2020年中国人脸识别市场报告.pdf

2020年中国人脸识别市场报告报告标签：计算机视觉、人脸识别、安防、金融、报告主要作者：卢佩珊2020/0422020 LeadL2014年以来，人脸识别技术尝试在各类行业中实现应用落地，行业应用场景拓展，有利于推动人脸识别市场规模增长。中国人脸识别市场规模从2016年的5.0亿元人民币增长至2019年的95.8亿元人民币，期间的年复合增长率高达166.9%。但目前人脸识别技术仅与智能安防和金融领域结合较深，其他领域的人脸识别应用仍在开发进程中。随着人脸识别技术在各行业应用渗透深入，中国人脸识别市场规模有望获得更进一步发展，跃升成为计算机视觉行业内增长最快的细分板块。人脸识别应用价值的凸显，吸引众多厂商陆续加入该市场行业，积极开发人脸识别应用场景。本报告将从产品技术、客户市场、运营发展三个维度共20个具体指标评价市场上主要的人脸识别厂商表现，并重点分析人脸识别行业发展的关键趋势。技术储备维度分析技术储备方面共包括6个细分评价指标，权重共为33%。该评价维度分别从人脸识别算法实力、科技人员储备、研发投入费用、相关专利申请数、发表的重要论文、技术创新能力评价人脸识别厂商的技术能力。产品生态维度分析产品生态方面共包括6个细分评价指标，权重共为33%。该评价维度主要从云服务水平、硬件生产能力、AI开放平台表现、生态繁荣度、数据积累程度、合作伙伴等维度对人脸识别厂商的产品生态支撑能力进行评价。市场表现维度分析市场表现方面共包括8个细分评价指标，权重共为34%。该评价维度主要用于衡量企业的市场拓展能力，评价指标包括市场份额、收入增长情况、应用领域布局、方案落地表现、产品定制化能力、战略布局等。企业表现分析本报告通过对中国人脸识别行业内20家主要企业进行调研，总结出人脸识别行业排名前五的企业，并分析中国人脸识别行业三大阵营的企业表现。报告摘要32020 LeadL名词解释-05中国人脸识别市场现状-06定义-06商业模式-07市场规模-08行业应用-09中国人脸识别技术发展现状-11中国人脸识别市场竞争格局-12竞争概况-12企业增长评价体系-13企业综合排名情况-14头部企业综合分析-15头部企业技术储备维度分析-16头部企业产品生态维度分析-17头部企业市场维度分析-18中国人脸识别行业发展趋势-19技术趋势-19行业应用趋势-20目录42020 LeadL目录安防行业应用趋势-21芯片发展趋势-22方法论-23法律声明-2452020 LeadL SDK：Software Development Kit，软件开发工具包,被软件工程师用于为特定的软件包、软件框架、硬件平台、操作系统等创建应用软件的开发工具的集合。API：Application Programming Interface，应用程序接口，预先定义的函数或指软件系统不同组成部分衔接的约定。错误拒绝率：生物特征安全系统产生的I型错误率，即系统实际辨别中误拒绝发生的百分比。错误接受率：生物特征安全系统产生的II型错误率，即系统实际辨别中误接受发生的百分比。Eigen Face：在人脸识别的计算机视觉问题中使用的一组特征向量的名称，Eigenface方法始于对人脸图像的低维表示的搜索，利用特征面进行识别的方法是Sirovich和Kirby(1987)开发的，并被Matthew Turk和Alex Pentland在人脸分类中使用。Fisher Face：线性鉴别分析在降维的同时考虑类别信息，由统计学家SirR.A.Fisher于1936年发明（The use of multiple measurements intaxonomic problems），为了找到一种特征组合方式，达到最大的类间离散度和最小的类内离散度。LBP：Local Binary Patterns，局部二值模式，是计算机视觉领域里用于分类的视觉算子，是一个简单但非常有效的纹理运算符。它将各个像素与其附近的像素进行比较，并把结果保存为二进制数。由于其辨别力强大和计算简单，局部二值模式纹理算子已经在不同的场景下得到应用。VGG Face：深度神经网络框架，由牛津大学视觉组于2015年发表。Deep ID：使用深度学习的方法来提取人脸高级特征（high-level features），这种特征被称为DeepID，由香港中文大学汤晓鸥课题组发表于CVPR2014。名词解释72020 LeadL中国人脸识别市场现状定义计算机视觉与人脸识别技术定义人脸检测人脸矫正图像或视频输入面部关键点定位特征提取人脸识别活体检测特征比对特征表达人脸图像采集与预处理人脸ID 人脸识别系统将采集到的人脸图像进行光线、旋转、切割、过滤、降噪、放大缩小等处理以符合人脸图像特征提取的标准要求。主要的人脸图像预处理手段有灰度调整、图像滤波和图像尺寸归一化，其中灰度调整主要用于调整由地点、设备、光照等方面的差异引起的彩色图像质量的差异；图像滤波主要是调整噪声对人脸图像质量的影响；图像尺寸归一化是调整因图像像素差异而造成的图像尺寸差异 人脸检测指人脸识别系统从输入的图像中检测并提取人脸图像的过程。人脸检测的作用是精准地描绘图像资料中人脸的位置和大小，挑选出有用的图像信息，保证人脸图像的精准采集 人脸特征提取是对人脸进行特征建模的过程。人脸特征的提取方法可归纳为基于知识的提取方法和基于代数特征的提取方法，其中基于知识的提取方法是根据人脸五官结构特征等表像直接提取人脸特征以建立数据库，其特点是识别方法简单、容易理解，系统检测速度较快，但并未形成统一的提取标准；基于代数特征的提取方法经过特定运算规律抽取人脸特征建立数据库，人脸识别精度较高，但需要对相应的数据库进行统计训练 人脸识别将待识别的人脸特征与数据库中人脸特征模板进行比较，根据相似程度对人脸的身份信息进行判断并展示最终识别结果 人脸识别系统辨别采集到的人脸图像，是来自于真实的人脸还是含有人脸的照片的过程。实际运用中，人脸识别系统一般需要增加活体鉴别环节，例如要求人转头，眨眼睛等人脸识别基础流程计算机视觉是使用计算机模仿人类视觉系统的技术，让计算机拥有类似人类提取、处理、理解分析图像及图像序列的能力。其中人脸识别是计算机视觉的一个热门研究领域，是一种计算机基于人的脸部特征信息进行身份鉴别的计算机视觉技术。人脸识别是计算机视觉的一个热门研究领域，是一种计算机基于人的脸部特征信息进行身份鉴别的计算机视觉技术中国人工智能技术成熟度曲线来源：头豹研究院编辑整理情感交互体感交互动态视觉无监督学习增强现实声纹识别增强学习语义理解语音交互问答系统图像理解监督学习虹膜识别知识图谱机器翻译人脸识别视频编解码指纹识别技术萌芽 期望峰值复兴阶段投产应用技术成熟度技术类型回归理性82020 LeadL中国人脸识别市场现状商业模式在线API服务提供商提供API调用接口，用户远程调用服务商提供的软件服务，使用云端对比识别，在服务商端完成数据处理。该服务模式具有高弹性、高灵活性和高效的特点。互联网公司多采用此种模式。离线SDK服务提供商向用户提供图像识别、人脸识别等多种算法模块，在用户端完成识别计算过程，保护数据安全，实时性高。基于对数据保护和实时性的要求，手机和互联网娱乐公司多采用此种服务模式。私有云服务提供商为企业定制个性化定制服务，用户调用私有云内的远程接口，在用户端进行数据处理。此种模式一般适用于大型互联网公司。解决方案人脸识别企业的服务模式按提供产品或服务类型不同，可分为软件服务模式和软硬件一体解决方案服务模式。多数人脸识别企业均涵盖以上两种服务模式。软件服务模式：服务提供商通过售卖人脸检测软件、视频管理软件、视频分析软件等，为用户提供人脸识别服务。按数据处理方式及数据存储位置不同，可分为在线API、离线SDK、私有云等细分服务模式。软硬件一体解决方案服务模式：服务提供商为客户提供具体应用场景的技术解决方案，通过售卖“硬件+软件”服务，满足客户个性化需求。软硬件结合方式可在前端硬件设备上嵌入识别算法软件，实现更快速、更高精度的数据处理。还可让客户更直接应用人脸识别技术，避免对接复杂的软硬件兼容集成过程。软硬件一体解决方案服务模式通过售卖“硬件+软件”集成服务，满足客户个性化需求，让客户更直接应用人脸识别技术，避免对接复杂的软硬件兼容集成过程服务提供商为用户提供部署平台、硬件、智能系统等完整的解决方案服务。在用户端进行数据处理，保护数据安全，推动应用落地。软硬件一体的解决方案技术壁垒强，与只提供软件相比，议价能力更高。司法部门、传统金融机构多采用此种服务方式。中国人脸识别企业服务模式按授权设备数量及周期计费按使用量计费，如按调用次数等按具体项目方案收费按具体项目方案收费，部分可能按周期计费各类服务模式对应的收费模式来源：头豹研究院编辑整理92020 LeadL中国人脸识别市场现状市场规模2014年以来，人脸识别技术尝试在各类行业中实现应用落地，行业应用场景拓展，有利于推动人脸识别市场规模增长11.2 36.2 99.6 235.4 427.9 717.9 1,143.8 1,686.1 2,472.3 05001,0001,5002,0002,5003,00020162017201820192020预测 2021预测 2022预测 2023预测 2024预测亿元活体视频图像文本文本0.51.12.55.08.713.919.830.847.9图像4.012.131.670.8133.9223.9332.7483.7701.4视频1.87.126.663.8121.1204.6315.7451.9642.1活体5.015.939.095.8164.2275.6475.6719.61,080.9年复合增长率总体文字图像视频活体2019-2024年预测60.0%57.0%58.2%58.7%62.4%中国计算机视觉行业市场规模（按可视数据类型分），2016-2024年预测计算机视觉与人脸识别市场规模计算机可识别文本、图像、视频及活体内容，可根据文本、视频、图像内容进行涉黄监测，识别活体面部特征信息，对人员身份进行识别、活体检测等。此处的活体数据类型主要为人脸信息，是人脸识别应用的市场表现。2014年以来，人脸识别技术尝试在各类行业中实现应用落地，行业应用场景拓展，有利于推动人脸识别市场规模增长。中国人脸识别市场规模从2016年的5.0亿元人民币增长至2019年的95.8亿元人民币，期间的年复合增长率高达166.9%。但目前人脸识别技术仅与智能安防和金融领域结合较深，其他领域的人脸识别应用仍在开发进程中。随着人脸识别技术在各行业应用渗透深入，中国人脸识别市场规模有望获得更进一步发展，预计2019-2024年，人脸识别市场规模年复合增长率可达62.4%，成为计算机视觉行业内增长最快的细分板块。文本卡片信息识别，基于文本信息自动问答，自动摘要，文本信息涉黄监控等图像静态图片信息识别、图片标签等视频动态内容识别、增强内容、视频摘要、视频内容涉黄监控等视频视频活体活体安防监控人脸识别、门禁人脸识别、活体检测等来源：头豹研究院编辑整理102020 LeadL中国人脸识别市场现状行业应用（1/2）计算机视觉企业积极拓展人脸识别行业应用场景，由需求明确的安防及金融领域向教育、零售、物流领域过渡，促进人脸识别技术在传统行业中稳步落地计算机视觉应用在传统行业落地进程较为成熟初步成熟初步发展安防金融教育零售物流工业医疗汽车人脸识别人群分析疑犯追踪卡证文字识别远程身份验证刷脸取款远程身份验证刷脸支付远程身份验证表情分析身份认证刷脸考勤手写识别无人零售消费者分析消费者分析无人零售无人分拣无人搬运物流机器人影像诊断人工智能医疗平台防撞预警系统驾驶员行为检测无人驾驶智能公交机器视觉人脸识别主要应用场景2019年，中国计算机视觉在智慧商业应用领域产生的市场规模达2820.4亿元人民币2019年，中国计算机视觉在智慧医疗应用领域产生的市场规模达153.2亿元人民币2019年，中国计算机视觉在工业制造应用领域的市场规模达209.4亿元人民币计算机视觉企业在传统行业布局萌芽阶段来源：头豹研究院编辑整理112020 LeadL中国人脸识别市场现状行业应用（2/2）随着中国平安城市理念的推进，机场、地铁站、海关、边防口岸等运输枢纽区域对人脸识别应用需求增长明显安防领域人脸识别技术广泛应用于重要场合的安防设施中，如APEC会议、世博会、奥运会以及亚运会的等大型活动现场的安防与安检，避免事故发生。随着中国平安城市理念的推进，机场、地铁站、海关、边防口岸等运输枢纽区域亦陆续添置人脸识别应用，如厦门市地铁管理部门明确提出对地铁视频监控系统招标项目的人脸检测、人脸跟踪、人脸比对功能的要求；首都国际机场、上海虹桥机场、广州火车站以及长沙高铁站等人流密集的综合交通枢纽站点已采用人脸识别技术进行安检；新疆、广东等部分省份的边检口岸已采用人脸识别应用防范犯罪分子逃往国外；监狱、看守所等机构采用人脸识别作为门禁，设置逃跑预警功能，防范犯罪分子的越狱。教育领域人脸识别技术已广泛应用于校园安全、考生验证以及在校人员的监控等教育领域。在校门出入口、学生宿舍出入口、教学楼等重点区域布置人脸识别摄像机，通过人脸识别技术实时检测和掌握出入人员的身份信息，人脸识别系统一旦发现有嫌疑人员（如被通缉人员、小偷惯犯等）就会立刻自动报警并提示安保人员前往处理。浙江信息工程学院在2014年11月将人脸识别系统用于校园寝室管理，自动录入学生日常出入信息并传到监控终端，管理寝室的工作人员通过人脸识别系统可随时掌握学校寝室入住的情况。浙江师范大学、东北大学等高校也于2015年陆续将人脸识别技术融入智慧校园系统。2016年高考，北京、四川、湖北、广东、辽宁、内蒙古等省份采用了“人脸识别指纹识别”的生物识别技术确认高考考生身份。金融领域人脸识别技术在金融领域的应用较为普遍，静态人脸识别的主要应用场景包括远程在线开户、在线支付认证、柜台身份验证、移动身份验证、自助发卡机远程审核等。动态人脸识别主要应用于银行营业网点的安防监控上，用于排查可疑人员及识别VIP人员。众多银行机构如中国银行、工商银行、建设银行、平安银行、招商银行等已将人脸识别产品引入各个业务环节。应用领域应用场景应用案例安防反恐报警、公安巡检、公共安全等 2017年3月，深圳机场宣布推进人脸识别和大数据分析在防暴安检等环节落地试点项目 2015年6月，广州地铁站试点将人脸识别技术用于反恐活动中金融开户、支付、取款鉴权等 2016年10月，中国农业银行将数万台设备进行智能升级，成为中国四大行中第一家在全国范围应用人脸识别技术的银行教育预防作弊、核实考生信息、学生签到、门禁等 北京、四川、湖北、广东、辽宁、内蒙古等多个省份在2016年高考中采用“人脸识别+指纹识别”的生物识别技术确认考生身份，防止替考、作弊事件发生交通司机乘客身份验证、司机疲劳状态识别等 人脸识别系统大量运用于高铁、动车等高速驾运输领域，对驾驶员疲劳状态进行检测，提高人民群众的出行安全零售识别用户身份、刷脸支付等 京东线下实体店用摄像头识别购物者身份，在购物者取物后，设备可自行扫码购物者所取货物，并自动从购物者授权账户中扣款人脸识别应用场景案例人脸识别典型行业应用来源：头豹研究院编辑整理122020 LeadL中国人脸识别技术发展现状算法演进人脸识别算法发展历程人脸识别的研究历史可分为三个阶段：（1）第一阶段将人脸识别归类为一般性的模式识别问题，主要基于人脸几何结构特征方法进行研究。（2）第二阶段出现较多经典人脸识别方法，如Eigen Face、Fisher Face和弹性图匹配，主流的技术路线以人脸表观建模。（3）第三阶段的算法模型进入深度学习阶段，研究者开始关注面向真实条件的人脸识别问题：提出不同的人脸空间模型，包括以线性判别分析为代表的线性建模方法，以Kernel方法为代表的非线性建模方法和基于3D信息的3D人脸识别方法；深入分析和研究影响人脸识别的因素，包括光照不变人脸识别、姿态不变人脸识别和表情不变人脸识别等；出现Gabor Face,LBP Face和深度学习等人脸识别方法；接受新的数据源，如识别视频、素描、近红外图像中的人脸。时间算法算法描述训练数据量LFW精度1990年Eigen Face主成分分析1万60.02%2006年LBP+CSML局部二值模式+度量学习1万85.57%2013年High-dim LBP高维LBP+JointBayesian10万95.17%2014年Deep ID CNN+Softmax20万97.45%2015年VGGVGG+Softmax260万98.95%2016年Face NetInception+Triplet-loss2亿99.63%卷积层1卷积层2卷积层3卷积层4第一层卷积核：4x4x20第二层卷积核：3x3x40第四层卷积核：2x2x80池化层1池化层2池化层3池化池化池化第三层卷积核：3x3x60输入层经典人脸识别算法在LFW的精度比较Deep ID算法基础结构深度学习人脸识别阶段人脸识别算法目前处于深度学习阶段，此前出现过特征脸法（Eigenface）、局部二值模式（Local Binary Patterns）及Fisher Face 三大经典人脸识别算法图片张量与卷积核卷积进行人脸特征提取得到一层人脸特征张量该网络的特殊性在于最后一个卷积层和最后一个池化层均和最后的全连接层直接相连。层数越高对于特征的概括越高（视野越大），包含的神经元越少，容易造成信息损失，全连接方式保留每层特征，减少信息损失。来源：头豹研究院编辑整理132020 LeadL中国人脸识别市场竞争格局竞争概况中国人脸识别市场主要参与商可根据企业属性分为三大类：（1）以商汤科技、旷视科技、依图科技及云从科技为代表的技术型初创企业；（2）以腾讯、阿里巴巴、百度为代表的互联网巨头企业；（3）以海康威视、大华股份、佳都科技为代表的传统硬件设备生产制造企业。场景端云端阵营一：软件能力较强技术型初创企业更靠近场景端用户，以人脸识别核心算法为基础，推行端对端的行业解决方案，针对各种行业各类场景为用户提供解决方案，有效推动人脸识别技术的落地，同时亦有利于企业开拓实际应用场景。阵营二：生态服务能力较强互联网巨头企业更靠近云端用户，通过云服务为用户提供人脸识别API调用，赋予开发者人脸识别开发能力。云端API调用较为灵活，开发者可基于互联网巨头企业开发的人脸识别算法自主开发最终应用。此外，互联网巨头企业可为用户提供更多基于生态的服务，用户既可获取云服务，还可获得各类人工智能API调用，大数据运算服务等。阵营三：硬件能力较强传统硬件设备生产制造企业更多地扎根于个别垂直细分应用场景，利用传统硬件领域的竞争优势，结合人脸识别应用，升级优化传统硬件设备，强化在传统硬件领域已有的深耕优势。中国人脸识别厂商分类中国人脸识别市场主要参与商可根据企业属性分为技术型初创企业、互联网巨头企业及传统硬件设备生产制造企业来源：头豹研究院编辑整理142020 LeadL中国人脸识别市场竞争格局企业增长评价体系评价维度指标权重指标简介技术储备（33%）专利申请数量及授权量5.50%分析企业获得的人脸识别相关专利情况论文数量5.50%企业发表的人脸识别相关论文以及论文的影响力科技人员储备5.50%企业人脸识别研发团队人员数量以及团队领头人的影响力研发投入费用5.50%分析企业在人脸识别领域的研发投入费用，评价研发投入在整体市场规模的占比情况算法实力5.50%评价企业人脸识别算法的成绩表现技术创新能力5.50%评价企业人脸识别技术的迭代更新以及适应市场的能力产品生态（33%）云服务水平5.50%评价企业的基础支撑能力底层硬件生产能力5.50%评价企业的基础硬件支持能力以及产业链上下游布局的广度与深度生态繁荣度5.50%企业的产品生态对人脸识别应用投放的支持力度AI开放平台表现5.50%评价企业人工智能技术能力及开放度合作伙伴数量5.50%企业、政府、高校、研究院等合作伙伴数量数据积累程度5.50%获取人脸数据库的途径以及便捷程度市场表现（34%）相关硬件、服务或解决方案销售额4.25%分析企业人脸识别相关硬件、服务或解决方案的销售额表现应用领域布局4.25%评价企业在下游市场的深度和广度，即在垂直领域的领先程度，以及涉足的细分场景数量市场份额4.25%分析企业近年来的人脸识别市场份额变化情况收入增长4.25%分析企业近年来人脸识别业务收入增长情况方案落地表现4.25%企业的人脸识别技术有多少落地案列，案列落地后的影响力品牌知名度4.25%企业的品牌影响力定制化服务能力4.25%评价产品满足客户需求以及解决应用场景痛点的程度战略布局4.25%评价垂直领域的未来布局重视程度和细分场景未来布局的丰富度本报告从技术储备、产品生态、市场表现三个维度共20个具体指标对中国人脸识别厂商进行评分，每个指标的评分区间为1-5分，并根据指标评分与指标权重情况计算出行业排名前五的企业。技术储备技术储备方面共包括6个细分评价指标，权重共为33%。该评价维度分别从人脸识别算法实力、科技人员储备、研发投入费用、相关专利申请数、发表的重要论文、技术创新能力评价人脸识别厂商的技术能力。产品生态产品生态方面共包括6个细分评价指标，权重共为33%。该评价维度主要从云服务水平、硬件生产能力、AI开放平台表现、生态繁荣度、数据积累程度、合作伙伴等维度对人脸识别厂商的产品生态支撑能力进行评价。市场表现市场表现方面共包括8个细分评价指标，权重共为34%。该评价维度主要用于衡量企业的市场拓展能力，评价指标包括市场份额、收入增长情况、应用领域布局、方案落地表现、产品定制化能力、战略布局等。企业增长评价指标中国人脸识别市场企业增长评价体系本报告从技术储备、产品生态、市场表现三个维度共20个具体指标对中国人脸识别厂商进行评分来源：头豹研究院编辑整理152020 LeadL中国人脸识别行业厂商竞争格局本报告通过对中国人脸识别行业内20家主要企业进行调研，根据技术储备、产品生态、市场表现三个维度共20个具体指标对企业进行分析和评价（5分制），总结出人脸识别行业排名前五的企业为商汤科技（4.40分）、旷视科技（4.22分）、腾讯（4.08分）、依图科技（4.07分）和云从科技（4.02分）。其中商汤科技在科技型创业企业阵营中排名第一，腾讯在互联网巨头企业阵营中排名第一，海康威视在传统硬件设备生产制造企业阵营中排名第一。商汤科技商汤科技以原创技术为基础，借助核心平台化能力赋能多个行业，业务范围覆盖智慧安防、互联网娱乐及广告、智能终端、手机、智慧商业、车载、移动运营商、智慧金融及遥感等多领域，不仅在人脸识别技术实力上领跑行业，实现的商业营收亦表现出众，在多个人脸识别垂直应用领域的市场占有率居首位。腾讯腾讯人脸识别算法独创融合特征，支持将待识别人员的多张人脸的人脸特征“融合”成人员特征，识别准确率整体提升超5%，在公有云业界属首创。腾讯人脸识别技术在自有生态产品（社交产品、游戏产品等）中得到很好应用，腾讯还联合众多生态合作伙伴，为用户提供端对端的人脸识别完整解决方案。海康威视海康威视稳居中国安防市场龙头地位，凭借在安防领域的软硬件集成能力，连续6年蝉联中国视频监控行业第一。海康威视自主研发的人脸识别算法、视频检索引擎等相关技术曾获得世界级人工智能竞赛第一名，并在公共安全、交通、智慧城市等领域大量使用。中国人脸识别市场竞争格局企业综合排名情况企业排名情况备注：中国人脸识别行业处于成长期，该排名以当前可获得的信息为依据，反映当前中国人脸识别市场成长期的企业竞争格局情况，无法代表行业其他时期市场变化情况下的企业排名。强战略弱战略技术实力弱强竞争者强表现者领导者挑战者商汤旷视海康威视大华股份佳都科技依图云从百度腾讯阿里巴巴来源：头豹研究院编辑整理中国人脸识别行业排名前五的企业为商汤科技（4.40分）、旷视科技（4.22分）、腾讯（4.08分）、依图科技（4.07分）和云从科技（4.02分）162020 LeadL中国人脸识别市场竞争格局头部企业分析互联网巨头企业阵营排名情况腾讯腾讯拥有强劲的人工智能应用落地优势，其丰富的社交和游戏生态确立其商业落地优势。计算机视觉为腾讯核心输出技术之一，助力腾讯深耕刷脸支付、安防等领域，推动腾讯多赛道切入人脸识别应用市场。未来腾讯将继续基于自身业务特点，通过应用强化学习平台、图像识别、语音识别等技术，推出直播智能鉴黄、智能审判等多种泛娱乐人工智能解决方案。百度百度人工智能整体技术实力强劲，布局的人工智能技术涉及自然语言处理、语音识别、图像识别、视频识别等众多细分领域，AI开放平台、小度开放平台等开放程度高，赋能合作伙伴和开发者持续创新，提升AI生态创造力。百度人脸识别公有云服务日均调用量超1亿，人脸技术相关开发者超13万。未来百度通过百度大脑将人脸识别技术渗透至各行业，与各行业深度融合，推动产业智能化。阿里巴巴阿里巴巴人工智能生态布局清晰，以ET大脑为载体，深耕政务、金融、零售等行业，其人脸识别主要发力支付与零售领域。阿里巴巴未来将继续大力开发AI应用场景，以城市为核心，覆盖政务、出行、家庭等主要AI应用场景。来源：头豹研究院编辑整理计算机视觉为腾讯核心输出技术之一，助力腾讯深耕刷脸支付、安防等领域，推动腾讯多赛道切入人脸识别应用市场市场表现注：图形大小表示技术储备维度评分，图形越大，评分越高横坐标表示产品生态维度维度评分，纵坐标表示市场表现维度评分产品生态中国人脸识别行业互联网企业阵营评分情况172020 LeadL中国人脸识别市场竞争格局头部企业技术储备维度分析维度指标腾讯百度阿里巴巴技术储备（33%）论文 AI顶会论文：18篇（NeurIPS，2019）58篇（CVPR，2019）9篇（ACL，2019）AI顶会论文：7篇（NuerIPS，2019）17篇（CVPR，2019）10篇（ACL，2019）AI顶会论文：11篇（NeurIPS，2019）14篇（CVPR，2019）2篇（ACL，2018）专利中国AI专利申请量：4,115件（国家工业信息安全发展研究中心，2019）中国AI专利申请量：5,712件（国家工业信息安全发展研究中心，2019）中国AI专利申请量：3,079件（国家工业信息安全发展研究中心，2019）研发人员占比：38.5%（2018）占比：61%（2019）占比：51%（2018）部分知名AI专家 医疗AI科学家：郑冶枫 量子计算科学家：张胜誉 计算机视觉领域著名专家：贾佳亚 首席技术官：王海峰 计算机视觉领域顶级科学家：DavidForsyth 计算语言学专家：Mark Liberman Caffe框架作者：贾扬清 前360人工智能研究院副院长：谭平研发投入 研发投入：27亿美元（2018）占营收比：7.3%（2018）研发投入：20亿美元（2018）占营收比：15.2%（2018）研发投入：36亿美元（2018）占营收比：14.4%（2018）人脸识别算法成绩 PascalVOC comp4榜单：91.2综合得分（2019）MegaFace：83.290%的准确率100万级别人脸识别测试（2017）LFW：刷新世界纪录，99.8%（2017）ICCV VOT：单目标短时跟踪冠军(2019)；ICME：人脸106关键点检测比赛冠军（2019）LFW：人脸识别准确率99.77%（2018）PascalVOC comp4榜单：92.9综合得分，位居第一（2019）LPIRC：在线图像分类任务排名第一，实现23ms的单张图片分类速度（2019）WebVision：82.54%准确率（2019）来源：头豹研究院编辑整理百度凭借扎实的AI技术储备，全面布局AI技术，打造软硬一体的人工智能大生产平台，是中国人工智能技术领域的先行者https:/ LeadL维度指标腾讯百度阿里巴巴产品生态（33%）AI开放平台表现 平台体系：NCNN、Angel3.0、Tencent ML-Images等 平台实力：日处理图片30亿张以上；日处理语句千亿句以上；每日实时计算次数30万亿次；开放AI能力数量200+个 开放平台：阿波罗开放平台，AI开放平台，小度技能开放平台等 平台实力：AI开放平台开放228项AI技术能力，开发者突破150万，语音、人脸、NLP调用量中国第一，日均调用量突破一万亿次；小度技能开放平台有33,000+开发者和2,400+技能 平台体系：飞天AI平台、飞天大数据平台、Apsara AIoT平台 平台实力：人工智能日调用量超过1万亿次，服务全球10亿人；AI平台日处理图像10亿张、视频120万小时、语音55万小时、自然语言5,000亿句，视觉智能日调用量超过1600亿次云服务水平 市场份额：中国公有云市场份额14.0%（沙利文，2019H1）服务体系：云服务器、云数据库、CDN、云安全、万象图片和云点播等产品 其他：推出60+个行业解决方案 市场份额：中国公有云市场份额5.2%（IDC，2019Q1）服务体系：提供260+款产品和近40个解决方案 其他：百度智能云首创分级存储体系；2,000+合作伙伴 市场份额：中国公有云市场份额28.5%（沙利文，2019H1）服务体系：包括飞天操作系统、第三代神龙架构，ALink物联网平台等 其他：飞天云操作系统600+PB单日数据处理；全球云服务企业超300万家生态繁荣度 AI投资：AI相关投资并购事件100+起 AI扶持项目：加速器项目已进行3期，第三期录取30个项目，总估值超200亿，前两期录取65个项目，整体估值662+亿，70%项目完成一轮融资；腾讯青藤大学扶持AI创业者与企业 合作伙伴：合作高校及研究机构数量400+家 其他：TI-ONE已开放体验，提供10核20GB内存的CPU资源、1块24G显存的GPU资源 AI投资：投资版图涉足10个行业，投资轮次主要集中在A轮和B轮(2018)AI扶持项目：为1,000+家企业提供相关AI技术和应用培训；为200+所高校开设深度学习课程 合作伙伴：600+家，并联合运营商、硬件厂商、产业界合力推动“AI+5G”在自动驾驶、物联网、8K互联网视频直播等新兴行业方面的应用 AI投资：投资旷视、商汤、依图、云从、寒武纪、Wayray、Infinity AR等多个海内外AI企业 AI扶持项目：湖畔大学扶持AI创业者与企业 合作伙伴：达摩院已与全球150+所知名高校的100+个科研团队开展科研项目合作；并与脸书合作开源项目中国人脸识别市场竞争格局头部企业产品生态维度分析来源：头豹研究院编辑整理腾讯主要开放视觉和语音AI能力，依托云服务进行生态拓展，其人脸识别应用将进一步依托生态优势，全面布局安防、支付、泛娱乐等场景192020 LeadL维度指标腾讯百度阿里巴巴市场表现（34%）相关硬件、服务或解决方案销售额 硬件产品：从智能终端切入，包括Qrobot智能音箱等产品 行业解决方案：以医疗、零售、金融、安防、泛娱乐领域为主，还包括政务、工业等领域，提供智能客服、大数据风控、智能审核等服务 硬件产品：以智能音箱、小度电视伴侣和小度在家智能屏等智能终端产品为代表 行业解决方案：涉及涉及金融、交通、工业、医疗等行业，提供金融智能化方案、智能交通解决方案、智能制造解决方案、临床辅助决策系统(CDSS)、智慧物流解决方案等 硬件产品：以智能音箱等智能终端产品为代表，还包括POLAR DB Box高性能一体机、AI芯片等B端产品 行业解决方案：涉及金融、零售、政务、出行、工业、物流等领域，提供ET大脑综合解决方案、大数据智能风控及智能投顾、Ali OS车载操作系统、阿里小蜜智能客服等服务AI落地表现 医疗健康：腾讯觅影是中国首个进入临床预试验的结直肠肿瘤实时筛查AI系统，已落地100+家3甲医院（2018年4月）安防领域：GrandEye天眼系统，超过50w张/小时单机入库速度（2017）工业领域：“AI+工业生产检测”，液晶面板缺陷检测中，识别准确率90%，辅助 100+道工序质检，节省50%+人力成本 云服务营收：6.8亿美元（2019Q3）阿波罗：测试里程、牌照数量和车队数量中国第一，并在长沙落地首个自动驾驶出租车队 灵医智惠：已在中国18个省市自治区1,000+个医疗机构落地（2019）智能云营收：同比增速超过410%，在所有厂商中增长最快（2018H2）ET大脑：全球已有23个城市接入ET城市大脑，已覆盖交通、城管等11个领域、48个场景 AliOS：已有100+万辆汽车搭载阿里云AliOS系统 云服务营收：13.5亿美元（2019Q3）中国人脸识别市场竞争格局头部企业市场表现维度分析来源：头豹研究院编辑整理阿里巴巴以云计算为基础，完善AI开放平台，积极对外投资繁荣AI生态，坚持以ET大脑为核心，拓展至IoT各领域，实现“AI+IoT”全面落地202020 LeadL中国人脸识别行业发展趋势技术趋势目前的人脸识别技术主要分为2D人脸识别和3D人脸识别。2D人脸识别是基于图像的识别方法，主要优势是检测数据获取便捷，照片亦可做为人脸对比库，2D人脸识别算法相对成熟，在无遮挡等理想条件下的识别率接近100%。但3D人脸在2D维度下会缺失部分信息，在遮挡、角度旋转等场景下2D识别率不高。基于3D的人脸识别算法可弥补2D投影造成有效识别信息丢失的问题，对于人脸旋转、遮挡、极度相似的传统难点具有有效的解决方式。3D人脸识别技术采集人体面部的三维特征，提取的是人脸的深度信息，能够解决人脸识别姿态、遮挡物、光线照射等不良因素带来的影响，能更好的提升辨识速度，提升用户体验。对比项3D人脸识别2D人脸识别FAR/FRR实验FAR（错误接受率）说明：错误接受率越低，识别安全性越高 0.0047%0.12%FRR（错误拒绝率）说明：错误拒绝率越低，使用越方便 0.103%9.79%环境适应性实验姿态变化 识别率100%识别率23%头发遮挡 识别率87%识别率50%头部遮挡 识别率95%识别率5%弱光环境 识别率100%识别率0%2D人脸识别与3D人脸识别实验结果对比但目前三维成像技术处于初步发展阶段，发展并不成熟，主流的3种3D成像技术均存在明显缺点：（1）3D结构光技术存在抗光照能力弱、识别速度不高、工作距离短以及需要使用的硬件成本较高等问题；（2）TOF技术虽然具有响应时间快、深度信息精确度高、识别距离远的优点，但分辨率低、功耗高、模块面积较大，不利于使用；（3）双目测距技术虽然分辨率高，模块面积小，成本低，但昏暗环境不适用，算法开发难度大，识别速度慢。目前提取的人脸信息仍以二维为主，3D人脸识别仍有较多技术难关需要攻破。未来三维摄像头成本的降低将为3D人脸识别应用带来发展机遇，三维摄像头提供的视频信息以及提取的人脸信息的压缩，能为嵌入式的三维人脸识别产品提供更大的芯片选型空间。2018年2月，云从科技正式发布“3D结构光人脸识别技术”标志着中国在3D人脸识别技术产品领域取得了重大进展。特性双目测距结构光飞行时差测距（TOF）精度中高中低速度慢中快功耗高中中分辨率中高中低抗光照高低中硬件成本低高高工作距离2m0.2m-1.2m0.4m-5m模块面积大小小大大主流的3D成像技术比较3D人脸识别弥补2D人脸识别不足，有机会成为主流的人脸识别技术基于3D的人脸识别算法可弥补2D投影造成有效识别信息丢失的问题，对于人脸旋转、遮挡、极度相似的传统难点具有有效的解决方式来源：头豹研究院编辑整理222020 LeadL中国人脸识别行业发展趋势行业应用趋势评价指标安防金融交通零售教育医疗制造通信能源数据基础可获取数据量数据积累程度数据存储流程完善度数据整洁度自动化程度应用基础IT系统应用程度应用场景清晰度AI应用历史经验AI供应商繁荣度组织机构/企业对AI战略需求总评价AI使用率 AI技术持续向传统行业渗透，安防和金融领域与AI结合程度较深。安防领域主要利用AI视觉技术升级安全监控、安全防护等产品。金融行业拥有良好的数据积累基础，数字化改造进程稳定，银行、证券等金融机构较多愿意接受业务智能化尝试，因此AI技术在众多金融业务场景得到中得到推广。交通、零售、医疗、制造等行业在数据积累、AI应