解决方案市场分析
（1）2D人脸识别
（2）3D人脸识别
6.4.4中国人脸识别细分市场战略地位
6.5中国人脸识别行业下游应用市场需求潜力分析
6.5.1中国人脸识别行业下游应用场景/行业领域分布
6.5.2中国人脸识别行业下游主流应用市场分析
（1）安防领域
（2）金融领域
（3）消费电子
（4）交通出行
（5）电商零售
6.5.3中国人脸识别行业下游需求领域战略地位
第7章：中国人脸识别行业重点企业布局案例研究7.1中国人脸识别重点企业布局梳理及对比
7.2中国人脸识别重点企业布局案例分析
7.2.1北京市商汤科技开发有限公司
（1）企业发展历程及基本信息
（2）企业业务架构及经营情况
（3）企业人脸识别业务布局及发展状况
（4）企业人脸识别业务最新发展动向
（5）企业人脸识别业务发展优劣势分析
7.2.2浙江大华技术股份有限公司
（1）企业发展历程及基本信息
（2）企业业务架构及经营情况
（3）企业人脸识别业务布局及发展状况
（4）企业人脸识别业务最新发展动向
（5）企业人脸识别业务发展优劣势分析
7.2.3北京格灵深瞳信息技术股份有限公司
（1）企业发展历程及基本信息
（2）企业业务架构及经营情况
（3）企业人脸识别业务布局及发展状况
（4）企业人脸识别业务最新发展动向
（5）企业人脸识别业务发展优劣势分析
7.2.4广州像素数据技术股份有限公司
（1）企业发展历程及基本信息
（2）企业业务架构及经营情况
（3）企业人脸识别业务布局及发展状况
（4）企业人脸识别业务最新发展动向
（5）企业人脸识别业务发展优劣势分析
7.2.5上海依图网络科技有限公司
（1）企业发展历程及基本信息
（2）企业业务架构及经营情况
（3）企业人脸识别业务布局及发展状况
（4）企业人脸识别业务最新发展动向
（5）企业人脸识别业务发展优劣势分析
7.2.6云从科技集团股份有限公司
（1）企业发展历程及基本信息
（2）企业业务架构及经营情况
（3）企业人脸识别业务布局及发展状况
（4）企业人脸识别业务最新发展动向
（5）企业人脸识别业务发展优劣势分析
7.2.7北京旷视科技有限公司
（1）企业发展历程及基本信息
（2）企业业务架构及经营情况
（3）企业人脸识别业务布局及发展状况
（4）企业人脸识别业务最新发展动向
（5）企业人脸识别业务发展优劣势分析
7.2.8厦门瑞为信息技术有限公司
（1）企业发展历程及基本信息
（2）企业业务架构及经营情况
（3）企业人脸识别业务布局及发展状况
（4）企业人脸识别业务最新发展动向
（5）企业人脸识别业务发展优劣势分析
7.2.9上海芯翌智能科技有限公司
（1）企业发展历程及基本信息
（2）企业业务架构及经营情况
（3）企业人脸识别业务布局及发展状况
（4）企业人脸识别业务最新发展动向
（5）企业人脸识别业务发展优劣势分析
7.2.10汉王科技股份有限公司
（1）企业发展历程及基本信息
（2）企业业务架构及经营情况
（3）企业人脸识别业务布局及发展状况
（4）企业人脸识别业务最新发展动向
（5）企业人脸识别业务发展优劣势分析
第8章：中国人脸识别行业市场前瞻及投资战略规划策略建议8.1中国人脸识别行业SWOT分析
8.2中国人脸识别行业发展潜力评估
8.3中国人脸识别行业发展前景预测
8.4中国人脸识别行业发展趋势预判
8.5中国人脸识别行业进入与退出壁垒
8.6中国人脸识别行业投资风险预警
8.7中国人脸识别行业投资价值评估
8.8中国人脸识别行业投资机会分析
8.8.1人脸识别行业产业链薄弱环节投资机会
8.8.2人脸识别行业细分领域投资机会
8.8.3人脸识别行业区域市场投资机会
8.8.4人脸识别产业空白点投资机会
8.9中国人脸识别行业投资策略与建议
8.10中国人脸识别行业可持续发展建议
图表目录
图表1：人脸识别的界定
图表2：人脸识别相关概念辨析
图表3：人脸识别的分类
图表4：《国民经济行业分类与代码》中人脸识别行业归属
图表5：人脸识别专业术语说明
图表6：本报告研究范围界定
图表7：本报告权威数据资料来源汇总
图表8：本报告的主要研究方法及统计标准说明
图表9：中国人脸识别行业监管体系
图表10：中国人脸识别行业主管部门
图表11：中国人脸识别行业自律组织
图表12：中国人脸识别标准体系建设
图表13：中国人脸识别现行标准汇总
图表14：中国人脸识别即将实施标准
图表15：中国人脸识别重点标准解读
图表16：截至2022年中国人脸识别行业发展政策汇总
图表17：截至2022年中国人脸识别行业发展规划汇总
图表18：国家“十四五”规划对人脸识别行业的影响分析
图表19：政策环境对人脸识别行业发展的影响总结
图表20：中国宏观经济发展现状
图表21：中国宏观经济发展展望
图表22：中国人脸识别行业发展与宏观经济相关性分析
图表23：中国人脸识别行业社会环境分析
图表24：社会环境对人脸识别行业发展的影响总结
图表25：中国人脸识别行业科研投入状况
图表26：中国人脸识别行业专利申请
图表27：中国人脸识别行业专利公开
图表28：中国人脸识别行业热门申请人
图表29：中国人脸识别行业热门技术
图表30：技术环境对人脸识别行业发展的影响总结
图表31：全球人脸识别行业发展历程
图表32：全球人脸识别行业经济环境概况
图表33：全球人脸识别行业政法环境概况
图表34：全球人脸识别行业技术环境概况
图表35：新冠疫情对全球人脸识别行业的影响分析
图表36：全球人脸识别行业发展现状
图表37：全球人脸识别行业市场规模体量分析
图表38：全球人脸识别行业区域发展格局
图表39：全球人脸识别行业重点区域市场分析
图表40：全球人脸识别行业市场竞争格局
图表41：全球人脸识别企业兼并重组状况
图表42：全球人脸识别行业发展趋势预判
图表43：2023-2028年全球人脸识别行业市场前景预测
图表44：中国人脸识别行业发展历程
图表45：中国人脸识别行业市场主体类型及入场方式
图表46：中国人脸识别行业生产企业数量
图表47：中国人脸识别行业市场供给能力分析
图表48：中国人脸识别行业市场供给水平分析
图表49：中国人脸识别行业市场饱和度分析
图表50：中国人脸识别行业市场需求状况
图表51：中国人脸识别行业市场规模体量测算
图表52：中国人脸识别行业市场发展痛点分析
图表53：中国人脸识别行业竞争者入场进程
图表54：中国人脸识别行业竞争者区域分布热力图
图表55：中国人脸识别行业竞争者发展战略布局状况
图表56：中国人脸识别行业企业战略集群状况
图表57：中国人脸识别行业市场集中度分析
图表58：中国人脸识别行业投融资发展状况
图表59：中国人脸识别行业兼并与重组状况
图表60：中国人脸识别产业链结构
图表61：中国人脸识别产业链生态图谱
图表62：中国人脸识别行业上游供应的影响总结
图表63：中国人脸识别行业细分市场分布
图表64：中国人脸识别企业布局梳理
图表65：北京市商汤科技开发有限公司发展历程
图表66：北京市商汤科技开发有限公司基本信息表
图表67：北京市商汤科技开发有限公司股权穿透图
图表68：北京市商汤科技开发有限公司业务架构
图表69：北京市商汤科技开发有限公司人脸识别业务布局及发展状况
图表70：北京市商汤科技开发有限公司人脸识别业务布局优劣势分析
图表71：浙江大华技术股份有限公司发展历程
图表72：浙江大华技术股份有限公司基本信息表
图表73：浙江大华技术股份有限公司股权穿透图
图表74：浙江大华技术股份有限公司业务架构
图表75：浙江大华技术股份有限公司人脸识别业务布局及发展状况
图表76：浙江大华技术股份有限公司人脸识别业务布局优劣势分析
图表77：北京格灵深瞳信息技术股份有限公司发展历程
图表78：北京格灵深瞳信息技术股份有限公司基本信息表
图表79：北京格灵深瞳信息技术股份有限公司股权穿透图
图表80：北京格灵深瞳信息技术股份有限公司业务架构
图表81：北京格灵深瞳信息技术股份有限公司人脸识别业务布局及发展状况
图表82：北京格灵深瞳信息技术股份有限公司人脸识别业务布局优劣势分析
图表83：广州像素数据技术股份有限公司发展历程
图表84：广州像素数据技术股份有限公司基本信息表
图表85：广州像素数据技术股份有限公司股权穿透图
图表86：广州像素数据技术股份有限公司业务架构
图表87：广州像素数据技术股份有限公司人脸识别业务布局及发展状况
图表88：广州像素数据技术股份有限公司人脸识别业务布局优劣势分析
图表89：上海依图网络科技有限公司发展历程
图表90：上海依图网络科技有限公司基本信息表
图表91：上海依图网络科技有限公司股权穿透图
图表92：上海依图网络科技有限公司业务架构
图表93：上海依图网络科技有限公司人脸识别业务布局及发展状况
图表94：上海依图网络科技有限公司人脸识别业务布局优劣势分析
图表95：云从科技集团股份有限公司发展历程
图表96：云从科技集团股份有限公司基本信息表
图表97：云从科技集团股份有限公司股权穿透图
图表98：云从科技集团股份有限公司业务架构
图表99：云从科技集团股份有限公司人脸识别业务布局及发展状况
图表100：云从科技集团股份有限公司人脸识别业务布局优劣势分析
图表101：北京旷视科技有限公司发展历程
图表102：北京旷视科技有限公司基本信息表
图表103：北京旷视科技有限公司股权穿透图
图表104：北京旷视科技有限公司业务架构
图表105：北京旷视科技有限公司人脸识别业务布局及发展状况
图表106：北京旷视科技有限公司人脸识别业务布局优劣势分析
图表107：厦门瑞为信息技术有限公司发展历程
图表108：厦门瑞为信息技术有限公司基本信息表
图表109：厦门瑞为信息技术有限公司股权穿透图
图表110：厦门瑞为信息技术有限公司业务架构
图表111：厦门瑞为信息技术有限公司人脸识别业务布局及发展状况
图表112：厦门瑞为信息技术有限公司人脸识别业务布局优劣势分析
图表113：上海芯翌智能科技有限公司发展历程
图表114：上海芯翌智能科技有限公司基本信息表
图表115：上海芯翌智能科技有限公司股权穿透图
图表116：上海芯翌智能科技有限公司业务架构
图表117：上海芯翌智能科技有限公司人脸识别业务布局及发展状况
图表118：上海芯翌智能科技有限公司人脸识别业务布局优劣势分析
图表119：汉王科技股份有限公司发展历程
图表120：汉王科技股份有限公司基本信息表
略····完整目录请咨询客服
如您对人脸识别行业报告有个性化需求，请点击个性化定制咨询»人脸识别（4）
人脸识别行业分析报告
图像识别主要用到了两个第三方的框架：OpenCV和TesseractOCR，OpenCV用来做图像处理，定位到身份证号码的区域，TesseractOCR则是对定位到的区域内的内容进行识别。
国内国外的人脸识别技术大多数在开源OPENCV等开源库上进行新规则添加，公司之间的识别正确率差异仅仅在小数点上，提升意义不大，最关键的强化方向是商业适用性，使用表现的准确率和高可用性。人脸识别技术的比较维度很多，比如图像比对级的1：1，1：N，N：N;衡量的标准和维度都不同。
OpenCV是一个开源的计算机视觉和机器学习库。它包含成千上万优化过的算法，为各种计算机视觉应用提供了一个通用工具包。根据这个项目的关于页面，OpenCV已被广泛运用在各种项目上，从谷歌街景的图片拼接，到交互艺术展览的技术实现中，都有OpenCV的身影，它已支持如OpenCL和OpenGL等现代技术，也支持如iOS和Android等平台。
OpenCV是轻量级而且高效——由一系列C函数和少量C++类构成，同时提供了Python、Ruby、MATLAB等语言的接口，实现了图像处理和计算机视觉方面的很多通用算法。OpenCV用C++语言编写，它的主要接口也是C++语言，但是依然保留了大量的C语言接口。该库也有大量的Python,JavaandMATLAB/OCTAVE(版本2.5)的接口。
OpenCV自带例子中，提供了boost，mlp，knearest，nbayes，svm，rtrees这些机器学习方法，进行训练和识别。
而新兴公司如雨后春笋，2011年到2016年成立的人脸识别公司超过30家，其中大部分集中在2012到2015年，这只是人脸识别热潮的一个缩影。其背后原因是计算机视觉技术背后的通用性，做人脸识别的公司往往也可以做图像识别，反过来也是一样的道理。
2014年后人脸识别才开始爆发，都是成立5年的企业。人脸识别在此前，精准率太低，低于人眼，很难应用到现实领域。
从2014年起，香港中文大学教授汤晓鸥以及其学生陆超超、孙祎，连续开发了“高斯脸”，以及基于深度学习的DeepID人脸算法，识别率首次突破人眼极限，成为行业分水岭。
2016年，中国市场的人脸识别团队暴增，全国新成立近70家人脸识别公司。在这样的环境之下，即便你有好的技术，好的产品，还得有办法脱颖而出。
2017往后的两年将进入洗牌期，如今项目中POC测试常见的只有区区十几家，而第一梯队只有四家。那些消失的团队，谁说一定没有技术好的呢？现在，李飞飞、孙剑、吴恩达，大牛们浩浩荡荡的一头扎进计算机视觉业界，前有飞瑞斯、瑞为、科葩等老牌公司，后有云天励飞、中科视拓等新星。这个行业，正在以正在用这种疯狂的站队方式，在中国猛烈生长。
人脸识别行业在国内发展迅速，汉王、中控等老牌厂商掌控着传统的静态人脸识别加指纹考勤机，依靠价格固守着商用市场。如今不论是创业者还是投资人，都开始顿悟，计算机视觉是一个“很难不挣钱”的生意，区别只在于落地时间早晚。
目前人脸识别设备技术含量很低，产品简单，但人脸识别算法本身比较有技术含量。不管是做2B还是主打2C，每家公司都有自己的一套“核心算法”，像现在许多小型集成商，可以山寨一些产品外观和结构，但产品核心算法却无法山寨，只能加入国内外其它企业的人脸识别技术。
现在市场很混乱，不过小型厂商主要还是山寨移动端设备，如平板、移动考勤等，想做动态识别还很困难。国内人脸识别厂商在核心算法上拥有自主知识产权的极少，大部分都是使用第三方技术，如OpenCV、其它公司的收费SDK；从国内看的话，这样的小型厂家有一两百家，但拥有核心技术的厂商在国内不到10家，能大规模进行系统集成定制的也就只有四家左右。
在目前人脸识别技术不够完全成熟的情况下，其应用领域却已非常广泛，涉及到刑侦、安保、电子信息安全、互联网金融、智能硬件等在内的多个领域，按其功能来分的话，我们可以大概把它们分为如下几类：
电子身份证：将所有人的面部信息扫描归档，建立电子信息身份档案库，这个身份证将是你在网络世界通行的凭证，虽然此项应用目前还未达到应用实施阶段，但这也是人脸识别技术最大的潜力所在。
电子密码：手机、电脑、网站、app或者其他一切需要密码来识别或者保护你的身份的地方，人脸识别都可以作为一种更安全和更简便的方式来应用，比如现在已经有电脑采用人脸识别开机功能。
考勤：上班不再是“打卡”，而是“刷脸”，想代同事打个卡就变成了不可能。如果这样的考勤系统真的普及开来，上班族恐怕高兴不起来了啊！
门禁：住宅区、写字楼、政府、企业、或其他非闲杂人等不得进入的区域，人脸识别可以作为一种更精确，也更快速的方式来保障安全，原来的密码门或者刷卡初入就显得特别繁琐而笨重了！
支付：这个就是与互联网金融行业的结合了，目前这一领域也是非常的热火，马云已经在蚂蚁花呗上推出了“扫脸支付”，京东钱包也是“扫脸”解锁。相比密码或者扫码支付，安全性上显然更胜一筹。
拍照：现在相机已经具有的自动对焦和识别人脸功能，就是人脸识别技术的一种应用，当然照相时的对准人脸功能，对识别复杂性的要求非常低，只需要知道哪是“人脸”就行，至于是谁的脸则不需要判断。还有美颜相机等也是一些应用举例，精确的人脸识别在查找某人或者定制妆容方面都还是大有可为。
刑侦：公安系统追捕罪犯的应用，科幻片内，某个人的照片被放在海量的信息库里对比，瞬间找出身份信息的场景，将不再是想象。
目前国内外各大互联网科技公司在人脸是被这一块领域均有涉猎，且各自探索程度深浅不一。无论是从国外的Google、微软、Facebook，还是国内的百度、腾讯，都各自有各自的人脸识别团队。
Google：2011年07月谷歌收购人脸识别软件公司PittPatt
Facebook：2012年6月Facebook收购以色列脸部识别公司Face.com
微软：2012年6月微软亚洲研究院发布人脸检测算法，面部识别系统
网易：2012年5月，网易人脸识别系统全国公测，用于邮箱登陆
腾讯：2012年下半年，优图项目组组建，腾讯优图团队隶属于腾讯社交网络事业群，基于整个腾讯的社交网络平台，为QQ空间、腾讯地图、腾讯游戏、等50多款产品提供图像技术支持。每天QQ空间有2亿上传图片的活跃用户，团队单日最多处理照片达6亿张，累计已经分析处理了超过300亿张照片。
百度：2012年12月百度推出人脸识别，基于图像的全网人脸搜索
目前，国内市场上公司有几十家，技术领先者有SenseTime（商汤科技）、Face++（旷视科技）、Linkface、依图科技、格灵深瞳、云从科技等，这些公司对外都称识别准确率高达99.5%以上；
Face++,2014年，获阿里巴巴旗下蚂蚁金服投资，主攻金融和监控两大行业，有子公司旷视智安；团队成员除了几名来自清华校友外，还有来自美国哥伦比亚大学、英国牛津大学和美国南加州大学的科研及开发人员，截至目前员工仅有100余人。
并且在金融、安防、零售领域分别开始了商业化探索成功发育出Face++Financial，Face++Security，Face++BI等垂直人脸验证解决方案，主要将人脸识别应用在互联网产品上，自己做研发，在美图秀秀、淘宝等互联网领域得到良好的应用，在金融领域的市场一直占据沙发前排阵营；他们一直关心的4个计算机视觉核心问题（图像分类、物体检测、语义分割和序列学习），还有核心网络训练问题、底层架构问题、深度学习平台问题，也是一直处于研究ing中。
曾经被联想、阿里投资，在2013年拿到百万元A轮投资，2014年获得2200万元B轮融资，2016年获得上亿元C轮融资，最后选择通过计算机视觉技术与NLP技术的结合，制造出能“识别万物”的智能机器人，提供硬件模组，里面内置他们家的算法。目前正在准备启动IPO的步伐，VIE架构让他们得以绕过A股，不用达到连续三年盈利的标准实现快速上市。
SenseTime（商汤科技），获IDG资本投资，主攻金融、移动互联网、安防监控三大行业；由香港中文大学的汤晓欧创建，“商汤”中的汤指的就是汤晓欧本人，汤晓鸥及其研究团队所开发的DeepID算法率先将深度学习应用到人脸识别上，在技术指标上实现了新的突破。主要案例是围绕各个美化软件与直播平台制作人脸贴图，重点强化了人脸识别的关键点检测及跟踪技术。
团队有300多号，也从当当初toC转向toB领域；成立于2014年的商汤科技选择另辟蹊径，选择用“四大美女”这个话题让人们躁动起来，到最后四大美女走了三个；商汤的网络都是自己设计的，这样对于深度学习网络的掌控力就会更强，提供SaaS服务的同时，可以通过SaaS把背后的数据拿到，再进行更多更细致的分析再次提升服务质量。
Linkface，由四位高颜值的女性创立。据人脸检测评测平台FDDB数据，Linkface的人脸检测算法击败百度、腾讯，位列第一；
依图科技，最早获得真格基金100万美元天使投资，2014年完成红杉资本和高榕资本的A轮融资。2012年，朱珑创办了依图科技，在全国多地公安系统耕耘颇深，主攻公安领域，2015年后转型智能医疗领域；
云从科技：2015年4月，周曦拿到战略投资成立云从科技，同年针对金融和银行业推出了40多种解决方案，包含从算法、产品、销售、售后的全产业链打造，针对农行、建行、交行、中行及多地公安提供定制化服务。团队成员除了来自中科大的校友外，还来自中国科学院各大研究所、UIUC、IBM、NEC、MicroSoft等全球顶尖学府及研究机构；
截止2016年11月，成立一年半，研发团队扩展为200余名，为全国最大的人脸识别研发团队；核心产品是人脸识别系统及IBIS集成生物识别平台，还具备3D模型、红外活体、静默活体等技术，可根据场景需求自由调节。选择连接硬件、开发与技术，属于全产业链模式，因为人脸识别系统多数情况下需要深度定制，只有这样，才能在客户提出需求的情况下迅速反馈，修改，统一用户体验。先后由完成了天使轮和A轮融资，其中天使轮融资由佳都集团与杰翱资本联合注资6000万元。
格灵深瞳：推出来Foveacam深瞳人眼摄像机，主要应用场景是高速路口的车辆、行人抓拍，当然人脸识别也是格林深瞳没放松的安防领域，号称是98%的识别准确率。这家公司不差钱，深耕技术执着于安防领域；虽然人事上变动（2017年年前原来的CEO何搏飞离职，但还将继续担任格灵深瞳的高级顾问，他本人想赶一赶消费升级的末班车。CEO一职由联合创始人赵勇担任，原百度深度学习研究院的资深科学家邓亚峰先生担任CTO，同时引入国内安防圈一位重量级的人物担任公司总裁。）
值得注意的是，Face++,SenseTime,Linkface的首席科学家，都来自于香港中文大学汤晓鸥教授的多媒体实验室，俨然已成为人脸识别技术的“黄埔军校”。大部分人脸识别公司关注都在应用层，而商汤还关注到算法层面。如果你对商汤不熟悉，小咖秀、Faceu、熊猫直播这些APP里提供的各种面部AR特效，就是商汤提供的技术支持，只是这些商汤在宣传上很少提到。
国内的人脸识别企业：
佳都科技、科大讯飞、铂亚信息、中科奥森、安捷天盾科技、银晨科技、骏聿科技、飞瑞斯科技、科葩信息技术、灏泷科技(上海)、赛为智能、智慧眼科技、像素数据技术、清大维森科技、瑞为信息技术、苏慧信息技狮、众智益华科技、瑞奥风软件科技、千搜科技、威富安防、可信网络科技、一登科技。
国外的人脸识别企业：
1美国Identix公司、2美国Bioscrypt公司、3德国CognitecSystems公司、4西班牙HertaSecurity公司、5日本NEC公司、6日本Softwise公司
人脸识别的技术发展方向：
结合三维信息：二维和三维信息融合使特征更加鲁棒
多特征融合：单一特征难以应对复杂的光照和姿态变化
大规模人脸比对：面向海量数据的人脸比对与搜索
深度学习：在大数据条件下充分发挥深度神经网络强大的学习能力
人脸识别的算法能力：拒识率、误识率、通过率，准确率
银行业务体系模式：
要想攻破银行体系就得知道银行规则：银行有一套2小时、4小时、8小时原则，即系统宕机2小时，该行就要到当地人民银行喝茶；4小时没解决，就得交报告；8小时还没解决，银行的评级就会下降，甚至关门。出于金融安全与稳定的考虑，银行一般不会轻易把技术业务交给第三方公司，而一旦确认合作方，便不会轻易改变。所以，银行在选择第三方公司时，会让具备相关资质的公司聚集在一起竞标，以选取最佳合作者。
安防业务运营体系：
尽管并不否认人工智能技术对安防效果的显著提升，但安防市场一直是以销售为强导向的线下市场，国内长期被海康威视、大华股份、东方网力三家整体方案和硬件商垄断，创业企业很难颠覆。
顾泽安防在人脸识别技术上有更多需要克服的问题。公安调取的图像和视频，一般是闭路电视这种画面清晰度不高的器材监控拍摄的，而影响人脸识别正确率的因素非常多，比如行人戴墨镜、口罩，或者抽烟时被烟雾遮挡，光线较暗或光照过度等，另外，对人脸的年月变化识别最困难。将一个人现在的外貌，与多年前拍的身份证照片做对比，难度很大。“身份证照片是5年前拍的还好，虽然有些人外貌变化也比较大，要对比10年、20年前的身份证照片就更难了。
这就要基于大数据，开发出“双层异构深度神经网络”这一针对性技术，经过大量的深度学习、总结与分析；目前绝大部分公安机关实际上还没有参与采购人脸识别技术，市场算是刚起来，场景很复杂，想要一时半会拿下市场很难。比如在交通道路管理和犯罪追踪的应用场景下，我们在看很多法制节目中都能看到，侦查人员在查案时要反复查看上千卷影像资料。这就是问题所在，镜头拍下了车辆信息，但没有机器学习和深度学习的情况下依然要动用大量人力，还没法保证准确率。
人脸识别商业模式：
从盈利模式上看，提供人脸识别技术的公司，主要是两种收费方式，一种是收取一次性技术、软件购买费，一种是按技术使用次数收费。因为B端市场来说，客户的核心要求是，产品性能、服务好，对价格相对不敏感。但C端市场，因为目前产品需要定制化，所以谈不上方便，而且成本必然下不去，性价比不可能高。
列举人脸识别在手机APP上的一些应用
1.美图秀秀邪恶大测试:识别面部表情,给出分数和评价
2.百度图片识图功能
3.百度魔图APP推出了“PK大咖”功能，用户只需要选取一张自己的大头照，就可以通过人脸识别技术跟明星进行PK，找到与你面部形象最为相似的明星大咖
4.百度钱包APP拍照付只是说当你想买一款商品，却不知道商品的具体信息，这时候就可以用到百度钱包的拍照付，拍一下就能搜索到商品，选择购买
5.支付宝APP人脸识别登录
6.iPhoto在苹果的iPhoto中，同样提供了人脸识别功能，用户可以将图片中的人脸和人名相匹配，该功能通过脸部检测辨别照片中的人物，再通过脸部识别找到与之特征相符的拍摄对象，帮你找到想找的人，甚至是海量的照片库也不费吹灰之力
7.图图搜是先找到淘宝上的同款，然后拿到产品tag，接着根据tag、主颜色等信息进行二次查找。最基本的技术还是相同图像查找，当然也包含了商品主体识别。
人脸识别主要测属性对比：
在人脸识别属性返回功能以范围方面，较突出的是百度人脸识别与Face++,其次是云飞科技、科大讯飞、FaceCore。
人脸识别SDK
1.Face++
Face++致力于研发世界最好的人脸技术，提供免费的API和SDK供企业和开发者调用，更有灵活的定制化服务满足不同需求。已有多家公司使用Face++技术服务，完成包括人脸搜索、定位、识别、智能美化等功能。我们旨在为合作者提供完善的技术与维护服务。
2.百度人脸识别BFR
百度媒体云人脸识别服务，依托百度业界领先的人脸识别算法，提供了人脸检测、五官定位、人脸属性检测等功能。媒体云人脸识别服务通过提供一系列HTTPRestfulAPI及跨终端平台SDK，实现人脸检测、人脸识别等的诸项功能。
3.ReKognitionAPI
利用ReKognition提供的云端人脸识别API实现的一个简单人脸识别Demo，能够识别人脸的五官、人脸的大概年龄、是否戴眼镜、是否闭眼、性别等等功能。
暂不提供新用户注册
4.RecoFace人脸识别SDK
RecoFace人脸识别SDK是瑞为自主研发的人脸识别核心算法，包括人脸检测、人脸跟踪、人脸确认与人脸识别四大核心功能，无论是识别准确度还是识别速度均处于全球领先水平。
5.汉王云人脸识别
汉王科技凭借十几年扎根模式识别领域的底蕴，早在2003年，就瞄准人脸识别技术的国际前沿，积极开展人脸识别技术的潜心研究。目前已经拥有完全自主知识产权的“双目立体”人脸识别算法（DualSensor）。汉王云提供免费的人脸识别API和SDK供企业和开发者调用，汉王人脸识别技术广泛应用于智能安全、身份验证等领域，还可识别表情年龄性别，应用开发最具潜力。
6.科大讯飞人脸识别
科大讯飞联合香港中文大学汤晓鸥教授团队，共同推出世界领先的人脸识别技术，提供人脸验证、人脸检测、人脸关键点检测等功能，识别率高达99%。核心技术源自于学术界最新的深度学习方法及其相关研究，结合大量公开和独有的训练数据集，在超级计算机上学习并提取照片特征，实现高效准确的标定和识别，致力于提供便捷准确的人脸识别技术，为移动设备交互、摄像头应用等不同场景提供强有力的技术支持。
7.FaceCore
比对人脸特征每百万张照片人脸特征平均速度100毫秒以内，识别人脸特征速度在几十毫秒内。
8.商汤科技
利用CIDetector来人脸识别
人脸识别的安全性：
一、目前人脸识别常见攻击手段有什么？
1、纸片翻拍，通过打印用户的照片进行攻击；
2、屏幕翻拍，一些3D建模技术可以驱动用户的单张照片或视频做出系统要求的摇头、张嘴、眨眼等动作；
3、用户戴面具；
二、如何应对人脸识别漏洞？
要更有效地应对上述的人脸识别漏洞，我们不妨采用腾讯优图多维活体监测模式。
腾讯优图的多维活体监测是什么？
即通过更加复杂的多数字随机唇语，捕捉人在说话过程中嘴部的细微变化，使得视频合成造假的难度很大；并加上语音图像同步检测、人脸纹理分析、面具检测、视频防翻拍等多维度防护手段；最后将所有这些手段进行交叉融合，实现移动端+后台的强力防护体系。
具体来说：
1、对于纸片翻拍，由于纸片上的人脸是静态的，利用随机数字唇语，让用户读数字，就可以很好的拦截；
2、对于屏幕翻拍，具有成本低，可以通过软件批量执行的特点，对于活体的挑战最大，这种攻击，仍然有很多线索可以利用：
a.翻拍的视频一定会通过显示设备播放出来，显示设备存在一些和真人不同的图像特征
b.合成的视频与真人相比，会存在一些瑕疵
c.如果是直接拿到了用户的一段视频，其嘴型变化完全符合给定的随机数字的概率很低
以上这些，用大量数据就可以学习到伪造视频和真人视频之间的区别，加上各种方法的融合，就能将拦截成功率提高到非常高的水平。
3、对于用户戴面具，由于其攻破成本较高，现在还未出现实际case，我们也提前进行了研发布防，主要利用人说话时，面部会存在比较自然的微动，而面具则没有这样的规律来防范。
另外，在实际业务中，人脸识别只是作为其中一个环节，需要与账号、密码保护、基于大数据的风控等其他综合手段一起，保证流程的高度安全。
人脸识别技术正在快速发展之中，新技术的出现总可能会被不法分子所利用。腾讯优图也在关注技术对抗，通过业务持续积累的活体攻防实战经验，构筑活体检测的坚实壁垒，同时不断创新研发新的活体检测技术，为人脸识别保驾护航。
腾讯优图产品特征：
1.产品优势
强大的人脸训练模型：立足于腾讯社交数据大平台收集的海量人脸训练集，成功标注的千万人脸数据。
方法最全：高维LBP、PCA、LDA联合贝叶斯、度量学习、迁移学习、深度神经网络
技术最好：优图独创Uface深度人脸模型，LFW评测以99.65%目前世界领先。
2.人脸验证技术(1:1识别)
人脸识别技术可以计算出两张人脸照片的相似度，从而判断是否为同一人，即1：1身份验证。优图人脸识别通过传统方法和深度学习技术结合，以微众银行远程核身为基础，实际业务中，万分之一错误率下，通过率达到95%。
3.人脸检索技术(1：N识别)
给定一张照片，和数据库中N个人脸进行对比，给出是否为其中某一个人，或者给出排序结果，即人脸检索。1：N用于用户不需要声明身份的场景。
4.技术指标
•FAR：FalseAcceptRate，错误接受率，指将身份不同的两张照片，判别为相同身份，越低越好
•FRR：FalseRejectRate，错误拒绝率，指将身份相同的两张照片，判别为不同身份，越低越好
这两个指标有明确的物理意义，FAR决定了系统的安全性，FRR决定了系统的易用程度，在实际中，FAR对应的风险远远高于FRR，因此，生物识别系统中，会将FAR设置为一个非常低的范围，如万分之一甚至百万分之一，在FAR固定的条件下，FRR低于5%，这样的系统才有实用价值。
•支持最小人脸尺寸64x64
•人脸特征尺寸1-2KB
•1：1人脸对比500ms
现在的人脸识别大数据作战平台，主要涉及到人脸识别技术、大数据、云计算等技术的应用。在未来，逐步加入成熟的图像识别(步态、服饰、动作、发型、车辆等)、声纹识别技术，并且随着摄像机硬件的功能越来越强，所谓的《激情速度七》中的“天眼”系统会越来越完善。
完善的“天眼”还需要强大的后台系统，这个系统可以控制包括公共交通、城市电力、电子监控、银行系统、警察系统等各方面，同时将所有联网信息进行收集和整合，记录下公民的医保号、医疗记录、犯罪记录、甚至上网阅览内容、输入习惯等，结合以大数据分析时时更新后台资料。
最后，“天眼”成功运行的关键在于整合物理空间(线下)和网络空间(线上)的多源多类型大规模数据，然而目前这些数据相对独立，形成所谓的“数据孤岛”，给技术的发展带来很大不便，可以考虑从国家层面上对各种数据资源统一管理和协调，为国家安全提供更强有力的保障。