中國電子技術標準化研究院：2020年人臉識別行業研究報告（附下載）

報告下載：新增199IT官方微信【i199it】，回覆關鍵詞【2020年人臉識別行業研究報告】即可

1、人臉識別技術原理

當今主流的人臉識別演算法，主要包括人臉檢測、人臉預處理、特徵項提取、比對識別、活體鑑別五大步驟。其中人臉檢測、人臉預處理、特徵項提取可統稱為人臉檢視解析過程，即從視訊和影像中檢測出人臉，通過影像質量判斷，選取合適的人臉圖片，提取人臉特徵向量，用於後續比對識別;比對識別處理可以分為人臉驗證(1∶1)和人臉辨識（1:N)兩類;活體鑑別演算法用以判斷人臉識別處理中的人臉影像，是否採集自真實人體。在實際應用中，除了上述人臉識別演算法，前端檢視採集技術、人臉資料儲存技術、應用軟體管理技術也是人臉識別技術應用中重要的技術部分。

2、科技類企業

在人臉識別技術研究領域，眾多科技類企業也起到了至關重要的作用。微軟亞洲研究院較早就開始了人臉識別技術研究，發表了大量優秀的學術論文，2018年，微軟亞洲研究院提出的深度學習殘差網路RESNET，在研究領域得到了廣泛認可;蘋果公司在人臉識別技術上進行了深入研究，自2017年開始，就在其iphoneX手機上引入了刷臉解鎖功能;日本電氣 (NEC）公司也是國際上人臉識別技術的先行者之一，很早就提出了基於人臉識別技術的公共安全解決方案;國內有“人工智慧四小龍”之稱商湯、曠視、依圖、雲從等企業，在人臉領域，從學術研究到產業實踐，都做了大量的工作，在複雜場景，大規模處理等領域，不斷取得新的成果;國內傳統科技企業百度、阿里、騰訊、平安科技、海康、大華等，也在人臉識別技術領域開展廣泛深入的研究，並結合其原有的業務領域的場景，取得顯著的技術研究成果。

3、技術優勢

在不同的生物特徵識別方法中，人臉識別技術有其自身特殊的優勢，因而在生物識別中有著重要的地位。

(1)非侵擾性，人臉識別無需干擾人們的正常行為就能較好地達到識別效果，只要在攝像機前自然地停留片刻，使用者的身份就會被正確識別。

(2）便捷性，人臉識別採集裝置簡單，使用快捷。一般來說，常見的攝像頭就可以用來進行人臉影像的採集，不需特別複雜的專用裝置。影像採集在數秒內即可完成。

(3)友好性，通過人臉識別身份的方法與人類的習慣一致，人和機器都可以使用人臉圖片進行識別。

(4)非接觸性，人臉影像採集，使用者不需要與裝置直接接觸。另外，可以在比較遠的距離進行人臉影像的採集。裝配了光學變焦鏡頭的攝像頭，焦距可以提高到10倍以上，使景深範圍擴充套件到50米以外，實現對遠景清晰拍照，有效採集遠處的人臉影像。

(5)可擴充套件性，在人臉識別後，通過對識別結果資料進行下一步處理和應用，可以擴充套件出眾多實際應用方案，如應用在出入門禁控制、人臉圖片搜尋、上下班刷卡、非法人員識別等各個領域。

(6)隱蔽性強，安全領域對於系統隱蔽性有較強要求，人臉識別在這方面比指紋等方式更具優勢。

(7)強大的事後追蹤能力，系統記錄的人臉資訊是非常重要且易於利用的線索,更加有利於進行事後追蹤應用。

(8）準確度高，相比於人體、步態等其特徵，人臉特徵具備更強的鑑別性與更低的誤報率，所能應用的底庫規模上高出許多，目前超大規模(十億級別)的人臉檢索已經可以實用。

4、技術侷限

人臉識別技術由於相似臉、年齡、演算法偏見、面臨的場景多樣化以及人臉影像更易公開獲取等原因，技術本身也面臨著一定的侷限性。

(1)相似臉較難解決。雙胞胎或者長相很相近的人臉容易識別錯誤，而該問題在目前暫時沒有新技術能完全解決。NIST分析報告指出，大部分情況下雙胞胎仍能區分分數高低，但是往往都在閾值之上，在開放環境下應用效果較差。

(2演算法偏見問題。由於當前人臉識別演算法很大程度依賴於資料樣本，但是不同人群的人臉資料樣本存在差別,這導致了演算法對不同地域、不同年齡人群的識別能力有差別。美國國家技術標準研究院NIST的檢查表明，人臉識別軟體在不同地域、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的人種或者膚色的人臉識別率相對較低,該問題亟需解決。

(3）人臉識別率易受多種因素影響。現有的人臉識別系統在使用者配合、採集條件比較理想的情況下可以取得令人滿意的結果。但是，在使用者不配合、採集條件不理想的情況下，會影響現有系統的識別率。例如根據NIST的測試報告，戴口罩情況下大部分演算法的錯誤率會提高1個數量級以上，跨年齡、大角度等因素也會造成不同程度的下降。

(4)年齡變化的影響。隨著年齡的變化，面部外觀也會變化，特別是對於青少年，這種變化更加明顯。對於不同的年齡段，人臉識別演算法的識別率也不同。

(5)安全性問題。人臉識別系統資訊儲存同樣會面臨黑客的攻擊。所以對資料加密很重要。隨著技術的不斷提升，人臉識別技術在安全性上需要加強。同時，人臉暴露度較高，相比對其它生物特徵資料更容易實現被動採集。這也同時意味著人臉資訊的資料更容易被竊取，不僅可能侵犯個人隱私，還會帶來財產損失。大規模的資料庫洩露還會對一個族群或國家帶來安全風險。